Kecerdasan buatan dalam arsip dan manajemen dokumen

Informatec Digital » Sumber daya » Kecerdasan buatan dalam arsip dan manajemen dokumen

Kecerdasan buatan yang diterapkan pada manajemen file dan dokumen berbasis cloud secara fundamental mengubah cara kita bekerja dengan file, catatan sejarah, dokumentasi administratif, dan semua jenis catatan. Ratusan atau ribuan dokumen dibuat setiap hari di perusahaan, universitas, dan administrasi publik, dan tanpa sistem yang baik, dokumen-dokumen tersebut dapat dengan mudah menjadi berantakan dan sulit digunakan.

Yang menarik adalah, berkat AI, dokumen-dokumen ini tidak lagi hanya menjadi file yang tersimpan, tetapi menjadi sumber informasi aktif untuk pengambilan keputusan . Teknologi seperti pengenalan karakter optik, pemrosesan bahasa alami, dan pembelajaran mesin memungkinkan pencarian konten yang lebih baik, otomatisasi tugas-tugas yang membosankan, dan akses ke file bagi khalayak yang jauh lebih luas.

Ilmu kearsipan di era kecerdasan buatan

Ilmu kearsipan, yang dipahami sebagai disiplin ilmu yang menangani pengelolaan siklus hidup dokumen secara lengkap (pembuatan, pengorganisasian, pelestarian jangka panjang, dan akses), telah secara progresif menggabungkan ilmu komputer dan kini mengalami lompatan kualitatif dengan AI. Ini bukan hanya tentang digitalisasi, tetapi tentang benar-benar memanfaatkan isi dokumen.

Dalam beberapa tahun terakhir, studi sistematis telah diterbitkan yang meninjau dampak AI pada arsip , menganalisis literatur akademis dalam basis data seperti Scopus, SciELO, LISA, dan Google Scholar menggunakan metodologi seperti PICOC dan PRISMA. Studi-studi ini mengungkapkan bahwa, meskipun masih ada kurangnya kesadaran di antara banyak profesional, aplikasi praktisnya sudah sangat nyata.

Di antara kontribusi paling nyata dari kecerdasan buatan terhadap ilmu kearsipan adalah pelestarian digital yang dibantu, pembuatan metadata otomatis, dan pengenalan teks tulisan tangan (HTR) . Hal ini dilengkapi dengan aplikasi pembelajaran mesin dan pemrosesan bahasa alami yang meningkatkan pencarian dan pengambilan informasi, sehingga mendorong akses yang lebih demokratis ke koleksi arsip.

Meskipun AI berkembang pesat, tidak semua institusi sepenuhnya memanfaatkan potensinya . Banyak arsip masih menggunakan prosedur yang sangat manual, baik karena kurangnya sumber daya, kurangnya kesadaran akan alat yang tersedia, atau keengganan untuk mengubah proses mereka dan mematuhi standar ISO 27000.

Observatorium Kecerdasan Buatan di Arsip

Dalam konteks Spanyol, Observatorium Kecerdasan Buatan dalam Arsip menonjol , sebuah kelompok kerja yang terdiri dari para profesional dari berbagai komunitas dan organisasi otonom yang secara cermat memantau bagaimana AI diterapkan di bidang ini dan mempromosikan praktik-praktik terbaik.

Observatorium ini terdiri dari para spesialis dari Wilayah Murcia, Universitas Santiago de Compostela, Komunitas Valencia, Kepulauan Balearic, Dewan Kota Sant Cugat del Vallès, Komunitas Madrid, Komunitas Navarre, Catalonia, Negara Basque, Castile dan León, Direktorat Jenderal Arsip Negara, dan entitas lainnya . Keragaman teritorial dan organisasi ini memungkinkan perspektif yang sangat luas tentang kebutuhan dan proyek.

