Melangkaui Model AI: Realiti Pelaksanaan Perniagaan

Dunia teknologi sentiasa terpikat dengan perkara besar seterusnya, dan kini, tumpuan bersinar terang pada DeepSeek. Firma kecerdasan buatan (AI) dari China ini sememangnya telah menimbulkan kekecohan, menyampaikan model bahasa besar (LLMs) sumber terbuka berkualiti tinggi yang telah mencetuskan gelombang dalam industri. Para cendekiawan, penggubal dasar, dan eksekutif teknologi sedang hangat membahaskan implikasinya. Adakah ini menandakan peralihan seismik dalam keseimbangan kuasa AI global? Adakah era penguasaan U.S. akan berakhir? Apakah makna pendekatan sumber terbuka DeepSeek untuk trajektori inovasi masa depan?

Ini adalah soalan-soalan yang menarik, tidak dinafikan. Namun, di tengah-tengah pusaran spekulasi dan keterujaan mengenai keajaiban algoritma terkini ini, satu perkara yang jauh lebih kritikal sebahagian besarnya diabaikan. DeepSeek, walaupun mempunyai keupayaan yang mengagumkan, pada asasnya hanyalah satu lagi alat dalam kotak peralatan AI yang berkembang pesat. Isu penting bukanlah model spesifik mana yang kini mendahului penanda aras prestasi. Realiti yang jauh lebih serius, dan cabaran yang sepatutnya memenuhi bilik lembaga pengarah dan sesi strategi, adalah fakta nyata bahawa hanya sebahagian kecil – dilaporkan hanya 4% – syarikat yang berjaya menterjemahkan pelaburan AI mereka kepada nilai perniagaan yang substantif dan ketara. Keghairahan mengenai DeepSeek hanyalah sampingan; acara utamanya adalah perjuangan untuk pelaksanaan yang berkesan.

Lagu Pujukan Model Baharu: Mengapa DeepSeek (dan Lain-lain) Menarik Perhatian

Sangat difahami mengapa perkembangan seperti DeepSeek menarik begitu banyak perhatian. Naratifnya menarik, menyentuh beberapa tema utama yang bergema dalam komuniti teknologi dan perniagaan:

• Landskap Geopolitik yang Berubah: Kemunculan DeepSeek ditafsirkan oleh ramai sebagai bukti kukuh bahawa China sedang pesat beralih daripada pengikut AI kepada pemimpin yang hebat. Ini mencabar andaian lama mengenai ketuanan teknologi Amerika dalam bidang kritikal ini dan menimbulkan persoalan kompleks mengenai persaingan dan kerjasama masa depan di pentas global. Kelajuan dan kualiti output mereka memaksa penilaian semula keupayaan negara.
• Kehebatan Kompetitif yang Terbukti: Penanda aras tidak berbohong. Model DeepSeek mampu bersaing, dan dalam beberapa kes mengatasi, tawaran daripada gergasi Barat yang mapan seperti OpenAI dan Google. Ini berfungsi sebagai demonstrasi hebat bahawa pembangunan AI canggih bukan semata-mata domain syarikat gergasi Silicon Valley. Ia membuktikan bahawa model sofistikated boleh direka bentuk dengan kecekapan yang luar biasa dan berpotensi dengan perbelanjaan sumber yang lebih rendah daripada yang difikirkan sebelumnya.
• Menerima Keterbukaan: Dalam landskap yang sering dicirikan oleh sistem proprietari dan tertutup, komitmen DeepSeek terhadap prinsip sumber terbuka menonjol. Pendekatan ini memupuk ekosistem yang lebih kolaboratif, berpotensi mempercepatkan kadar inovasi secara global dengan membenarkan penyelidik dan pembangun di seluruh dunia membina berdasarkan kerja mereka. Ia berbeza secara ketara dengan sifat ‘kotak hitam’ banyak model Barat terkemuka, mencetuskan perdebatan mengenai ketelusan dan kebolehcapaian dalam pembangunan AI.
• Mencabar Stereotaip Budaya: Kejayaan DeepSeek secara langsung menentang naratif lapuk yang mungkin sebelum ini memandang rendah kedalaman dan keaslian inovasi China. Ia mempamerkan laluan yang berbeza ke arah kemajuan teknologi, berpotensi berakar pada keutamaan penyelidikan, budaya kejuruteraan, atau strategi nasional yang berbeza, mendorong penilaian semula dinamik inovasi global.
• Menavigasi Sekatan Teknologi: Kemajuan pesat DeepSeek telah berlaku walaupun terdapat usaha berterusan, terutamanya oleh U.S., untuk mengehadkan akses China kepada teknologi semikonduktor termaju. Ini menggariskan kesukaran yang wujud dalam menggunakan kawalan eksport untuk mengekang kepimpinan AI secara muktamad, menunjukkan bahawa kepintaran dan pendekatan alternatif sering kali dapat mengatasi sekatan sedemikian, terutamanya dalam bidang perisian dan pembangunan algoritma.
• Menonjolkan Kecekapan Kos: Laporan mencadangkan DeepSeek mencapai tahap prestasi tingginya pada kos yang jauh lebih rendah berbanding beberapa rakan sejawat Barat. Ini memperkenalkan dimensi baharu kepada landskap kompetitif, menekankan kecekapan dan pengoptimuman sumber sebagai faktor kritikal dalam perlumbaan AI. Ia menetapkan penanda aras baharu yang berpotensi untuk membangunkan AI yang berkuasa tanpa pelaburan modal yang astronomi.
• Menggariskan Kekuatan Penyelidikan: Di sebalik model itu sendiri, pencapaian DeepSeek mencerminkan kekuatan dan pengaruh yang semakin meningkat dalam penyelidikan AI asas yang berasal dari China. Ini menandakan peralihan yang lebih mendalam, menunjukkan saluran bakat yang mantap dan fokus nasional untuk memajukan asas teori kecerdasan buatan.

Walaupun setiap perkara ini memerlukan perbincangan dan analisis, secara kolektif ia mengalih perhatian daripada cabaran operasi yang lebih segera dan mendesak. Tiada satu pun daripada perkembangan ini secara asasnya mengubah mekanik teras bagaimana kecerdasan buatan mencipta nilai dalam konteks perniagaan. Kilauan model baharu mengaburkan ketabahan yang diperlukan untuk penggunaan yang berjaya. Kebenaran yang nyata kekal: sebahagian besar organisasi mendapati amat sukar untuk memindahkan AI dari makmal eksperimen ke dalam proses teras di mana ia boleh menjana pulangan yang bermakna.

Gajah di Dalam Bilik: Jurang Pelaksanaan AI yang Ketara

Walaupun media teknologi melaporkan setiap peningkatan tambahan dalam prestasi LLM tanpa henti dan membuat spekulasi mengenai perlumbaan untuk kecerdasan am buatan, realiti yang jauh kurang glamor berlaku dalam kebanyakan syarikat. Perjalanan dari keghairahan AI kepada hasil yang dipacu AI terbukti jauh lebih berbahaya daripada yang dijangkakan. Pelbagai kajian dan analisis industri menumpu pada gambaran yang membimbangkan:

• Majoriti besar syarikat yang meneroka AI kekal terperangkap dalam fasa awal. Mereka mungkin telah menjalankan bukti konsep atau melancarkan projek perintis terpencil, tetapi inisiatif ini jarang berskala atau berintegrasi secara bermakna ke dalam operasi yang lebih luas. Anggaran mencadangkan mungkin hanya sekitar 22% telah berjaya mengekstrak walaupun sedikit nilai yang boleh ditunjukkan di luar peringkat awal ini.
• Kumpulan yang mencapai impak perniagaan yang benar-benar substantif dan mengubah permainan daripada pelaburan AI mereka adalah sangat kecil. Angka yang sering disebut berkisar sekitar 4% sahaja. Ini bermakna bagi setiap dua puluh lima syarikat yang melabur dalam AI, mungkin hanya satu yang merealisasikan faedah strategik atau kewangan yang signifikan setanding dengan potensi teknologi tersebut.

