Terjemahan selain bahasa Inggris di situs web ini didukung oleh AI. Kami tidak menjamin keakuratan dan tidak bertanggung jawab atas kesalahan atau kerusakan yang diakibatkan dari penggunaan konten terjemahan. Jika terdapat ketidakkonsistenan atau ambiguitas, versi bahasa Inggris yang akan berlaku.
Ruang Berita & Media
Blog GLEIF
Terjemahan selain bahasa Inggris di situs web ini didukung oleh AI. Kami tidak menjamin keakuratan dan tidak bertanggung jawab atas kesalahan atau kerusakan yang diakibatkan dari penggunaan konten terjemahan. Jika terdapat ketidakkonsistenan atau ambiguitas, versi bahasa Inggris yang akan berlaku.
Mengubah Data Menjadi Peluang: Metrik yang Dinamis – GLEIF AI
Data berkualitas tinggi lebih dari sekadar tolok ukur – data tersebut merupakan kebutuhan strategis untuk kepercayaan, Kepatuhan, dan interoperabilitas global. Dalam blog ini, Zornitsa Manolova, Kepala Manajemen Kualitas Data dan Ilmu Data di GLEIF, membahas bagaimana GLEIF AI Search yang baru memudahkan akses, pemahaman, dan penggunaan data identitas organisasi yang tepercaya.
Penulis: Zornitsa Manolova
Tanggal: 2026-05-08
Ditampilkan:
Kemampuan untuk mengakses dan mempercayai data organisasi berkualitas tinggi memungkinkan pengambilan keputusan yang lebih baik di seluruh ekonomi global. Inilah sebabnya mengapa GLEIF menerbitkan berbagai informasi tepercaya, mulai dari Indeks LEI Global, statistik, dan laporan hingga kebijakan Tata Kelola, berita, dan banyak lagi.
Namun, karena informasi tersebar di berbagai API, basis data, dokumen, dan halaman web, menavigasi titik masuk yang berbeda ini bisa menjadi sulit dan memakan waktu bagi beberapa pengguna yang mencari jawaban yang cepat dan andal.
Tantangan ini – serta peluang untuk membuat informasi tepercaya GLEIF lebih mudah diakses oleh solusi AI eksternal – memotivasi pengembangan GLEIF AI Search. Kemampuan baru ini mengubah cara pengguna berinteraksi dengan data yang kompleks dan tersebar luas dengan menggabungkan antarmuka percakapan dengan jalur pencarian terstruktur untuk merampingkan penemuan dan meningkatkan aksesibilitas.
Fitur ini juga menempatkan kepercayaan sebagai prioritas utama, dengan memberikan jawaban yang jelas dan bersumber dengan baik yang dapat diandalkan oleh pengguna. Temuan dari jajak pendapat terbaru menunjukkan bahwa pengguna paling mempercayai jawaban yang dihasilkan AI ketika didasarkan pada data dasar berkualitas tinggi, didukung oleh kutipan sumber yang transparan, dan disertai penjelasan yang jelas. Hal ini memperkuat pentingnya peran GLEIF dalam menyediakan data yang andal dan terstruktur dengan baik yang dapat mendukung penemuan berbasis AI yang dapat dipercaya.
Hal ini sejalan dengan tema yang dieksplorasi dalam Blog GLEIF “ Metric in Motion” tentang verifikasi. Dalam ekonomi digital yang didukung AI, kepercayaan tidak hanya bergantung pada akses ke data, tetapi juga pada pemahaman tentang asal usul data tersebut, bagaimana data tersebut diverifikasi, dan apakah data tersebut dapat dilacak kembali ke referensi yang otoritatif. GLEIF AI Search menerapkan prinsip ini pada penemuan informasi, membantu pengguna beralih dari informasi yang terfragmentasi ke jawaban yang lebih mudah dipahami, diverifikasi, dan digunakan.
