Kegagalan Pelaksanaan AI: Strategi Membalikkan Keadaan dengan “Pengkhususan Tugas”

“Sudah perkenalkan AI tapi tiada hasil?” Puncanya pada model generik

“Saya dah perkenalkan ChatGPT, tapi produktiviti kerja tak berubah.” “Projek terhenti di peringkat POC (pembuktian konsep), tak sampai ke peringkat pelaksanaan sebenar.” Makin kerap saya dengar rungutan begini daripada para pengurus.

Dalam artikel JBpress “Kenapa projek pelaksanaan AI syarikat gagal?”, tiga corak kegagalan yang biasa dikenal pasti. Sementara itu, NEC pula menonjolkan kelebihan “pengkhususan” yang tidak mampu dicapai oleh ChatGPT atau Claude, sebagai “AI yang benar-benar boleh digunakan untuk negara dan tugas”.

Artikel ini akan menerangkan, berdasarkan berita terkini ini, kenapa AI generik tidak dapat menyelesaikan masalah di tempat kerja, dan kenapa peralihan kepada “AI khusus tugas” itu penting, bersama contoh konkrit.

Tiga corak biasa dalam kes kegagalan

Menurut analisis JBpress, terdapat tiga corak kegagalan pelaksanaan AI dalam syarikat:

1. **Sindrom “Perkenalkan saja”**: ChatGPT diperkenalkan di seluruh syarikat tanpa tujuan, akhirnya terbengkalai tanpa digunakan.
2. **Perangkap “Ketepatan semata-mata”**: Hanya mengejar ketepatan jawapan AI, tetapi mengabaikan keserasian dengan aliran kerja sebenar.
3. **Pemeliharaan “Pergantungan individu”**: Walaupun alat AI diperkenalkan, peraturan operasi dan penyediaan data tidak seiring, menyebabkan hanya segelintir pekerja menggunakannya.

Dari pengalaman saya sendiri membantu lebih 38 syarikat melaksanakan IT, saya boleh katakan ini bukan “masalah alat”, tetapi “masalah falsafah reka bentuk”.

Had AI generik: Tiga halangan yang ChatGPT tidak dapat atasi

Dalam artikel NEC, tiga bidang yang tidak dapat dicapai oleh LLM generik seperti ChatGPT dan Claude disenaraikan:

1. **Ketepatan khusus domain**: Dalam tugas yang memerlukan pengetahuan khusus seperti kewangan, perubatan, undang-undang, jawapan model generik adalah terhad.
2. **Keselamatan dan pematuhan**: Dalam banyak kes, data sulit tidak boleh dihantar ke awan luar syarikat.
3. **Kebolehkawalan masa nyata**: Untuk disepadukan dalam proses kerja, kawalan ketat terhadap kelajuan respons dan format output diperlukan.

Ini betul-betul sepadan dengan rungutan yang sering saya dengar daripada pelanggan. “Saya nak ChatGPT semak kontrak, tapi takut bocor maklumat.” “Saya nak latih AI dengan data lama syarikat, tapi tak tahu caranya.”

Kelebihan “pengkhususan”: Pengajaran daripada kes NEC

“cotomi” yang dibangunkan oleh NEC ialah LLM yang dikhususkan untuk dokumen perniagaan bahasa Jepun. Syarikat itu menekankan perbezaan berikut sebagai “perkara yang ChatGPT dan Claude tidak boleh lakukan”:

– Menghasilkan ungkapan hormat bahasa Jepun dan format dokumen perniagaan dengan ketepatan tinggi
– Boleh mempelajari istilah dan singkatan khusus industri
– Boleh beroperasi dalam persekitaran on-premise (memenuhi keperluan keselamatan)

Ini mengandungi implikasi yang sangat penting untuk pengurus. “Pengkhususan” bukan sekadar “ketepatan tinggi”, tetapi merujuk kepada kepraktisan tinggi iaitu “boleh disepadukan dalam proses kerja”.

kintone AI: Contoh pelaksanaan AI “dipacu oleh tempat kerja”

Versi rasmi “kintone AI” yang diumumkan oleh Cybozu (akan dilancarkan Jun 2025) benar-benar mencerminkan falsafah “pengkhususan” ini.

kintone ialah platform yang membolehkan penciptaan aplikasi kerja tanpa kod. Dengan penyepaduan fungsi AI, penggunaan AI yang dipacu oleh tempat kerja seperti berikut menjadi mungkin:

– Rumusan dan analisis automatik laporan harian jualan
– Pengelasan automatik pertanyaan pelanggan dan penjanaan cadangan jawapan
– Pengesanan anomali dalam pengurusan inventori dan pemberitahuan amaran

Yang penting, semua ini boleh dicapai “tanpa perlu pengaturcaraan”. Walaupun pengurus tidak mengarahkan “perkenalkan AI”, persekitaran sedang dibentuk di mana ketua di tempat kerja boleh secara sukarela menyepadukan AI dalam tugas mereka.

