Gartner memprediksi bahwa dua dari lima proyek Agentic AI kemungkinan besar akan dihentikan pada tahun 2027. Kegagalan ini bukan disebabkan oleh ketidakmampuan teknologi AI itu sendiri, melainkan karena perusahaan memaksakan sistem otonom modern berjalan di atas infrastruktur yang sudah usang. Di kawasan Asia Pasifik, IDC menemukan bahwa banyak organisasi menghadapi kendala serupa, di mana arsitektur teknologi saat ini tidak mampu mendukung pengembangan aplikasi AI baru tanpa adanya modernisasi yang signifikan.
Masalah utama dalam skala AI saat ini bukanlah kecerdasan buatan, melainkan fondasi infrastruktur yang menopangnya. Ibarat memasang mesin berperforma tinggi pada mobil tua, sistem tersebut mungkin bisa dijalankan sesaat, namun akan gagal total saat dipacu dengan beban kerja yang tinggi. Banyak perusahaan di kawasan Asia Pasifik kini terjebak dalam kondisi tersebut setelah satu dekade melakukan adopsi cloud yang terburu-buru, yang justru menciptakan lingkungan kerja yang terfragmentasi dan tidak efisien.
Salah satu tantangan terbesar adalah kompleksitas strategi multi-cloud yang dulunya diharapkan memberikan fleksibilitas, namun kini justru berubah menjadi beban operasional. Data yang tersebar di berbagai lingkungan sistem menyebabkan duplikasi alat dan ketidakkonsistenan visibilitas. Bagi beban kerja AI, hal ini menciptakan friksi berupa latensi tinggi, peningkatan biaya operasional, serta siklus iterasi yang melambat karena data harus terus-menerus dipindahkan antar sistem.
Selain itu, sistem warisan (legacy) yang dirancang untuk aplikasi statis tidak mampu menangani sifat AI yang dinamis, intensif data, dan terdistribusi. Ketidakselarasan antara komputasi, penyimpanan, dan jaringan menyebabkan sumber daya sering menganggur menunggu respons dari bagian lain di dalam stack teknologi. Hal ini menciptakan bottleneck yang nyata dalam alur kerja data yang seharusnya berjalan lancar.
Tekanan biaya juga menjadi faktor yang semakin sulit dikendalikan. Arsitektur multi-cloud sering kali membawa biaya tersembunyi, seperti biaya transfer data yang mahal dan kompleksitas manajemen yang tinggi. Ditambah dengan perubahan model lisensi pada platform virtualisasi, organisasi kini terjebak dalam model langganan jangka panjang yang kaku, yang membuat efisiensi anggaran menjadi tantangan besar di tengah tuntutan beban kerja AI yang haus sumber daya.
Pada akhirnya, modernisasi infrastruktur bukan lagi sekadar pilihan, melainkan keharusan bagi perusahaan yang ingin mengadopsi AI secara berkelanjutan. Tanpa menata ulang arsitektur dasar agar lebih selaras dengan kebutuhan AI yang dinamis, investasi besar yang dikeluarkan perusahaan untuk kecerdasan buatan berisiko sia-sia karena tertahan oleh keterbatasan sistem operasional yang sudah tidak relevan lagi dengan tuntutan zaman.