Strategi Perniagaan Generasi Seterusnya: ‘Kolaborasi AI’ yang Dimulakan oleh Syarikat dan Pihak Berkuasa Tempatan

Bukti ‘Kolaborasi AI’ yang Berlaku Serentak di Peringkat Tempatan dan Pusat

Dewan Perniagaan dan Perindustrian Toyokawa di bandar Toyokawa, Wilayah Aichi, dan Kementerian Pertanian, Perhutanan dan Perikanan (MAFF) di peringkat pusat. Kedua-dua pihak yang kelihatan tiada kaitan ini mula bergerak ke arah ‘penggunaan AI generatif’ dan ‘kolaborasi dengan agen AI’ hampir pada masa yang sama. Ini bukan sekadar kebetulan. Ia adalah petanda penting yang menunjukkan evolusi penggunaan AI generatif daripada ‘alat peningkatan kecekapan individu’ kepada ‘asas baharu untuk kerjasama antara organisasi’.

Dewan Perniagaan Toyokawa menganjurkan seminar untuk mempercepatkan penggunaan AI generatif dan penciptaan perniagaan baharu untuk syarikat tempatan. Sementara itu, MAFF menjalankan ‘Hackathon AI × Pembentukan Dasar’, membuktikan amalan pentadbiran generasi seterusnya di mana agen AI dan manusia ‘berkolaborasi’. Kesamaan dalam kedua-dua kes ini ialah percubaan untuk meletakkan AI bukan sebagai objek untuk ‘digunakan’ tetapi sebagai rakan kongsi untuk ‘bekerjasama’, dan mengintegrasikannya ke dalam proses pembuatan keputusan dan penciptaan nilai organisasi itu sendiri.

Mengapa PKS dan Start-up Kini ‘Lebih Beruntung’?

Berita berkaitan menunjukkan bahawa start-up dan PKS lebih ‘beruntung’ daripada syarikat besar dalam penggunaan AI generatif. Berdasarkan pengalaman praktikal saya, pemerhatian ini adalah tepat. Terdapat tiga sebab.

Kelajuan dan Fleksibiliti Pembuatan Keputusan

Dalam syarikat besar, pengenalan alat AI memerlukan kelulusan rasmi dan semakan keselamatan, yang boleh mengambil masa berbulan-bulan. Sebaliknya, dalam PKS dan start-up, pengenalan boleh dilakukan pada hari yang sama dengan keputusan pengurusan sahaja. Apabila saya memperkenalkan Claude atau ChatGPT untuk kerja, saya juga menimbang kos (kira-kira RM650 sebulan) dengan kesan yang diharapkan, dan membuat keputusan pada hari itu. Perbezaan kelajuan ini menjadi kelebihan muktamad dalam konteks evolusi teknologi AI yang semakin pantas.

Kurang Terikat dengan Sistem/Proses Sedia Ada

Syarikat besar mempunyai sistem teras dan proses kerja ketat yang dibina selama bertahun-tahun. Mengintegrasikan AI menjadi halangan besar kerana perlu diselaraskan dengan ‘warisan’ ini. Sebaliknya, PKS boleh mereka bentuk aliran kerja berasaskan AI pertama dari hampir keadaan kosong. Sebagai contoh, mereka boleh mereka bentuk ‘reka bentuk dari sifar’ yang mengautomasikan segala-galanya dari laporan jualan kepada pengurusan pelanggan dan penjanaan invois melalui satu siri agen AI.

Kos Membina ‘Sistem Agen AI’ yang Rendah

Pasukan saya membina 32 agen AI dengan peranan berbeza, membahagikan tugas dari siaran media sosial kepada semakan kontrak dan penjanaan kod. Membina ‘sistem agen AI’ seperti ini boleh dicapai dengan kos dan masa yang jauh lebih rendah berbanding pelaksanaan sistem berskala besar di syarikat besar. Apa yang diperlukan hanyalah langganan seperti ChatGPT Plus atau Claude Pro (RM60-90 sebulan setiap ID) dan kemahiran asas automasi untuk menyelaraskannya.

