Masih Perlukah Latihan AI untuk Pekerja Jika AI Boleh Menjawab Segalanya?

Jawapan ringkas: Bergantung pada keperluan syarikat. AI semakin cekap menjawab soalan.

Latihan AI untuk pekerja lebih bernilai apabila pasukan memerlukan latihan amali berpandu, kaitan dengan kerja sendiri dan standard penggunaan yang dipersetujui bersama. Bukan setiap syarikat memerlukan bengkel berbayar. Bukan setiap topik memerlukan jurulatih.

Jurulatih membawa pengalaman dan bimbingan ke dalam proses pembelajaran. Apabila rakan sekerja belajar bersama, soalan seorang peserta mungkin sebenarnya soalan yang orang lain belum terfikir untuk tanya. Pasukan tidak perlu belajar secara berasingan dan meneka sendiri apa yang patut dibuat.

Jadi, jika AI boleh menjawab hampir apa sahaja, mengapa syarikat masih perlu membayar untuk latihan? Soalan ini wajar. Jawapannya juga perlu jujur, termasuk mengakui keadaan apabila AI memang pilihan yang lebih baik.

Agak janggal apabila kita mula membandingkan AI dengan jurulatih dalam soal pembelajaran. Tetapi itulah keadaan sekarang. Teknologi ini memang mengagumkan dan boleh membantu kita meningkatkan kemahiran. Persoalannya bukan sama ada AI patut digunakan untuk belajar. Persoalannya ialah peranan yang sesuai untuk AI dan peranan yang masih memerlukan manusia.

Di mana AI benar-benar membantu

Kita perlu beri kredit pada tempatnya. Untuk belajar sendiri, AI sering menjadi tempat paling pantas mendapatkan penerangan.

• Jawapan segera pada pukul 11 malam sebelum mesyuarat pagi esok.
• Penerangan tentang fungsi yang belum pernah anda gunakan.
• Pandangan kedua ketika anda sedang menyiapkan kerja.

Apabila jawapan begitu mudah diperoleh, latihan perlu menawarkan lebih daripada maklumat. Jika tidak, mengapa perlu bayar?

Masalah yang jarang disebut dalam brosur

Cuba tanya orang yang belajar menggunakan AI dengan hanya bertanya kepada AI. Mungkin anda pernah mengalami perkara ini sendiri.

• Sukar bertanya apabila anda belum tahu cara menyusun soalan. AI bekerja berdasarkan soalan yang ditaip. Jika soalan masih berserabut, jawapannya juga boleh tersasar.
• Anda tidak tahu apa yang anda belum tahu. Orang baharu sedang belajar tentang AI dan cara menggunakannya pada masa yang sama. Mereka belum mempunyai gambaran tentang jurang pemahaman sendiri.
• Jawapan tidak semestinya mengambil kira keadaan tempat kerja. Melainkan anda menerangkannya, atau alat itu dihubungkan dengan sistem yang berkaitan, AI tidak tahu aturan data syarikat, kekangan pasukan atau maklumat yang tidak boleh dikongsi.
• Jawapan umum masih perlu disesuaikan. Sejarah masalah dan kekangan sebenar anda tidak semestinya sama dengan situasi biasa yang dibayangkan dalam jawapan itu.
• Separuh hari boleh habis begitu sahaja. Dua puluh tab, berpuluh-puluh arahan, tetapi menjelang petang masih tiada keputusan. Satu jawapan membuka beberapa soalan baharu.
• Tiada siapa perasan apabila anda sudah hilang arah. AI boleh cuba menerangkan dengan cara lain. Tetapi anda masih perlu sedar bahawa anda tidak faham dan tahu apa yang perlu diminta.
• Lebih banyak maklumat tidak semestinya menambah keyakinan. Seseorang boleh tamat berbual dengan AI dengan pengetahuan yang bertambah, tetapi semakin takut untuk mencuba. Dalam satu pasukan, keadaan ini boleh menghasilkan tabiat berbeza, kualiti tidak sekata dan tiada standard bersama.

Satu contoh mudah di tempat kerja

Bayangkan seorang pengurus menaip soalan ini:

"Pasukan saya asyik terlepas tarikh akhir. Macam mana hendak baiki keadaan ini?"

AI mungkin memberikan cadangan yang munasabah: jelaskan jangkaan, tetapkan keutamaan dan adakan semakan mingguan. AI juga mungkin bertanya soalan susulan. Namun, jawapannya masih bergantung pada maklumat yang pengurus itu tahu untuk kongsi.

AI belum tahu bahawa dua orang sedang menanggung tugas satu jawatan kosong. Pelanggan pula sudah mengubah skop tiga kali. Perbincangan kemajuan yang terakhir berakhir dengan ketegangan.

