Kesiapsiagaan Taufan: AI Lindungi Aset & Operasi

Musim taufan bukan sekadar isu cuaca. Ia ujian ketahanan operasi. Bila amaran dikeluarkan, masa jadi musuh—dan keputusan yang dibuat dalam 24–72 jam sebelum pendaratan boleh membezakan antara gangguan sementara dan kerugian berbulan-bulan.

Satu angka daripada ramalan musim taufan Atlantik 2025 patut buat pemilik aset dan pengurus risiko duduk tegak: sehingga 25 ribut bernama dijangka terbentuk. Dalam bahasa bisnes, itu bermakna lebih banyak “hari berisiko tinggi”, lebih banyak tuntutan berpotensi, dan lebih banyak tekanan pada rantaian bekalan.

Dalam siri “AI dalam Insurans dan Pengurusan Risiko”, saya suka melihat isu bencana begini dari dua sudut serentak: (1) tindakan kesiapsiagaan fizikal yang praktikal, dan (2) bagaimana AI untuk penilaian risiko boleh membantu anda membuat keputusan lebih pantas, lebih tepat, dan lebih konsisten—sebelum kerosakan berlaku.

Risiko taufan untuk perniagaan: bukan sekadar angin kuat

Jawapan ringkasnya: risiko taufan jarang datang satu-satu. Ia datang sebagai paket kerosakan berantai.

Kebanyakan organisasi masih menganggap taufan sebagai ancaman “bumbung tercabut dan kaca pecah”. Realitinya, kos terbesar sering muncul daripada komponen yang nampak remeh pada hari kejadian—contohnya air masuk perlahan, bekalan elektrik tergendala, atau akses jalan terputus.

“Peril sekunder” yang selalu memakan bajet

Dalam konteks insurans harta dan pengurusan risiko, peril sekunder merujuk kepada kerosakan yang berlaku akibat kesan sampingan ribut, bukan semata-mata tiupan angin.

Antara yang paling kerap mengganggu operasi:

• Banjir kilat / limpahan air yang merosakkan lantai, stor, mesin, panel elektrik
• Gangguan utiliti (elektrik, air, Internet) yang mematikan operasi walaupun bangunan “nampak OK”
• Kerosakan bumbung kecil yang jadi kebocoran besar selepas beberapa jam
• Gangguan rantaian bekalan bila vendor/logistik tak dapat beroperasi
• Pencemaran/kelembapan yang memanjangkan kerja pemulihan

Satu pendirian saya: kalau pelan kesiapsiagaan anda hanya fokus pada hari taufan, anda sedang merancang untuk gagal. Perancangan terbaik bermula dari audit aset—dan audit itu jauh lebih berkesan bila dibantu data dan AI.

Apa yang patut dibuat sebelum, semasa dan selepas taufan

Jawapan terus: bina proses yang berulang, boleh diuji, dan ada pemilik tugas yang jelas.

Kesiapsiagaan bukan dokumen tebal yang berdebu dalam folder. Ia senarai tindakan yang orang boleh laksanakan walaupun dalam tekanan. Ini rangka yang saya gunakan bila bantu pasukan operasi menyusun pelan yang “hidup”.

Sebelum taufan: kurangkan pendedahan, tambah kebolehterusan

Sasarannya ialah mencegah air masuk, mengurangkan benda yang boleh terbang, dan memastikan data/operasi boleh disambung semula.

Checklist praktikal:

1. Audit bumbung dan saliran
   • Pastikan longkang dan downpipe bersih.
   • Baiki shingle/penutup yang longgar.
2. Lindungi bukaan bangunan
   • Pasang penutup tingkap/pintu (atau panel sementara yang sudah dipra-siap).
   • Semak getah pintu dan sealant.
3. Susun semula stor
   • Angkat stok kritikal dari lantai (pallet/rak).
   • Alihkan bahan mudah rosak ke zon lebih tinggi.
4. Rancang utiliti dan kuasa sandaran
   • Uji genset, simpan bahan api, dan pastikan penyelenggaraan terkini.
   • Kenal pasti peralatan yang perlu “shutdown” selamat.
5. Sandaran data dan pelan komunikasi
   • Pastikan backup luar tapak/awan.
   • Tetapkan saluran komunikasi alternatif untuk staf.

