11.

1 Lanskap Manajemen Pengetahuan

Sistem manajemen pengetahuan dan kolaborasi merupakan bidang investasi korporat
dan pemerintah yang paling cepat berkembang. Pada dekade yang lalu 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 PENGETAHUAN YANG PENTING

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.
Pengetahuan yang berada dalam pikiran karyawan yang belum didokumentasikan
disebut pengetahuan tersirat (tacit knowledge), sedangkan pengetahuan yang telah
didokumentasikan disebut pengetahuan eksplisit (explicit knowledge). Pengetahuan bisa
berada dalam e-mail, pesan suara, grafik, dan dokumen tidak terstruktur serta dokumen
terstruktur. Pengetahuan umumnya diyakini memiliki lokasi, baik di benak manusia atau
dalam proses bisnis yang spesifik. Pengetahuan “melekat” dan tidak dapat diterapkan secara
universal atau dipindahkan dengan mudah. Terakhir, pengetahuan dianggap lebih bersifat
situsional dan kontekstual. Dengan adanya pengetahuan, perusahaan akan menjadi lebih
efisien dan efektif dalam memanfaatkan sumber daya yang terbatas.
Pembelajaran Organisasi dan Manajemen Pengetahuan
Melalui pengumpulan data, pengukuran yang teliti atas aktivitas yang direncanakan,
uji coba (percobaan eksperimen), dan umpan balik dari pelanggan dan lingkungan pada
umumnya, maka organisasi akan memperoleh pengalaman. Organisasi yang belajar
menyesuaikan perilaku mereka untuk mencerminkan pembelajaran tersebut dengan
menciptakan proses bisnis baru dan dengan mengubah pola pengambilan keputusan
manajemen. Proses perubahan ini disebut pembelajaran organisasional (organizational
learning). Dapat dikatakan, organisasi-organisasi yang bisa merasakan dan merespons
lingkungannya dengan cepat akan bertahan lebih lama dari organisasi yang memiliki
mekanisme pembelajaran yang buruk.
RANTAI NILAI MANAJEMEN PENGETAHUAN
Manajemen pengetahuan (knowledge management) 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. Berikut disajikan gambar yang mengilustrasikan
lima langkah yang memberikan nilai tambah dalam rantai nilai manajemen pengetahuan.

