Natural Language Processing untuk Identifikasi Proses Bisnis, Era Baru dalam Dunia Perkantoran

Bayangkan ini: Anda baru saja tiba di kantor setelah bermacet-macetan. Begitu Anda duduk dan mengeluarkan laptop, bos Anda langsung datang dengan sepucuk dokumen setebal kamus. "Ini dokumen proses bisnis kita, bisa tolong dirangkum jadi model yang mudah dimengerti? Secepatnya, ya!" Anda pun melirik jam, mencoba menghitung apakah masih sempat pesan kopi.

Nah, bagi banyak pekerja kantoran, proses ini tidak asing lagi. Menganalisis dokumen-dokumen bertele-tele yang seakan ditulis dalam bahasa asing (alias jargon perusahaan) adalah bagian dari keseharian. 

Tetapi, kini, kita punya solusi keren: Natural Language Processing, alias NLP. Dengan teknologi ini, komputer bisa membantu mengidentifikasi elemen-elemen penting dari proses bisnis dan bahkan menghasilkan model yang jelas---dari teks, tanpa repot menulis ulang setiap kata.

Bagaimana bisa? Mari kita bahas!

Apa Itu NLP, dan Apa Kaitannya dengan Proses Bisnis?

Natural Language Processing adalah salah satu cabang kecerdasan buatan (AI) yang memungkinkan komputer "membaca" dan "memahami" teks, seolah-olah ia juga mengerti bahasa manusia. 

Kalau selama ini komputer hanya mengerti angka dan kode biner, kini dengan NLP, mereka bisa memahami tulisan manusia---setidaknya, lebih baik dari kebanyakan bos yang hanya baca judul.

Bagi para penggiat Business Process Management (BPM), NLP adalah dewa penolong. Pasalnya, dokumen proses bisnis sering kali penuh dengan informasi teknis, tumpukan deskripsi aktivitas, dan rincian lain yang bikin kepala pening. 

Dengan NLP, proses ini bisa diidentifikasi dan diorganisasi menjadi model bisnis yang lebih simpel, lebih cepat, dan lebih praktis.

Langkah Pertama: Bagaimana NLP Bekerja dalam Identifikasi Proses Bisnis?

Jadi, bagaimana cara kerja NLP dalam hal ini? Pertama-tama, algoritma NLP akan menyaring teks seperti yang ada di dokumen proses bisnis, mengenali kata-kata yang sering muncul, dan menghubungkannya ke konteks tertentu. 

Misalnya, kata "persetujuan" mungkin akan terhubung dengan "proses persetujuan," sementara "pengiriman" mungkin dihubungkan ke aktivitas logistik. Dengan kata lain, komputer mulai memahami struktur teks untuk mengidentifikasi langkah-langkah utama.

Nah, inilah bagian seru dari NLP dalam proses bisnis: ia bisa menemukan pola. Misalnya, algoritma NLP dapat menemukan bahwa setiap kali Anda melihat frasa "memeriksa formulir" diikuti oleh "menyimpan data," ini mungkin adalah dua langkah yang selalu berurutan. Dari situ, komputer bisa mulai membuat model yang menampilkan hubungan-hubungan ini dengan rapi.

Tapi Tunggu Dulu, Masalahnya...

Jelas, NLP masih butuh bantuan manusia. Dalam artikel Ferreira et al. (2017), mereka membahas pendekatan semi-otomatis untuk mengidentifikasi elemen-elemen bisnis dalam teks. Algoritma mereka bagus, tapi tetap butuh intervensi manusia untuk memastikan semua detailnya benar. Kenapa begitu? Karena, seberapa canggih pun NLP, dia belum mampu membaca "rasa" bahasa seperti yang kita pahami.

Bayangkan kalau komputer mengira "memanaskan data" itu sama dengan "menyimpan data." Padahal, beda banget, bukan? Mungkin satu berarti "memproses," sementara yang lain hanya "arsipkan." Jadi, walau NLP sangat berguna, kita masih butuh "sentuhan manusia."

NLP & BPMN: Kolaborasi yang Saling Melengkapi

Nah, setelah NLP menganalisis dan mengidentifikasi elemen-elemen utama dalam dokumen proses bisnis, tiba saatnya untuk mewujudkannya dalam bentuk yang lebih nyata dan rapi. 

Di sinilah Business Process Model and Notation (BPMN) masuk, seperti superhero yang datang di saat yang tepat. Dengan menggunakan standar diagram BPMN, kita bisa memvisualisasikan hasil analisis NLP dalam bentuk alur kerja yang mudah dipahami, baik oleh tim teknis maupun oleh bos yang (mungkin) cuma punya waktu membaca diagramnya saja.

Maqbool et al. (2019) menjelaskan bagaimana NLP mampu mendukung pembuatan model BPMN secara otomatis dari teks. Jadi, dalam banyak kasus, cukup memberi komputer teks proses bisnis (seperti yang tadi ditumpuk bos di meja Anda), dan voila---komputer dapat menghasilkan diagram BPMN. Tentu saja, ada batasannya, misalnya jika dokumen yang diberikan terlalu ambigu atau banyak istilah slang yang membuat komputer berpikir terlalu keras (dan kadang tersesat).

Namun, artikel Maqbool et al. juga menyoroti hal menarik: meskipun proses ini mempermudah dan mempercepat modelisasi BPMN, sistem NLP yang ada masih belum sepenuhnya matang untuk digunakan dalam industri, terutama untuk sistem yang berjalan real-time. Jadi, walaupun NLP bisa "menyulap" teks menjadi diagram, tetap perlu pemeriksaan dan penyesuaian manual agar sesuai dengan kenyataan bisnis yang ada.

