Fasa Seterusnya Penggunaan AI Generatif: Peralihan daripada Pemudahcaraan kepada Pembezaan

Trend Penggunaan AI Generatif Beralih daripada “Pemudahcaraan” kepada “Pembezaan”

Penggunaan AI generatif dalam perniagaan telah memasuki fasa baharu. Pada peringkat awal, tujuan utamanya adalah “pemudahcaraan operasi” seperti penulisan dokumen dan penyusunan maklumat. Namun kini, gerakan untuk melatih AI dengan kepakaran dan data syarikat sendiri, dan menggunakannya sebagai sumber “pembezaan” yang tidak dapat ditiru pesaing semakin pantas. Peralihan ini, yang turut dinyatakan oleh Profesor Masahiro Kotozaki dari Universiti Keio, bermakna menggabungkan AI ke dalam strategi pengurusan itu sendiri. Era ini menuntut pemikiran tentang bagaimana menghubungkan AI dengan kelebihan daya saing syarikat, melangkaui sekadar pelaksanaan alat.

Kebangkitan AI Tertumpu Sektor seperti yang Dilihat pada “EdGPT”

Dalam bidang pendidikan, istilah “EdGPT” telah muncul. Ini merujuk kepada penggunaan ChatGPT generik yang disesuaikan khusus untuk persekitaran pendidikan. Sebagai contoh, ia membolehkan penjanaan bahan pengajaran automatik, perancangan pembelajaran individu, dan jawapan yang mengambil kira konteks soalan pelajar. Perkara penting ialah ia bukan sekadar menggunakan ChatGPT, tetapi dioptimumkan untuk menyelesaikan masalah dalam domain khusus iaitu pendidikan. Gerakan ini tidak terhad kepada pendidikan. Dengan melatih AI menggunakan pengetahuan khusus industri, kepakaran layanan pelanggan, dan proses pembangunan produk yang telah terkumpul selama bertahun-tahun, syarikat boleh menghasilkan ketepatan dan nilai yang tidak dapat dicapai oleh AI generik.

Dalam kes perundingan saya sendiri, seorang klien dalam sektor pembuatan membina ejen AI yang dilatih dengan lukisan reka bentuk dan laporan kerosakan lampau. Ini membolehkan AI segera mencadangkan kes lampau yang serupa dan risiko potensi semasa menjalankan reka bentuk baharu, menyumbang besar kepada pemendekan tempoh pembangunan dan pencegahan masalah kualiti. Ini boleh dikatakan sebagai contoh kejayaan pembezaan dengan “memprodukkan” aset intelek syarikat melalui AI.

Kunci Membina AI Pembezaan: “Pemvisualan” dan “Penstrukturan” Data Syarikat Sendiri

Cabaran terbesar dalam membina AI yang membezakan adalah pengendalian “data syarikat sendiri” yang menjadi asas pembelajaran. Di banyak syarikat, pengetahuan terpendam dalam fikiran individu atau fail yang berselerak di pelayan. Kerja untuk mula “memvisualkannya” dan “menstrukturkannya” ke dalam bentuk yang boleh dipelajari AI adalah penting.

Penunjuk Baharu yang Ditunjukkan oleh “Papan Pemuka AEO”

Di sini, kemunculan alat seperti versi beta “Papan Pemuka AEO” yang mula ditawarkan oleh ITreview patut diberi perhatian. Ini memvisualkan sejauh mana kandungan web syarikat sendiri “dirujuk” oleh AI generatif (Answer Engine Optimization). Berbeza dengan SEO tradisional yang untuk enjin carian, AEO bermaksud pengoptimuman untuk enjin dialog AI seperti ChatGPT dan Copilot.

Gerakan ini penuh dengan implikasi. Pada masa hadapan, metrik untuk mengukur “sejauh mana pangkalan pengetahuan, manual, dan koleksi kes kejayaan syarikat dipercayai dan dirujuk” oleh ejen AI dalaman mungkin diperlukan. Dokumen mana yang sering digunakan sebagai asas pembuatan keputusan? Sebaliknya, adakah terdapat maklumat usang yang tidak digunakan? Analisis sedemikian menjadi asas untuk meningkatkan kualiti pembelajaran AI dan seterusnya kebolehpercayaan jawapan yang dihasilkan AI.

Langkah Pelaksanaan Praktikal: Contoh Operasi Pengambilan Pekerja Berpengalaman

Mari kita pertimbangkan proses pelaksanaan khusus dengan contoh “operasi pengambilan pekerja berpengalaman” yang juga terdapat dalam bahan berita. Dalam pengambilan pekerja berpengalaman, terdapat banyak pertimbangan kompleks dan bersifat peribadi seperti penilaian resume, reka bentuk soalan temuduga, dan penilaian kesesuaian budaya dengan syarikat.

