AI Agen Mengubah Automasi Tugas: Belajar Strategi Generasi Seterusnya dari Wilayah Oita dan Gergasi E-dagang AS

Intipati AI yang Mencipta Masa untuk “Menghadapi Soalan”

Wilayah Oita telah mengukuhkan dasar untuk menggunakan AI dalam semua penulisan jawapan sidang. Perkara yang perlu diberi perhatian adalah tujuannya bukan sekadar “mempercepatkan penulisan dokumen”, tetapi untuk “meningkatkan masa untuk menghadapi soalan”. Ini adalah idea yang menyentuh intipati penggunaan AI. Walaupun banyak syarikat cenderung melihat AI sebagai “alat untuk mempercepatkan kerja”, contoh Wilayah Oita menunjukkan perspektif yang lebih strategik: “mengagih semula sumber kepada tugas bernilai tinggi yang sepatutnya diberi tumpuan oleh manusia” melalui AI.

Sementara itu, gergasi platform e-dagang AS seperti Salesforce dan Shopify memberi tumpuan kepada pembangunan dan penggunaan “AI Agen”. AI Agen merujuk kepada AI maju yang bukan sekadar melaksanakan tugas tunggal seperti AI tradisional, tetapi mengendalikan pelbagai alat dan sistem secara autonomi serta menyelesaikan keseluruhan proses kerja. Kedua-dua trend ini menunjukkan evolusi penggunaan AI daripada “mempercepatkan tugas individu” kepada “automasi dan mereka bentuk semula keseluruhan proses”.

Apakah AI Agen? 3 Teras Penting yang Perlu Diketahui Pengurus

AI Agen adalah evolusi seterusnya AI generatif. Secara khusus, ia mempunyai tiga keupayaan berikut.

1. Buat Keputusan dan Tindakan Autonomi

AI tradisional hanya melaksanakan tugas yang diarahkan manusia (contoh: ringkaskan minit mesyuarat). Walau bagaimanapun, AI Agen boleh membuat satu siri keputusan dan tindakan seperti “menganalisis minit mesyuarat, merujuk jawapan lepas yang berkaitan, membuat draf untuk soalan baharu, dan menggesa pengesahan daripada jabatan terlibat” secara autonomi dengan arahan awal minimum. Dalam kes Wilayah Oita, agen yang dijangkakan boleh menganalisis kandungan soalan sidang, menarik perundangan dan minit mesyuarat lepas secara automatik, dan membuat rangka jawapan.

2. Operasi Bersepadu Pelbagai Alat

AI Agen tidak beroperasi bersendirian, tetapi berintegrasi dengan sistem operasi sedia ada. Contohnya, ia boleh mengambil dokumen dari storan awan, menghantar permintaan pengesahan melalui sistem e-mel, dan mendaftar tugas dalam alat pengurusan projek. Dalam amalan kami, kami membina agen yang mengintegrasikan Claude dengan API Slack, Google Drive, dan GitHub untuk menjana laporan operasi secara automatik dan mengurus versi secara berterusan. Kos bulanan termasuk alat AI hanya sekitar beberapa puluh ribu yen (anggaran RM 1,000+), tetapi ini mencipta lebih 1,500 jam masa operasi setahun.

3. Pembelajaran dan Penyesuaian

AI Agen yang baik belajar melalui maklum balas dan memperbaiki output. Dalam contoh Wilayah Oita, proses di mana kakitangan membetulkan draf jawapan AI menjadi data pembelajaran untuk AI. Dengan memasukkan “pembetulan manusia” ke dalam gelung pembelajaran, ketepatan agen meningkat dari masa ke masa, akhirnya mengurangkan kerja pembetulan dengan ketara.

Pelaksanaan AI Agen sebagai Strategi Pengurusan: 3 Langkah Praktikal

Untuk menggunakan AI Agen dalam syarikat sendiri, pendekatan berperingkat adalah berkesan berbanding terus ke pembangunan berskala besar.

Langkah 1: “Visualisasi” dan “Pecahan” Proses

Pertama, senaraikan dan visualkan semua proses operasi yang ingin diautomasikan. Contohnya, aliran dari “penerimaan pelanggan baharu sehingga tindakan susulan pertama”. Seterusnya, pecahkan proses itu kepada tugas kecil seperti “pengumpulan maklumat”, “buat keputusan”, “pelaksanaan”, dan “rekod”. Untuk “penulisan jawapan sidang” Wilayah Oita, ia boleh dipecahkan kepada “penerimaan soalan”, “carian dokumen berkaitan”, “penciptaan draf”, “semakan perundangan”, dan “pengesahan penyelia”. Pecahan ini adalah langkah pertama untuk mentakrifkan apa yang perlu dilakukan oleh AI.

