11.

1 LANDSCAPE PENGELOLAAN PENGETAHUAN

Sistem manajemen pengetahuan dan kolaborasi merupakan bidang investasi korporat dan
pemerintah yang paling cepat berkembang. Dasawarsa terakhir telah menunjukkan pertumbuhan
eksplosif dalam penelitian pengetahuan dan manajemen pengetahuan di bidang ekonomi,
manajemen, dan sistem informasi. Manajemen pengetahuan dan kolaborasi sangat erat
kaitannya. Pengetahuan yang tidak bisa dikomunikasikan dan dibagikan dengan orang lain
hampir tidak ada gunanya. Pengetahuan menjadi berguna dan dapat ditindaklanjuti bila
dibagikan di seluruh perusahaan.

DIMENSI PENTING PENGETAHUAN

Ada perbedaan penting antara data, informasi, pengetahuan, dan kebijaksanaan. Bab 1
mendefinisikan data sebagai arus peristiwa atau transaksi yang ditangkap oleh sistem organisasi
yang, dengan sendirinya, berguna untuk bertransaksi tapi sedikit lain. Untuk mengubah data
menjadi informasi yang berguna, perusahaan harus mengeluarkan sumber daya untuk mengatur
data ke dalam kategori pemahaman, seperti laporan penjualan total bulanan, harian, regional,
atau penyimpanan. Untuk mengubah informasi menjadi pengetahuan, perusahaan harus
mengeluarkan sumber daya tambahan untuk menemukan pola, aturan, dan konteks di mana
pengetahuan itu bekerja. Akhirnya, kebijaksanaan dianggap sebagai pengalaman kolektif dan
individual untuk menerapkan pengetahuan terhadap pemecahan masalah. Kebijaksanaan
melibatkan di mana, kapan, dan bagaimana menerapkan pengetahuan. Pengetahuan yang berada
di benak karyawan yang belum didokumentasikan disebut pengetahuan diam-diam, sedangkan
pengetahuan yang telah didokumentasikan disebut pengetahuan eksplisit.

Seperti manusia, organisasi menciptakan dan mengumpulkan pengetahuan dengan menggunakan

berbagai mekanisme pembelajaran organisasi. Melalui pengumpulan data, pengukuran aktivitas
terencana yang cermat, trial and error (percobaan), dan umpan balik dari pelanggan dan
lingkungan pada umumnya, pengalaman mendapatkan organisasi. Organisasi yang belajar
menyesuaikan perilaku mereka untuk mencerminkan pembelajaran itu dengan menciptakan
proses bisnis baru dan dengan mengubah pola pengambilan keputusan manajemen. Proses
perubahan ini disebut pembelajaran organisasi.

Pembelajaran Organisasi dan Manajemen Pengetahuan

Melalui pengumpulan data, pengukuran aktivitas terencana yang cermat, trial and error
(percobaan), dan umpan balik dari pelanggan dan lingkungan pada umumnya, pengalaman
mendapatkan organisasi. Organisasi yang belajar menyesuaikan perilaku mereka untuk
mencerminkan pembelajaran itu dengan menciptakan proses bisnis baru dan dengan mengubah
pola pengambilan keputusan manajemen. Proses perubahan ini disebut pembelajaran organisasi.
Bisa dibilang, organisasi yang bisa merasakan dan merespons lingkungannya dengan cepat akan
bertahan lebih lama dari organisasi yang memiliki mekanisme belajar yang buruk.

NILAI RANTAI MANAJEMEN PENGETAHUAN

Manajemen pengetahuan mengacu pada serangkaian proses bisnis yang dikembangkan dalam
sebuah organisasi untuk menciptakan, menyimpan, mentransfer, dan menerapkan pengetahuan.
Manajemen pengetahuan meningkatkan kemampuan organisasi untuk belajar dari lingkungannya
dan untuk menggabungkan pengetahuan ke dalam proses bisnisnya. Gambar 11-1
mengilustrasikan lima langkah penambahan nilai dalam rantai nilai manajemen pengetahuan.
Setiap tahap dalam rantai nilai menambahkan nilai pada data dan informasi mentah mereka
berubah menjadi pengetahuan yang dapat digunakan.
Penguasaan Pengetahuan

Organisasi memperoleh pengetahuan dengan berbagai cara, tergantung dari jenis pengetahuan
yang mereka cari. Sistem manajemen pengetahuan pertama berusaha membangun gudang
dokumen, laporan, presentasi, dan praktik terbaik perusahaan. Upaya ini telah diperluas untuk
memasukkan dokumen tidak terstruktur (seperti e-mail).