Masalah sebenar mungkin belum disebut langsung. Sukar menyusun soalan susulan apabila punca masalah pun belum jelas.

Fasilitator yang baik boleh memerhati reaksi peserta dan bertanya soalan yang belum terfikir untuk ditaip. Di situlah sesi bersemuka boleh membawa nilai tambahan.

Apabila jawapan kedengaran yakin, tetapi salah

Ada kalanya masalahnya bukan jawapan yang terlalu umum. Masalahnya ialah jawapan yang salah, tetapi disampaikan dengan penuh keyakinan.

• Seorang pengguna Reddit menceritakan bahawa AI mencadangkan artikel untuk penyelidikan kecil di tempat kerja, tetapi semua artikel yang diminta itu direka-reka.
• Seorang lagi berkongsi pengalaman menggunakan jawapan yang kedengaran meyakinkan tanpa menyemaknya. Butiran penting ternyata direka, dan kerja membetulkannya mengambil masa lebih lama daripada kerja asal.
• Seorang mentor pula menceritakan tentang pelatih yang menerima jawapan salah untuk sintaks asas, sedangkan hasil carian pertama mempunyai jawapan yang betul.

Ini kisah individu, bukan statistik. Ia tidak memberitahu kita berapa kerap AI melakukan kesilapan. Tetapi ia menunjukkan kemahiran yang penting: tahu bila sesuatu jawapan boleh dipercayai, bila perlu disahkan dan bagaimana hendak menyemaknya.

Apabila alat sahaja belum mencukupi

Pengalaman dalam sesi latihan juga menunjukkan jurang yang sama. Kisah berikut ialah perkongsian individu yang dianonimkan, bukan ukuran prestasi semua peserta atau semua alat AI.

• Seorang peserta melihat demonstrasi AI yang mengagumkan di TikTok, lalu menyangka alat itu boleh memberikan hasil yang sama untuk kerjanya. Apabila dicuba pada tugasan sendiri, hasilnya tidak seperti yang dijangka.
• Seorang lagi datang dengan tanggapan bahawa token ialah segala-galanya selepas membaca artikel tentang AI. Namun, maksud token dan tetingkap konteks sendiri masih belum jelas. Sesi itu membantunya memahami di mana AI sesuai digunakan, apa yang masih memerlukan inputnya dan sejauh mana jawapan boleh diharapkan.
• Seorang peserta menceritakan bahawa dia menghasilkan laporan menggunakan AI. Apabila pihak atasan bertanya tujuan laporan dan mengapa angka tertentu ditandakan, dia tidak dapat menjelaskannya. Katanya, dia hanya memasukkan maklumat dan AI menghasilkan selebihnya.

Mendapatkan hasil tidak sama dengan memahami keupayaan alat, maksud jawapan atau perkara yang masih perlu diperiksa.

Apa yang berbeza dalam sesi bersemuka yang baik?

• Ada orang yang benar-benar memerhati. Jurulatih yang baik dapat mengesan peserta yang ketinggalan, kadangkala sebelum mereka bersuara. Semua mengangguk tidak bermakna semua memahami.
• Soalan di sebalik soalan diberi perhatian. Apabila seseorang sukar menerangkan masalahnya, jurulatih berpengalaman membantu menjelaskannya sebelum terus memberikan jawapan.
• Fokusnya pada cara berfikir. Latihan yang baik membina pertimbangan dan pemahaman, bukan sekadar menghafal butang.
• Ada ruang untuk soalan yang sukar ditaip. Dalam sesi dengan aturan kerahsiaan yang jelas, fasilitator boleh membantu peserta membincangkan kebimbangan dengan lebih selesa, tanpa perlu mendedahkan maklumat sulit.
• Sesi boleh menyesuaikan diri dengan keadaan sebenar. Wifi terputus dan akaun gagal dilog masuk. Jurulatih perlu menyesuaikan aktiviti supaya pembelajaran boleh diteruskan.
• Peserta belajar daripada satu sama lain. Soalan rakan sekerja boleh membuka pemahaman seluruh kumpulan. Detik "oh, rupanya begitu" tidak semestinya muncul apabila belajar seorang diri.
• Latihan amali berlaku ketika bimbingan masih ada. Peserta mencuba tugasan realistik sambil jurulatih memerhati, membetulkan dan memberi galakan. Lebih baik tersilap ketika berlatih daripada selepas hasil dihantar di tempat kerja.
• Hubungan dan rasa selamat diberi perhatian. Sesetengah jurulatih turut mengambil pendekatan daripada bidang seperti pengaturcaraan neuro-linguistik (NLP) untuk membina hubungan dan keyakinan bertanya. Ini satu pendekatan antara beberapa pilihan, bukan formula yang menjamin hasil.
• Pasukan boleh membina pemahaman bersama. AI digunakan untuk apa, tidak digunakan untuk apa, dan siapa menyemak perkara tertentu sebelum hasil dikongsi.
• Peserta boleh pulang dengan keyakinan untuk mencuba sendiri. Penggunaan yang lebih konsisten dan peningkatan produktiviti mungkin menyusul. Namun, tiada satu pun berlaku secara automatik.

