Ledakan AI yang sedang terjadi di seluruh dunia benar-benar memperlihatkan seberapa tidak siapnya kita untuk ekspansi pusat data yang begitu cepat. Kita sudah sampai pada titik di mana pembangunan fasilitas tidak bisa mengejar inovasi yang terus berkembang. Performa ini bisa dilihat jelas di AS, di mana perusahaan-perusahaan hyperscaler dan penyedia cloud berlomba-lomba membangun kampus pusat data baru untuk mendukung gelombang baru beban kerja AI yang semakin canggih. Semua ini terjadi seiring perusahaan-perusahaan terus mendorong batas dengan model-model frontier generasi berikutnya, dengan permintaan akan pasokan listrik dan infrastruktur pendingin yang tinggi.
Namun, hype yang ada membuat utilitas berada di bawah tekanan untuk menghubungkan jaringan lebih cepat dari sebelumnya. Para kontraktor pun dihadapkan pada tenggat waktu yang ketat dan sering kali tidak realistis untuk menyelesaikan pembangunan dan penghubungan fasilitas tersebut.
Skala Percepat Memicu Ketidaksesuaian antara Teknologi, Konstruksi, dan Utilitas
Dale Crawford dari Steel Tube Institute percaya bahwa ketidakcukupan keterampilan yang terjadi saat ini bukanlah karena kurangnya orang yang mampu. Masalahnya lebih pada seberapa cepat sektor ini berkembang sebelum pemahaman bersama tentang sistem ini terbangun di antara tenaga kerja. Dengan kata lain, sektor ini berkembang lebih cepat daripada kemampuan perusahaan untuk meningkatkan keterampilan karyawan mereka.
Tantangannya tidak hanya berhenti pada pusat data AI saja, tetapi juga muncul pada sistem kelistrikan berkapasitas tinggi dalam rumah sakit, fasilitas industri, dan pabrik pengolahan pangan. Ini menunjukkan bahwa industri mungkin sedang menuju pergeseran yang lebih besar dalam kebutuhan infrastruktur.
Khususnya, kecepatan pertumbuhan AI telah sangat menonjolkan masalah ini, sehingga hampir tidak ada waktu untuk mengembangkan praktik terbaik yang terstandarisasi. Akibatnya, para pemasok harus belajar dalam waktu nyata, bukan dalam proses yang lebih terstruktur.
Untuk memahami lebih jauh tentang dampak boom AI terhadap infrastruktur elektrikal dan konstruksi, Crawford membahas kesenjangan keahlian yang berkembang, tekanan yang dihadapi kontraktor dan inspektur, serta alasan mengapa standardisasi dan investasi dalam peningkatan keterampilan manusia menjadi krusial bagi infrastruktur AI.
- Bisnis utilitas terkenal lambat dalam beradaptasi dan sering kali terjebak dalam kekurangan investasi. Sementara industri AI justru sebaliknya, penuh dengan dana dan menginginkan kemajuan hari ini. Bagaimana cara kedua dunia ini berkolaborasi tanpa berujung masalah?
Masalah yang lebih besar bukanlah ketidakcocokan, melainkan keselarasan di level yang sangat teknis. Proyek-proyek bergerak dari desain ke pemasangan sebelum adanya pemahaman bersama tentang bagaimana sistem berkapasitas tinggi diimplementasikan di lapangan. Ketika pemahaman bersama belum sepenuhnya terbangun, kesempatan untuk ketidaksesuaian antara desain, pemasangan, dan pemeriksaan menjadi semakin kecil, dan di situlah tantangan mulai muncul.
Dari sudut pandang saluran pipa baja, hal ini terlihat dari bagaimana sistem saluran direncanakan dibandingkan dengan bagaimana mereka dipasang dan diperiksa dalam waktu yang ketat. Saluran pipa baja sering dipilih karena ketahanannya dan performanya yang dapat diprediksi. Namun, jika tim tidak sejalan dalam praktik pemasangan dan interpretasi kode, bahkan sistem yang sudah terbukti bisa menjadi tantangan.
Ketika pemahaman bersama ini tidak ada, peluang untuk ketidaksesuaian menyempit secara signifikan. Ini bisa mengakibatkan masalah, karena sistem secara keseluruhan tidak memiliki pemahaman yang konsisten dan bersama pada kecepatan yang sama dengan penempatan infrastruktur tersebut.
- Bisakah Anda menggali lebih dalam tentang tantangan yang dihadapi kontraktor, inspektur, dan tim proyek pada proyek pusat data ini?
