AI Ibarat Kereta Dulu - Kita Perlu Belajar Dari Sejarah✎ Edit

Dari pengalaman saya sehari-hari di AINNA berurusan dengan syarikat Malaysia, AI hari ni mengingatkan saya pada industri automotif. Pada zaman 1960an, 70an, 80an dan 90an, orang berlumba-lumba nak miliki kereta sebab kereta melambangkan kemajuan dan pertumbuhan ekonomi. Industri berkembang pantas untuk tampung permintaan, tetapi bersama-sama itu, penggunaan bahan api, kesesakan jalan dan pencemaran turut naik.

Kecekapan datang kemudian. Apabila pengeluar Jepun mula serius pasal kecekapan bahan api, kebolehpercayaan, lean manufacturing dan kejuruteraan praktikal, fikiran berubah daripada hanya nak keluarkan lebih banyak kereta kepada nak keluarkan kereta yang lebih baik dan lebih cekap. Macam orang selalu bergurau, "Kalau bakar lebih minyak boleh buat kereta lagi bagus, kereta kebal lah kenderaan keluarga terbaik."

China pun lalui transisi yang sama. Pada awal perindustriannya, pertumbuhan agresif dan kesan alam sekitar memang ketara. Tetapi dari tahun 2000an ke atas, pembuatan menjadi lebih automatik dan cekap, tenaga boleh baharu berkembang, EV bertumbuh pantas, dan pengeluaran lebih bersih mendapat perhatian.

China tak berhenti perindustri. Dia belajar untuk perindustri dengan cara lain. Teknologi terus maju, tetapi cara ia direka dan digunakan menjadi lebih praktikal dan lebih menjimatkan sumber.

AI sekarang berada di persimpangan yang sama. Dalam pasaran hari ni, semua orang nak model lebih besar, agent lebih banyak, context window lebih panjang, GPU lebih kuat dan berjuta-juta token. Ada anggapan yang hampir menjadi kepercayaan: lebih banyak AI digunakan, sistem tu lebih maju. Padahal itu sama macam cakap, "Kereta saya guna dua kali minyak, jadi dia dua kali pandai."

Soalan sebenar yang kita kena tanya, terutama dari sudut operasi dan perniagaan, bukanlah "Berapa banyak AI yang kita boleh guna?" Sebaliknya, "Berapa sedikit AI yang sebenarnya kita perlukan untuk selesaikan masalah dengan betul?" Di sinilah arkitektur macam Smart Routing, Segmentation dan Detached Systems jadi amat relevan.

Smart Routing menghantar tugas mudah kepada model kecil atau perisian biasa, manakala model besar hanya digunakan bila penaakulan mendalam memang diperlukan. Segmentation memecahkan masalah besar kepada tugas kecil, mengurangkan context yang tak perlu, penggunaan token dan pengkomputeran. Detached Systems pindahkan pengiraan, pengesahan, penapisan, operasi pangkalan data dan peraturan deterministik keluar dari model AI. AI uruskan kepintaran; perisian uruskan kepastian.

Kalau sistem AI direka cara macam ni, kita boleh kurangkan penggunaan token, kos inference, beban kerja GPU, keperluan infrastruktur dan penggunaan tenaga sambil meningkatkan kebolehpercayaan dan skalabiliti. Ini di mana kecekapan AI dan ESG sepatutnya bertemu. Kita dah tahu akibatnya bila teknologi diterapkan dulu, dan baru dioptimumkan puluhan tahun kemudian. Masa depan AI bukan setakat lebih pintar, tetapi lebih cekap - guna AI canggih hanya bila kepintaran canggih memang diperlukan.