Smart City Bukan Lagi Soal Gadget, Tapi Komuniti

Dari sensor ke suara rakyat: wajah baharu smart city

Pada 2024, lebih 50% perbelanjaan teknologi kerajaan tempatan global dikaitkan dengan inisiatif smart city, AI dan data. Ramai sangka ini tentang kamera, sensor dan aplikasi semata-mata. Tapi trend terkini — selari dengan hala tuju Pelan Tindakan Ekonomi Digital Malaysia (MyDIGITAL) — menunjukkan satu perkara penting: smart city yang berkesan bermula dengan komuniti, bukannya dengan peranti.

Dalam siri AI in Government & Public Sector ini, fokus kita bukan sekadar teknologi, tapi bagaimana kerajaan boleh guna AI, data dan automasi untuk mengubah cara perkhidmatan awam diberikan. Smart city ialah “tapak uji” paling jelas: kalau di bandar pun tak berjaya, sukar untuk skalakan ke seluruh sektor awam.

Artikel asal dari GovTech (AS) cerita tentang bagaimana istilah smart city telah berubah — daripada projek digerakkan vendor kepada pendekatan yang sangat tempatan, berasaskan data dan disokong AI. Dalam konteks Malaysia, ini sangat rapat dengan agenda bandar pintar, keselamatan nasional, identiti digital dan automasi perkhidmatan awam yang sedang dibiayai di bawah MyDIGITAL.

Artikel ini akan menghuraikan:

• bagaimana definisi smart city sudah berubah
• peranan sebenar AI dan data dalam smart city moden
• apa yang bandar-bandar seperti Long Beach dan Mesa buat yang kita boleh tiru
• dan paling penting, apa langkah praktikal untuk PBT, agensi kerajaan dan rakan teknologi di Malaysia.

---

1. Smart city bukan lagi projek vendor, tapi strategi bandar

Smart city generasi pertama banyak digerakkan oleh industri: vendor datang dengan pakej IoT, platform, dashboard, dan bandar “beli”. Pendekatan ini nampak cepat, tapi ada masalah besar:

• solusi satu-saiz-sesuai-semua
• integrasi lemah dengan sistem sedia ada kerajaan
• kurang pemilikan di peringkat PBT dan komuniti

Di Amerika Syarikat, pegawai seperti Ryan Kurtzman (Long Beach) dan Harry Meier (Mesa) mula menolak model ini. Mereka ubah naratif: bandar menentukan masalah, komuniti beri input, barulah teknologi dipilih.

Untuk Malaysia, ini selari dengan prinsip MyDIGITAL yang tekankan:

• reka bentuk berpusatkan rakyat
• penyampaian perkhidmatan berasaskan data
• kerjasama sektor awam–swasta dalam bentuk perkongsian, bukan sekadar pembekal–pelanggan

Realitinya mudah: kalau PBT mula dengan soalan “vendor apa kita nak pakai?”, projek akan tersasar. Soalan yang betul ialah “masalah warga apa yang kita nak selesaikan tahun ini?”

Apa maksud “lebih lokal” dalam konteks Malaysia?

“Lebih lokal” bukan sekadar letak nama projek dalam Bahasa Melayu. Ia bermaksud:

• masalah yang ditangani berbeza mengikut PBT: banjir kilat di Alor Setar tak sama dengan kesesakan parkir di Petaling Jaya
• data tempatan (trafik, aduan, sosioekonomi) diguna untuk bentuk polisi dan solusi
• pelaksanaan ambil kira budaya setempat – contohnya, corak penggunaan pengangkutan awam ketika Ramadan berbeza daripada bulan lain

Di sinilah AI dan analitik data jadi kritikal. Tanpa data yang cukup granular dan model yang boleh memahami corak tempatan, kita akan ulang kesilapan smart city generasi pertama: cantik di atas kertas, kurang memberi kesan di lapangan.

---

2. Dari IoT ke AI: evolusi teknologi smart city moden

Smart city dahulu sering dikaitkan dengan IoT: sensor parkir, lampu jalan pintar, meter air pintar. Peranti masih penting, tetapi trend global jelas:

Smart city hari ini diukur bukan pada berapa banyak sensor yang dipasang, tetapi pada berapa banyak keputusan yang diperbaiki oleh data dan AI.

