Smart city moden bukan lagi soal sensor semata-mata. Ia tentang bagaimana AI, data dan komuniti tempatan membentuk bandar yang benar-benar memudahkan hidup rakyat.
Smart City Bukan Lagi Soal Sensor, Tapi Soal Manusia
Lebih RM100 bilion nilai ekonomi dijangka dijana melalui transformasi digital sektor awam Malaysia menjelang 2030. Angka ini bukan datang daripada pemasangan sensor semata-mata, tetapi daripada cara kerajaan menggunakan AI, data dan digital untuk menyelesaikan masalah harian rakyat – dari trafik, ke air, ke keselamatan.
Inilah realiti baharu smart city: bukan projek gajet, tetapi projek kepercayaan dan tadbir urus. Bandar tak lagi “pintar” hanya kerana ada CCTV dan IoT; ia hanya layak digelar pintar bila keputusan dibuat berdasarkan data, komuniti dilibatkan, dan teknologi seperti AI benar-benar mempercepatkan perkhidmatan awam.
Dalam siri AI in Government & Public Sector ini, fokusnya ialah bagaimana kerajaan boleh menggunakan AI untuk identiti digital, automasi perkhidmatan awam, analitik pemantauan dan keselamatan negara. Artikel ini menyambung perbincangan itu, dengan menyorot evolusi smart city di peringkat global dan mengaitkannya dengan hala tuju Malaysia Digital Economy Blueprint (MyDIGITAL) – khususnya bila bandar jadi semakin tempatan, berasaskan komuniti, dan dipacu data.
1. Evolusi Smart City: Dari Kotak Hitam ke Pendekatan Berasaskan Komuniti
Smart city generasi pertama berpusat pada perkakasan; generasi baharu berpusat pada manusia dan tadbir urus.
Sekitar awal 2010-an, banyak bandar (termasuk di Malaysia) melihat smart city sebagai:
- pemasangan IoT berskala besar,
- sistem pemantauan trafik dan CCTV,
- pusat kawalan bandar penuh skrin.
Model ini kuat dipacu vendor – satu pakej, disalin-tampal ke banyak bandar, dengan penyesuaian minimum. Ia nampak hebat di slaid pembentangan, tapi sering:
- tak cukup menyesuaikan diri dengan realiti tempatan,
- gagal mendapat kepercayaan rakyat,
- sukar diurus dan diselenggara bila bajet mula ketat.
Pengalaman di Long Beach dan Mesa (AS) yang diceritakan dalam artikel asal menunjukkan perubahan ketara:
“The day of one-size-fits-all solutions is completely gone.” – Jake Taylor, The Connective
Bandar-bandar ini mula:
- mentakrif sendiri makna smart city mengikut isu setempat (keselamatan pejalan kaki, taman, sambungan Internet),
- melibatkan komuniti melalui program khas,
- menggunakan data dan AI sebagai alat, bukan matlamat.
Apa maksudnya untuk Malaysia?
Untuk Malaysia, ini selari dengan penekanan MyDIGITAL pada:
- perkhidmatan berpusatkan rakyat,
- reka bentuk dasar berasaskan data,
- kerjasama rapat antara kerajaan persekutuan, negeri, PBT dan sektor swasta.
Maknanya: Setiap PBT perlu berani mentakrif “smart city” versi sendiri, bukan hanya menyalin projek bandar lain. Isu di Seberang Perai tak sama dengan isu di Muar. Isu di Kota Kinabalu tak sama dengan Putrajaya.
2. Tiga Komponen Teras Smart City Moden
Gloria Gong dari Harvard Government Performance Lab merumuskan smart city moden perlukan tiga komponen: bakat, keputusan berasaskan data, dan kerjasama. Untuk konteks Malaysia, saya tambah satu lagi: AI sebagai pemecut bijak, bukan pemandu utama.
