Trend Penggunaan AI Generatif Berubah
Penggunaan AI generatik dalam perniagaan sedang memasuki fasa baharu. Profesor Masahiro Kotozaki dari Universiti Keio, dalam DIAMOND Harvard Business Review, mengetengahkan titik perubahan penting bertajuk “AI Generatif: Daripada Kecekapan kepada Pembezaan”. Kebanyakan syarikat sebelum ini memperkenalkan AI generatif seperti ChatGPT sebagai alat ‘peningkatan kecekapan operasi’ untuk penulisan dokumen dan penyusunan maklumat. Namun, untuk membina kelebihan daya saing, peralihan ke peringkat seterusnya ini adalah penting. Artikel ini menerangkan laluan konkrit ke arah ‘pembezaan’ dalam penggunaan AI generatik yang perlu diketahui oleh pengurus dan CTO, dengan merujuk kepada berita terkini.
Kebangkitan AI Khusus Domain seperti “EdGPT”
Pertama, evolusi daripada alat generik kepada ‘khusus domain’ perlu diberi perhatian. Seminar yang dilaporkan oleh PR TIMES bertajuk “Perkembangan daripada ChatGPT kepada ‘EdGPT’ untuk Pendidikan” adalah contoh pergerakan simbolik ini. Penggunaan AI khusus untuk domain pendidikan (EdGPT) sedang dibincangkan. Ini bukan sekadar menggunakan ChatGPT dalam konteks pendidikan, tetapi pergerakan untuk membina model atau ejen AI yang dioptimumkan dengan memahami mendalam pengetahuan domain pendidikan, pedagogi, dan ciri-ciri pelajar.
Pergerakan ini tidak terhad kepada pendidikan. Membina AI khusus untuk domain perniagaan syarikat sendiri, iaitu ‘GPT syarikat sendiri’, akan menjadi faktor pembezaan utama seterusnya. Contohnya, pembantu AI yang dilatih dengan data pelanggan, pengetahuan produk, pangkalan pengetahuan, dan peraturan dalaman yang terkumpul selama bertahun-tahun akan menunjukkan ketepatan dan kefahaman konteks yang sangat tinggi, tidak dapat dicapai oleh ChatGPT generik. Ini mewujudkan asas untuk menghasilkan nilai yang tidak dapat ditiru oleh pesaing, seperti peningkatan kualiti layanan pelanggan, automasi tugas dalaman kompleks, dan penjanaan idea perniagaan baharu.
Pelaksanaan Praktikal Platform Ejen AI
Berita mengenai penyertaan Allganize dalam ‘AI World 2026’ menunjukkan bahawa infrastruktur teknologi untuk merealisasikan ‘khusus domain’ ini semakin lengkap. Platform AI generatif/ejen AI membolehkan syarikat membina sistem yang menyelaraskan pelbagai ejen AI beroperasi secara autonomi mengikut proses perniagaan mereka.
Sebagai contoh, seperti yang dibincangkan dalam seminar peningkatan kecekapan pengambilan pekerja berpengalaman, mekanisme di mana beberapa pembantu AI bekerjasama menangani saringan awal dokumen permohonan, penjadualan temuduga, dan tindak lanjut kepada pencari kerja. Perkara penting ialah bukan menggunakan alat AI tunggal, tetapi menyelaraskan (orchestrate) beberapa ‘ejen pakar’ di atas ‘platform’. Ini membuka kemungkinan untuk menggunakan AI dalam tugas yang mempunyai kriteria penilaian kompleks dan sukar diautomasikan sebelum ini (contoh: pemilihan dokumen pengambilan pekerja berpengalaman).
Dari perspektif pengurusan, pendekatan berasaskan platform ini memerlukan pelaburan awal tetapi menjamin skalabiliti dan fleksibiliti jangka panjang. Setelah asas dibina, ia boleh dikembangkan untuk pelbagai jabatan seperti jualan, sokongan pelanggan, dan perakaunan.
Visualisasi Nilai ‘Dirujuk’ dan Pemberbrandingan Era AI
Pelancaran versi beta ‘Papan Pemuka AEO’ oleh ITreview yang dilaporkan oleh Asahi Shimbun menonjolkan penanda aras baharu untuk pemasaran dan pemberbrandingan dalam era AI. Perkhidmatan ini memvisualisasikan sejauh mana kandungan web syarikat sendiri ‘dirujuk’ oleh AI generatif (contohnya jawapan ChatGPT).