Cara Konkrit untuk Mula ‘Berkolaborasi dengan AI’: 3 Langkah Praktikal

Mungkin ada pengurus yang merasakan kes Toyokawa dan MAFF sebagai ‘cerita yang jauh’. Namun, kolaborasi dengan agen AI boleh dimulakan esok. Berikut adalah tiga langkah konkrit.

Langkah 1: Kumpulkan ‘Pengetahuan Tersirat’ Syarikat dalam Format yang Boleh Dibaca AI

Prasyarat kolaborasi ialah AI memahami perniagaan anda. Mula-mula, digitalkan dan simpan bahan berikut dalam bentuk yang teratur:

• Laporan kes kejayaan/kegagalan lepas
• Soalan lazim pelanggan dan jawapannya
• ‘Ketetapan’ atau ‘falsafah’ di sebalik pembangunan produk/perkhidmatan
• Glosari istilah khusus industri dan amalan perdagangan

Simpan maklumat ini dalam storan awan seperti Google Drive atau Notion. Perkara penting ialah menyimpannya sebagai teks yang boleh dicari, bukan PDF atau imej. Ini membolehkan AI mempelajari ‘konteks’ syarikat dan membuat cadangan atau analisis yang lebih tepat.

Langkah 2>Lantik ‘Agen AI Khusus’ untuk Tugas Tertentu

Daripada mengharapkan ‘AI yang boleh buat semua’, cipta agen AI khusus untuk setiap fungsi. Contohnya:

• Agen Analisis Pasaran: Memantau laman web, media sosial dan berita pesaing secara berkala, dan mencipta laporan.
• Agen Penciptaan Draf: Mencipta draf untuk e-mel jualan, cadangan, artikel blog mengikut nada dan gaya syarikat.
• Agen Diagnosis Kecekapan Kerja: Menganalisis dokumen yang menerangkan aliran kerja dalaman dan mencadangkan titik yang boleh diautomasikan.

Berikan setiap agen peranan yang jelas (‘Anda pakar dalam…’) dan akses kepada bahan dalaman yang dikumpulkan dalam Langkah 1. Dengan menggunakan fungsi ‘Custom GPT’ ChatGPT atau fungsi ‘Project’ Claude, ini boleh dibina secara percuma atau dengan kos beberapa puluh ringgit sebulan.

Langkah 3: Perkenalkan ‘Mesyuarat Kolaborasi AI’ Berkala

Yang paling penting ialah mewujudkan ruang untuk dialog berkala antara manusia dan AI. Cukup 30 minit seminggu. Jalankan mesyuarat dengan agenda berikut:

1. Laporan daripada AI: Setiap agen membentangkan hasil analisis atau cadangan untuk tugas yang diamanahkan.
2. Maklum Balas Pihak Manusia: Membetulkan aspek yang tidak boleh dinilai oleh AI sahaja, seperti ‘Analisis ini tidak mengambil kira keadaan di lapangan’ atau ‘Cadangan ini tidak realistik dari segi kos’.
3. Arahan/Pembelajaran Seterusnya: Menambah arahan baharu atau data pembelajaran untuk AI berdasarkan maklum balas.

Dengan mengulangi proses ini, AI akan berkembang daripada sekadar alat kepada ‘penasihat’ yang memahami perniagaan anda dengan mendalam. Intipati ‘kolaborasi’ yang dituju oleh hackathon MAFF terletak tepat pada dialog dan pembelajaran bersama yang berterusan ini.

Perangkap yang Perlu Diperhatikan dan Anggaran Kos

Tidak jujur hanya menyatakan pandangan optimistik. Terdapat tiga perkara yang perlu diberi perhatian khusus oleh pengurus dalam memajukan kolaborasi AI.

