Apa itu pencarian kognitif?
Pencarian kognitif adalah teknologi mesin pencari yang menggunakan kecerdasan buatan (AI) untuk dengan cepat menemukan hasil pencarian yang relevan dan akurat untuk berbagai tipe kueri. Korporasi modern menyimpan informasi yang luas—seperti manual, FAQ, laporan penelitian, panduan layanan pelanggan, dan dokumentasi sumber daya manusia—di berbagai sistem. Teknologi pencarian kognitif memindai basis data informasi yang berbeda dalam jumlah besar dan menghubungkan data untuk menemukan jawaban atas berbagai pertanyaan pengguna. Misalnya, Anda dapat mengajukan pertanyaan seperti, “Berapa biaya yang dihabiskan untuk perbaikan mesin pada tahun lalu?” Kemudian, pencarian kognitif memetakan pertanyaan ke dokumen yang relevan dan mengembalikan jawaban spesifik.
Apa saja manfaat dari pencarian kognitif?
Pencarian kognitif memiliki banyak manfaat yang menjadikannya teknologi mesin pencari yang berguna. Keuntungan berikut adalah beberapa manfaat utama dari pencarian kognitif.
Memahami bahasa alami
Layanan pencarian kognitif akan memunculkan hasil yang lebih tepat tanpa banyak spesifikasi dari pengguna. Layanan ini dapat memunculkan hasil pencarian yang tepat dengan mempertimbangkan banyak sumber dan merayap melalui data terstruktur serta tidak terstruktur. Teknologi mesin pencari kognitif juga dapat memahami konteks saat mengembalikan hasil. Teknologi ini menggunakan pemrosesan bahasa alami (NLP) untuk menentukan konteks, pola, dan makna dari bahasa manusia.
Meningkatkan produktivitas
Pencarian kognitif menggabungkan informasi dari berbagai sumber data dan menghasilkan respons komprehensif sebagai output. Dalam pencarian kata kunci tradisional, Anda harus menemukan semua informasi yang diperlukan di beberapa halaman. Kemudian, Anda membaca, menganalisis, dan meringkas informasi itu sendiri.
Sebaliknya, dengan teknologi ini, Anda dapat menggunakan fungsi pencarian komprehensif untuk mendapatkan jawaban dari banyak dokumen sekaligus. Anda mendapatkan akses ke data yang dibutuhkan dengan lebih cepat. Hal ini dapat meningkatkan produktivitas dan menyederhanakan proses bisnis terkait data di seluruh organisasi Anda.
Mempersonalisasi hasil pencarian
Pencarian kognitif menggunakan machine learning (ML), yang mempersonalisasi hasil untuk pengguna dari waktu ke waktu. Alih-alih terus menghasilkan output informasi yang sama, pencarian kognitif akan mengumpulkan data dan pola pencarian saat digunakan. Dengan merekam hasil yang kemungkinan akan diklik oleh pengguna setelah kueri awal, pencarian kognitif akan meningkatkan dan memunculkan hasil yang sangat relevan dengan lebih cepat. Seiring waktu, pencarian kognitif menjadi lebih pintar, tepat, dan berguna.
Apa saja kasus penggunaan pencarian kognitif?
Pencarian kognitif menggunakan pemrosesan bahasa alami dan teknologi kecerdasan buatan lain untuk menghadirkan pencarian tepat. Berikut merupakan beberapa langkah yang digunakan oleh pencarian kognitif.
Penyerapan Data
Pencarian kognitif terlebih dahulu membutuhkan informasi yang akan dicari. Teknologi ini dapat menyerap data dari dokumen, situs web, email, repositori internal, manual, dan informasi lain yang ingin Anda gunakan. Pencarian kognitif akan mengekstrasi informasi dari sumber daya menggunakan teknik ekstraksi seperti pengenalan karakter optik (OCR), pengenalan entitas, dan teknik NLP.
Tujuan proses ekstraksi adalah agar pencarian kognitif dapat memahami informasi layaknya manusia, lalu membuat katalog konten.
Pengindeksan data
Setelah penyerapan data, pencarian kognitif membuat indeks yang dapat dicari atas semua informasi yang diekstraksi yang telah Anda berikan. Pencarian kognitif tidak terbatas pada penggunaan kata kunci untuk menandai data. Lebih jauh lagi, teknologi ini menggunakan metadata, hubungan antardata, dan informasi tambahan untuk membuat katalog semua informasi secara efektif.
Saat pengguna mencari sesuatu, pencarian kognitif menggunakan indeks ini untuk menemukan informasi yang relevan dengan lebih cepat.
Input pengguna
Saat pengguna menulis kueri, pencarian kognitif akan menggunakan NLP untuk menguraikan dan memahami kueri tersebut. Dalam pencarian kata kunci tradisional, mesin pencari akan mengenali kata kunci dan menghasilkan data yang selaras dengan kata kunci tersebut.