Dalam gambar di atas, aktivitas sistem informasi dipisahkan dari manajemen dan aktivitas
organisasional yang terkait, dengan aktivitas sistem informasi pada bagian atas dari grafik
serta aktivitas organisasional dan manajemen pada bagian bawah. Dalam kasus manajemen
pengetahuan, seperti contohnya investasi dalam sistem informasi lainnya, nilai yang
mendukung, struktur, dan pola perilaku harus dibentuk untuk memaksimalkan tingkat
pengembalian atas investasi dalam proyek manajemen pengetahuan. Berdasarkan gambar di
atas, kegiatan manajemen dan organisasional yang berada pada posisi tengah agak bawah dari
diagram merepresentasikan investasi dalma modal organisasional yang diperlukan untuk
memperoleh tingkat pengembalian yang cukup besar terhadap investasi dalam teknologi
informasi (TI).
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 atau surel).
Penyimpanan Pengetahuan
Penyimpanan pengetahuan umumnya melibatkan penciptaan suatu database. Sistem
pengelolaan dokumen yang dibuat dalam bentuk digital, indeks, dan memberi label pada
dokumen yang sesuai kerangka kerja yang jelas merupakan database besar yang mahir
menyimpan kumpulan dokumen. Sistem ahli juga membantu perusahaan dalam menjaga
pengetahuannya yang diperoleh dengan menggabungkan pengetahuan tersebut ke dalam
proses dan budaya organisasional.
Penyebarluasan Pengetahuan
Teknologi portal, e-mail atau surel, pesan instan (instant messaging), wiki, alat bisnis
sosial, dan teknologi mesin pencari telah ditambahkan pada pengaturan yang ada dari alat
bantu kolaborasi untuk berbagi kalender, data dokumen, dan grafik. Program pelatihan,
jaringan informal, dan pengalaman manajemen yang dibagikan dapat 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 tingkat pengembalian atas investasi, maka
pengetahuan organisasi harus menjadi bagian sistematis dari pengambilan keputusan
manajemen dan berada dalam sistem untuk mendukung keputusan. Pada akhirnya,
pengetahuan baru harus dibangun di dalam proses bisnis perusahaan dan sistem aplikasi
utama, penerapan perusahaan untuk mengelola proses bisnis internal utama dan hubungan
dengan pelanggan dan pemasok. Manajemen akan mendukung proses ini dengan
menciptakan praktik bisnis baru, produk dan jasa baru, serta pasar baru untuk perusahaan.
Membangun Modal Organisasi dan Manajemen: Kolaborasi, Komunitas Praktek, dan
Lingkungan Kantor
Selain kegiatan yang telah dijelaskan, para manajer dapat membantu dengan
mengembangkan peran dan tanggung jawab baru dalam organisasi untuk memperoleh
pengetahuan. Termasuk di dalamnya adalah menciptakan posisi baru seperti direktur
eksekutif manajemen pengetahuan, staf yang ditugaskan untuk membantu manajer
pengetahuan, dan membentuk komunitas praktik. Komunitas praktik (Community of Practice
- COP) adalah jaringan umum informal yang terdiri atas para profesional dan karyawan di
dalam dan di luar perusahaan dengan minat dan kegiatan yang sama. Kegiatan komunitas ini
meliputi pendidikan peroranga dan pendidikan kelompok, konferensi, newsletter online, dan
setiap harinya saling berbagi pengalaman dan teknik sehari-hari untuk memecahkan masalah
pekerjaan tertentu. Komunitas praktik ini sangat bergantung pada lingkungan perangkat lunak
yang memungkinkan kolaborasi dan komunikasi. Adapun manfaat yang diperoleh dari
adanya COP ini adalanya dapat memudahkan orang dalam menggunakan kembali
pengetahuan yang telah digunakan sebelumnya, dapat mengurangi waktu yang diperlukan
dalam rposes pembelajaran karyawan baru, dan COP dapat berfungsi sebagai tempat
bertumbuhnya banyak ide; Teknik; dan perilaku pengambilan keputusan yang baru.