Bagaimana jika bengkel itu sendiri yang bermasalah?

Bersemuka tidak semestinya berkesan. Bengkel AI juga boleh mengecewakan.

• Demonstrasi nampak hebat, tetapi peserta tidak sempat mencuba.
• Kelajuan mengikut peserta paling mahir, sementara yang lain senyap-senyap ketinggalan.
• Contoh tugasan terlalu sempurna dan langsung tidak menyerupai kerja sebenar pada hari Isnin.
• Tiada semakan kefahaman atau sokongan susulan untuk membantu peserta mengaplikasikannya.

Bengkel yang lemah boleh membazirkan sehari, sama seperti sesi mencuba arahan AI tanpa arah boleh menghabiskan satu petang. Nilainya bukan pada bilik latihan. Nilainya pada latihan amali, semakan seorang demi seorang, kelajuan yang sesuai dan susulan yang membantu pembelajaran dibawa balik ke tempat kerja.

Apa kosnya jika langsung tidak belajar secara berstruktur?

Ini tidak bermakna semua pasukan perlu menempah bengkel esok. Tetapi apabila pembelajaran berstruktur diketepikan sepenuhnya, ada beberapa risiko yang wajar dipertimbangkan.

• Alat yang baik, tetapi pengguna masih belum mahir. Syarikat boleh membeli tukul dan sepana terbaik. Tanpa kemahiran menggunakannya, yang terhasil mungkin kekecewaan, bukannya produktiviti. Lama-kelamaan, pekerja boleh mula merasakan alat itu sendiri tidak berguna.
• Belajar secara terasing. Jika semua orang belajar di skrin masing-masing, mereka tidak mendengar soalan rakan sekerja. Pada pandangan seorang jurulatih, dalam pejabat yang banyak bergantung pada kerja berpasukan, termasuk banyak tempat kerja di Asia, keadaan ini boleh terpisah daripada cara kerja sebenar.
• Tabiat sendiri tanpa standard bersama. Setiap orang membuat keputusan berlainan tentang semakan dan penggunaan data.
• Keupayaan alat tidak dimanfaatkan dengan baik. Syarikat mungkin sudah mempunyai akses, tetapi pasukan belum tahu bila dan untuk apa ia sesuai digunakan.
• Maklumat sensitif tersalah tempat. Risiko ini dihuraikan dalam panduan Using AI at Work Safely (Bahasa Inggeris). Artikel Cara Guna ChatGPT dan AI di Tempat Kerja turut membincangkan asas penggunaan selamat dalam Bahasa Melayu.

Semua ini bukan akibat yang pasti. Namun, kosnya patut dipertimbangkan bersama yuran latihan yang berjaya dijimatkan.

Soalan yang lebih berguna untuk syarikat

Pilihannya bukan AI atau latihan. Yang penting ialah mengetahui peranan masing-masing.

AI memberikan jawapan apabila kita bertanya. Latihan yang baik menambah pengalaman, bimbingan, hubungan antara peserta dan peluang membina keyakinan untuk menggunakan apa yang dipelajari.

Bagi HR, pengurus dan pemilik perniagaan, soalan yang lebih berguna ialah: adakah pasukan hanya memerlukan penerangan, atau mereka memerlukan latihan amali dan standard bersama untuk bekerja dengan lebih baik?

Persoalannya bukan sama ada AI boleh menjawab. Ia memang boleh. Persoalannya ialah sama ada jawapan sahaja mengubah cara pasukan bekerja pada pagi Isnin.

Di mana Mike Cheong boleh membantu

Mike Cheong ialah jurulatih bertauliah HRDC di Malaysia yang mengajar penggunaan AI untuk kerja. Beliau menggunakan alat ini dalam kerjanya sendiri dan mengendalikan sesi secara bersemuka serta dalam talian.

"clear and patient and know extra about ai" – Peserta bengkel AI korporat (2026), petikan asal Bahasa Inggeris.

Jika pasukan anda memerlukan sesi seperti ini, lihat kursus AI untuk tempat kerja di Malaysia sebagai titik permulaan perbincangan.

Versi Bahasa Inggeris: Do Companies Still Need AI Training When AI Can Answer Everything?