Kelompok ini dikoordinasikan oleh Désirée Domínguez Pallas, direktur Arsip Universitas Santiago de Compostela , yang mempromosikan pertukaran pengalaman dan refleksi tentang tantangan teknis, etis, dan organisasi yang terkait dengan penggunaan sistem cerdas dalam pengelolaan arsip.

Inisiatif-inisiatif semacam ini mendorong adopsi AI bukan secara terisolasi dan tidak terorganisir, melainkan melalui berbagi kriteria teknis, contoh dunia nyata, dan garis kerja bersama , yang sangat penting bagi arsip publik untuk bergerak maju secara koheren.

Konsep AI utama dalam manajemen dokumen

Ketika kita berbicara tentang kecerdasan buatan yang diterapkan pada dokumen dan file, beberapa teknologi berperan yang, jika digabungkan, memungkinkan kita untuk membaca, memahami, mengklasifikasikan, dan memanfaatkan informasi yang terkandung dalam dokumen tersebut . Yang utama adalah OCR, pemrosesan bahasa alami, dan pembelajaran mesin, serta mesin pencari seperti Elasticsearch.

Pengenalan Karakter Optik (OCR) mengubah gambar dokumen (pindai, foto, PDF yang dihasilkan dari gambar) menjadi teks digital yang dapat diedit dan diproses. Mesin OCR saat ini mampu bekerja dengan font yang kompleks dan bahkan beberapa jenis tulisan tangan, membuka peluang untuk memproses koleksi historis yang besar.

Pemrosesan Bahasa Alami (Natural Language Processing/NLP) memungkinkan mesin untuk menganalisis dan memahami bahasa manusia. Dengan teknik ini, dimungkinkan untuk meningkatkan pencarian, mengekstrak entitas (orang, tempat, tanggal), meringkas dokumen, menerjemahkan teks, dan menghasilkan deskripsi otomatis, di antara banyak fungsi lainnya.

Di sisi lain, pembelajaran mesin didasarkan pada model yang belajar dari contoh. Di bidang kearsipan, hal ini memungkinkan pelatihan sistem yang membedakan jenis dokumen, mendeteksi pola dalam data, atau memprediksi seri mana suatu dokumen termasuk berdasarkan isinya, dengan belajar dari koleksi yang telah diklasifikasikan oleh para profesional dan disimpan dalam berbagai jenis basis data.

Banyak solusi juga menggabungkan visi komputer , yang menganalisis gambar lebih dari sekadar teks. Ini sangat berguna untuk mengelola foto-foto bersejarah, denah, gambar teknik, atau dokumen lama yang dipindai dengan kualitas rendah, di mana perlu untuk mengidentifikasi area yang menarik sebelum menerapkan teknik lain.

Cara kerja sistem manajemen dokumen bertenaga AI

Dalam operasional sehari-hari, sistem manajemen dokumen modern dengan kecerdasan buatan biasanya dimulai dengan fase digitalisasi dan pengambilan data . Meskipun sebagian besar produksi dokumen saat ini lahir secara digital, masih ada sejumlah besar dokumen kertas dan hasil pindaian yang perlu diproses oleh OCR (Optical Character Recognition) tingkat lanjut.

Dokumen tercetak atau gambar PDF dikirim ke perangkat lunak OCR yang mengenali teks dan mengubahnya menjadi konten yang dapat diindeks . Banyak mesin fotokopi modern sudah menyertakan jenis mesin ini, dan ada juga solusi khusus untuk pemindaian volume tinggi.

Setelah konten diubah menjadi teks, NLP (Natural Language Processing) dan model pembelajaran mesin mulai berperan . Model-model ini menganalisis dokumen, mengidentifikasi subjeknya, mengekstrak data kunci (misalnya, nama, nomor file, tanggal, jumlah), dan mengklasifikasikannya dalam skema klasifikasi organisasi atau sistem manajemen dokumen.

