Transformasi Ilmu Data: Bagaimana AI Membentuk Masa Depan Profesi
Sumber : https://medium.com/low-code-for-advanced-data-science/is-data-science-dead-a5d4421b4b1f
Di tengah pesatnya kemajuan teknologi kecerdasan buatan (AI), banyak pertanyaan muncul mengenai relevansi dan peran tradisional profesi seperti data scientist, pemrogram Python, dan desainer grafis. Artikel ini akan membahas bagaimana AI generatif dan algoritma pembelajaran mesin telah mengubah lanskap pekerjaan yang biasanya melibatkan tugas-tugas repetitif dan teknis. Kita akan mengeksplorasi bagaimana profesi-prosesi ini beradaptasi dengan peran baru yang lebih fokus pada supervisi, penyetelan halus, dan pemanfaatan strategis AI, daripada sekedar eksekusi. Dengan pendekatan yang lebih mendalam pada kolaborasi antara manusia dan mesin, kita akan melihat bagaimana keahlian tradisional bertransformasi menjadi aset berharga dalam mengarahkan AI untuk mencapai hasil yang optimal dan inovatif.
- AI Generatif Berkembang Pesat
Anda dapat meminta AI generatif untuk membuat gambar tertentu, dan itu akan terlaksana. Anda mungkin tidak menyukainya, tetapi Anda dapat menyempurnakannya, dan AI akan melakukan perbaikan tersebut. Anda juga bisa meminta AI untuk menulis puisi tentang topik X, dan itu akan terwujud. Para penyair profesional mungkin tidak menyukainya, tetapi hasilnya cukup baik untuk kontes puisi di antara teman-teman. Anda juga bisa meminta AI untuk menulis surat untuk Sinterklas atau surat keluhan tentang produk Y yang tidak berfungsi. Di kedua kasus tersebut, AI dapat menangani tugasnya.
2. AI Bisa Menulis Kode Python
AI hampir sempurna dalam menulis kode Python. Ini tentunya sangat fantastis. Dengan waktu yang lebih sedikit untuk mengkode, kita memiliki lebih banyak waktu untuk memikirkan apa yang ingin diimplementasikan.
3. AI Bisa Membuat Workflow KNIME
AI juga dapat membantu pembuatan workflow di KNIME, sebuah platform yang telah mengintegrasikan fitur AI dalam frameworknya sejak versi 5.1. KNIME menyediakan area percakapan di mana pengguna bisa mendapatkan saran atau membangun workflow menggunakan AI.
4. Apa yang Tersisa untuk Dilakukan oleh Data Scientist?
Dengan semua kemampuan AI baru ini, kita mungkin bertanya-tanya apa lagi yang bisa kita lakukan. Khususnya sebagai data scientist, pelatih model, pemrogram Python, pembuat workflow KNIME, apa yang masih perlu kita lakukan?
Pertama, AI tidak secara otomatis membangun, melatih model, menulis skrip Python, atau membuat workflow. Ini semua perlu diarahkan. Bahkan saat menggunakan AI sebagai dukungan, pemilik proyek masih perlu mendeskripsikan prosesnya secara rinci: apa yang harus dibangun, bagaimana, dari data mana, dan seterusnya.
Kedua, AI tidak memeriksa kebenaran. AI memberikan hasil. Mengevaluasi apakah ini benar bukan bagian dari tugasnya. AI masih membutuhkan pemeriksaan kebenaran oleh pengguna ahli: pemeriksaan kebenaran ilmu data dan kesesuaian bisnis. Untuk itu, kita membutuhkan pengguna akhir yang terampil yang tahu apa yang harus dicapai dan bagaimana.
Ketiga, ada kecenderungan baru untuk melakukan penyetelan halus pada model AI. Untuk ini, Anda pasti membutuhkan data scientist.
5. Apakah Kita Masih Membutuhkan Data Scientist?
Mengikuti semua itu, kita mungkin tidak lagi membutuhkan pelaksana murni. Namun, kita masih membutuhkan profesional yang memahami proses ilmu data dan persyaratan matematisnya, yang tahu bagaimana memperbaiki dan mengarahkan upaya AI, serta bagaimana menginterpretasikan hasil yang dihasilkan AI. Secara praktis, kita beralih dari membuat dan melatih model dan layanan menjadi mengonsumsi dan menyempurnakannya.
6. Apakah Ilmu Data Sudah Mati?
Ilmu data mungkin tidak mati, tetapi pasti berubah. Ilmuwan data terbaik bukanlah mereka yang bisa mengkode dengan lebih cepat, tetapi mereka yang dapat lebih baik mengarahkan perakitan proyek ilmu data dengan mempertimbangkan integrasi data, kualitas data, sejarah data, algoritma pembelajaran mesin, interpretasi hasil, dan kebenaran proses.
Apakah kita akan menjadi lebih generalis? Mungkin, pada fase awal proyek ilmu data, kita akan membutuhkan lebih banyak generalis untuk bekerja lebih pada prosesnya. Namun, kita tetap akan membutuhkan ilmuwan data ahli untuk meninjau dan memperbaiki output AI. Sama seperti desainer grafis, ilmuwan data akan memanfaatkan implementasi solusi yang lebih cepat melalui AI tetapi tetap perlu waspada terhadap kualitas solusi yang disediakan AI.