TIPE SISTEM MANAJEMEN PENGETAHUAN

Terdapat tiga jenis sistem manajemen pengetahuan yang sangat penting: sistem
manajemen pengetahuan keseluruhan perusahaan, sistem kerja pengetahuan, dan teknik
kecerdasan.
 Sistem manajemen pengetahuan keseluruhan perusahaan (Enterprises-wide
knowledge Management Systems) merupakan upaya keseluruhan perusahaan yang
bertujuan umum untuk mengumpulkan, menyimpan, mendistribusikan, serta
menerapkan isi dan pengetahuan digital. Sistem ini meliputi kapabilitas untuk mencari
informasi, menyimpan data yang terstruktur dan yang tidak terstruktur, serta
menempatkan keahlian dari karyawan di dalam perusahaan.
 Sistem kerja pengetahuan (Knowledge Work Systems-KWS) adalah sistem yang
dikembangkan khusus untuk para teknisi, ilmuwan, dan para pekerja di bidang
pengetahuan lainnya yang bertugas memperoleh dan menciptakan pengetahuan baru
bagi perusahaan mereka.
 Teknik kecerdasan (Intelligence techniques) seperti penelusuran data, sistem ahli,
jaringan netral, logika fuzzy, algoritma genetika, dan agen inteligen. Teknik – Teknik
ini memiliki tujuan yang berbeda – beda di mana dari yang menitikberatkan pada
penemuan pengetahuan hingga penyaringan informasi dalam bentuk aturan untuk
suatu program komputer untuk menemukan soluis yang optimal bagi permasalahan
(algoritme genetika).
11.2 Sistem Manajemen Pengetahuan Keseluruhan Perusahaan
Sistem Manajemen Konten Perusahaan
Pengetahuan terstruktur (structured knowledge) adalah pengetahuan eksplisit yang
ada dalam dokumen formal, sama halnya dengan aturan-aturan formal yang diperoleh
organisasi dengan mengamati para ahli dan perilaku mereka dalam pengambilan keputusan.
Mereka memiliki kemampuan untuk menangkap, penyimpanan, pengambilan, distribusi, dan
pemeliharaan untuk membantu perusahaan memperbaiki proses bisnis dan keputusan mereka.
Sistem seperti itu meliputi tempat penyimpanan dokumen korporat, laporan, presentasi, dan
praktik terbaik, demikian halnya dengan kapasitas untuk mengumpulkan dan
mengorganisasikan pengetahuan semi struktur seperti e-mail. Sistem manajemen konten
perusahaan utama juga memungkinkan pengguna mengakses sumber informasi eksternal,
seperti umpan berita dan penelitian, dan untuk berkomunikasi melalui e-mail, obrolan / pesan
instan, kelompok diskusi, dan konferensi video.
Sistem Jaringan Pengetahuan
Sistem jaringan pengetahuan (knowledge networks systems) membahas mengenai
permasalahan yang timbul saat pengetahuan yang tepat tidak dalam bentuk dokumen digital
melainkan berada dalam memori para ahli individual di perusahaan. Sistem jaringan
pengetahuan memberikan direktori secara online dari para ahli korporat dan profil mereka,
dengan perincian tentang pengalaman kerja, proyek, publikasi, dan gelar pendidikan mereka.
Alat pencarian memudahkan karyawan untuk menemukan ahli yang tepat dalam suatu
perusahaan. Beberapa kapabilitas jejaring pengetahuan termasuk dalam manajemen konten
perusahaan terkemuka, jaringan sosial, dan produk perangkat lunak kolaborasi.

Kolaborasi dan Alat Bantu Sosial Serta Sistem Manajemen Pembelajaran

Untuk sumber daya pengetahuan di luar perusahaan, social bookmarking
mempermudah untuk mencari dan berbagi informasi dengan memungkinkan bagi
para penggunanya untuk menyelamatkan bookmark mereka pada laman web di situs web
publik dan menandai bookmark tersebut dengan kata kunci. Penandaan-penandaan ini
dapat digunakan untuk mengatur dan mencari teks dan gambar. Daftar penandaan dapat
dibagikan dengan orang lain untuk membantu mereka dalam menemukan informasi mengenai
ketertarikan.
Perusahaan memerlukan cara-cara untuk tetap menelusuri dan mengelola
pembelajaran karyawan dan untuk mengintegrasikan sepenuhnya ke dalam
manajemen pengetahuan mereka dan sistem korporat lainnya. Sistem manajemen
pembelajaran (learning management systems LMS) menyediakan alat bantu bagi
manajemen, pengiriman, penelusuran, serta penilaian berbagai macam tipe pembelajaran
dan pelatihan bagi karyawan.
CVM Solutions, LLC (CVM menggunakan sistem manajemen pembelajaran Digitec's
Knowledge Direct untuk menyediakan pelatihan mengenai bagaimana mengelola
pemasok bagi klien, seperti Procter & Gamble, Colgate-Palmolive, dan Delta Airlines.
Knowledge Direct akan menyediakan suatu portal untuk mengakses program
konten secara online, sejalan dengan kelengkapan administrasi yang bebas dari kesulitan,
seperti pendaftaran siswa dan alat bantu penilaian, dukungan Bantuan dan Penghubung
(Kontak) yang dilengkapi surel secara otomatis yang menggerakkan untuk mengingatkan
mengenai program-program atau tenggat waktu kepada pengguna, surel secara
otomatis yang memberitahukan selesainya program, dan pelaporan berbasis web untuk
program-program yang diakses. Knowledge Direct juga menyediakan login masuk bertanda
perusahaan bagi klien perusahaan dan memungkinkanbagi CVM untuk menciptakan dan
menugaskan seorang administrator perusahaan yang memilikiakses pada alat bantu pelaporan
siswa bagi perusahaan tersebut.

