Di tengah pesatnya perkembangan kecerdasan buatan, dunia pemetaan dan analisis geospasial memasuki fase baru yang tidak lagi hanya mengandalkan keahlian teknis manusia. Sekelompok peneliti dari Penn State University menunjukkan bagaimana sistem AI mampu mengambil alih sebagian besar proses kerja sistem informasi geografis (SIG).

Proses kerja tersebut berkutat dari pengambilan data, analisis spasial, hingga pembuatan peta. Penelitian ini sekaligus membuka jalan menuju konsep autonomous GIS atau SIG otonom. Temuan ini menandai perubahan paradigma besar yang dapat menggeser praktik geospasial global.

Dilansir dari Spatial Source, tim yang dipimpin oleh para peneliti geografi tersebut mengembangkan dan menguji empat agen SIG berbasis AI sebagai bukti konsep. Hasilnya, agen-agen ini terbukti mampu mencari data geospasial, menjalankan analisis, dan menghasilkan peta dengan intervensi manusia yang sangat minimal.

“Seperti halnya berbagai perubahan paradigma di masa lalu, SIG otonom merupakan paradigma baru dalam mengintegrasikan AI dengan SIG. AI di sini bukan hanya alat tambahan, melainkan juga analis geospasial buatan yang mampu menggunakan perangkat SIG untuk menyelesaikan berbagai permasalahan geospasial,” ujar penulis utama Zhenlong Li, profesor asosiasi geografi sekaligus Direktur Geoinformation and Big Data Research Lab di Penn State.

Li menjelaskan bahwa penelitian ini juga bertujuan memahami bagaimana komunitas SIG dapat mengadopsi teknologi agen AI dalam alur kerja yang telah ada. “Dalam studi ini, kami sebagai komunitas SIG mencoba mengeksplorasi cara terbaik mengintegrasikan teknologi ‘agen’ AI ke dalam alur kerja SIG, serta menganalisis berbagai kelemahan dan keterbatasan sistem saat ini,” katanya.

Menurutnya, tujuan besar penelitian ini adalah membangun fondasi agar komunitas geospasial dapat mengembangkan sistem SIG yang mampu “berpikir, menalar, berinovasi, dan mengembangkan solusi geospasial terhadap berbagai tantangan yang mendesak.”

Studi Kemampuan SIG Tiga Agen AI

Salah satu studi kasus memperlihatkan kemampuan agen LLM-Find, yaitu agen yang dirancang melakukan pengambilan data secara otomatis. Dengan instruksi sederhana, seperti “unduh jaringan jalan kecuali jalur pejalan kaki dan jalan layanan untuk penilaian keterjangkauan sekolah di Columbia, South Carolina,” LLM-Find dapat mengumpulkan data jalan, lokasi sekolah, jalur pedestrian, hingga citra beresolusi tinggi dalam hitungan menit.

Li menilai hal ini menunjukkan bahwa agen otonom dapat mengurangi pekerjaan repetitif yang selama ini menyita waktu analis. “LLM-Find menunjukkan bahwa agen SIG otonom dapat menangani akuisisi data dari berbagai sumber tanpa mencari dataset secara manual sehingga membantu mengurangi pekerjaan dasar yang melelahkan dalam persiapan data analisis spasial,” jelasnya. Namun, ia menambahkan bahwa sumber data yang dapat diakses agen masih terbatas sehingga pengawasan manusia tetap diperlukan.

Agen kedua, LLM-Geo, memanfaatkan data yang dikumpulkan LLM-Find untuk menilai keterjangkauan sekolah (school walkability). Berdasarkan instruksi bahasa alami, agen ini secara otomatis menyusun alur analisis spasial dan menghasilkan skor serta peta keterjangkauan.

“Ini merupakan tugas yang lebih kompleks daripada sekadar pengambilan data karena agen AI benar-benar melakukan analisis berdasarkan instruksi bahasa biasa,” kata Li. Ia menambahkan bahwa pekerjaan semacam ini biasanya dikerjakan oleh analis tingkat pemula.

Studi berikutnya menampilkan LLM-Cat, agen yang mampu menangani tugas kartografi lebih lanjut. Agen ini mengambil keputusan terkait simbol, skala warna, tampilan peta, dan elemen visual lainnya, menunjukkan bahwa AI tidak hanya mampu mengumpulkan dan menganalisis data, tetapi juga merancang visualisasi peta yang utuh.

Ketiga agen tersebut kemudian dipadukan dalam sistem bernama GIS Copilot, sebuah asisten digital yang berfungsi layaknya ChatGPT atau Google Gemini, tetapi khusus untuk tugas-tugas geospasial. “Kami menguji GIS Copilot pada lebih dari 100 tugas spasial bertahap dan berbagai tugas tingkat lanjut tanpa arahan, dan tingkat keberhasilannya mencapai sekitar 86 persen,” ujar Li.

Meski masih membutuhkan pengawasan manusia, GIS Copilot membuka peluang bagi siapa saja untuk melakukan analisis geospasial secara lebih mudah. Bagi Guido Cervone, Direktur Institute for Computational and Data Sciences di Penn State sekaligus salah satu penulis penelitian, integrasi AI bukanlah ancaman bagi profesi SIG. Justru sebaliknya, ia melihat banyak peluang baru.

“Dalam lima tahun terakhir, kemajuan SIG melebihi apa yang saya bayangkan akan saya lihat sepanjang hidup saya,” ujarnya. Menurutnya, AI mempercepat penelitian, memudahkan akses data, dan meningkatkan kemampuan ilmuwan untuk memahami dinamika bumi dan lingkungan binaannya.

Cervone juga meyakini bahwa perubahan besar ini akan berdampak langsung pada pendidikan geografi dan geoinformatika. “Jika melihat apa yang terjadi dalam beberapa tahun terakhir, kita akan menghadapi berbagai kejutan dan dapat menyelesaikan tugas-tugas yang saat ini bahkan sulit untuk dibayangkan,” katanya.

Ia menekankan bahwa perubahan ini akan berlangsung dalam satu generasi mahasiswa. Dengan demikian, tugas para pendidik adalah mempersiapkan mereka agar siap memasuki era revolusi AI dan komputasi.