Cara kerjanya
GLEIF AI Search adalah sistem terkoordinasi yang terdiri dari tiga lapisan inti yang bekerja secara mulus bersama-sama:
Antarmuka Obrolan:
Antarmuka obrolan adalah lapisan GLEIF AI Search yang berhadapan langsung dengan pengguna. Antarmuka ini menyediakan cara yang rapi, intuitif, dan komunikatif bagi pengguna untuk berinteraksi secara alami dengan sistem dan memilih dari berbagai mode asisten: Smart, Website & Docs, News & Updates, Data & Statistics, dan LEI Records. Setiap mode dirancang khusus untuk jenis pertanyaan atau tugas tertentu, memastikan bahwa interaksi terasa terarah dan dapat disesuaikan, tergantung pada maksud pengguna.
Lapisan Pengaturan:
Di balik antarmuka pengguna terdapat lapisan orkestrasi, yang memproses setiap kueri pengguna. Lapisan ini mengaktifkan mode asisten yang dipilih, meneruskan permintaan ke model bahasa besar, dan mengoordinasikan alat-alat yang diperlukan untuk mengambil dan memverifikasi informasi yang relevan sebelum memberikan respons.
Yang terpenting, lapisan ini tidak beroperasi secara terpisah. Lapisan ini secara dinamis membantu memastikan bahwa jawaban tidak hanya dihasilkan oleh model saja, tetapi juga didasarkan pada data, dokumen, dan konten web yang relevan dari berbagai konektor. Koordinasi ini mengubah hasil model menjadi jawaban yang andal dan sesuai konteks.
Konektor (Server MCP):
Konektor membentuk jembatan antara lapisan orkestrasi dan sumber data serta konten yang mendasarinya. Diimplementasikan sebagai server MCP (Model Context Protocol), konektor ini memungkinkan sistem untuk mengakses dan berinteraksi dengan sumber eksternal secara terstruktur dan dapat digunakan kembali. Mereka memastikan bahwa GLEIF AI Search tidak terbatas pada pengetahuan statis dan dapat menggunakan informasi terkini dan relevan dari data GLEIF, API, dokumen, dan konten web. Konektor yang saat ini tersedia adalah:
Pencarian dan Pengambilan Web: Memungkinkan AI untuk mencari, mengambil, dan memproses konten dari situs web GLEIF (gleif.org). Ini mendukung pertanyaan tentang kegiatan, berita, Tata Kelola, dan informasi umum GLEIF.
Pencarian Dokumen: Terhubung ke sistem pencarian berbasis vektor yang dibangun di atas kumpulan dokumen resmi GLEIF, seperti makalah kebijakan dan kerangka kerja Tata Kelola. Ketika pertanyaan berkaitan dengan konten dalam dokumen-dokumen ini, AI dapat mencarinya dan mengutip bagian-bagian yang relevan.
Konektor API GLEIF: Terintegrasi langsung dengan API publik resmi GLEIF, memberikan akses real-time ke Indeks LEI Global. Hal ini memungkinkan AI untuk mencari entitas individu berdasarkan LEI-nya, mencari entitas berdasarkan nama, serta mengambil informasi pendaftaran terperinci dan data hubungan.
Konektor Statistik LEI: Terhubung ke statistik agregat terkait Sistem LEI Global. Hal ini memungkinkan sistem untuk mengakses data analitis terstruktur seperti jumlah LEI aktif per negara, tren penerbitan dari waktu ke waktu, tingkat pertumbuhan, dan distribusi berdasarkan jenis entitas atau yurisdiksi.
Yang penting, server MCP ini dirancang agar bersifat modular, dapat digunakan kembali, dan dapat dioperasikan secara bersamaan. Server ini juga dapat diintegrasikan ke dalam lingkungan AI eksternal seperti ChatGPT, Claude, dan lainnya. GLEIF telah mendefinisikan keterampilan berdasarkan kemampuan ini dan telah menyediakannya di laman web GLEIF. Ke depan, GLEIF berencana untuk memperluas jumlah konektor yang tersedia dengan menambahkan lebih banyak server MCP, memperluas kemampuan sistem lebih jauh, dan memenuhi kebutuhan pengguna yang lebih luas.
