Chapter 11 Mengelola Pengetahuan

11.1MANAJEMEN PENGETAHUAN LANDSCAPE

Manajemen pengetahuan dan kolaborasi sangat erat kaitannya. Pengetahuan yang tidak bisa dikomunikasikan dan dibagikan dengan orang lain hampir tidak ada gunanya. Pengetahuan menjadi berguna dan dapat ditindaklanjuti bila dibagikan di seluruh perusahaan. Kita hidup dalam ekonomi informasi dimana sumber utama kekayaan dan kemakmuran adalah produksi dan distribusi informasi dan pengetahuan.

DIMENSI PENTING DARI PENGETAHUAN

Untuk mengubah informasi menjadi pengetahuan, perusahaan harus mengeluarkan sumber daya tambahan untuk menemukan pola, aturan, dan konteks di mana pengetahuan 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 yang berada di benak karyawan yang belum didokumentasikan disebut pengetahuan tacit, sedangkan pengetahuan yang telah didokumentasikan disebut pengetahuan eksplisit. Kita dapat melihat bahwa pengetahuan adalah aset perusahaan yang berbeda dari, katakanlah, bangunan dan aset keuangan; Pengetahuan itu adalah fenomena yang kompleks; dan ada banyak aspek dalam proses pengelolaan pengetahuan.

Misalnya, memiliki sistem produksi build-to-order yang unik merupakan bentuk pengetahuan dan mungkin aset unik yang tidak dapat disalin oleh perusahaan lain dengan mudah. Dengan pengetahuan, perusahaan menjadi lebih efisien dan efektif dalam penggunaan sumber daya langka mereka. Tanpa pengetahuan, perusahaan menjadi kurang efisien dan kurang efektif dalam penggunaan sumber daya dan akhirnya gagal.

Pembelajaran Organisasi dan Manajemen Pengetahuan

Seperti manusia, 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 yang di dapat 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. Bisa dibilang, organisasi yang bisa merasakan dan merespons lingkungannya dengan cepat akan bertahan lebih lama dari organisasi yang memiliki mekanisme belajar yang buruk.

RANTAI NILAI MANAJEMEN PENGETAHUAN

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.

Akuisisi Pengetahuan

Organisasi memperoleh pengetahuan dengan berbagai cara, tergantung dari jenis pengetahuan yang mereka cari.

Penyimpanan Pengetahuan

Begitu mereka ditemukan, dokumen, pola, dan aturan ahli harus disimpan agar bisa diambil dan digunakan oleh karyawan. 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.

Diseminasi Pengetahuan

Teknologi kontemporer tampaknya telah menciptakan banjir informasi dan pengetahuan.

Aplikasi pengetahuan

Untuk memberikan laba atas investasi, pengetahuan organisasi harus menjadi bagian sistematis dari pengambilan keputusan manajemen dan berada di dalam sistem pendukung keputusan.

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

Komunitas praktik (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 kelompok, konferensi, buletin online, dan hari ini yang berbagi pengalaman dan teknik untuk memecahkan masalah pekerjaan tertentu.

JENIS SISTEM MANAJEMEN PENGETAHUAN

Pada dasarnya ada tiga jenis sistem manajemen pengetahuan utama: sistem manajemen pengetahuan perusahaan, sistem kerja pengetahuan, dan teknik cerdas.

Sistem manajemen pengetahuan menyeluruh 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 (KWS) adalah sistem khusus yang dibangun untuk para insinyur, ilmuwan, dan pekerja pengetahuan lainnya yang ditugaskan untuk menemukan dan menciptakan pengetahuan yang baru untuk sebuah perusahaan.

Manajemen pengetahuan juga mencakup beragam jenis teknik cerdas, 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 PERUSAHAAN LUAS

Perusahaan harus berurusan dengan setidaknya tiga jenis pengetahuan. Beberapa pengetahuan ada di dalam perusahaan berupa dokumen teks terstruktur (laporan dan presentasi). Pengambil keputusan juga membutuhkan pengetahuan yang semistructured, seperti e-mail, voice mail, chat room exchange, video, gambar digital, brosur, atau papan buletin. Dalam kasus lain, tidak ada informasi formal atau digital dalam bentuk apapun, dan pengetahuan berada di kepala karyawan. Sebagian besar pengetahuan ini adalah pengetahuan diam-diam yang jarang dituliskan.

SISTEM MANAJEMEN KONTEN PERUSAHAAN

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.

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 PENGELOLAAN KOLABORASI DAN SISTEM MANAJEMEN PEMBELAJARAN

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.

