AI Generatif Mengubah Nilai Strategik “Aset Bukan Digital”

Detik Definisi “Aset” Berubah

Kepopularan AI generatif sedang mengubah definisi “aset” sesebuah syarikat. Maklumat bukan digital dan tidak berstruktur yang sebelum ini sukar dikenali sebagai aset, kini mula menunjukkan nilai sebenar melalui AI.

Dalam berita ini, penyertaan Fukushima Minpo dalam perniagaan AI generatif dan pemerkasaan pengurusan hutang oleh Ippu Senkin serta View Card menunjukkan titik persamaan penting. Iaitu “penilaian semula dan penggunaan aset bukan digital sedia ada melalui AI”. Arkib artikel akhbar tempatan dan kepakaran pengurusan hutang sebelum ini dianggap sebagai “aset terpendam” yang tidak berbaloi untuk didigitalkan. Namun, kemunculan AI generatif telah mengubah struktur kos ini sepenuhnya.

Cabaran Akhbar Tempatan: Arkib Artikel Menjadi Asas “AI Wilayah”

Di sebalik penyertaan Fukushima Minpo dalam perniagaan AI generatif, wujudnya data artikel wilayah yang sangat banyak yang telah mereka kumpulkan. Artikel akhbar tempatan merupakan pangkalan data unik yang merakamkan sejarah, industri, budaya dan isu sesuatu wilayah secara terperinci. Namun, sebelum ini ia hanya disimpan sebagai PDF atau pangkalan data yang boleh dicari.

Keadaan berubah dengan kemunculan AI generatif, terutamanya model yang boleh dilatih dan ditetapkan halus dengan data syarikat sendiri (menggunakan teknologi RAG: Retrieval-Augmented Generation). AI yang dilatih dengan data artikel ini kini boleh menawarkan pelbagai perkhidmatan seperti penciptaan bahan pemasaran untuk syarikat wilayah, sokongan pembentukan dasar pihak berkuasa tempatan, dan pelbagai bahasa maklumat pelancongan.

Perkara penting ialah aset ini “tidak boleh ditiru oleh syarikat lain”. Perkhidmatan AI berskala negara memang kuat dalam pengetahuan umum, tetapi tidak dapat memahami konteks mendalam atau latar belakang sejarah wilayah tertentu. “Pengetahuan mendalam tentang wilayah” yang dimiliki akhbar tempatan boleh menjadi kelebihan daya saing yang kuat di era AI generatif.

Langkah Praktikal: Meneroka “Aset Terpendam” Syarikat Anda

Perkara pertama yang perlu dilakukan oleh pengurus atau ketua bahagian sokongan ialah membuat “inventori aset bukan digital” syarikat. Secara khusus, item berikut boleh digunakan sebagai senarai semak.

• Dokumen & Rekod: Laporan jualan lama, rekod perkhidmatan pelanggan, manual dalaman, minit mesyuarat
• Pengetahuan Manusia: Pengetahuan tersirat pekerja berpengalaman, “gaya” perkhidmatan pelanggan, pengalaman penyelesaian masalah
• Maklumat Berkaitan Aset Fizikal: Rekod penyelenggaraan peralatan, sejarah rundingan dengan pembekal, data pemeriksaan kualiti
• Rekod Komunikasi: Sejarah pertanyaan pelanggan, rekod pengendalian aduan, edisi lama surat berita dalaman

Langkah pertama untuk menjadikan aset ini boleh digunakan dengan AI bukanlah “pendigitalan” tetapi “penilaian potensi struktur”. Tidak perlu mendigitalkan semua sekali gus. Adalah penting untuk mengutamakan aset mana yang boleh menyumbang kepada pemerkasaan operasi atau penciptaan perkhidmatan baharu.

Pemerkasaan Pengurusan Hutang Menunjukkan Nilai “Aset Proses”

Kes Ippu Senkin dan View Card menyoroti jenis “aset terpendam” yang lain. Iaitu “kepakaran proses operasi itu sendiri”. Dalam pengurusan hutang, wujud pengetahuan tersirat yang terkumpul selama bertahun-tahun seperti pengetahuan undang-undang, masa perundingan, dan pendekatan mengikut pelanggan.

Inisiatif menggunakan AI generatif “Court” ini mencapai pemiawaian dan pemerkasaan operasi dengan melatih AI menggunakan pengetahuan tersirat ini. Secara khusus, AI mempelajari kes kejayaan dan kegagalan pengutipan hutang lalu, serta pendekatan optimum berdasarkan atribut pelanggan, kemudian membantu aplikasinya pada kes baharu.

Pelajaran penting dari kes ini ialah kejayaan pelaksanaan AI bergantung pada “pengformalan pengetahuan operasi”, bukan sekadar “pelaksanaan alat”. Ramai syarikat gagal dalam pelaksanaan AI kerana memandang ringan proses pengformalan ini.

Persepsi Kos dan Pendekatan Pelaksanaan Konkrit

Kos dan pendekatan untuk menggunakan AI dengan aset bukan digital syarikat boleh disusun seperti berikut.