Dengan informasi tersebut, sistem dapat secara otomatis menetapkan metadata, menyarankan rangkaian dokumen, menghubungkan dokumen satu sama lain, dan memfasilitasi pencarian yang jauh lebih kaya , menggabungkan istilah bebas, filter berdasarkan tanggal, jenis, subjek, atau tempat.

Nilai tambah yang besar adalah bahwa sistem ini belajar seiring penggunaan : ketika staf arsip mengoreksi, memvalidasi, atau menyesuaikan usulan klasifikasi, model-model tersebut meningkatkan akurasinya dan menawarkan hasil yang lebih sesuai dengan konteks setiap arsip atau institusi.

Aplikasi praktis AI dalam manajemen file

Dalam praktiknya, AI dapat ikut campur dalam hampir setiap fase manajemen dokumen, membantu mengurangi pekerjaan berulang, meminimalkan kesalahan, dan memanfaatkan dokumen sebagai sumber informasi strategis . Beberapa penggunaan sangat penting di sektor publik dan swasta.

Salah satu yang paling umum adalah klasifikasi dokumen otomatis berdasarkan isi, jenis, atau format. Alih-alih memberi label setiap dokumen secara manual, sistem menyarankan atau menetapkan kategori, seri, atau berkas, yang sangat mempercepat proses dan mempermudah kepatuhan terhadap peraturan.

AI juga digunakan untuk mengekstrak informasi yang relevan , seperti nama orang, alamat, tanggal, referensi peraturan, atau nomor berkas. Informasi ini kemudian disimpan dalam basis data atau dasbor untuk memfasilitasi konsultasi dan analisis lebih lanjut.

Aplikasi lain yang jelas adalah pembuatan ringkasan dan laporan secara otomatis dari kumpulan dokumen yang besar. Alat berbasis bahasa, seperti beberapa asisten percakapan atau layanan tipe ChatPDF, dapat mensintesis poin-poin penting dari sebuah file, kontrak, atau kumpulan laporan hampir secara instan.

Pencarian dokumen tingkat lanjut adalah area lain di mana lompatan kualitatif terlihat jelas. Mesin pencari internal yang didukung oleh AI memungkinkan pengguna untuk menemukan informasi bahkan jika mereka tidak mengingat judul dokumen yang tepat atau menggunakan kata-kata yang berbeda dari yang ada dalam teks asli, berkat pencarian semantik yang jauh lebih dekat dengan bahasa alami.

Di sektor-sektor yang diatur, banyak organisasi menggunakan AI untuk memperkuat kepatuhan terhadap peraturan dan mendeteksi informasi sensitif . Sistem dapat mengidentifikasi data pribadi, informasi rahasia, periode penyimpanan, atau lisensi yang hampir kedaluwarsa, sehingga membantu mencegah ketidakpatuhan dan mengelola risiko dengan lebih baik.

Secara paralel, muncul gagasan tentang arsip cerdas yang dibantu , di mana sistem tidak hanya menyimpan dan mengatur, tetapi juga membantu mempersiapkan dokumen, presentasi, atau jawaban, secara otomatis menemukan informasi yang paling relevan untuk setiap kasus penggunaan.

Model dan platform AI untuk dokumen

Ekosistem perangkat yang digunakan dalam manajemen dokumen berkisar dari mesin yang sangat khusus hingga model bahasa mutakhir . Masing-masing mencakup sebagian dari proses, dan bersama-sama mereka membentuk solusi yang sangat ampuh.

Di bidang OCR, salah satu mesin yang paling terkenal adalah Tesseract , sebuah proyek sumber terbuka yang banyak digunakan untuk mengkonversi gambar menjadi teks. Banyak solusi komersial mengintegrasikannya atau mengandalkan teknologi serupa yang diadaptasi untuk manuskrip dan dokumen sejarah.

Untuk pemrosesan bahasa alami, model seperti BERT dan berbagai keluarga GPT telah menjadi terobosan besar, memungkinkan pemahaman kontekstual teks yang jauh lebih mendekati cara manusia membaca. Model-model ini digunakan untuk mengklasifikasikan dokumen, menghasilkan ringkasan, mengekstrak entitas, dan menjawab pertanyaan tentang konten.