Pengurusan Risiko Keselamatan Maklumat dan Harta Intelek

Berbahaya untuk memasukkan maklumat sulit terus ke dalam AI awam. Terdapat dua langkah pencegahan. Pertama, untuk pemprosesan yang sangat sulit, gunakan tetapan yang memanggil API OpenAI dari pelayan syarikat sendiri tanpa menyimpan data. Kedua, jika terpaksa menggunakan AI awam, gunakan ‘data dianonimkan’ di mana nombor khusus dan nama sebenar digantikan dengan yang sementara. Apabila saya mengautomasikan semakan kontrak, saya juga menggunakan proses dua peringkat: menggantikan nama pihak dan jumlah dengan yang sementara untuk dianalisis oleh AI, dan kemudian digantikan semula oleh manusia pada akhirnya.

Pelaburan Awal dan ROI yang Diharapkan

Pembinaan sistem kolaborasi AI yang serius memerlukan sedikit pelaburan awal.

• Kos Alat: Langganan ChatGPT Plus, Claude Pro, AI bantuan kod (seperti Cursor) sekitar RM300-600 sebulan.
• Kos Buruh/Pelaburan Masa: Masa sumber dalaman (pengurus sendiri atau orang yang bertanggungjawab) untuk membina sistem. 5-10 jam seminggu selama 2-3 bulan.
• Kos Pendidikan: Latihan asas penggunaan AI (beberapa ratus ringgit melalui kursus dalam talian).

Namun, kesan yang boleh diharapkan bukan sekadar penjimatan masa melalui automasi tugas rutin (1,550 jam setahun di syarikat kami). Daripada analisis data oleh AI, terdapat kemungkinan untuk menemui pandangan pelanggan dan kesesakan kerja yang tidak disedari sebelum ini, serta mendapatkan petunjuk untuk perniagaan baharu. Inilah sebabnya seminar Toyokawa memberi tumpuan kepada ‘penciptaan perniagaan baharu’.

Keseimbangan antara ‘Kebergantungan pada AI’ dan ‘Pertimbangan Manusia’

Yang paling membimbangkan ialah menerima cadangan AI secara membuta tuli dan mengabaikan keputusan muktamad manusia. AI membuat cadangan berdasarkan corak data lepas, tetapi manusia yang mencipta masa depan. Terutamanya, pertimbangan etika dan keputusan strategik berdasarkan visi jangka panjang syarikat perlu dibuat oleh manusia dengan penuh tanggungjawab. AI adalah ‘penasihat terbaik’, tetapi ‘komander’ tetap adalah pengurus manusia.

Masa Depan Bukan pada ‘Organisasi yang Menggunakan AI’ tetapi ‘Organisasi yang Berkolaborasi dengan AI’

Sokongan untuk syarikat tempatan di Toyokawa dan hackathon pembentukan dasar MAFF mendahului anjakan paradigma dalam penggunaan AI. Kelebihan daya saing masa depan tidak terletak pada ‘berapa banyak alat AI digunakan’, tetapi pada ‘sejauh mana AI boleh dibesarkan sebagai rakan kongsi strategik dan berkolaborasi’.

Perubahan ini membawa peluang terbaik khususnya kepada PKS dan start-up yang membuat keputusan dengan pantas dan kurang terikat dengan sistem sedia ada. Langkah-langkah yang boleh dimulakan dari hari ini adalah jelas. Sistematikan pengetahuan dalaman, ‘ambil bekerja’ agen AI khusus tugas, dan besarkan mereka melalui dialog berkala. Di sebaliknya, terbentang masa depan di mana syarikat tempatan dan PKS dengan sumber manusia terhad boleh mencipta perniagaan baharu dengan kelajuan dan kreativiti yang tidak kalah dengan syarikat besar.

AI bukan lagi alat untuk jabatan IT. Ia adalah sumber yang mesti dimiliki oleh semua pengurus untuk mentakrifkan semula strategi pengurusan itu sendiri.