Evolusi Smart City: Dari Sensor ke AI Pentadbiran

AI dalam Kerajaan & Sektor Awam••By 3L3C

Smart city 2025 tak lagi tentang gajet dan sensor. Fokus baru ialah AI, data dan proses yang menjadikan bandar lebih cekap, selamat dan mesra rakyat.

smart cityAI sektor awamtransformasi digital kerajaanMalaysia Digital Economy Blueprintanalitik pemantauanautomasi perkhidmatan awam
Share:

Evolusi Smart City 2025: Dari Sensor ke AI Pentadbiran

Pada 2025, lebih 70% rakyat Malaysia tinggal di kawasan bandar. Tekanan ke atas PBT, kerajaan negeri dan agensi pusat bukan lagi soal jalan berlubang semata-mata, tapi tentang trafik, keselamatan, banjir kilat, kos operasi dan kepercayaan rakyat. Di sinilah konsep smart city yang digerakkan oleh kecerdasan buatan (AI) dan transformasi digital jadi isu strategi, bukan projek PR.

Dalam siri AI in Government & Public Sector ini, fokusnya mudah: bagaimana kerajaan boleh guna AI untuk menjadikan bandar lebih selamat, cekap dan telus, selari dengan aspirasi Malaysia Digital Economy Blueprint (MyDIGITAL) dan dasar-dasar seperti Pelan Bandar Pintar. Bukan sekadar pasang sensor dan kamera, tetapi membina ekosistem data dan AI yang menyokong keputusan harian kerajaan.

Artikel ini mengajak anda melihat fasa seterusnya evolusi smart city – apa yang telah dipelajari oleh bandar-bandar besar di dunia, dan bagaimana pelajaran itu boleh diterjemah kepada konteks Malaysia: daripada pemantauan banjir di Klang Valley, pengurusan trafik di Johor Bahru, hingga automasi lesen dan aduan di majlis perbandaran.

1. Smart City Sudah Berubah: Dari "Gajet" ke Keputusan

Gelombang pertama smart city, sekitar 2010–2018, banyak digerakkan oleh industri dan vendor besar. Bandar pasang sensor, tong sampah pintar, tiang lampu pintar, kamera di mana-mana. Nampak hebat, tapi ramai tersangkut pada masalah sama:

  • Siapa benar-benar urus dan pantau teknologi ini?
  • Data terkumpul, tapi siapa analisis dan guna untuk buat keputusan?
  • Adakah teknologi ini kurangkan jurang, atau tambah ketidaksamarataan?

Bandar-bandar seperti New York, San Antonio dan beberapa bandar kecil di AS mula tukar pendekatan. Mereka berhenti suka membeli teknologi dulu, baru cari masalah. Sekarang, urutannya terbalik: kenal pasti masalah, baru pilih teknologi yang perlu.

Inilah logik yang patut memandu smart city di Malaysia juga. Bukan "kita perlukan sensor pintar", tetapi:

  • Kita mahu kurangkan masa respon banjir dari 3 jam ke 30 minit.
  • Kita mahu automasi 60% proses lesen kecil untuk peniaga mikro.
  • Kita mahu turunkan aduan lampu jalan rosak sebanyak 40%.

Baru kita tanya: teknologi apa (AI, IoT, analitik data, RPA) yang paling sesuai, berpatutan dan mudah diurus.

2. AI Sebagai Enjin Baru Smart City

Fasa smart city sekarang dipacu oleh AI dan pengurusan data, bukan lagi perkakasan semata-mata. Sensor, kamera, meter air pintar – semua cuma "mata dan telinga". Otak sebenar ialah sistem AI dan analitik yang memproses data tersebut untuk menyokong tindakan kerajaan.

2.1 AI dalam analitik pemantauan & keselamatan bandar

Bagi kerajaan tempatan dan agensi keselamatan, AI boleh mengubah cara pemantauan dibuat:

  • Analitik video pintar untuk mengenal pasti insiden (kemalangan, pergaduhan, kenderaan berhenti di laluan kecemasan) tanpa staf perlu tengok skrin 24/7.
  • Heatmap pergerakan orang ramai untuk kawal kesesakan di kawasan tumpuan seperti stesen MRT, pusat beli-belah, tapak bazar dan acara besar.
  • Pemantauan kualiti udara dan suhu bandar menggunakan gabungan sensor dan AI untuk ramal kawasan panas bandar (urban heat island) dan atur tindakan seperti pelepasan air, penghijauan atau kawalan kenderaan.

Dalam konteks Malaysia, gabungan CCTV bandar, dron, dan pusat data bersepadu boleh menyokong:

  • Pemantauan banjir kilat dengan AI yang mengesan kenaikan paras air dan mengeluarkan amaran awal.
  • Penguatkuasaan lalu lintas yang lebih bersasar (bukan sekadar saman kamera statik).

2.2 AI untuk automasi perkhidmatan awam

Bandar-bandar di AS seperti San Antonio mula menguji AI untuk automasi tugas belakang tabir. Contoh yang menarik: guna AI untuk membaca dan meneliti kontrak perolehan sebelum pembelian.

