Penilaian Kesediaan AI: 15 Soalan untuk Lembaga dan CEO Sebelum Melabur dalam Program AI

Setiap suku tahun, Lembaga Pengarah syarikat pertengahan di Malaysia — syarikat dengan hasil tahunan antara RM 50 juta hingga RM 500 juta — diminta meluluskan bajet pelaburan AI yang semakin besar. Pada awal 2024, permintaan tipikal adalah RM 150,000 untuk satu pilot. Pada 2026, permintaan yang sama datang dalam bentuk program tiga tahun bernilai RM 2 juta hingga RM 5 juta, dengan janji penjimatan operasi, peningkatan margin, dan kelebihan kompetitif. Lembaga yang meluluskan bajet ini selalunya tidak mempunyai kerangka untuk menilai sama ada organisasi mereka sebenarnya bersedia untuk melaksanakan apa yang dijanjikan oleh pelan tersebut.

Data dari NAIO (National AI Office), MDEC, dan kajian dalaman TechShift di kalangan 47 syarikat Malaysia menunjukkan bahawa kira-kira 68% projek AI di Malaysia gagal mencapai sasaran ROI yang dijanjikan dalam tempoh 18 bulan pertama. Daripada kegagalan ini, hanya 22% berpunca daripada masalah teknikal — pemilihan model, ketepatan algoritma, atau prestasi infrastruktur. Bakinya 78% berpunca daripada kekurangan kesediaan organisasi: data yang tidak teratur, kekurangan kemahiran dalaman, governance yang tidak jelas, dan sokongan eksekutif yang cair selepas pilot.

Artikel ini menyediakan 15 soalan diagnostik yang harus dijawab oleh Lembaga Pengarah dan CEO sebelum meluluskan sebarang pelaburan AI besar. Soalan-soalan ini dibahagikan kepada lima tema — strategi, data, manusia, governance, dan infrastruktur. Setiap soalan direka untuk mendedahkan jurang kesediaan yang biasanya hanya muncul selepas RM 500,000 telah dibelanjakan. Anda boleh menggunakannya sebagai senarai semak lembaga, sebagai input kepada due diligence vendor, atau sebagai rangka kerja perbincangan dengan perunding AI Malaysia sebelum mengikat komitmen.

Tema 1: Kesediaan Strategi (Soalan 1–3)

Tema strategi adalah lapisan paling penting — dan paling kerap diabaikan. Tanpa kejelasan strategik, walaupun pasukan teknikal terbaik akan menghasilkan model AI yang tidak menyelesaikan masalah perniagaan yang betul. Tiga soalan berikut harus dijawab dengan keyakinan tinggi sebelum melangkah ke tema seterusnya.

• /Soalan 1: Apakah tiga keputusan perniagaan paling penting yang kami harap AI akan membantu kami buat dengan lebih baik dalam 24 bulan akan datang? (Jawapan harus spesifik — bukan "meningkatkan kecekapan" tetapi "mengurangkan kos servis selepas jualan sebanyak 30%" atau "meningkatkan kadar pengekalan pelanggan B2B daripada 78% kepada 88%".)
• /Soalan 2: Bagaimana kami akan mengukur kejayaan setiap inisiatif AI dalam terma kewangan yang boleh diaudit, dan siapa di organisasi yang akan memiliki KPI ini? (Jika jawapannya adalah "CIO" atau "Ketua AI", anda belum bersedia — pemilik mestilah pengurus P&L.)
• /Soalan 3: Adakah strategi AI kami sejajar dengan strategi perniagaan 3 tahun, atau adakah ia inisiatif IT yang berdiri sendiri yang akan bersaing untuk perhatian eksekutif dengan keutamaan strategik lain?

Dalam pengalaman kami melaksanakan lebih 30 program AI di Malaysia, syarikat yang gagal menjawab Soalan 1 dengan spesifisiti — yang hanya boleh mengatakan "kami mahu menjadi lebih AI-driven" — secara konsisten menghasilkan pilot yang tidak menjadi production. Strategi yang kabur menghasilkan pelaksanaan yang kabur. Untuk panduan terperinci tentang membentuk strategi AI yang boleh dilaksanakan, lihat khidmat strategi AI TechShift.

Tema 2: Kesediaan Data (Soalan 4–6)

Data adalah bahan api AI. Realiti yang tidak menyenangkan untuk kebanyakan syarikat pertengahan Malaysia ialah data mereka tidak bersedia untuk AI — ia tersebar di pelbagai sistem warisan, tidak konsisten dalam format, dan tidak ditadbir dengan baik. Soalan-soalan ini mendedahkan jurang kesediaan data sebelum vendor menjualkan anda penyelesaian yang mengandaikan data yang anda tidak miliki.