Selain itu, banyak organisasi memilih untuk melatih model pembelajaran mesin khusus menggunakan dokumentasi mereka sendiri. Hal ini memungkinkan mereka untuk beradaptasi dengan terminologi, struktur organisasi, dan peraturan internal mereka, mencapai tingkat akurasi dalam klasifikasi atau deteksi pola yang tidak mungkin dicapai dengan model generik.

Landasan teknologi ini digunakan untuk membangun solusi terintegrasi yang mencakup sistem manajemen dokumen, alur kerja, audit, tanda tangan elektronik, dan alat kolaborasi , semuanya terhubung dengan kemampuan analitik dan kecerdasan buatan.

Solusi manajemen dokumen yang menggabungkan AI

Ragam pilihan yang tersedia mulai dari perusahaan teknologi raksasa hingga proyek perangkat lunak sumber terbuka, dan proposal-proposal tersebut bertujuan untuk meningkatkan cara organisasi mengelola file mereka.

Perusahaan seperti Google dan IBM , dengan platform seperti Google Cloud dan Watson, menawarkan layanan klasifikasi, analisis, dan ekstraksi data yang dapat diintegrasikan ke dalam sistem manajemen dokumen yang sudah ada. Selain itu, perusahaan yang berfokus pada otomatisasi proses, seperti UiPath dan Automation Anywhere, telah menciptakan robot perangkat lunak yang mampu mengelola seluruh alur kerja dokumen.

Di antara solusi yang secara khusus ditujukan untuk manajemen dokumen , OpenKM menonjol sebagai pengelola dokumen sumber terbuka yang menggabungkan klasifikasi cerdas, ekstraksi metadata, dan pencarian semantik berbasis AI. Sifat sumber terbukanya memungkinkan tingkat kustomisasi dan adaptasi yang tinggi terhadap kebutuhan setiap organisasi.

Alat relevan lainnya adalah R2 Docuo , yang ditujukan untuk manajemen dokumen dan alur kerja. Platform ini menjanjikan pengurangan signifikan dalam upaya pembuatan, pengendalian, sirkulasi, dan penandatanganan dokumen, dengan mengotomatiskan semuanya mulai dari pembuatan templat hingga persetujuan dan pengarsipan akhir.

Dalam ranah perangkat lunak sumber terbuka untuk perusahaan, Alfresco telah memantapkan dirinya sebagai pilihan terdepan untuk manajemen konten dan file. Alfresco memungkinkan kustomisasi proses, penambahan modul, dan integrasi dengan layanan AI eksternal, menjadikannya fondasi yang fleksibel untuk membangun proyek-proyek ambisius di lembaga-lembaga besar.

Google Document AI dan pemrosesan dokumen cerdas

Salah satu contoh paling jelas dari platform khusus adalah Google Document AI , layanan berbasis cloud yang dirancang untuk mengotomatiskan klasifikasi, ekstraksi, dan analisis dokumen dalam skala besar. Layanan ini ditujukan untuk perusahaan swasta dan organisasi publik yang menangani volume formulir, faktur, file, atau kontrak yang besar.

Document AI menggabungkan pembelajaran mesin, NLP, dan visi komputer untuk mengidentifikasi bidang-bidang yang relevan dalam setiap dokumen, terlepas dari apakah dokumen tersebut berasal dari hasil pemindaian, PDF, atau tangkapan layar. AI ini dapat mempelajari format dokumen umum dalam industri tertentu dan menggunakan kembali pengetahuan tersebut untuk aplikasi baru.

Karena tersedia sebagai layanan cloud, jenis solusi ini sangat menarik bagi organisasi yang perlu meningkatkan kapasitas pemrosesan mereka dengan cepat tanpa harus berinvestasi pada perangkat keras sendiri atau memelihara infrastruktur yang kompleks.

