Bagaimana Helena Melabur Dalam AI & Sistem Digital

AI dalam Kerajaan & Sektor Awam••By 3L3C

Helena, Montana melabur jutaan dana ARPA ke dalam HR, CAD dan sistem rekod. Apa pengajaran untuk kerajaan Malaysia yang sedang membina asas AI & bandar pintar?

AI sektor awambandar pintartransformasi digital kerajaansistem HRpengurusan rekodComputer Aided Dispatch
Share:

Mengapa Helena Berani Belanja Jutaan untuk Sistem Digital

Bandar Helena di negeri Montana, Amerika Syarikat baru sahaja menghabiskan hampir USD8.5 juta dana pemulihan (ARPA) – dan sebahagian besarnya pergi kepada sistem HR, CAD dan rekod digital. Bukan untuk bangunan baharu, bukan untuk kenderaan baharu, tetapi untuk perisian dan infrastruktur digital.

Ini menarik kerana coraknya hampir sama dengan apa yang Malaysia sedang kejar melalui Malaysia Digital Economy Blueprint (MyDIGITAL) dan pelan AI dalam sektor awam: pelaburan besar dalam teknologi, supaya operasi kerajaan jadi lebih cekap, data lebih terurus, dan rakyat dapat perkhidmatan yang lebih cepat.

Helena ialah contoh kecil, tetapi mesejnya jelas: transformasi digital kerajaan bukan lagi “projek IT”, ia strategi kewangan dan tadbir urus. Dan di situlah AI mula membawa nilai sebenar – terutama dalam HR, sistem rekod, dan operasi bandar pintar.

Dalam artikel ini, saya akan kupas:

  • Bagaimana Helena guna dana ARPA untuk membina asas bandar pintar
  • Kenapa pelaburan pada HR software, CAD dan sistem rekod sebenarnya pelaburan kepada AI
  • Apa pengajaran praktikal untuk kerajaan negeri dan PBT di Malaysia yang sedang merancang inisiatif AI & smart city

Apa Sebenarnya Helena Buat Dengan USD8.4 Juta Itu?

Jawapan ringkas: Helena salurkan semua dana ke dalam General Fund sebagai “lost revenue”, kemudian gunakan ruang kewangan itu untuk biayai pelbagai projek – termasuk projek teknologi dalaman.

Secara kasar, pembahagian perbelanjaan mereka:

  • USD4.5 juta: projek dalaman (infrastruktur, sistem digital, bangunan awam)
  • USD2.7 juta: projek komuniti (perumahan, pusat perlindungan gelandangan, makanan, kemudahan awam)
  • Baki ~USD1.1 juta: masih dalam tabung General Fund

Antara projek utama berkaitan teknologi dan operasi bandar pintar:

  • USD750,000 untuk Computer Aided Dispatch (CAD) dan Records Management System (RMS)
  • USD500,000 untuk perisian sumber manusia (HR) dan kewangan
  • Naik taraf sistem HVAC Civic Center dan pembaikan kilang rawatan air (kritikal untuk infrastruktur bandar)

Nampak macam “projek ICT biasa”, tetapi di sinilah ramai kerajaan tempatan selalu tersilap: mereka nampak perisian HR atau sistem rekod sebagai kos operasi, bukan aset strategik AI dan data.

Dari HR ke CAD: Di Sini AI Mula Menjimatkan Masa & Bajet

Sistem HR moden, CAD dan RMS ialah tulang belakang kepada automasi dan AI dalam sektor awam. Tanpa data yang bersih dan sistem yang bersepadu, sebarang projek AI akan jadi mahal, perlahan dan sukar diskalakan.

1. HR & Kewangan: Automasi Tugasan Rutin, Fokus kepada Strategi

Pelaburan Helena dalam perisian HR dan kewangan bukan sekadar untuk ganti sistem lama. Dalam konteks AI:

  • Automasi proses berulang: tuntutan elaun, cuti, claim perjalanan, penilaian prestasi asas
  • Analitik tenaga kerja: siapa yang sering overtime, di jabatan mana kadar turnover tinggi, pola ketidakhadiran
  • Perancangan bakat berasaskan data: jangkaan kekosongan jawatan kritikal 2–3 tahun akan datang, kesan kepada perkhidmatan

Di Malaysia, bayangkan jika:

  • PBT menggunakan model AI ramalan (predictive analytics) untuk rancang keperluan pegawai penguat kuasa atau operator pusat panggilan berdasarkan musim (banjir, musim perayaan, pilihan raya kecil)
  • Kementerian gunakan chatbot dalaman untuk bantu pegawai baru faham SOP, pekeliling, dan sistem dalaman tanpa perlu banyak sesi latihan fizikal

Saya pernah lihat organisasi yang hanya dengan automasi proses HR berjaya kurangkan masa pemprosesan permohonan cuti dan tuntutan lebih 60%. Dalam konteks kerajaan, itu bermakna pegawai boleh fokus kepada kerja dasar dan perkhidmatan rakyat, bukan kertas kerja semata-mata.