Apakah yang menyebabkan jurang yang mengejutkan antara janji AI dan aplikasi praktikalnya? Sebabnya pelbagai, tetapi satu tema utama muncul: ketaksuban pada teknologi itu sendiri, bukannya pada perubahan strategik dan operasi yang diperlukan untuk memanfaatkannya dengan berkesan. Syarikat menjadi terpesona oleh keupayaan model terkini – sama ada dari DeepSeek, OpenAI, Google, Anthropic, atau mana-mana penyedia lain – bukannya memberi tumpuan sepenuhnya pada kerja keras pelaksanaan.

Fenomena ‘purgatori perintis’ ini timbul daripada beberapa perangkap biasa:

• Kekurangan Strategi yang Jelas: Inisiatif AI dilancarkan tanpa masalah perniagaan yang jelas untuk diselesaikan atau visi yang jelas tentang bagaimana teknologi akan mencipta nilai.
• Mengejar Objek Berkilat: Sumber dialihkan untuk bereksperimen dengan setiap model atau teknik baharu yang muncul, bukannya memberi tumpuan kepada penggunaan dan penskalaan penyelesaian yang terbukti.
• Asas Data yang Tidak Mencukupi: Percubaan dibuat untuk melaksanakan AI di atas data yang bersepah, tersilo, atau tidak boleh diakses, yang membawa kepada prestasi buruk dan hasil yang tidak boleh dipercayai.
• Jurang Kemahiran dan Penentangan: Tenaga kerja mungkin kekurangan kemahiran yang diperlukan untuk menggunakan alat AI dengan berkesan, atau mungkin terdapat penentangan budaya untuk mengguna pakai cara kerja baharu.
• Memandang Rendah Kerumitan Integrasi: Cabaran teknikal dan organisasi untuk membenamkan AI ke dalam aliran kerja dan sistem sedia ada sering dipandang remeh.
• Kegagalan Mengukur Impak: Kekurangan metrik dan proses yang jelas untuk menjejaki nilai perniagaan sebenar yang dijana oleh inisiatif AI menyukarkan untuk mewajarkan pelaburan selanjutnya atau menunjukkan kejayaan.

Oleh itu, cabaran teras bukanlah kekurangan dalam model AI yang tersedia. Kesesakan terletak tepat pada keupayaan organisasi untuk mengintegrasi dan mengoperasikan alat berkuasa ini dengan berkesan.

Memecahkan Kod: Apa yang Dilakukan Berbeza oleh Pencapai Tinggi AI

Memerhatikan peratusan kecil syarikat yang berjaya memanfaatkan AI pada skala mendedahkan satu set keutamaan dan amalan yang berbeza. Berdasarkan pengalaman luas bekerja dengan firma global terkemuka dalam penggunaan AI berskala besar, termasuk pandangan yang diperoleh daripada peranan kepimpinan di gergasi teknologi dan perundingan khusus, tiga pembeza kritikal secara konsisten muncul di kalangan pencapai tinggi:

Fokus pada Matlamat – Memacu Hasil, Bukan Sekadar Memotong Kos

Kesilapan biasa adalah pada mulanya menggunakan AI terutamanya untuk keuntungan kecekapan dalaman atau pengurangan kos. Walaupun aplikasi ini mempunyai tempatnya, syarikat yang mencapai kejayaan paling signifikan mengutamakan penggunaan AI untuk memacu pertumbuhan pendapatan utama. Mereka memahami bahawa potensi pulangan terbesar sering terletak pada peningkatan bidang yang secara langsung memberi kesan kepada penjanaan hasil:

• Pecutan Jualan: Menggunakan AI untuk mengenal pasti petunjuk berpotensi tinggi, mengoptimumkan proses jualan, meramalkan pusing ganti pelanggan, atau memperibadikan usaha jangkauan.
• Harga Dinamik: Melaksanakan algoritma AI untuk mengoptimumkan strategi harga berdasarkan permintaan masa nyata, harga pesaing, segmentasi pelanggan, dan tahap inventori.
• Penglibatan Pelanggan yang Dipertingkatkan: Memanfaatkan AI untuk kempen pemasaran hiper-peribadi, chatbot perkhidmatan pelanggan pintar, analisis keperluan pelanggan prediktif, dan pengurusan pengalaman pelanggan yang lebih baik.

Sebagai contoh, pertimbangkan kes pengeluar komponen aeroangkasa bernilai bilion dolar yang bergelut dengan jumlah Permintaan untuk Cadangan (RFP) yang semakin meningkat dan kompleks. Jumlah dan kerumitan dokumen-dokumen ini membebankan pasukan jualan dan kejuruteraan mereka, menyebabkan peluang terlepas dan strategi bidaan yang tidak optimum. Dengan melaksanakan penyelesaian AI yang direka untuk menganalisis RFP dengan pantas, mengenal pasti keperluan utama, menilai penjajaran dengan keupayaan syarikat, dan juga membantu dalam merangka bahagian cadangan awal, mereka mencapai transformasi yang luar biasa. AI bukan sahaja mengautomasikan tugas; ia membolehkan pasukan untuk:

1. Mengutamakan dengan berkesan: Mengenal pasti RFP dengan kebarangkalian kejayaan dan nilai strategik tertinggi dengan cepat.
2. Memperuntukkan sumber secara bijak: Menumpukan usaha pakar manusia pada bidaanyang paling menjanjikan dan kompleks.
3. Meningkatkan kualiti dan kelajuan cadangan: Memanfaatkan bantuan AI untuk menjana kandungan cadangan yang konsisten dan berkualiti tinggi dengan lebih cepat.

Hasil yang boleh diukur bukan sahaja penjimatan kecekapan marginal; ia adalah $36 juta setahun dalam hasil tambahan yang ketara, didorong oleh kadar kemenangan yang lebih tinggi dan keupayaan untuk mengejar lebih banyak peluang dengan berkesan. Ini menunjukkan kuasa menyasarkan AI ke arah aktiviti penjanaan hasil di mana potensi peningkatan sering kali merupakan magnitud yang lebih besar daripada langkah penjimatan kos sahaja. 4% memahami bahawa aplikasi AI yang paling mujarab selalunya sebagai enjin pertumbuhan, bukan sekadar alat untuk mengurangkan perbelanjaan.

Menjadikan AI Melekat – Kuasa Insentif dan Budaya

Menggunakan alat AI yang sofistikated hanyalah separuh perjuangan; memastikan ia digunakan secara konsisten dan berkesan oleh tenaga kerja memerlukan penanganan tingkah laku manusia dan budaya organisasi. Penerimagunaan teknologi pada asasnya adalah cabaran pengurusan perubahan. Syarikat yang merealisasikan impak AI yang signifikan menyedari perkara ini dan secara aktif menstrukturkan organisasi dan insentif mereka untuk menggalakkan dan memberi ganjaran kepada integrasi AI. Pendekatan boleh berbeza-beza, tetapi prinsip asasnya adalah penjajaran:

• Insentif Kewangan Langsung: Sesetengah organisasi, seperti syarikat fintech Klarna, telah mengambil pendekatan langsung. Mereka secara eksplisit mengaitkan pampasan pekerja – termasuk ekuiti dan bonus tunai – dengan kejayaan penerimagunaan dan impak AI dalam peranan dan pasukan masing-masing. Ini mewujudkan dinamik dalaman yang kuat di mana individu dan jabatan sangat bermotivasi untuk mencari dan melaksanakan kecekapan dan penambahbaikan yang dipacu AI, memupuk persekitaran kompetitif yang tertumpu pada memaksimumkan sumbangan AI.
• Pertumbuhan Kerjaya dan Program Pengiktirafan: Tidak semua struktur insentif yang berkesan perlu bersifat kewangan semata-mata. Model alternatif yang sangat berjaya melibatkan penciptaan laluan khusus untuk kemajuan kerjaya yang berpusat pada kepimpinan AI. Sebagai contoh, melaksanakan ‘Program Juara AI’ (AI Champion Program) boleh memperkasakan pekerja yang bermotivasi di seluruh jabatan yang berbeza. Program-program ini biasanya melibatkan:
  • Pemberdayaan: Menggalakkan pekerja untuk mengenal pasti dan mencadangkan inisiatif dipacu AI mereka sendiri yang relevan dengan kerja mereka.
  • Pembolehan: Menyediakan latihan yang disasarkan, sumber, dan bimbingan untuk membantu mereka membangunkan dan melaksanakan idea mereka.
  • Pengiktirafan: Mencipta peranan dan peluang yang boleh dilihat untuk juara-juara ini menjadi pemimpin AI dalaman, jurulatih, dan penyokong dalam syarikat.

Pendekatan ini memupuk penglibatan meluas dengan memanfaatkan motivasi intrinsik seperti pembangunan kemahiran, pertumbuhan profesional, dan keinginan untuk memberi impak yang ketara. Ia memupuk budaya pemikiran AI-pertama dari bawah ke atas, di mana inovasi tidak semata-mata ditentukan dari atas tetapi muncul secara organik di seluruh organisasi. Tanpa mengira mekanisme khusus, pengajaran utama ialah kejayaan penerimagunaan AI memerlukan lebih daripada sekadar menyediakan akses kepada teknologi; ia menuntut usaha sedar untuk menyelaraskan motivasi individu dan pasukan dengan matlamat strategik untuk membenamkan AI ke dalam operasi harian.

Asas Kejayaan – Mengapa Data Masih Berkuasa

Mungkin prasyarat yang paling kurang glamor, namun boleh dikatakan paling kritikal, untuk transformasi AI yang berjaya ialah asas data yang mantap. Tiada jumlah kecanggihan algoritma yang dapat mengimbangi data yang berkualiti rendah, tidak boleh diakses, atau diurus dengan buruk. Banyak organisasi, yang tidak sabar untuk menyertai arus AI, membuat kesilapan kritikal dengan cuba menggunakan model termaju sebelum memastikan infrastruktur data asas mereka kukuh. 4% memahami bahawa data adalah bahan api untuk AI, dan mereka melabur sewajarnya. Membina asas ini melibatkan beberapa elemen utama:

• Kualiti dan Struktur Data: Memastikan data adalah tepat, lengkap, konsisten, dan disimpan dalam format berstruktur yang boleh diambil dan diproses oleh model AI dengan mudah. Ini sering memerlukan usaha yang signifikan dalam pembersihan data, penyeragaman, dan pengesahan.
• Kebolehcapaian dan Integrasi Data: Memecahkan silo data antara jabatan dan sistem. Melaksanakan platform data bersatu atau tasik data yang menyediakan sumber kebenaran tunggal dan membolehkan pasukan dan aplikasi AI yang berbeza mengakses data yang mereka perlukan dengan selamat dan cekap.
• Strategi Data Bersepadu: Membangunkan strategi seluruh perusahaan yang jelas tentang bagaimana data akan dikumpul, disimpan, diurus, ditadbir, dan digunakan. Strategi ini mesti sejajar dengan objektif perniagaan dan menjangka keperluan AI masa depan.
• Tadbir Urus dan Keselamatan Data yang Mantap: Mewujudkan dasar dan prosedur yang jelas untuk pemilikan data, hak penggunaan, pematuhan privasi (seperti GDPR atau CCPA), dan protokol keselamatan. Ini membina kepercayaan dan memastikan penggunaan AI yang bertanggungjawab.

