Agentic AI Diprediksi Mengubah Infrastruktur Jaringan Global

Perbedaannya juga terlihat pada arah trafik. Aktivitas internet tradisional biasanya didominasi download—misalnya streaming video atau memuat halaman web. Sementara itu, workflow AI menghasilkan komunikasi dua arah yang intens, dengan banyak data dikirim ke model AI sebelum respons kembali ke pengguna.

Faktor Utama: Inference AI, Bukan Training

Diskusi publik tentang infrastruktur AI sering berfokus pada pelatihan model besar. Namun bagi jaringan, Cisco menekankan bahwa inference-lah yang paling menentukan.

Inference adalah proses penggunaan model yang sudah dilatih untuk menjawab pertanyaan, membuat konten, menganalisis data, atau menjalankan tugas agen AI secara real‑time. Studi Cisco didasarkan pada pengukuran trafik inference nyata di jaringan penyedia layanan, sehingga memberikan gambaran bagaimana AI benar‑benar memengaruhi jaringan saat digunakan sehari‑hari.

Hasilnya menunjukkan bahwa trafik inference saja dapat mendorong pertumbuhan jaringan tambahan sekitar 63% dibanding proyeksi tanpa agentic AI.

Pada 2035, Inference Bisa Menjadi 25% Trafik Jaringan

Jika adopsi agentic AI mengikuti proyeksi Cisco, jejak trafiknya akan menjadi signifikan dalam satu dekade ke depan.

Beberapa perkiraan utama:

• Inference AI dapat mencapai sekitar 25% dari seluruh trafik jaringan pada 2035.
• Perubahan paling cepat diperkirakan terjadi antara 2029 hingga 2032, ketika adopsi agen AI di perusahaan meningkat tajam.

Perubahan ini terjadi karena AI tidak lagi digunakan hanya ketika manusia meminta sesuatu. Agen AI dapat menjalankan tugas secara kontinu, menjaga jaringan tetap aktif sepanjang waktu.

Mengapa Trafik Perusahaan Bisa Naik Hingga 9 Kali Lipat

Cisco juga memodelkan dampak adopsi AI terhadap jaringan perusahaan.

Tanpa agentic AI, trafik jaringan perusahaan dari 2026 hingga 2035 diperkirakan meningkat sekitar 2,5 kali lipat, terutama karena cloud, SaaS, dan digitalisasi bisnis.

Namun jika agen AI digunakan secara luas, trafik pada periode yang sama dapat meningkat hingga sekitar 9 kali lipat dari level saat ini.

Alasannya sederhana: satu tugas manusia dapat memicu banyak interaksi otomatis antara model AI, database, dan layanan cloud, sehingga aktivitas jaringan meningkat drastis.

AI Mengubah Cara Trafik Jaringan Berperilaku

Menurut riset Cisco, AI tidak hanya menambah volume trafik—tetapi juga mengubah karakteristiknya.

Dibandingkan trafik web atau SaaS biasa, beban kerja AI cenderung:

• Lebih dinamis, dengan lonjakan permintaan dari workflow otomatis
• Lebih sensitif terhadap latensi karena inference harus cepat
• Lebih dua arah, dengan peningkatan trafik upstream
• Lebih kompleks karena melibatkan banyak cloud, API, dan endpoint inference

Perubahan ini membuat metode perencanaan jaringan tradisional—yang didasarkan pada perilaku pengguna manusia—menjadi kurang akurat.

Mengapa Arsitektur Jaringan Harus Berubah

Karena jalur inference AI langsung memengaruhi kualitas aplikasi, Cisco berpendapat bahwa jaringan harus memperlakukan trafik ini sebagai infrastruktur kritis, bukan sekadar trafik biasa.

Beberapa prioritas baru dalam desain jaringan meliputi:

Rekayasa Trafik yang Sadar AI

Jalur inference mungkin membutuhkan prioritas khusus, jaminan latensi, dan routing dinamis agar performa tetap stabil.

Komputasi Terdistribusi dan Edge

Menempatkan infrastruktur inference lebih dekat ke pengguna atau sumber data dapat mengurangi latensi sekaligus menghindari kemacetan WAN.

Observability Real‑Time

Pola trafik AI yang cepat dan kompleks membuat visibilitas end‑to‑end menjadi penting untuk mendeteksi kemacetan atau penurunan performa sebelum workflow gagal.

Ketahanan Infrastruktur yang Lebih Kuat

Riset Cisco juga menunjukkan gangguan jaringan sudah menimbulkan kerugian besar bagi bisnis global—sering dipicu oleh kemacetan, serangan siber, atau kesalahan konfigurasi—dan beban kerja AI dapat memperbesar tekanan tersebut.

Kesimpulan

Temuan Cisco menunjukkan bahwa agentic AI akan membawa perubahan struktural pada jaringan global. Bukan hanya lebih banyak trafik, tetapi juga trafik yang terus‑menerus aktif, berbasis inference, dan sangat sensitif terhadap latensi.

Jika tren adopsi ini benar‑benar terjadi, jaringan masa depan perlu dirancang untuk mendukung:

• Agen AI yang bertindak sebagai pengguna jaringan berfrekuensi tinggi
• Volume besar trafik inference real‑time
• Arus data dua arah yang lebih seimbang dan kritis terhadap latensi

Artinya, desain jaringan ke depan kemungkinan akan semakin berfokus pada arsitektur yang sadar AI, dengan kapasitas lebih besar, komputasi terdistribusi, telemetri canggih, dan quality‑of‑service khusus untuk trafik inference.

Meski demikian, angka‑angka ini tetap merupakan proyeksi berdasarkan pengukuran dan model Cisco. Skala perubahan sebenarnya akan sangat bergantung pada seberapa cepat agentic AI benar‑benar diadopsi dalam workflow bisnis dan penggunaan sehari‑hari.