Sebaliknya, pencarian kognitif akan mencoba memahami konteks penuh kueri, serta faktor pengguna personal seperti preferensi mereka. Pencarian kognitif menggabungkan teknik NLP seperti analisis token dan analisis semantik untuk memahami hal-hal yang ingin pengguna peroleh dari pencarian yang dilakukan.
Pencarian dan pengambilan
Dengan kueri pengguna, pencarian kognitif selanjutnya melakukan pemindaian dalam indeks datanya dan mencari informasi yang relevan dalam repositorinya. Pencarian kognitif memeriksa dalam indeks, mencari tetangga terdekat (nearest neighbor), dan memfilter hasil lapis demi lapis. Setiap hasil yang relevan diberikan skor relevansi. Pencarian kognitif menampilkan informasi yang paling relevan dengan menyortir hasil berdasarkan skor.
Peningkatan berkelanjutan
Pengguna dapat menambahkan filter atau spesifikasi tambahan saat menggunakan pencarian kognitif untuk membantu memunculkan hasil yang lebih spesifik. Pencarian kognitif menyempurnakan pendekatannya terhadap kueri berdasarkan interaksi sebelumnya.
Misalnya, pencarian kognitif merekam pencarian pengguna dan urutan kueri pencarian mereka. Jika pengguna biasanya mengajukan pertanyaan tertentu setelah membuat kueri, pencarian kognitif juga akan secara proaktif menyertakan informasi tentang pertanyaan susulan tersebut.
Seiring waktu, pencarian kognitif juga akan belajar lebih banyak tentang sentimen dan makna di balik kueri pencarian pengguna. Hal ini dapat meningkatkan respons langsungnya terhadap kueri.
Misalnya, saat seseorang mengajukan pertanyaan spesifik, pencarian kognitif akan memberikan jawaban spesifik. Atau, mengajukan pertanyaan yang lebih umum juga akan menghasilkan respons yang lebih panjang. Dengan secara berkelanjutan merekam interaksi dan belajar hal tersebut, pencarian kognitif dapat memunculkan hasil yang lebih tepat dan memberikan informasi yang lebih relevan dari waktu ke waktu.
Bagaimana cara kerja pencarian kognitif?
Berikut adalah beberapa peluang Anda untuk memanfaatkan pencarian kognitif.
Pengalaman pencarian terpadu
Anda dapat menggunakan pencarian kognitif untuk membuat pengalaman pencarian terpadu. Karena pencarian ini menggunakan pemrosesan bahasa alami, Anda bisa mendapatkan respons yang sangat mendetail dan akurat dengan menarik informasi dari beberapa repositori data yang tidak terstruktur dan terstruktur. Dengan menggunakan beberapa sumber dan jenis data, Anda dapat membuat keputusan berbasis data dengan lebih mudah.
Misalnya, perusahaan bioteknologi Gilead Sciences, Inc. menggunakan AWS untuk pencarian kognitif. Perusahaan ini menggunakan teknologi untuk mengatur data terstruktur dan tidak terstruktur. Informasi tersebut bersumber dari maksimal sembilan sistem dan dokumen korporasi dari repositori pengetahuan.
Pencarian kognitif telah secara substansial mengurangi tugas manajemen data manual untuk Gilead. Jumlah waktu pencarian yang diperlukan sekitar 50 persen. Hal ini telah mendorong penelitian, eksperimen, dan terobosan farmasi yang berharga.
Bot mandiri
Anda dapat menggunakan solusi pencarian kognitif di bot mandiri, yang akan membantu meningkatkan dukungan pelanggan di tempat. Pengguna yang ingin tahu cara melakukan tugas atau fungsi tertentu dapat mengetik dalam bahasa manusia untuk mendapatkan respons kustom. Pencarian kognitif mendukung penemuan pengetahuan dengan menarik informasi dari berbagai manual, dokumen pendukung, dan sumber daya.
Misalnya, Citibot menggunakan AWS untuk menyediakan alat komunikasi bagi warga negara serta pemerintah daerah dan negara bagian mereka. Citibot mengintegrasikan teknologi chatbot dengan pencarian kognitif untuk meningkatkan skalabilitas dan efektivitas keterlibatan dengan konstituen. Warga dapat menemukan jawaban yang mereka cari secara cepat menggunakan chatbot, sehingga mengurangi waktu tunggu hingga 90 persen.
Pencarian arsip data
Banyak organisasi memiliki penyimpanan data historis dengan jutaan dokumen, gambar, dan file teks yang ditranskripsi. Pencarian kognitif dapat membuka kunci informasi dalam penyimpanan data dan merangkumnya untuk analisis dan penelitian.
