AI Literacy di Tempat Kerja: Belajar Sambil Buat

AI literacy bukan lagi “nice to have” untuk tenaga kerja Singapura. Ia sudah jadi syarat asas untuk kekal relevan—bukan sebab semua orang perlu jadi jurutera AI, tapi sebab hampir semua peranan akan melibatkan alat AI dalam bentuk tertentu.

Kenyataan Dr Koh Poh Koon baru-baru ini menangkap isu yang ramai organisasi masih tak berani hadap: cara lama “belajar dulu, kerja kemudian” dah tak cukup laju untuk ekonomi yang bergerak ikut kitaran teknologi. Beliau menyebut keperluan untuk membawa sekolah ke tempat kerja dan membawa keperluan kerja ke sekolah, supaya kemahiran AI dibina secara lebih bersepadu.

Untuk siri AI dalam Pendidikan dan EdTech, ini menarik kerana ia mengubah soalan daripada “platform apa patut kita guna?” kepada “bagaimana kita reka pembelajaran yang benar-benar menghasilkan kemahiran?” Dan untuk pemimpin bisnes, mesejnya jelas: AI adoption akan gagal kalau AI literacy dibiarkan jadi projek HR semata-mata.

Satu ayat yang patut kita pegang: AI literacy ialah keupayaan menggunakan AI dengan betul untuk hasil kerja yang lebih baik—bukan kebolehan menulis kod.

Kenapa AI literacy tak boleh tunggu “habis belajar”

Jawapan terus: kerana kitaran perubahan kerja sekarang lebih pantas daripada kitaran kurikulum.

Dr Koh menyebut “rapid churn” dalam model bisnes akibat teknologi dan AI. Kalau model bisnes berubah setiap 6–18 bulan, tapi latihan dalaman hanya dibuat setahun sekali, organisasi akan sentiasa ketinggalan.

Masalah sebenar yang saya nampak di banyak syarikat (termasuk SME) ialah mereka jadikan AI sebagai satu “tool onboarding” singkat: satu talk, satu demo, kemudian semua orang kembali kepada cara lama. Itu bukan pembelajaran—itu sekadar pendedahan.

AI literacy yang praktikal perlukan tiga komponen:

1. Kefahaman asas: apa yang AI boleh dan tak boleh buat (had, risiko, bias, privasi)
2. Kemahiran kerja: prompt, semakan fakta, cara guna AI untuk tugasan harian
3. Tabiat operasi: SOP, guardrails, dan measurement supaya penggunaan AI jadi rutin, bukan eksperimen

Bila tiga ini digabungkan, barulah AI jadi “alat kerja”, bukan “mainan produktiviti”.

Model integrasi kerja-belajar: apa maksudnya untuk syarikat

Jawapan terus: integrasi kerja-belajar bermaksud latihan AI disusun ikut tugasan sebenar, dinilai ikut output kerja, dan diulang dalam sprint pendek.

Kita boleh ambil inspirasi daripada apa yang berlaku di GrabAcademy. Dalam laporan tersebut, 30 rakan pemandu belajar menggunakan alat seperti Gemini, ChatGPT, dan ElevenLabs untuk tugasan nyata—contohnya menerjemah frasa kepada lima bahasa. Itu bukan teori. Itu contoh pembelajaran contextual, dekat dengan realiti kerja.

Prinsip 70-20-10 versi AI

Ramai kenal konsep 70-20-10 (70% belajar melalui kerja, 20% melalui coaching, 10% melalui kursus). Untuk AI literacy, saya tegas: 70% mesti benar-benar berlaku dalam workflow, kalau tidak, adoption jatuh.

Contoh integrasi yang berkesan untuk pasukan pemasaran dan operasi:

• Pemasaran: AI bantu draf 10 variasi headline, kemudian manusia pilih 3 dan A/B test
• Khidmat pelanggan: AI draf jawapan, ejen semak tone & polisi sebelum hantar
• Operasi: AI ringkaskan laporan harian, staf semak nombor dan buat keputusan

Pembelajaran berlaku bila pekerja nampak satu perkara: “Oh, aku boleh siap kerja lebih cepat tanpa menurunkan standard.”

