Pada 1 September 2026, Perplexity meluncurkan fitur bernama Hybrid Compute di Mac. Singkatnya: satu tugas dibagi ke dua tempat. Langkah-langkah berat — pencarian web, perencanaan, penalaran jangka panjang — berjalan di model frontier di cloud. Langkah-langkah yang menyentuh data sensitif Anda diserahkan ke model kecil yang berjalan di dalam perangkat Anda sendiri, dan data tersebut sama sekali tidak meninggalkan perangkat.

Sekilas, ini adalah berita produk untuk pengguna Mac. Namun yang layak mendapat perhatian pemilik bisnis bukanlah produknya, melainkan pola arsitektur di baliknya: klasifikasikan data sebelum dikirim, bukan setelah tiba. Dan pola itu bisa Anda terapkan di sistem Anda sendiri, terlepas dari Perplexity dan terlepas dari Mac.

Apa yang sebenarnya diumumkan

Sebelum analisis apa pun, ada baiknya memisahkan apa yang diumumkan dari apa yang merupakan interpretasi:

  • Tanggal: 1 September 2026.
  • Cara kerja: setiap tugas dimulai di cloud, lalu menyerahkan langkah-langkah sensitif ke model lokal di tengah tugas tanpa kehilangan konteks.
  • Gerbang privasi: pengklasifikasi di perangkat membaca setiap tugas sebelum dikirim, menukar nama, alamat, dan nomor rekening dengan pengganti, lalu memulihkannya saat jawaban kembali.
  • Persyaratan: Mac dengan Apple silicon, macOS 15 atau lebih baru, dan memori terpadu minimal 24GB dengan rekomendasi 32GB.
  • Langganan: tersedia untuk pelanggan Pro dan Max serta pelanggan korporat.
  • Biaya: pekerjaan yang ditangani model lokal tidak menghabiskan kredit cloud.
  • Model lokal: beberapa pilihan saat peluncuran, termasuk Gemma 4 E4B dari Google, Qwen3.6 35B-A3B dari Alibaba, dan model yang dilatih sendiri oleh Perplexity.

Yang tidak diumumkan — dan tidak boleh diasumsikan — adalah komitmen kontraktual apa pun untuk mematuhi Undang-Undang Pelindungan Data Pribadi Arab Saudi, atau audit independen apa pun yang mensertifikasi kinerja gerbang tersebut. Yang diumumkan adalah mekanisme teknis dan angka kinerja yang dipublikasikan perusahaan tentang dirinya sendiri.

Mengapa ini berbeda dari "AI lokal" yang pernah Anda dengar

Cara pandang yang biasa adalah biner: kirim semuanya ke cloud dan dapatkan model yang kuat, atau jalankan model kecil secara lokal dan terima kualitas yang lebih rendah demi privasi. Dalam praktiknya, di sebagian besar organisasi, privasi kalah dalam perdebatan itu — karena tim membutuhkan kualitas jawaban untuk menjalankan pekerjaan mereka.

Yang dilakukan arsitektur ini adalah menolak pilihan biner tersebut. Satu tugas berjalan di kedua tempat: penalaran terjadi di cloud, dan langkah yang menyentuh data terjadi di perangkat. Yang lebih penting, keputusannya tidak manual dan tidak diserahkan pada kewaspadaan karyawan — keputusan itu dibuat oleh pengklasifikasi otomatis yang membaca teks sebelum keluar.

Dan inilah detail yang layak dicermati: Perplexity memublikasikan angka kinerja pengklasifikasi itu dengan keterusterangan yang tidak biasa, termasuk kelemahannya. Perusahaan menyatakan bahwa recall turun cukup signifikan begitu teks melebihi sekitar sepuluh ribu karakter, dan bahwa masalah ini diatasi dengan teknik decoding alih-alih melatih ulang model. Perusahaan juga merilis pengklasifikasi tersebut sebagai sumber terbuka.

Pelajaran untuk bisnis Anda meskipun Anda tidak pernah memakai Perplexity

Sebagian besar organisasi Saudi yang menggunakan AI saat ini melakukannya tanpa gerbang sama sekali. Seorang karyawan menyalin pesan pelanggan, klausul kontrak, atau rekening koran, lalu menempelkannya ke alat publik untuk meminta ringkasan atau draf balasan. Data keluar dari organisasi saat itu juga — tanpa catatan apa pun, dan tanpa keputusan apa pun yang diambil.

Ketika manajemen menyadarinya, reaksinya biasanya salah satu dari dua, dan keduanya gagal. Melarang alat-alat itu sepenuhnya, lalu karyawan mengakali larangan dengan perangkat pribadi. Atau pura-pura tidak tahu sampai terjadi insiden. Jalan ketiga adalah yang digambarkan pengumuman ini: berhenti bertanya apakah Anda menggunakan AI, dan mulai bertanya apa yang boleh keluar dari sistem Anda, siapa yang memutuskan, dan di mana keputusan itu dicatat.

