Detik Pameran Berubah Menjadi ‘Arena Pelaksanaan’
Japan DX Week Spring 2026 “Pameran AI & Automasi Tugas ke-9” akan diadakan. Berita ini hanyalah pengumuman pameran biasa. Namun, evolusi pameran yang telah berlangsung beberapa kali adalah cermin kematangan pasaran. Jika pameran pertama adalah tempat untuk menerangkan ‘Apa itu AI’, pameran ke-9 telah bertransformasi menjadi tempat demonstrasi ‘Bagaimana menggunakannya’. Virtualex, salah satu pameran, adalah syarikat yang menawarkan penyelesaian automasi tugas berasaskan AI. Maksud kewujudan pameran telah beralih dari pengenalan teknologi kepada perundingan pelaksanaan.
Perubahan ini menunjukkan bahawa penggunaan AI telah beralih dari ‘fasa eksperimen’ ke ‘fasa praktikal’. Tujuan pengurus atau CTO mengunjungi pameran bukan lagi sekadar mengumpul maklumat teknologi terkini. Mereka datang untuk mencari bahan penilaian: penyelesaian mana dari pembekal mana yang boleh dilaksanakan untuk masalah spesifik syarikat mereka, dengan kos dan tempoh berapa. Pameran semakin berfungsi sebagai ‘showroom berskala penuh’ untuk perbandingan dan penilaian.
Realiti yang Ditunjukkan oleh Hasil Kajian ‘90% Pengubahsuaian’
Sementara itu, kajian realiti oleh Thanks Lab Career menyampaikan realiti yang sukar. Daripada tugas yang menggunakan AI generatif, 90% mengalami kerja pengubahsuaian selepas output. Lebih-lebih lagi, ‘penumpukan masa menunggu’ yang menyertai pengubahsuaian itu muncul sebagai isu baru. Manusia memeriksa, mengubah suai, dan meluluskan dokumen atau kod yang dihasilkan AI. Proses ini sering mengambil masa yang tidak dijangka, malah menyebabkan ketidakcekapan.
Tembok ‘90% pengubahsuaian’ ini adalah fenomena yang mungkin berlaku akibat banyak syarikat memperkenalkan alat AI generik jenis SaaS secara terus. AI yang tidak dioptimumkan untuk aliran kerja atau pengetahuan syarikat sendiri memang menghasilkan output yang ‘agak boleh digunakan’. Namun, kerja untuk mengasah output tersebut ke tahap yang boleh digunakan dalam tugas praktikal akhirnya diserahkan kepada manusia. Ini menjadi kesesakan projek dalam bentuk ‘masa menunggu’. Hasil kajian jelas menunjukkan batasan kebergantungan pada SaaS.
Belajar dari Kes Kerajaan Tempatan: Reka Bentuk yang Menggabungkan ‘Suara Lapangan’
Di sini, contoh penggunaan AI generatif oleh agensi pentadbiran yang dilaporkan oleh abeam.com memberikan pandangan penting. Apa yang mereka tekankan adalah pembinaan ‘persekitaran AI yang selamat dan mudah dengan mencerminkan suara lapangan’. Urusan pentadbiran mempunyai peraturan, format, dan piawaian semakan yang unik. AI generik yang mengabaikan ini hampir tidak berguna.
Pendekatan mereka bermula dengan mengenal pasti tugas rutin yang berulang di lapangan dan manual/peraturan yang sering dirujuk oleh kakitangan. Kemudian, data ini digunakan untuk melatih dan membina model AI khusus untuk urusan pentadbiran. Atau, mereka membangunkan ‘wrapper’ yang membetulkan/menukar format output AI generik secara automatik berdasarkan peraturan sendiri. ‘Pengkhususan’ inilah kunci untuk mengurangkan kadar kerja pengubahsuaian secara drastik dan membawa kecekapan sebenar.
Tiga Tindakan Spesifik yang Perlu Diambil Pengurus Sekarang
Evolusi pameran, realiti hasil kajian, dan pengajaran contoh terdahulu. Menggabungkan semua ini, tindakan yang perlu diambil oleh pengurus atau CTO sekarang menjadi jelas. Ia adalah peralihan berperingkat dari kebergantungan SaaS dan peralihan berhati-hati serta pasti ke pembangunan dalaman. Berikut adalah tiga langkah spesifik yang dicadangkan.
1. Diagnosis ‘Kesesuaian AI’ Tugas dan Penetapan Keutamaan
Pertama, klasifikasikan semua tugas syarikat berdasarkan ‘kesesuaian untuk automasi/peningkatan oleh AI’. Dalam perundingan saya, matriks 4 kuadran berikut kadangkala digunakan.
- Kekerapan Tinggi – Berstruktur (Keutamaan Tertinggi): Penciptaan laporan harian/mingguan, penjanaan templat jawapan e-mel, pengumpulan data mudah. Dengan menggabungkan API Claude atau ChatGPT dengan Google Apps Script atau Zapier, automasi mungkin dengan kos puluhan ribu yen sebulan (anggaran RM 1,000 – 2,500).
- Kekerapan Tinggi – Tidak Berstruktur (Perlu Penyesuaian): Penciptaan cadangan jualan, semakan kontrak, tindak balas pelanggan. Perlu pembangunan ‘wrapper’ untuk menukar output AI generik kepada format syarikat sendiri. Pelaburan awal anggaran 50-200 juta yen (RM 12,350 – 49,400), kos operasi bulanan 5-15 juta yen (RM 1,235 – 3,705).