Ini adalah perspektif yang sangat penting. Dalam masa depan di mana AI generatif menjadi pintu masuk utama pencarian maklumat, ‘dirujuk sebagai sumber maklumat yang dipercayai oleh AI (AEO: Pengoptimuman Enjin AI)’ akan berkait langsung dengan kesedaran jenama dan pemerolehan pelanggan, sama atau lebih penting daripada kedudukan tinggi dalam enjin carian (SEO). Jika AI secara tepat merujuk dan menyampaikan maklumat produk, penjelasan teknikal, dan analisis industri syarikat kepada pengguna, ia menjadi nilai jenama yang tidak terkira.
Pengurus perlu membina semula pengurusan pengetahuan dan strategi kandungan syarikat dari sudut ‘kebolehrujukan kepada AI’ ini. Menyebarkan maklumat yang sangat pakar dan boleh dipercayai secara sistematik, dan menerbitkannya dalam format yang mudah dipelajari AI, akan menjadi strategi pembezaan generasi seterusnya.
Langkah Seterusnya ke Arah Pelaksanaan Praktikal: 3 Tindakan Konkrit
Jadi, bagaimana pengurus dan CTO harus mengemudi fasa ‘daripada kecekapan kepada pembezaan’ ini? Berikut adalah tiga tindakan konkrit yang boleh dimulakan esok.
1. Lancarkan Projek ‘Membolehkan Pembelajaran AI’ untuk Pengetahuan Dalaman
Pertama, percepatkan pendigitalan dan struktur pengetahuan paling berharga yang tersebar dalam syarikat (manual jualan, Q&A teknikal, kes kajian cemerlang lepas, templat kontrak, dsb.). Sediakan ini sebagai sistem carian dalaman atau data latihan untuk model AI khusus syarikat pada masa depan. Sasarkan keadaan ‘sedia-AI’ yang lebih maju daripada sekadar PDF berselerak dalam storan awan.
2. Cuba ‘Kerjasama Ejen AI’ dalam Domain Perintis
Gunakan platform seperti Allganize, Microsoft Copilot Studio, atau fungsi integrasi antara pelbagai alat RPA dan AI untuk mencuba kerjasama ejen AI dalam skala kecil. Contohnya, dalam sokongan pelanggan, bereksperimen dengan menyelaraskan ejen yang menerima pertanyaan, ejen yang mencari pangkalan pengetahuan, ejen yang menjana jawapan, dan ejen yang mempromosikan pengesahan manusia. Kenal pasti corak kejayaan dan kumpulkan pengetahuan dalam syarikat.
3. Integrasikan Perspektif ‘AEO’ ke dalam Strategi Kandungan
Bekerjasama dengan jabatan pemasaran untuk menyemak sama ada kandungan yang disebarkan dalam format yang mudah dirujuk oleh AI. Beri perhatian kepada tajuk yang jelas (tag h), data berstruktur, penerangan tepat berdasarkan fakta, dan penyampaian kepakaran. Mulakan menyediakan sistem untuk memantau secara kuantitatif ‘prestasi rujukan AI’ domain syarikat sendiri menggunakan alat seperti papan pemuka ITreview.
Keputusan Pengurusan Mengatasi Kos dan Risiko
Sudah tentu, pelaksanaan AI jenis pembezaan melibatkan kos dan risiko yang lebih tinggi berbanding penggunaan alat generik. Pembinaan dan penyesuaian model sendiri, serta pelaksanaan dan integrasi platform, memerlukan keupayaan teknikal dan pelaburan. Pengurusan risiko berkaitan kesilapan keputusan AI dan pengendalian maklumat sulit juga menjadi lebih penting.
Walau bagaimanapun, jika pelaburan diabaikan di sini, risiko ketinggalan di belakang pesaing yang menggunakan pengetahuan teras mereka sendiri sebagai asas pembezaan pada masa terdekat adalah lebih besar. Perkara penting ialah pendekatan bermula dengan projek perintis yang risikonya boleh dikawal, bukannya reformasi besar-besaran seluruh syarikat, dan membuktikan pulangan pelaburan dengan mengumpulkan kes kejayaan. Laluan ke arah ‘pembezaan’ yang ditunjukkan oleh Profesor Kotozaki tidak dicapai semalaman, tetapi dibuka melalui pengumpulan pengetahuan dan eksperimen teknikal berterusan.
AI generatif bukan lagi topik yang berakhir dengan ‘cuba gunakan’. ‘Bagaimana meletakkannya di teras strategi dan mengubah peraturan persaingan memihak kepada diri sendiri’ adalah tanggungjawab besar pengurus masa depan. Sekarang, setelah menikmati hasil peningkatan kecekapan, adalah masa untuk mempertimbangkan pelaburan serius ke arah pembezaan.
コメント