Tiga lapisan teknologi smart city

1. Peranti & Infrastruktur (IoT, rangkaian, kamera)

   • sensor paras air di sungai
   • CCTV bandar untuk keselamatan
   • meter air/elektrik pintar di rumah

2. Data & Integrasi (platform data, perkongsian data)

   • data dari PBT, polis, SPAN, JKR, hospital, dan lain-lain digabungkan
   • standard data dan integrasi API antara sistem berbeza
   • kawalan akses dan pematuhan privasi/data nasional

3. Kecerdasan & Tindakan (AI, analitik, automasi)

   • model AI ramal banjir setempat berdasarkan hujan + paras air + data sejarah
   • sistem analitik kenal pasti lokasi panas kemalangan dan cadang perubahan fizikal jalan
   • bot dan automasi proses (RPA) kurangkan masa memproses permohonan lesen dan aduan awam

MyDIGITAL sudah letak asas untuk ketiga-tiga lapisan ini, terutamanya melalui penekanan kepada penggunaan AI dalam sektor awam dan pemodenan pusat data kerajaan. Cabarannya sekarang: bagaimana nak bawa kemampuan ini turun ke tahap PBT dan daerah secara praktikal.

AI dalam smart city: dari hype ke fungsi sebenar

Dalam perbualan dengan kerajaan seluruh dunia, saya nampak satu pola yang sama: semua orang sebut AI, tapi hanya beberapa yang benar-benar jelas untuk apa.

Beberapa kegunaan AI yang masuk akal dalam konteks bandar Malaysia:

• Analitik keselamatan bandar:

  • analisis video untuk pengesanan tingkah laku berisiko (contoh: orang melintas di tempat berbahaya) tanpa perlu pengecaman muka
  • pengesanan awal pergaduhan atau kemalangan di lokasi kritikal

• Perancangan bandar & trafik:

  • simulasi aliran trafik jika lampu isyarat diubah suai
  • ramalan kesesakan musim perayaan berdasarkan data tahun lepas

• Pengurusan bencana & iklim:

  • model ramalan banjir mikro di kawasan perumahan
  • pengesanan kebakaran hutan lebih awal melalui imej satelit + sensor asap

• Automasi perkhidmatan awam:

  • pengagihan aduan awam secara automatik ke jabatan paling relevan
  • chat/voice bot yang faham Bahasa Melayu dan dialek tempatan untuk pertanyaan asas

Kuncinya: mulakan dengan beberapa use case yang jelas memberi impak kepada warga, bukan projek demonstrasi yang hanya cantik untuk pembentangan.

---

3. Tiga komponen wajib smart city berasaskan AI

Gloria Gong dari Harvard Government Performance Lab merumuskan tiga komponen penting untuk “smart city” moden. Kalau kita terjemah kepada konteks Malaysia, ia jadi cukup praktikal:

3.1 Bakat & budaya inovasi dalam sektor awam

Tanpa orang yang faham data dan proses kerajaan, AI sekadar buzzword. Bandar atau agensi yang serius tentang smart city biasanya:

• ada unit data/analitik kecil tetapi fokus (5–15 orang) dalam PBT atau negeri
• latih pegawai barisan hadapan tentang cara gunakan dashboard, bukan hanya pegawai IT
• wujudkan ruang selamat untuk mencuba projek kecil tanpa takut “gagal pertama kali”

Di Malaysia, ini boleh dipacu melalui:

• skim khas data scientist dan AI engineer dalam perkhidmatan awam
• program secondment dengan universiti atau syarikat AI tempatan
• latihan berterusan untuk pegawai PBT, bukan sekali seumur hidup

3.2 Keputusan berasaskan data, bukan andaian

Smart city yang berfungsi membuat keputusan seperti ini:

• ada satu sumber data yang dipercayai (single source of truth) untuk indikator utama
• setiap projek fizikal (contoh: bina jejantas, tukar arah jalan) disokong data
• impak diukur semula selepas pelaksanaan

Contoh praktikal di PBT:

