Dua belas pekerja. Empat bidang kerja. Seorang manusia yang masih perlu membuat keputusan akhir.
Itulah bentuk pejabat AI yang saya sedang rancang melalui projek AFS Agentic Office. Saya mahu melihat sama ada AI boleh membantu mengurus kerja marketing, research, development dan operations dengan pembahagian tanggungjawab yang jelas.
Tetapi memberi nama dan jawatan kepada AI belum membuktikan ia boleh bekerja. Soalan saya lebih mudah: adakah hasilnya boleh digunakan, berapa kosnya dan berapa banyak yang masih perlu saya betulkan?
Nota ketelusan: Struktur 12 peranan dan bajet pilot sudah dirancang. Artikel ini berkongsi reka bentuk eksperimen serta cara penilaiannya; belum ada log ujian lengkap untuk mengesahkan produktiviti, perbelanjaan sebenar atau penjimatan masa.
Kenapa saya mahu cuba 12 pekerja AI?
Apabila mengurus beberapa perniagaan, jenis kerja boleh bertukar dalam satu hari. Sekejap menulis kandungan, kemudian menyemak maklumat, memikirkan sistem dan menyusun operasi.
Dalam rancangan saya, AFS3D, AFS PETSHOP dan SukaBercuti.com menjadi jenama keutamaan. Namun, setiap jenama perlu mempunyai konteks sendiri. Tawaran grooming kucing tidak patut bercampur dengan promosi produk 3D atau pakej percutian.
Sebab itu saya memilih model manusia memimpin tenaga kerja AI. Saya kekal sebagai pembuat keputusan akhir, sementara AI membantu menyediakan kerja untuk disemak.
Bagi saya, istilah “pekerja AI” ialah cara mudah menerangkan peranan. Mereka bukan kakitangan manusia dan tidak semestinya 12 model berasingan yang berjalan sepanjang masa.
AI agents Malaysia: apa beza dengan chatbot biasa?
Chatbot biasanya menjawab arahan yang kita beri. Sistem agent pula boleh dilengkapi alat dan arahan untuk menjalankan beberapa langkah menuju sesuatu matlamat, dalam had akses yang dibenarkan.
Sebagai contoh, menghasilkan idea promosi ialah satu tugasan. Mengumpulkan sumber, menyusun draf, memeriksa fakta dan menyerahkannya untuk kelulusan melibatkan aliran kerja yang lebih panjang.
Anthropic membezakan workflow dan agent: workflow mengikuti laluan yang ditetapkan, manakala agent mempunyai lebih ruang menentukan langkah berdasarkan keadaan.
Untuk eksperimen AI agents Malaysia ini, saya tidak mahu semua perkara menjadi autonomi. Kerja yang mempunyai langkah tetap mungkin lebih sesuai menggunakan automasi biasa.
Bagaimana 12 peranan akan dibahagikan?
Struktur MVP saya mempunyai 12 peranan. Untuk memudahkan ujian awal, saya cadangkan mengelompokkannya kepada empat bidang berikut. Ini susunan ujian, bukan dakwaan bahawa semua peranan sudah beroperasi.
| Bidang | Contoh tiga peranan ujian | Hasil yang perlu disemak |
|---|---|---|
| Marketing | Perancang kandungan, penulis, penyemak jenama | Draf kandungan dan cadangan kempen |
| Research | Pencari sumber, pembanding maklumat, penyemak fakta | Ringkasan dengan pautan dan batasan |
| Development | Perancang sistem, pembina, penguji | Cadangan teknikal dan bukti ujian |
| Operations | Penyusun tugas, penyedia SOP, penyemak kelengkapan | Senarai tindakan dan SOP untuk kelulusan |
Setiap tugasan perlu menyatakan jenama, input, hasil dijangka dan siapa yang menyemak. Jika semuanya diberi arahan “tolong uruskan bisnes”, saya sendiri akan sukar menentukan sama ada kerja itu selesai.
Ujian pertama: satu brief, satu hasil yang jelas
Saya mahu bermula dengan tugasan terkawal menggunakan data rekaan atau maklumat awam.
Contohnya, sediakan tiga cadangan kandungan untuk satu produk dengan fakta produk yang telah disahkan. Marketing menghasilkan draf, research menyemak sumber yang diperlukan dan penyemak menandakan dakwaan yang belum mempunyai bukti.
Operations pula menyusun tindakan susulan. Development hanya terlibat apabila ada keperluan sistem yang jelas, bukannya dipanggil untuk setiap kerja.
Saya akan membandingkan hasil ini dengan pendekatan satu AI menggunakan brief yang sama. Jika tambahan agent hanya memanjangkan perbualan, struktur yang lebih besar belum tentu membantu.