Langkah 2: Kenal Pasti Titik Integrasi dengan Alat Sedia Ada

Kenal pasti alat semasa (e-mel, CRM, pangkalan data dalaman, Google Workspace, dll.) yang digunakan untuk setiap tugas yang dipecahkan. Nilai AI Agen terletak pada automasi “pemindahan data manual” antara alat-alat ini. Berdasarkan pengalaman kami, 20-30% masa kakitangan di banyak syarikat dihabiskan untuk kerja salin dan tampal mudah antara alat. Kunci kejayaan adalah menyediakan persekitaran di mana AI boleh mengakses “data tersekat” ini secara merentas.

Langkah 3: Pelaksanaan Pilot Berskala Kecil dan Pembinaan Gelung Pembelajaran

Berusaha untuk mengautomasikan semua operasi sekaligus adalah berisiko. Pertama, pilih proses yang paling memakan masa dan berisiko rendah jika gagal (contoh: pengumpulan dan pelaporan tinjauan dalaman), dan laksanakan Pilot berskala kecil. Pastikan untuk memasukkan “semakan dan pembetulan manusia” ke dalam proses, dan reka bentuk gelung maklum balas untuk melatih AI dengan data pembetulan tersebut. Dari segi alat, adalah realistik untuk bermula dengan platform yang tidak memerlukan pengekodan maju (contoh: Microsoft Copilot Studio, atau memperkukuh Make.com, Zapier dengan fungsi integrasi AI). Pelaburan awal boleh bermula dari beberapa puluh ribu hingga ratusan ribu yen sebulan (anggaran RM 1,000 hingga RM 3,000+).

Contoh Wilayah Oita Menunjukkan Isu Biasa Sektor Awam dan Syarikat

Inisiatif Wilayah Oita membuktikan bahawa penggunaan AI Agen adalah realistik walaupun dalam sektor awam yang mempunyai pematuhan perundangan dan akauntabiliti yang sangat ketat. Isu serupa juga banyak dalam pengurusan syarikat. Contohnya, penciptaan dokumen pematuhan, penyelidikan tindak balas peraturan, dan penyediaan dokumen audit memerlukan ketepatan tinggi dan konsistensi dengan dokumen lepas yang banyak.

Apabila menggunakan AI Agen untuk operasi ini, kuncinya adalah tidak mensasarkan “automasi penuh”. Seperti Wilayah Oita yang menggunakan AI untuk “semua penulisan jawapan sidang” tetapi tanggungjawab akhir tetap pada manusia, peranan praktikal dalam syarikat adalah AI untuk “penciptaan draf awal dan penyampaian maklumat berkaitan”, manakala keputusan dan kelulusan akhir dilakukan oleh manusia. Ini membolehkan peralihan masa profesional daripada “pengumpulan maklumat dan draf awal” kepada “buat keputusan maju dan penyelarasan”.

Pelaburan Berpandangan Masa Depan: Pertimbangkan Pembebasan daripada Kebergantungan SaaS

Fakta bahawa platform seperti Salesforce dan Shopify sendiri membangunkan AI Agen memberi implikasi penting. Pada masa depan, mungkin berlaku “kebergantungan SaaS berulang” di mana syarikat terkunci dengan fungsi AI pembekal dan tidak dioptimumkan untuk proses operasi unik mereka sendiri.

Dari perspektif jangka sederhana hingga panjang, memiliki AI Agen yang mengautomasikan proses operasi teras syarikat secara dalaman atau boleh disesuaikan sebanyak mungkin membawa kepada kelebihan daya saing. Dengan perkembangan AI penjanaan kod (seperti Claude Code, GitHub Copilot), halangan pembangunan dalaman telah menurun dengan ketara. Perkara penting bukan untuk menginternalisasikan semua, tetapi membuat keputusan strategik untuk mengawal AI yang mengurus “proses buat keputusan unik” atau “pengalaman pelanggan” yang menjadi sumber daya saing syarikat.

Keputusan Wilayah Oita dan trend gergasi e-dagang AS menandakan penggunaan AI telah memasuki fasa baharu. Ia bukan lagi sekadar pelaksanaan “alat berguna”, tetapi strategi pengurusan untuk “mentakrif semula makna kerja manusia dan mengoptimumkan peruntukan sumber organisasi”. Sudah tiba masanya untuk pengurus dan CTO melihat AI bukan sebagai isu teknikal, tetapi sebagai “lever strategik” yang membolehkan pembinaan semula proses operasi dan reka bentuk organisasi.