11.3 SISTEM KERJA PENGETAHUAN

Sistem pengetahuan keseluruhan perusahaan menyediakan jangkuan kemampuan
menyeluruh yang dapat digunakan oleh banyak orang tidak hanya semua pekerja dan
kelompok di dalam suatu organisasi. Perusahaan juga memiliki sistem yang dikhususkan bagi
pekerja berpengetahuan untuk membantu mereka dalam menciptakan pengetahuan yang baru
dan memastikan bahwa pengetahuan tersebut terintegrasi dengan tepat ke dalam bisnis.

Pekerja Pengetahuan dan Kerja Pengetahuan

Pekerja pengetahuan, meliputi peneliti perancang, arsitek, ilmuwan, dan insinyur yang
bertugas menciptakan pengetahuan dan informasi bagi organisasi. Pekerja pengetahuan
biasanya memiliki tingkat pendidikan yang tinggi, memiliki keanggotaan di organisasi
professional, dan kerap diminta untuk melakukan penilaian sebagai aspek rutin dari pekerjaan
mereka. Sebagai contohnya, pekerja pengetahuan menciptakan produk baru atau mencari
cara untuk meningkatkan kualitas produk yang sudah ada. Pekerja pengetahuan melakukan
tiga peran kunci yang sangat penting bagi organisasi dan untuk manajer yang bekerja dalam
organisasi :
  Menjaga aliran pengetahuan dalam perusahaan seiring dengan
perkembanganperusahaan dalam teknologi, sains, pemikiran sosial, dan seni.
 Bertugas melayani sebagai konsultan internal mengenai pengetahuan khusus
mereka,berbagai perubahan yang terjadi, dan kesempatan yang muncul.
 Bertindak sebagai agen perubahan, mengevaluasi, merintis, dan mendukung
proyek-proyek perubahan.

