MANAGING MANAGING
KNOWLEDGE AND KNOWLEDGE AND
ARTIFICIAL ARTIFICIAL
INTELLIGENCE INTELLIGENCE
Kelompok 3
Amirudin (212019171 )
Sergio Primus Makagansa (212017242) Caroline Angel (212020161)
Bayo Santoso (212020335) Siti Arifah (212021211)
1.
2.
3.
4.
5.
Manajemen pengetahuan memainkan peran penting dalam organisasi karena pengetahuan merupakan aset berharga yang dapat membedakan organisasi dari pesaingnya.
Manajemen pengetahuan membantu dalam mengidentifikasi, mengumpulkan, menyimpan, mengorganisasi, dan membagikan pengetahuan agar dapat digunakan secara efektif oleh individu dan kelompok dalam organisasi.
PENTINGNYA MANAJEMEN PENGETAHUAN
PENTINGNYA MANAJEMEN PENGETAHUAN
Meningkatkan Inovasi: Dengan menerapkan manajemen pengetahuan, organisasi dapat merangsang inovasi dengan memastikan pengetahuan yang relevan tersedia dan dapat diakses oleh anggota organisasi.
Memperbaiki Pengambilan Keputusan: Manajemen pengetahuan membantu dalam menyediakan informasi yang relevan dan akurat untuk pengambilan keputusan yang lebih baik dan lebih cepat.
Meningkatkan Kinerja Organisasi: Dengan mengelola pengetahuan, organisasi dapat meningkatkan kinerja individu dan kelompok, mengoptimalkan proses bisnis, dan membangun kapabilitas intelektual yang kuat.
Tujuan dan Manfaat Manajemen Pengetahuan
Tujuan dan Manfaat Manajemen Pengetahuan
Meningkatkan Kolaborasi dan Produktivitas: Dengan manajemen pengetahuan yang efektif, anggota organisasi dapat berbagi pengetahuan, pengalaman, dan ide-ide secara kolaboratif. Hal ini dapat meningkatkan produktivitas tim, mempercepat resolusi masalah, dan mendorong kreativitas.
Pengambilan Keputusan yang Lebih Baik: Manajemen pengetahuan menyediakan akses terhadap pengetahuan yang relevan dan akurat, sehingga anggota organisasi dapat membuat keputusan yang lebih baik dan berdasarkan data yang lebih baik. Informasi yang tepat waktu dan terpercaya membantu mengurangi ketidakpastian dalam pengambilan keputusan.
Peningkatan Inovasi: Dengan manajemen pengetahuan yang baik, organisasi dapat memfasilitasi kolaborasi antar anggota tim, berbagi ide, dan berinovasi lebih cepat. Pengetahuan yang terdokumentasi dengan baik dan tersedia secara luas dapat menginspirasi ide-ide baru dan membantu dalam mengembangkan produk atau layanan yang inovatif.
DAMPAK POSITIF DARI PENERAPAN DAMPAK POSITIF DARI PENERAPAN
MANAJEMEN PENGETAHUAN
MANAJEMEN PENGETAHUAN
Pembelajaran Organisasi Pembelajaran Organisasi
Seperti manusia, organisasi juga belajar melalui berbagai mekanisme pembelajaran. Mekanisme ini meliputi pengumpulan data, pengukuran aktivitas, percobaan, dan umpan balik dari pelanggan dan lingkungan.
Organisasi yang belajar dapat mengadaptasi perilakunya berdasarkan
pengalaman tersebut dan menciptakan proses bisnis baru serta
mengubah pola pengambilan keputusan manajemen. Proses ini dikenal
sebagai pembelajaran organisasi.
Manajemen pengetahuan melibatkan serangkaian proses bisnis yang mencakup penciptaan, penyimpanan, transfer, dan penerapan pengetahuan dalam suatu organisasi.
Manajemen pengetahuan meningkatkan kemampuan organisasi untuk belajar dari lingkungannya dan mengintegrasikan pengetahuan ke dalam proses bisnis.
Rantai nilai manajemen pengetahuan juga menggambarkan langkah-langkah dalam mengubah data dan informasi mentah menjadi pengetahuan yang bernilai.
Rantai Nilai Manajemen Pengetahuan
Rantai Nilai Manajemen Pengetahuan
Akuisisi Pengetahuan: Organisasi memperoleh pengetahuan melalui beberapa cara. Ini termasuk membangun repositori dokumen perusahaan, mengembangkan jaringan pakar online, menggunakan pembelajaran mesin untuk menemukan pola dalam data perusahaan, dan menggunakan stasiun kerja pengetahuan. Selain itu, analitik bisnis digunakan untuk mengumpulkan dan menganalisis data dari sistem pemrosesan transaksi perusahaan dan sumber eksternal lainnya.