Misalnya, The Wall Street Journal menggunakan AWS untuk pencarian kognitif. Pencarian kognitif membantu mempercepat pengembangan Talk2020. Talk2020 adalah alat pencarian cerdas yang membantu para pembaca publikasi agar dapat secara cepat mencari dan menganalisis pernyataan publik yang dibuat oleh para calon presiden selama 30 tahun. Teknologi ini memudahkan penyelidikan masalah secara mendalam dari waktu ke waktu dengan mengeksplorasi pola bicara dan melakukan analisis teks.
Orientasi karyawan
Pencarian kognitif membantu semua tugas mandiri yang perlu dilakukan karyawan, seperti orientasi atau mempelajari keterampilan baru. Pencarian ini bertindak sebagai referensi silang bagi para karyawan. Alih-alih harus menghubungi manajer untuk menjelaskan cara melakukan sesuatu, mereka dapat bertanya pada pencarian kognitif. Penggunaan ini membantu merampingkan tugas mandiri dan meningkatkan produktivitas.
Misalnya, Workgrid Software menggunakan AWS untuk menghadirkan solusi perangkat lunak dalam platform pengalaman karyawan. Hal ini membuat pekerjaan mereka jadi lebih terhubung, efisien, dan produktif. Melalui pencarian kognitif, para karyawan dapat mengueri konten digital dalam basis data organisasi. Dengan demikian, mereka akan dapat menemukan jawaban atas pertanyaan apa pun yang muncul saat bekerja.
Bagaimana AI generatif meningkatkan pencarian kognitif?
Kecerdasan buatan generatif (AI generatif) adalah tipe AI yang dapat membuat konten dan ide baru, termasuk percakapan, cerita, gambar, video, dan musik. AI generatif membantu menyederhanakan pencarian kognitif, memahami maksud pengguna dengan lebih baik, dan meningkatkan respons secara keseluruhan. Berikutnya, kami akan berikan beberapa contoh.
Analisis konteks
Banyak alat AI generatif yang menggunakan model machine learning berbasis transformator. Model-model ini memiliki jaringan neural untuk menganalisis data tekstual guna memahami maknanya.
Model AI berbasis transformator berguna untuk pemrosesan dan pemahaman bahasa alami. Karena mempertimbangkan pengguna, konteks data, dan maksud pengguna, model ini dapat lebih memahami tujuan sebenarnya di balik suatu kueri. Dengan pemahaman kueri yang lebih baik, pencarian kognitif dapat menemukan dan selanjutnya mengembalikan informasi yang lebih tepat.
Ringkasan hasil
AI generatif dapat meringkas teks yang lebih panjang menjadi segmen-segmen yang lebih kecil. Pencarian kognitif dapat menemukan bagian yang paling relevan secara semantik dari beragam dokumen. Selanjutnya, pencarian kognitif dapat menggunakan AI generatif untuk menggabungkannya dan mengembalikan hasil yang ingin dilihat oleh pengguna. AI generatif juga dapat memaksimalkan kualitas hasil dengan memahami teks yang dikembalikannya dan menghapus setiap redundansi.
Pemfilteran konten
AI generatif dapat memfilter hasil pencarian kognitif dengan berbagai parameter yang berbeda, termasuk otorisasi pengguna, relevansi kueri, dan preferensi pengguna. Saat membuat teks hasil, AI generatif dapat memastikan untuk hanya menggunakan sumber daya yang otorisasi aksesnya dimiliki oleh pengguna. Hasil akan tetap relevan dan berguna tanpa mempertaruhkan keamanan.
Bagaimana AWS dapat meningkatkan solusi pencarian korporasi kognitif Anda?
Amazon Web Services (AWS) menawarkan Amazon Kendra sebagai solusi pencarian kognitif.
Amazon Kendra adalah layanan pencarian kognitif terkelola penuh yang sangat akurat dan mudah digunakan serta didukung oleh machine learning. Developer dapat menggunakannya untuk menambahkan kemampuan pencarian ke aplikasi Anda. Dengan layanan ini, pengguna akhir dapat menemukan informasi relevan yang disimpan dalam konten dengan jumlah besar yang tersebar di seluruh perusahaan Anda.
Berikut adalah beberapa cara untuk memanfaatkan Amazon Kendra:
- Mendapatkan pengalaman pencarian yang terpadu di repositori konten terstruktur dan tidak terstruktur
- Memberikan respons kueri menggunakan alat yang didukung ML
- Mengakses kemampuan pemeringkatan jawaban yang terkelola sepenuhnya yang akan membantu meningkatkan akurasi jawaban
- Menyempurnakan respons berdasarkan kriteria spesifik Anda sendiri, serta atribut lain seperti perilaku pengguna dan kesegaran konten
Mulai menggunakan pencarian kognitif di AWS dengan membuat akun sekarang juga.
