Apakah “Halangan Seterusnya” dalam Penggunaan AI? Tinjauan Realiti Mendedahkan Titik Buta Pengurusan

Apa yang Terdapat di Sebalik “Kejayaan Awal” Pelaksanaan AI

Ramai syarikat sedang melaksanakan AI generatif seperti ChatGPT dan Claude, mencapai peningkatan kecekapan operasi tertentu. Namun, apabila beralih daripada peringkat awal “cuba guna” kepada “fasa penskalaan” di mana AI diserap ke seluruh organisasi dan menghasilkan nilai mampan, halangan baharu muncul. Kami menerangkan titik buta pengurusan dan penyelesaian konkrit dalam fasa ini berdasarkan tinjauan realiti terkini dan pengalaman menyokong lebih 38 syarikat klien kami.

3 Cabaran Utama “Fasa Penskalaan” yang Ditunjukkan Data Tinjauan

Dalam tinjauan realiti penggunaan AI terkini untuk syarikat (separuh kedua 2024), hanya 18% syarikat yang melaporkan telah melaksanakan AI dalam sebarang bentuk mengakui berjaya dalam penggunaan berskala penuh di seluruh organisasi. Latar belakang ini mendedahkan 3 cabaran berikut:

1. Perluasan Jurang Kemahiran dan “Polarisasi Literasi AI”
Pada peringkat pelaksanaan awal, kakitangan dengan literasi IT tinggi mempelopori penggunaan. Namun, apabila ingin dikembangkan ke seluruh organisasi, timbul perbezaan besar dalam pemahaman kakitangan, daripada cara asas menggunakan AI sehingga reka bentuk prompt dan pengesahan output. Tinjauan menunjukkan 67% responden melaporkan polarisasi jelas antara “kakitangan yang boleh menggunakan AI secara harian” dan “kakitangan yang hampir tidak boleh menggunakannya”, mendedahkan realiti ini menghalang penggunaan organisasi.

2. Kesukaran Menyeragamkan “Aliran Kerja AI” yang Terpersonalisasi
Oleh kerana setiap kakitangan menggunakan AI dengan cara tersendiri, kaedah penggunaan berkesan dan amalan terbaik tidak dikongsi atau diseragamkan dalam organisasi. Ketidakcekapan timbul, contohnya seorang kakitangan mengautomasikan semakan kontrak dengan Claude, manakala kakitangan lain melakukan tugas sama secara manual. 52% syarikat dalam tinjauan menyatakan “penyeragaman kaedah penggunaan AI berkesan dalam syarikat” sebagai cabaran.

3>Ketidakjelasan Pengurusan Kos dan Pengukuran ROI
Apabila penggunaan AI tersebar ke setiap individu dan jabatan, jumlah yuran penggunaan API bulanan dan kos kontrak alat menjadi sukar dijejaki. Walaupun kesan penjimatan masa daripada penggunaan individu dirasai, hanya 31% syarikat dalam tinjauan dapat mengukur pulangan atas pelaburan (ROI) secara kuantitatif untuk keseluruhan organisasi. Mereka masih belum keluar daripada keadaan kabur “mungkin ada kesan kerana sedang digunakan”.

Keperluan Peranan Baharu “Pengurus Penggunaan AI”

Untuk menyelesaikan cabaran ini, penulis amat mengesyorkan kepada syarikat klien untuk memperjelas peranan “Pengurus Penggunaan AI” (nama sementara). Berbeza dengan jabatan IT tradisional, peranan ini melaksanakan 4 fungsi berikut:

1. “Pencarian, Penyeragaman dan Pengembangan” Amalan Terbaik Dalaman

Mengumpul kaedah penggunaan AI berkesan yang timbul di setiap jabatan secara berkala, mendokumentasikan dan mememplatkannya sebagai standard dalaman. Contohnya, menyusun semula prompt cemerlang dari jabatan jualan untuk diaplikasikan di jabatan pemasaran, menggalakkan perkongsian pengetahuan merentas jabatan.

Secara konkrit, mencipta “Koleksi Resipi Penggunaan AI” dalam wiki dalaman seperti Notion atau Confluence, mengumpul item berikut dalam format standard:

• Masalah operasi yang ingin diselesaikan
• Alat AI disyorkan (Claude / ChatGPT / Cursor dll)
• Contoh prompt konkrit
• Kesan penjimatan masa yang dijangka
• Titik pengesahan output
• Data dalaman dan format berkaitan

2. Reka Bentuk Program Peningkatan Kemahiran Berperingkat

Mereka bentuk program berperingkat berdasarkan tahap kemahiran kakitangan, bukannya latihan AI seragam. Pendekatan 3 peringkat yang kami amalkan adalah:

Tahap 1 (untuk semua kakitangan): Cara asas menggunakan antara muka chat, pengendalian maklumat sulit, pemberian prompt asas (5W1H)
Tahap 2 (untuk ketua jabatan/pengguna kerap): Reka bentuk prompt lanjutan, integrasi alat (Zapier / Make.com), penggunaan asas API
Tahap 3 (untuk pengguna pakar): Automasi operasi menggunakan AI penjanaan kod (Claude Code / Cursor), penciptaan GPT/penolong tersuai

Pengkategorian ini membolehkan pengagihan sumber pendidikan terhad secara berkesan. Kos bulanan, jika menggunakan jurulatih luar, boleh bermula sekitar RM15 hingga RM30 sebulan seorang kakitangan untuk latihan Tahap 1.

