Sa mabilis na umuusbong na tanawin ng tingian teknolohiya, ang pagsasama ng artificial intelligence (AI) ay lalong nagiging pundasyon para sa mga negosyo sa kabuuan Asya. Gayunpaman, sa gitna ng kaguluhan ay may isang mahalagang tanong: Gaano kahanda ang mga organisasyon sa Singapore at ang mas malawak na rehiyon ng APAC na yakapin ang AI sa isang makabuluhang sukat? Bagama't maaaring maging game changer ang AI, ang kakayahang magamit ito nang epektibo ay nakadepende nang malaki sa isang mahalagang elemento—ang pagiging handa ng data.
Ayon sa mga hula ni Gartner, pagsapit ng 2026, higit sa kalahati ng mga proyekto ng AI ang mabibigo dahil sa kakulangan ng AI-ready na data, na nagiging hindi epektibo kahit na ang pinaka-sopistikadong mga algorithm. Ang hindi organisado, pira-piraso, o hindi kumpletong data ay maaaring makasira sa mga ambisyon ng AI ng isang organisasyon, na humahantong sa mga magastos na maling hakbang, napalampas na mga pagkakataon, at mga potensyal na paglabag sa pagsunod. Sa Singapore, kung saan mahigpit ang mga regulasyong hakbang sa pamamahala ng data, ang hamon ay hindi lamang pangangalap ng data kundi pagtiyak na ito ay malinis, maayos, at sapat na secure para sa epektibong paggamit ng AI.
Upang matukoy ang mga katotohanan ng pagiging handa ng data at ang paglalakbay patungo sa napapanatiling pagbabago, iTNewsAsia naupo kasama si Norihiro (Nick) Katagiri, ang Senior Vice President sa Canon sa Singapore, na nakipagsosyo sa mga organisasyon upang isama ang mga matalinong teknolohiya sa kanilang mga digital na diskarte.
Sinabi ni Katagiri na pinabibilis ng mga negosyo sa Asia ang kanilang AI adoption—isang trend na nakikita sa Singapore, kung saan ang mga kumpanya ay sabik na gamitin ang AI, madalas bago ganap na ipahayag ang kanilang mga layunin. "Habang ginagamit ang AI upang mapahusay ang kahusayan sa daloy ng trabaho at pangkalahatang pagiging mapagkumpitensya, ang hamon ng malawakang pag-ampon ng empleyado ay nananatiling pinakamahalaga," paliwanag niya. Kahit na ang pinakamagagandang AI tool ay maaaring mag-flop kung ang workforce ay kulang sa pag-unawa o tiwala na kailangan para magamit ang mga ito nang epektibo.
Ang mga organisasyong naghahanap upang mag-tap sa kapangyarihan ng AI ay dapat munang tumutok sa pagkamit ng pagiging handa ng data. Maraming mga negosyo ang nagtataglay pa rin ng mahalagang impormasyon sa mga papel at analogue na anyo, at ang pag-digitize sa mga talaang ito ay mahalaga upang baguhin ang hindi gumagalaw na data sa mga magagamit na asset. Pagkatapos lamang nito maaari nilang ikategorya ang kanilang data—sa mga structured, semi-structured, at unstructured na mga uri—sa gayon matiyak na epektibo nilang mailalapat ang mga tamang tool sa AI.
Gayunpaman, ang pagtiyak sa pagiging handa ng data ay simula pa lamang. Dapat ding tumuon ang mga organisasyon sa kanilang mga teknolohikal na kakayahan, na tumutukoy sa mga partikular na daloy ng trabaho kung saan makakapaghatid ang AI ng agarang halaga. Nangangailangan ito ng maingat na pagpaplano sa halip na isang malawak na pagkagambala sa mga kasalukuyang sistema. Mahalaga rin na bigyang-priyoridad ang kahandaan ng mga manggagawa, na tinitiyak na ang mga kawani ay may mga kasanayan at pagsasanay na kinakailangan upang magamit nang epektibo ang AI. Pagkatapos ng lahat, ang isang mahusay na inihanda na koponan ay maaaring maging teknolohikal na potensyal sa mga nakikitang resulta ng negosyo.
Malakas ang gana para sa AI sa APAC, na ang mga pamumuhunan ay inaasahang lalago sa isang tambalang taunang rate na 24 porsiyento mula 2023 hanggang 2028. Gayunpaman, ang mga organisasyon ay madalas na nakikipagbuno sa pag-align ng kanilang mga ambisyon at kahandaan sa pagpapatakbo. Marami ang mga hadlang—madalas na nahihirapan ang mga kumpanya na tukuyin ang mga nasusukat na KPI, tiyakin ang katumpakan ng data, at epektibong pamahalaan ang kanilang data. Ang isang karaniwang pitfall ay ang patuloy na pag-asa sa mga analog record na pumipigil sa kakayahang magamit ang teknolohiya ng AI para sa mga kritikal na desisyon sa negosyo.
"Ang matatag na pamamahala sa data ay hindi napag-uusapan," binibigyang-diin ni Katagiri. Ang pagpapanatili ng pagsunod, pag-secure ng sensitibong impormasyon, at pagpapatibay ng tiwala sa mga prosesong hinimok ng AI ay mga mahahalagang elemento para sa tagumpay.