Penyimpanan Pengetahuan: Setelah pengetahuan ditemukan, dokumen, pola, dan aturan ahli perlu disimpan agar dapat diakses dan digunakan oleh karyawan.
Penyimpanan pengetahuan melibatkan pembuatan database, penggunaan sistem manajemen dokumen, dan penggunaan sistem pakar. Manajemen harus mendukung pengembangan sistem penyimpanan pengetahuan terencana dan mendorong pengembangan skema perusahaan yang konsisten untuk mengindeks dokumen.
Penyebaran Pengetahuan: Untuk berbagi pengetahuan, organisasi menggunakan berbagai alat kolaborasi seperti portal, email, pesan instan, wiki, alat bisnis sosial, dan teknologi mesin pencari. Dalam menghadapi banjir informasi dan pengetahuan, program pelatihan, jaringan informal, dan budaya yang mendukung membantu manajer dan karyawan untuk memusatkan perhatian pada hal-hal yang penting.
Aplikasi Pengetahuan: pengetahuan baru harus dibangun ke dalam proses bisnis perusahaan dan sistem aplikasi utama, termasuk aplikasi perusahaan untuk mengelola proses bisnis internal yang penting dan hubungan dengan pelanggan dan pemasok.
MEMBANGUN MODAL ORGANISASI DAN MEMBANGUN MODAL ORGANISASI DAN
MANAJEMEN MANAJEMEN
Manajer dapat membantu dalam mengembangkan modal organisasi dan manajemen dengan menciptakan peran dan tanggung jawab baru yang terkait dengan perolehan pengetahuan. Ini dapat meliputi posisi eksekutif Chief Knowledge Officer, manajer pengetahuan, dan komunitas praktik.
Komunitas praktik adalah jaringan sosial informal
para profesional dan karyawan yang memiliki minat
dan aktivitas terkait. Mereka berbagi pengalaman,
teknik, dan pengetahuan sehari-hari dalam
memecahkan masalah pekerjaan tertentu.
Komunitas praktik memainkan peran penting dalam memfasilitasi penggunaan ulang pengetahuan.
Mereka menyediakan tempat penyimpanan dokumen, mengarahkan anggota komunitas ke informasi yang berguna, dan memfasilitasi kolaborasi dan komunikasi. Anggota komunitas bertindak sebagai fasilitator, mendorong kontribusi dan diskusi. Komunitas praktik juga membantu mengurangi kurva pembelajaran bagi karyawan baru dengan memberikan akses ke pengetahuan dan sumber daya yang telah mapan
PERAN KOMUNITAS PRAKTIK (COP)
PERAN KOMUNITAS PRAKTIK (COP)
Jenis Sistem Manajemen Jenis Sistem Manajemen
Pengetahuan Pengetahuan
Sistem Manajemen Pengetahuan di Seluruh Perusahaan: Ini adalah upaya perusahaan untuk mengumpulkan, menyimpan, mendistribusikan, dan menerapkan konten dan pengetahuan digital secara menyeluruh. Sistem ini mencakup fitur pencarian informasi, penyimpanan data terstruktur dan tidak terstruktur, dan identifikasi keahlian karyawan di dalam perusahaan
Sistem Kerja Pengetahuan: Sistem kerja pengetahuan (Knowledge Work Systems/KWS) adalah sistem yang dirancang khusus untuk insinyur, ilmuwan, dan pekerja pengetahuan lainnya yang bertugas menemukan dan menciptakan pengetahuan baru untuk perusahaan.
Teknik "Cerdas": Manajemen pengetahuan juga mencakup berbagai teknik "cerdas" seperti penambangan data, sistem pakar, pembelajaran mesin, jaringan saraf, pemrosesan bahasa alami, sistem visi komputer, robotika, algoritme genetik, dan agen cerdas. Teknik ini memiliki berbagai tujuan, mulai dari penemuan pengetahuan baru (data mining dan neural network), penyusunan pengetahuan dalam bentuk aturan program komputer (sistem pakar), hingga menemukan solusi optimal untuk masalah (algoritme genetik).
