BAB XI MENGELOLA PENGETAHUAN

11.1 LANSKAP MANAJEMEN PENGETAHUAN

Sistem manajemen pengetahuan dan kolaborasi merupakan bidang investasi korporat dan pemerintah yang paling cepat berkembang. Manajemen pengetahuan telah menjadi tema penting di banyak perusahaan bisnis besar karena para manajer menyadari bahwa sebagian besar nilai perusahaan mereka bergantung pada kemampuan perusahaan untuk menciptakan dan mengelola pengetahuan.

Dimensi Penting Pengetahuan

Ada perbedaan penting antara data, informasi, pengetahuan, dan kebijaksanaan. Data adalah arus peristiwa atau transaksi yang ditangkap oleh sistem organisasi yang, dengan sendirinya, dan berguna untuk bertransaksi. Untuk mengubah data menjadi informasi yang berguna, perusahaan harus mengeluarkan sumber daya untuk mengatur data ke dalam kategori pemahaman, seperti laporan penjualan total bulanan, harian, regional, atau penyimpanan. Untuk mengubah informasi menjadi pengetahuan, perusahaan harus mengeluarkan sumber daya tambahan untuk menemukan pola, aturan, dan konteks dimana ilmu itu bekerja. Akhirnya, kebijaksanaan dianggap sebagai pengalaman kolektif dan individual untuk menerapkan pengetahuan terhadap pemecahan masalah. Kebijaksanaan melibatkan di mana, kapan, dan bagaimana menerapkan pengetahuan.

     Pengetahuan adalah atribut individu dan atribut kolektif perusahaan. Pengetahuan adalah peristiwa kognitif, bahkan fisiologis, yang terjadi di dalam kepala masyarakat. Pengetahuan yang berada di benak karyawan yang belum didokumentasikan disebut pengetahuan tacit, sedangkan pengetahuan yang telah didokumentasikan disebut pengetahuan eksplisit. Pengetahuan bisa berada dalam e-mail, voice mail, grafik, dan dokumen tidak terstruktur serta dokumen terstruktur. Pengetahuan umumnya diyakini memiliki lokasi, baik di benak manusia atau dalam proses bisnis yang spesifik. Pengetahuan itu "lengket" dan tidak berlaku secara universal atau mudah dipindahkan. Akhirnya, pengetahuan dianggap situasional dan kontekstual.

Pembelajaran Organisasi dan Manajemen Pengetahuan

Organisasi menciptakan dan mengumpulkan pengetahuan dengan menggunakan berbagai mekanisme pembelajaran organisasi. Melalui pengumpulan data, pengukuran aktivitas terencana yang cermat, trial and error (percobaan), dan umpan balik dari pelanggan dan lingkungan pada umumnya, pengalaman mendapatkan organisasi. Organisasi yang belajar menyesuaikan perilaku mereka untuk mencerminkan pembelajaran itu dengan menciptakan proses bisnis baru dan dengan mengubah pola pengambilan keputusan manajemen. Proses perubahan ini disebut pembelajaran organisasi.

Rantai Nilai Pengetahuan Manajemen

Manajemen pengetahuan mengacu pada serangkaian proses bisnis yang dikembangkan dalam sebuah organisasi untuk menciptakan, menyimpan, mentransfer, dan menerapkan pengetahuan. Manajemen pengetahuan meningkatkan kemampuan organisasi untuk belajar dari lingkungannya dan untuk menggabungkan pengetahuan ke dalam proses bisnisnya. Gambar 11-1 mengilustrasikan lima langkah penambahan nilai dalam rantai nilai manajemen pengetahuan. Setiap tahap dalam rantai nilai menambahkan nilai pada data dan informasi mentah karena mereka berubah menjadi pengetahuan yang dapat digunakan.