Fasa Pertama: “Pengeksplisitan” Kriteria Pertimbangan

Pertama, verbalisasikan kriteria penilaian yang dilakukan secara tidak sedar oleh pengambilan pekerja atau ketua jabatan yang cemerlang. Kumpul dan analisis data seperti “apakah persamaan dalam kerjaya pekerja yang berjaya di syarikat ini” dan “apakah jenis penyataan yang dibuat oleh calon dalam temuduga yang akhirnya kekal bekerja”. Kerja ini sendiri mempunyai kesan menghapuskan sifat peribadi kriteria pengambilan. Di sini, alat yang menyalin rakaman temuduga ke teks dan menganalisisnya dengan AI (contoh: Trint, Sonix) adalah berkesan.

Fasa Kedua: Pembinaan Prototaip Ejen AI

Bina prototaip ejen AI yang dilatih dengan kriteria pertimbangan yang telah dieksplisitkan dan data pemohon lampau (selepas dianonimkan). Dengan menggunakan platform ejen AI seperti Allganize, sistem yang menilai awal berdasarkan piawaian syarikat dan mencadangkan titik untuk diperhalusi dalam temuduga apabila resume dimuat naik boleh dibina tanpa pengaturcaraan. Pelaburan awal mungkin dari puluhan ribu yen sebulan (anggaran: dari RM 2,470 sebulan).

Fasa Ketiga: Reka Bentuk Proses Kerjasama Manusia dan AI

Daripada menyerahkan pemilihan sepenuhnya kepada AI, letakkan AI sebagai “pembantu yang cemerlang”. AI mengurangkan beban saringan dokumen sebanyak 80%, manakala manusia menumpukan masa semakan pada “titik perhatian” atau “bakat yang cemerlang tetapi sering terlepas pandang” yang ditunjukkan AI. Reka bentuk kerjasama sedemikian mencapai kedua-dua pemudahcaraan operasi dan peningkatan ketepatan pertimbangan.

Tiga Tindakan yang Perlu Diambil oleh Pengurus

Dalam tempoh peralihan kepada AI pembezaan, berikut adalah tiga perkara yang perlu dimulakan segera oleh pengurus dan CTO.

1. Inventori “Aset Intelek yang Boleh Dibezakan” Syarikat Sendiri

Apakah kekuatan unik syarikat anda yang tiada pada syarikat lain? Adakah ia rekod dialog bertahun-tahun dengan pelanggan, pengetahuan tersirat juruteknik mahir, atau proses operasi yang unik? Mula-mula, senaraikan ini merentas jabatan. Potensi tinggi untuk AIisasi adalah dalam tugas pertimbangan yang berulang atau bidang yang memerlukan pengetahuan pakar.

2. Pelaksanaan Eksperimen Pengesahan melalui Projek Berskala Kecil

Pelaksanaan seluruh syarikat sekaligus meningkatkan risiko. Mula-mula, lancarkan projek berskala kecil dengan isu dan KPI yang jelas dalam jabatan tertentu (contoh: sokongan pelanggan, pengambilan pekerja, reka bentuk). Sasaran bukanlah “AI yang sempurna” tetapi “AI yang sedikit sebanyak meningkatkan operasi manusia”. Pendekkat tangkas yang mencuba dan membuat kesilapan dalam sprint pendek 6-8 minggu adalah berkesan.

3. Penilaian Platform Ejen AI

Tidak perlu membangunkan dari awal sendiri. Bermula dengan Allganize, banyak platform ejen AI ditawarkan. Titik penting semasa menilai platform ini ialah jaminan keselamatan data syarikat sendiri (sokongan awan persendirian), kemudahan integrasi dengan sistem sedia ada (CRM, SFA, dll.), dan yang paling penting “sejauh mana penyesuaian boleh dilakukan dengan no-code/low-code”. Gunakan secara aktif percubaan percuma atau program PoC (Pembuktian Konsep).

Penyemakan Semula Strategi AI dengan Pandangan ke Masa Depan

AI generatif bukan lagi sekadar alat mudah untuk pengurangan kos. Ia sedang berubah menjadi “infrastruktur strategik” yang menguatkan aset intelek syarikat sendiri dan meningkatkan nilai perkhidmatan atau produk itu sendiri. EdGPT dalam bidang pendidikan, pemudahcaraan dan peningkatan operasi pengambilan pekerja, dan gerakan memvisualkan rujukan AI terhadap kandungan syarikat sendiri, semuanya adalah sebahagian daripada trend besar ini.

Perkara penting adalah tidak terhenti kerana mengejar kesempurnaan. Mula-mula, semak semula kekuatan syarikat anda, dan ambil langkah kecil untuk melatih AI dengannya. Dalam proses itu, kesan sampingan seperti penyusunan pengetahuan dalaman dan pemiawaian proses operasi juga mungkin diperoleh. Dari pemudahcaraan kepada pembezaan. Pada titik peralihan ini, sekarang adalah masanya untuk memperincikan strategi AI yang membentuk masa depan syarikat anda.