Dalam konteks Malaysia, kegunaan AI yang sama boleh dipakai pada:

  • Semakan draf kontrak dan dokumen tender untuk kesilapan, klausa berisiko, atau ketidakpatuhan polisi.
  • Automasi semakan borang lesen, cukai pintu, kompaun, dan permohonan gerai, supaya staf manusia fokus kepada kes yang rumit.
  • Chatbot dwibahasa (BM & English) untuk menjawab soalan lazim, status permohonan, atau panduan bayaran, 24/7.

Jika diurus dengan baik, ini bukan soal menggantikan penjawat awam, tapi mengalihkan masa mereka daripada kerja rutin ke kerja bernilai tinggi – dasar, penguatkuasaan, dan interaksi dengan komuniti.

2.3 AI sebagai penterjemah dan penghubung komuniti

San Antonio sedang mencuba alat terjemahan berasaskan AI dalam respons kecemasan. Malaysia dengan kepelbagaian bahasa (BM, Inggeris, Mandarin, Tamil, dialek tempatan) patut melihat fungsi yang sama:

  • Terjemahan masa nyata dalam talian aduan, hotline kecemasan dan perkhidmatan kaunter maya.
  • Bahan komunikasi krisis (banjir, jerebu, taufan, gangguan air) yang secara automatik dijana dalam pelbagai bahasa utama.

Ini nampak kecil, tetapi ia terus menyentuh isu keterangkuman digital yang MyDIGITAL dan dasar bandar pintar sering tekankan.

3. Dari Projek Percubaan ke Struktur Kekal: Apa Yang Bandar Luar Buat

Satu pelajaran besar dari bandar-bandar di AS: smart city yang matang tidak hidup sebagai projek sampingan jangka pendek.

3.1 Institusikan fungsi smart city dalam struktur IT & dasar

San Antonio memindahkan program smart city daripada pejabat inovasi ke divisyen IT utama, supaya:

  • Projek tidak terperangkap di fasa "pilot" selama-lamanya.
  • Dasar data, keselamatan dan pembiayaan boleh diselarikan sejak awal.
  • Unit dasar, kewangan dan operasi duduk semeja untuk menilai impak dan risiko.

Di Malaysia, langkah yang sama bermakna:

  • Wujudkan unit Smart City & AI dalam bahagian ICT PBT/agensi, bukan sekadar jawatankuasa ad hoc.
  • Selaraskan dengan inisiatif nasional (contoh: pusat data sektor awam, ID digital, sistem pembayaran tanpa tunai) supaya pelaburan tidak bertindan.

3.2 "Rapid prototyping" sebelum beli besar-besaran

San Antonio mengamalkan pendekatan rapid prototyping: uji teknologi dengan cepat, dalam skala kecil, sebelum buka tender besar.

Untuk kerajaan Malaysia, pendekatan ini boleh jadi garis panduan praktikal:

  1. Kenal pasti masalah yang jelas, contohnya masa respon aduan jalan rosak terlalu panjang.
  2. Jalankan bukti konsep (POC) dengan vendor terpilih 2–3 bulan.
  3. Ukur metrik yang spesifik: masa respon, kos operasi, kepuasan pengguna.
  4. Hanya teruskan ke pembelian skala besar jika data menyokong.

Ini mengurangkan risiko membeli sistem mahal yang akhirnya "jadi hiasan" kerana tiada kesesuaian operasi atau masalah integrasi.

3.3 Kerjasama rentas sektor & rentas sempadan bandar

Satu lagi peralihan penting ialah kesedaran bahawa rakyat tidak berhenti di sempadan PBT. Mereka tinggal di satu daerah, bekerja di daerah lain, guna jalan negeri dan perkhidmatan persekutuan.

Itu sebabnya di sekitar Phoenix, wujud konsortium smart region yang menyelaras projek di peringkat serantau, khususnya dalam mobiliti, kualiti udara dan aksesibiliti.

Malaysia sebenarnya sudah ada benih konsep ini di beberapa koridor seperti Lembah Klang, Iskandar, dan Greater Penang. Untuk fasa seterusnya smart city, kerajaan boleh:

  • Wujudkan pusat data serantau yang mengumpul data trafik, banjir, pengangkutan awam merentasi PBT.
  • Gunakan AI untuk modelkan aliran perjalanan harian merentas sempadan, dan rancang laluan bas, tren, atau jalan raya dengan lebih realistik.

4. Smart City Tanpa Gajet: Fokus Kepada Proses & Manusia

Ramai pakar smart city yang berpengalaman akhirnya sampai kepada kesimpulan sama: smart city bukan tentang teknologi, tetapi tentang orang dan proses.

Debra Lam, yang memimpin inisiatif smart communities di Georgia Tech, berhujah bahawa bandar boleh "pintar" walaupun rendah atau tiada teknologi, jika:

  • Proses lebih ringkas dan jelas.
  • Peranan dan tanggungjawab teratur.
  • Keputusan dibuat berdasarkan data dan maklum balas komuniti.