Penyimpanan Pengetahuan

Begitu mereka menemukan dokumen, pola, dan aturan ahli harus disimpan agar bisa diambil dan
digunakan oleh karyawan. Penyimpanan pengetahuan umumnya melibatkan pembuatan
database. Sistem pengelolaan dokumen yang mendigitalkan, mengindeks, dan memberi tag
dokumen sesuai kerangka koheren adalah database besar yang mahir menyimpan koleksi
dokumen. Sistem pakar juga membantu perusahaan mempertahankan pengetahuan yang
diperoleh dengan memasukkan pengetahuan tersebut ke dalam proses dan budaya organisasi.

Penyebarluasan Pengetahuan
Portal, e-mail, instant messaging, wiki, jaringan sosial, dan teknologi mesin telusur telah
menambahkan serangkaian teknologi kolaborasi dan sistem perkantoran yang ada untuk berbagi
kalender, dokumen, data, dan grafik (lihat Bab 7). Teknologi kontemporer tampaknya telah
menciptakan banjir informasi dan pengetahuan. Bagaimana para manajer dan karyawan dapat
menemukan, dalam lautan informasi dan pengetahuan, apa yang benar-benar penting untuk
keputusan dan pekerjaan mereka? Di sini, program pelatihan, jaringan informal, dan pengalaman
manajemen bersama yang dikomunikasikan melalui budaya yang mendukung membantu para
manajer memusatkan perhatian mereka pada pengetahuan dan informasi penting.

Penerapan pengetahuan

Terlepas dari jenis sistem manajemen pengetahuan yang dilibatkan, pengetahuan yang tidak
dibagi dan diterapkan pada masalah praktis yang dihadapi perusahaan dan manajer tidak
menambah nilai bisnis. Untuk memberikan laba atas investasi, pengetahuan organisasi harus
menjadi bagian sistematis dari pengambilan keputusan manajemen dan berada di dalam sistem
pendukung keputusan.

Membangun Modal Organisasi dan Manajemen: Kolaborasi, Praktik Komunitas, dan

Lingkungan Kantor

Selain kegiatan yang baru saja kami jelaskan, para manajer dapat membantu dengan
mengembangkan peran dan tanggung jawab organisasi baru untuk mengakuisisi pengetahuan,
termasuk pembentukan posisi eksekutif kepala eksekutif, posisi staf yang berdedikasi
(knowledge manager), dan praktik komunitas. Praktik komunitas (COP) adalah jaringan sosial
informal para profesional dan karyawan di dalam dan di luar perusahaan yang memiliki kegiatan
dan minat terkait pekerjaan serupa. Kegiatan komunitas ini meliputi pendidikan dan konferensi
mandiri, konferensi, buletin online, dan berbagi pengalaman dan teknik sehari hari untuk
memecahkan masalah pekerjaan tertentu.

TIPE SISTEM MANAJEMEN PENGETAHUAN

Pada dasarnya ada tiga jenis sistem manajemen pengetahuan utama: sistem manajemen
pengetahuan perusahaan, sistem kerja pengetahuan, dan teknik cerdas. Gambar 11-2
menunjukkan aplikasi sistem manajemen pengetahuan untuk masing-masing kategori utama ini.
Sistem manajemen pengetahuan menyeluruh adalah upaya umum untuk mengumpulkan,
menyimpan, mendistribusikan, dan menerapkan konten serta pengetahuan digital. Sistem ini
mencakup kemampuan untuk mencari informasi, menyimpan data terstruktur dan tidak
terstruktur, serta menemukan keahlian karyawan di dalam perusahaan. Sistem kerja pengetahuan
(KWS) adalah sistem khusus yang dibangun untuk para insinyur, ilmuwan, dan pekerja
pengetahuan lainnya yang ditugaskan untuk menemukan dan menciptakan pengetahuan baru
bagi sebuah perusahaan. Manajemen pengetahuan juga mencakup beragam jenis teknik cerdas,
seperti data mining, sistem pakar, jaringan syaraf tiruan, logika fuzzy, algoritma genetika, dan
agen cerdas.