Semasa taufan: keselamatan orang dulu, bukti kerosakan kemudian

Prinsipnya mudah: jangan kompromi keselamatan demi “nak selamatkan barang”.

Tindakan minimum yang patut jelas dalam SOP:

• Aktifkan incident command kecil (PIC operasi, keselamatan, IT)
• Pantau amaran rasmi dan hadkan pergerakan staf
• Rekod masa dan keputusan penting (untuk rujukan tuntutan)

Selepas taufan: pemulihan terpantas ialah pemulihan yang terancang

Selepas ribut, organisasi sering buat dua kesilapan: (1) masuk premis terlalu awal, (2) mula baiki tanpa dokumentasi.

Langkah yang saya anggap wajib:

• Penilaian keselamatan struktur sebelum staf masuk
• Dokumentasi visual (foto/video) setiap zon sebelum pembersihan
• Mitigasi awal: keringkan, tutup kebocoran, asingkan kawasan lembap
• Prioriti pemulihan ikut kritikaliti operasi (bukan ikut siapa paling bising)

Ayat yang selalu saya ulang pada pasukan: “Kalau anda tak dokumentasikan, nanti anda terpaksa menerangkan—dan itu biasanya lebih sukar.”

Di sinilah AI benar-benar membantu: dari ramalan ke keputusan

Jawapan langsung: AI mempercepat tiga perkara—mengukur risiko, memilih tindakan, dan menyusun perlindungan insurans.

Banyak organisasi ada data, tetapi data itu bertaburan: rekod penyelenggaraan, lokasi aset, sejarah insiden, inventori, jadual vendor, dan sebagainya. AI (termasuk pembelajaran mesin) berguna bila ia menyatukan data ini menjadi skor risiko yang boleh ditindak.

1) AI untuk penilaian risiko harta: “di mana saya paling lemah?”

Model AI boleh menggabungkan faktor seperti:

• lokasi dan pendedahan geografi
• ketinggian tapak (elevasi), risiko banjir
• jenis bumbung dan umur bangunan
• bahan binaan, bukaan, dan sejarah penyelenggaraan
• rekod tuntutan/insiden lepas

Output yang berguna bukan graf cantik—tetapi senarai keutamaan seperti:

• 10 aset paling berisiko minggu ini
• 5 tindakan mitigasi paling “nilai untuk wang” (contoh: servis saliran vs naik taraf pintu)
• anggaran kerugian operasi jika utiliti terputus 24 jam / 72 jam

2) AI sebagai “penggera awal” operasi (early warning)

Bila AI disambungkan kepada sumber cuaca, jadual operasi, dan inventori, ia boleh mencetuskan tindakan automatik:

• notifikasi kepada PIC bila risiko melepasi ambang tertentu
• cadangan penjadualan semula penghantaran
• “playbook” tindakan ikut kategori ancaman (angin vs hujan lebat)

Nilai besarnya: keputusan tak bergantung pada seorang individu yang kebetulan bercuti.

3) AI dalam underwriting: premium dan syarat yang lebih selari dengan realiti

Untuk sisi insurans, AI membantu penanggung insurans dan broker memahami risiko secara granular—bukan “satu kawasan dianggap sama”.

Bila anda boleh tunjuk:

• bukti penyelenggaraan bumbung berkala
• pelan mitigasi banjir dan kuasa sandaran
• pemantauan aset kritikal

…anda biasanya berada pada kedudukan lebih baik untuk berbincang tentang struktur perlindungan, had, deduktibel, dan klaus yang relevan—terutama untuk peril sekunder yang sering jadi punca pertikaian.

Strategi insurans yang lebih kuat untuk musim ribut

Jawapan ringkas: semak jurang perlindungan sebelum anda perlukan perlindungan itu.

Ramai pemilik perniagaan hanya “renew” polisi ikut rutin. Masalahnya, risiko berubah: harga bahan binaan naik, masa pembaikan lebih lama, vendor semakin sibuk semasa bencana, dan gangguan perniagaan boleh jadi lebih mahal berbanding kerosakan fizikal.

