Kini, apabila penggunaan AI telah menjadi perkara biasa, kebimbangan yang dirasai oleh ramai pengurus mungkin adalah “kesan yang tidak sehebat yang dijangkakan”. Tinjauan realiti “Penggunaan AI dan Pembangunan Aplikasi Pekerjaan” yang dikeluarkan oleh Nikkei Cross Tech telah mengukur kebimbangan kabur ini dan menunjukkan hasil yang mendedahkan intipatinya. Menurut tinjauan, banyak syarikat mempunyai jurang besar antara “pembangunan aplikasi menggunakan AI” dan “penggunaan AI sebenar dalam kerja harian”.
“Jurang antara pembangunan dan penggunaan” inilah faktor utama yang mengurangkan ROI pelaburan AI. Teknologi ada, bajet diluluskan, tetapi tidak menyerap ke peringkat operasi. Tanpa menyelesaikan masalah struktur ini, AI hanya akan berakhir sebagai “mainan mahal”.
Jurang “Dua Dunia” yang Ditunjukkan oleh Tinjauan
Tinjauan Nikkei menunjukkan beberapa data menarik mengenai keadaan semasa penggunaan AI. Perhatian khusus harus diberikan kepada kewujudan jurang yang jelas antara syarikat yang terlibat dalam pembangunan aplikasi menggunakan AI dan syarikat yang menggunakan AI secara harian dalam proses kerja sebenar.
Bahagian pembangunan mengejar trend teknologi terkini dan mengulangi PoC (Bukti Konsep). Sementara itu, bahagian operasi berpegang pada aliran kerja sedia ada dan pasif dalam memperkenalkan alat baru. Kekurangan “bakat penghubung” yang sepatutnya memainkan peranan untuk mengisi jurang ini semakin ketara dalam banyak organisasi.
Melihat semula kes penggunaan AI syarikat sendiri (93 kes, 29 bidang kerja), kunci kejayaan memang terletak pada “penghubungan” ini. Tanpa bakat atau mekanisme yang dapat memahami potensi teknikal dan keperluan operasi secara serentak, AI tidak akan berakar dalam operasi.
Pendekatan “Shitatel” Menunjukkan Sebahagian Penyelesaian
Satu model untuk menyelesaikan jurang ini adalah pendekatan oleh Shitatel, yang memulakan perkhidmatan sokongan transformasi rantaian nilai untuk syarikat pakaian dan gaya hidup. Syarikat ini pakar dalam industri tertentu dan menawarkan penyelesaian AI setelah memahami proses kerja khusus industri secara mendalam.
Perkara penting adalah sifat “berorientasikan industri”. Daripada menawarkan alat AI generik, mereka mendigitalkan dan mengoptimumkan dengan AI aliran “perancangan → pengeluaran → pengurusan inventori → jualan” industri pakaian. Tanpa perspektif untuk mereka bentuk semula proses kerja itu sendiri, penggunaan AI hanya akan menjadi cetek dengan sekadar “menampal” AI pada kerja sedia ada.
Sebagai pengurus, yang perlu difikirkan adalah “jalan penggunaan AI yang khusus untuk industri dan kerja syarikat sendiri”. Sama ada menggunakan perkhidmatan luar atau memajukan pembangunan dalaman, tahap “kekhususan” ini menentukan kedalaman penggunaan.
Halangan Pembangunan Dalaman Menurun Secara Drastik
Di sini, evolusi AI penjanaan kod tidak boleh diabaikan. Di sebalik perhatian yang diterima oleh FIXER sebagai syarikat perkhidmatan AI generatif, terdapat perubahan teknikal ini. Dengan alat seperti Claude Code dan GitHub Copilot, persekitaran di mana bukan jurutera juga boleh membangunkan aplikasi kerja praktikal semakin lengkap.
Di syarikat kami, kami membina sistem semakan automatik dokumen undang-undang menggunakan Claude Code. Walaupun tiada bakat yang memiliki kedua-dua pengetahuan pakar (undang-undang) dan kemahiran pembangunan AI, kakitangan undang-undang kini boleh membuat prototaip “fungsi yang mereka perlukan” secara langsung. Kos bulanan hanya sekitar RM21,000 untuk alat AI, mencapai peningkatan kecekapan kerja bernilai berjuta-juta ringgit setahun.
“Demokrasi pembangunan dalaman” ini menjadi alat kuat untuk menghapuskan jurang antara pembangunan dan penggunaan. Era di mana pihak yang terlibat dalam kerja sendiri mula mencipta alat untuk menyelesaikan masalah mereka sendiri telah tiba.
3 Tindakan Konkrit yang Perlu Diambil oleh Pengurus
Berdasarkan hasil tinjauan, kami mencadangkan 3 tindakan yang boleh dimulakan oleh pengurus bermula hari ini.
1. Diagnosis Kesesuaian AI untuk “Peta Proses Kerja”
Pertama, visualkan proses kerja utama syarikat anda dan nilai “kesesuaian AI” setiap langkah. Kriteria penilaian adalah tiga perkara berikut.