- Kekerapan Rendah – Berstruktur (Kesan Kecekapan Besar): Bantuan tugas penutupan akaun, sokongan penilaian HR. Kerjasama alat RPA dan AI berkesan. Pelaksanaan memerlukan masa untuk analisis tugas.
- Kekerapan Rendah – Tidak Berstruktur (Kekal Status Quo): Perumusan strategi kompleks, penyelesaian masalah kreatif. Pada peringkat ini, teruskan dengan manusia sebagai teras, gunakan AI hanya sebagai bantuan pengumpulan/penyusunan maklumat.
Tanpa klasifikasi ini, peruntukan bajet dan sumber tidak boleh dilakukan dengan berkesan.
2. Tetapkan ‘Kriteria Keputusan Pembangunan Dalaman’
Tidak semua perlu dibangunkan secara dalaman. Kriteria keputusan diperlukan. Saya menasihati bahawa untuk tugas yang memenuhi 2 atau lebih daripada 3 syarat berikut, pembangunan dalaman (pembangunan sendiri atau pembinaan model khusus) perlu dipertimbangkan dengan serius.
- Berkaitan Langsung dengan Teras Tugas (Kecekapan Teras): Merangkumi proses atau pengetahuan unik yang mencipta kelebihan daya saing syarikat.
- Kos Pengubahsuaian dengan SaaS Menjadi Besar: ‘90% pengubahsuaian’ dalam kajian berlaku, dan masa menunggu menghalang kelajuan perniagaan.
- Penggunaan Jangka Sederhana/Panjang Dijangka, Kos Kumulatif Besar: SaaS berharga 100,000 yen sebulan (RM 2,470) selama 3 tahun berjumlah 3.6 juta yen (RM 88,920). Ini mungkin melebihi pelaburan awal pembangunan dalaman.
Sebagai contoh, kes SweetLeap Co., Ltd. yang mengembangkan sokongan pembangunan produk untuk syarikat di Hokusetsu (artikel Mapion) boleh ditafsir sebagai gerakan untuk merealisasikan bahagian ‘teras’ iaitu sokongan khusus untuk wilayah/industri dengan AI yang disesuaikan sendiri, bukan alat generik.
3. Pembinaan ‘Model Kolaborasi’ yang Melibatkan Pelbagai Bakat
Kes AKKODiS Business Support sangat memberi pandangan. Mereka membina ‘model penggunaan AI yang dicipta bersama kakitangan kurang upaya’. Ini bukan sekadar inisiatif kepelbagaian. Ia mewujudkan prinsip daya saing yang kuat dalam era AI.
Reka bentuk AI atau pembangunan prompt memerlukan pelbagai perspektif dan ‘kesedaran’ mendalam tentang tugas. Kakitangan veteran yang lama terlibat dalam tugas berstruktur, kakitangan muda natif digital, dan kakitangan kurang upaya yang sering diletakkan di luar ‘pendigitalan’ tugas. Sensasi dan keperluan unik yang dimiliki setiap individu adalah definisi keperluan berharga untuk meningkatkan AI dari ‘alat mudah digunakan’ ke ‘kaedah sokongan revolusioner’.
Apa yang perlu dilakukan pengurus adalah mewujudkan mekanisme untuk mengumpul ‘suara lapangan’ yang pelbagai ini dan mencerminkannya dalam keperluan pembangunan AI. Ia boleh jadi bengkel dalaman atau kerjasama dengan syarikat rakan kongsi. Yang penting adalah perspektif untuk mengubah proses reka bentuk AI itu sendiri menjadi sesuatu yang terbuka dan kolaboratif.
Tempoh Peralihan dari ‘Rundingan di Pameran’ ke ‘Pelaksanaan Dalam Syarikat’
Pameran AI & Automasi Tugas 2026 akan menjadi acara yang mengisyaratkan pasaran memasuki fasa matang. Penyelesaian yang dipamerkan sepatutnya lebih termodular, dengan integrasi (API) dengan sistem syarikat sendiri sebagai prasyarat. Pembekal tidak lagi menjual ‘alat ajaib’, tetapi beralih ke kedudukan menyediakan ‘bahan binaan untuk mengukuhkan istana (sistem syarikat) anda’.
Peranan pengurus atau CTO adalah menilai bahan binaan tersebut, memilih yang sesuai untuk istana syarikat mereka, dan melukis pelan untuk membinanya. Teras pelan itu mesti mencerminkan pemahaman mendalam tentang tugas teras syarikat dan suara pelbagai bakat yang menyokongnya.
Realiti ‘90% pengubahsuaian’ yang ditunjukkan oleh hasil kajian adalah perangkap yang menanti di hujung ‘jalan mudah’ memperkenalkan penyelesaian syarikat lain secara terus. Sementara itu, contoh kerajaan tempatan dan syarikat perintis mengajar kita bahawa di hujung ‘jalan sukar’ menyesuaikan dan mengkhususkan dengan tangan sendiri, terdapat kecekapan mampan dan pembezaan. Pameran dari sekarang akan menjadi tempat yang menunjukkan langkah pertama ‘jalan sukar’ itu, bersama dengan alat yang spesifik.
Sekaranglah masanya untuk meneliti semula tugas syarikat sendiri, di mana, sejauh mana, dan bagaimana untuk ‘mengaplikasikan AI’. Masa untuk mula melukis pelan strategik itu. Hanya dengan adanya pelan itu, rundingan yang berlaku di dewan pameran akan menjadi pelaburan pasti untuk masa depan, bukan sekadar pembelian.
コメント