2.1 Bakat & Budaya Inovasi dalam Kerajaan
Tanpa pasukan dalaman yang faham data dan AI, smart city hanya tinggal papan tanda.
PBT dan agensi kerajaan perlukan:
- pegawai data dan AI (data scientist, data engineer, penganalisis dasar berasaskan data),
- pegawai barisan hadapan yang selesa guna dashboard dan aplikasi mudah alih,
- budaya yang menggalakkan percubaan kecil (pilot), bukannya hanya projek mega.
Contoh praktikal:
- Unit kecil di PBT yang fokus kepada analitik data aduan rakyat (daripada aplikasi, WhatsApp rasmi, media sosial) untuk kenal pasti corak masalah jalan, lampu, longkang.
- Pasukan inovasi dalaman yang bekerjasama dengan universiti tempatan untuk ujian AI ringkas – contohnya model ramalan banjir kilat di kawasan hotspot.
2.2 Keputusan Berasaskan Data (Termasuk AI)
Smart city hari ini bermaksud setiap polisi dan projek utama disokong data yang boleh dibuktikan. Di sinilah AI mula memberi nilai:
- Analitik ramalan untuk kesesakan trafik, guna data kamera dan sensor.
- AI vision untuk mengesan kenderaan parkir haram atau genangan air di jalan.
- Analitik teks untuk kumpulkan dan kategorikan aduan rakyat secara automatik.
Tetapi, point penting daripada artikel asal: teknologi tak akan selesaikan masalah jika soalan yang ditanya salah.
Contohnya:
- Jika masalah sebenar ialah pejalan kaki tak rasa selamat, memasang lebih banyak CCTV tanpa pencahayaan yang baik dan reka bentuk jalan yang mesra manusia tak akan menyelesaikan apa-apa.
- Jika masalah ialah banjir kilat, hanya tambah sensor tanpa penyelenggaraan longkang dan penguatkuasaan pelupusan sampah tak membantu.
AI sepatutnya menjawab soalan seperti:
- kawasan mana paling kerap banjir dan bila,
- jalan mana paling bahaya untuk penunggang motosikal,
- waktu dan tempat mana paling tinggi risiko jenayah kecil.
2.3 Kerjasama: Kerajaan, Swasta, Komuniti
Model baharu smart city lebih bergantung kepada kerjasama jangka panjang, bukannya beli-sistem-sekali-lepas-itu-senyap.
Bandar seperti Long Beach bekerjasama dengan syarikat kecil, pakar domain dan komuniti untuk cipta penyelesaian khusus. Untuk Malaysia, bentuk kerjasama yang sihat biasanya ada ciri ini:
- Kerajaan: sediakan data, hala tuju dasar, dan penjajaran dengan MyDIGITAL.
- Syarikat teknologi & startup: bina penyelesaian AI/IoT yang boleh disuaikan.
- Universiti & penyelidik: bantu validasi model AI, pastikan metodologi kukuh.
- Komuniti & NGO: uji solusi di lapangan, beri maklum balas berterus terang.
Bila semua pihak ada di meja sama, risiko projek tersasar berkurang banyak.
2.4 AI Sebagai Pemecut, Bukan Pusat Alam Semesta
Saya cenderung dengan pandangan: AI kuat bila ia alat, lemah bila ia agenda.
Bandar yang berjaya biasanya:
- mulakan dengan masalah jelas (contoh: masa pemprosesan lesen perniagaan terlalu lama),
- petakan proses kerja sedia ada,
- baru pilih di mana AI masuk – contohnya, chatbot untuk Q&A, automasi dokumen, pengesanan dokumen tak lengkap.
Daripada cuba “jadikan bandar ini bandar AI”, jauh lebih berkesan fokus kepada 3–5 kes guna yang memberi kesan besar kepada rakyat.
3. Dari Global ke Tempatan: Apa Maksudnya untuk Bandar di Malaysia?
Arah global jelas: smart city semakin lokal, semakin berasaskan komuniti. Malaysia patut ambil kesempatan ini.