Tantangan dan Solusi dalam Penggunaan NLP untuk Identifikasi Proses Bisnis

Sekarang, tentu tidak semua semudah yang terlihat. Ada beberapa tantangan yang muncul ketika menggunakan NLP untuk menganalisis teks proses bisnis. Misalnya:

1. Bahasa yang Tidak Konsisten
   Terkadang dokumen proses bisnis ditulis oleh berbagai orang dengan gaya bahasa yang berbeda-beda. Hal ini bisa membingungkan algoritma NLP, yang suka dengan konsistensi. Bayangkan kalau satu bagian dokumen menggunakan istilah "verifikasi data," sementara bagian lain menyebutnya "cek data." Walaupun maknanya sama, algoritma bisa saja "tersandung" dan tidak mengidentifikasinya sebagai aktivitas yang sama.

2. Konteks dan Ambiguitas
   Mesin cerdas memang bisa menganalisis teks, tapi mereka tidak punya "konteks" seperti manusia. Contohnya, kata "persetujuan" bisa berarti proses administrasi, tapi di konteks lain bisa saja itu adalah kata kerja yang menandakan aksi tertentu. Tanpa pengetahuan tambahan, NLP bisa mengalami kesulitan membedakan ini.

3. Terminologi Khusus Industri
   Setiap industri punya bahasa sendiri. Dalam industri keuangan, kata-kata seperti "audit," "kepatuhan," dan "risiko" memiliki makna yang sangat spesifik. NLP perlu di-training dengan data industri tertentu agar bisa mengenali dan memahami terminologi ini dengan benar.

Nah, beberapa solusi juga mulai dikembangkan oleh para peneliti dan praktisi, seperti de Almeida Bordignon et al. (2018), yang mengusulkan untuk melatih algoritma NLP dengan dataset khusus dari industri tertentu. Dengan begitu, NLP bisa lebih paham konteks spesifik dari industri yang bersangkutan, membuatnya lebih jago dalam mengidentifikasi proses bisnis. Mereka juga mengusulkan pemanfaatan teknik machine learning agar NLP bisa belajar dari data baru, sehingga semakin sering digunakan, semakin "cerdas" pula algoritmanya.

NLP: Masa Depan Identifikasi Proses Bisnis

Melihat perkembangan ini, NLP bisa jadi game-changer di dunia BPM (Business Process Management) masa depan. Bayangkan jika nanti Anda tinggal memuat dokumen apa pun ke dalam sistem, dan sistem itu langsung menampilkan proses bisnis secara otomatis. Tak perlu lagi membaca satu per satu halaman berisi jargon perusahaan, karena NLP sudah menyederhanakan semua menjadi diagram yang mudah dicerna.

Tentu saja, NLP ini masih dalam tahap pengembangan, dan seperti yang disebutkan dalam artikel Maqbool et al. (2019), teknologi ini mungkin masih "mentok" dalam menghadapi proses bisnis yang lebih rumit atau saat menangani sistem real-time. 

Namun, para peneliti terus berupaya menyempurnakan teknologi ini. Mungkin sebentar lagi kita akan melihat alat-alat NLP yang lebih tangguh dan mampu menyesuaikan diri dengan berbagai jenis dokumen serta gaya bahasa.

Selain itu, NLP tak hanya berguna untuk mengidentifikasi proses bisnis. Dalam beberapa perusahaan, NLP sudah mulai digunakan untuk analisis sentimen pelanggan, klasifikasi dokumen, dan bahkan untuk memprediksi tren bisnis. Ini berarti, semakin canggih NLP, semakin luas pula potensinya untuk diterapkan di berbagai aspek organisasi.

Kesimpulan: NLP & Kemudahan Hidup Kantoran

Pada akhirnya, NLP menjanjikan masa depan yang lebih mudah bagi para profesional di dunia bisnis. Teknologi ini bisa mengurangi beban kerja, meningkatkan kecepatan analisis, dan memberikan wawasan yang lebih mendalam. Bayangkan saja: daripada menghabiskan waktu mengurai dokumen dan menelusuri setiap aktivitas yang tidak jelas, Anda bisa fokus pada hal yang lebih strategis---dan tentu, sambil menikmati secangkir kopi tanpa terburu-buru!

Jadi, lain kali bos datang membawa tumpukan dokumen, Anda sudah tahu jawabannya: "Kita serahkan pada NLP!" Dan siapa tahu, dengan teknologi ini, pekerjaan yang tadinya membosankan jadi menyenangkan. Setidaknya, Anda tak perlu lagi pusing melihat lembar demi lembar teks yang terasa tak ada habisnya!

Sekian dulu kisah seru NLP dan identifikasi proses bisnis. Siapa tahu, di masa depan, NLP bisa membantu lebih banyak lagi.

Referensi:
de Almeida Bordignon, A. C., Thom, L. H., Silva, T. S., Dani, V. S., Fantinato, M., & Ferreira, R. C. B. (2018, June). Natural language processing in business process identification and modeling: a systematic literature review. In Proceedings of the XIV Brazilian Symposium on Information Systems (pp. 1-8).

Ferreira, R. C. B., Thom, L. H., & Fantinato, M. (2017, April). A semi-automatic approach to identify business process elements in natural language texts. In International Conference on Enterprise Information Systems (Vol. 2, pp. 250-261). SCITEPRESS.

Maqbool, B., Azam, F., Anwar, M. W., Butt, W. H., Zeb, J., Zafar, I., ... & Umair, Z. (2019). A comprehensive investigation of BPMN models generation from textual requirements—techniques, tools and trends. In Information Science and Applications 2018: ICISA 2018 (pp. 543-557). Springer Singapore.