2. CAD & Sistem Rekod: Asas Bandar Pintar & Respons Kecemasan

Computer Aided Dispatch (CAD) dan Records Management System (RMS) ialah komponen utama bandar pintar moden, terutama untuk keselamatan awam dan operasi kecemasan.

Apa yang Helena buat dengan USD750,000 untuk CAD & RMS berpotensi diterjemahkan kepada:

  • Respons kecemasan yang lebih pantas kerana dispatcher nampak peta, lokasi kenderaan, dan sejarah kes secara langsung
  • Data insiden yang teratur – dari kemalangan trafik ke aduan bunyi bising – bersedia untuk dianalisis oleh AI

Bagi kerajaan di Malaysia, integrasi AI di atas sistem seperti ini boleh:

  • Mencadangkan laluan terpantas untuk ambulans atau bomba berdasarkan trafik semasa dan sejarah kesesakan
  • Mengesan pola kejadian jenayah atau kemalangan di sesuatu kawasan dan mencadangkan penempatan anggota atau CCTV yang lebih strategik
  • Menyokong pusat operasi bandar pintar (Smart City Operation Centre) dengan papan pemuka masa nyata yang memaparkan status bandar

Ini bukan teori semata-mata. Banyak bandar besar global sudah guna AI untuk analitik video, pergerakan kenderaan, dan ramalan permintaan kecemasan. Apa yang Helena buat ialah langkah asas: pastikan sistem rekod dan dispatch cukup moden untuk menyokong lapisan AI kemudian.

Pengajaran Penting untuk Kerajaan Negeri & PBT di Malaysia

Ada tiga pengajaran jelas daripada strategi Helena yang sangat relevan untuk Malaysia, terutama dalam konteks MyDIGITAL dan inisiatif AI dalam sektor awam.

1. Guna Dana One-off untuk Bina Asas Jangka Panjang

Helena tidak guna dana ARPA hanya untuk projek popular jangka pendek. Mereka:

  • Masukkan dana ke General Fund untuk memberi fleksibiliti
  • Biayai infrastruktur asas (rawatan air, HVAC, sistem digital) yang memberi kesan bertahun-tahun

Di Malaysia, logiknya sama untuk:

  • Dana pemulihan, peruntukan Rancangan Malaysia, atau geran khas persekutuan
  • Jangan habiskan pada projek yang hanya “nampak di mata”, tapi tak mengukuhkan asas data & sistem

**Asas AI yang kukuh bermula dengan: **

  • Sistem HR & kewangan bersepadu
  • Pengurusan rekod yang jelas dan mematuhi standard data
  • Infrastruktur IT yang selamat dan boleh skala (awan, rangkaian, keselamatan siber)

2. Tengok HR & Rekod Sebagai Projek AI, Bukan Sekadar IT

Ramai penjawat awam saya jumpa akan kata, “HR system ni projek admin, bukan AI.” Itu kesilapan biasa.

Hakikatnya, projek AI dalam kerajaan bergantung sepenuhnya kepada:

  • Kualiti data sumber manusia (siapa buat apa, di mana, bila)
  • Kualiti data operasi & rekod kes (apa isu di lapangan, kekerapan, lokasi)

Kalau data HR dan rekod berselerak dalam fail Excel atau sistem lama, AI hanya akan menggandakan kekeliruan.

Contoh aplikasi praktikal di Malaysia jika asas ini sudah kuat:

  • Model AI perancangan bajet yang menggunakan sejarah perbelanjaan jabatan, beban kerja pegawai dan hasil program untuk cadang agihan bajet tahunan
  • Sistem cadangan polisi yang menganalisis rekod aduan rakyat, data sosial dan ekonomi untuk beri input lebih tajam kepada pembuat dasar

3. Seimbangkan Projek Komuniti & Projek Dalaman

Helena membahagikan perbelanjaan kepada:

  • Projek komuniti: perumahan, pusat perlindungan, food bank, tandas awam
  • Projek dalaman: kilang rawatan air, HR software, CAD, HVAC pusat sivik

Ini pendekatan yang matang. Rakyat nampak impak fizikal (perumahan, tandas, pusat perlindungan), sambil operasi dalaman kerajaan diperkuat dengan sistem moden.