Kecerdasan Buatan (Artificial Kecerdasan Buatan (Artificial
Intelligence) AI Intelligence) AI
Sistem komputer yang dirancang sedemikian rupa agar bisa berpikir dan bertindak seperti manusia seperti melihat, mendengar, berkomunikasi, membuat keputusan, merencanakan masa depan, mencapai tujuan, memahami pola di lingkungannya, dll. Program AI adalah program komputer yang mengambil masukan data dari lingkungan, memproses data tersebut, dan menghasilkan keluaran. AI dapat melakukan tugas-tugas yang sulit dilakukan oleh manusia dan dapat mengubah cara bisnis dilakukan di banyak industri.
Kemajuan AI didorong oleh perkembangan database Big Data, penurunan biaya pemrosesan komputer, dan peningkatan algoritme. Terobosan konseptual dalam AI telah terjadi dalam memahami manusia berpikir, seperti pengenalan gambar dan suara yang semakin akurat.
Sebagai contoh, aplikasi kecerdasan buatan yang populer saat ini adalah asisten pribadi seperti Siri (Apple), Alexa (Amazon), Cortana (Microsoft), dan Google Assistant. Asisten pribadi ini menggunakan teknologi AI untuk menerima perintah suara pengguna, menjawab pertanyaan, memberikan rekomendasi, dan melakukan tugas-tugas lainnya. Mereka menggunakan teknik pengenalan suara, pemrosesan bahasa alami, dan pemahaman konteks untuk memberikan respons yang relevan.
Evolusi AI
Evolusi AI
Jenis utama Teknik AI
Sistem Pakar
sistem yang mewakili pengetahuan para ahli sebagai perangkat untuk
membuat keputusan.
Sistem pakar menggabungkan pengetahuan pakar dalam suatu domain
dan menghasilkan aturan IF-THEN.
Pembelajaran mesin
sistem yang mewakili pengetahuan para ahli sebagai perangkat untuk
membuat keputusan.
Contoh pembelajaran mesin: Wellsfargo,
Asuransi All State, Netflix, Amazon, dsb.
Jaringan saraf dan pembelajaran
mendalam
sistem yang dilatih untuk mengklasifikasikan objek
ke dalam kategori yang diketahui berdasarkan
input data. dengan menggunakan banyak
lapisan jaringan saraf untuk mengungkap pola
dasar ke dalam data
Algoritma genetika
Algoritma genetik berguna untuk menemukan solusi optimal untuk masalah
tertentu dengan memeriksa sejumlah besar solusi alternatif
untuk masalah itu
Cara Kerja Sistem Pakar
Sistem pakar memodelkan pengetahuan manusia sebagai
seperangkat aturan yang secara kolektif disebutdasar
pengetahuan. Sistem pakar dapat memiliki dari segelintir
hingga ribuan aturan, tergantung pada kompleksitas
masalah pengambilan keputusan. Strategi yang digunakan
untuk mencari melalui kumpulan aturan dan merumuskan
kesimpulan disebutmesin inferensi. Mesin inferensi bekerja
dengan menelusuri aturan dan menjalankan aturan yang
dipicu oleh fakta yang dikumpulkan dan dimasukkan
pengguna.
Jenis utama Teknik AI
Pemrosesan bahasa alami
Algoritma yang memungkinkan komputer untuk memahami dan
menganalisis bahasa alami manusia.
Sistem visi komputer
Sistem yang dapat melihat dan
mengekstrak informasi dari gambar dunia
nyata.
Robotika
Penggunaan mesin yang dapat menggantikan gerakan manusia serta sistem komputer untuk kontrol dan pemrosesan
informasinya.
Agen cerdas program perangkat lunak yang bekerja di
latar belakang tanpa campur tangan langsung
manusia untuk
melaksanakan tugas tertentu bagi pengguna
individu, proses bisnis, atau aplikasi perangkat
lunak
Manfaat AI dalam manejemen Manfaat AI dalam manejemen
pengetahuan pengetahuan
Meningkatkan efisiensi dan akurasi dalam pencarian dan analisis pengetahuan.
Memfasilitasi interaksi manusia dengan
sistem melalui chatbot dan asisten virtual.
Pembelajaran Terawasi dan Tanpa Pengawasan
Pembelajaran terawasi adalah metode pembelajaran mesin di mana sistem diberi contoh input dan output yang diinginkan yang telah diidentifikasi oleh manusia sebelumnya. Contohnya, manusia dapat memberikan sistem banyak gambar mobil untuk dilatih agar dapat mengidentifikasi mobil dalam gambar-gambar tersebut.
Pembelajaran tanpa pengawasan menunjukkan potensi untuk mengembangkan sistem pembelajaran mesin yang dapat "mengajar diri mereka sendiri"
tentang dunia tanpa campur tangan manusia. Namun, tingkat akurasi saat ini masih jauh dari yang diinginkan dalam beberapa aplikasi, seperti kendaraan otonom.