Kebutuhan Sistem Kerja Pengetahuan

Sistem ini memerlukan kekuatan komputasi mendasar untuk menangani grafik-grafik yang
rumit atau perhitungan yang kompleks yang dibutuhkan oleh pekerja pengetahuan,
sepertipeneliti ilmiah, perancang produk, dan analis keuangan. Karena pekerja
pengetahuan sangat fokus pada pengetahuan di dunia eksternal, sistem ini juga harus
memberikan kemudahan dan kecepatan mengakses database eksternal.
Contoh Sistem Kerja Pengetahuan
Penerapan kerja pengetahuan yang utama meliputi sistem CAD, sistem realitas virtual
untuksimulasi dan permodelan, serta sentra kerja keuangan. Desain berbantuan komputer
(computer-aided design – CAD) akan mengotomatisasi penciptaan dan revisi dari
desain, denganmenggunakan komputer dan perangkat lunak grafik yang canggih.
Menggunakan metodologi desain fisik yang tradisional, maka tiap-tiap modifikasi desain
memerlukan cetakan yang akan dibuat dan sebuah prototipe untuk diuji secara fisik. Proses
tersebut harus diulang berkali-kali, yang merupakan proses yang sangat mahal dan
memerlukan banyak waktu. Dengan menggunakan suatu kerja CAD, maka perancang hanya
memerlukan waktu untuk membuat prototype fisik menjelang akhir dari proses desain karena
desain dapat dengan mudah diuji dan diubah dengan komputer.
Sistem CAD dapat memasok data untuk pencetakan 3-D (3-D printing) diketahui
sebagai manufaktur aditif yang menggunakan mesin untuk membuat benda padat, lapisan
demi lapisan, dari spesifikasi dalam suatu file digital. Pencetakan 3-D saat ini telah
digunakan untuk memproduksi prototipe dan barang – barang yang ukurannya kecil, seperti
perhiasan dan implan pinggul, demikian pula suku cadang pesawat. Pada masa
mendatang, mungkin kandigunakan untuk pabrikasi suku cadang khusus bagi mobil
dan perlengkapan militer.
Sistem realitas virtual (virtual reality sytems) memiliki kemampuan visualisasi,
pengubahan, dansimulasi yang jauh melampaui sistem CAD konvensional. Mereka
memanfaatkan perangkatlunak grafik yang interaktif untuk menciptakan simulasi yang
dihasilkan dengan komputer yang sangat mendekati realitas yang para penggunanya
hampir meyakini bahwa mereka sedang berperan serta dalam situasi dunia nyata.
Realitas yang ditambahkan (augmented reality – AR) merupakan teknologi terkait
untuk mendorong visualisasi. AR menyediakan suatu pandangan secara live baik langsung
ataupun tidak langsung dari lingkungan fisik dunia nyata yangmemiliki elemen
yang ditambahkan oleh pencitraan yang dihasilkan oleh komputer virtual.
Pengguna didasarkan dalam dunia fisik yang nyata dan citra virtual dipadukan dengan
pandangan nyata untuk menciptakan tampilan yang di
Bahasa Pemodelan Realitas Virtual (Virtual Reality Modeling Language – VRML).
VRML merupakan merupakan serangkaian spesifikasi untuk permodelan 3-D, yang interaktif
pada World Wide Webyang dapat mengorganisasi berbagai tipe media, meliputi animasi,
gambar, dan audio untuk menempatkan penggunanya di dalam suatu lingkungan dunia nyata
yang disimulasikan. VRML merupakan platform independen, beroperasi melalui komputer
desktop, dan memerlukan bandwidth yang kecil.
Industri keuangan menggunakan sentra kerja investasi (investment workstation)
yang terspesialisasi seperti misalnya Bloomberg Terminal untuk memengaruhi
pengetahuan dan waktu dari para pialangnya, para pedagang, dan para manajer
portofolio. Perusahaan -perusahaan seperti Merrill Lynch dan UBS Financial Services
telah memasang sentra kerja investasi yang mengintegrasikan suatu kisaran data
yang luas baik dari sumber internal maupun eksternal, meliputi data manajemen
penghubung, real-time dan data pasar historis, serta laporan penelitian. Sebelumnya,
para profesional keuangan harus menghabiskan waktu yang cukup lama untuk mengakses
data dari sistem-sistem yang terpisah dan merangkai informasi yang mereka perlukan.
Dengan menyediakan informasi satu atap yang lebih cepat dan dengan tingkat kesalahan yang
lebih sedikit, maka sentra kerja akan mempersingkat keseluruhan proses investasi dari
pemilihan saham hingga memperbarui pencatatan klien.