- Kebiasaan: Adakah kerja itu berulang dengan kriteria penilaian yang jelas?
- Jumlah Data: Adakah terdapat data lalu yang mencukupi untuk pembelajaran?
- Kebolehintegrasian: Bolehkah disepadukan dengan sistem sedia ada (CRM, ERP, dll.)?
Diagnosis ini akan menjelaskan keutamaan pelaksanaan AI. Kerja yang perlu didahulukan adalah kerja yang sangat biasa dan memberi kesan segera. Contohnya, pemprosesan invois, tindak balas awal pertanyaan pelanggan, kerja kemasukan data, dan sebagainya.
2. Membina “Proses Penghubung”, Bukan Melatih Bakat Penghubung
Daripada melatih seorang “kakitangan kerja yang mahir AI” yang berharga, reka bentuk proses di mana sesiapa sahaja boleh menyertai penggunaan AI. Secara konkrit, langkah-langkah berikut.
- Bengkel Mencari Isu: Kumpulkan halangan kerja dari setiap jabatan
- Sokongan Penciptaan Prototaip: Latihan hands-on untuk mencipta alat mudah menggunakan AI penjanaan kod
- Piawaian Pengukuran Kesan: Perkongsian peraturan untuk memvisualkan kesan pengurangan masa dalam “penukaran kadar sejam”
Dengan menggerakkan proses ini, asas penggunaan AI organisasi yang tidak bergantung pada beberapa “orang yang berkebolehan” akan terbentuk.
3. Menetapkan Kriteria Penilaian yang Jelas untuk Penggunaan Perkhidmatan Luar
Sama ada menggunakan perkhidmatan berorientasikan industri seperti “Media Startup Partners” yang ditawarkan oleh TechSuite, atau pembangunan dalaman syarikat. Buat keputusan ini berdasarkan kriteria berikut.
- Adakah Ia Bidang Persaingan Teras: Utamakan pembangunan dalaman jika kerja itu adalah sumber pembezaan
- Kerahsiaan Data: Data yang sangat sulit pada dasarnya perlu dikendalikan oleh syarikat sendiri
- Kelajuan Perubahan: Pembangunan dalaman yang fleksibel lebih menguntungkan jika proses kerja kerap berubah
Dalam kebanyakan kes, “strategi hibrid” di mana kerja teras dipertimbangkan ke arah pembangunan dalaman dan kerja sampingan menggunakan perkhidmatan luar adalah penyelesaian realistik.
Kerjasama OpenAI dan Google Menunjukkan Kepentingan “Ekosistem”
Pergerakan OpenAI, Anthropic, dan Google bekerjasama menentang penyalinan model AI oleh syarikat China memberi implikasi yang melampaui persaingan teknologi semata-mata. Ia menunjukkan bahawa dalam penggunaan AI, “ekosistem terbuka” semakin penting berbanding “sistem tertutup”.
Perspektif ini sangat penting ketika mempertimbangkan strategi AI syarikat sendiri. Pembinaan sistem yang bergantung pada vendor tertentu akan menjejaskan fleksibiliti jangka panjang. “Strategi pelbagai model” yang menggunakan beberapa model AI (Claude, ChatGPT, Grok, dll.) mengikut keperluan dan menggabungkannya dengan penyepaduan API adalah pendekatan sihat yang dapat menangani perubahan masa depan.
Sebenarnya, di syarikat kami, kami menggunakan 3 AI secara serentak: Claude yang kuat dalam dokumen undang-undang untuk semakan kontrak, ChatGPT yang kreatif tinggi untuk penjanaan idea, dan Grok untuk pengumpulan maklumat masa nyata. Walaupun kos bulanan meningkat, bukan sahaja risiko bergantung pada model tunggal dapat dipelbagaikan, tetapi terdapat juga kelebihan besar dapat memilih alat yang paling sesuai untuk setiap kerja.
Kesimpulan: Peranan Pengurus untuk Mengubah Jurang menjadi “Sambungan”
“Jurang antara pembangunan dan penggunaan” yang ditonjolkan oleh tinjauan Nikkei adalah masalah organisasi dan proses, bukan masalah teknologi. Hanya keazaman jelas dan tindakan konkrit pengurus yang dapat mengisi jurang ini.
Pertama, visualkan proses kerja syarikat anda dan diagnosis kesesuaian AI. Kemudian, kenal pasti keseimbangan antara pembangunan dalaman dan penggunaan luar, dan bentuk strategi dengan kesedaran ekosistem yang menggabungkan pelbagai AI. Langkah-langkah ini adalah tindakan praktikal yang boleh dimulakan dari hari ini.
AI bukan lagi isu jabatan IT sahaja. Ia adalah sumber pengurusan untuk mereka bentuk semula semua proses kerja. Hanya dengan mengubah jurang antara pembangunan dan penggunaan menjadi “sambungan”, pelaburan AI mula menghasilkan ROI sebenar. Langkah pertama bermula dengan pengurus sendiri mengalihkan perspektif dari “pengguna” AI kepada “pencipta” AI.
コメント