Rahasia di Balik Asisten Virtual yang Pintar: Mendesain Sistem Bahasa Alami yang Memahami Kebutuhan Pengguna

Rahasia di Balik Asisten Virtual yang Pintar: Mendesain Sistem Bahasa Alami yang Memahami Kebutuhan Pengguna

Dalam beberapa tahun terakhir, Natural language processing atau Pemrosesan Bahasa Alami (NLP) telah mendapatkan perhatian luas sebagai teknologi kunci dalam otomatisasi proses dan ekstraksi informasi di berbagai industri. Namun, di balik perkembangan ini, banyak aplikasi NLP yang hanya fokus pada pendekatan berbasis data, mengabaikan kebutuhan dan perspektif pengguna domain. Sebagai contoh, aplikasi yang digunakan untuk mengklasifikasikan umpan balik pelanggan atau mengotomatiskan proses di industri kesehatan sering kali dihadirkan tanpa keterlibatan pengguna dari awal. Dalam artikel ilmiah yang ditulis oleh Zhukova, dkk. (2024) berjudul Generative User-Experience Research for Developing Domain-Specific Natural Language Processing Applications, penulis mengajukan sebuah metodologi baru yang mengintegrasikan penelitian pengalaman pengguna (UX) ke dalam siklus pengembangan aplikasi NLP khusus domain. Artikel ini menunjukkan bahwa melibatkan pengguna dalam tahap awal pengembangan tidak hanya memperbaiki kualitas produk akhir, tetapi juga meningkatkan minat dan kepercayaan pengguna terhadap teknologi tersebut. Studi ini penting, mengingat 70% dari proyek teknologi informasi gagal mencapai target karena kegagalan dalam memahami kebutuhan pengguna, menurut data dari Standish Group (2020). Dalam konteks aplikasi NLP yang sering kali beroperasi dalam lingkungan yang sangat khusus seperti industri kimia atau manufaktur, pendekatan yang lebih berpusat pada pengguna ini menjadi semakin krusial. Melalui eksplorasi data dan wawancara dengan pengguna domain, metodologi yang diajukan oleh penulis menawarkan pendekatan yang lebih efektif untuk merancang aplikasi yang benar-benar sesuai dengan kebutuhan pengguna. Artikel ini tidak hanya relevan untuk pengembang aplikasi, tetapi juga memberikan pandangan baru bagi para peneliti dan profesional di bidang UX dan NLP yang ingin mengatasi tantangan dalam pengembangan teknologi berbasis data di industri khusus.

***

Artikel yang ditulis oleh Zhukova et al. (2024) menyoroti metodologi generatif dalam pengembangan aplikasi NLP khusus domain. Salah satu poin kunci dari penelitian ini adalah bahwa sebagian besar aplikasi NLP saat ini masih berfokus pada pengolahan data semata, dengan pengguna dilibatkan hanya pada tahap akhir untuk evaluasi kegunaan. Hal ini sangat umum, terutama dalam industri dengan akses ke volume data besar. Namun, pendekatan berbasis data ini sering kali mengabaikan kebutuhan riil dari pengguna domain, yang mengakibatkan aplikasi yang dihasilkan tidak sepenuhnya sesuai dengan harapan atau kebutuhan mereka.

***

Sebagai contoh, dalam pengembangan aplikasi pencarian semantik di industri kimia yang menjadi studi kasus artikel ini, tim peneliti melibatkan pengguna sejak tahap awal. Mereka tidak hanya melakukan wawancara, tetapi juga mengobservasi bagaimana pengguna berinteraksi dengan sistem yang ada. Dari observasi ini, mereka menemukan bahwa 60% dari catatan yang diinput ke sistem berisi informasi tidak lengkap, dan 70% pengguna merasa kesulitan mencari informasi historis yang relevan lebih dari 30 hari yang lalu. Dengan melibatkan pengguna dalam setiap tahap pengembangan---dari eksplorasi konsep hingga evaluasi prototipe---mereka mampu mengembangkan sistem pencarian semantik yang lebih sesuai dengan pola kerja dan kebutuhan informasi pengguna. Hal ini terbukti meningkatkan efisiensi pencarian informasi hingga 50%, menurut hasil evaluasi pengguna.

***

Selain itu, artikel ini juga menekankan pentingnya menggunakan pendekatan sederhana namun efektif dalam menghadapi tantangan domain bahasa khusus, seperti penggunaan fastText untuk menangani kata-kata yang kompleks dan bersifat teknis. Pendekatan yang lebih sederhana ini memungkinkan prototipe diuji lebih cepat dan memberikan umpan balik langsung dari pengguna, sehingga siklus pengembangan bisa berjalan lebih cepat. Menariknya, metodologi ini juga membuka jalan bagi aplikasi yang lebih inklusif dan mudah diadopsi oleh pengguna dengan latar belakang teknis yang berbeda. Pengguna tidak lagi harus beradaptasi dengan teknologi, melainkan teknologi yang diadaptasikan untuk kebutuhan mereka. Studi ini memberikan gambaran bahwa hanya dengan memahami cara kerja dan tantangan pengguna, teknologi dapat diterima dan diimplementasikan dengan lebih sukses.

Penelitian yang dilakukan oleh Zhukova et al. (2024) menawarkan pandangan yang segar dalam pengembangan aplikasi NLP, khususnya di industri dengan domain yang kompleks. Melibatkan pengguna dari awal terbukti meningkatkan kegunaan, efisiensi, dan penerimaan terhadap teknologi yang dihasilkan. Hal ini juga didukung oleh data yang menunjukkan bahwa pendekatan semacam ini mampu meningkatkan efisiensi pencarian hingga 50% dan memperbaiki kualitas data yang dicatat dalam sistem. Metodologi ini tidak hanya relevan bagi para peneliti, tetapi juga penting bagi pengembang dan industri yang ingin memastikan teknologi mereka tidak hanya berdasarkan data, tetapi juga memenuhi kebutuhan pengguna secara nyata. Dalam jangka panjang, pendekatan ini dapat mengurangi risiko kegagalan proyek teknologi, yang saat ini masih mencapai angka 70% karena minimnya keterlibatan pengguna. Melalui studi ini, jelas bahwa masa depan pengembangan aplikasi berbasis NLP harus semakin mengedepankan kebutuhan pengguna agar teknologi yang dihasilkan bisa lebih efektif dan tepat guna.

Referensi

Zhukova, A., von Sperl, L., Matt, C. E., & Gipp, B. (2024). Generative user-experience research for developing domain-specific natural language processing applications. Knowledge and Information Systems, Vol. XX(No. XX), https://doi.org/10.1007/s10115-024-02212-5