Titik Peralihan yang Ditunjukkan oleh Perkhidmatan Baharu MengAIkan Data Aset
Pada Mac 2025, syarikat x3d mengumumkan pelancaran “Perkhidmatan Sokongan Pembangunan AI Model, Digital Twin, dan Persona AI”. Berita ini membawa makna yang lebih daripada sekadar pelancaran perkhidmatan baharu. Idea untuk mengubah data aset yang terpendam dalam syarikat kepada AI adalah sesuatu yang mencabar kebiasaan penggunaan AI sebelum ini.
Sebelum ini, penggunaan AI dalam syarikat kebanyakannya tertumpu pada “peningkatan kecekapan operasi”. Namun, perkhidmatan ini mengambil pendekatan yang lebih asas, iaitu “mengubah data itu sendiri sebagai aset kepada AI”. Apa yang perlu difahami oleh pengurus ialah “peralihan nilai data aset” yang ditunjukkan oleh aliran ini.
Saya sendiri, dalam rundingan undang-undang di Malaysia, pernah menganalisis dan menyusun semula semua e-mel, ordinan, dan undang-undang menggunakan AI. Walaupun ketika itu ia dilakukan secara hampir manual, kini dengan perkhidmatan sebegini, pengubahan data aset dapat dilakukan dengan lebih cepat dan tepat.
Perbezaan Asas Antara Digital Twin dan Persona AI
Dalam perkhidmatan ini, dua konsep diperkenalkan: “Digital Twin” dan “Persona AI”. Sebagai pengurus, anda perlu memahami perbezaan ini dengan tepat.
Digital Twin ialah teknologi yang meniru semula proses operasi atau peralatan sebenar dalam bentuk data. Dalam industri pembuatan, ia digunakan untuk simulasi barisan kilang, tetapi kini terdapat juga trend untuk mencipta “kembar proses operasi” bagi tugas pejabat belakang.
Sementara itu, Persona AI ialah teknologi yang meniru semula individu tertentu atau profil pelanggan menggunakan AI. Contohnya, dengan melatih AI dengan corak pemikiran dan teknik rundingan jurujual terbaik syarikat, ia boleh digunakan untuk latihan pekerja baharu. Atau, dengan data tingkah laku pembelian pelanggan, persona “pelanggan biasa” boleh dicipta dan digunakan untuk menguji strategi pemasaran.
Dengan menggabungkan kedua-dua ini, syarikat boleh memiliki “AI yang meniru semula corak kejayaan masa lalu” dan “AI yang menjalankan simulasi masa depan”.
Masa untuk Menilai Semula Nilai Data Sendiri
Masalah utama yang dihadapi banyak syarikat ialah data wujud tetapi “tidak digunakan”. Lebih 80% syarikat yang saya lawati untuk perundingan masih menyimpan data kes lepas dan maklumat pelanggan dalam bentuk Excel atau PDF yang terbiar.
Faedah mengubah data ini kepada model AI adalah tiga perkara utama. Pertama, penghapusan pergantungan kepada individu tertentu. Pengetahuan yang hanya diketahui oleh pekerja tertentu akan kekal dalam organisasi sebagai AI. Kedua, peningkatan kebolehulangan operasi. AI boleh menganalisis kes kejayaan lepas dan mengaplikasikannya pada kes baharu. Ketiga, peningkatan kualiti membuat keputusan. Simulasi berdasarkan data menjadi mungkin.
Mengenai kos pelaksanaan, perkhidmatan sebegini biasanya memerlukan puluhan ribu hingga ratusan ribu ringgit untuk pembinaan awal, dan yuran bulanan antara beberapa ribu hingga puluhan ribu ringgit. Walau bagaimanapun, ia sangat bergantung pada jumlah dan kualiti data. Yang penting ialah “penyusunan data” adalah bahagian yang paling mahal. Sebelum mengubah kepada model AI, anda perlu menyemak status data syarikat anda.
Model Terkini “Gemini 3.5 Flash” Mengubah Realiti Penggunaan AI
Pada masa yang sama, syarikat exaBase mula menawarkan model terkini “Gemini 3.5 Flash”. Apabila berita ini dilihat dalam konteks pengubahan data aset, satu gambaran menarik muncul.