Untuk kerajaan Malaysia, pendekatan seimbang ini boleh nampak seperti:

  • Projek yang rakyat nampak terus: aplikasi aduan awam, papan tanda pintar, wifi komuniti
  • Projek dalaman yang sokong AI dan kecekapan: konsolidasi pangkalan data, naik taraf HR & kewangan, sistem rekod digital, latihan AI untuk pegawai

Projek yang rakyat nampak memang penting untuk legitimasi politik, tetapi kalau dalaman ketinggalan, projek AI bandar pintar akan tersekat.

Di Mana AI Boleh Masuk: Contoh Senario untuk Malaysia

Berdasarkan apa yang Helena buat, kita boleh bayangkan beberapa senario praktikal untuk kerajaan di Malaysia.

HR Kerajaan: Dari Borang Kertas ke Analitik Ramalan

Dengan HR software moden yang mesra AI, kerajaan boleh:

  • Menganalisis beban kerja setiap jabatan berdasarkan data permohonan, aduan dan kes di lapangan
  • Meramal keperluan latihan menggunakan corak prestasi, penilaian dan rekod tugas
  • Menggunakan asisten AI dalaman untuk menjawab soalan lazim pegawai tentang gaji, cuti, elaun, garis panduan perjalanan, tanpa perlu panggilan telefon berulang

Kesan langsung:

  • Masa menunggu jawapan berkurangan
  • Pegawai HR boleh fokus kepada strategi tenaga kerja, bukan kira-kira manual

CAD & Rekod: Pusat Pengurusan Bandar Pintar Berasaskan Data

Bayangkan sebuah majlis bandaraya di Malaysia yang sudah ada:

  • Sistem dispatch untuk aduan lampu jalan rosak, banjir kilat, longkang tersumbat
  • Sistem rekod digital untuk semua aduan, kes, tindakan dan masa selesai

Lapiskan dengan AI:

  • Sistem boleh cadangkan keutamaan kerja (prioritization) berdasarkan impak kepada keselamatan dan kesihatan awam
  • Dashboard masa nyata untuk Datuk Bandar atau YDP melihat status bandar – kawasan panas banjir, kes tertunggak, prestasi kontraktor
  • Analitik ramalan untuk jangka kawasan risiko banjir atau kesesakan berdasarkan sejarah dan ramalan cuaca/ trafik

Inilah sebenarnya struktur bandar pintar yang sihat: bukan semata-mata sensor dan kamera, tetapi rantaian penuh dari data ke tindakan, disokong AI.

Apa Langkah Seterusnya untuk Agensi Kerajaan di Malaysia?

Pengalaman Helena tunjuk satu perkara: transformasi digital yang berjaya ialah kombinasi keputusan kewangan yang bijak dan pelaburan sistemik dalam teknologi asas.

Bagi kementerian, kerajaan negeri dan PBT di Malaysia yang serius tentang AI dan bandar pintar, beberapa langkah praktikal yang boleh diambil sekarang:

  1. Audit sistem sedia ada
    Kenal pasti status semasa sistem HR, kewangan, dispatch, dan rekod. Di mana data tersekat? Di mana integrasi lemah?

  2. Selaraskan dengan pelan AI & MyDIGITAL
    Setiap projek ICT baharu patut dijawab dengan soalan: “Bagaimana ini menyokong penggunaan AI dalam 3–5 tahun akan datang?”

  3. Utamakan projek yang kukuhkan data dan integrasi
    Sistem bersepadu yang mesra API, mempunyai standard data jelas, dan boleh digabung dengan analitik dan AI.

  4. Rancang guna dana one-off sebagai pelaburan asas
    Jika ada geran khas, dana pemulihan atau bajet tambahan, gunakan untuk asas sistem – bukan hanya projek jangka pendek.

  5. Bina keupayaan insan, bukan hanya beli sistem
    Latih pegawai tentang analitik data, AI asas dan pengurusan perubahan. Sistem pintar tetap perlukan manusia yang faham cara guna.

Helena mungkin sebuah bandar kecil di Amerika, tetapi strateginya sangat selari dengan hala tuju Malaysia: guna dana awam untuk mempercepatkan digitalisasi, memperkemas operasi kerajaan, dan mewujudkan persekitaran yang bersedia untuk AI.

Arah kita sudah betul. Soalan yang tinggal untuk setiap agensi ialah:

Adakah pelaburan teknologi hari ini sekadar menampal masalah, atau sedang membina asas kukuh untuk AI dan bandar pintar 5–10 tahun akan datang?