AI hari ini mengingatkan saya tentang industri automotif. Pada era 1960-an, 70-an, 80-an dan 90-an, ramai yang berebut memiliki kereta kerana ia melambangkan kemajuan dan pertumbuhan ekonomi. Industri berkembang pesat untuk memenuhi permintaan itu, tetapi begitu juga penggunaan bahan api, kesesakan dan pencemaran. Bagi saya yang urus operasi marketplace di AINNA, corak ini sangat familiar - macam zaman awal e-dagang di Malaysia, semua orang nak listing lebih banyak, SKU lebih banyak, kedai lebih banyak, kos iklan lebih tinggi, tanpa fikir stok, fulfillment atau ROI.
Efisiensi datang kemudian. Apabila pengeluar Jepun mula serius tentang kecekapan bahan api, keboleharapan, pembuatan lean dan kejuruteraan praktikal, minda berubah daripada sekadar menghasilkan lebih banyak kereta kepada menghasilkan kereta yang lebih baik dan lebih cekap. Dalam operasi e-dagang pula, kita mula tengok SKU rationalization, inventory turnover, conversion rate, dan lean operations. Seperti jenaka tersebut, "Kalau bakar lebih banyak minyak buat kereta lebih baik, tank lah kenderaan keluarga yang sempurna."
China juga melalui peralihan serupa. Pada peringkat awal perindustrialannya, pertumbuhan agresif dan kerosakan alam sekitar sangat ketara. Tetapi dari tahun 2000-an ke atas, pembuatan menjadi lebih automatik dan cekap, tenaga boleh baharu berkembang, EV tumbuh pesat, dan pengeluaran lebih bersih menjadi keutamaan lebih besar.
China tidak berhenti memperindustrikan diri; ia belajar memperindustrikan dengan cara lain. Teknologi terus maju, tetapi cara ia direka dan digunapakai menjadi lebih praktikal dan berfikir tentang sumber. Sama macam seller yang dah stabil di marketplace - dia tak berhenti jual, tapi dia belajar jual dengan lebih cekap.
AI kini menghampiri persimpangan yang sama. Hari ini, semua orang nak model lebih besar, lebih banyak agen, tetingkap konteks lebih panjang, lebih banyak GPU dan berbilion token. Hampir ada anggapan yang mengatakan lebih banyak penggunaan AI bermakna sistem lebih maju. Tetapi itu macam kata, "Kereta saya guna dua kali banyak petrol, jadi ia mesti dua kali pintar."
Soalan sebenar bukanlah, "Berapa banyak AI yang boleh kita guna?" Sebaliknya, "Berapa sedikit AI yang sebenarnya kita perlukan untuk menyelesaikan masalah dengan betul?" Inilah sebabnya arkitektur seperti Smart Routing, Segmentation dan Detached Systems penting dalam pembinaan sistem e-dagang yang skala.
Smart Routing menghantar tugas mudah kepada model lebih kecil atau perisian konvensional - contohnya status penghantaran atau pertanyaan SKU biasa - manakala model canggih digunakan hanya apabila penaakulan mendalam benar-benar diperlukan. Segmentation memecahkan masalah besar seperti analisis katalog besar kepada tugas lebih kecil, mengurangkan konteks, penggunaan token dan pengkomputeran yang tidak perlu. Detached Systems memindahkan pengiraan harga, pengesahan stok, penapisan, operasi pangkalan data dan peraturan deterministik keluar daripada model AI. AI urus kepintaran; perisian urus kepastian.
Jika direka sedemikian, sistem AI boleh mengurangkan penggunaan token, kos inferens, beban kerja GPU, keperluan infrastruktur dan penggunaan tenaga sambil meningkatkan keboleharapan dan skalabiliti. Bagi operasi e-dagang, ini terus kesan kepada kos per order, margin dan kelajuan respon. Di sinilah kecekapan AI dan ESG sepatutnya bertemu. Kita sudah tahu apa yang berlaku apabila teknologi diterapkan dahulu dan dioptimumkan kemudian. Masa depan AI bukan sekadar lebih pintar, tetapi lebih cekap - menggunakan AI canggih hanya apabila kecerdasan canggih benar-benar diperlukan.