Dibutuhkan lebih banyak penelitian dan pengembangan untuk meningkatkan kemampuan sistem pembelajaran mesin tanpa pengawasan.
Jaringan saraf terdiri dari unit-unit yang saling berhubungan yang disebut neuron. Jaringan saraf adalah model komputasi yang terdiri dari unit-unit yang saling terhubung, disebut neuron, yang dapat mentransfer data dari satu neuron ke neuron lainnya.
Neuron dalam jaringan saraf bukanlah entitas fisik biologis, melainkan program perangkat lunak yang melakukan fungsi input dan output.
Jaringan saraf digunakan untuk menemukan pola dan hubungan dalam jumlah data yang sangat besar, yang sulit dianalisis oleh manusia secara langsung. Jaringan saraf melakukan proses pembelajaran dengan menyaring data dan mencari jalur melalui ribuan neuron. Algoritme pembelajaran digunakan untuk mengidentifikasi jalur yang berhasil dan memperkuat koneksi antar neuron di jalur tersebut
Jaringan Neural
Jaringan Neural
Iklan online yang ditargetkan
Pembelajaran mendalam dalam jaringan saraf adalah pendekatan yang lebih kompleks, dengan banyak lapisan transformasi data input untuk menghasilkan output target. Jaringan pembelajaran mendalam digunakan untuk deteksi pola pada data yang tidak berlabel, di mana sistem harus menemukan pola dalam data tanpa petunjuk yang spesifik. Sistem ini dapat belajar secara otodidak.
Keterbatsan Neural Networks dan Machine Learning
Jaringan saraf dan pembelajaran mesin memiliki beberapa keterbatasan. Mereka membutuhkan kumpulan data yang besar untuk mengidentifikasi pola dengan akurasi yang baik. Terkadang, terdapat banyak pola dalam data yang tidak masuk akal, dan manusia perlu memilih pola yang relevan.
Selain itu, jaringan saraf mungkin tidak bekerja dengan baik jika jumlah data yang digunakan dalam pelatihan terlalu sedikit atau terlalu banyak. Sistem kecerdasan buatan juga tidak memiliki rasa etika dan dapat merekomendasikan tindakan ilegal atau tidak bermoral.
Algoritma Genetika
Algoritma genetika adalah bentuk lain dari pembelajaran mesin. Algoritma genetika menggunakan konsep biologi evolusioner, seperti pewarisan, mutasi, seleksi, dan persilangan, untuk menemukan solusi optimal dalam jumlah besar solusi alternatif. Algoritma ini bekerja dengan menghasilkan populasi rangkaian digit biner yang diuji kebugarannya, kemudian menghasilkan generasi berikutnya dengan mempertahankan solusi yang lebih baik. Algoritma genetika digunakan dalam masalah yang kompleks dan dinamis, di mana solusi dapat direpresentasikan secara genetik.
Pemrosesan Bahasa Alami (NLP) adalah teknologi yang memungkinkan komputer untuk memahami dan menganalisis bahasa manusia secara alami. Algoritme NLP berbasis pembelajaran mesin, termasuk pembelajaran mendalam, dan dapat mengenali maksud pembicara dari contoh-contoh yang banyak. Contoh penggunaan NLP termasuk pengolahan rekam medis, mesin pencari, sistem penyaringan spam, dan analisis sentimen.
Sistem Visi Komputer mengacu pada kemampuan komputer untuk
melihat dan memahami informasi dari gambar dunia nyata. Ini
melibatkan pemrosesan gambar, pengenalan pola, dan pemahaman
gambar. Contoh aplikasi sistem visi komputer termasuk pengenalan
wajah, kendaraan otonom, sistem visi mesin industri, aplikasi militer, dan
robotika.
Robotika melibatkan desain, konstruksi, dan penggunaan mesin bergerak yang dapat menggantikan manusia. Robot dapat diprogram untuk melakukan tugas-tugas tertentu secara otomatis. Mereka digunakan dalam lingkungan berbahaya, proses manufaktur, operasi militer, dan prosedur medis.
Penerapan teknologi robotika yang paling umum adalah di bidang manufaktur, di mana robot digunakan untuk melakukan tugas seperti pengangkatan berat, pengelasan, dan pengecatan.
Robotika
Robotika
Agen Cerdas Agen Cerdas
Agen cerdas adalah program perangkat lunak yang bekerja secara otomatis untuk melaksanakan tugas tertentu tanpa campur tangan langsung manusia.