11.2 SISTEM MANAJEMEN PENGETAHUAN KESELURUHAN PERUSAHAAN

Perusahaan harus berurusan dengan setidaknya tiga jenis pengetahuan. Beberapa pengetahuan
ada di dalam perusahaan berupa dokumen teks terstruktur (laporan dan presentasi). Pengambil
keputusan juga membutuhkan pengetahuan yang semistructured, seperti e-mail, voice mail, chat
room exchange, video, gambar digital, brosur, atau papan buletin. Dalam kasus lain, tidak ada
informasi formal atau digital dalam bentuk apapun, dan pengetahuan berada di kepala karyawan.
Sebagian besar pengetahuan ini adalah pengetahuan diam-diam yang jarang dituliskan. Sistem
manajemen pengetahuan menyeluruh perusahaan menangani ketiga jenis pengetahuan tersebut.

SISTEM MANAJEMEN KONTEN PERUSAHAAN

Bisnis saat ini perlu mengatur dan mengelola aset pengetahuan terstruktur dan semistructured.
Pengetahuan terstruktur adalah pengetahuan eksplisit yang ada dalam dokumen formal, dan juga
peraturan formal yang diturunkan organisasi dengan mengamati para ahli dan perilaku
pengambilan keputusan mereka.

Sistem manajemen konten perusahaan membantu organisasi mengelola kedua jenis informasi.
Mereka memiliki kemampuan untuk menangkap, penyimpanan, pengambilan, distribusi, dan
pelestarian pengetahuan untuk membantu perusahaan memperbaiki proses bisnis dan keputusan
mereka. Masalah utama dalam mengelola pengetahuan adalah penciptaan skema klasifikasi yang
tepat, atau taksonomi, untuk mengatur informasi ke dalam kategori yang bermakna sehingga
mudah diakses. Perusahaan dalam penerbitan, periklanan, penyiaran, dan hiburan memiliki
kebutuhan khusus untuk menyimpan dan mengelola data digital tidak terstruktur seperti foto,
gambar grafis, video, dan konten audio. Sistem manajemen aset digital membantu perusahaan
mengklasifikasikan, menyimpan, dan mendistribusikan benda digital ini.

SISTEM JARINGAN PENGETAHUAN

Sistem jaringan pengetahuan, juga dikenal sebagai lokasi keahlian dan sistem manajemen,
mengatasi masalah yang timbul saat pengetahuan yang tepat tidak dalam bentuk dokumen digital
melainkan berada dalam memori individu ahli di perusahaan. Sistem jaringan pengetahuan
menyediakan direktori pakar korporat online di domain pengetahuan yang terdefinisi dengan
baik dan menggunakan teknologi komunikasi untuk mempermudah karyawan menemukan pakar
yang tepat di perusahaan.

KOLABORASI DAN ALAT BANTU SOSIAL SERTA SISTEM MANAJEMEN

PEMBELAJARAN

Sistem pengelolaan konten perusahaan utama mencakup teknologi portal dan kolaborasi yang
hebat. Portal pengetahuan perusahaan dapat menyediakan akses ke sumber informasi eksternal,
seperti umpan berita dan penelitian, serta sumber pengetahuan internal bersama dengan
kemampuan untuk e-mail, obrolan / pesan instan, kelompok diskusi, dan konferensi video.
Bookmark sosial mempermudah pencarian dan berbagi informasi dengan mengizinkan pengguna
menyimpan bookmark mereka ke halaman Web di situs Web publik dan menandai bookmark ini
dengan kata kunci. Tag ini bisa digunakan untuk mengatur dan mencari dokumen. Daftar tag
dapat dibagi dengan orang lain untuk membantu mereka menemukan informasi yang menarik.
Taksonomi buatan pengguna yang dibuat untuk bookmark bersama disebut folksonomies.
Delicious dan Digg adalah dua situs bookmark sosial yang populer. Sistem manajemen
pembelajaran (LMS) menyediakan alat untuk manajemen, pengiriman, pelacakan, dan penilaian
berbagai jenis pembelajaran dan pelatihan karyawan.
11.3 SISTEM PENGETAHUAN KERJA

Sistem pengetahuan perusahaan secara luas yang baru saja kami jelaskan memberikan berbagai
kemampuan yang dapat digunakan oleh banyak orang jika tidak semua pekerja dan kelompok
dalam sebuah organisasi. Perusahaan juga memiliki sistem khusus untuk pekerja pengetahuan
dalam membantu mereka menciptakan pengetahuan baru dan untuk memastikan bahwa
pengetahuan ini terintegrasi dengan benar ke dalam bisnis.

