Perusahaan di seluruh dunia bergegas mengadopsi kecerdasan buatan sebagai tulang punggung operasional, namun mayoritas masih mengandalkan infrastruktur jaringan yang dirancah untuk era aplikasi bisnis konvensional. Kesenjangan ini menciptakan hambatan fundamental: model AI yang dirancang untuk deteksi penipuan real-time atau optimasi rantai pasok menjadi sia-sia begitu kemacetan jaringan menunda data yang dibutuhkannya. Setiap milidetik keterlambatan kini membawa konsekuensi finansial dan operasional yang nyata.
Studi terbaru Bloomberg yang dikomisi Tata Communications, "The Future-Ready Enterprise", mengungkap realitas keterpurukan ini. Tiga dari empat pemimpin bisnis menempatkan AI sebagai prioritas tingkat dewan, namun hampir dua pertiga (65 persen) organisasi masih beroperasi pada infrastruktur transisional atau warisan. Diskrepansi antara ambisi dan kenyataan infrastruktur menjadi penghalang utama realisasi nilai dari investasi AI yang mencapai jutaan dolar.
Pergeseran paradigma performa bersifat drastis, bukan inkremental. Aplikasi bisnis tradisional mentolerir latensi 100 hingga 500 milidetik, sedangkan beban kerja AI misi-kritis menuntut di bawah 10 milidetik. Kapil, Vice President Global Network Services di Tata Communications, menegaskan bahwa ini mematahkan asumsi desain jaringan tradisional di mana latensi ekstrem rendah tidak pernah menjadi pertimbangan utama. Jaringan tidak lagi sekadar lapisan transport "best-effort" yang dapat dipercayakan secara pasif.
Kompleksitas semakin membesar seiring penyebaran komponen AI di lingkungan cloud, edge, dan perusahaan. Fokus organisasi cenderung tertuju pada kekuatan komputasi dan infrastruktur data, sementara kain jaringan yang menghubungkannya terabaikan. Titik buta ini sering muncul sebagai bottleneck performa akibat lalu lintas timur-barat berfrekuensi tinggi yang bergerak antar-GPU. Distribusi juga memperluas permukaan serangan yang harus diamankan.
Ancaman keamanan pun berevolusi sejalan dengan arsitektur terdistribusi. Bot berbahaya bertenaga AI kini menyumbang sekitar 37 persen lalu lintas daring, menyulitkan pengenal pengguna sah dari ancaman otomatis. Banyak perusahaan menanggulanginya dengan menumpuk alat terpisah yang justru menghasilkan fragmentasi, keamanan inkonsisten, dan ketiadaan visibilitas terpadu. Kapil menyarankan konvergensi jaringan dan keamanan melalui arsitektur SASE (Secure Access Service Edge) yang dikirimkan via cloud untuk menegakkan kebijakan konsisten di seluruh lingkungan.
Jaringan harus berevolusi dari "pipa" pasif menjadi lapisan cerdas yang aktif. Hal ini menuntut visibilitas real-time ke aliran lalu lintas AI di lingkungan terdistribusi, serta kemampuan mengorkestrasi beban kerja ke jalur paling efisien dan aman. Perbedaan ini menentukan apakah organisasi sekadar menghubungkan sistem, atau membuka kemampuan baru — seperti pengalaman belanja mulus di puncak periode penjualan atau siaran olahraga global tanpa buffering.
Transformasi ini juga mengubah cara tim infrastruktur menghabiskan hari mereka. Jaringan kini didefinisikan perangkat lunak dan berorientasi API, bukan terikat konfigurasi hardware. Pergeseran ini memindahkan tim dari mode reaktif menangani gangguan ke mode proaktif merancang sistem yang mencegahnya. Alih-alih mengarahkan ulang lalu lintas manual saat kegagalan, tim menetapkan aturan, kebijakan, dan hasil bisnis untuk kain cerdas yang mengeksekusi kebijakan tersebut secara otomatis dan otonom.
Tata Communications menerjemahkan prinsip ini melalui IZO Data Centre Dynamic Connectivity yang baru diluncurkan. Platform software-defined ini menciptakan "jaringan cerdas self-healing" menggunakan routing multi-jalur deterministik untuk mengarahkan ulang lalu lintas secara otomatis saat terjadi gangguan. Arsitektur semacam ini menjadi fondasi bagi perusahaan yang ingin mengeksekusi strategi AI skala besar tanpa terhambat batasan fisik jaringan konvensional.
Di Indonesia, di mana adopsi AI generatif dan agentik mulai merambah ke sektor perbankan, e-commerce, dan logistik, tantangan ini terasa nyata. Banyak perusahaan lokal masih mengandalkan konektivitas internet publik atau VPN tradisional untuk menghubungkan beban kerja AI yang tersebar di cloud provider global dan edge lokal. Ketiadaan kontrol end-to-end serta latensi lintas batas yang tidak deterministik sering menjadi penyebab gagalnya inferensi real-time di lingkungan produksi.
Pemerintah melalui program Making Indonesia 4.0 dan roadmap Strategi Nasional AI 2020–2045 telah menyoroti pentingnya infrastruktur digital. Namun implementasi jaringan siap AI — dengan latensi deterministik, observabilitas penuh, dan keamanan terkonvergen — masih jarang menjadi prioritas investasi dibandingkan pembelian GPU atau pelatihan model. Padahal, tanpa fondasi jaringan yang tepat, investasi komputasi berisiko tidak menghasilkan ROI yang diharapkan.
Ke depan, pemisahan antara pemenang dan kalah dalam era AI agentik akan ditentukan bukan hanya oleh kecerdasan model, tetapi oleh kemampuan jaringan mengantar data ke tempat yang tepat, pada waktu yang tepat, dengan keamanan yang tepat. Organisasi yang memperlakukan jaringan sebagai aset strategis — bukan biaya operasional — akan memperoleh keunggulan komparatif yang sulit ditiru pesaing.