Kadar Penggunaan AI Generatif 46.5%: Titik Perbezaan Antara Penggunaan Organisasi dan Serahan Lapangan

Separuh Syarikat Besar Guna AI Generatif, Tapi Hanya Sebahagian “Guna Dengan Berkesan”

Menurut kajian terbaru Teikoku Databank, kadar penggunaan AI generatif di syarikat besar mencecah 46.5%. Kajian Tokyo Shoko Research juga melaporkan kira-kira 60% syarikat besar mempromosikan AI generatif sebagai inisiatif organisasi.

Sekilas pandang, penggunaan AI di syarikat Jepun nampaknya berjalan lancar. Namun, saya percaya angka ini perlu dilihat dari dua sudut: “optimis” dan “amaran”.

Sebabnya, di sebalik kajian ini, terdapat banyak “syarikat yang sudah memperkenalkan AI tetapi tidak merasai kesannya” dan “syarikat yang menyerahkan kepada lapangan dan menanggung risiko keselamatan”.

Malah, kajian Teikoku Databank mendapati hampir separuh syarikat bimbang tentang ketepatan maklumat AI generatif. Keadaan “sudah guna tapi tak boleh guna dengan berkesan” inilah cabaran sebenar yang dihadapi pengurus sekarang.

Dari pengalaman saya sendiri membantu lebih 38 klien dalam penggunaan AI, saya boleh katakan terdapat jurang besar antara kadar pengenalan dan tahap penggunaan. Bukan sekadar memasang alat dan selesai.

Inisiatif Organisasi vs Serahan Lapangan: Bezanya Pada “Peraturan” dan “Pendidikan”

Perkara yang perlu diberi perhatian dalam kajian Tokyo Shoko Research ialah kira-kira 60% syarikat besar “mempromosikan sebagai organisasi”. Sebaliknya, baki 40% menyerahkan kepada lapangan atau budi bicara individu.

Perbezaan ini memberi kesan langsung kepada hasil penggunaan AI.

Syarikat yang mempromosikan sebagai organisasi biasanya melengkapkan tiga perkara berikut:

– Penyediaan garis panduan penggunaan
– Pelaksanaan program pendidikan dalaman
– Proses pengesahan untuk menjamin ketepatan maklumat

Sebaliknya, di syarikat yang menyerahkan kepada lapangan, “Shadow AI” merebak, meningkatkan risiko kebocoran maklumat dan keputusan salah. Lebih teruk, kerana percubaan dibuat di peringkat lapangan, pengetahuan tidak terkumpul dan individu menjadi terlalu bergantung, mewujudkan lingkaran ganas.

Dalam lawatan perundingan saya ke syarikat, polarisasi ini sangat ketara. Sebagai contoh, di sebuah klien pembuatan, jurutera lapangan mula menggunakan ChatGPT sendiri, tetapi tiada peraturan seragam dan pihak pengurusan tidak tahu untuk tugasan apa ia digunakan.

Pembelajaran Dari Ebara Corporation: Corak Kemenangan Pembangunan Dalaman

Dalam situasi ini, kes Ebara Corporation patut diberi perhatian. Bot prototaip yang bermula dengan hanya dua orang di syarikat itu berkembang menjadi “projek AI generatif” seluruh syarikat.

Kuncinya ialah pemilihan “pembangunan AI dalaman” dan “multi-cloud”.

Banyak syarikat cenderung berfikir “dengan memperkenalkan SaaS, penggunaan AI akan bermula”, tetapi Ebara Corporation mengambil pendekatan sebaliknya. Mereka menyesuaikan AI mengikut tugasan syarikat sendiri dan menggabungkan pelbagai perkhidmatan cloud untuk mencapai keseimbangan antara fleksibiliti dan keselamatan.

Saya sendiri telah membina sistem multi-AI yang menggunakan Claude Code, ChatGPT, dan Grok secara serentak, mencapai pengurangan 1,550 jam kerja setahun. Yang penting ialah tidak bergantung pada satu alat, tetapi memilih AI yang optimum mengikut tujuan dan menghubungkannya.