• sebelum pasang lampu jalan baharu, analisis dulu data jenayah/celakaan di lokasi
• sebelum tambah laluan bas, guna data lokasi pekerjaan dan tempat tinggal untuk rancang laluan paling berkesan

3.3 Kerjasama & jaringan – dalam dan luar kerajaan

Smart city tak boleh dikendalikan satu jabatan sahaja. Pola kerjasama yang berkesan selalunya ada:

• kerjasama PBT–polis–bomba–agensi air/elektrik untuk isu keselamatan dan infrastruktur
• kerjasama negeri–persekutuan untuk data nasional (contoh: identiti digital, rekod kenderaan, data kesihatan asas)
• kerjasama dengan universiti dan syarikat teknologi sebagai rakan penyelidikan dan pembangunan, bukan sekadar kontraktor

Model konsortium seperti The Connective di Greater Phoenix (gabung beberapa bandar dan agensi dalam satu “smart region”) boleh diterjemah kepada konteks Malaysia:

• Smart Region Lembah Klang: gabungan DBKL, MBPJ, MBSJ, MPKJ, dll untuk data trafik dan banjir yang konsisten
• Smart Region Pantai Timur: fokus kepada bencana, pelancongan dan logistik

---

4. Dari Long Beach ke Lembah Klang: apa yang boleh kita tiru

Long Beach, California ambil pendekatan community-first untuk smart city. Mereka jalankan program seperti “Long Beach Collaboratory” yang:

• temubual dan libatkan penduduk di peringkat kejiranan
• rangkum masalah sebenar (contoh: keselamatan pejalan kaki, ketersambungan internet, keselamatan taman)
• bangunkan empat solusi terpimpin komuniti

Penting di sini: teknologi dipilih selepas masalah dipastikan, bukan sebaliknya.

Bagaimana terjemah ke Malaysia?

Bandar di Malaysia boleh mengadaptasi pendekatan ini seperti berikut:

1. Fasa 1 – Dengar & Kenal Pasti (0–3 bulan)

   • jalankan sesi libat urus di surau, dewan orang ramai, pasar malam
   • gunakan borang digital + fizikal supaya inklusif
   • kumpul isu mengikut tema: keselamatan, trafik, pekerjaan, kesihatan, alam sekitar

2. Fasa 2 – Keutamaan & Data (3–6 bulan)

   • pilih 3–5 masalah utama per bandar
   • petakan data sedia ada (CCTV, aduan, statistik polis, data banjir)
   • kenal pasti jurang data yang perlu diisi oleh sensor/IoT baharu

3. Fasa 3 – Solusi & Perkongsian (6–12 bulan)

   • buka cabaran inovasi untuk syarikat tempatan, startup dan universiti
   • minta cadangan yang jelas tentang: impak, kos, integrasi data dan tadbir urus AI
   • laksanakan pilot skala kecil tapi boleh diukur, contohnya satu taman, satu kawasan perumahan, satu simpang utama

4. Fasa 4 – Skalakan & Institusikan (12 bulan ke atas)

   • projek yang berjaya di-scale ke kawasan lain
   • wujudkan bajet tahunan khas smart city/AI dalam PBT
   • selaraskan dengan agenda negeri dan persekutuan, termasuk MyDIGITAL dan dasar keselamatan siber nasional

Pendekatan ini bukan sahaja menghasilkan projek lebih relevan, tetapi juga membina kepercayaan rakyat. Dalam konteks AI, ini penting untuk terima pakai solusi seperti CCTV pintar, analitik data pergerakan atau sistem identiti digital.

---

5. Smart city, AI dan keselamatan nasional: di mana garis halusnya?

Apabila bercakap tentang AI, data dan pemantauan bandar, isu privasi dan keselamatan nasional akan sentiasa timbul. Realitinya, kerajaan memang perlukan analitik yang lebih pintar untuk:

• memantau jenayah bandar dan ancaman keselamatan
• mengurus protes, acara besar dan bencana
• melindungi infrastruktur kritikal seperti loji air, grid elektrik, pusat data kerajaan

Tetapi cara pelaksanaan menentukan sama ada rakyat rasa dilindungi atau diawasi.