3>Pembolehlihatan Kos dan Pengoptimuman Lesen

Pengurus Penggunaan AI membolehlihat dan mengoptimumkan kos berkaitan AI seluruh syarikat. Secara konkrit:

• Pemantauan status penggunaan API setiap jabatan
• Penyatuan kontrak alat bertindih (contoh: penyatuan jika beberapa jabatan mempunyai kontrak ChatGPT Team berasingan)
• Cadangan menurun taraf lesen mahal dengan kekerapan penggunaan rendah
• Pertimbangan alternatif sumber terbuka/pembinaan dalaman

Satu syarikat klien berjaya mengurangkan kos bulanan berkaitan AI sebanyak 23% sementara meningkatkan bilangan pengguna sebanyak 35% selepas menubuhkan peranan ini.

Perekaan Semula Proses Operasi “AI-First”

Daripada “menyesuaikan” AI dengan proses operasi sedia ada, merekabentuk semula proses operasi itu sendiri dengan mengandaikan keupayaan AI adalah penting dalam fasa penskalaan.

Contoh Amalan “Peng-AI-an” Mesyuarat

Proses mesyuarat tradisional: Tetapan agenda → Pelaksanaan mesyuarat → Penciptaan minit → Perkongsian item tindakan
Selepas reka bentuk semula AI-First: Analisis AI awal agenda dan bahan latar → Sesi dialog singkat → Penjanaan automatik minit/item tindakan oleh AI → Penghantaran automatik kepada pihak berkaitan

Dengan reka bentuk semula ini, satu syarikat klien berjaya mengurangkan masa purata untuk satu mesyuarat rutin dari 120 minit kepada 45 minit. Tambahan lagi, mereka berjaya mengautomasikan sepenuhnya usaha penciptaan minit (kira-kira 15 jam sebulan). Alat digunakan: Claude (melalui API) untuk penjanaan minit, integrasi Slack API dan Google Docs API untuk penghantaran. Kos bulanan sekitar RM90 untuk yuran penggunaan API.

Pembinaan Saluran Paip Automasi Penciptaan Laporan

Untuk tugas penciptaan laporan rutin seperti laporan jualan, kemajuan projek, laporan perakaunan, pembinaan saluran paip automasi berpusatkan AI adalah berkesan.

Contoh saluran paip yang kami bina dan operasikan:

1. Pengumpulan Data: Pengambilan data automatik dari Google Sheets / Salesforce dll (diautomasikan dengan Make.com)
2. Analisis & Penciptaan Draf: Memasukkan data dan templat ke Claude API, melaksanakan analisis dan penciptaan draf secara automatik
3. Pengesahan & Suntingan: Pemeriksaan draf yang dijana oleh pihak bertanggungjawab, pembetulan jika perlu (sejarah suntingan diuruskan dengan Git)
4. Penghantaran & Perkongsian: Penukaran automatik versi siap ke format ditetapkan (PDF / slaid pembentangan), penghantaran automatik melalui email/Slack kepada pihak berkaitan

Syarikat yang melaksanakan saluran paip ini mengurangkan tugas pelaporan rutin bulanan dari kira-kira 40 jam kepada kira-kira 5 jam. Kos pembinaan awal sekitar RM15,000 (jika menggunakan pembangunan luar), tetapi kesan penjimatan masa bulanan bersamaan dengan kira-kira RM24,000 sebulan dalam nilai wang, bermakna ROI boleh diperoleh dalam satu bulan.

3 KPI Penting dalam Fasa Penskalaan

Dalam fasa penskalaan penggunaan AI, penetapan KPI yang lebih berkaitan langsung dengan pengurusan adalah penting, bukan sekadar “masa penggunaan” atau “bilangan pengguna”.

1. Kadar Automasi Proses Operasi

Mengukur “perkadaran proses operasi yang diautomasikan sepenuhnya atau sebahagiannya oleh AI” untuk setiap jabatan. Contohnya, menetapkan penunjuk khusus seperti “kadar automasi pemprosesan invois” untuk jabatan perakaunan, “kadar automasi penciptaan sebut harga” untuk jabatan jualan. Penetapan matlamat berperingkat seperti peningkatan 5% setiap suku tahun adalah berkesan.