Hasilnya, banyak tugas yang sebelumnya membutuhkan waktu berjam-jam untuk peninjauan manual dapat diselesaikan dalam hitungan menit, dengan tim manusia yang dikhususkan untuk validasi dan pengambilan keputusan yang bernilai tambah lebih tinggi, alih-alih memasukkan data.

Penerapan AI dalam Administrasi Publik

Lembaga-lembaga pemerintahan menemukan sekutu dalam kecerdasan buatan untuk mengelola dokumentasi secara lebih efisien dan transparan . Mulai dari dewan kota hingga kementerian, semakin banyak proyek yang menggabungkan klasifikasi otomatis, analisis berkas, dan sistem pencarian canggih.

Banyak pemerintah daerah dan regional menerapkan sistem manajemen dokumen berbasis AI untuk mengatur file elektronik, mempercepat prosedur dengan menandatangani dokumen secara digital , dan meningkatkan akses warga terhadap informasi publik . Hal ini mengurangi waktu respons dan mempermudah pengendalian internal prosedur.

Contoh konkretnya adalah penggunaan Alfresco di Dewan Kota Tomelloso untuk mengelola dan berbagi dokumentasi internal. Meskipun potensi penuhnya belum dimanfaatkan, berbagai inisiatif telah diluncurkan untuk berbagi pengetahuan, seperti menyimpan kursus pelatihan yang dapat diakses oleh semua staf, sehingga meletakkan dasar bagi arsip digital yang dinamis.

Sistem AI juga digunakan untuk mendeteksi pola dalam dokumentasi yang mungkin menunjukkan ketidakberaturan, inefisiensi, atau kebutuhan akan peninjauan kebijakan publik, sehingga membantu memandu keputusan strategis pemerintah dengan lebih baik.

Selain itu, sektor publik menghadapi tantangan untuk menyelaraskan inovasi-inovasi ini dengan persyaratan hukum terkait perlindungan data, transparansi, dan pelestarian jangka panjang , sehingga peran arsiparis dan ahli hukum menjadi sangat penting dalam merancang dan mengimplementasikan solusi-solusi ini.

Proyek Carabela: AI untuk arsip tulisan tangan bersejarah

Di bidang warisan sejarah, AI membuka kemungkinan yang beberapa tahun lalu tampak seperti fiksi ilmiah. Contoh yang baik adalah Proyek Carabela , yang berfokus pada pengindeksan probabilistik koleksi manuskrip yang terkait dengan warisan sejarah bawah laut.

Proyek ini, yang dipromosikan oleh Institut Warisan Sejarah Andalusia melalui Pusat Arkeologi Bawah Airnya dan dipimpin oleh Pusat Penelitian Pengenalan Pola dan Teknologi Bahasa Manusia (PRHLT) dari Universitas Politeknik Valencia, menerapkan teknik pengenalan pola dan bahasa tingkat lanjut untuk menemukan dan menyelidiki dokumentasi tulisan tangan yang telah didigitalisasi.

Berkat AI, dimungkinkan untuk mengidentifikasi penyebutan, rute, kapal, atau peristiwa yang terkait dengan warisan bawah laut tanpa harus membaca ribuan halaman secara manual, sehingga melipatgandakan kemampuan tim peneliti untuk menemukan informasi yang relevan.

Proyek Carabela telah dipresentasikan dalam lokakarya khusus yang ditujukan untuk para peneliti dan profesional kearsipan , dengan fokus pada bagaimana teknik-teknik ini dapat diterapkan pada koleksi manuskrip bersejarah lainnya dan berfungsi sebagai model untuk proyek-proyek baru dalam bidang humaniora digital.

Implementasi inisiatif seperti Carabela menunjukkan bahwa kecerdasan buatan tidak hanya berfungsi untuk menyederhanakan prosedur administratif, tetapi juga mendorong penelitian sejarah dan pelestarian warisan budaya , membuka pertanyaan dan jalur studi baru.