Gambar 11-1               Rantai Nilai Pengetahuan Manajemen

Akuisisi Pengetahuan

Organisasi memperoleh pengetahuan dengan berbagai cara, tergantung dari jenis pengetahuan yang mereka cari. Sistem manajemen pengetahuan pertama berusaha membangun gudang dokumen, laporan, presentasi, dan praktik terbaik perusahaan. Upaya ini telah diperluas untuk memasukkan dokumen tidak terstruktur (seperti e-mail). Dalam kasus lain, organisasi memperoleh pengetahuan dengan mengembangkan jaringan ahli online sehingga karyawan dapat "menemukan ahli" di perusahaan yang memiliki pengetahuan di kepalanya. Dalam kasus lain, perusahaan harus menciptakan pengetahuan baru dengan menemukan pola dalam data perusahaan atau dengan menggunakan workstation pengetahuan dimana para insinyur dapat menemukan pengetahuan baru.

Penyimpanan Pengetahuan

Penyimpanan pengetahuan umumnya melibatkan pembuatan database. Sistem pengelolaan dokumen yang mendigitalkan, mengindeks, dan memberi tag dokumen sesuai kerangka koheren adalah database besar yang mahir menyimpan koleksi dokumen. Sistem pakar juga membantu perusahaan mempertahankan pengetahuan yang diperoleh dengan memasukkan pengetahuan tersebut ke dalam proses dan budaya organisasi. Manajemen harus mendukung pengembangan sistem penyimpanan pengetahuan yang direncanakan, mendorong pengembangan skema keseluruhan perusahaan untuk mengindeks dokumen, dan menghargai karyawan karena meluangkan waktu untuk memperbarui dan menyimpan dokumen dengan benar

Diseminasi Pengetahuan

Teknologi kontemporer tampaknya telah menciptakan banjir informasi dan pengetahuan. Agar manajer dan karyawan dapat menemukan informasi dan pengetahuan yang benar-benar penting untuk keputusan dan pekerjaan mereka, telah disediakan program pelatihan, jaringan informal, dan pengalaman manajemen bersama yang dikomunikasikan melalui budaya yang mendukung membantu para manajer memusatkan perhatian mereka pada pengetahuan dan informasi penting.

Aplikasi Pengetahuan

Untuk memberikan laba atas investasi, pengetahuan organisasi harus menjadi bagian sistematis dari pengambilan keputusan manajemen dan berada di dalam sistem pendukung keputusan. Pada akhirnya, pengetahuan baru harus dibangun ke dalam proses bisnis perusahaan dan sistem aplikasi utama, termasuk aplikasi enterprise untuk mengelola proses bisnis internal utama dan hubungan dengan pelanggan dan pemasok.

Membangun Modal Organisasi dan Manajemen: Kolaborasi, Komunitas Praktek, dan Lingkungan Kantor

Para manajer dapat membantu dengan mengembangkan peran dan tanggung jawab organisasi baru untuk mengakuisisi pengetahuan, termasuk pembentukan posisi eksekutif kepala eksekutif, posisi staf yang berdedikasi (knowledge manager), dan komunitas praktik. Komunitas praktik (Communities Of Practice/COP) adalah jaringan sosial informal para profesional dan karyawan di dalam dan di luar perusahaan yang memiliki kegiatan dan minat terkait pekerjaan serupa Kegiatan komunitas ini meliputi pendidikan dan konferensi mandiri, konferensi, buletin online, dan berbagi pengalaman dan teknik sehari hari untuk memecahkan masalah pekerjaan tertentu.

Jenis Sistem Manajemen Pengetahuan

Pada dasarnya ada tiga jenis sistem manajemen pengetahuan utama:

• Sistem manajemen pengetahuan menyeluruh(Enterprise-Wide Knowledge Management Systems) adalah upaya generalwide untuk mengumpulkan, menyimpan, mendistribusikan, dan menerapkan konten dan pengetahuan digital. Sistem ini mencakup kemampuan untuk mencari informasi, menyimpan data terstruktur dan tidak terstruktur, dan menemukan keahlian karyawan di dalam perusahaan.
• Sistem kerja pengetahuan (Knowledge Work System/KWS) adalah sistem khusus yang dibangun untuk para insinyur, ilmuwan, dan pekerja pengetahuan lainnya yang ditugaskan untuk menemukan dan menciptakan pengetahuan baru bagi sebuah perusahaan.
• Manajemen pengetahuan juga mencakup beragam jenis teknik cerdas (Intelligent Techniques), seperti data mining, sistem pakar, jaringan syaraf tiruan, logika fuzzy, algoritma genetika, dan agen cerdas. Teknik ini memiliki tujuan yang berbeda, mulai dari fokus menemukan pengetahuan (data mining dan jaringan syaraf tiruan), untuk menyaring pengetahuan dalam bentuk aturan untuk program komputer (sistem pakar dan logika fuzzy), untuk menemukan solusi optimal untuk masalah (algoritma genetika) .

