<![CDATA[Transformasi digital meningkatkan kompleksitas layanan TI dan menuntut tata kelola yang lebih adaptif. Monitoring and Event Management (MEM) merupakan praktik krusial dalam kerangka kerja ITIL 4 yang berfungsi mendeteksi perubahan status layanan secara sistematis. Namun, banyak organisasi masih menghadapi kendala berupa ketergantungan pada proses manual yang reaktif, minimnya standarisasi dokumentasi, serta lonjakan volume data peristiwa yang melampaui kapasitas analisis konvensional. Penelitian ini bertujuan mengkaji integrasi Artificial Intelligence (AI) dan Machine Learning (ML) dalam mengoptimalkan praktik MEM berdasarkan perspektif ITIL 4. Metode yang digunakan adalah Systematic Literature Review (SLR) terhadap publikasi ilmiah dari Scopus, IEEE Xplore, dan Google Scholar dalam rentang tahun 2019–2026, dengan kriteria inklusi yang berfokus pada implementasi ITIL 4, integrasi AI/ML dalam IT Service Management (ITSM), serta penerapan AIOps dalam deteksi anomali dan manajemen peristiwa. Sintesis literatur menunjukkan bahwa AI/ML mampu mentransformasi MEM dari pendekatan reaktif menjadi proaktif melalui deteksi anomali berbasis Large Language Model (LLM), algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN), serta model Fuzzy Multicriteria Matrix untuk klasifikasi peristiwa berdasarkan tingkat kekritisan. Integrasi AI terbukti mempercepat respons insiden hingga 30% dan mereduksi beban kerja manual melalui virtual agent serta otomatisasi sistem ticketing. Temuan utama menegaskan bahwa efektivitas MEM sangat bergantung pada kualitas data dalam Configuration Management Database (CMDB) sebagai single source of truth yang diperkaya wawasan prediktif AI. Keselarasan antara teknologi cerdas, proses terstandarisasi berbasis ITIL 4, dan kompetensi sumber daya manusia menjadi kunci peningkatan kematangan operasional serta penguatan transparansi dan akuntabilitas dalam tata kelola layanan TI modern.]]>
