Sahabat-AI di Tri Ternyata Pakai Model Apa? Ini Base Model dan Cara Kerjanya

Nama Sahabat-AI mulai semakin sering muncul di ekosistem digital Indonesia. Apalagi sekarang ada TRI Companion yang secara khusus hadir untuk membantu pengguna mendapatkan informasi dan promo layanan Tri.

Tapi ada satu pertanyaan yang cukup menarik di baliknya: sebenarnya Sahabat-AI memakai model AI apa?

Jawabannya sedikit lebih kompleks daripada sekadar mengatakan “pakai Llama”. Sahabat-AI memang memiliki akar teknologi dari keluarga model Llama, tetapi kemudian dikembangkan dan dilatih untuk memahami bahasa serta konteks Indonesia.

Sahabat-AI 70B Berbasis Llama 3.1

Sahabat-AI bukan hanya sebuah chatbot dengan nama lokal. Di baliknya terdapat Large Language Model atau LLM yang dikembangkan untuk menangani Bahasa Indonesia, bahasa daerah, dan bahasa Inggris.

Pada generasi 70B, model yang tersedia secara terbuka menggunakan Llama 3.1 70B sebagai fondasi teknologinya. Dokumentasi model Sahabat-AI menyebut penggunaan tokenizer bawaan Llama 3.1 70B Instruct dan lisensi Llama 3.1 Community License.

Namun, menyebut Sahabat-AI hanya sebagai “Llama 3.1” juga kurang tepat. Model tersebut telah dikembangkan dan di-tuning agar lebih sesuai dengan kebutuhan Indonesia.

Kenapa Tidak Langsung Menggunakan Llama?

Di sinilah perbedaan Sahabat-AI mulai terlihat.

Llama merupakan model fondasi yang bersifat general-purpose. Sementara Sahabat-AI dikembangkan dengan fokus yang lebih kuat pada bahasa dan konteks lokal.

Generasi Sahabat-AI 70B mendukung Bahasa Indonesia, Jawa, Sunda, Batak Toba, dan Bali, selain bahasa Inggris. Fokus seperti ini penting karena cara orang Indonesia berkomunikasi tidak selalu bisa direpresentasikan dengan sempurna hanya menggunakan model yang dioptimalkan untuk bahasa global.

Misalnya, memahami istilah lokal, gaya percakapan sehari-hari, nama daerah, hingga konteks budaya membutuhkan data dan proses pengembangan yang berbeda.

Lalu Apa Hubungannya dengan Tri?

Hubungannya menjadi semakin menarik setelah hadirnya TRI Companion.

TRI Companion merupakan salah satu Companion di aplikasi Sahabat-AI yang dirancang untuk memberikan informasi cepat mengenai layanan dan promo Tri Indonesia.

Jadi, pengguna tidak harus melihat Sahabat-AI sebagai chatbot umum saja. Ada lapisan layanan yang dapat diarahkan untuk kebutuhan tertentu, termasuk kebutuhan pelanggan Tri.

Untuk aktivitas layanan Tri yang memang menjadi fungsi utama aplikasi operator, struktur layanan digital dan discovery informasi tetap menjadi bagian berbeda dari fungsi AI percakapan.

Apakah TRI Companion Menggunakan Llama 3.1 70B?

Belum bisa dipastikan.

Ini bagian yang penting supaya tidak terjadi salah informasi.

Dokumentasi publik Sahabat-AI memang menjelaskan model Sahabat dan menyebut adanya sistem multi-model. Platform tersebut dapat menyeimbangkan trafik antara model Sahabat yang dikembangkan sendiri dan model frontier.

Namun, belum ada dokumentasi publik yang secara spesifik mengatakan bahwa setiap percakapan pada TRI Companion selalu diproses menggunakan Sahabat-AI 70B atau Llama 3.1 70B.

Dengan kata lain, kita bisa mengetahui fondasi model Sahabat-AI yang tersedia secara terbuka, tetapi belum bisa menyimpulkan model backend khusus yang digunakan TRI Companion hanya dari keberadaan fitur tersebut.

Kenapa Sahabat-AI Menggunakan Sistem Multi-Model?

Penggunaan multi-model sebenarnya masuk akal untuk sebuah platform AI yang digunakan banyak orang.

Tidak semua pertanyaan membutuhkan model terbesar. Pertanyaan sederhana mengenai informasi layanan dapat ditangani dengan model yang lebih efisien, sementara permintaan yang lebih kompleks dapat membutuhkan kemampuan model yang berbeda.

Pendekatan seperti ini juga memungkinkan penyedia layanan mengatur beban komputasi, kualitas respons, latensi, dan biaya operasional.

Jadi, ketika kamu berbicara dengan Sahabat-AI, belum tentu setiap jawaban berasal dari satu model yang sama dari awal sampai akhir.

Bagaimana dengan bima+?

bima+ tetap merupakan aplikasi utama Tri untuk berbagai kebutuhan pelanggan seperti mengecek pulsa dan kuota, membeli paket, mendapatkan promo, mengakses BonsTri, serta menggunakan berbagai layanan digital Tri.

Kehadiran AI tidak otomatis berarti bima+ digantikan oleh Sahabat-AI.

Lebih masuk akal melihatnya sebagai perluasan ekosistem: bima+ menangani kebutuhan layanan pelanggan Tri, sedangkan teknologi AI dapat digunakan untuk membuat pencarian dan interaksi informasi menjadi lebih natural.

Ini juga sejalan dengan perkembangan AI di berbagai layanan digital. Pengguna tidak selalu ingin mencari menu satu per satu. Mereka cukup mengetik apa yang dibutuhkan, kemudian sistem mencoba memahami maksudnya.

Jadi, Sahabat-AI Sebenarnya AI Milik Siapa?

Sahabat-AI merupakan ekosistem LLM yang diinisiasi oleh GoTo dan Indosat Ooredoo Hutchison, dengan pengembangan yang melibatkan sejumlah mitra teknologi dan institusi.

Generasi awalnya hadir pada 2024, kemudian berkembang menjadi model 70 miliar parameter pada 2025.

Karena itu, Sahabat-AI lebih tepat disebut sebagai model AI yang dikembangkan untuk kebutuhan Indonesia dengan fondasi teknologi Llama, bukan sekadar chatbot yang “mengganti nama Llama”.

Kesimpulannya

Kalau pertanyaannya adalah “Sahabat-AI di ekosistem Tri pakai model apa?”, jawabannya perlu dibagi menjadi dua.

• Model Sahabat-AI 70B: menggunakan fondasi Llama 3.1 70B dan dikembangkan lebih lanjut untuk konteks Indonesia.
• Platform Sahabat-AI: menggunakan pendekatan multi-model yang dapat menggabungkan model Sahabat dengan model frontier.
• TRI Companion: ditujukan untuk informasi dan promo layanan Tri, tetapi model backend spesifiknya belum diumumkan secara publik.

Jadi, kalau kamu menemukan klaim bahwa “TRI Companion pasti menggunakan Llama 3.1 70B untuk semua jawabannya”, sebaiknya jangan langsung dianggap sebagai fakta. Yang sudah dapat diverifikasi adalah fondasi model Sahabat-AI dan arsitektur multi-modelnya, bukan pemetaan model secara spesifik untuk setiap Companion.

Justru di sinilah menariknya perkembangan Sahabat-AI: Indonesia tidak hanya menjadi pengguna AI global, tetapi mulai membangun model yang dirancang untuk memahami bahasa dan konteks lokal sekaligus mengintegrasikannya ke layanan digital yang digunakan sehari-hari.