PEKERJA PENGETAHUAN DAN KERJA PENGETAHUAN

Pekerja pengetahuan, yang kami perkenalkan di Bab 1, mencakup periset, perancang, arsitek,
ilmuwan, dan insinyur yang terutama menciptakan pengetahuan dan informasi untuk organisasi.
Pekerja pengetahuan biasanya memiliki tingkat pendidikan dan keanggotaan yang tinggi dalam
organisasi profesional dan sering diminta untuk melakukan penilaian independen sebagai aspek
rutin pekerjaan mereka. Misalnya, pekerja pengetahuan menciptakan produk baru atau
menemukan cara untuk memperbaiki produk yang sudah ada. Pekerja pengetahuan melakukan
tiga peran penting yang penting bagi organisasi dan manajer yang bekerja di dalam organisasi:

 Menjaga pengetahuan organisasi saat ini dalam pengetahuan saat berkembang di dunia
luar – dalam teknologi, sains, pemikiran sosial, dan seni
 Melayani konsultan internal mengenai bidang pengetahuan mereka, perubahan yang
terjadi, dan peluang
 Bertindak sebagai agen perubahan, evaluasi, inisiasi, dan promosi proyek perubahan

KEBUTUHAN SISTEM KERJA PENGETAHUAN

Sebagian besar pekerja pengetahuan bergantung pada sistem perkantoran, seperti pengolah kata,
voice mail, e-mail, konferensi video, dan sistem penjadwalan, yang dirancang untuk
meningkatkan produktivitas pekerja di kantor. Namun, pekerja pengetahuan juga memerlukan
sistem kerja pengetahuan yang sangat terspesialisasi dengan grafis, alat analisis, dan komunikasi
serta kemampuan manajemen dokumen yang canggih.

CONTOH SISTEM KERJA PENGETAHUAN

Aplikasi kerja pengetahuan utama mencakup sistem CAD, sistem virtual reality untuk simulasi
dan pemodelan, dan workstation keuangan. Computeraided design (CAD) mengotomatisasi
penciptaan dan revisi desain, menggunakan komputer dan perangkat lunak grafis yang canggih.
Sistem virtual reality memiliki kemampuan visualisasi, rendering, dan simulasi yang jauh
melampaui sistem CAD konvensional. Mereka menggunakan perangkat lunak grafis interaktif
untuk membuat simulasi yang dihasilkan komputer yang sangat dekat dengan kenyataan
sehingga pengguna hampir yakin bahwa mereka berpartisipasi dalam situasi dunia nyata.
Augmented reality (AR) adalah teknologi terkait untuk meningkatkan visualisasi. AR
menyediakan pandangan langsung atau tidak langsung tentang lingkungan dunia nyata fisik yang
elemennya diperkuat oleh citra buatan komputer virtual. Pengguna beralasan di dunia fisik yang
sebenarnya, dan gambar virtual digabungkan dengan tampilan nyata untuk membuat tampilan
yang disempurnakan.

Aplikasi virtual reality yang dikembangkan untuk Web menggunakan standar yang disebut
Virtual Reality Modeling Language (VRML). VRML adalah seperangkat spesifikasi untuk
pemodelan 3 dimensi interaktif di World Wide Web yang dapat mengatur beberapa jenis media,
termasuk animasi, gambar, dan audio untuk menempatkan pengguna di lingkungan dunia nyata
yang disimulasikan. VRML adalah platform independen, beroperasi di atas komputer desktop,
dan membutuhkan sedikit bandwidth. Industri keuangan menggunakan workstation investasi
khusus untuk memanfaatkan pengetahuan dan waktu dari broker, pedagang, dan manajer
portofolio.

11.4 TEKNIK KECERDASAN

Kecerdasan buatan dan teknologi basis data memberikan sejumlah teknik cerdas yang dapat
digunakan organisasi untuk menangkap pengetahuan individu dan kolektif serta untuk
memperluas basis pengetahuan mereka. Sistem pakar, penalaran berbasis kasus, dan logika fuzzy
digunakan untuk menangkap pengetahuan tersembunyi. Jaringan syaraf tiruan dan data mining
digunakan untuk penemuan pengetahuan. Teknik cerdas lainnya yang dibahas di bagian ini
didasarkan pada teknologi kecerdasan buatan (artificial intelligence / AI), yang terdiri dari sistem
berbasis komputer (perangkat keras dan perangkat lunak) yang mencoba meniru perilaku
manusia.

