LLM GoTo 27 Miliar Parameter: Gratis, Bukan Chatbot
GoTo merilis model ini di Bali Tech Week untuk memahami Bahasa Indonesia, Jawa, Sunda, Bali, dan Batak, serta Bahasa Inggris. Siaran pers GoTo menyebut modelnya tersedia buat startup, pelaku bisnis, kampus, peneliti, dan institusi publik untuk dipakai, dipelajari, serta diadaptasi tanpa biaya akses model.
Kata “gratis” perlu dibaca dengan tepat. Bobot modelnya bisa diakses tanpa biaya, tetapi bisnis tetap perlu menyiapkan aplikasi, data, integrasi, pengujian, keamanan, monitoring, dan orang yang menangani hasil keliru. Model card GoTo sendiri mengingatkan bahwa model bisa berhalusinasi, menghasilkan konten yang tidak relevan, dan menunjukkan reasoning yang tidak konsisten.
Key takeaways
- Ini fondasi, bukan aplikasi jadi: UMKM belum mendapat inbox, koneksi WhatsApp, akses data, workflow, atau dashboard hanya dengan mengunduh model.
- Kekuatan utamanya ada di konteks lokal: Model card mencantumkan dukungan Bahasa Indonesia, Jawa, Sunda, Batak Toba, Bali, dan Bahasa Inggris.
- Gratis bukan berarti tanpa biaya operasional: Tim masih perlu menjalankan model, menghubungkannya ke proses bisnis, menguji jawaban, menjaga data, dan menangani exception.
- Mulai dari satu pekerjaan: Tes pada contoh chat atau dokumen asli, pakai jawaban yang diharapkan, lalu ukur kegagalan sebelum memikirkan rollout.
Apa itu LLM GoTo 27 miliar parameter?
LLM adalah mesin bahasa di balik aplikasi yang bisa menjawab pertanyaan, merangkum dokumen, mengekstrak informasi, atau menyusun teks. “27 miliar parameter” menjelaskan ukuran model, bukan jumlah pengguna, dokumen, atau jawaban yang sudah terbukti benar.
Menurut model card resminya, GoTo-AI-Gemma-3-27B-IT dikembangkan oleh GoTo bersama AI Singapore, memakai arsitektur Gemma 3, dan punya context length 128 ribu token. GoTo mengevaluasinya untuk pengetahuan Indonesia, kemampuan bahasa umum, serta kepatuhan pada instruksi. Itu memberi developer titik awal yang lebih lokal, tetapi benchmark tetap bukan bukti bahwa model akan akurat pada katalog, kebijakan retur, atau istilah internal bisnismu.
Apakah UMKM bisa langsung memakai LLM GoTo?
Bisa dicoba oleh tim teknis, tapi belum bisa langsung dijadikan petugas customer service atau admin. Bedakan model, aplikasi, dan workflow sebelum memilih.
| Yang dirilis | Yang masih harus dibangun | Siapa yang perlu terlibat |
|---|---|---|
| Model bahasa dan bobotnya | Chat interface, akses pengguna, serta pencatatan percakapan | Developer atau partner teknis |
| Kemampuan memahami dan menghasilkan bahasa | Koneksi ke katalog, order, stok, invoice, atau knowledge base | Pemilik proses dan tim teknis |
| Titik awal untuk diadaptasi | Aturan jawaban, pengujian, keamanan, monitoring, dan fallback | Operasional, legal, serta reviewer manusia |
| Lisensi Gemma | Pemeriksaan terms, penggunaan yang dilarang, dan kewajiban distribusi | Tim legal atau penanggung jawab risiko |
Kebutuhan teknisnya juga bukan level laptop kantor biasa. Model card menyebut versi 27B pada presisi FP16 atau BF16 butuh sekitar 54–60 GB VRAM dan memberi contoh setup akselerator kelas server. Ada versi terkuantisasi yang bisa mengubah kebutuhan itu, tetapi kualitas, kecepatan, dan biaya tetap perlu dites: jangan diasumsikan dari ukuran model saja.
Kapan model lokal lebih masuk akal daripada tool jadi?
| Pilihan | Cocok saat | Trade-off utama |
|---|---|---|
| Kerja manual atau spreadsheet | Volume rendah dan kasusnya sering berubah | Cepat dimulai, tapi antrean dan copy-paste tetap ada |
| Tool AI siap pakai | Pekerjaannya umum dan koneksi yang dibutuhkan sudah tersedia | Setup lebih ringan, tapi alurnya mengikuti batas produk |
| Agent custom dengan model yang diuji | Bahasa lokal, data, aturan, dan handoff bisnisnya khas | Fit lebih kuat, tapi perlu build, evaluasi, dan owner |
| Tambah admin | Kasusnya butuh judgement luas yang susah dibakukan | Fleksibel, dengan biaya rekrutmen, training, dan supervisi berulang |
Model lokal layak masuk shortlist kalau kegagalan utama tool sekarang memang soal Bahasa Indonesia sehari-hari, istilah daerah, singkatan pelanggan, atau konteks budaya. Kalau problem sebenarnya adalah data stok berantakan, SOP tidak konsisten, atau approval cuma lewat chat pribadi, mengganti model tidak membereskan akar masalah.
Contohnya, distributor makanan menerima order WhatsApp dengan nama barang yang disingkat dan campuran Bahasa Indonesia serta Jawa. Model boleh menyiapkan struktur order, tetapi sistem tetap harus mencocokkan SKU, mengecek stok, menandai alamat yang kurang, dan berhenti saat harga atau kuantitas tidak wajar. AI agent customer operations baru berguna kalau seluruh jalur itu jelas, termasuk kapan orang mengambil alih.
