Gedung pintar semakin banyak dibangun di berbagai belahan dunia. Di dalamnya terdapat ribuan sensor, sistem listrik yang cerdas, pendingin ruangan otomatis, pintu digital, kamera keamanan, hingga perangkat Internet of Things yang terus mengirimkan data setiap detik. Semua teknologi itu bertujuan membuat gedung lebih nyaman, hemat energi, aman, dan efisien. Namun di balik kecanggihan itu, ada satu tantangan besar. Bagaimana cara mengelola dan memahami semua data yang sangat banyak dan rumit tersebut?

Selama ini, tugas operasi dan perawatan gedung atau dikenal sebagai operation and maintenance (O&M) masih sangat bergantung pada tenaga ahli yang harus mencari informasi teknis dari dokumen panjang, laporan sensor, standar teknis, dan sistem manajemen gedung. Bayangkan seorang teknisi yang ingin tahu, “Mengapa suhu di lantai lima selalu lebih tinggi dari lantai lain?” Ia harus mencari data dari banyak sumber yang berbeda. Proses ini rumit, memakan waktu, dan rawan kesalahan.

Baca juga artikel tentang: Mengintip Teknologi Bangunan Hijau Tercanggih di Dunia Tahun 2025

Disinilah kecerdasan buatan mulai masuk membantu. Sebuah penelitian tahun 2025 memperkenalkan pendekatan baru. Mereka menggunakan large language model atau LLM, yaitu jenis AI yang mirip dengan teknologi chatbot canggih, untuk menjawab pertanyaan terkait operasi dan perawatan gedung pintar. Singkatnya, teknisi cukup bertanya dalam bahasa alami, lalu AI mencari, memahami, dan menyusun jawaban berdasarkan data teknis gedung tersebut.

Namun tentu saja, AI tidak bisa langsung dipakai begitu saja. Para peneliti merancang sebuah alur kerja khusus yang terdiri dari beberapa tahap.

Alur sistem berbasis large language model (LLM) untuk operasi dan pemeliharaan gedung, mulai dari pengumpulan dan pembersihan data, perluasan pengetahuan dari basis eksternal, pelatihan model (Text2SQL dan supervised learning), hingga penyelarasan dengan penilaian manusia untuk menghasilkan asisten cerdas bernama OpsMaintGPT (Li, dkk. 2025).

Tahap pertama adalah pengolahan data. Data dari gedung biasanya tidak rapi. Ada data yang salah, ada yang tidak lengkap, bahkan ada yang menyimpang jauh dari kondisi normal. Peneliti menggunakan metode bernama isolation forest untuk mendeteksi data yang “aneh” dan membersihkannya. Setelah itu, struktur data diatur ulang supaya lebih mudah dipahami AI.

Tahap kedua adalah melatih ulang model AI khusus untuk O&M gedung pintar. Mereka mengambil model bahasa besar Qwen-32B lalu melakukan fine-tuning menggunakan kumpulan data hybrid yang berisi istilah teknis, prosedur perawatan, informasi sistem gedung, serta contoh pertanyaan yang biasa ditanyakan insinyur dan teknisi. Dengan cara ini, AI tidak hanya paham bahasa, tetapi juga paham konteks dunia teknik bangunan.

Tahap ketiga adalah meningkatkan pengetahuan AI dengan basis data eksternal. Mereka membuat knowledge base khusus yang berisi referensi teknis O&M. AI kemudian dihubungkan dengan basis data tersebut melalui teknik yang dikenal sebagai retrieval-augmented generation atau RAG. Artinya, ketika AI menerima pertanyaan, ia tidak hanya “mengingat” dari pelatihan sebelumnya, tetapi juga mengambil informasi terbaru dari basis pengetahuan yang relevan sebelum menyusun jawaban. Ini membuat jawabannya lebih akurat dan bisa dilacak sumbernya.

Tahap keempat adalah penyelarasan AI menggunakan umpan balik manusia. Para insinyur memberi masukan terhadap jawaban AI. Dari situ, AI diperbaiki lagi agar lebih interaktif, mudah dipahami, dan relevan dengan kebutuhan praktis di lapangan.

Hasilnya cukup mengesankan. Sistem ini mampu menjawab pertanyaan terkait O&M dengan tingkat akurasi sekitar 95,5 persen. Bahkan, dalam evaluasi tertentu, kinerjanya melampaui beberapa model AI besar lain yang sudah terkenal. Dua puluh insinyur dan manajer O&M ikut mencoba sistem ini. Mereka menilai AI tersebut sangat membantu, lebih mudah digunakan, dan membuat pencarian informasi teknis menjadi jauh lebih cepat.

Apa artinya dalam kehidupan nyata?

Bayangkan seorang teknisi mengirim pertanyaan seperti:
“Kenapa konsumsi listrik di gedung sayap timur meningkat tajam minggu ini?”

Alih-alih membuka lusinan laporan, AI dapat menelusuri data sensor, rekam jejak penggunaan AC, jadwal kegiatan gedung, hingga catatan pemeliharaan. Lalu AI menyimpulkan bahwa peningkatan terjadi karena ruang konferensi besar dipakai lebih sering dan sistem pendingin bekerja lebih berat akibat naiknya suhu luar.

Contoh lain, seorang manajer gedung ingin tahu:
“Kapan sebaiknya chiller utama dijadwalkan untuk perawatan berikutnya?”

AI memeriksa pola penggunaan, jam operasi kumulatif, suhu kerja, serta riwayat kerusakan. Dari situ, AI memberi rekomendasi waktu perawatan pencegahan yang optimal agar efisiensi tetap tinggi dan risiko gangguan berkurang.

Dengan cara ini, AI tidak menggantikan manusia, tetapi menjadi asisten digital yang sangat cerdas. Teknisi tetap memegang keputusan, namun waktu mereka tidak lagi habis untuk mencari informasi dasar.

Selain itu, pendekatan ini membantu efisiensi energi. Gedung pintar bisa menghemat listrik jauh lebih banyak jika operatornya memahami data dengan baik. AI yang bisa menjelaskan data dalam bahasa manusia membantu jembatan antara dunia teknis dan pengambilan keputusan.

Namun tentu saja, masih ada tantangan. Data gedung harus dikelola dengan aman karena menyangkut sistem vital. Model AI harus terus diperbarui agar tidak memberikan rekomendasi yang usang. Interaksi manusia tetap penting untuk memastikan keputusan etis dan bertanggung jawab.

Meski begitu, penelitian ini menunjukkan masa depan yang menarik. Gedung tidak lagi hanya sekadar bangunan yang berdiri kokoh, tetapi sistem hidup yang terus belajar dari penghuninya. AI membantu operator membuat keputusan lebih cepat, lebih tepat, dan lebih hemat energi.

Jika tren ini berkembang, kita bisa membayangkan kota masa depan dengan jaringan gedung pintar yang saling terhubung dan dikelola oleh AI yang paham kebutuhan manusia sekaligus menjaga keberlanjutan lingkungan. Teknologi tidak lagi menjadi beban rumit, tetapi alat bantu yang membuat hidup lebih sederhana dan efisien.

Baca juga artikel tentang: Focus Group Discussion Lintas Sektor Bahas Teknologi Prefabrikasi untuk Percepatan Hunian Layak dan Hijau di Indonesia

REFERENSI:

Li, Yan dkk. 2025. A large language model-based building operation and maintenance information query. Energy and Buildings 334, 115515.