MEMPEROLEH PENGETAHUAN: SISTEM AHLI

Sistem ahli (expert system) merupakan suatu teknik kecerdasan untuk memperoleh pengetahuan
tersirat dalam wilayah yang sangat spesifik dan terbatas dari keahluan manusia. Sistem ini
menangkap pengetahuan karyawan yang terampil dalam bentuk seperangkat aturan dalam sistem
perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi. Serangkaian aturan
dalam sistem ahli menambah ingatan, atau pembelajaran tersimpan dari perusahaan.

Bagaimana Sistem Ahli Bekerja

Pengetahuan manusia harus dimodelkan atau diwakili sedemikian rupa sehingga komputer bisa
memprosesnya. Sistem pakar memodelkan pengetahuan manusia sebagai seperangkat aturan
yang secara kolektif disebut basis pengetahuan. Strategi yang digunakan untuk mencari melalui
basis pengetahuan disebut mesin inferensi (inferensi engine). Dua strategi yang umum
digunakan: penalaran maju dan penalaran mundur.

Dalam forward chaining, mesin inferensi dimulai dengan informasi yang dimasukkan oleh
pengguna dan mencari basis aturan untuk sampai pada sebuah kesimpulan. Strateginya adalah
menembak, atau melakukan tindakan aturan saat kondisi benar. Dalam strategi backward
chaining, strategi untuk mencari basis aturan dimulai dengan sebuah hipotesis dan dilanjutkan
dengan mengajukan pertanyaan kepada pengguna tentang fakta-fakta yang dipilih sampai
hipotesis tersebut dikonfirmasi atau dibantah.

KECERDASAN ORGANISASI: PENALARAN BERBASIS KASUS

Tugas utama system ahli adalah menangkap pengetahuan tersirat dari seorang pakar, namun
organisasi juga harus memiliki pengetahuan dan keahlian kolektif yang telah dikembangkan
selama bertahun-tahun. Dalam penalaran berbasis kasus (CBR), deskripsi dari pengalaman masa
lalu seorang spesialis yang direpresentasikan sebagai contoh kasus disimpan dalam database
untuk digunakan kembali di suatu waktu pada saat seorang pengguna berhadapan dengan kasus
baru dan parameter serupa.

Sistem ahli bekerja menerapkan serangkaian aturan IF-THEN-ELSE yang diambil dari pakar.
CBR, sebaliknya merepresentasikan pengetahuan sebagai sederetan kasus, dan pengetahuan ini
terus mneerus dikembangkan dan diperbaiki oleh pengguna.Pengetahuan organisasi ini dapat
ditangkap dan disimpan dengan menggunakan penalaran berbasis kasus. Dalam kasus berbasis
penalaran (CBR), deskripsi pengalaman spesial masa lalu manusia, yang digambarkan sebagai
kasus, disimpan dalam database untuk pengambilan nanti saat pengguna menemukan kasus baru
dengan parameter serupa.

SISTEM LOGIKA FUZZY

Kebanyakan orang tidak berpikir dalam hal aturan tradisional jika-kemudian atau angka yang
tepat. Manusia cenderung mengkategorikan hal-hal yang tidak tepat dengan menggunakan
peraturan untuk membuat keputusan yang mungkin memiliki banyak nuansa makna. Misalnya,
pria atau wanita bisa kuat atau cerdas. Sebuah perusahaan bisa berukuran besar, menengah, atau
kecil. Suhu bisa panas, dingin, sejuk, atau hangat. Kategori ini mewakili berbagai nilai.

Logika fuzzy adalah teknologi berbasis aturan yang dapat mewakili ketidaktepatan seperti itu
dengan membuat aturan yang menggunakan nilai perkiraan atau subyektif. Ini bisa
menggambarkan fenomena atau proses tertentu secara linguistik dan kemudian mewakili
deskripsi itu dalam sejumlah kecil peraturan fleksibel. Organisasi dapat menggunakan logika
fuzzy untuk menciptakan sistem perangkat lunak yang menangkap pengetahuan tersembunyi
dimana terdapat ambiguitas linguistik.