Permulaan Skala Kecil (sekitar RM1,000 – RM1,600 sebulan): Menggunakan pelan perniagaan seperti ChatGPT Enterprise atau Claude Team, bermula dengan memuat naik data syarikat dan menjawab soalan. Pada peringkat ini, penyusunan data besar-besaran tidak dilakukan, fail PDF atau Excel sedia ada digunakan terus.

Penyesuaian Skala Sederhana (sekitar RM3,300 – RM10,000 sebulan + yuran pembangunan awal): Pembinaan model yang ditetapkan halus dengan data syarikat sendiri, atau pelaksanaan sistem RAG. Pada peringkat ini, pra-pemprosesan data (seperti penyamaran maklumat peribadi, penyelarasan format) diperlukan. Kebanyakan kes melibatkan rakan pembangunan AI luar.

Pembangunan Sendiri Skala Besar (pelaburan awal RM33,000 ke atas): Pembangunan model AI khusus syarikat, atau integrasi mendalam dengan sistem operasi sedia ada. Pada peringkat ini, syarikat perlu memastikan ketersediaan jurutera dalaman, atau kontrak jangka panjang dengan rakan pembangunan yang dipercayai.

Bagi kebanyakan PKS, pendekatan yang realistik ialah bermula dengan “permulaan skala kecil”, kemudian meningkatkan pelaburan secara berperingkat sambil mengesahkan ROI. Berdasarkan pengalaman saya sendiri, saya mengesyorkan bermula dengan projek melatih AI menggunakan bahan kes kejayaan jualan lalu, kemudian menggunakannya sebagai alat latihan untuk wakil jualan baharu.

Nilai Intrinsik Perkhidmatan “Perunding AI”

Nilai sebenar “Diagnosis Kebolehgunaan Pelaksanaan Percuma” yang ditawarkan oleh perkhidmatan ‘Sokongan Pelaksanaan AI Bersama (Perunding AI)’ yang diperkenalkan ini terletak tepat pada “penemuan aset terpendam syarikat sendiri”. Pakar luar akan menilai secara objektif nilai aset yang tidak disedari oleh syarikat, serta potensi peng-AI-an.

Walau bagaimanapun, sebagai pengurus, perkara yang perlu diberi perhatian ialah “diagnosis” yang ditawarkan perkhidmatan ini hanyalah cadangan kemungkinan. Kejayaan pelaksanaan sebenar bergantung pada penyediaan data dalaman dan semakan semula proses operasi selepas itu. Daripada mempercayai buta hasil diagnosis, adalah penting untuk merancang secara realistik dengan membandingkan sumber syarikat (masa, tenaga kerja, bajet).

Kunci Kejayaan: “Kualiti” dan “Konteks” Data

Cabaran terbesar dalam menggunakan AI dengan aset bukan digital ialah memastikan “kualiti” dan “konteks” data. Dokumen lama mempunyai format berbeza, istilah berubah mengikut era, banyak andaian tersirat tidak direkodkan – elemen yang difahami manusia tetapi sukar difahami AI.

Penyelesaiannya ialah pendekatan berperingkat seperti berikut.

1. Pemilihan Data Sampel: Mulakan dengan data yang paling bernilai dan agak teratur.
2. Pemberian Konteks: Tambah metadata (bila, siapa, tujuan penciptaan) pada data.
3. Penciptaan Glosari: Cipta glosari yang mentakrifkan istilah atau singkatan khusus dalam syarikat, kemudian latih AI.
4. Pembelajaran Berperingkat: Mulakan pembelajaran dengan sedikit data, tingkatkan data pembelajaran sambil mengesahkan hasil output.

Proses ini mengambil masa, tetapi data aset yang telah disediakan sekali bukan sahaja berguna untuk penggunaan AI, malah menunjukkan nilai dalam pelbagai situasi seperti pemiawaian pengetahuan dalaman, latihan pekerja baharu, dan pewarisan operasi.

“Penilaian Semula Aset” sebagai Strategi Pengurusan

Kemunculan AI generatif mentakrifkan semula sumber kelebihan daya saing syarikat. “Pengetahuan akar umbi wilayah”, “pengetahuan tersirat operasi”, “kepakaran perkhidmatan pelanggan bertahun-tahun” yang sebelum ini tidak dikenali sebagai aset, kini mula boleh divisualkan dan diprodukkan melalui AI.

Tindakan seterusnya sebagai pengurus ialah meneroka dan menilai “aset terpendam” syarikat secara sistematik. Kriteria penilaian adalah tiga perkara berikut.

• Kelangkaan: Adakah aset yang tidak mudah ditiru syarikat lain
• Kemudahan Peng-AI-an: Sejauh mana boleh digunakan dengan teknologi semasa
• Impak Perniagaan: Bukan sekadar pemerkasaan, boleh menjadi sumber pendapatan baharu

Kes Fukushima Minpo kelihatan seperti cerita industri khusus media wilayah, tetapi sebenarnya mengandungi pengajaran untuk semua syarikat. Iaitu “data dan kepakaran unik yang terkumpul selama bertahun-tahun boleh menjadi senjata terbesar di era AI generatif”.

Apabila mempertimbangkan pelaksanaan AI, luangkan masa untuk melihat ke dalam syarikat anda dengan mendalam sebelum mencari alat luar terkini. Mungkin di situlah terpendam benih pertumbuhan seterusnya yang hanya dimiliki syarikat anda.