Manfaat GLEIF AI
GLEIF AI Search dan konektor terkait dirancang untuk memudahkan akses, pemahaman, dan penggunaan informasi LEI dan GLEIF – memberikan manfaat signifikan bagi pengguna data global:
Akses yang lebih baik ke data tepercaya: Membantu pengguna menjelajahi data LEI, statistik, laporan, dokumen Tata Kelola, dan konten GLEIF lainnya melalui antarmuka percakapan, alih-alih menavigasi beberapa sistem secara terpisah.
Wawasan yang komprehensif: Mengambil dan menggabungkan informasi dari API, basis data, dokumen, dan situs web untuk memberikan jawaban yang lebih lengkap dan menyeluruh.
Respons yang transparan dan dapat diverifikasi: Mendukung atribusi dan penjelasan sumber yang jelas, membantu pengguna memahami dari mana jawaban berasal dan seberapa jauh jawaban tersebut dapat diandalkan.
Ringkasan yang lebih jelas: Mengubah informasi yang rumit atau panjang menjadi jawaban yang ringkas dan mudah dipahami.
Dukungan untuk pengambilan keputusan: Memberikan jawaban yang andal dan bersumber dari sumber yang terpercaya yang dapat membantu pengguna menemukan informasi secara lebih efisien dan bertindak dengan lebih percaya diri.
Kegunaan yang lebih luas: Menurunkan hambatan masuk, sehingga memungkinkan para ahli maupun non-ahli untuk berinteraksi dengan dan mendapatkan manfaat dari data LEI.
Memanfaatkan potensi pencarian berbasis AI
Seiring dengan terus berkembangnya pencarian berbasis AI, nilai sebenarnya akan ditentukan oleh lebih dari sekadar kecepatan atau kemudahan. Yang terpenting adalah kemampuan untuk secara konsisten memberikan jawaban yang didasarkan pada data yang andal, bersumber secara transparan, dan relevan secara kontekstual.
Pencarian AI GLEIF menunjukkan bagaimana menggabungkan data tepercaya dengan mekanisme pengambilan data yang cerdas dapat mewujudkan persyaratan ini, sehingga informasi yang kompleks menjadi lebih mudah diakses dan digunakan. Dengan menghubungkan pertanyaan pengguna ke data resmi, dokumen, dan konten web, sistem ini mengubah informasi yang tersebar menjadi jawaban yang lebih mudah dipahami, diverifikasi, dan ditindaklanjuti – memperkuat keandalan dan integritas data sebagai pilar fundamental inovasi digital.
Ke depan, pendekatan ini dapat mendukung penggunaan data GLEIF yang lebih luas di berbagai lingkungan AI. Dengan membuat informasi lebih mudah diakses, transparan, dan dapat diverifikasi, GLEIF AI Search dapat membantu memperkuat kepercayaan terhadap sistem digital dan mendukung pengambilan keputusan yang lebih terinformasi.
Jika Anda ingin berkomentar di sebuah postingan di blog, harap kunjungi fungsi blog situs web GLEIF yang berbahasa Inggris untuk mengirimkan komentar Anda. Harap berikan nama depan dan nama belakang Anda. Nama Anda akan muncul di samping komentar Anda. Alamat email tidak akan dimuat. Harap diingat bahwa dengan mengakses atau berkontribusi di ruang diskusi, berarti Anda bersedia mematuhi persyaratan Kebijakan Blogging GLEIF, jadi harap dibaca dengan teliti.
Zornitsa Manolova memimpin tim Manajemen Kualitas Data dan Ilmu Data di Global Legal Entity Identifier Foundation (GLEIF). Sejak April 2018, beliau bertanggung jawab untuk peningkatan serta perbaikan kualitas data dan kerangka kerja tata kelola data yang diakui dengan memperkenalkan pendekatan analitik data yang inovatif. Sebelumnya, Zornitsa mengelola proyek analisis data forensik pada investigasi keuangan internasional di PwC Forensics. Beliau meraih gelar Diploma Jerman dalam Ilmu Komputer dengan fokus pada Pembelajaran Mesin dari Universitas Philipps di Marburg.