
Pada 23 April 2026, Sido Muncul memperkenalkan Sidopedia Herbal, sebuah platform berbasis AI yang dirancang sebagai smart healthcare assistant untuk edukasi herbal. Di balik implementasi tersebut, yang menjadi menarik bukan hanya penggunaan GenAI, tetapi bagaimana sistem ini dibangun sebagai arsitektur terintegrasi yang siap berjalan di skala publik.
Selama ini, Sido Muncul dikenal sebagai perusahaan herbal dengan kekuatan di distribusi produk fisik. Namun melalui Sidopedia Herbal, arah transformasinya mulai bergeser ke platform berbasis pengetahuan.
Platform ini tidak sekadar menyajikan informasi statis. Dengan pendekatan GenAI yang dikombinasikan dengan Retrieval-Augmented Generation (RAG), sistem mampu menghasilkan output berbasis konteks, menggabungkan model generatif dengan data herbal yang relevan.
Pendekatan ini penting, karena dalam domain seperti kesehatan, kualitas informasi menjadi krusial. AI tidak hanya dituntut untuk menghasilkan jawaban yang natural, tetapi juga berbasis referensi yang dapat dipercaya.
Penggunaan model AI saat ini memang semakin mudah diakses. Namun, membawanya menjadi sistem yang siap digunakan publik tetap membutuhkan pendekatan yang berbeda.
Platform seperti Sidopedia Herbal harus mampu:
Di titik ini, bottleneck bukan lagi di model, tetapi di bagaimana sistem tersebut dijalankan.
Ini menjelaskan kenapa implementasi GenAI yang serius hampir selalu berujung pada kebutuhan akan:
Sistem ini dibangun dengan pendekatan containerized dan cloud-native, di mana setiap layer berjalan secara modular.
Aplikasi tidak berjalan sebagai satu unit monolitik, melainkan dipisahkan menjadi beberapa komponen:
Dengan pendekatan ini, setiap bagian dapat diskalakan secara independen. Misalnya, ketika beban inference meningkat, resource dapat dialokasikan tanpa harus mempengaruhi seluruh sistem.
Penggunaan GPU-enabled infrastructure menjadi elemen penting di sini, terutama untuk memastikan proses inference tetap cepat dan stabil saat menangani permintaan dalam jumlah besar.
Salah satu komponen paling kritikal dalam sistem seperti ini adalah data layer.
Untuk mendukung RAG, platform harus mampu mengelola berbagai jenis data secara bersamaan:
Struktur ini memungkinkan sistem bekerja dalam dua tahap:
Tanpa desain data layer yang tepat, output AI cenderung menjadi generik atau bahkan tidak akurat, yang dalam konteks kesehatan bisa menjadi risiko serius.
Ketika AI mulai digunakan dalam skala publik, aspek seperti monitoring dan security tidak lagi bersifat opsional.
Sistem harus mampu:
Dengan kata lain, platform seperti ini harus diperlakukan sebagai production-grade system, bukan sekadar eksperimen AI.
Pendekatan ini terlihat dari penggunaan berbagai layanan untuk observability, governance, dan proteksi data, menunjukkan bahwa sistem dirancang dengan standar enterprise sejak awal.
Pengembangan Sidopedia Herbal melibatkan kombinasi antara pembangunan aplikasi AI dan penyediaan infrastruktur yang menopangnya. Redpumpkin.ai berperan dalam pengembangan aplikasi, sementara ICS Compute terlibat dalam pembangunan dan pengelolaan infrastruktur cloud yang digunakan.
Namun yang lebih penting dari pembagian peran ini adalah insight yang lebih besar: AI tidak bisa berdiri sendiri.
Agar dapat memberikan nilai nyata, AI membutuhkan:
Tanpa itu, AI akan tetap berada di level demo.
Sidopedia Herbal menunjukkan pergeseran penting dalam adopsi AI, khususnya di sektor kesehatan dan edukasi.
Fokusnya bukan lagi pada: Apakah AI bisa digunakan, melainkan: Apakah AI tersebut dapat dioperasikan secara stabil, aman, dan scalable?
Ini menandai transisi dari AI sebagai fitur menjadi AI sebagai sistem.
Dalam konteks ini, tantangan utama bukan lagi pada model, tetapi pada:
Sidopedia Herbal adalah contoh bagaimana teknologi AI mulai diintegrasikan ke dalam industri tradisional seperti herbal.
Namun di balik itu, yang benar-benar menentukan keberhasilan implementasinya bukan hanya kemampuan model AI, melainkan bagaimana seluruh sistem dirancang untuk mendukungnya.
Karena dalam praktiknya:AI yang terlihat di permukaan hanyalah sebagian kecil dari keseluruhan sistem, dan justru layer di belakangnya yang menentukan apakah teknologi tersebut benar-benar bisa digunakan.