Syarikat Tempatan Manfaatkan AI Generatif: Cara Melepasi Halangan 16%

Menurut kajian Tokyo Shoko Research Yamagata, hanya 16% syarikat di wilayah itu mengaku “giat mempromosikan penggunaan” AI generatif. Angka ini bukan hanya berlaku di Yamagata. Ia mencerminkan realiti bahawa kebanyakan syarikat yang beribu pejabat di kawasan tempatan masih teragak-agak untuk memperkenalkan AI generatif.

Sebaliknya, kajian yang sama menunjukkan terdapat sejumlah syarikat yang “sedang mempertimbangkan penggunaan”. Ini bermakna ramai yang berminat tetapi belum beralih kepada tindakan konkrit. Artikel ini memperkenalkan kaedah khusus untuk melepasi “halangan 16%” ini.

Mengapa Terhenti di 16%?

Terdapat tiga sebab utama mengapa pengenalan AI generatif tidak berkembang.

Pertama, kebimbangan samar-samar “tidak tahu untuk apa ia digunakan”. Walaupun nama alat seperti ChatGPT atau Claude diketahui, sukar untuk membayangkan bagaimana ia boleh diaplikasikan dalam perniagaan sendiri.

Kedua, kebimbangan “keselamatan”. Terutamanya bagi syarikat yang mengendalikan maklumat pelanggan atau data sulit, terdapat rasa keberatan untuk memasukkan maklumat ke dalam AI.

Ketiga, kesukaran membuat keputusan pengurusan kerana “kos dan masa pengenalan tidak jelas”. Bagi syarikat kecil dan sederhana yang tidak mempunyai sumber untuk menempatkan kakitangan khusus, masa untuk mencuba dan membuat kesilapan pun terasa membazir.

Sebenarnya, cabaran ini berasaskan salah faham yang besar. Pengenalan AI generatif tidaklah sesukar atau semahal yang disangka.

Strategi Konkrit Bermula dengan Kos Bawah RM10,000

Di syarikat penulis sendiri, dengan kos operasi bulanan kira-kira RM2,100, kami telah mencipta nilai setara kira-kira RM753,000 setahun. Bukan hanya kes ini, terdapat banyak tugas yang boleh memberikan kesan yang mencukupi dengan pelaburan awal RM10,000 dan kos bulanan RM2,000 hingga RM3,000.

Sebagai cara permulaan yang konkrit, kami mengesyorkan tiga langkah berikut.

Langkah 1: Mulakan dengan Tugasan yang Tidak Mengendalikan Maklumat Sulit

Untuk meminimumkan risiko keselamatan, adalah selamat untuk memperkenalkan AI dalam tugasan yang hanya mengendalikan maklumat awam. Contohnya, analisis siaran akhbar pesaing, ringkasan berita industri, atau penulisan semula artikel lama syarikat sendiri.

Sebagai contoh, sebuah syarikat infrastruktur lama berjaya mengurangkan masa kerja sebanyak 60% dengan mengautomasikan respons pertanyaan berdasarkan maklumat awam (diterbitkan di mbp-japan.com). Dalam skop yang tidak melibatkan maklumat sulit, kesan yang mencukupi boleh diperolehi.

Langkah 2: Lakukan PoC dengan Alat Percuma atau Kos Rendah

Terdapat banyak alat yang boleh dimulakan dengan kos sifar, seperti versi percuma ChatGPT, percubaan percuma Claude, atau Microsoft Copilot (untuk perniagaan bermula dari RM320 sebulan). Mula-mula, cuba selama seminggu dengan memberi tumpuan kepada tugasan tertentu.

Berdasarkan pengalaman penulis, tugasan berikut amat berkesan.

• Mencipta draf e-mel (penjimatan 3-5 minit setiap e-mel)
• Merumuskan minit mesyuarat (kerja 10 minit menjadi 1 minit)
• Menghasilkan manual dalaman (kerja setengah hari menjadi 30 minit)

Langkah 3: Ukur Kesan dan Tentukan Peluasan

Keputusan PoC dinilai berdasarkan “masa yang dijimatkan” dan “perubahan kualiti”. Contohnya, jika AI digunakan untuk menulis e-mel, penjimatan 30 minit sehari bersamaan 10 jam sebulan. Dengan kadar upah RM30 sejam, ini bernilai RM300 sebulan. Jika kos alat hanya RM20 sebulan, keputusan untuk meluaskan penggunaan boleh dibuat dengan segera.

Teknik Penyasaran yang Mencapai Kadar Tempahan 5 Kali Ganda

Nilai sebenar AI generatif bukan sekadar kecekapan operasi, tetapi dalam tugasan yang berkaitan langsung dengan pendapatan. Dalam kes yang diterbitkan di PR TIMES, gabungan senarai syarikat, maklumat awam, dan AI generatif berjaya mencapai kadar tempahan 5 kali ganda.

Kaedah khusus adalah seperti berikut.

1. Minta AI menganalisis atribut biasa (industri, skala jualan, cabaran) daripada senarai pelanggan sedia ada syarikat
2. Berdasarkan hasil analisis, hasilkan senarai syarikat sasaran baharu (berasaskan maklumat awam)
3. Gunakan AI untuk mencipta cadangan yang dioptimumkan untuk setiap syarikat

Perkara utama kaedah ini ialah ia lengkap hanya dengan maklumat awam. Tiada maklumat peribadi atau data sulit rakan niaga digunakan, menjadikan risiko keselamatan sifar.

Penulis sendiri telah mengaplikasikan kaedah ini untuk mengautomasikan penciptaan senarai jualan klien. Kerja yang dahulunya mengambil masa 30 minit setiap syarikat oleh pegawai jualan kini selesai dalam 5 minit dengan AI. Ketepatan juga sering melebihi tenaga manusia, terutamanya dalam penjanaan hipotesis “cadangan ini sesuai untuk syarikat ini”, di mana kelebihan AI amat ketara.

Senarai Semak untuk Melepasi Halangan Pengenalan

Akhir sekali, kami membentangkan senarai semak untuk pengurus dan CTO yang mempertimbangkan pengenalan AI generatif.

• ☐ Adakah anda telah mengenal pasti seorang kakitangan yang “mahu mencuba” di dalam syarikat?
• ☐ Adakah anda telah menyenaraikan sekurang-kurangnya tiga tugasan yang lengkap hanya dengan maklumat awam?
• ☐ Adakah anda telah merancang PoC selama seminggu dengan alat percuma?
• ☐ Adakah anda telah menetapkan indikator pengukuran kesan (penjimatan masa, skor kualiti, dll.)?
• ☐ Adakah anda telah memperuntukkan belanjawan di bawah RM500 sebulan?

Jika semua lima perkara ini “ya”, anda patut mulakan sekarang. Halangan 16% boleh diatasi hanya dengan mengubah “alasan untuk tidak bermula” kepada “alasan untuk bermula”.

AI generatif bukan hanya untuk syarikat besar. Malah, semakin syarikat tempatan yang kekurangan tenaga kerja, semakin besar manfaatnya. Kos bermula dari ratusan ringgit sebulan, tempoh pengenalan dari seminggu. Mulakan dengan kecil, rasai kesannya, dan segala-galanya bermula dari sana.