Perusahaan memerlukan cara untuk melacak dan mengelola pembelajaran karyawan dan mengintegrasikannya sepenuhnya ke dalam manajemen pengetahuan dan sistem perusahaan lainnya. Sistem manajemen pembelajaran (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 melakukan tiga peran penting yang penting bagi organisasi dan manajer yang bekerja di dalam organisasi:

·         Menjaga pengetahuan organisasi saat ini berkembang seperti di dunia luar - dalam teknologi, sains, pemikiran sosial, dan seni

·         Melayani sebagai 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

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.

CONTOH SISTEM KERJA PENGETAHUAN

Aplikasi kerja pengetahuan utama mencakup sistem CAD, sistem virtual reality untuk simulasi dan pemodelan, dan workstation keuangan. Computeraided design (CAD) mengotomatisasi penciptaan dan revisi desain, menggunakan komputer dan perangkat lunak grafis yang canggih. Dengan menggunakan metodologi perancangan fisik yang lebih tradisional, setiap modifikasi desain memerlukan cetakan yang harus dibuat dan prototipe untuk diuji secara fisik. Proses itu harus diulang berkali-kali, yang merupakan proses yang sangat mahal dan memakan waktu.

Sistem virtual reality memiliki kemampuan visualisasi, rendering, dan simulasi yang jauh melampaui sistem CAD konvensional. Mereka menggunakan perangkat lunak grafis interaktif untuk membuat simulasi yang dihasilkan komputer yang sangat dekat dengan kenyataan sehingga pengguna hampir yakin bahwa mereka berpartisipasi dalam situasi dunia nyata.

Augmented reality (AR) adalah teknologi terkait untuk meningkatkan visualisasi. AR menyediakan pandangan langsung langsung atau tidak langsung tentang lingkungan dunia nyata fisik yang elemennya diperkuat oleh citra buatan komputer virtual.

11.4 TEKNIK CERDAS

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 yang dibahas di bagian ini didasarkan pada teknologi kecerdasan buatan (artificial intelligence / AI), yang terdiri dari sistem berbasis komputer (perangkat keras dan perangkat lunak) yang mencoba meniru perilaku manusia.

MENGETAHUI PENGETAHUAN: SISTEM AHLI

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.

Bagaimana Sistem Pakar Bekerja

Pengetahuan manusia harus dimodelkan atau diwakili sedemikian rupa sehingga komputer bisa memprosesnya. Sistem pakar memodelkan pengetahuan manusia sebagai seperangkat aturan yang secara kolektif disebut basis pengetahuan.

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.

Contoh Sistem Pakar yang Sukses

Sistem pakar menyediakan beragam manfaat termasuk keputusan yang baik, mengurangi kesalahan, mengurangi biaya, mengurangi waktu pelatihan, dan tingkat kualitas dan layanan yang lebih tinggi.

KECERDASAAN ORGANISASI : PENALARAN BERBASIS KASUS

Dalam kasus berbasis penalaran (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.

SISTEM LOGIKA FUZZY

Logika fuzzy adalah teknologi berbasis aturan yang dapat mewakili ketidaktepatan seperti itu 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.

Manajemen juga telah menemukan logika fuzzy yang berguna untuk pengambilan keputusan dan pengendalian organisasi. Perusahaan Wall Street menciptakan sebuah sistem yang memilih perusahaan untuk akuisisi potensial, dengan menggunakan pemahaman pedagang bahasa. Sistem logika fuzzy telah dikembangkan untuk mendeteksi kemungkinan kecurangan dalam klaim medis yang diajukan oleh penyedia layanan kesehatan di manapun di Amerika Serikat.

JARINGAN SYARAF TIRUAN

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.

Sesi Interaktif pada Organisasi menggambarkan aplikasi perdagangan saham terkomputerisasi berdasarkan teknologi AI terkait yang disebut pembelajaran mesin. Pembelajaran mesin berfokus pada algoritma dan metode statistik yang memungkinkan komputer "belajar" dengan mengekstraksi aturan dan pola dari kumpulan data masif dan membuat prediksi tentang masa depan.

ALGORITMA GENETIKA

Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu dengan memeriksa sejumlah besar kemungkinan solusi untuk masalah itu. 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.

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 hibrida hibrida.

AGEN CERDAS

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. Ada banyak aplikasi agen cerdas saat ini di sistem operasi, perangkat lunak aplikasi, sistem e-mail, perangkat lunak komputasi mobile, dan alat jaringan. Misalnya, penyihir yang ditemukan di perangkat lunak Microsoft Office memiliki kemampuan builtin untuk menunjukkan kepada pengguna bagaimana menyelesaikan berbagai tugas, seperti memformat dokumen atau membuat grafik, dan untuk mengantisipasi kapan pengguna memerlukan bantuan.

 Sumber : Management Information Systems. 12th edition. Kenneth C. Laudon and Jane P. Laudon.