Dalam praktiknya, ini bermaksud:

  • Semakan menyeluruh terhadap hutang teknologi (technical debt) – sistem lama yang membazir masa dan wang.
  • Memansuhkan aplikasi atau sistem yang tak lagi relevan, dan memusatkan fungsi pada platform yang benar-benar digunakan.
  • Mengutamakan pengalaman warga: sejauh mana mudah untuk mereka memahami, akses dan guna perkhidmatan awam.

Kadang-kadang, tindakan paling "pintar" ialah mengurangkan teknologi yang tak perlu, bukan menambah.

Royall dari San Antonio merumuskan peranan smart city dengan ringkas: sentiasa tanya, "teknologi ini selesaikan masalah apa, dan untuk siapa?". Soalan ini sangat penting dalam konteks kerajaan kerana ia berkait langsung dengan amanah mengurus wang pembayar cukai.

5. Apa Yang Patut Pemimpin Sektor Awam Malaysia Buat Sekarang

Untuk pemimpin kementerian, kerajaan negeri, PBT atau agensi pusat yang serius tentang smart city berasaskan AI, ada beberapa langkah praktikal yang boleh diambil dalam 6–18 bulan akan datang.

5.1 Tetapkan visi dan KPI yang jelas

Daripada matlamat umum seperti "menjadi bandar pintar berdaya saing", tetapkan sasaran yang boleh diukur, contohnya:

  • Mengurangkan masa proses lesen perniagaan kecil daripada 14 hari ke 3 hari melalui automasi.
  • Menurunkan waktu henti lampu jalan rosak purata kepada kurang 24 jam melalui sensor dan AI.
  • Meningkatkan kadar penggunaan perkhidmatan digital kerajaan bandar kepada 70% daripada semua transaksi.

Visi tanpa nombor sukar diterjemah kepada reka bentuk sistem AI dan data.

5.2 Bina asas data & tadbir urus sebelum projek besar AI

AI yang baik memerlukan data yang teratur, boleh dipercayai dan diurus dengan selamat. Sebelum teruja dengan AI generatif atau analitik canggih, semak perkara asas:

  • Adakah data aduan, lesen, trafik, banjir, utiliti disimpan dalam format yang boleh dikongsi antara jabatan?
  • Adakah polisi klasifikasi data, privasi dan perkongsian antara agensi telah jelas dan disosialisasikan?
  • Adakah log audit wujud untuk semua akses data, supaya akauntabiliti terjaga?

Pelaburan awal di sini sering kurang glamor, tapi inilah yang membezakan projek yang hidup 10 tahun dengan projek yang mati selepas pilihan raya seterusnya.

5.3 Uji projek AI kecil yang menyentuh rakyat secara nyata

Daripada cuba membina "bandar pintar menyeluruh" sekaligus, pilih 2–3 kes guna AI yang fokus dan boleh ditunjukkan hasil dalam 6–12 bulan. Contoh praktikal:

  • Sistem triage aduan berasaskan AI yang mengkategorikan, mengesan pendua, dan mencadangkan tindakan awal.
  • Analitik video AI pada beberapa persimpangan utama untuk optimasi lampu isyarat.
  • Chatbot BM/English di portal PBT untuk urusan lesen dan cukai.

Pastikan setiap projek ini mempunyai:

  • Indikator kejayaan yang jelas (masa respon, penjimatan kos, kepuasan pengguna).
  • Rangka kerja etika dan privasi yang didokumenkan.
  • Pelan scale up jika berjaya.

5.4 Bangunkan kapasiti dalaman, bukan harap vendor semata-mata

Vendor penting, tetapi kemahiran dalaman menentukan sama ada kerajaan benar-benar mengawal hala tuju smart city. Pelaburan yang kritikal:

  • Latihan asas data & AI untuk pegawai pelbagai gred, bukan hanya pegawai ICT.
  • Pengenalan konsep human-centered design agar perkhidmatan digital dirancang dari sudut pengguna.
  • Skim kerjasama dengan universiti tempatan untuk projek bersama, latihan industri, dan R&D.

Penutup: Fasa Seterusnya Smart City Malaysia

Realitinya, evolusi smart city yang digambarkan oleh bandar-bandar seperti New York, San Antonio dan Phoenix sangat selari dengan hala tuju Malaysia: AI terbenam dalam infrastruktur bandar, pengurusan data yang matang, dan fokus kuat kepada pengalaman rakyat.

Smart city bukan lagi pertandingan siapa paling banyak sensor atau skrin besar di command center. Nilai sebenar datang bila AI membantu kerajaan menjawab soalan asas: bolehkah kita bertindak lebih cepat, belanja lebih bijak, dan melayan rakyat dengan lebih hormat?

Jika anda terlibat dalam perancangan atau pelaksanaan inisiatif bandar pintar di kementerian, agensi pusat atau PBT, ini masa yang tepat – hujung 2025 menjelang 2026 – untuk menyusun semula pelan: dari projek berasingan kepada strategi AI dan data yang menyeluruh. Persoalan besar untuk beberapa tahun akan datang sangat mudah: adakah bandar anda hanya "penuh gajet", atau benar-benar pintar dari sudut keputusan dan layanan kepada rakyat?

🇲🇾 Evolusi Smart City: Dari Sensor ke AI Pentadbiran - Malaysia | 3L3C