Sistemnya sendiri berkembang dengan cepat. Beban tinggi, arsitektur redundan, dan konfigurasi distribusi yang canggih telah menjadi standar dalam waktu relatif singkat. Tantangannya bukan hanya dari satu bagian tim proyek, melainkan kecepatan, skala, dan kepadatan proyek ini. Kontraktor memasang sistem saluran besar di lingkungan yang lebih sempit dan padat, sementara desainer beradaptasi dengan cepat pada kebutuhan beban dan redundansi yang berubah. Sementara itu, otoritas setempat (AHJ) meninjau pemasangan yang sangat kompleks dalam jadwal yang ketat.
Ketika niat desain, praktik pemasangan, dan harapan pemeriksaan tidak sejalan sejak awal, masalah dapat muncul di titik-titik serah terima. Cara terbaik untuk mengurangi keterlambatan dan pengerjaan ulang adalah dengan membangun keselarasan ini sejak awal melalui spesifikasi yang jelas, material yang terbukti, praktik pemasangan yang sesuai dengan kode, serta komunikasi awal di antara tim proyek dan AHJ.
- Anda menyebutkan berbagai solusi dalam email yang Anda bagikan. Di atas kertas, semuanya terlihat hebat, tetapi akan memakan waktu untuk menerapkannya. Jika ada satu hal yang kurang dalam industri hyperscaler dan AI, itu pasti adalah waktu.
Ada anggapan bahwa standardisasi dan pendidikan akan memperlambat proyek, tetapi pada kenyataannya, proyek yang tetap sesuai jadwal adalah yang dibangun di sekitar sistem yang sudah dipahami bersama. Material yang telah mapan dan sesuai kode seperti saluran pipa baja memberikan karakteristik performa yang akrab dan bahasa yang sama antara desainer, kontraktor, inspektur, dan pemilik.
Konsistensi ini membantu mengurangi kesenjangan interpretasi, mendukung proses ulasan yang lebih lancar, dan menurunkan risiko perubahan di tahap akhir atau pengerjaan ulang. Dalam konstruksi pusat data yang bergerak cepat, standardisasi bukanlah penundaan, melainkan salah satu cara proyek tetap bergerak maju.
- Salah satu masalahnya adalah bahwa ledakan permintaan saat ini tidak diprediksi oleh siapapun. Ini terjadi dengan tiba-tiba, membuat pengumpulan data dan keahlian yang biasanya menjadi faktor penggerak untuk keandalan jangka panjang fasilitas yang sangat penting jadi tidak mungkin. Apa pandangan Anda tentang hal ini?
Kecepatan dan skala permintaan, terutama yang terkait dengan AI, melampaui ekspektasi, dan kecepatan pengembangan tenaga kerja konvensional belum bisa mengimbanginya. Hal ini membuat industri berada dalam posisi di mana sistem berkembang lebih cepat daripada pengalaman dapat terakumulasi, sehingga pendidikan yang berkelanjutan dan terstruktur menjadi sangat penting untuk pemahaman teknis yang lebih dalam.
Dari sudut pandang saluran, aplikasinya sendiri tidak baru, tetapi skala, kepadatan, dan integrasi sistem ini memang baru. Pada saat yang sama, standar yang sudah mapan dan pendekatan yang terbukti dapat membantu menjembatani kesenjangan itu dengan menyediakan kerangka kerja yang konsisten yang mendukung keselarasan meski sistem tengah berkembang.
- Sekarang, mari kita blak-blakan. Industri ini butuh ahli dan orang berpengalaman, dan kita butuh mereka sekarang. Ini akan memakan waktu bertahun-tahun mengingat situasi saat ini. Apakah investasi dalam pelatihan harus dilakukan sekarang atau malah kita bisa berakhir dengan segudang ahli yang tidak ada kerjaan setelah gelembung AI pecah?
Ini tidak hanya terbatas pada pusat data. Kompleksitas yang sama dalam sistem kelistrikan dan ketergantungan pada solusi saluran yang kuat dan dipahami dengan baik, seperti saluran pipa baja, juga muncul di rumah sakit, fasilitas pengolahan makanan, dan fasilitas lainnya yang sangat penting. Ini mencerminkan pergeseran struktural yang lebih luas dalam infrastruktur kelistrikan, bukan siklus jangka pendek, sehingga investasi dalam pelatihan adalah tentang memastikan sistem dapat disampaikan dengan aman dan konsisten.
Risiko yang lebih besar adalah biaya menjalankan operasi tanpa keahlian yang cukup di lingkungan di mana performa, uptime, dan kepatuhan meninggalkan sedikit ruang untuk kesalahan.