Logika fuzzy menyediakan pemecahan atas masalah yang memerlukan keahlian yang sulit untu
merepresentasikan dalam bentuk aturan yang ketat IF-THEN

PEMBELAJARAN MESIN

Pembelajaran mesin adalah studi bagaimana program komputer dapat meningkatkan kinerjanya
tanpa pemrograman eksplisit. Mesin yang dipelajari adalah mesin yang, seperti manusia, dapat
mengenali pola dalam data, dan mengubah perilakunya berdasarkan pengakuan akan pola,
pengalaman, atau pembelajaran sebelumnya (database). Pembelajaran mesin berfokus pada
algoritma dan metode statistik yang memungkinkan komputer “belajar” dengan mengekstraksi
aturan dan pola dari kumpulan data masif dan membuat prediksi tentang masa depan.

Jaringan Neural

Jaringan neural (neural networks) digunakan untuk menyelesaaikan masalah-masalah yang

kompleks dan sulit dipahami, dimana sejumlah besar data mengenai masalah tersebut telah
dikumpulkan. Jaringan neural menemukan pola-pola dan hubungan dalam sejumlah data yang
sangat besar dan menjadi sangat rumit dan sulit bagi manusia untuk menganalisisnya. Jaringan
neural akan menemukan pengetahuan ini dengan menggunakan perangkat keras dan lunak yang
membandingkan pemrosesa dari pola-pola biologis atau otak manusia. Jaringan neural
mempelajari pola-pola dari kuantitas data yang besar dengan menyaring melalui data-data,
mencari hubungan, membangun model, danmengoreksi kesalahan model itu sendiri berkali-kali.

ALGORITMA GENETIKA

Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu dengan
memeriksa sejumlah besar kemungkinan solusi untuk masalah itu. Mereka didasarkan pada
teknik yang diilhami oleh biologi evolusioner, seperti pewarisan, mutasi, seleksi, dan crossover
(rekombinasi).

AGEN INTELIGEN

Agen inteligen adalah program perangkat lunak yang bekerja tanpa intervensi langsung manusia
untuk melaksanakan tugas tertentu untuk pengguna individual, proses bisnis, atau aplikasi
perangkat lunak. Agen menggunakan basis pengetahuan built-in atau pelajari untuk
menyelesaikan tugas atau membuat keputusan atas nama pengguna, seperti menghapus e-mail
sampah, menjadwalkan janji temu, atau melakukan perjalanan melalui jaringan yang saling
berhubungan untuk menemukan tiket pesawat termurah ke California. Ada banyak aplikasi agen
cerdas saat ini di sistem operasi, perangkat lunak aplikasi, sistem e-mail, perangkat lunak
komputasi mobile, dan alat jaringan. Meskipun beberapa agen cerdas diprogram untuk mengikuti
seperangkat peraturan sederhana, ada pula yang mampu belajar dari pengalaman dan
menyesuaikan tingkah laku mereka. Siri, aplikasi pada sistem operasi iOS Apple untuk iPhone
dan iPad, adalah sebuah contoh. Siri adalah asisten pribadi cerdas yang menggunakan teknologi
voice recognition untuk menjawab pertanyaan, membuat rekomendasi, dan melakukan tindakan.
Perangkat lunak ini menyesuaikan dengan preferensi individu pengguna dari waktu ke waktu dan
mempersonalisasi hasil, melakukan tugas seperti menemukan restoran terdekat, membeli tiket
film, mendapatkan arahan, menjadwalkan janji temu, dan mengirim pesan. Siri memahami
ucapan alami, dan menanyakan pertanyaan kepada pengguna jika dibutuhkan lebih banyak
informasi untuk menyelesaikan sebuah tugas. Siri tidak memproses masukan ucapan secara lokal
di perangkat pengguna.

SISTEM AI HYBRID

Algoritma genetika, logika fuzzy, jaringan syaraf tiruan, dan sistem pakar dapat diintegrasikan
ke dalam satu aplikasi untuk memanfaatkan fitur terbaik dari ini teknologi. Sistem semacam itu
disebut sistem hibrida hibrida. Aplikasi hibrida dalam bisnis tumbuh. Di Jepang, Hitachi,
Mitsubishi, Ricoh, Sanyo, dan lainnya mulai menggabungkan produk AI untuk produk rumah
tangga, mesin pabrik, dan peralatan kantor. Matsushita telah mengembangkan pencucian
“neurofuzzy”. Mesin yang menggabungkan logika fuzzy dengan jaringan syaraf tiruan. Nikko
Securities telah mengerjakan sistem neurofuzzy untuk meramalkan peringkat obligasi konversi.