11.4 TEKNIK KECERDASAN

Kecerdasan artifisial dan teknologi database menyediakan sejumlah teknik kecerdasan
yang dapat digunakan organisasi untuk memperoleh pengetahuan dari individual dan kolektif
serta untuk memperluas dasar pengetahuan mereka. Sistem ahli, penalaran berbasis kasus,
dan logika fuzzy digunakan untuk memperoleh pengetahuan tersirat. Para agen inteligen dapat
melakukan otomatisasi tugas rutin untuk membantu perusahaan dalam mencari dan
menyaring informasi untuk digunakan dalam perdagangan elektronik, manajemen rantai
pasokan, dan aktivitas-aktivitas lainnya.
Teknik kecerdasan lainnya yang dibahas dalam bagian ini didasarkan pada teknologi
kecerdasan buatan (artificial intelligience – AI) yang terdiri atas sistem berbasis komputer,
baik perangkat keras maupun perangkat lunak, yang berupaya untuk menandingi perilaku
manusia. Sistem-sistem seperti ini dapat mempelajari bahasa, menyelesaikan tugas fisik,
menggunakan peralatan persepsi, serta menandingi keahlian manusia dan pengambilan
keputusan.
Memperoleh Pengetahuan: Sistem Ahli
Sistem ahli (expert systems) merupakan suatu teknik kecerdasan untuk memperoleh
pengetahuan tersirat dalam wilayah yang sangat spesifik dan terbatas dari keahlian manusia.
Sistem-sistem ini memperoleh pengetahuan dari karyawan terampil dalam bentuk
serangkaian aturan dalam sistem perangkat lunak yang dapat digunakan oleh pihak lainnya
dalam organisasi. Serangkaian aturan dalam sistem ahli akan ditambahkan ke dalam memori,
atau pembelajaran yang disimpan pada perusahaan. Sistem ahli berisi sejumlah aturan yang
harus diikuti. Aturan-aturan tersebut saling terhubung; jumlah kelarannya terbatas dan telah
diketahui sebelumnya; ada beberapa jalur yang menghasilkan keluaran yang sama; dan sistem
dapat menggunakan beberapa aturan sekaligus pada saat yang sama.
Pengetahuan manusia dapat dibuat model atau direpresentasikan dalam suatu cara yang
dapat diproses oleh komputer. Sistem ahli model pengetahuan manusia merupakan suatu
rangkaian aturan yang secara kolektif disebut dengan basis pengetahuan (knowledge base).
Strategi yang digunakan untuk mencari melalui dasar pengetahuan dinamakan mesin
inferensi (inference engine). Dua strategi yang umumnya digunakan: penalaran maju dan
penalaran mundur.
Dalam penalaran maju (forward chaining), mesin inferensi mulai dengan informasi
yang dimasukkan oleh pengguna dan mencari informasi dalam basis pengetahuan untuk
akhirnya mencapai suatu keputusan. Strateginya adalah untuk menjalankan suatu tindakan
sesuai aturan saat sebuah kondisi dipenuhi. Dalam penalaran mundur (backward chaining),
strategi untuk mencari dalam basis pengetahuan dimulai dengan hipotesis dan berlanjut
dengan menanyakan pengguna pertanyaan tentang fakta-fakta tertentu sampai hipotesisnya
disetujui atau tidak disetujui.
Meskipun sistem ahli kurang kuat dan kecerdasan umum manusia, mereka dapat
mendatangkan manfaat bagi organisasi jika keterbatasan mereka dapat dipahami dengan
sangat baik. Pada hakikatnya semua sistem ahli yang berhasil dalam berurusan dengan
klasifikasi permasalahan dalam wilayah pengetahuan yang terbatas di mana terdapat secara
keseluruhan beberapa alternatif hasil dan kemungkinan hasil tersebut semuanya dapat
diketahui di awal. Banyak sistem ahli yang memerlukan upaya pengembangan yang besar,
lama, dan mahal. Menyewa atau melatih lebih banyak ahli akan menjadi lebih murah
daripada membagun suatu sistem ahli.
Kecerdasan Organisasional: Penalaran Berbasis Kasus
Tugas utama dari sistem ahli adalah menangkap pengetahuan tersirat dari seorang