Trend yang digambarkan dalam artikel asal sebenarnya sangat serasi dengan konteks Malaysia:
- Tiada lagi penyelesaian satu-saiz-sesuai-semua
– PBT perlu spesifik: adakah fokus bandar ialah logistik pelabuhan, pelancongan, pertanian bandar, atau keselamatan sempadan?
-
Penduduk jadi rakan strategik, bukan hanya penerima
– Program seperti Long Beach Collaboratory boleh diterjemah kepada:- bengkel co-design di balai raya,
- aplikasi mudah alih untuk mengundi keutamaan projek kecil,
- panel penduduk yang menyemak dasar AI dan smart city peringkat bandar.
-
Smart governance & bukti (evidence-based policy)
– Ini selari dengan aspirasi MyDIGITAL yang mahu keputusan berasaskan data di semua peringkat kerajaan.
Soalan Praktikal untuk PBT Malaysia
Sebelum tambah sensor atau beli sistem AI baharu, beberapa soalan mudah tapi keras perlu dijawab:
- Masalah setempat apa yang paling mendesak 6–12 bulan akan datang? (Bukan 10 tahun lagi.)
- Data apa yang PBT sudah ada tapi tak dimanfaatkan dengan baik? (CCTV, aduan, rekod penyelenggaraan, data trafik?)
- Di mana titik kesakitan terbesar rakyat bila berurusan dengan PBT? (Pendaftaran, bayaran, penguatkuasaan?)
- Siapa dalam organisasi yang benar-benar faham isu ini dan patut duduk dalam pasukan projek?
Jawapan kepada soalan-soalan ini selalunya lebih penting daripada spesifikasi teknikal mana-mana platform AI.
4. Di Mana AI Paling Masuk Akal dalam Smart City Malaysia
Daripada pengalaman global dan keperluan MyDIGITAL, ada beberapa bidang tinggi-impak di mana AI wajar diberi keutamaan.
4.1 Identiti Digital & Perkhidmatan Awam Berautomasi
Identiti digital yang dipercayai ialah tulang belakang smart city yang betul-betul berfungsi.
Bila digabung dengan AI, kerajaan boleh:
- mengesahkan identiti secara lebih pantas dan selamat (contoh: pengecaman muka di kaunter fizikal dengan kebenaran jelas),
- mengesan permohonan berulang atau palsu,
- menyesuaikan perkhidmatan ikut profil pengguna (contoh: warga emas mendapat saluran bantuan dipermudahkan).
Bayangkan senario ringkas:
- Rakyat log masuk ke portal atau aplikasi bandar menggunakan identiti digital yang diiktiraf nasional.
- AI menyemak dokumen, memadankan dengan rekod sedia ada,
- Status permohonan lesen, bantuan atau aduan dikemas kini secara masa nyata, tanpa perlu berkali-kali menghubungi kaunter.
4.2 Analitik Pengawasan & Keselamatan Awam
Topik ini sensitif, jadi ia perlu diurus dengan telus dan beretika. Tetapi AI vision dan analitik boleh bantu:
- mengesan insiden seperti pergaduhan jalanan, kenderaan berhenti di lorong kecemasan, atau manusia jatuh di kawasan stesen,
- mengira kepadatan orang ramai untuk pengurusan acara dan bencana,
- memantau aset kritikal (jambatan, empangan, talian utiliti) melalui imej drone.
Kuncinya:
- rangka kerja tadbir urus AI yang jelas (tujuan, had, tempoh simpan data),
- penyeliaan manusia yang kukuh,
- garis panduan privasi yang difahami rakyat.
4.3 Automasi Pentadbiran Harian PBT
Sebahagian besar masa pegawai PBT habis pada tugas berulang:
- semak borang,
- semak dokumen sokongan,
- jawab soalan sama beratus kali sebulan.
