$188 miliar. Angka itu bukan valuasi startup AI yang meluncurkan model bahasa besar pertamanya, melainkan capaian Databricks — perusahaan yang awalnya dikenal sebagai pembuat platform analitik berbasis Apache Spark. Nilai ini menegaskan satu pergeseran mendasar: dalam gelombang AI generatif, pemenang bukan selalu yang bikin model, tapi yang menguasai aliran data, pelatihan, dan deployment-nya secara terintegrasi.
Platform Bukan Produk: Bagaimana Databricks Menghindari Jebakan 'Model-First'
Databricks tidak membangun model bahasa seperti Llama atau Gemma. Ia justru fokus pada lapisan di bawahnya: tempat data mentah dikumpulkan, dibersihkan, di-label, lalu dijadikan bahan bakar pelatihan. Teknologi seperti Delta Lake, Unity Catalog, dan Dolly — model open-weight yang dikembangkan internal — bukan kompetisi langsung terhadap OpenAI, tapi alat untuk memastikan klien bisa melatih, fine-tune, dan menjalankan model sendiri tanpa terjebak vendor lock-in. Menurut TechCrunch Startups, strategi ini membuat Databricks menjadi mitra teknis utama bagi perusahaan yang ingin mengadopsi AI generatif tanpa menyerahkan kendali atas data dan logika bisnisnya.
Ini berbeda dari narasi dominan di ekosistem startup AI global, di mana banyak pendanaan mengalir ke tim yang punya paper arXiv dan demo chatbot impresif — tapi minim integrasi dengan sistem ERP, CRM, atau data warehouse legacy. Databricks justru memilih jalur sebaliknya: memperdalam akar, bukan mempercepat tajuk. Ia tidak hanya menyediakan 'AI layer', tapi membangun ulang seluruh stack data agar nanti bisa menopang AI secara native — mulai dari ingestion hingga monitoring model di produksi.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Apa yang Hilang dari Narasi 'Open Weight' di Indonesia?
Pada April 2024, Databricks merilis riset tentang efisiensi biaya penggunaan model 'open weight' untuk coding — studi yang menunjukkan penurunan biaya infrastruktur hingga 60% dibanding model proprietary saat digunakan dalam skenario enterprise-scale. Namun, angka ini jarang disertai konteks lokal: di Indonesia, 73% UMKM masih menggunakan spreadsheet sebagai sistem manajemen utama (data Kemenkop UKM 2023), sementara perusahaan besar sering kali mengandalkan vendor asing untuk integrasi data antar-sistem. Artinya, potensi efisiensi open weight belum relevan jika data saja belum terpusat, belum bersih, dan belum bisa diakses oleh engineer internal.
TechCrunch Startups mencatat bahwa Databricks kini bekerja sama dengan lebih dari 20 penyedia cloud dan integrator regional — termasuk di Asia Tenggara — untuk membangun pipeline data yang siap-AI. Di Jakarta, contohnya, beberapa bank nasional mulai menguji Databricks sebagai lapisan orkestrasi antara data transaksi, riwayat layanan digital, dan sistem deteksi penipuan berbasis ML. Tapi implementasinya bukan soal mengganti model, melainkan membangun ulang cara tim IT dan data science berkolaborasi ; sesuatu yang membutuhkan perubahan proses, tidak hanya upgrade software.
Baca juga: Stripe Masuk Singapura: Apa Artinya untuk UMKM Indonesia?
Databricks tidak mengunci platformnya untuk klien internal. Ia membuka akses ke model-model open weight seperti CodeLlama dan StarCoder melalui Databricks Model Serving, sekaligus menyediakan tools untuk evaluasi performa, versioning, dan auditability. Ini kontras tajam dengan pendekatan 'black box' yang masih dominan di pasar solusi AI lokal, di mana banyak vendor menawarkan API tanpa transparansi arsitektur atau kemampuan customisasi.
Di tengah euforia model AI, Databricks mengingatkan: kecerdasan bukan lahir dari model yang paling besar, tapi juga dari data yang paling siap. Ia tidak menjual keajaiban, tapi infrastruktur yang bisa dipercaya — tempat perusahaan membangun kecerdasan mereka sendiri, bukan menyewa kecerdasan orang lain. Dan di dunia di mana data adalah aset strategis, infrastruktur itu justru lebih sulit ditiru daripada model bahasa.
mirip dengan masa awal cloud computing dua dekade lalu. Saat Amazon Web Services pertama kali diluncurkan, banyak yang menganggapnya sekadar 'server sewaan'. Baru belasan tahun kemudian, ketika perusahaan mulai memindahkan seluruh aplikasi inti ke AWS, nilai sebenarnya terlihat: bukan pada kapasitas komputasi, tapi pada kemampuan mengubah cara perusahaan berinovasi — cepat, aman, dan terukur. Databricks hari ini sedang berada di posisi yang sama: tidak hanya platform data, tapi juga fondasi baru bagi cara perusahaan berpikir, memutuskan, dan bertindak.