pakar, namun organisasi juga harus memiliki pengetahuan dan keahlian kolektif yang telah
dikembangkan selama beberapa tahun. Pengetahuan organisasional ini dapat ditangkap dan
disimpan dengan menggunakan penalaran berbasis kasus. Dalam penalaran berbasis kasus
(case-based-reasoning – CBR), deskripsi dari pengalaman masa lalu seorang spesialis yang
direpresentasikan sebagai contoh kasus disimpan dalam database kasus yang memiliki
karakteristik masalah yang serupa dengan kasus baru, menemukan kasus yang paling tepat,
dan menerapkan solusi kasus lama pada ksus baru. Solusi yang sukses diberi tanda untuk
digunakan kembali pada kasus baru, dan keduanya disimpan bersama dengan kasus-kasus
lainnya dalam basis pengetahuan. Solusi yang gagal juga dicatat pada database kasus
bersamaan dengan penjelasan mengapa solusi tersebut tidak dapat digunakan. Penalaran
berbasis kasus merepresentasikan pengetahuan sebagai sederetan kasus, dan pengetahuan ini
terus-menerus dikembangkan dan diperbaiki oleh pengguna. Sistem ini akan memberikan
usulan solusi atau diagnosa berdasarkan kasus paling mirip yang diperoleh dari database.
Sistem Logika Fuzzy
Logika fuzzy (fuzzy logic) adalah teknologi yang berbasis pada aturan yang dapat
merepresentasikan ketidaktepatan tersebut dengan menciptakan auran yang menggunakan
perkiraan atau nilai yang subjektif. Ini dapat menggambarkan suatu fenomena tertentu atau
proses secara linguistik dan kemudian merepresentasikan gambaran tersebut di dala sejumlah
kecil aturan yang fleksibel. Organisasi dapat menggunakan logika fuzzy untuk menciptakan
sistem yang dapat menangkap pengetahuan tersirat di mana terdapat ketidakjelasan linguistik.
Contoh dari penggunaan logika fuzzy adalah perangkat autofokus pada kamera. Logika fuzzy
akan memungkinkan perubahan yang bertahap dalam input untuk menghasilkan perubahan
yang lancar dalam output dan tidak terputus-putus yang membuatnya menjadi berguna bagi
elektronik konsumen dan aplikasi rekayasa teknik.
Manajemen juga telah menemukan logika fuzzy yang berguna bagi pengambilan
keputusan dan pengendalian organisasional. Perusahaan Wall Street menciptakan suatu
sistem yang memilih perusahaan-perusahaan untuk proses pengambilalihan (akuisisi) yang
potensial dengan menggunakan pemahaman bahasa para pedagang saham. Suatu sistem
logika fuzzy telah dikembangkan untuk mendeteksi kemungkinan penipuan dala klaim
pengobatan yang diserahkan oleh para penyedia perawatan kesehatan di manapun di Amerika
Serikat.
Pembelajaran Mesin
Pembelajaran mesin (machine learning) merupakan suatu kajian mengenai bagaimana
program komputer dapat meningkatkan kinerja mereka tanpa pemrograman secara eksplisit.
Suatu mesin pembelajaran tersebut adalah mesin yang menyerupai manusia, dapat mengenali
pola-pola dalam data, dan mengubah perilakunya yang didasarkan pada pengenalan pola-
polanya, pengalaman, atau pembelajaran sebelumnya (database). Gagasan mengenai program
komputer yang belajar sendiri, memperbaiki sendiri, bukanlah hal baru, dan telah menjadi
bagian dari bidang kecerdaasn artifisial setidaknya sejak tahun 1970-an.
Kita menggunakan pembelajaran mesin setiap hari, tetapi tidak mengenalinya.
Misalnya, setiap pengguna mengunjungi Netflix, maka sistem pemberi rekomendasi akan
muncul dengan film-film yang mungkin dapat membuat pengguna tertarik dengan didasarkan
pada serangkaian faktor-faktor yang hampir sama dengan pencarian sebelumnya.
 Jaringan Neutral (neutralnetworks)
Jaringan neutral digunakan untuk memecahkan permasalahan yang rumit,
sangat sulit untuk dipahami di mana sejumlah besar data telah dikumpulkan. Jaringan