Tiga perkara yang boleh dipelajari dari kes Ebara Corporation:

– Mulakan kecil dan kumpul pengalaman kejayaan
– Sesuaikan dengan tugasan melalui pembangunan dalaman
– Sebarkan risiko dengan multi-cloud

Kebimbangan Tentang Ketepatan Yang Dirasai Separuh Syarikat, Cara Mengatasinya

Kajian Teikoku Databank mendapati hampir separuh syarikat bimbang tentang ketepatan maklumat. Ini tidak boleh diabaikan. Jika masalah ini dibiarkan, penggunaan AI itu sendiri akan terhenti.

Namun, dengan langkah yang betul, kebimbangan ini boleh diatasi.

Tiga langkah yang saya amalkan:

– Penjelasan sumber: Hadkan sumber data yang dirujuk AI (hanya dokumen dalaman, hanya data awam yang boleh dipercayai, dll.)
– Penggabungan proses pengesahan: Wujudkan mekanisme di mana manusia sentiasa menyemak output AI
– Pembinaan gelung maklum balas: Jika ada output salah, analisis puncanya dan perbaiki prompt atau data rujukan

Contohnya, semasa menggunakan AI untuk semakan kontrak, saya sentiasa memaparkan “klausa kontrak asal” dan “hasil analisis AI” secara bersebelahan, dan memasukkan aliran di mana manusia membuat keputusan akhir. Dengan ini, saya dapat menjamin ketepatan sambil mengurangkan masa kerja sebanyak 80%.

Tiga Tindakan Segera Untuk Pengurus

Berdasarkan analisis di atas, saya cadangkan tiga tindakan yang perlu diambil segera oleh pengurus, CTO, dan ketua pejabat belakang:

– Sediakan garis panduan penggunaan
– Mulakan program pendidikan seluruh syarikat
– Mulakan dengan pengalaman kejayaan kecil

Pertama, garis panduan penggunaan. Apa yang boleh dimasukkan, untuk tugasan apa ia boleh digunakan, bagaimana output perlu disahkan. Tanpa ini, lapangan akan keliru dan hanya risiko yang tinggal.

Kedua, pendidikan. Literasi AI bukan lagi hanya untuk pegawai IT tertentu. Semua pekerja perlu memahami “bagaimana bekerjasama dengan AI”. Di salah seorang klien saya, selepas mengadakan sesi pembelajaran AI sebulan sekali, masa penyediaan cadangan berkurangan separuh dalam tempoh tiga bulan.

Akhir sekali, mulakan kecil. Jika cuba melancarkan ke seluruh syarikat sekaligus, pasti gagal. Mulakan dengan satu jabatan, satu tugasan, cipta pengalaman kejayaan, kemudian kembangkan secara melintang. Seperti Ebara Corporation yang bermula dengan dua orang, permulaan kecil adalah kunci kejayaan.

Kesimpulan: Kadar Pengenalan 46.5% Adalah Titik Laluan, Yang Sebenar Bermula Sekarang

Kadar pengenalan AI generatif di syarikat besar mencecah 46.5% adalah satu pencapaian dalam transformasi digital syarikat Jepun. Namun, ini hanyalah “permulaan”.

Yang benar-benar penting ialah bagaimana untuk “menguasai” AI yang diperkenalkan. Sama ada mempromosikan sebagai organisasi atau menyerahkan kepada lapangan. Perbezaan ini akan semakin melebar pada masa hadapan.

Saya sendiri telah mencipta nilai setara kira-kira MYR 753,000 setahun melalui penggunaan AI, tetapi ini dapat dicapai “kerana ia dilakukan sebagai organisasi”. Dengan usaha individu sahaja, hasil ini tidak mungkin tercapai.

Saya ingin bertanya kepada para pengurus. Adakah penggunaan AI di syarikat anda dibiarkan begitu sahaja kepada lapangan? Semoga angka 46.5% ini menjadi peluang untuk menilai semula strategi AI syarikat anda.