Anggaran kos pelaksanaan dan kesan sebenar

Kos bulanan kintone AI dijangka sekitar beberapa ratus hingga beberapa ribu ringgit seorang pengguna pada masa ini. Sebagai perbandingan, dalam anggaran saya untuk pelanggan, tugas rumusan laporan harian jualan dijangka dapat menjimatkan 5 hingga 10 jam sebulan seorang.

Contohnya, jika pasukan jualan 10 orang memperkenalkannya, kos tahunan adalah sekitar RM10,000 hingga RM30,000. Penjimatan kos buruh tahunan boleh mencecah RM100,000 hingga RM200,000. ROI secara mudah adalah 3 hingga 10 kali ganda.

Tiga tindakan yang perlu diambil oleh pengurus

Berdasarkan berita ini, saya kemukakan tiga tindakan yang perlu diambil oleh pengurus sekarang.

Keputusan peralihan daripada “AI generik” kepada “AI khusus”

Pertama, klasifikasikan tugas syarikat anda kepada “bidang yang mencukupi dengan AI generik” dan “bidang yang memerlukan AI khusus”.

Berdasarkan pengalaman saya, kriteria berikut adalah berkesan:

– **OK dengan AI generik**: Penulisan dokumen luaran, sumbang saran idea, analisis data mudah
– **Perlukan AI khusus**: Semakan kontrak, penulisan dokumen yang mengandungi istilah khusus industri, tugas yang mengendalikan data sulit

Sediakan persekitaran “yang boleh digunakan oleh tempat kerja”

Pertimbangkan alat yang boleh diperkenalkan oleh tempat kerja sendiri, seperti kintone AI. Yang penting ialah sama ada reka bentuknya membolehkan “ketua di tempat kerja secara sukarela memikirkan cara menggunakannya”.

Di syarikat saya sendiri, kami menggunakan Claude Code dan ChatGPT secara serentak untuk mengautomasikan semakan kontrak dan siaran media sosial. Dari pengalaman ini, saya boleh katakan kejayaan pelaksanaan AI ditentukan oleh “sejauh mana alat itu boleh meresap ke dalam aliran kerja tempat kerja”.

Senarai semak untuk mengelakkan “tiga corak kegagalan”

Akhir sekali, sebelum memulakan projek pelaksanaan AI, sahkan senarai semak berikut:

– Adakah tujuan pelaksanaan jelas, iaitu “untuk menyelesaikan apa”?
– Adakah “kriteria kejayaan” untuk tugas sasaran ditakrifkan secara angka?
– Adakah terdapat peraturan operasi dan rancangan penyediaan data?
– Adakah ketua di tempat kerja terlibat?
– Adakah persekitaran memenuhi keperluan keselamatan?

Kesimpulan: Intipati pelaksanaan AI adalah peralihan kepada “pengkhususan tugas”

Pada tahun 2025, AI generatif beralih daripada fasa “cuba guna” kepada fasa “integrasikan dalam kerja”. Strategi “pengkhususan” NEC dan pendekatan “dipacu tempat kerja” kintone AI melambangkan aliran ini.

Apa yang diperlukan daripada pengurus bukanlah “AI mana yang nak dipilih”, tetapi perubahan falsafah reka bentuk iaitu “bagaimana nak khususkan AI untuk tugas syarikat sendiri”.

Di syarikat saya sendiri, dengan kos AI bulanan kira-kira RM21,000, kami mencipta nilai setara kira-kira RM750,000 setahun. Angka ini bukanlah sesuatu yang istimewa. Dengan falsafah reka bentuk yang betul dan pemilihan alat yang sesuai, mana-mana syarikat boleh mencapainya.

Sebagai langkah seterusnya, bagaimana kalau mulakan dengan mengenal pasti “tugas yang perlu dikhususkan” dalam syarikat anda?