2. Skor Kelangsungan Operasi Bergantung AI

Menilai operasi penggunaan AI yang bergantung pada kakitangan tertentu dengan 3 peringkat: “Merah” (bergantung tinggi), “Kuning” (bergantung sederhana), “Hijau” (bergantung rendah). Pengurus Penggunaan AI memulakan penyeragaman dan pendokumentasian dari operasi dinilai “Merah”, mengurangkan risiko personalisasi.

3. Pembolehlihatan ROI Mengikut Jabatan

Membolehlihat kos berkaitan AI (kos alat, pendidikan, pembangunan dll) dan usaha dikurangkan (masa × kadar sejam) mengikut jabatan. Formula pengiraan ringkas yang kami bangunkan:

ROI AI mengikut jabatan = (Usaha dikurangkan × Kadar sejam) / (Kos berkaitan AI + Peruntukan kos pelaksanaan/pendidikan)

Melakukan pengiraan ini setiap suku tahun, melaksanakan semakan kaedah penggunaan atau pendidikan tambahan untuk jabatan dengan ROI rendah.

Langkah Praktikal Pertama: 3 Tindakan Boleh Dimulakan Minggu Ini

Kami cadangkan tindakan konkrit yang boleh dimulakan oleh pengurus/CTO minggu ini ke arah penskalaan penggunaan AI seluruh organisasi.

1. Melaksanakan Temu Bual 30 Minit “Realiti Penggunaan AI”

Melaksanakan temu bual pendek kira-kira 30 minit dengan ketua setiap jabatan. Item soalan:

• Alat AI mana yang digunakan untuk operasi apa sekarang?
• Kaedah penggunaan paling berkesan dalam jabatan? (jika ada contoh prompt konkrit)
• Cabaran terbesar dalam penggunaan semasa?
• Operasi “jika boleh diautomasikan dengan AI”?

Berdasarkan keputusan temu bual ini, mencipta “peta” penggunaan AI seluruh organisasi. Alat seperti papan putih Miro atau Figma disyorkan.

2. Menganjurkan “Sesi Belajar Penggunaan AI” Merentas Jabatan Bulanan

Menamakan 1-2 “penggerak penggunaan AI” dari setiap jabatan, memulakan sesi belajar bulanan. Agenda sesi pertama:

• Perkongsian kes penggunaan setiap jabatan (5 minit × bilangan jabatan)
• Mengenal pasti isu bersama
• Penetapan item tindakan sehingga sesi seterusnya (contoh: “Menyusun semula prompt jabatan jualan untuk jabatan pemasaran”)

Pengerusi/pemudah cara sesi belajar ini menjadi langkah pertama “Pengurus Penggunaan AI” de facto.

3. Penciptaan Senarai “Perbelanjaan Berkaitan AI” untuk Pembolehlihatan Kos

Bekerjasama dengan jabatan perakaunan, membolehlihat semua perbelanjaan berkaitan AI. Kategori:

• Kos kontrak alat/perkhidmatan (ChatGPT, Claude, Midjourney dll)
• Yuran penggunaan API
• Kos buku/latihan berkaitan
• Kos pembangunan luar

Dengan mengemaskini dan berkongsi senarai ini setiap suku tahun, peningkatan kos tidak sedar dapat dicegah, dan perbincangan ROI dapat dijalankan berdasarkan data.

Kesimpulan: Fasa Penskalaan dari “Pengurusan” ke “Pembinaan Ekosistem”

Dalam fasa penskalaan penggunaan AI, pembinaan “ekosistem penggunaan AI” dalam organisasi diperlukan, melampaui pengurusan pelaksanaan alat semata-mata. Ini adalah mekanisme di mana kes penggunaan cemerlang ditemui, dikongsi dan berkembang secara semula jadi, dengan keseimbangan antara pengurusan berpusat dan autonomi individu sebagai kunci.

Melalui sokongan kepada lebih 38 syarikat klien, penulis mendapati syarikat yang berjaya dalam fasa ini meletakkan AI bukan sebagai “alat berguna” tetapi sebagai “infrastruktur yang meningkatkan keupayaan pembelajaran dan penyesuaian organisasi itu sendiri”. Selepas melepasi peringkat awal “cuba guna”, kini adalah masa untuk menghadapi “halangan seterusnya” penggunaan AI secara langsung untuk membina kelebihan daya saing mampan.

Langkah pertama bermula dengan memahami secara objektif di peringkat mana penggunaan AI syarikat sendiri berada sekarang, dan cabaran apa yang dihadapi. Kami berharap rangka kerja dan tindakan praktikal yang diperkenalkan dalam artikel ini dapat membantu dalam hal tersebut.