11.2 SISTEM MANAJEMEN PENGETAHUAN ENTERPRISE-WIDE

Sistem Manajemen Konten Enterprise

Bisnis saat ini perlu mengatur dan mengelola aset pengetahuan terstruktur dan semistructured. Pengetahuan terstruktur adalah pengetahuan eksplisit yang ada dalam dokumen formal, dan juga peraturan formal yang diturunkan organisasi dengan mengamati para ahli dan perilaku pengambilan keputusan mereka. Sistem manajemen konten perusahaan membantu organisasi mengelola kedua jenis informasi. Mereka memiliki kemampuan untuk menangkap, penyimpanan, pengambilan, distribusi, dan pelestarian pengetahuan untuk membantu perusahaan memperbaiki proses bisnis dan keputusan mereka.

     Masalah utama dalam mengelola pengetahuan adalah penciptaan skema klasifikasi yang tepat, atau taksonomi, untuk mengatur informasi ke dalam kategori yang bermakna sehingga mudah diakses. Begitu kategori untuk mengklasifikasi pengetahuan telah dibuat, setiap objek pengetahuan perlu "diberi tag", atau diklasifikasikan, sehingga mudah ditemukan. Sistem manajemen konten perusahaan memiliki kemampuan untuk memberi tag, berinteraksi dengan database perusahaan tempat dokumen disimpan, dan menciptakan lingkungan portal perusahaan bagi karyawan untuk digunakan saat mencari pengetahuan perusahaan.

     Perusahaan dalam penerbitan, periklanan, penyiaran, dan hiburan memiliki kebutuhan khusus untuk menyimpan dan mengelola data digital tidak terstruktur seperti foto, gambar grafis, video, dan konten audio. Sistem manajemen aset digital membantu perusahaan mengklasifikasikan, menyimpan, dan mendistribusikan benda digital ini.

Sistem Jaringan Pengetahuan

Sistem jaringan pengetahuan, juga dikenal sebagai lokasi keahlian dan sistem manajemen, mengatasi masalah yang timbul saat pengetahuan yang tepat tidak dalam bentuk dokumen digital melainkan berada dalam memori individu ahli di perusahaan. Sistem jaringan pengetahuan menyediakan direktori pakar korporat online di domain pengetahuan yang terdefinisi dengan baik dan menggunakan teknologi komunikasi untuk mempermudah karyawan menemukan pakar yang tepat di perusahaan. Beberapa sistem jaringan pengetahuan melangkah lebih jauh dengan melakukan sistematisasi solusi yang dikembangkan oleh para ahli dan kemudian menyimpan solusi di database pengetahuan sebagai praktik terbaik atau replikasi yang sering diajukan.

Sistem Pengelolaan Kolaborasi dan Sistem Manajemen Pembelajaran

Sistem pengelolaan konten perusahaan utama mencakup teknologi portal dan kolaborasi yang hebat. Portal pengetahuan perusahaan dapat memberikan akses ke sumber informasi eksternal. Perusahaan mulai menggunakan teknologi Web konsumen seperti blog, wiki, dan bookmark sosial untuk penggunaan internal guna mendorong kolaborasi dan pertukaran informasi antara individu dan tim.

