Essential Skills for Becoming an AI Engineer: RAG, AI Agents, & More
| Istilah | Arti |
|---|---|
| AI engineer | Profesi yang memakai model AI yang sudah ada lalu menghubungkannya dengan data, tools, memori, dan pengaman sehingga menjadi solusi yang benar-benar bisa dipakai. |
| RAG | Retrieval augmented generation, cara memberi model informasi akurat seperti kebijakan perusahaan dengan mengambil dokumen relevan lalu memasukkannya ke konteks model. |
| embeddings | Representasi teks dalam bentuk vektor angka yang menyimpan maknanya, sehingga sistem bisa mencari berdasarkan arti dan bukan sekadar kata kunci yang sama. |
| containerization | Cara membungkus aplikasi atau agent beserta semua kebutuhannya dalam satu paket container agar mudah dijalankan di berbagai lingkungan cloud. |
| tiers | Tiga tingkatan keterampilan AI engineer dalam video ini, yaitu dasar, keterampilan khusus AI, dan deployment, yang sebaiknya dipelajari berurutan. |
| foundations | Tingkat pertama keterampilan yang tidak khusus AI tetapi wajib dikuasai, seperti Python, Git, command line, Linux, dan pemakaian API. |
| agents | Sistem AI yang bisa memutuskan sendiri langkah berikutnya, memanggil tools, mengamati hasilnya, lalu mengulang dalam loop sampai tugas selesai. |
| deployment | Proses memindahkan aplikasi AI dari laptop pengembang ke server atau cloud agar bisa dipakai pengguna nyata, termasuk pengawasan dan perawatannya. |
| infrastructure | Lingkungan teknis tempat sistem AI berjalan, seperti sistem operasi, server, dan cloud, yang perlu dipahami sebelum membangun dan merilis agent. |
| Python | Bahasa pemrograman yang dipakai banyak pustaka machine learning seperti PyTorch dan TensorFlow, sehingga AI engineer perlu cukup lancar membaca kodenya. |
| Kubernetes | Platform untuk mengatur dan menjalankan banyak container sekaligus, yang menurut video ini penting untuk merilis agent dan model di cloud hybrid. |
| similarity | Ukuran kedekatan makna antara dua embedding, yang dipakai vector search untuk menemukan potongan data paling relevan dengan pertanyaan pengguna. |
Video IBM Technology ini menjelaskan apa itu AI engineer dan keterampilan apa saja yang perlu dipelajari untuk menjadi salah satunya. Pembicara membuka dengan perubahan jalur karier di dunia teknologi: dulu cukup kuliah, magang, dan latihan soal coding, tetapi kini alat AI membuat menulis kode menjadi mudah, sehingga yang sulit justru penilaian, misalnya bagaimana menyusun aplikasi dan pendekatan mana yang tepat. AI engineer dibedakan dari machine learning researcher yang melatih model dasar dari nol dan biasanya butuh matematika mendalam serta gelar lanjutan. AI engineer memakai model yang sudah ada lalu merangkainya menjadi sistem yang berguna dengan data, tools, memori, dan guardrail. Perumpamaannya, peneliti membangun mesin, sedangkan AI engineer membangun mobilnya, dan menurut pembicara saat ini sangat dibutuhkan lebih banyak orang yang bisa membangun mobil itu.
Keterampilan disusun dalam tiga tingkatan yang urutannya penting. Tingkat satu adalah dasar non-AI: Python yang cukup lancar untuk membaca kode agent, Git, command line, Linux, serta API untuk memanggil model, menangani respons, dan mengatur rate limit. Tingkat dua adalah keterampilan khusus AI: embeddings dan vector search yang mencari berdasarkan kemiripan makna, misalnya kedekatan kata Kubernetes dengan container dan orchestration, lalu RAG dengan pipeline chunking, embedding, penyimpanan, dan pengambilan konteks, serta agents dan tool use yang bisa memutuskan langkah sendiri dalam loop, berbeda dari workflow berjalur tetap. Tingkat tiga adalah deployment, yaitu containerization dan Kubernetes, observability untuk memahami keputusan agent, serta monitoring biaya token dan keamanan. Tiga kegunaan yang paling sering dilihat pembicara adalah sistem pengetahuan berbasis RAG, agent yang bisa membuat kueri database dan visualisasi data, serta bantuan agar kode cepat dirilis.
Kata kunci
- AI engineer
- RAG
- embeddings
- containerization
- Menguraikan apa itu AI engineer dan bahwa gelar ilmu komputer tidak wajib; yang dibutuhkan adalah keterampilan dan fondasi yang benar, karena kini kode mudah dihasilkan AI sehingga yang sulit adalah penilaian (judgment).
- Memetakan tiga tingkat keterampilan: fondasi (data dan infrastruktur), membangun agen dan sistem di sekitar model bahasa (RAG, embeddings, pencarian berdasarkan kemiripan vektor), serta deployment dan operasi seperti containerization.
- Memberi tiga proyek untuk menunjukkan keterampilan kepada calon pemberi kerja.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.