Premi Perhatian AI: Hal yang Perlu Diketahui Investor

Kecerdasan buatan dapat meningkatkan kemampuan penelitian. Teknologi ini juga dapat membuat penelitian lebih menarik perhatian. Bagi investor yang mengevaluasi teknologi baru, memahami perbedaan ini dapat membantu mereka menafsirkan terobosan ilmiah dan perusahaan yang terkait dengannya.

Sebuah studi yang diterima untuk diterbitkan di Finance Research Letters, berjudul “Premi sinyal AI dalam penelitian ekonomi dan keuangan”, mengkaji hubungan antara penyebutan AI secara menonjol dan jumlah sitasi akademis.¹ Dari 30.114 artikel, hubungan paling kuat terlihat ketika istilah terkait AI muncul dalam judul.

Temuan ini memberi pelajaran lebih luas daripada sekadar cara menulis karya akademis. Temuan tersebut menyoroti tantangan yang dihadapi siapa pun yang berusaha mengidentifikasi inovasi bernilai: perhatian membantu informasi menyebar, tetapi popularitas saja tidak dapat membuktikan nilai praktisnya. Hal ini membuka peluang bagi bisnis yang membantu pelanggan menemukan, mengevaluasi, dan menerapkan hasil penelitian.

Temuan Studi Sitasi AI

Peneliti Andres Alonso-Robisco, Carlos Esparcia, dan Francisco Jareño mengkaji artikel berbahasa Inggris yang diterbitkan pada 2021 hingga 2025 di 67 jurnal ekonomi dan keuangan. Mereka menggabungkan catatan publikasi Scopus dengan informasi jurnal dan data tingkat penulis.

Analisis tersebut mengidentifikasi istilah terkait AI dalam judul, abstrak, dan kata kunci. Definisi yang digunakan mencakup lebih dari sekadar singkatan “AI” dan juga meliputi metode serta teknologi seperti pembelajaran mesin, jaringan saraf, dan model bahasa besar.

Selanjutnya, para penulis mengkaji apakah lokasi kemunculan istilah-istilah tersebut berkaitan dengan jumlah sitasi, dengan memperhitungkan faktor-faktor seperti tahun terbit, jurnal, pokok bahasan, keterbacaan, dan karakteristik penulis.

Mereka menggambarkan hubungan utama ketika AI disebut dalam judul sebagai jumlah sitasi yang kira-kira 60% lebih tinggi daripada artikel tanpa sinyal AI, dan kira-kira 43% lebih tinggi daripada artikel yang hanya menyebut AI dalam kata kunci. Angka-angka ini merupakan perbandingan berdasarkan model dengan menggunakan ukuran sitasi tahunan yang ditransformasikan, bukan selisih sederhana antara rata-rata mentah.

Pola tersebut bertahan dalam beberapa analisis alternatif, termasuk perbandingan dalam edisi jurnal yang sama dan penyesuaian terhadap karakteristik penulis. Pola itu juga terlihat ketika AI digunakan sebagai metode penelitian maupun ketika AI sendiri menjadi pokok bahasan yang dikaji.

Mengapa Visibilitas Penelitian Penting bagi Investor

Judul menjadi penyaring awal. Peneliti yang menelusuri literatur yang belum mereka kenal harus memutuskan makalah mana yang perlu dicermati lebih lanjut. Investor menghadapi kendala praktis serupa saat meninjau pengumuman teknis, presentasi perusahaan, dan bukti ilmiah.

Label teknologi yang mudah dikenali dapat membantu pembaca dengan cepat menemukan karya yang relevan. Hal ini bermanfaat: menjelaskan kontribusi AI dengan gamblang memudahkan audiens yang berminat menemukannya.

Namun, studi tersebut tidak dapat membuktikan bahwa penyisipan istilah AI menyebabkan peningkatan jumlah sitasi. Penulis mungkin menonjolkan AI ketika teknologi itu sangat penting bagi karya mereka, atau ketika mereka memang sudah memperkirakan makalah tersebut akan berpengaruh. Pengendalian statistik mengurangi sejumlah penjelasan alternatif, tetapi tidak menghilangkannya.

