Intipati Pengurangan Tenaga Kerja oleh AI Terletak pada “Reka Bentuk Semula Organisasi”

Realiti ‘Organisasi Era AI’ yang Ditunjukkan oleh Keputusan Snap

Syarikat pengendali Snapchat, Snap, telah mengumumkan pengurangan tenaga kerja kira-kira 16% daripada jumlah pekerja. Alasan yang diberikan secara jelas ialah ‘peningkatan kecekapan operasi melalui AI’. Berita ini melangkaui sekadar cerita penjimatan kos. Ia merupakan titik perubahan penting yang menunjukkan AI telah bertukar daripada ‘alat yang berguna’ kepada ‘prasyarat reka bentuk organisasi’.

Ramai pengurus cenderung melihat AI sebagai ‘alat untuk meningkatkan kecekapan sebahagian operasi’. Namun keputusan Snap membuktikan bahawa AI memberi kesan kepada struktur organisasi itu sendiri. Mereka mungkin menilai bahawa dengan pengenalan AI, aliran kerja tertentu menjadi tidak diperlukan atau pelbagai peranan dapat digabungkan.

Yang penting, gerakan ini bukan sekadar gambaran mudah ‘mengurangkan pekerja dengan AI’. Intipatinya terletak pada ‘pengoptimuman organisasi baru berdasarkan keupayaan AI sebagai prasyarat’. Sebagai pengurus, bagaimana kita harus mentafsir perubahan ini dan mengaplikasikannya kepada syarikat kita sendiri?

Makna Sebenar “Dari DX ke AX”

Kebelakangan ini, kita sering melihat frasa “Dari DX (Transformasi Digital) ke AX (Transformasi AI)”. Namun, tidak ramai pengurus yang memahami makna sebenar frasa ini. AX bukan sekadar memperkenalkan alat AI, tetapi mereka bentuk proses kerja dan struktur organisasi baru dengan AI sebagai teras.

Dalam pengalaman perundingan saya, perbezaan ini jelas kelihatan. Sebuah syarikat klien memperkenalkan ChatGPT kepada jabatan jualan. Pada mulanya, tujuannya adalah ‘meningkatkan kecekapan penciptaan dokumen jualan’. Namun selepas 3 bulan, mereka menyedari sesuatu. AI mampu menganalisis emel pelanggan, mencadangkan tindakan seterusnya, malah menyelaraskan jadual.

Hasilnya, peranan pembantu jualan tradisional berubah secara asas. Ia beralih daripada tugas rutin kepada peranan khusus untuk mengesahkan strategi yang dicadangkan AI dan menangani situasi pelanggan yang kompleks. Inilah realiti ‘AX’. Ia bukan sekadar meningkatkan kecekapan operasi, tetapi mentakrifkan semula peranan itu sendiri.

Tekanan Transformasi yang Dihadapi ‘Pengurus Pertengahan’ Syarikat Jepun

Apa yang amat bermakna tentang kes Snap ialah pengurangan tenaga kerja secara langsung disebabkan oleh ‘peningkatan kecekapan operasi melalui AI’. Ini mendahului realiti yang akan dihadapi banyak syarikat Jepun pada masa depan. Khususnya, operasi pengurus pertengahan yang banyak menghabiskan masa untuk menyediakan laporan, mengurus kemajuan dan mengumpul data akan terjejas teruk.

Sistem ejen AI yang saya bina mengautomasikan tugas pengurusan berikut:

• Penjanaan dan analisis laporan mingguan automatik
• Visualisasi kemajuan projek dan pengesanan risiko
• Analisis keseimbangan beban kerja ahli pasukan

Ini dicapai dengan kos alat AI sekitar RM650 sebulan. Sebelum ini, ia adalah tugas yang mengambil masa beberapa jam untuk pengurus. Berhadapan dengan realiti ini, peranan pengurus pertengahan terpaksa berubah daripada ‘pengumpul maklumat’ kepada ‘penyelesai isu yang diekstrak oleh AI’.

3 Langkah Praktikal untuk ‘Reka Bentuk Semula Organisasi’

Jadi, apa yang perlu dilakukan oleh pengurus secara praktikal? Pengurangan tenaga kerja radikal seperti Snap tidak sesuai untuk semua syarikat. Pendekatan realistik yang sesuai untuk syarikat Jepun diperlukan.

Langkah 1: Pemetaan ‘Kesesuaian AI’ untuk Operasi

Pertama, klasifikasikan operasi semasa kepada 3 kategori:

1. Operasi yang boleh dipindahkan sepenuhnya kepada AI: Penciptaan dokumen tetap, kemasukan data, analisis mudah, dll.
2. Operasi yang memerlukan kerjasama AI dan manusia: Perkhidmatan pelanggan (AI menyediakan draf), perancangan strategi (AI mencadangkan pilihan), dll.
3. Operasi yang memerlukan pertimbangan manusia: Perundingan kompleks, kerja kreatif, pertimbangan etika, dll.

Untuk klasifikasi ini, mencuba alat AI secara praktikal adalah penting. Contohnya, dalam operasi semakan kontrak, terdapat kes di mana Claude 3.5 Sonnet diajar sejarah pindaan lalu untuk secara automatik menandakan bahagian berisiko dalam kontrak baru, mencapai pengurangan masa 80%.