Di sinilah automasi pintar ada ROI paling cepat:
- Chatbot kerajaan yang dilatih khas untuk prosedur dan dasar tempatan,
- AI untuk semakan borang – mengesan medan kosong, dokumen tak lengkap,
- Alatan menjana surat & laporan automatik berdasarkan templat, dengan semakan manusia di akhir.
Ini bukan teknologi glamor, tapi kesannya nyata: masa pegawai boleh dipindahkan dari kerja rutin ke kerja analitik dan perancangan.
4.4 Perancangan Bandar & Infrastruktur Berasaskan Data
Smart city yang matang akan guna:
- digital twin bandar (model maya yang meniru bandar sebenar),
- simulasi AI untuk uji kesan perubahan – laluan bas baharu, pembangunan komersial, penutupan jalan.
Malaysia sudah ada data asas yang kuat di banyak bandar (GIS, kadaster, jalan, utiliti). Langkah seterusnya ialah:
- integrasi data ke dalam platform bersama,
- gunakan AI untuk menguji senario sebelum berbelanja ratusan juta untuk projek fizikal.
5. Cara Mulakan Smart City Berasaskan AI Tanpa Terbakar Bajet
Banyak organisasi kerajaan rasa smart city itu besar, mahal dan kompleks. Sebenarnya, pendekatan berfasa kecil jauh lebih selamat dan berkesan.
Beberapa langkah praktikal yang saya cadangkan untuk PBT atau agensi yang baru nak serius dengan AI dalam smart city:
-
Pilih 2–3 kes guna jelas dalam 6–9 bulan
Contoh: pengurangan masa proses lesen, pengurusan aduan, pemantauan banjir kilat. -
Tubuhkan pasukan lintas fungsi kecil
– 1 wakil ICT/data, 1–2 wakil jabatan terlibat, 1 wakil komunikasi, dan kalau boleh wakil komuniti. -
Audit data sedia ada
– Apa yang ada, di mana disimpan, apa kualitinya, siapa pemiliknya. -
Cari rakan kongsi yang sanggup bina penyelesaian tersuai ringan
– Bukan semestinya vendor besar. Startup tempatan, universiti, atau konsortium boleh jadi pilihan. -
Uji secara kecil tapi serius (pilot with discipline)
– Tetapkan KPI yang jelas: masa proses, jumlah aduan, kos operasi per kes. Tinjau maklum balas rakyat. -
Dokumentasi & pembelajaran
– Rekod apa yang berkesan dan apa yang gagal. Ini aset utama untuk skala ke projek lain.
Langkah-langkah ini selari dengan semangat MyDIGITAL: pembuktian konsep yang terukur, bukan sekadar pelancaran projek besar untuk gambar perasmian.
Penutup: Smart City Malaysia Perlu Berani Jadi Tempatan
Trend global jelas: smart city sedang berubah daripada projek teknologi kepada projek tadbir urus dan komuniti. AI hanyalah pemecut paling kuat dalam perubahan ini – jika digunakan dengan betul.
Untuk Malaysia, ini masa terbaik menyusun semula strategi smart city supaya seiring dengan Malaysia Digital Economy Blueprint dan keperluan sebenar di lapangan:
- bandarkan semula konsep: dari papan putih ke masalah sebenar di kampung, taman perumahan dan pusat bandar,
- kuatkan keupayaan dalaman kerajaan dalam data dan AI,
- bina kerjasama jangka panjang dengan syarikat, universiti dan komuniti,
- pastikan setiap projek AI diukur dari segi kesan kepada rakyat, bukan hanya bilangan sensor.
Jika tahun-tahun sebelumnya adalah era sensor dan skrin besar, dekad ini patut jadi era bandar yang mendengar, belajar dan bertindak menggunakan data dan AI – dengan rakyat sebagai rakan kongsi utama.
Persoalannya sekarang: adakah bandar anda sudah bersedia berhenti membeli label “smart city”, dan mula membina versi pintar yang benar-benar tempatan?