Makalah tersebut juga tidak mengukur imbal hasil saham. Temuannya tidak boleh ditafsirkan sebagai klaim bahwa pencitraan merek AI meningkatkan valuasi perusahaan. Kajian Securities.io tentang pengumuman investasi AI dan imbal hasil pasar saham membahas secara terpisah bagaimana sinyal AI perusahaan berinteraksi dengan ekspektasi investor.

Kaitan yang berguna terletak pada analisis: baik pembaca penelitian maupun investor perlu memeriksa dasar yang mendukung klaim menonjol sebelum memberinya arti ekonomi.

Membedakan Perhatian Ilmiah dari Nilai Komersial

Bayangkan sebuah perusahaan hipotetis yang mempromosikan makalah tentang peramalan AI yang banyak dikutip. Jumlah sitasinya menunjukkan bahwa peneliti lain telah menelaah makalah tersebut. Namun, angka itu tidak membuktikan bahwa metodenya bekerja secara andal dengan data pelanggan, tetap akurat ketika kondisi berubah, atau lebih murah daripada alternatif yang ada.

Karena itu, penilaian investasi yang praktis menelusuri bukti melalui beberapa tahap. Penelitian menunjukkan potensi kemampuan. Pengujian independen membantu menentukan apakah kemampuan itu terbukti andal. Pengembangan produk memastikan apakah pelanggan dapat menggunakannya. Hasil komersial menunjukkan apakah ada pihak yang bersedia membayar cukup untuk menopang bisnis yang berkelanjutan.

Tahapan-tahapan ini dapat berjalan dengan kecepatan berbeda. Makalah yang mengesankan mungkin memerlukan rekayasa selama bertahun-tahun sebelum dapat diterapkan. Metode yang kurang menonjol mungkin sudah mampu mengatasi masalah pelanggan yang berulang dengan biaya efisien.

Pertanyaan yang berguna antara lain:

• Apakah hasilnya telah diuji di luar konteks penelitian awal?
• Apakah hasilnya meningkatkan capaian pelanggan yang dapat diukur?
• Apakah manfaatnya lebih besar daripada biaya penerapan, komputasi, dan pengawasan?
• Dapatkah bisnis mempertahankan nilai melalui penetapan harga, loyalitas pelanggan, atau data yang terdiferensiasi?

Pendekatan ini memberi ruang untuk optimisme sekaligus membuat dasar investasinya lebih konkret. Perhatian ilmiah dapat menunjukkan bidang yang perlu ditelusuri. Bukti kegunaan praktis menentukan sejauh mana argumen tersebut dapat dipertahankan.

Penelusuran Riset dengan AI Membuka Peluang Bisnis

Studi ini juga menyoroti masalah komersial: menemukan riset yang relevan sulit dilakukan ketika waktu pembaca terbatas. Perangkat penelusuran yang lebih baik dapat membantu organisasi menemukan temuan berguna yang mungkin tetap terkubur di balik istilah yang tidak familier atau judul yang kurang menonjol.

Bayangkan sebuah produsen bahan sedang menyelidiki cacat produksi. Karyawannya mungkin membutuhkan temuan dari bidang kimia, teknik, dan pemodelan statistik. Sistem riset yang berguna akan menghubungkan bukti dari berbagai bidang tersebut, mengidentifikasi hasil yang bertentangan, dan memungkinkan pengguna memeriksa sumber aslinya.

Nilai bisnisnya berasal dari peningkatan proses riset. Ringkasan yang lebih cepat memang bermanfaat, tetapi menghindari eksperimen yang tidak sesuai atau menemukan alternatif yang menjanjikan bisa lebih berarti daripada sekadar meningkatkan kecepatan membaca.

Hal ini berkaitan dengan ulasan Securities.io tentang peningkatan produktivitas berkat AI dan imbal hasil bagi investor: waktu yang dihemat menciptakan kapasitas, sedangkan keputusan bisnis menentukan apakah kapasitas tersebut menghasilkan nilai tambahan.

Pemeringkatan Riset Membutuhkan Transparansi

Ada pula potensi masalah umpan balik. Jika sistem penelusuran sangat bergantung pada jumlah sitasi yang sudah ada, makalah yang telah banyak terlihat dapat semakin terekspos. Karya yang berguna tetapi lebih sedikit disitasi mungkin akan tetap lebih sulit ditemukan. Ini adalah kemungkinan yang tersirat dari masalah perhatian, bukan hasil yang diuji dalam makalah tersebut.