Bookmark sosial mempermudah pencarian dan berbagi informasi dengan mengizinkan pengguna menyimpan bookmark mereka ke halaman Web di situs Web publik dan menandai bookmark ini dengan kata kunci. Tag ini bisa digunakan untuk mengatur dan mencari dokumen. Daftar tag dapat dibagi dengan orang lain untuk membantu mereka menemukan informasi yang menarik. Taksonomi buatan pengguna yang dibuat untuk bookmark bersama disebut folksonomies. Delicious dan Digg adalah dua situs bookmark sosial yang populer.

     Perusahaan memerlukan cara untuk melacak dan mengelola pembelajaran karyawan dan mengintegrasikannya sepenuhnya ke dalam manajemen pengetahuan dan sistem perusahaan lainnya. Sebuah sistem manajemen pembelajaran (Learning Management System/LMS) menyediakan alat untuk manajemen, pengiriman, pelacakan, dan penilaian berbagai jenis pembelajaran dan pelatihan karyawan.

11.3 SISTEM PENGETAHUAN KERJA

Pengetahuan Pekerjaan dan Pengetahuan Kerja

Pekerja pengetahuan, termasuk periset, perancang, arsitek, ilmuwan, dan insinyur yang terutama menciptakan pengetahuan dan informasi untuk organisasi. Pekerja pengetahuan biasanya memiliki tingkat pendidikan dan keanggotaan yang tinggi dalam organisasi profesional dan sering diminta untuk melakukan penilaian independen sebagai aspek rutin pekerjaan mereka.

     Pekerja pengetahuan melakukan tiga peran kunci yang penting ke organisasi dan kepada manajer yang bekerja dalam organisasi:

• Menjaga pengetahuan organisasi saat ini dalam pengetahuan saat berkembang di dunia luar - dalam teknologi, sains, pemikiran sosial, dan seni.
• Melayani konsultan internal mengenai bidang pengetahuan mereka, perubahan yang terjadi, dan peluang.
• Bertindak sebagai agen perubahan, evaluasi, inisiasi, dan promosi proyek perubahan. 

Persyaratan Sistem Kerja Pengetahuan

Sebagian besar pekerja pengetahuan bergantung pada sistem perkantoran, namun, pekerja pengetahuan juga memerlukan sistem kerja pengetahuan yang sangat terspesialisasi dengan grafis, alat analisis, dan komunikasi serta kemampuan manajemen dokumen yang hebat. Sistem ini membutuhkan daya komputasi yang memadai untuk menangani grafik yang canggih atau perhitungan rumit yang diperlukan untuk pengetahuan seperti pekerja sebagai peneliti ilmiah, perancang produk, dan analis keuangan. Karena pekerja pengetahuan sangat fokus pada pengetahuan di dunia luar, sistem ini juga harus memberi pekerja akses cepat dan mudah ke database eksternal.

11.4 TEKNIK CERDAS (INTELLIGENT TECHNIQUES)

Kecerdasan buatan dan teknologi basis data memberikan sejumlah teknik cerdas yang dapat digunakan organisasi untuk menangkap pengetahuan individu dan kolektif dan untuk memperluas basis pengetahuan mereka. Sistem pakar, penalaran berbasis kasus, dan logika fuzzy digunakan untuk menangkap pengetahuan tacit. Jaringan syaraf tiruan dan data mining digunakan untuk penemuan pengetahuan.

     Teknik cerdas lainnya didasarkan pada teknologi Kecerdasan Buatan (Artificial Intelligence/AI), yang terdiri dari komputer berbasis sistem (perangkat keras dan perangkat lunak) yang berusaha meniru perilaku manusia. Sistem seperti itu akan bisa belajar bahasa, menyelesaikan tugas fisik, menggunakan aparatus persepsi, dan meniru keahlian dan pengambilan keputusan manusia. Meskipun aplikasi AI tidak menunjukkan keluasan, kompleksitas, orisinalitas, dan keumuman kecerdasan manusia, mereka memainkan peran penting dalam manajemen pengetahuan kontemporer.

Mengetahui Pengetahuan: Sistem Pakar

Sistem pakar adalah teknik cerdas untuk menangkap pengetahuan tacit dalam domain keahlian manusia yang sangat spesifik dan terbatas. Sistem ini menangkap pengetahuan karyawan yang terampil dalam bentuk seperangkat aturan dalam sistem perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi. Kumpulan aturan dalam sistem pakar menambah ingatan, atau pembelajaran tersimpan, dari perusahaan.