Semakan yang patut dibuat dengan broker/penanggung insurans

Saya sarankan tumpu pada soalan-soalan ini:

• Adakah nilai perlindungan (sum insured) masih selari dengan kos penggantian semasa?
• Bagaimana polisi melayan kerosakan air, banjir, dan angin—adakah ia berasingan?
• Apa definisi Business Interruption dan tempoh indemniti?
• Adakah peralatan kritikal (contoh: panel elektrik, server, chiller) termasuk dengan jelas?
• Apa proses dan dokumen yang diperlukan untuk tuntutan yang lancar?

Kenapa AI membantu bahagian ini juga

Bila anda ada data terstruktur tentang aset dan mitigasi, anda boleh:

• mengurangkan “teka-teki” dalam pembaharuan
• memudahkan audit risiko
• mempercepat proses tuntutan kerana bukti lebih kemas

Dalam erti kata lain: AI bukan menggantikan manusia dalam rundingan insurans. AI buat rundingan jadi lebih berasaskan fakta.

Contoh ringkas: dua gudang, ribut yang sama, hasil berbeza

Jawapan paling jelas: tindakan kecil sebelum ribut biasanya menghasilkan perbezaan besar selepas ribut.

Bayangkan dua gudang di kawasan pesisir.

• Gudang A: bumbung jarang diperiksa, saliran tersumbat, stok diletak terus di lantai, tiada pelan pemadaman peralatan, dokumentasi aset berselerak.
• Gudang B: ada jadual penyelenggaraan, stok kritikal diangkat, pintu loading dipasang penghadang air sementara, genset diuji setiap bulan, dan semua aset kritikal disenaraikan dalam sistem.

Ribut kategori sederhana melanda. Kedua-duanya mungkin mengalami kerosakan, tetapi Gudang B biasanya:

• pulih lebih cepat kerana air kurang masuk
• kurang rugi stok kerana susunan stor lebih baik
• lebih cepat memfailkan tuntutan kerana bukti dan inventori jelas

Di sinilah saya nampak AI memberi “kelebihan senyap”: ia memaksa organisasi menyusun data dan proses, lalu mengurangkan kekalutan bila krisis berlaku.

Soalan lazim (yang orang betul-betul cari)

Berapa awal perlu mula persediaan taufan untuk perniagaan?

Mulakan sekurang-kurangnya 30–60 hari sebelum musim puncak. Untuk tindakan “last mile” (panel tingkap, pemindahan stok), sediakan pelan 72 jam sebelum amaran serius.

Apa langkah paling cepat yang beri impak besar?

Bersihkan saliran, audit bumbung, dan angkat stok dari lantai. Tiga langkah ini sering mengurangkan kerosakan air dengan ketara.

AI sesuai untuk syarikat kecil atau hanya korporat besar?

Syarikat kecil pun boleh mula dengan pendekatan ringkas: inventori aset kritikal, rekod penyelenggaraan digital, dan pemantauan risiko cuaca asas yang menghasilkan “trigger” tindakan.

Langkah seterusnya: jadikan kesiapsiagaan sebahagian daripada sistem, bukan projek bermusim

Kesiapsiagaan taufan yang konsisten ialah gabungan tindakan fizikal dan disiplin pengurusan risiko. Bila AI dimasukkan dengan betul, ia mengurangkan kerja berulang, menajamkan keutamaan, dan membantu anda berbincang dengan pihak insurans menggunakan data—bukan andaian.

Kalau anda sedang menyusun pelan untuk 2026, saya cadangkan mula dengan satu perkara minggu ini: senaraikan 20 aset paling kritikal, tentukan risiko utamanya (angin, air, utiliti), kemudian bina playbook tindakan yang boleh diaktifkan secara automatik bila amaran meningkat.

Apa satu keputusan paling sukar yang pasukan anda buat semasa ribut sebelum ini—dan bagaimana AI boleh menjadikannya keputusan yang lebih mudah pada musim akan datang?