Karena itu, pemeringkatan yang transparan, keterlacakan sumber, dan cakupan bukti yang saling bersaing menjadi relevan secara komersial. Pelanggan perlu memahami alasan suatu sistem merekomendasikan sebuah makalah dan apakah jawabannya mencerminkan luasnya riset yang tersedia.

RELX Memberi Eksposur ke Perangkat Riset Berbasis AI

Kebutuhan ini secara alami berkaitan dengan RELX, yang melalui bisnisnya, Elsevier, mengelola Scopus, basis data yang digunakan dalam studi tersebut. Produk risetnya menempatkan perusahaan ini secara langsung di pasar penelusuran dan penafsiran informasi ilmiah.

Scopus AI memadukan AI generatif dengan konten riset untuk membantu pengguna menjelajahi topik dan menemukan literatur yang relevan. Elsevier juga telah memperluas cakupannya ke alur kerja riset yang lebih luas melalui LeapSpace.

Dalam pengumumannya pada September 2026 tentang konten riset LeapSpace dan dewan penasihat independen, Elsevier melaporkan bahwa pengguna dapat mengakses lebih dari 23 juta artikel dan buku teks lengkap. Elsevier juga menjelaskan adanya panduan independen mengenai algoritme, transparansi, dan penelusuran yang netral terhadap penerbit. Perkembangan ini dilaporkan oleh perusahaan, bukan merupakan bukti independen bahwa hasil riset telah membaik.

Proposisi komersialnya mudah dipahami: menggabungkan konten riset yang luas dengan perangkat yang memudahkan penggunaannya. Hubungan dengan pelanggan yang sudah terjalin dan integrasi ke dalam proses riset dapat mendukung adopsi, meskipun produk pesaing dan anggaran pelanggan tetap berpengaruh.

Dalam pembaruan perdagangan Oktober 2026, RELX melaporkan pertumbuhan pendapatan organik sebesar 7% di seluruh grup selama sembilan bulan pertama, termasuk 6% di segmen Scientific, Technical & Medical. Manajemen menyebut adopsi solusi berbasis AI dan pertumbuhan pesat penggunaan LeapSpace. Angka-angka tersebut tidak memisahkan pendapatan atau profitabilitas yang berasal dari masing-masing produk AI.

Bagi investor, pertanyaan berikutnya berkaitan dengan adopsi berbayar, retensi pelanggan, biaya operasional, dan apakah peningkatan produk mendukung pertumbuhan yang berkelanjutan. RELX juga menjalankan bisnis lain, sehingga sahamnya memberikan eksposur yang lebih luas daripada sekadar penelusuran riset. Valuasi tetap penting, bahkan ketika suatu perusahaan memiliki peluang teknologi yang kredibel.

Berita dan Perkembangan Terbaru RELX (RELX)

Menilai AI di Luar Premi Perhatian

Kontribusi terkuat studi ini adalah menunjukkan bahwa visibilitas riset perlu dicermati bersama dengan isi riset itu sendiri. Temuannya terbatas pada publikasi ekonomi dan keuangan, sehingga tidak dapat menetapkan aturan universal untuk seluruh bidang sains atau investasi.

Meski demikian, peluangnya menjanjikan. AI dapat membantu lebih banyak orang mengakses pengetahuan yang berguna, sementara perangkat riset yang lebih baik dapat mempercepat dan memperdalam evaluasi teknis. Bisnis yang menghadirkan peningkatan tersebut memiliki masalah pelanggan nyata untuk diatasi.

Bagi investor, tugasnya adalah menindaklanjuti perhatian dengan verifikasi: memeriksa bukti, memahami manfaat bagi pelanggan, dan mencari tahu bagaimana perusahaan memperoleh uang dari penyediaan manfaat tersebut. Label AI dapat menjadi awal penyelidikan itu. Kinerja bisnis yang berkelanjutan harus menopangnya.

Referensi:

¹ Alonso-Robisco, A., Esparcia, C., dan Jareño, F. (2026). Premi sinyal AI dalam penelitian ekonomi dan keuangan. Finance Research Letters. Terbit daring lebih dahulu. https://doi.org/10.1016/j.frl.2026.110995