• /Soalan 4: Bagi tiga kes penggunaan AI utama kami, di manakah data berada hari ini, dalam berapa banyak sistem berasingan, dan adakah ia dapat diakses melalui API atau ETL yang stabil? (Jika jawapannya melibatkan "kami akan tanya pasukan IT membuat laporan", anda menghadapi jurang kesediaan data yang serius.)
• /Soalan 5: Apakah kualiti data kami pada hari ini — dari segi kelengkapan, ketekalan, ketepatan, dan ketepatan masa — dan adakah kami mempunyai program tadbir urus data yang mengukur ini secara berterusan?
• /Soalan 6: Adakah kami mematuhi PDPA 2026 untuk data peribadi yang akan kami gunakan dalam sistem AI, termasuk persetujuan pengguna, hak akses, dan keperluan pemberitahuan pelanggaran 72-jam? (Lihat panduan PDPA & AI Malaysia untuk butiran pematuhan.)

Realiti yang biasa: dalam audit kesediaan data yang kami lakukan untuk syarikat pertengahan Malaysia, purata syarikat memerlukan 8 hingga 14 minggu kerja kejuruteraan data sebelum mereka mempunyai pipeline data yang stabil untuk projek AI pertama mereka. Bajet ini perlu diasingkan secara eksplisit dalam pelan AI; jika tidak, ia akan ditelan oleh kos pembangunan model dan menyebabkan pembengkakan kos sebanyak 30–50%.

Tema 3: Kesediaan Manusia (Soalan 7–9)

Aspek manusia adalah punca tunggal terbesar kegagalan AI selepas pilot. Model boleh sempurna; jika orang yang sepatutnya menggunakannya tidak percaya, tidak terlatih, atau tidak ditugaskan untuk menyepadukannya dalam aliran kerja harian, sistem AI akan menjadi shelfware mahal. Tiga soalan ini mendedahkan kesediaan organisasi.

• /Soalan 7: Siapakah penaja eksekutif (sponsor) untuk program AI di peringkat C-suite, berapa peratus masa mereka diperuntukkan untuk inisiatif ini, dan apakah yang akan berlaku pada program jika mereka meninggalkan syarikat dalam 12 bulan?
• /Soalan 8: Apakah kemahiran AI yang akan dimiliki secara dalaman selepas program (data engineering, ML engineering, AI product management), dan apakah pelan pengrekrutan dan/atau peningkatan kemahiran yang menyokongnya?
• /Soalan 9: Bagaimana kami akan menguruskan pengurusan perubahan untuk pekerja yang aliran kerjanya akan diubah oleh AI — termasuk komunikasi, latihan, dan pengukuran adopsi? (Lihat panduan change management AI.)

"Kami menghabiskan RM 1.4 juta untuk sistem AI ramalan permintaan yang tepat secara teknikal — tetapi pengurus rangkaian bekalan kami terus menggunakan spreadsheet mereka selama enam bulan kerana tiada siapa yang menerangkan kepada mereka mengapa mereka harus mempercayai model. Kami akhirnya menulis semula keseluruhan program dengan change management sebagai workstream peringkat pertama."

— Ketua Operasi, pengeluar makanan Malaysia (hasil RM 320 juta)

Tema 4: Kesediaan Governance (Soalan 10–12)

Dengan NAIO Malaysia mengeluarkan garis panduan tadbir urus AI khusus sektor pada Q3 2026 dan amandemen PDPA berkuat kuasa dari Januari 2026, governance bukan lagi pilihan. Soalan-soalan ini memastikan struktur tadbir urus wujud sebelum sistem AI dilancarkan, bukan sebagai jawapan reaktif kepada insiden.

• /Soalan 10: Siapakah yang memiliki keputusan akhir mengenai sama ada model AI tertentu boleh digunakan dalam pengeluaran, berdasarkan kriteria apa, dan adakah keputusan ini didokumenkan dalam jejak audit yang boleh dilihat oleh juruaudit luaran?
• /Soalan 11: Bagaimana kami akan memantau model dalam pengeluaran untuk drift, bias, dan kemerosotan prestasi, dan apakah proses peningkatan eskalasi jika model gagal? (Lihat panduan MLOps untuk enterprise Malaysia di /ms/media/mlops-malaysia.)
• /Soalan 12: Adakah kami mempunyai kerangka risiko AI yang dipetakan kepada keperluan NAIO dan, untuk syarikat dalam perkhidmatan kewangan, BNM RMiT — termasuk klasifikasi risiko model, ujian adversarial, dan dokumentasi keputusan?

Untuk syarikat tersenarai Bursa Malaysia dan GLC, governance AI yang lemah kini merupakan isu pendedahan kepada pemegang saham — bukan sekadar kebimbangan operasi. Lembaga Pengarah yang meluluskan pelaburan AI tanpa kerangka tadbir urus yang jelas mendedahkan diri kepada liabiliti fidusiari yang serius apabila NAIO mengeluarkan garis panduan penguatkuasaan.

Tema 5: Kesediaan Infrastruktur (Soalan 13–15)

Tema akhir meliputi infrastruktur teknikal dan komersial yang menyokong pelaksanaan AI. Jurang infrastruktur menyebabkan kelewatan jadual yang dapat dijangka — biasanya 4 hingga 12 minggu — yang harus dikenal pasti sebelum projek bermula, bukan dijumpai pada minggu kelapan.

