Tim peneliti Universitas Airlangga (UNAIR) memperkenalkan metode berbasis kecerdasan buatan (AI) yang mampu membantu tim pengembang software menemukan ide fitur perangkat lunak yang kreatif serta lebih cepat dan terstruktur dibandingkan sesi brainstorming konvensional. Intinya, AI memanfaatkan “informasi layanan” (service registry) lintas-domain untuk meracik alternatif solusi yang tetap relevan dengan kebutuhan, namun lebih segar dan tak terpikir sebelumnya. Temuan ini memberi cara baru memperkaya proses rekayasa kebutuhan (requirements engineering) dengan waktu dan sumber daya terbatas.
Bagaimana cara kerjanya? Proses terdiri dari dua fase. Fase pertama mengkonstruksi “sumber daya kreativitas” dengan mengelompokkan deskripsi layanan menggunakan TF–IDF, cosine similarity, dan K-medoid, lalu mengekstrak “kapabilitas layanan” (pola kerja kata: verba + nomina) secara otomatis menggunakan dependency parsing (Universal/Stanford Dependencies). Fase kedua mencocokkan kebutuhan awal pengembang dengan basis pengetahuan yang telah dikonstruksi menggunakan kemiripan semantik (termasuk Wu-Palmer) dan tiga teknik kreativitas terstruktur, yaitu eksplorasi (analogi lintas domain), transformasi (melonggarkan batasan), dan kombinasi (mencampur unsur baru), untuk menghasilkan alternatif solusi yang layak dipertimbangkan.
Keunggulannya terletak pada skala dan kecepatan. Pada uji kelayakan, peneliti memanfaatkan data layanan dari ProgrammableWeb, mengolah lebih dari 10.000 layanan dari 10 domain, dan berhasil mengekstrak kapabilitas fungsional pada 98,8% deskripsi untuk menciptakan bank ide lintas-domain yang siap digunakan kapan saja selama pengembangan software. Dengan bank ide ini, sistem dapat “menawarkan” alternatif fitur yang mencapai tujuan sama, tetapi lewat pendekatan yang berbeda dan berpotensi lebih kreatif.
Kualitas hasilnya diuji dan dibandingkan brainstorming. Dalam eksperimen dengan tujuh partisipan, rata-rata skor total kreativitas brainstorming sedikit lebih tinggi (14,86) daripada AI (13,57). Namun, AI unggul pada aspek orisinalitas dan dapat menghasilkan ide-ide alternatif secara instan tanpa perlu beberapa putaran diskusi sebagaimana terjadi pada brainstorming. Pada studi kasus alur “order processing,” misalnya, AI merekomendasikan untuk mengganti “Create order” menjadi “Offer order”, di mana AI mengarahkan perusahaan untuk menawarkan pesanan ke beberapa pemasok sekaligus sesuai harga target, bukan langsung memesan ke satu pemasok. Arahan ini dinilai lebih kreatif, relevan, dan berguna.
Implikasinya, metode ini dapat diintegrasikan ke alat dan proses pengembangan yang sudah ada, misalnya sebagai antarmuka mandiri atau plugin di platform requirements/IDE, untuk membantu tim pengembang software menilai alternatif fitur dari sisi kebaruan, keterkejutan, dan kegunaan sebelum memutuskan mana yang paling cocok dengan konteks proyek. Di luar rekayasa perangkat lunak, pendekatan yang sama berpotensi diterapkan pada perancangan produk, pemasaran, hingga inovasi model bisnis, selama tersedia “komponen” pengetahuan terstruktur untuk direkombinasi. Peneliti juga mencatat adanya keterbatasan pada mutu/kelengkapan deskripsi layanan. Riset lanjutan akan difokuskan pada peningkatan keragaman dan kualitas solusi serta penerapan ke tahap pengembangan berikutnya (prototyping dan testing).
Penulis: Faisal Fahmi (koresponden, Unair), Feng-Jian Wang (National Yang-Ming Chiao-Tung University), dan Hema Subramaniam (Universiti Malaya)
Artikel selengkapnya: “AI-driven creativity in software development using services information” ini terbit di IAES International Journal of Artificial Intelligence (IJ-AI), Vol. 14, No. 6, Desember 2025.
