“AI Pemeriksaan” dan “Pendigitan Invois” Menunjukkan “Urutan Pendigitan” yang Perlu Ditakrifkan oleh Pengurusan

Minggu lepas, dua berita yang kelihatan tidak berkaitan dilaporkan. Satu ialah pelancaran rasmi perisian AI SaaS khusus untuk pemeriksaan infrastruktur “TRASS”. Satu lagi ialah berita mengenai Infomart membuka pusat baharu di Fukuoka yang khusus menjalankan “pendigitan invois”.

Yang pertama ialah teknologi canggih “AI”, manakala yang kedua ialah kerja asas yang kelihatan biasa iaitu “pendigitan”. Ramai pengurus cenderung terpesona dengan “keglamoran” yang pertama dan memandang rendah yang kedua sebagai “kerja subkontrak”. Namun, apabila kedua-dua berita ini diletakkan bersebelahan, timbul “urutan penting” yang paling mudah disalah anggap oleh pengurus dalam kejayaan pendigitan dan DX, dan yang perlu mereka putuskan.

Ia adalah urutan: setelah tujuan “meningkatkan kebolehulangan keputusan pengurusan” dijelaskan, “pengumpulan data” untuk tujuan itu direka bentuk, barulah “analisis lanjutan/AI” mempunyai makna. Jika urutan ini silap, AI hanya menjadi “mainan mahal” dan pendigitan menjadi “tugas rutin yang memakan kos”.

“Struktur Dua Lapisan” yang Dibaca dari Berita: Asas Pendigitan dan Bumbung AI

Pertama, mari kita susun kedua-dua berita ini dari perspektif “Pengurusan × IT”.

1. Infomart “Pusat Promosi Pendigitan”: Ini ialah usaha mengukuhkan “asas pendigitan” yang menukar invois analog kepada data digital, sebagai pusat pakar. Ia adalah kerja menyusun dokumen terpenting yang merekodkan “keputusan transaksi (kepada siapa dan berapa banyak untuk dibayar)” iaitu invois, ke dalam bentuk yang boleh dicari, dikumpul dan dianalisis. Ia kelihatan biasa, tetapi ia adalah titik permulaan untuk semua analisis pengurusan.

2. AI Pemeriksaan Infrastruktur “TRASS”: Ini ialah bahagian “bumbung analisis/sokongan keputusan” di mana AI menganalisis data imej yang diperoleh daripada kerja pemeriksaan dan mengesan kemerosotan atau keabnormalan. Ia dilaporkan telah membuktikan “penambahbaikan kecekapan operasi dan peningkatan kualiti pemeriksaan” melalui eksperimen pengesahan. Ini ialah alat yang menyokong keputusan mengenai “penyelenggaraan peralatan (sama ada untuk dibaiki atau dibiarkan)” iaitu pemeriksaan.

Perkara penting di sini ialah, prasyarat untuk “TRASS” berkesan ialah kewujudan persekitaran di mana kerja pemeriksaan telah ditetapkan dan “data” dalam bentuk imej dikumpul secara berterusan. AI hanya dapat meningkatkan “kualiti dan kelajuan keputusan” di atas asas itu.

Ramai syarikat gagal dalam DX kerana mereka hanya melabur dalam “bumbung (AI atau analisis)” ini, sedangkan “asas (pendigitan)” masih rapuh, atau mereka mula mengumpul data tanpa tujuan. Pengurus bertanggungjawab untuk mentakrifkan asas (data) mana yang perlu dikukuhkan, dan dalam urutan apa, untuk meningkatkan “kebolehulangan keputusan” syarikat mereka.

“Kegelapan Pendigitan” Apabila Pengurusan Melepaskan Takrifan: 3 Corak Kegagalan Biasa

Walaupun memahami secara mental bahawa “pendigitan adalah penting”, kegagalan pengurusan mentakrifkan tujuan dan urutannya menyebabkan bahagian operasi terjebak dalam “kegelapan” seperti berikut.

1. Pengumpulan Data Tanpa Tujuan: Perangkap “Pendigitan Saja-lah”

Arahan “Lakukan pendigitan!” didahulukan, dan dokumen kertas hanya ditukar kepada PDF dan dibuang ke dalam pelayan. Ini tidak membolehkan carian atau pengumpulan, hanya menghasilkan timbunan “sampah elektronik”. Infomart memberi tumpuan khusus kepada invois kerana ia berkait langsung dengan keputusan pengurusan yang jelas seperti “pengurusan pembayaran”, “analisis pembekal” dan “ramalan aliran tunai”. Pengurusan perlu bertanya terlebih dahulu: “Keputusan mana yang ingin diperbaiki, dan bagaimana, melalui pendigitan data ini?”

2. Pengoptimuman Mengikut Jabatan: Saat “Loghat” Data Dilahirkan

Jualan mengurus data pelanggan dalam Salesforce, kewangan mengurus data transaksi dalam perisian perakaunan, dan pembuatan mengurus data pengeluaran dalam sistem berbeza. Mungkin “kecekapan” meningkat dalam setiap jabatan. Namun, jika pengurusan atasan tidak mentakrifkan “item dan format data sepunya untuk keputusan seluruh syarikat”, data-data ini akan berselerak sebagai “loghat” yang tidak boleh disatukan. Akibatnya, syarikat terjebak dalam keadaan di mana “purata nilai pelanggan untuk seluruh syarikat” pun tidak dapat dikira dengan mudah.