Dari “kursus umum” ke “micro-credential dalaman”

Banyak program AI literacy gagal sebab terlalu umum. Cara yang lebih praktikal ialah bina micro-credential dalaman: modul 60–90 minit yang disandar pada tugasan kerja.

Contoh struktur mikro untuk syarikat:

• Modul 1: Asas AI + polisi data syarikat (30 min)
• Modul 2: Prompting untuk kerja peranan tertentu (60 min)
• Modul 3: Semakan kualiti (fact-check, sumber, hallucination) (60 min)
• Modul 4: Automasi ringan (template, SOP, integrasi) (90 min)
• Penilaian: hantar 1 artefak kerja sebenar (contoh: skrip panggilan, email nurture, ringkasan mesyuarat)

Ini selari dengan semangat AI dalam Pendidikan dan EdTech: pembelajaran diperibadikan, berasaskan data, dan menghasilkan output nyata.

Kurangkan “AI anxiety” dengan kemahiran yang jelas

Jawapan terus: ketakutan AI ambil kerja biasanya turun bila orang ada dua benda—kefahaman dan pengalaman tangan sendiri.

Dr Koh menyentuh isu yang sangat biasa: ramai cemas AI akan menggantikan kerja, sebahagiannya kerana tak jelas apa AI boleh buat. Beliau juga tekankan bahawa tak perlu pemahaman mendalam tentang coding untuk guna AI sebagai alat.

Saya setuju, tapi ada satu tambahan: orang akan lebih yakin bila syarikat beri standard penggunaan AI yang selamat. Tanpa guardrails, staf takut buat silap (kebocoran data, salah fakta), lalu mereka tak guna langsung.

“AI literacy” mesti termasuk keselamatan dan etika

Minimum yang patut ada dalam polisi penggunaan AI:

• Apa yang tak boleh dimasukkan ke alat AI (data pelanggan, NRIC, harga sensitif, kontrak)
• Bila perlu semakan manusia (kandungan iklan, pematuhan, tuntutan produk)
• Cara simpan prompt/output (audit trail, folder, tagging)
• Senarai alat yang diluluskan

AI literacy yang matang bukan sekadar “guna ChatGPT”. Ia adalah cara bekerja yang baru.

Playbook AI untuk bisnes: ikut contoh Grab, tapi sesuai untuk SME

Jawapan terus: playbook yang berkesan fokus pada 3 sasaran—use case, latihan peranan, dan metrik adoption.

Dalam artikel tersebut, Grab menyasarkan untuk melatih lebih 10,000 pemandu dan rakan niaga menjelang 2028, dan sudah melatih lebih 300 rakan niaga untuk meningkatkan jualan dan produktiviti outlet F&B. Mereka juga menubuhkan AI Centre of Excellence dan merekrut lebih 50 orang.

SME mungkin tak mampu bina pusat kecemerlangan AI besar, tapi anda boleh tiru logik di belakangnya.

Langkah 1: Pilih 5 use case yang dekat dengan revenue

Untuk kempen AI Business Tools Singapore (goal: leads), saya akan pilih use case yang cepat nampak hasil, terutamanya untuk pemasaran dan customer engagement:

1. Menjana variasi iklan & copy sosial (dengan panduan brand)
2. Menyusun skrip follow-up WhatsApp/Email (ikut persona)
3. Ringkasan lead call + tindakan susulan automatik
4. FAQ pintar untuk laman web/DM (dengan semakan polisi)
5. Analisis ulasan pelanggan untuk tema masalah produk

Bila staf nampak AI membantu pipeline, latihan jadi mudah dijustifikasikan.