Percubaan untuk membina aplikasi AI yang sofistikated di atas asas data yang lemah adalah sama seperti membina bangunan pencakar langit di atas pasir. Hasilnya pasti tidak boleh dipercayai, berat sebelah, atau semata-mata tidak tepat (‘sampah masuk, sampah keluar’). Walaupun kejuruteraan dan tadbir urus data mungkin kekurangan daya tarikan segera LLM canggih, ia adalah kerja penting dan teliti yang menyokong sebarang kejayaan AI yang mampan. Syarikat yang serius untuk memanfaatkan AI mesti menganggap infrastruktur data mereka bukan sebagai kebimbangan sekunder, tetapi sebagai aset strategik utama yang memerlukan pelaburan khusus dan penambahbaikan berterusan.

Buku Panduan Sebenar: Membina Organisasi Sedia AI

Tumpuan sengit pada DeepSeek, Gemini, GPT-4, atau apa sahaja model terkemuka bulan depan, walaupun difahami dari sudut pandangan teknologi, pada asasnya terlepas pandang bagi kebanyakan perniagaan. Penentu kejayaan yang kritikal bukanlah memiliki algoritma ‘terbaik’ mutlak pada bila-bila masa. Jika sesebuah organisasi membina rangka kerja strategik yang betul, memupuk budaya yang betul, dan mewujudkan infrastruktur data yang kukuh, menukar satu LLM dengan yang lain selalunya menjadi tugas teknikal yang agak kecil – berpotensi hanya beberapa panggilan API sahaja.

Pembeza sebenar tidak terletak pada model spesifik yang dipilih hari ini, tetapi pada kesediaan organisasi untuk memanfaatkan AI secara berkesan, berterusan, dan strategik. Ini melibatkan peralihan perspektif:

• Dari Berpusatkan Teknologi kepada Berpusatkan Masalah: Mulakan dengan cabaran atau peluang perniagaan, kemudian tentukan bagaimana AI boleh menyediakan penyelesaian, bukannya bermula dengan teknologi dan mencari masalah.
• Dari Perintis Terpencil kepada Skala Bersepadu: Bergerak melangkaui eksperimen kecil dan fokus pada membenamkan AI ke dalam proses perniagaan teras di mana ia boleh memberikan nilai yang boleh diukur dan berterusan.
• Dari Pelaksanaan Statik kepada Adaptasi Berterusan: Mengakui bahawa landskap AI sentiasa berkembang. Bina ketangkasan organisasi untuk menyesuaikan strategi, melatih semula model, dan mengguna pakai alat baharu mengikut keperluan.
• Dari Inisiatif Dipimpin IT kepada Transformasi Dipimpin Perniagaan: Pastikan sokongan dan kepimpinan yang kuat dari peringkat tertinggi perniagaan, dengan pasukan rentas fungsi bekerjasama untuk memacu penerimagunaan.

Perjalanan untuk menjadi organisasi yang dikuasakan AI bukanlah tentang memenangi pecutan untuk mengguna pakai model terkini. Ia adalah tentang membina keupayaan jangka panjang – strategi, budaya, bakat, dan asas data – untuk mengintegrasikan kecerdasan buatan secara berkesan ke dalam fabrik perniagaan. Berhentilah mengejar gembar-gembur sementara kejayaan LLM seterusnya. Kerja sebenar, walaupun kurang glamor, melibatkan proses pelaksanaan, integrasi, dan transformasi organisasi yang teratur. Di situlah letaknya kelebihan daya saing sebenar, dan di mana sebahagian besar syarikat masih mempunyai banyak ruang untuk diperbaiki.