Cara membangun gerbang ini ke dalam sistem Anda sendiri

Dalam praktiknya, yang kami terapkan di sistem klien bertumpu pada empat lapisan, dan semuanya berfungsi terlepas dari penyedianya:

  • Klasifikasikan kolom sebelum membangun fitur. Sebelum menghubungkan model apa pun ke sistem Anda, klasifikasikan kolom basis data Anda: mana yang publik, mana yang sensitif secara komersial, mana yang data pribadi. Klasifikasi ini adalah keputusan manajemen, bukan keputusan teknis, dan semua hal berikutnya bergantung padanya.
  • Lapisan anonimisasi di batas sistem. Tetapkan satu titik tunggal yang dilalui setiap permintaan keluar ke penyedia eksternal, tempat pengenal pribadi diganti dengan token pengganti dan dipulihkan setelah respons kembali. Bagian terpentingnya adalah titik itu tunggal, bukan logika yang diulang di setiap layar.
  • Pemrosesan lokal untuk yang tidak boleh keluar. Tidak setiap tugas memerlukan model frontier. Mengklasifikasikan pesan, mengambil angka dari faktur, mengurutkan permintaan pemeliharaan berdasarkan prioritas — model kecil di server Anda sendiri menangani semua ini dengan kualitas memadai dan biaya mendekati nol.
  • Log yang tersimpan permanen. Permintaan mana yang keluar, kolom mana yang disamarkan, siapa yang meminta dan kapan. Tanpa log, Anda tidak dapat menjawab pertanyaan auditor maupun pelanggan.

Perhatikan bahwa tidak satu pun dari keempat lapisan menyebut penyedia tertentu. Itu disengaja: model berganti setiap beberapa minggu, seperti yang kita lihat sepanjang tahun, dan gerbang yang Anda bangun hari ini harus tetap berlaku ketika model di belakangnya berubah.

Apa artinya dalam konteks Undang-Undang Pelindungan Data Pribadi

Undang-Undang Pelindungan Data Pribadi Arab Saudi, yang diawasi oleh Otoritas Data dan Kecerdasan Buatan Saudi, berlandaskan prinsip-prinsip yang mencakup penetapan tujuan pemrosesan dan pembatasan data yang dikumpulkan hanya pada yang diperlukan. Organisasi tetap bertanggung jawab atas data pribadi yang diprosesnya, bahkan ketika melibatkan pihak ketiga untuk memprosesnya.

Arsitektur seperti yang dijelaskan melayani kedua prinsip itu secara langsung: data pribadi sama sekali tidak dikirim ke pihak ketiga jika tugas tidak memerlukannya, dan yang dikirim adalah jumlah minimum yang dibutuhkan untuk menyelesaikan pekerjaan. Namun teknologi saja bukanlah kepatuhan — Anda tetap memerlukan dasar hukum untuk pemrosesan, kebijakan privasi, dan prosedur untuk menangani permintaan subjek data. Gerbang teknis memudahkan kepatuhan; gerbang itu tidak menggantikannya, dan satu-satunya rujukan sebelum komitmen apa pun adalah undang-undang dan peraturan pelaksanaannya.

Tiga langkah untuk memulai minggu ini

Semua ini tidak memerlukan proyek besar untuk memulainya:

  • Ajukan satu pertanyaan kepada tim Anda: kapan terakhir kali Anda menempelkan konten dari sistem kerja ke alat AI publik? Jawabannya akan menunjukkan besarnya masalah yang sebenarnya dalam satu jam.
  • Tulis satu halaman yang mendefinisikan tiga kategori: yang tidak boleh keluar sama sekali, yang boleh keluar setelah dianonimkan, dan yang boleh keluar apa adanya. Satu halaman yang benar-benar diterapkan lebih baik daripada kebijakan dua puluh halaman yang tidak dibaca siapa pun.
  • Pilih satu tugas berulang yang menyentuh data pribadi — misalnya meringkas percakapan pelanggan — dan terapkan keempat lapisan padanya sebagai prototipe. Apa yang Anda pelajari dari satu tugas bisa diterapkan pada tugas lainnya.

Kesimpulannya

Pengumuman Perplexity memang tentang pengguna Mac, tetapi ide di baliknya menyangkut setiap organisasi yang menjalankan AI di atas data nyata: keputusan yang tepat bukanlah antara cloud dan perangkat, melainkan apakah ada gerbang yang memutuskan apa yang keluar sebelum hal itu keluar. Perusahaan yang membangun gerbang itu sekarang dapat mengadopsi model baru apa pun dengan aman dalam hitungan hari. Perusahaan yang menundanya akan mendapati bahwa mereka membutuhkannya pada saat terburuk — setelah insiden, bukan sebelumnya.

Sumber