Beberapa prinsip yang saya anggap wajib jika Malaysia mahu membina smart city yang selari dengan keselamatan nasional dan hak rakyat:

• Tujuan jelas dan terhad
  AI pemantauan hanya digunakan untuk tujuan tertentu (contoh: keselamatan jalan raya, pengurusan trafik), bukan pemprofilan politik.

• Data minimization & pseudonymization
  guna data agregat dan dianonimkan sebanyak mungkin; pengecaman identiti individu hanya bila memang perlu dan dibenarkan undang-undang.

• Garis panduan AI sektor awam
  setiap projek AI kerajaan patut dinilai dari sudut etika, bias, keselamatan dan privasi sebelum diluluskan.

• Komunikasi telus kepada rakyat
  papan tanda, portal info dan sesi dialog yang menerangkan: apa data dikumpul, untuk apa, berapa lama disimpan, siapa boleh akses.

MyDIGITAL sendiri mengiktiraf kepentingan tadbir urus data dan keselamatan siber. Smart city cuma “muka depan” kepada isu yang sama: jika data bandar tidak diurus dengan baik, keseluruhan ekosistem digital kerajaan menjadi terdedah.

---

6. Langkah praktikal untuk kerajaan & rakan teknologi di Malaysia

Supaya artikel ini tidak tinggal sebagai wacana teori, berikut beberapa langkah konkrit yang boleh diambil dalam 6–18 bulan akan datang.

Untuk PBT & agensi kerajaan

1. Tetapkan visi smart city yang spesifik dan tempatan
   Contoh: “Kurangkan masa respon aduan awam dari 7 hari ke 2 hari di seluruh daerah dalam masa 2 tahun menggunakan automasi dan analitik data.”

2. Tubuhkan pasukan kecil data & inovasi
   Tak perlu tunggu struktur besar; mula dengan 3–5 orang yang betul-betul diberi mandat.

3. Pilih 2–3 kes guna AI yang sangat jelas impaknya
   Contoh: pengagihan aduan, pengoptimuman laluan kutipan sisa pepejal, ramalan banjir tempatan.

4. Pastikan setiap projek baru ada komponen libat urus komuniti
   Terutamanya jika melibatkan kamera, sensor atau data lokasi.

5. Bina dasar data dan AI peringkat PBT
   Ringkas, tetapi jelas tentang apa yang boleh dan tak boleh dibuat dengan data penduduk.

Untuk syarikat teknologi & startup

1. Berhenti jual “produk smart city generik”
   Datang kepada PBT dengan kes guna yang benar-benar disesuaikan dengan konteks tempatan.

2. Bantu PBT jelaskan ROI dalam bahasa warga
   Contoh: “40% pengurangan masa menunggu di kaunter” lebih mudah difahami daripada “platform digital omnichannel”.

3. Fokus kepada integrasi dengan sistem kerajaan sedia ada
   Penyelesaian yang tak boleh diintegrasi dengan sistem aduan, sistem kewangan atau pangkalan data sedia ada akan cepat tersisih.

4. Tawarkan model perkongsian risiko
   Contohnya, bayaran berasaskan kejayaan (outcome-based), bukannya lesen besar yang berat di awal.

---

Penutup: Smart city sebagai “makmal hidup” AI sektor awam

Smart city bukan projek kosmetik lagi. Dalam konteks MyDIGITAL dan pelaburan besar kerajaan dalam AI, identiti digital, automasi perkhidmatan dan keselamatan, bandar-bandar di Malaysia sebenarnya sedang menjadi makmal hidup untuk masa depan sektor awam.

Jika pendekatan kita kekal berpusatkan peranti dan vendor, kita akan dapat kota yang penuh sensor tetapi rakyat masih beratur panjang, gagal dapat maklum balas, dan hilang kepercayaan pada sistem. Tetapi kalau kita beralih kepada model komuniti-dulu, data-cerdik, AI-beretika, smart city boleh menjadi titik tolak kepada sektor awam yang lebih cekap, telus dan inklusif.

Soalnya sekarang, bila PBT atau agensi anda merancang inisiatif smart city seterusnya — adakah projek itu bermula dengan katalog produk, atau dengan suara komuniti dan data yang sebenar?