Bagaimana cara mengetesnya tanpa proyek besar?
- 1. Pilih satu job sempit. Misalnya mengubah chat order campur Bahasa Indonesia dan Jawa menjadi draft order terstruktur. Jangan mulai dari “semua customer service”.
- 2. Siapkan contoh nyata. Ambil variasi normal, typo, singkatan, komplain, data kurang, dan permintaan yang harus ditolak. Hapus data pribadi yang tidak dibutuhkan.
- 3. Tulis jawaban benar dan batasnya. Tentukan field wajib, kondisi eskalasi, hal yang tidak boleh ditebak, dan siapa yang menyetujui tindakan penting.
- 4. Bandingkan secara buta. Uji model lokal dan opsi siap pakai pada set kasus yang sama. Nilai akurasi data, kegagalan berbahaya, kecepatan, dan beban review, bukan gaya bahasanya saja.
- 5. Jalankan sebagai draft dulu. Biarkan staf memeriksa hasil sebelum order, refund, perubahan jadwal, atau pesan keluar benar-benar diproses.
- 6. Hitung total kerja. Masukkan integrasi, monitoring, perbaikan, dan waktu reviewer. Model gratis hanya satu komponen dari keputusan build atau buy.
Bagaimana dengan data pelanggan dan lisensinya?
Model lokal tidak otomatis berarti data aman. Keamanan bergantung pada tempat aplikasi dijalankan, siapa yang punya akses, data apa yang disimpan, berapa lama disimpan, dan apakah input dipakai lagi untuk pelatihan. UU PDP mengatur kewajiban pengendali dan prosesor data pribadi; jadi petakan peran, dasar pemrosesan, akses, retensi, serta jalur penghapusan sebelum memasukkan chat pelanggan.
Model card menautkan lisensi Gemma. Terms resminya mengizinkan penggunaan dan modifikasi sesuai syarat, mewajibkan ketentuan tertentu saat model atau turunannya didistribusikan, melarang penggunaan yang masuk kategori terlarang, dan menempatkan tanggung jawab penggunaan output pada pengguna. “Open-source” di siaran pers bukan pengganti review lisensi untuk cara bisnismu memakai atau membagikan model.
Apa yang sebaiknya dilakukan UMKM sekarang?
Kalau kamu tidak punya tim teknis dan job-nya umum, mulai dari tool jadi atau perbaiki workflow manualnya dulu. Kalau bahasa lokal benar-benar menjadi bottleneck dan volume kerjanya cukup besar, minta tim teknis membuat evaluasi kecil dengan data yang sudah disamarkan. Keputusan lanjut harus datang dari hasil tes, bukan karena angka 27 miliar terlihat besar.
Target yang sehat bukan “memakai model terbaru”. Targetnya adalah satu antrean lebih pendek, satu jenis input lebih rapi, atau satu handoff yang lebih konsisten tanpa melepas approval manusia. Untuk workflow dokumen dan pencatatan, prinsip yang sama berlaku di finance dan accounting: model menyiapkan pekerjaan, sementara aturan bisnis dan orang yang bertanggung jawab menentukan hasil akhirnya.
Sumber
- GoTo: GoTo Luncurkan LLM Terbaru Open-Source 27 Miliar Parameter yang Khusus Dikembangkan untuk Indonesia
- GoTo on Hugging Face: GoTo-AI-Gemma-3-27B-IT model card
- Google AI for Developers: Gemma Terms of Use
- JDIH BPK: Undang-undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi
Common questions
- Apa itu LLM GoTo 27 miliar parameter?
- LLM GoTo 27 miliar parameter adalah model bahasa yang dirilis GoTo pada 19 Oktober 2026 untuk memahami Bahasa Indonesia dan beberapa bahasa daerah. Model ini adalah fondasi yang dapat dipakai serta diadaptasi developer, bukan chatbot bisnis yang langsung siap dipasang.
- Apakah LLM GoTo gratis untuk bisnis?
- GoTo menyatakan modelnya tersedia gratis untuk startup, pelaku bisnis, universitas, peneliti, dan institusi publik. Gratis mengacu pada akses model; bisnis tetap menanggung pekerjaan dan biaya aplikasi, komputasi, integrasi, pengujian, keamanan, monitoring, serta review manusia.
- Bahasa apa saja yang didukung LLM GoTo?
- Model card GoTo-AI-Gemma-3-27B-IT mencantumkan Bahasa Inggris, Indonesia, Jawa, Sunda, Batak Toba, dan Bali. Bisnis tetap perlu menguji istilah produk, singkatan pelanggan, serta campuran bahasa yang muncul di percakapan aslinya.
- Bisakah LLM GoTo langsung dipakai untuk customer service?
- Belum langsung. Model perlu dibungkus dengan interface, knowledge base, koneksi ke sistem bisnis, aturan jawaban, kontrol akses, pengujian, monitoring, dan handoff ke staf sebelum aman dipakai untuk customer service.
- Apa risiko memakai LLM GoTo untuk UMKM?
- Model card GoTo menyebut model dapat berhalusinasi, menghasilkan konten tidak relevan, dan memiliki reasoning yang tidak konsisten. UMKM perlu membatasi pekerjaan, menguji kasus nyata, menjaga data sesuai UU PDP, dan meminta approval manusia sebelum tindakan berdampak pada pelanggan atau uang.