Kos token: RM300 ialah bajet sasaran
Bajet pilot yang saya tetapkan ialah sekitar RM300 sebulan: RM100 untuk penaakulan, RM100 untuk kreatif, RM50 untuk research atau automasi dan RM50 sebagai simpanan luar jangka.
Angka ini ialah peruntukan, bukan bil sebenar atau jaminan semua komponen boleh beroperasi pada kos tersebut.
Token boleh difahami sebagai unit teks yang diproses model. Caj bergantung pada penyedia, model dan jenis penggunaan. Langganan aplikasi dan penggunaan API juga tidak semestinya termasuk dalam bayaran yang sama.
Saya akan merekodkan kos setiap tugasan, termasuk percubaan semula, penggunaan alat dan kerja yang ditolak. Jika model menggunakan kategori bil tambahan, ia perlu direkodkan juga.
Ukuran yang saya mahu lihat ialah kos bagi hasil yang diterima, bukan sekadar kos satu jawapan. Sepuluh draf murah yang semuanya perlu ditulis semula masih menggunakan masa saya.
Kualiti kerja: panjang tidak semestinya berguna
Saya merancang menilai hasil berdasarkan ketepatan fakta, pematuhan brief, kesesuaian jenama, kebolehgunaan dan jumlah pembetulan manusia.
Untuk research, pautan perlu menyokong dakwaan. Untuk marketing, harga dan manfaat mesti datang daripada maklumat yang disahkan. Untuk development, kod perlu diuji. Untuk operations, SOP perlu boleh diikuti tanpa meneka langkah yang hilang.
Prinsip yang sama saya gunakan dalam AI coding challenge 24 jam: sesuatu yang nampak siap masih memerlukan bukti bahawa ia berfungsi.
Kesilapan yang saya mahu cari lebih awal
Antara risiko yang akan diuji ialah maklumat direka, sumber lama, konteks jenama bercampur dan arahan pelanggan disalah tafsir. Ini senarai kemungkinan, bukan laporan insiden yang sudah berlaku.
Saya juga mahu melihat sama ada penyemak AI benar-benar mengesan kesalahan atau sekadar bersetuju dengan draf pertama. Dua agent yang memberikan jawapan sama belum membuktikan jawapan itu tepat.
Setiap penyerahan kerja perlu menyertakan perkara yang diketahui, perkara yang belum pasti dan bukti yang digunakan. Jika maklumat tidak cukup, hasil yang baik mungkin berupa permintaan penjelasan.
Kelulusan manusia ialah sebahagian daripada kerja
Dalam reka bentuk saya, AI boleh menyediakan cadangan dan draf mengikut aksesnya. Tindakan seperti menerbitkan iklan, mengubah bajet, menghantar mesej pelanggan atau mengubah sistem sebenar memerlukan kelulusan khusus.
Kelulusan itu mesti menyatakan tindakan sebenar: kandungan apa, untuk jenama mana, kepada siapa dan dengan had kos berapa. Draf yang berubah secara material perlu disemak semula.
Panduan OpenAI tentang pembinaan agent turut menekankan batas kawalan dan campur tangan manusia. Dalam eksperimen saya, akses dan tindakan akan dihadkan serta direkodkan.
FAQ ringkas
Adakah 12 pekerja AI boleh menggantikan satu pasukan?
Belum ada bukti eksperimen ini untuk menyokong kesimpulan tersebut. Jumlah peranan bukan ukuran kemampuan atau tanggungjawab sebenar.
Perlukah bisnes kecil bermula dengan 12 agent?
Saya akan menguji satu aliran kerja dahulu. Tambahan peranan perlu menyelesaikan masalah yang boleh dikenal pasti dan diukur.
Adakah automasi bisnes bermaksud semuanya berjalan sendiri?
Tidak semestinya. Automasi boleh membantu menyediakan kerja, mengatur langkah dan meminta kelulusan pada titik tertentu.
Yang saya cari ialah kerja yang boleh dipercayai
Setakat ini, saya mempunyai struktur dan kaedah penilaian. Saya belum mempunyai keputusan lengkap untuk mengumumkan bahawa 12 pekerja AI sudah berjaya mengendalikan syarikat.
Ukuran saya nanti ialah hasil yang diterima, kesalahan kritikal, kos sebenar dan masa semakan manusia. Jika satu workflow ringkas lebih baik daripada 12 peranan, itulah keputusan yang patut diterima.
Bagi saya, automasi bisnes yang berguna bermula apabila kerja menjadi lebih jelas dan boleh dipercayai. Bilangan agent hanyalah pilihan reka bentuk.
Baca juga eksperimen membina aplikasi dengan AI dan workflow bina website menggunakan AI.
