Sepanjang saya terlibat dalam operasi dan pembangunan bisnes, saya dah biasa turun ke tapak, masuk ke kilang, dan duduk sama-sama dengan pasukan operasi. Industri mungkin berbeza — ada yang melibatkan marin, mekanikal, semikonduktor — tapi corak kerjanya lebih kurang sama. Pasukan operasi habiskan banyak masa memantau sistem, baca parameter, kesan anomali, buat pelarasan, kemudian pantau balik. Ia melibatkan flow, pressure, suhu, pam, valve, atau penggunaan sumber.
Sistem automation tradisional dah boleh kendalikan banyak keadaan yang kita dah tahu lebih awal. Kalau flow melebihi parameter yang ditetapkan, sensor akan kesan, sistem akan jalankan rule, pelarasan dibuat, dan sistem pantau semula hasilnya. Cabaran sebenar muncul bila ada anomali yang jatuh di luar konteks atau rules yang asal diprogramkan.
Di sinilah saya nampak peranan sebenar Agent AI. Bukan nak bagi AI kawal setiap mesin sepanjang masa. Sebaliknya, Agent AI bantu bina logik operasi, sementara sistem uruskan operasi normal dan anomali yang dah diketahui. Bila berlaku sesuatu yang luar biasa di luar konteks yang diprogramkan, sistem akan escalate kepada AI untuk analisis lanjut.
AI kemudian boleh semak data sejarah, keperluan production, perilaku mesin, SOP, dan keadaan operasi semasa sebelum putuskan apa yang patut dibuat seterusnya. Kalau tindakan yang diperlukan masih dalam guardrails yang ditetapkan, AI boleh arahkan sistem buat pelarasan. Kalau situasi melebihi kuasa atau had keselamatan, ia escalate isu tu kepada engineer atau operator.
Prinsipnya mudah: automation uruskan apa yang kita dah tahu, Agent AI uruskan ketidakpastian, dan guardrails tentukan sejauh mana AI dibenarkan bertindak.
Bila prinsip ni diaplikasikan pada aliran air, penggunaan tenaga, sistem penyejukan, udara termampat, penggunaan bahan, atau kecekapan mesin, AI bukan lagi sekadar chatbot. Ia mula jadi sebahagian daripada operasi engineering tu sendiri.