neutral menemukan pola-pola dan hubungan dalam sejumlah data yang sangat besar
yang menjadikannya terlalu rumit dan sulit bagi manusia untuk menganalisisnya.
Penerapan jaringan neutral dalam pengobatan, ilmu pengetahuan, dan bisnis
akan membahas mengenai permasalahan dalam pola klasifikasi, prediksi, analisis
keuangan, dan pengendalian serta optimalisasi. Industri keuangan menggunakan
jaringan neutral untuk memahami pola-pola dalam sekumpulan data yang sangat
banyak yang dapat membantu dalam memprediksikan kinerja dari ekuitas,
pemeringkatan obligasi dari korporat, atau kepailitan korporat. Terdapat banyak aspek
yang membingungkan dari jaringan neutral. Tidak seperti sistem ahli, yang umumnya
memberikan penjelasan atas pemecaha mereka, jaringan neutral tidak selalu dapat
menjelaskan mengapa mereka sampai pada suatu pemecahan tertentu.
 Algoritme Genetika (genetic algoritms)
Algoritme genetika bermanfaat untuk menemukan pemecahan yang optimal
atas suatu permasalahan tertentu dengan memeriksa sejumlah besar kemungkinan
pemecahan atas permasalahan tersebut. Algoritme genetika mencari populasi dari
 deretan yang dihasilkan secara acak dari angka biner untuk mengidentifikasi deretan
yang tepat yang merepresentasikan kemungkinan pemecahan terbaik bagi
permasalahan. Algoritme genetika mempercepat pemecahan karena mereka dapat
mengevaluasi banyak alternatif pemecahan dengan cepat untuk menemukan salah satu
yang terbaik.
Agen Inteligen
Teknologi agen inteligen akan membantu pebisnis untuk membuat navigasi melalui
sejumlah besar data untuk menempatkan dan bertindak atas informasi yang dianggap penting.
Agen inteligne (intelligent agents) merupakan program perangkat lunak yang bekerja tanpa
intervensi secara langsung dari manusia untuk melaksanakan tugas tertentu bagi seorang
pengguna individual, proses bisnis, atau aplikasi perangkat lunak. Agen menggunakan basis
pengetahuan yang dipelajari atau dibangun untuk menyelesaikan tugas-tugas atau mengambil
keputusan dalam kepentingan pengguna, seperti menghapus e-mail sampah, menjadwalkan
janji pertemuan, atau bepergian dengan menggunakan jaringan yang saling terhubung untuk
menemukan tarif pesawat yang paling murah ke suatu tempat.
Meskipun beberapa agen inteligen diprogram untuk mengikuti suatu rangkaian aturan
yang sederhana, tetapi yang lainnya dapat belajar dari pengalaman dan menyesuaikan
perilaku mereka. Contohnya seperti suatu aplikasi Siri dari sistem operasi IOS milik Apple
untuk iPhone dan iPad. Siri merupakan asisten pribadi yang cerdas yang menggunakan
teknologi pengenalan suara untuk menjawab pertanyaan, membuat rekomendasi, dan
melakukan tindakan. Perangkat lunaik ini menyesuaikan diri dengan pilihan individual dari
penggunanya dari waktu ke waktu dan mempersonalisasikan hasil, mengerjakan tugas seperti
menemukan restoran-restoran yang dekat, membeli tiket bioskop, memperoleh petunjuk arah,
menjadwalkan janji pertemuan, dan mengirimkan pesan.
Sistem AI Hibrida
Algoritma genetika, logika luzzy, jaringan neutral, dan sistem ahli dapat diintegrasikan
ke dalam aplikasi tunggal untuk memperoleh keunggulan dari fitur teknologi yang terbaik.
Sistem-sistem seperti itu disebut dengan sistem AI hibrida (hybrid AI systems). Aplikasi
hibrida dalam bisnis terus bertumbuh. Di Jepang, Hitachi, Mitsubishii, Ricoh, Sanyo, dan
yang lainnya mulai memadukan AI hibrida dalam produk-produk seperti misalnya peralatan
rumah tangga, mesin pabrik, dan peralatan kantor.
DAFTAR PUSTAKA

Laudon, Kenneth C. Laudon dan Jane P. Laudon. 2014. Sistem Informasi Manajemen:
Mengelola Perusahaan Digital Edisi 13. Jakarta: Penerbit Salemba Empat