2. Masalah yang Dipecahkan

Masalah: Banyak Pilihan, Sedikit Panduan

iOS developer modern dihadapkan pertanyaan: "tambah AI ke app gimana?" Jawabannya sangat tergantung konteks:

swift

❌ TANPA panduan: developer bingung, sering salah pilih
- "Pakai ChatGPT API saja?" → cost membengkak, latency tinggi, privacy concern
- "Pakai Core ML semua?" → app size besar, model tidak relevan
- "Cuma pakai Foundation Models?" → fitur terbatas, tidak semua device support

✓ DENGAN panduan: developer paham trade-off
- Fitur ringan + privacy critical → Foundation Models (kalau device support)
- Custom model untuk task spesifik → Core ML (training pipeline ML team)
- Capability tinggi (vision-language, code gen) → Cloud LLM (dengan fallback)
- Kombinasi → on-device untuk preview, cloud untuk akurasi

Masalah: Ekspektasi User vs Realitas Teknis

User sekarang berharap setiap app punya "AI features" yang sebagus ChatGPT. Tapi:

LLM on-device (3B param) jauh lebih lemah dari GPT-4 (trillions param).
Cloud LLM mahal: ~$0.01-0.10 per request, bisa membengkak di skala juta user.
Latency cloud: 500ms-3s — tidak cocok untuk autocomplete realtime.

Solusi: strategi multi-layer — pakai model yang tepat di tempat yang tepat. Materi ini mengajarkan cara berpikir layered itu.