Gemini 3.5 Flash menawarkan peningkatan kelajuan pemprosesan dan kos yang lebih baik berbanding model sebelumnya. Secara khusus, ia dikatakan mencapai pengurangan kos sekitar 30% dan kelajuan respons dua kali ganda lebih pantas.
Ini adalah asas teknologi penting untuk syarikat beralih daripada fasa “mencuba AI” kepada “pelaksanaan penuh”. Terutamanya, apabila model AI yang diubah daripada data aset digunakan secara operasi, kos dan kelajuan adalah faktor penentu.
Contohnya, jika Persona AI digunakan untuk respons pelanggan secara masa nyata, respons yang lambat akan menjadikannya tidak berguna. Juga, jika kos API untuk memproses data besar menjadi terlalu tinggi, perniagaan tidak akan berdaya maju. Dengan kemunculan model kos efektif seperti Gemini 3.5 Flash, model perniagaan pengubahan data aset menjadi lebih realistik.
Penggunaan Program Latihan sebagai Kunci Kejayaan
Satu lagi berita ialah syarikat SC Digital mula menawarkan “Program Latihan Generatif AI”. Program latihan ini bukan sekadar mengajar cara menggunakan alat, tetapi cara mengintegrasikan AI ke dalam proses operasi.
Berdasarkan pengalaman saya, kejayaan pelaksanaan AI ditentukan oleh “kesediaan manusia dan organisasi” berbanding “teknologi”. Saya telah melaksanakan 93 kes penggunaan AI dalam syarikat sendiri, dan cabaran terbesar bukanlah pemilihan alat, tetapi mendapatkan pemahaman dalaman.
Apabila memperkenalkan perkhidmatan pengubahan data aset, cabaran yang sama akan timbul. Jika pengurus sendiri tidak mempunyai jawapan kepada soalan “Mengapa data semasa perlu diubah kepada AI?” dan “Bagaimana data yang diubah kepada AI akan digunakan?”, pasukan tidak akan bergerak.
Apabila menggunakan program latihan, tiga kriteria pemilihan perlu disemak: “Adakah terdapat kes khusus untuk industri syarikat?”, “Adakah ia dalam format bengkel praktikal?”, dan “Adakah terdapat sokongan susulan selepas pelaksanaan?”.
Langkah Pertama Pengubahan Data Aset yang Boleh Dilakukan oleh PKS Sekarang
Berdasarkan kandungan di atas, berikut adalah langkah yang boleh diambil oleh pengurus PKS sekarang.
Pertama, penyusunan data syarikat. Apakah data yang ada, di mana ia disimpan, dan siapa yang menguruskannya? Tanpa pemahaman ini, pengubahan AI tidak boleh bermula. Kedua, penentuan keutamaan. Tidak perlu mengubah semua data kepada AI sekaligus. Mulakan dengan bidang yang paling berpotensi memberi kesan. Contohnya, data rundingan jualan atau sejarah respons sokongan pelanggan adalah calon yang baik.
Ketiga, pemilihan rakan kongsi. Sama ada menggunakan perkhidmatan khusus seperti x3d yang diperkenalkan, atau membina model AI sendiri. Walaupun halangan pembangunan sendiri semakin rendah, kepakaran khusus diperlukan untuk prapemprosesan data dan pengendalian model. Saya cadangkan menggunakan perkhidmatan khusus pada mulanya.
Dari segi kos, adalah realistik untuk memulakan dengan PoC (Proof of Concept) berskala kecil. Dengan pelaburan sekitar puluhan ribu ringgit, set data tertentu boleh diubah kepada AI dan kesannya boleh diuji. Jika kesan positif disahkan, ia boleh diperluaskan secara berperingkat.
Saya sendiri telah mencapai pengurangan masa kerja tahunan sebanyak kira-kira 1,550 jam dan ROI sebanyak 2,989% dalam syarikat sendiri. Angka ini bukanlah sesuatu yang luar biasa; dengan strategi dan pelaksanaan yang betul, mana-mana syarikat boleh mencapainya. Pengubahan data aset adalah salah satu cara yang berkesan untuk tujuan ini.
Evolusi AI semakin pantas. Model kos efektif seperti Gemini 3.5 Flash telah muncul, dan perkhidmatan pengubahan data aset semakin lengkap. Kini adalah masa untuk memberi perhatian kepada nilai yang terpendam dalam data syarikat anda.
コメント