     Sistem pakar kurang memiliki pengetahuan dan pemahaman tentang prinsip dasar ahli manusia. Mereka biasanya melakukan tugas yang sangat terbatas yang dapat dilakukan oleh para profesional dalam beberapa menit atau jam. Namun, dengan menangkap keahlian manusia di bidang terbatas, sistem pakar dapat memberi manfaat, membantu organisasi membuat keputusan berkualitas tinggi dengan lebih sedikit orang.

Bagaimana Sistem Pakar Bekerja

Sistem pakar memodelkan pengetahuan manusia sebagai seperangkat aturan yang secara kolektif disebut basis pengetahuan. Strategi yang digunakan untuk mencari melalui basis pengetahuan disebut inferensi engine. Dua strategi yang umum digunakan: forward chaining dan backward chaining. Dalam forward chaining, mesin inferensi dimulai dengan informasi yang dimasukkan oleh pengguna dan mencari basis aturan untuk sampai pada sebuah kesimpulan. Strateginya adalah menembak, atau melakukan, tindakan aturan saat kondisi benar.  Dalam strategi backward chaining, strategi untuk mencari basis aturan dimulai dengan sebuah hipotesis dan dilanjutkan dengan mengajukan pertanyaan pengguna tentang fakta-fakta yang dipilih sampai hipotesis tersebut dikonfirmasi atau dibantah.

Kecerdasan Organisasi: Berbasis Kasus Pemikiran

Organisasi memiliki pengetahuan dan keahlian kolektif yang telah mereka bangun selama bertahun-tahun. Pengetahuan organisasi ini dapat ditangkap dan disimpan dengan menggunakan penalaran berbasis kasus. Dalam kasus berbasis penalaran (Case-Based Reasoning/CBR), deskripsi pengalaman masa lalu spesialis manusia, yang digambarkan sebagai kasus, disimpan dalam database untuk pengambilan nanti saat pengguna menemukan kasus baru dengan parameter serupa.

     Sistem mencari kasus yang tersimpan dengan karakteristik masalah yang mirip dengan yang baru, menemukan kesesuaian terdekat, dan menerapkan solusi dari kasus lama ke kasus baru. Solusi yang berhasil ditandai pada kasus baru dan keduanya disimpan bersamaan dengan kasus lain di basis pengetahuan. Solusi yang tidak berhasil juga ditambahkan ke database kasus beserta penjelasan mengapa solusi tidak berjalan.

Sistem Logika Fuzzy

Logika fuzzy adalah teknologi berbasis aturan yang dapat mewakili ketidaktepatan dengan membuat aturan yang menggunakan nilai perkiraan atau subyektif. Ini bisa menggambarkan fenomena atau proses tertentu secara linguistik dan kemudian mewakili deskripsi itu dalam sejumlah kecil peraturan fleksibel. Organisasi dapat menggunakan logika fuzzy untuk menciptakan sistem perangkat lunak yang menangkap pengetahuan diam-diam dimana terdapat ambiguitas linguistik. Logika fuzzy memberikan solusi untuk masalah yang membutuhkan keahlian yang sulit untuk diwakili dalam bentuk aturan IF-THEN. Manajemen juga telah menemukan logika fuzzy yang berguna untuk pengambilan keputusan dan pengendalian organisasi.

Jaringan Syaraf

Jaringan syaraf digunakan untuk memecahkan masalah kompleks dan kurang dipahami dimana sejumlah besar data dikumpulkan. Mereka menemukan pola dan hubungan dalam jumlah besar data yang akan terlalu rumit dan sulit bagi manusia untuk dianalisis. Jaringan saraf menemukan pengetahuan ini dengan menggunakan perangkat keras dan perangkat lunak yang paralel dengan pola pengolahan otak biologis atau otak manusia. Jaringan syaraf "mempelajari" pola dari sejumlah besar data dengan memilah-milah data, mencari hubungan, membangun model, dan mengoreksi lagi kesalahan model itu sendiri.