3. Membiarkan Keputusan Manusia Terperibadi Sebelum Pengenalan AI

Latar belakang kejayaan AI pemeriksaan seperti “TRASS” mengandaikan bahawa “pengetahuan pakar teknikal” telah sebahagiannya diformalkan (dimanualkan). AI mempelajari dan mengembangkan pengetahuan formal itu. Namun, jika kriteria keputusan pemeriksaan masih bergantung sepenuhnya pada “gerak hati dan pengalaman” pemeriksa dan kekal terperibadi, “data latihan” yang perlu dipelajari oleh AI sendiri tidak dapat dihasilkan. Sebelum memperkenalkan AI, pengurusan perlu mentakrifkan usaha untuk menurunkan keputusan manusia kepada “proses dan kriteria yang boleh diulang”.

Pendigitan sebagai “IT Pengurusan”: Mereka Bentuk Kebolehulangan Keputusan

Di sini, ingat semula “3 Klasifikasi IT” dalam dasar editorial. Kedua-dua berita ini benar-benar menyentuh intipati “IT Pengurusan”.

IT Pengurusan ialah IT untuk menjamin keputusan dan kebolehulangannya. Pendigitan invois oleh Infomart meningkatkan ketelusan dan kebolehkesanan “keputusan pembayaran”, serta membolehkan analisis keputusan lalu. AI pemeriksaan meningkatkan kualiti dan kelajuan “keputusan pelaburan/penyelenggaraan peralatan”, dan menyokong penyeragaman kriteria keputusan (kebolehulangan).

Apa yang perlu dilakukan oleh pengurus ialah mentakrifkan dengan jelas tujuan “IT Pengurusan” ini, tanpa mengelirukannya dengan “IT Pengurusan” (pengurangan kos, operasi stabil) atau “IT Perniagaan” (kelajuan pengembangan jualan). Apabila memulakan projek pendigitan, pengurus harus dapat menjawab soalan berikut:

• Pendigitan ini dilakukan untuk meningkatkan kualiti “keputusan pengurusan” yang mana? (Contoh: keputusan pelaburan, penilaian HR, penetapan harga)
• Adakah keputusan itu kini bergantung pada pengalaman atau gerak hati peribadi?
• Selepas pendigitan, bagaimana data itu akan dianalisis, dan di mesyuarat mana serta bagaimana ia akan digunakan? (Reka bentuk titik keluar)

Kegagalan membincangkan soalan ini dalam mesyuarat pengurusan, dan menyerahkan tugas “teruskan pendigitan saja” kepada jabatan IT atau bahagian operasi, adalah sama dengan “melepaskan” takrifan tujuan.

Langkah Praktikal: Cara Pengurusan Memimpin Penentuan “Urutan Pendigitan”

Jadi, apa yang perlu dilakukan secara konkrit? Sebelum projek DX berskala besar, bincangkan tiga langkah berikut dalam kalangan pengurusan.

Langkah 1: Kenal Pasti Satu “Keputusan Pengurusan” yang Paling Terperibadi dan Penting

Contohnya: “Keputusan Go/No-Go untuk perniagaan baharu”, “Peruntukan sumber kepada pelanggan utama”, “Keputusan masa penggantian peralatan terpakai”. Kenal pasti keputusan yang bercampur antara nombor dan pengalaman, dan bergantung pada beberapa individu utama. “Keputusan pembaikan” dalam pemeriksaan infrastruktur ialah contoh tipikal.

Langkah 2: Reka Bentuk “Item Data Minimum” dan “Kaedah Perolehan” yang Diperlukan untuk Keputusan Itu

Apakah data yang mutlak diperlukan untuk meningkatkan kebolehulangan keputusan itu? Di mana dan dalam format apa ia wujud sekarang? Mengambil contoh Infomart, mereka bentuk cara untuk mengumpul data invois yang diperlukan untuk “keputusan pembayaran” dengan pasti dan dalam bentuk yang boleh dianalisis. Pada peringkat ini, pilihan seperti memperkenalkan perkhidmatan penerimaan invois awan (seperti Freee atau Money Forward Cloud Invois) atau penyumberan luar kepada perkhidmatan pakar seperti Infomart akan timbul.

Langkah 3: “Visualisasikan” Analisis Data dan Proses Keputusan, dan Putarkan Kitaran Penambahbaikan

Visualisasikan proses keputusan berdasarkan data yang dikumpul. Pada mulanya, Excel atau alat BI (Tableau, Power BI) sudah memadai. Barulah di sini, perbincangan “Adakah AI (seperti TRASS) atau analisis lanjutan berkesan untuk membuat keputusan ini dengan lebih pantas dan tepat?” mempunyai makna. AI hanyalah “kaedah” untuk mengukuhkan sebahagian daripada kitaran “data → analisis → keputusan” yang telah ditetapkan ini.

Kesimpulan: Pendigitan dan AI ialah “Enjin Kebolehulangan” untuk Keputusan Pengurusan

Berita AI pemeriksaan infrastruktur dan pusat pendigitan invois melambangkan kedua-dua roda pendigitan. Namun, intipatinya bukan pada teknologi itu sendiri, tetapi pada fakta bahawa IT kini dapat menyokong tugas penting pengurusan: “menanamkan elemen kebolehulangan iaitu data ke dalam tindakan tidak pasti iaitu keputusan pengurusan, dan mengumpul serta memperbaikinya sebagai aset organisasi”.

Selagi pengurus berfikir “pendigitan menyusahkan” atau “serahkan AI kepada pakar”, pelaburan IT kekal sebagai pusat kos. Sebaliknya, mentakrifkan apakah keputusan teras syarikat mereka, data asas apa yang diperlukan untuk meningkatkan kebolehulangannya, dan menentukan urutan penyediaannya, itulah keputusan pengurusan terbaik.

Pendigitan ialah peluang terbaik untuk menghadapi “bayaran tertunggak” iaitu “keterperibadian keputusan” yang dielak oleh pengurusan, dan menaik taraf syarikat daripada “gerak hati dan pengalaman manusia” kepada “kecerdasan organisasi”.