Dominasi AI dalam Sistem Informasi: Membangun Tren dan Potensi Masa Depan
Dalam beberapa tahun terakhir, kecerdasan buatan (Artificial Intelligence/AI) telah menjadi topik yang hangat diperbincangkan, terutama dalam konteks penelitian sistem informasi. David Bendig dan Antonio Brunche, dalam artikel mereka yang berjudul The Role of Artificial Intelligence Algorithms in Information Systems Research: A Conceptual Overview and Avenues for Research (2024), memberikan gambaran mendalam mengenai perkembangan algoritma AI dan penerapannya di berbagai bidang manajemen. Berdasarkan tinjauan sistematis terhadap 12 jurnal utama di bidang sistem informasi, mereka mengidentifikasi tren signifikan dalam penggunaan AI, terutama dalam industri yang berkaitan dengan informasi, kesehatan, dan perdagangan ritel.
Penelitian ini menemukan bahwa lebih dari 35% artikel yang diterbitkan antara tahun 2016 hingga 2024 berfokus pada sektor informasi, menunjukkan pentingnya data dan teknologi digital dalam penelitian AI. Selain itu, mereka juga mencatat peningkatan tajam dalam adopsi algoritma pembelajaran mendalam (deep learning) sejak 2020. Pada tahun 2023, lebih dari 75% artikel yang ditinjau menggunakan deep learning, dibandingkan dengan hanya 25% pada periode 2016--2019.
Di tengah perkembangan pesat ini, Bendig dan Brunche juga menyoroti adanya kekosongan di beberapa area penting, seperti penggunaan AI generatif dan algoritma pembelajaran semi-terawasi. Meskipun kedua metode ini memiliki potensi besar untuk penelitian lebih lanjut, hanya 5 artikel yang membahas AI generatif, dan 10 artikel tentang pembelajaran semi-terawasi. Dalam opini ini, saya akan membahas lebih jauh mengenai temuan Bendig dan Brunche, serta bagaimana kita dapat melihat masa depan penerapan AI dalam sistem informasi berdasarkan data dan tren yang mereka paparkan.
**
Salah satu temuan utama dalam artikel Bendig dan Brunche adalah dominasi algoritma AI prediktif dalam penelitian sistem informasi. Dari 157 artikel yang dianalisis, 106 di antaranya atau sekitar 67% menggunakan algoritma prediktif. Algoritma ini paling sering digunakan untuk memproses data numerik dan teks, khususnya dalam bidang pemasaran dan keuangan. Algoritma prediktif memberikan kemampuan kepada organisasi untuk memproyeksikan tren masa depan, yang tentunya sangat berguna di dunia bisnis yang semakin kompetitif. Misalnya, dengan menggunakan data pelanggan, perusahaan dapat memprediksi pola pembelian dan menyesuaikan strategi pemasaran mereka untuk meningkatkan penjualan.
Selain itu, deep learning menjadi semakin populer sejak 2020, di mana penggunaannya meningkat lebih dari tiga kali lipat dalam penelitian sistem informasi. Pada tahun 2023, lebih dari 75% artikel terkait AI di jurnal-jurnal utama menggunakan algoritma pembelajaran mendalam seperti Convolutional Neural Networks (CNN) dan Recurrent Neural Networks (RNN). Algoritma-algoritma ini digunakan terutama untuk memproses data tak terstruktur, seperti gambar dan teks, yang sebelumnya sulit dianalisis dengan metode tradisional. CNN, misalnya, banyak digunakan dalam pengenalan gambar, sementara RNN sering diterapkan dalam pemrosesan bahasa alami (NLP).
Namun, ada beberapa area yang masih kurang terwakili dalam penelitian AI, meskipun memiliki potensi besar untuk dikembangkan lebih lanjut. Contohnya, AI generatif, yang saat ini sedang menjadi sorotan di media dan industri teknologi, hanya diangkat dalam 5 artikel dalam rentang waktu yang dianalisis. Padahal, AI generatif seperti yang diterapkan dalam model GPT-4, memungkinkan sistem untuk menciptakan konten baru berdasarkan pola yang dipelajari, yang bisa membuka jalan bagi inovasi dalam industri kreatif dan riset ilmiah. Di sisi lain, algoritma pembelajaran semi-terawasi, yang mampu mengolah data sebagian berlabel, hanya digunakan dalam 10 artikel, padahal metode ini bisa sangat efisien dalam situasi di mana pengumpulan data berlabel mahal dan memakan waktu.
Yang menarik, sektor informasi mendominasi penggunaan AI dengan kontribusi lebih dari 35% dari keseluruhan penelitian yang dianalisis. Ini menunjukkan bahwa di era digital, data dan pengelolaannya menjadi semakin penting. Namun, sektor lain seperti perawatan kesehatan dan perdagangan ritel juga menunjukkan adopsi signifikan, dengan masing-masing 16% dan 10% dari total penelitian berfokus pada kedua sektor tersebut. Dalam konteks perawatan kesehatan, AI digunakan untuk mengolah data sensor yang mendukung perawatan lansia, sedangkan di sektor ritel, AI digunakan untuk personalisasi pengalaman pelanggan dan pengoptimalan rantai pasokan.
Dari sini, jelas bahwa meskipun AI telah membuat lompatan besar dalam banyak industri, masih ada ruang untuk eksplorasi dan inovasi lebih lanjut, terutama dalam memanfaatkan potensi AI generatif dan semi-terawasi.
**
