Ada satu pekerjaan kecil di bagian pengolahan bahan pustaka yang terdengar sepele tapi ternyata cukup memakan waktu kalau dikerjakan konsisten: menulis sinopsis singkat untuk setiap judul buku baru yang masuk ke katalog. Terdengar remeh untuk satu-dua buku, tapi begitu jumlahnya mencapai ratusan per bulan, pekerjaan ini diam-diam jadi salah satu titik kemacetan terbesar di alur kerja katalogisasi.
Tantangan Melengkapi Metadata Abstrak Buku
Kataloger yang bertugas mengisi data di sistem OPAC sering dihadapkan pada dilema waktu. Idealnya, setiap buku yang masuk perlu diberi sinopsis singkat, satu atau dua paragraf yang menjelaskan garis besar isinya, supaya pemustaka bisa menilai relevansi buku tersebut hanya dengan membaca katalognya tanpa perlu memegang fisik bukunya langsung. Tapi menuliskan sinopsis semacam ini membutuhkan waktu untuk membaca sekilas isi buku, memahami inti pembahasannya, lalu merangkumnya jadi teks yang ringkas dan enak dibaca — proses yang, kalau dikerjakan manual untuk setiap judul, jelas tidak realistis di tengah beban kerja katalogisasi yang sudah padat.
Dampaknya terasa langsung di sisi pemustaka. Katalog tanpa sinopsis membuat mereka kesulitan menilai apakah sebuah buku benar-benar sesuai dengan yang mereka cari, atau hanya menebak-nebak dari judul yang kadang tidak cukup representatif. Mengisi metadata sinopsis untuk ribuan koleksi lama yang belum pernah dilengkapi data ini secara manual jelas bukan pekerjaan yang bisa selesai dalam waktu singkat, bahkan dengan tim katalogisasi yang cukup besar sekalipun.
Pemanfaatan Large Language Models (LLM)
Di sinilah teknologi Generative AI, khususnya model bahasa besar atau Large Language Model (LLM) seperti yang disediakan Google Gemini atau penyedia berbasis Groq, menawarkan solusi yang cukup relevan. Model-model ini punya kemampuan yang sudah cukup matang dalam merangkum informasi, mengekstrak gagasan utama dari teks yang lebih panjang, dan menulis ulang informasi tersebut dengan struktur bahasa yang rapi dan mudah dibaca.
Cara kerjanya dari sisi input cukup sederhana. Kataloger tidak perlu memasukkan seluruh isi buku — cukup judul buku, nama pengarang, dan sedikit konteks tambahan seperti daftar isi singkat atau teks yang biasanya tercetak di sampul belakang buku. Dari data seminimal itu, model AI bisa meramunya menjadi paragraf sinopsis yang utuh dan terstruktur, prosesnya berjalan dalam hitungan detik saja, jauh lebih cepat dibanding harus membaca dan meringkas manual dari nol.
Integrasi API AI ke dalam Sistem Web (PHP)
Dari sisi teknis, admin perpustakaan yang punya kemampuan dasar PHP sebenarnya bisa membangun sendiri antarmuka generator sinopsis ini tanpa perlu bergantung pada software pihak ketiga yang berbayar mahal. Skrip PHP di sini berperan sebagai jembatan, mengirimkan prompt atau instruksi beserta data buku yang dimasukkan kataloger ke API endpoint milik penyedia layanan AI yang digunakan.
Begitu permintaan diproses di sisi server AI, hasilnya biasanya dikembalikan dalam format data JSON — format terstruktur yang mudah dibaca mesin. Skrip PHP kemudian menangkap data JSON tersebut, mengekstrak bagian teks sinopsisnya, dan menampilkannya langsung di layar antarmuka web yang dibangun. Dari sana, kataloger tinggal menyalin teks hasil generate itu ke dalam database sistem perpustakaan utama, atau kalau ingin lebih efisien lagi, sistem bisa dirancang untuk langsung menyimpannya ke database setelah mendapat persetujuan.
Validasi Manusia Tetap Menjadi Kunci
Meski prosesnya terdengar hampir sepenuhnya otomatis, ada satu risiko yang tidak boleh diabaikan: potensi halusinasi pada model AI, di mana sistem bisa saja “mengarang” detail atau fakta yang sebenarnya tidak ada dalam buku aslinya, terutama kalau data input yang diberikan terlalu minim untuk benar-benar merepresentasikan isi buku secara akurat.
Karena itu, prinsip human-in-the-loop tetap harus dipegang teguh dalam sistem semacam ini. Secanggih apa pun skrip integrasi API yang dibangun, hasil generate-nya tidak boleh langsung diunggah mentah-mentah ke database katalog publik tanpa pemeriksaan. Pustakawan atau kataloger tetap perlu membaca sekilas hasil sinopsis yang dihasilkan AI, memastikan akurasinya sesuai dengan isi buku yang sebenarnya, baru kemudian menekan tombol simpan untuk mempublikasikannya ke katalog yang bisa diakses pemustaka secara luas.