1
Evolusi Implementasi Kecerdasan Buatan: Solusi Low-Code dan Terintegrasi
AI011Lesson 4
00:00

Evolusi Implementasi Kecerdasan Buatan

Kita sedang menyaksikan perubahan mendasar dalam cara organisasi mengimplementasikan kecerdasan buatan. Fokus kini berpindah dari antarmuka percakapan yang kasar dan terpisah menuju solusi bisnis terintegrasi yang didukung oleh ekosistem low-code dan konektivitas API yang terstruktur.

1. Sintesis Gambar & Kontrol

Model generasi gambar modern (seperti DALL-E) menggabungkan CLIP (untuk memahami embedding teks) dan Perhatian Tersebar (untuk menghasilkan output visual). Namun, untuk penggunaan korporat, keamanan dan tata kelola sangatlah penting.

  • Meta Prompt: Instruksi tingkat sistem yang menentukan batas konten sebelum permintaan pengguna diproses.
  • Daftar Larangan: Filter yang dikodekan secara langsung untuk memastikan output aman untuk lingkungan kerja dan sesuai untuk audiens tertentu.

2. Revolusi Low-Code

Platform seperti Microsoft Power Platform (Power Apps, Automate, BI) memungkinkan pengembangan aplikasi menggunakan bahasa alami, memberdayakan "pengembang warga".

  • AI Builder: Menyediakan model siap pakai (misalnya: Pemrosesan Faktur) atau model yang dilatih secara khusus untuk mengotomatisasi tugas-tugas berulang.
  • Dataverse: Bertindak sebagai otak data pusat dan aman bagi solusi-solusi terintegrasi ini.

3. Pemanggilan Fungsi & Konektivitas

Model Bahasa Besar kini dapat menghubungkan celah ke alat eksternal dengan menjelaskan fungsi sebagai struktur objek JSON.

LLM mengidentifikasi kebutuhan akan alat eksternal, memformat permintaan secara tepat, dan aplikasi mengeksekusi pemanggilan API untuk mendapatkan data langsung, yang kemudian diserahkan kembali ke model untuk sintesis.

Skala Suhu
Saat mengonfigurasi model untuk tugas bisnis, sesuaikan Suhu. Nilai 0 menciptakan output "Tentatif" (konsisten dan andal untuk ekstraksi data), sementara nilai yang lebih dekat ke 1 menciptakan output "Acak" (kreatif dan tidak terduga).
course_finder.py
TERMINALbash — 80x24
> Ready. Click "Run" to execute.
>
Question 1
Which parameter should be adjusted to ensure an AI model gives the same response every time for the same prompt?
Temperature (set to 0)
Top-K (set to 100)
Max Tokens (set to 0)
Frequency Penalty (set to 1)
Question 2
Does DALL-E 3 support editing specific parts of an image via masking?
Yes
No
Challenge: Automated Invoice System
Apply your knowledge of low-code tools and safety.
You are building an automated invoice system for a startup using the Power Platform. You need to extract data from incoming PDFs and ensure any generated visual assets for the app are safe.
Task 1
Identify the correct AI Builder model for extracting data from a PDF receipt.
Solution:
Use the "Invoice Processing" or "Receipt Processing" prebuilt model in AI Builder.
Task 2
Create a "Meta-Prompt" that prevents an image generator from creating realistic weapons or violent imagery.
Solution:
"Always generate friendly, illustrative content. Do not include weapons, blood, or scary themes. If requested, substitute with whimsical or educational alternatives."