Aljabar linear merupakan salah satu cabang matematika yang berperan fundamental dalam pengembangan sistem kecerdasan buatan. Penelitian ini bertujuan untuk menganalisis peran aljabar linear dalam pengembangan sistem kecerdasan buatan. Metode yang digunakan adalah penelitian kualitatif dengan pendekatan Systematic Literature Review terhadap artikel ilmiah yang terindekspada database Scopus. Analisis data dilakukan melalui beberapa tahapan, yaitu identifikasi artikel berdasarkan kata kunci yang relevan, penyaringan menggunakan kritera inklusi dan ekslusi, serta analisis mendalam terhadap konten artikel terpilih untuk mengidentifikasi peran, kontribusi, dan konteks penggunaan aljabar linear dalam pengembangan AI. Hasil penelitian menunjukkan bahwa konsep aljabar linear, seperti matriks, nilai eigen, SVD, dan fungsi Mittag-Leffler, berperan penting dalam representasi data, optimasi algoritma, dan analisis stabilitas sistem. Representasi matriks mendukung pengolahan data besar, transformasi linier seperti PCA mengurangi dimensi data, dan optimasi aljabar linear meningkatkan kecepatan konvergensi model serta mengurangi kesalahan komputasi. Dengan demikian, aljabar linear tidak hanya menjadi dasar teoritis tetapi juga alat praktis untuk mendukung pengembangan sistem AI yang lebih stabil, efisien, dan andal.