• /Soalan 13: Adakah seni bina infrastruktur kami semasa (cloud, on-prem, hybrid) dapat menyokong beban kerja AI yang dirancang — termasuk GPU untuk latihan, inferens latensi rendah untuk pengeluaran, dan kediaman data untuk pematuhan PDPA?
• /Soalan 14: Apakah jumlah kos pemilikan 3-tahun untuk program AI — termasuk lesen perisian, pengkomputeran cloud, vendor, kakitangan dalaman, dan latihan — dan bagaimana ini dibandingkan dengan ROI yang dijangkakan? (Gunakan kalkulator ROI AI TechShift untuk anggaran awal.)
• /Soalan 15: Bagaimana kami akan menyepadukan sistem AI dengan ERP, CRM, atau sistem teras lain — dan adakah vendor sistem warisan kami mempunyai keupayaan dan kerelaan untuk membenarkan integrasi tersebut tanpa caj lesen yang menghalang?

Cara Menjaringkan Penilaian Kesediaan AI Anda

Setiap soalan harus dijawab dengan skor 1 hingga 5: 1 bermaksud "tiada jawapan jelas", 5 bermaksud "jawapan yang jelas, didokumenkan, dengan pemilik dan jadual yang ditetapkan". Jumlah skor maksimum adalah 75. Berdasarkan korelasi yang kami lihat antara skor kesediaan asas dan hasil program selepas 18 bulan, kami mengesyorkan ambang berikut: skor di bawah 40 menunjukkan organisasi belum bersedia untuk melabur dalam program AI besar dan perlu menjalankan kerja kesediaan asas selama 3–6 bulan terlebih dahulu. Skor 40–55 menunjukkan kesediaan separa — anda boleh meneruskan tetapi mesti membugarkan jurang yang dikenal pasti dengan ketat. Skor melebihi 55 menunjukkan organisasi yang bersedia untuk pelaksanaan dipercepatkan.

Untuk Lembaga Pengarah, kami mengesyorkan bahawa soalan-soalan ini dijawab secara bertulis oleh CEO dan dibentangkan dalam pakej lembaga sebelum sebarang pelaburan AI melebihi RM 500,000 diluluskan. Ini menyediakan jejak governance yang melindungi pengarah dan memaksa kejelasan eksekutif sebelum modal komited.

Jika anda ingin bantuan menjalankan penilaian kesediaan AI formal — dengan temu bual pihak berkepentingan, audit data, dan laporan pemarkahan terperinci — TechShift menyediakan khidmat AI Readiness Assessment dalam tempoh 3 minggu yang menghasilkan pelan tindakan yang boleh dilaksanakan. Atau, jadualkan perundingan awal 30-minit untuk membincangkan keadaan kesediaan anda secara peribadi.

Soalan Lazim

Bilakah masa terbaik untuk menjalankan penilaian kesediaan AI?

Sebelum sebarang komitmen bajet besar — idealnya pada peringkat perancangan strategik tahunan atau apabila idea AI tertentu muncul di peringkat eksekutif. Penilaian yang dijalankan selepas vendor telah dipilih hampir selalu menjadi latihan justifikasi, bukan diagnostik tulen.

Berapa lama masa yang diperlukan untuk menjalankan penilaian penuh?

Penilaian formal yang dijalankan oleh perunding luar mengambil masa 2–4 minggu, termasuk temu bual pihak berkepentingan, audit data, dan tinjauan infrastruktur. Penilaian dalaman yang dijalankan oleh CEO dan pasukan eksekutifnya boleh selesai dalam 1 minggu jika ahli pasukan telah membaca soalan-soalan ini terlebih dahulu.

Adakah penilaian kesediaan AI berbeza untuk syarikat tersenarai berbanding swasta?

Ya — syarikat tersenarai Bursa Malaysia mempunyai keperluan tambahan governance dan pendedahan, terutamanya untuk soalan-soalan tema 4 (governance). Lembaga Pengarah syarikat tersenarai harus mendokumenkan keputusan kesediaan AI dalam minit lembaga untuk perlindungan fidusiari.

Apakah jika kami sudah memulakan projek AI? Adakah penilaian masih relevan?

Sangat relevan. Pada hakikatnya, syarikat yang menjalankan penilaian di tengah-tengah pelaksanaan sering menemui jurang yang dapat diperbaiki sebelum projek gagal sepenuhnya. Kami secara berkala menjalankan penilaian "tengah-jalan" untuk klien yang menghadapi cabaran pilot-to-production.

Adakah TechShift menjalankan penilaian secara percuma?

Kami menjalankan perundingan penemuan 30-minit secara percuma untuk membincangkan keadaan kesediaan anda secara umum. Penilaian formal — dengan deliverable bertulis, audit data, dan pelan tindakan — adalah penglibatan berbayar tetap-bayaran. Hubungi kami melalui halaman hubungan untuk berbincang.