Langkah 2: Latihan ikut peranan, bukan ikut jabatan

“Marketing team” terlalu luas. Latihan lebih tepat bila ikut peranan:

• Content exec: prompt untuk outline, tone, CTA, dan repurpose
• Performance marketer: idea test, angle, penamaan kempen, analisis kreatif
• Sales rep: ringkasan panggilan, objection handling, personalisasi follow-up
• Ops/admin: minit mesyuarat, SOP, templat dokumen

Langkah 3: Ukur adoption dengan 3 metrik mudah

Metrik tak perlu kompleks. Saya suka tiga ini:

• Usage: berapa ramai staf guna alat AI sekurang-kurangnya 3× seminggu
• Time saved: jam dijimatkan per tugasan (contoh: 20 min → 8 min)
• Quality: skor semakan (contoh: lebih sedikit kesalahan fakta, lebih konsisten tone)

Jika tak ukur, anda cuma “harap” AI digunakan.

Apa peranan EdTech dalam integrasi kerja-belajar AI

Jawapan terus: EdTech jadi penghubung yang menjadikan pembelajaran AI lebih diperibadikan, boleh diukur, dan relevan dengan kerja sebenar.

Siri AI dalam Pendidikan dan EdTech sering menekankan pembelajaran diperibadikan dan analisis prestasi. Dalam konteks tenaga kerja, prinsip yang sama boleh digunakan:

• Platform pembelajaran yang mencadangkan modul berdasarkan jurang kemahiran
• Kuiz ringkas yang menguji pemahaman risiko (privasi, bias, pematuhan)
• “Assignment” yang memerlukan artefak kerja sebenar
• Dashboard yang tunjuk kemajuan individu dan pasukan

Bila pembelajaran disatukan dengan kerja, organisasi dapat dua faedah: kemahiran naik, dan output kerja terus bertambah baik.

Q&A ringkas yang biasa ditanya pemilik bisnes

Berapa lama nak bina AI literacy asas? Untuk kebanyakan pasukan, 2–4 minggu cukup untuk asas (dengan latihan pendek 2–3 kali seminggu). Tapi tabiat kerja biasanya ambil 8–12 minggu untuk stabil.

Perlu ajar coding? Tidak untuk majoriti peranan. Fokus pada prompting, semakan kualiti, dan proses kerja. Coding hanya perlu untuk pasukan automasi/produk tertentu.

AI literacy patut mula dari mana—HR atau business owner? Owner/leadership mesti tetapkan arah (use case + risiko). HR bantu struktur program. Kalau owner tak terlibat, ia jadi latihan tanpa impak.

Mulakan minggu ini: pelan 14 hari untuk AI literacy di syarikat

Jawapan terus: mula kecil, tetapi jadikan ia rutin.

Ini pelan yang saya cadangkan untuk syarikat yang nak bergerak cepat tanpa “projek besar”:

1. Hari 1–2: pilih 3 use case (1 marketing, 1 sales, 1 ops)
2. Hari 3: tetapkan polisi ringkas data (apa tak boleh share)
3. Hari 4–6: bina 10 prompt template per peranan
4. Hari 7: latihan 90 minit (hands-on) + tugasan artefak
5. Hari 8–13: sprint penggunaan (setiap orang mesti guna 1× sehari)
6. Hari 14: review output + ukur masa dijimatkan + kemas kini SOP

Jika anda ulang sprint ini sebulan sekali, AI literacy akan naik secara konsisten—dan staf akan rasa lebih yakin.

Apa yang akan membezakan syarikat pada 2026

AI literacy yang baik bukan tentang siapa yang paling awal guna alat tertentu. Ia tentang siapa yang paling cepat menjadikan AI sebagai kebiasaan kerja yang selamat dan boleh diukur.

Kenyataan Dr Koh Poh Koon tentang integrasi kerja-belajar patut dibaca sebagai isyarat strategik: tenaga kerja yang tahan lasak lahir daripada pembelajaran yang berjalan seiring dengan kerja, bukan selepas kerja berubah.

Jika anda sedang fikir bagaimana nak mula—terutama untuk pemasaran, customer engagement, dan operasi—mula dengan satu pasukan kecil, satu proses, dan satu metrik. Lepas itu skala. Soalan yang patut anda tanya hari ini: proses mana yang paling banyak membazir masa minggu ini, dan apa versi “lebih pantas tetapi masih tepat” dengan bantuan AI?