Pelatihan, kursus dan pengakuan akademis

Penggabungan AI ke dalam ilmu kearsipan juga menghasilkan semakin banyak kursus, konferensi, dan publikasi akademis yang menganalisis dampaknya, berbagi pengalaman, dan mengeksplorasi penggunaan tingkat lanjut dalam berbagai konteks.

Kegiatan pelatihan diselenggarakan yang mencakup modul tentang tujuan, pembicara, profil mahasiswa, pengakuan kredit universitas, prosedur evaluasi, dan pilihan akomodasi , yang menunjukkan bahwa ini bukan lokakarya sekali saja, tetapi program dengan substansi akademis tertentu.

Secara paralel, jurnal-jurnal khusus di bidang ilmu perpustakaan, dokumentasi, dan ilmu kearsipan menerbitkan artikel-artikel yang secara sistematis meninjau literatur ilmiah terkini tentang AI dan arsip, menyoroti baik aplikasi yang paling mapan maupun kesenjangan pengetahuan yang masih perlu diisi.

Kombinasi antara pelatihan praktis dan produksi ilmiah ini membantu para arsiparis, dokumentalis, dan staf TI untuk berbicara dalam bahasa yang sama , yang sangat penting untuk merancang proyek-proyek yang realistis dan terfokus dengan baik di setiap institusi.

Selain itu, kursus daring yang berfokus pada peningkatan produktivitas dengan AI di bidang administrasi juga dipromosikan , yang menjelaskan secara terapan bagaimana alat-alat ini dapat diintegrasikan ke dalam operasional sehari-hari kantor, departemen, dan arsip.

Manajemen dokumen di cloud dan dampaknya pada arsip

Perluasan AI dalam pengarsipan terkait erat dengan pertumbuhan manajemen dokumen berbasis cloud . Banyak layanan berbasis pembelajaran mendalam membutuhkan daya komputasi yang signifikan, terutama dalam hal GPU, yang sulit dan mahal untuk dipelihara dalam infrastruktur on-premises tradisional.

Dengan model Software as a Service (SaaS), aplikasi manajemen dokumen dan mesin AI berada di server eksternal , memungkinkan organisasi untuk meningkatkan sumber daya sesuai kebutuhan, hanya membayar sesuai penggunaan, dan tidak perlu khawatir tentang pemeliharaan fisik peralatan.

Memang benar ada kekhawatiran tentang penyimpanan dokumen di server eksternal, yang terkadang berlokasi di luar negeri, tetapi keuntungannya dalam hal skalabilitas, keamanan, pencadangan, dan akses jarak jauh sangat jelas, asalkan penyedia yang dipilih mematuhi peraturan perlindungan data Eropa yang ketat.

Bagi departemen TI, pendekatan cloud ini berarti beban administrasi sistem yang lebih ringan , karena tidak perlu menginstal atau memperbarui perangkat lunak di setiap workstation, maupun menentukan ukuran perangkat keras untuk puncak penggunaan yang hanya terjadi sesekali.

Bagi arsip, komputasi awan membuka kemungkinan untuk menyediakan sejumlah besar dokumentasi digital kepada publik , yang dilengkapi dengan mesin pencari cerdas, tanpa infrastruktur internal menjadi hambatan.

Seluruh ekosistem observatorium, proyek penelitian, solusi komersial, dan platform cloud ini membentuk skenario di mana kecerdasan buatan menjadi alat sehari-hari bagi arsiparis dan pengelola catatan , bukan sekadar eksperimen terisolasi. Seiring para profesional semakin familiar dengan kemungkinan dan keterbatasannya, kasus penggunaan pun semakin banyak, yang meningkatkan produktivitas, memperluas akses informasi, dan memperkuat pelestarian warisan dokumenter untuk generasi mendatang. Lebih jauh lagi, mesin pencari dan teknik pencarian arsip itu sendiri membantu memaksimalkan nilai repositori digital.