Kecerdasan Hibrida dan Co-Creation: Meningkatkan Kinerja AI melalui Human-in-the-Loop
Dalam era digital saat ini, sistem layanan berbasis kecerdasan buatan (AI) semakin menjadi komponen krusial dalam mengelola permintaan pelanggan yang semakin kompleks. Artikel yang ditulis oleh Mahei Manhai Li dan rekan-rekannya (2023) berjudul A Value Co-Creation Perspective on Data Labeling in Hybrid Intelligence Systems: A Design Study memberikan wawasan mendalam mengenai integrasi manusia dalam siklus labeling data pada sistem kecerdasan hibrida. Dengan nilai co-creation sebagai pusat perhatian, penelitian ini menyoroti pentingnya peran pengguna dalam meningkatkan kualitas data yang dibutuhkan untuk melatih model AI, sehingga memungkinkan sistem untuk memberikan rekomendasi yang lebih baik.
Berdasarkan laporan dari Statista, pasar layanan IT mencapai $57 miliar pada tahun 2021 dan diperkirakan akan mencapai $82 miliar pada tahun 2027. Dalam konteks ini, tantangan besar yang dihadapi oleh manajemen layanan TI (ITSM) adalah memenuhi harapan pelanggan yang semakin tinggi dengan volume permintaan yang terus meningkat. Penelitian ini mengadopsi pendekatan Design Science Research (DSR), menggali mekanisme Human-in-the-Loop (HIL) untuk meningkatkan keterlibatan pengguna dalam proses labeling, sehingga menghasilkan data yang lebih berkualitas. Melalui prototype yang diuji dengan 17.120 tiket dukungan nyata, penulis menunjukkan bagaimana sistem ini tidak hanya menguntungkan agen layanan tetapi juga memperkuat interaksi antara manusia dan AI. Dengan latar belakang yang solid dan penelitian yang berbasis data, artikel ini menjadi kontribusi yang berarti bagi pengembangan sistem AI yang lebih responsif dan efektif.
***
Dalam artikel ini, Mahei Manhai Li et al. (2023) memperkenalkan konsep Human-in-the-Loop (HIL) dalam sistem kecerdasan hibrida (HI) untuk layanan IT. Sistem HIL bertujuan menggabungkan kecerdasan manusia dan mesin dalam satu siklus yang berkesinambungan. Pendekatan ini tidak hanya membantu AI dalam membuat prediksi yang lebih akurat, tetapi juga memastikan bahwa agen dukungan terlibat secara aktif dalam proses labeling data, sebuah langkah penting dalam menciptakan sistem yang adaptif dan responsif. Salah satu kunci dari pendekatan ini adalah konsep value co-creation, di mana pengguna tidak hanya menjadi penerima layanan tetapi juga berperan dalam menciptakan nilai.
Berdasarkan evaluasi yang dilakukan, pendekatan ini terbukti meningkatkan akurasi sistem AI. Pengujian yang dilakukan pada 17.120 tiket dukungan menghasilkan peningkatan rating rata-rata sebesar 2,23 poin untuk tiket yang melalui proses labeling interaktif dibandingkan dengan tiket yang di-labeling otomatis. Ini menunjukkan bahwa keterlibatan manusia dalam sistem AI menghasilkan dampak signifikan dalam kualitas prediksi. Selanjutnya, multi-armed bandit reinforcement learning yang digunakan dalam penelitian ini menunjukkan akurasi prediksi sebesar 66,67% setelah beberapa iterasi, membuktikan bahwa AI mampu belajar dari data baru dengan cepat dan efektif.
Namun, salah satu tantangan terbesar dalam penerapan HIL adalah motivasi bagi agen layanan untuk terlibat secara aktif dalam proses labeling. Banyak agen yang sudah dibebani tugas operasional yang berat, sehingga mereka kurang termotivasi untuk berkontribusi lebih dalam proses ini. Untuk mengatasi masalah ini, sistem yang dirancang oleh Li et al. menyediakan insentif langsung berupa nilai yang dirasakan (value-in-use), di mana agen mendapatkan rekomendasi yang lebih relevan dan berkualitas setelah mereka memperbaiki label pada tiket. Penelitian ini menekankan pentingnya menyediakan nilai yang langsung terlihat oleh pengguna sebagai cara untuk meningkatkan partisipasi mereka dalam proses labeling, sebuah strategi yang terbukti berhasil meningkatkan efisiensi dan efektivitas AI dalam pengujian lapangan.
Pendekatan HIL ini memiliki implikasi yang luas tidak hanya bagi industri layanan IT, tetapi juga untuk berbagai sektor yang menggunakan AI dalam proses pengambilan keputusan. Dengan menggabungkan keunggulan manusia dan AI, HIL memberikan solusi untuk tantangan data labeling yang sering kali dianggap membosankan dan memakan waktu. Dengan adanya insentif yang tepat dan proses interaksi yang jelas, agen manusia dapat memainkan peran yang lebih aktif dalam membantu AI berkembang, sekaligus mendapatkan manfaat langsung dari peningkatan kinerja sistem.
***
Penerapan Human-in-the-Loop (HIL) dalam sistem kecerdasan buatan, seperti yang diusulkan oleh Li et al. (2023), membuka jalan baru bagi integrasi manusia dan AI dalam skala yang lebih luas. Dengan menggunakan konsep value co-creation, artikel ini berhasil menunjukkan bahwa partisipasi manusia dalam proses labeling data secara signifikan meningkatkan kualitas prediksi dan performa sistem. Hasil pengujian yang menunjukkan peningkatan akurasi prediksi hingga 66,67% dan kenaikan rating rekomendasi tiket sebesar 2,23 poin membuktikan bahwa keterlibatan manusia masih sangat diperlukan dalam meningkatkan kemampuan AI.
Implikasi dari penelitian ini dapat diterapkan pada berbagai sektor industri yang menggunakan AI untuk pengambilan keputusan, dari layanan pelanggan hingga kesehatan dan keuangan. Dengan menekankan pentingnya insentif langsung berupa value-in-use, artikel ini memberikan perspektif baru tentang bagaimana kita dapat mendorong keterlibatan manusia dalam sistem yang semakin otomatis. Pendekatan ini, jika diterapkan dengan benar, dapat memberikan keuntungan jangka panjang baik bagi manusia maupun AI, dengan menciptakan ekosistem di mana keduanya saling mendukung dan berkembang bersama.
