Infografis
Sejak awal, Sahabat-AI telah dirancang selaras dengan tujuan kedaulatan digital Indonesia.
Seluruh data dan infrastruktur GPU yang digunakan untuk melayani model ini disimpan di wilayah Indonesia atau di server milik pengguna sendiri, memastikan kepatuhan terhadap regulasi data nasional.
Dengan menyimpan dan mengolah data langsung di Indonesia, Sahabat-AI membuka kesempatan baru bagi pemerintah dan instansi publik Indonesia untuk membangun layanan AI yang aman dan berdaulat.
Luhut Binsar Pandjaitan, Ketua Dewan Ekonomi Nasional, mengatakan, kedaulatan data bukan hanya masalah teknis, tetapi merupakan masalah kemerdekaan nasional di era digital.
"Saya sangat mengapresiasi inisiatif GoTo dan Indosat yang mempelopori Sahabat-AI, serta mendorong inovasi teknologi yang berakar pada identitas nasional kita," katanya.
Dia menambahkan, dengan mengembangkan solusi AI yang memahami dan melayani keragaman bahasa serta budaya unik kita.
![Sahabat-AI makin canggih kini bisa chat dengan bahasa Jawa, Jakarta, Senin (2/6/2025). [Suara.com/Dythia]](https://media.suara.com/pictures/653x366/2025/06/02/84609-sahabat-ai-makin-canggih.jpg)
"Kita mengambil langkah signifikan untuk memastikan transformasi digital memberi manfaat bagi seluruh rakyat Indonesia," ujar Luhut Binsar Pandjaitan.
Pengembangan talenta nasional menjadi inti dari misi Sahabat-AI.
Oleh karena itu, program magang terstruktur diluncurkan untuk membantu mahasiswa universitas lokal mendapatkan pengalaman langsung dalam pengembangan AI.
Baca Juga: Indosat Gelar RUPST, Terungkap Pengganti Ritesh Kumar Singh
Bersama ahli teknis GoTo dan Indosat, para peserta magang secara langsung berkontribusi pada pelatihan dan pengembangan model, memperoleh keterampilan praktis yang jarang diperoleh saat masa pendidikan.
Pendekatan ini menjadikan Sahabat-AI bukan hanya sebagai inovasi nasional, tetapi juga platform untuk memajukan talenta AI Indonesia generasi berikutnya.
Sahabat-AI model 70 miliar parameter dapat dioperasikan hanya dengan 2× H100 GPUs, sementara model opensource lain yang lebih besar biasanya butuh 16 GPU atau lebih.
Salah satu peserta magang, Komang Ayu dari Universitas Udayana, mengatakan bahwa pengalaman ini memperdalam pemahamannya tentang pengembangan model end-to-end LLM.
"Saya belajar cara mengumpulkan dan memproses dataset, mengeksplorasi arsitektur model, dan memperoleh wawasan praktis tentang bagaimana data dipersiapkan dan digunakan untuk melatih model AI," katanya.
Sejak peluncuran model berkapasitas 8 dan 9 miliar parameter, Sahabat-AI telah diunduh lebih dari 35.000 kali di Hugging Face.