Mereka menggunakan basis pengetahuan atau pembelajaran terbatas untuk membuat keputusan atau menyelesaikan tugas atas nama pengguna. Contoh aplikasi agen cerdas termasuk penghapusan email sampah, penjadwalan janji temu, dan pencarian tiket pesawat termurah.
Chatbot (chatterbot) adalah agen perangkat lunak yang mensimulasikan
percakapan dengan pengguna manusia melalui teks atau suara. Mereka
menyediakan percakapan otomatis yang memungkinkan pengguna
melakukan berbagai tugas seperti memeriksa cuaca, mengelola keuangan,
berbelanja online, dan mendapatkan bantuan layanan pelanggan.
Sistem Manajemen Konten Perusahaan
Dalam bisnis saat ini, manajemen pengetahuan terstruktur dan semi-terstruktur menjadi penting.
Pengetahuan terstruktur adalah pengetahuan eksplisit yang ada dalam dokumen formal dan aturan formal yang diperoleh dari pengamatan para ahli dan pengambilan keputusan mereka. Namun, sekitar 80%
konten bisnis organisasi bersifat semi-terstruktur atau tidak terstruktur, seperti informasi dalam folder, pesan, memo, email, grafik, presentasi slide, dan video yang disimpan dalam berbagai format dan lokasi.
Manajemen Konten Perusahaan Manajemen Konten Perusahaan
Sistem Manajemen Konten Perusahaan (Enterprise Content Management/ECM)
membantu organisasi mengelola kedua jenis informasi tersebut. Mereka
mampu menangkap, menyimpan, mengambil, mendistribusikan, dan
melestarikan pengetahuan untuk meningkatkan proses dan pengambilan
keputusan bisnis. Sistem ECM mencakup penyimpanan dokumen perusahaan,
laporan, presentasi, dan praktik terbaik, serta mengelola pengetahuan semi-
terstruktur seperti email. Sistem ECM yang lebih besar juga memungkinkan
akses ke sumber informasi eksternal, seperti umpan berita dan penelitian, dan
menyediakan alat komunikasi seperti email, obrolan/pesan instan, kelompok
diskusi, dan konferensi video.
Sistem Manajemen Pembelajaran:
Perusahaan membutuhkan sistem manajemen pembelajaran (LMS) untuk melacak dan mengelola pembelajaran karyawan. LMS kontemporer mendukung berbagai mode pembelajaran, termasuk berbasis web, instruksi langsung, dan pembelajaran kelompok online. Perusahaan juga dapat menggunakan kursus online terbuka (MOOCs) yang tersedia untuk umum dalam rangka pendidikan karyawan.
Persyaratan Sistem Kerja Pengetahuan: Pekerja berpengetahuan membutuhkan sistem kerja pengetahuan yang sangat terspesialisasi dengan kemampuan grafis, analitis, dan manajemen dokumen yang kuat.
Sistem ini harus mampu
menangani tugas-tugas kompleks
dan memberikan akses cepat ke
sumber daya eksternal.
Contoh
Sistem Kerja Pengetahuan
Desain dengan bantuan komputer (CAD)
mengotomatiskan
pembuatan dan revisi desain, menggunakan komputer dan
perangkat lunak grafis yang canggih.
Realitas tertambah (AR) adalah teknologi terkait
untuk meningkatkan visualisasi
dengan melapisi data dan gambar digital ke lingkungan
fisik dunia nyata Sistem CAD menyediakan data
pencetakan 3-D, juga dikenal sebagai manufaktur aditif, yang
menggunakan mesin untuk membuat benda padat, lapis demi lapis, dari
spesifikasi dalam file digital
Sistem realitas virtual (VR).memiliki kemampuan
visualisasi, rendering, dan simulasi yang jauh
melampaui sistem CAD konvensional
Kesimpulan
Secara keseluruhan, manajemen pengetahuan dan sistem kerja pengetahuan memainkan peran penting dalam memaksimalkan pengetahuan dan keterampilan dalam perusahaan serta meningkatkan efisiensi dan produktivitas karyawan.
AI adalah bidang yang penting dan berkembang dengan cepat, yang melibatkan penggunaan pengetahuan untuk menciptakan sistem cerdas. Mengelola pengetahuan dalam AI melibatkan proses pengumpulan, penyimpanan, dan penggunaan pengetahuan, dengan menggunakan teknik seperti sistem manajemen pengetahuan, belajar mesin, dan penggalian data. Selain itu, etika dan keamanan juga harus diperhatikan dalam pengembangan dan penerapan AI.