     Jaringan syaraf tiruan memiliki sejumlah besar simpul penginderaan dan pengolahan yang terus berinteraksi satu sama lain. Juga, jaringan syaraf tiruan dapat dilatih dengan mengekspos mereka ke sejumlah besar data dan memungkinkan mereka menemukan pola dan hubungan dalam data. Pembangun jaringan saraf mengklaim bahwa mereka tidak memprogram solusi dan tidak bertujuan untuk memecahkan masalah tertentu. Sebagai gantinya, perancang jaringan syaraf berusaha memasukkan kecerdasan ke dalam perangkat keras dalam bentuk kemampuan umum untuk belajar.

     Jaringan syaraf tiruan tidak selalu bisa menjelaskan mengapa mereka sampai pada solusi tertentu. Selain itu, mereka tidak dapat selalu menjamin solusi yang benar-benar pasti, sampai pada solusi yang sama lagi dengan data masukan yang sama, atau selalu menjamin solusi terbaik. Mereka sangat sensitif dan mungkin tidak berkinerja baik jika pelatihan mereka mencakup data yang terlalu sedikit atau terlalu banyak. Dalam kebanyakan aplikasi saat ini, jaringan saraf paling baik digunakan sebagai alat bantu untuk pengambil keputusan manusia, bukan pengganti untuk mereka.

Algoritma Genetika

Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu dengan memeriksa sejumlah besar kemungkinan solusi untuk masalah itu. Mereka didasarkan pada teknik yang diilhami oleh biologi evolusioner, seperti pewarisan, mutasi, seleksi, dan crossover (rekombinasi). Algoritma genetika bekerja dengan mewakili informasi sebagai string 0s dan 1s.

    Algoritma genetika mencari populasi string biner yang dihasilkan secara acak untuk mengidentifikasi string yang tepat yang merupakan solusi terbaik untuk masalah ini.  Sebagai solusi mengubah dan menggabungkan, yang terburuk dibuang dan yang lebih baik bertahan untuk terus menghasilkan solusi yang lebih baik. Algoritma genetika digunakan untuk memecahkan masalah yang sangat dinamis dan kompleks, melibatkan ratusan atau ribuan variabel atau formula. Algoritma genetika memperlancar solusinya karena mereka dapat mengevaluasi banyak alternatif solusi dengan cepat untuk menemukan yang terbaik.

Sistem AI Hybrid

Algoritma genetika, logika fuzzy, jaringan syaraf tiruan, dan sistem pakar dapat diintegrasikan ke dalam satu aplikasi untuk memanfaatkan fitur terbaik dari teknologi ini. Sistem semacam itu disebut Sistem AI Hybrid.

Agen Cerdas (Intelligent Agents)

Teknologi agen cerdas membantu bisnis menavigasi melalui sejumlah besar data untuk mencari dan bertindak berdasarkan informasi yang dianggap penting. Agen cerdas adalah program perangkat lunak yang bekerja di latar belakang tanpa intervensi langsung manusia untuk melaksanakan tugas spesifik, berulang, dan dapat diprediksi untuk pengguna individual, proses bisnis, atau aplikasi perangkat lunak. Agen menggunakan basis pengetahuan built-in atau pelajari terbatas untuk menyelesaikan tugas atau membuat keputusan atas nama pengguna. Bisnis membutuhkan agen cerdas untuk jelajah jaringan, termasuk internet, untuk mencari informasi.

     Banyak fenomena kompleks dapat dimodelkan sebagai sistem agen otonom yang mengikuti aturan interaksi yang relatif sederhana. Aplikasi pemodelan berbasis agen telah dikembangkan untuk memodelkan perilaku konsumen, pasar saham, dan rantai pasokan dan untuk memprediksi penyebaran epidemi (Samuelson dan Macal, 2006).

Sumber: buku Management Information Systems, MANAGING THE DIGITAL FIRM, TWELFTH EDITION, karya Kenneth C. Laudon dan Jane P. Laudon