Langkah 2: Takrif Semula Peranan dan Perancangan Peralihan Kemahiran

Berdasarkan pemetaan kesesuaian AI, takrifkan semula peranan setiap jawatan. Yang penting ialah perspektif ‘mengubah kerja’ bukan ‘mengambil kerja’.

Sebuah klien pembuatan mereka bentuk semula operasi penyelia kawalan kualiti seperti berikut:

• Tradisional: Kemasukan data pemeriksaan manual → pengumpulan → penciptaan laporan (60% masa kerja)
• Selepas reka bentuk semula: Pengesanan corak luar biasa yang dianalisis dan dikumpulkan secara automatik oleh AI → siasatan tapak untuk mengenal pasti punca → perumusan langkah pencegahan berulang (AI menyediakan draf)

Untuk peralihan ini, kemahiran baru diperlukan untuk mentafsir hasil analisis yang dijana AI dengan betul dan keupayaan mengenal pasti punca di tapak. Syarikat perlu menyokong pemerolehan kemahiran ini.

Langkah 3: Pengenalan Berperingkat dan Penilaian Berterusan

Cuba mengubah seluruh organisasi sekaligus akan menyebabkan tentangan dan kekeliruan besar. ‘Pengenalan perintis’ bermula dari jabatan atau projek tertentu adalah berkesan.

Anggaran kos pengenalan:

• Pengenalan skala kecil (1 jabatan): RM1,500 – RM3,000 sebulan (alat AI + penyediaan awal)
• Pengembangan skala sederhana (berbilang jabatan): RM6,000 – RM15,000 sebulan (termasuk penyesuaian)
• Pengembangan seluruh syarikat: RM30,000 ke atas sebulan (termasuk integrasi sistem)

Penunjuk prestasi hanya berdasarkan ‘kadar pengurangan tenaga kerja’ tidak mencukupi. Penilaian pelbagai aspek seperti ‘perubahan kualitatif operasi’, ‘peningkatan kelajuan membuat keputusan’, ‘tahap peningkatan kemahiran pekerja’ adalah penting.

Penggunaan Data ESG dan AI: Kelahiran Penunjuk Pengurusan Baru

Selari dengan reka bentuk semula organisasi, penggunaan AI untuk data ESG (Alam Sekitar, Sosial dan Tadbir Urus) patut diberi perhatian. Seperti yang ditunjukkan oleh Sustainable Brands Japan, data ESG bukan lagi ‘kewajipan pendedahan’ tetapi semakin menjadi ‘senjata pengurusan’.

Dengan menggunakan AI, data ESG boleh digunakan seperti berikut:

• Visualisasi beban alam sekitar seluruh rantaian bekalan secara masa nyata
• Ramalan risiko perletakan jawatan daripada data kepuasan pekerja
• Pengesanan dan amaran risiko tadbir urus secara automatik

Dalam pengalaman saya, sebuah syarikat runcit yang menganalisis data alam sekitar pembekal menggunakan AI menemui beberapa risiko yang tidak dijangka. Dengan menangani ini lebih awal, mereka mengelakkan risiko peraturan masa depan dan meningkatkan penilaian daripada pelabur. Analisis ESG oleh AI sedang berubah daripada sekadar pematuhan kepada sumber kelebihan daya saing.

Strategi Organisasi AI ‘Ofensif’ yang Perlu Diambil oleh Syarikat Jepun

Sambil mengambil iktibar daripada kes Snap, syarikat Jepun harus melalui jalan mereka sendiri. Evolusi organisasi berperingkat adalah lebih sesuai daripada pengurangan tenaga kerja radikal.

Pelan tindakan praktikal:

1. Pelaburan dalam peningkatan literasi AI: Laksanakan pendidikan untuk memahami potensi dan had AI dari peringkat pengurusan hingga ke tapak. Bengkel praktikal bulanan adalah berkesan.
2. Penetapan projek perintis: Mulakan pengenalan AI dari jabatan berisiko rendah. Tetapkan tempoh percubaan 6 bulan dan ukur kesan kuantitatif dan kualitatif.
3. Semakan semula sistem penilaian sumber manusia: Tambah keupayaan kerjasama dengan AI sebagai item penilaian. Reka bentuk insentif untuk menggalakkan pemerolehan kemahiran baru.

Yang paling penting ialah melihat AI sebagai ‘pengembangan keupayaan manusia’ bukan ‘pengganti manusia’. Keputusan Snap menunjukkan AI telah menjadi prasyarat reka bentuk organisasi. Namun, jalan spesifiknya perlu dilukis oleh setiap syarikat sendiri.

Organisasi era AI akan beralih daripada struktur hierarki tetap kepada struktur jenis rangkaian yang lebih cair. Manusia menumpu pada ‘penciptaan’, ’empati’ dan ‘pertimbangan kompleks’ yang tidak boleh diganti oleh AI, manakala AI bertanggungjawab untuk pemprosesan maklumat dan analisis. Bagaimana mereka bentuk sistem pembahagian kerja baru ini adalah tanggungjawab penting pengurus masa depan.

Perjalanan untuk mereka bentuk semula organisasi syarikat anda menjadi ‘AI Native’ boleh bermula hari ini. Langkah pertama ialah menyemak semula operasi semasa dari perspektif ‘bagaimana berkongsi dengan AI’. Di sebaliknya, kelebihan daya saing mampan menanti.