Nasa puso ng pagiging epektibo ng AI ang kalidad ng data. Ang maling data, na kadalasang nagreresulta mula sa pagkakamali ng tao—tulad ng maling pagpasok ng data o hindi mabasang sulat-kamay—ay maaaring makadiskaril kahit na ang pinakamapangako na mga inisyatiba ng AI. Bukod dito, ang pagsasama-sama ng data ay nagpapalakas ng tuluy-tuloy na pakikipagtulungan sa pamamagitan ng pagsasama-sama ng iba't ibang channel ng data sa isang magkakaugnay na platform, na nagbibigay-daan sa AI na maghatid ng mga insight mula sa isang isahan, mapagkakatiwalaang pinagmulan.
Para sa mga organisasyong tumatakbo sa isang multinasyunal na sukat, ang pagiging kumplikado ay dumarami habang ang data ay lumalampas sa mga hadlang sa heograpiya at linguistic. Ang pagkumbinsi sa lahat na ayusin ang data bago tumawag sa AI cavalry ay mahalaga sa pagkamit ng maaasahang mga resulta.
Upang i-unlock ang tunay na potensyal ng data, dapat munang kilalanin ng mga organisasyon ang mga uri ng data na kanilang pinamamahalaan. Bagama't diretso ang mga structured na dokumento para sa mga solusyon sa pagkuha ng data, ang mga semi-structured at unstructured na dokumento ay nangangailangan ng mas sopistikadong paghawak. Sa kabutihang palad, maaaring i-automate ng modernong AI ang pagpoproseso ng lahat ng uri ng mga dokumento, gamit ang Natural Language Processing (NLP) upang makuha ang konteksto at matukoy ang kahulugan, sa gayon ay mababawasan ang manu-manong paggawa na kasangkot.
Halimbawa, ang mga solusyon sa pagkuha ng dokumento ng Canon ay maaaring magproseso ng higit sa 1,000 mga invoice araw-araw, na lubhang nakakabawas ng manu-manong pag-input at mga error—isang panalo-panalo na hindi lamang nagpapabilis sa mga proseso ngunit nagpapahusay din sa pagsunod.
Habang ang pagpapakilala ng mga matalinong teknolohiya ay maaaring mapahusay ang pakikipagtulungan at pagiging produktibo, ang hindi maayos na pinagsamang mga sistema ay maaaring humantong sa pagtanggal ng empleyado sa halip na pagbibigay ng kapangyarihan. Ipinapakita ng mga kamakailang survey na 51 porsiyento ng mga organisasyon ay nahaharap sa mga hamon sa pagkuha ng kanilang mga tauhan na yakapin ang mga bagong teknolohiya, na itinatampok ang pangangailangan para sa human-centric na disenyo at matatag na pamamahala sa pagbabago.
"Mahalagang ilarawan ang tunay, praktikal na mga benepisyo ng mga matalinong teknolohiya," sabi ni Katagiri, na nagbibigay-diin na ang mga nasasalat na pagpapabuti sa pang-araw-araw na operasyon ay maaaring magsulong ng higit na pagtitiwala at pakikipag-ugnayan sa mga bagong tool.
Sa legal na sektor, kung saan ang mga propesyonal ay madalas na nagsasalamangka ng maraming dokumento sa ilalim ng mahigpit na mga deadline, ang AI ay maaaring mapadali ang makabuluhang pagtitipid sa oras. Halimbawa, ang mga tool na binuo para sa awtomatikong paghahambing ng dokumento ay nagbibigay-daan sa mga law firm na matukoy ang mga pagkakaiba nang mabilis, habang ang mga tool sa buod ay nagpapadalisay ng mahahabang legal na dokumento sa mga maigsi na pangkalahatang-ideya, na tumpak na nilagyan para sa madiskarteng paggawa ng desisyon. Binabago ng mga pagsulong na ito kung paano pinamamahalaan ng mga law firm ang daloy ng trabaho at pinapanatili ang pagsunod.
Habang ang mga organisasyon ay nakakaramdam ng pressure na tumalon sa AI bandwagon, dapat silang maingat na humakbang upang maiwasan ang mga karaniwang pitfalls. Ang pagtrato sa bawat set ng data nang homogenous ay maaaring humantong sa mga inefficiencies; gayundin, ang kakulangan ng kalinawan sa paligid ng mga layunin ay humahadlang sa pagsusuri sa pagganap. Kailangan ding patibayin ng mga organisasyon ang kanilang mga framework ng pamamahala sa data upang mabawasan ang mga panganib na nauugnay sa pagsunod at mga paglabag sa seguridad.
Sa huli, ang isang komprehensibong pagtatasa ng mga panganib—nagsisimula sa disiplinadong pamamahala ng data—ay mahalaga para matiyak na ang mga inisyatiba ng AI ay magbubunga ng mga naaaksyunan na insight at napapanatiling halaga ng negosyo.
– Norihiro (Nick) Katagiri, Senior Vice President, Canon, Singapore
Upang epektibong magsimula sa isang AI at paglalakbay sa pagbabago ng data, dapat magsimula ang mga organisasyon sa pag-digitize, pag-convert ng mga tala ng papel sa mga digital na format na nagpo-promote ng accessibility at katumpakan. Ang paunang hakbang na ito ay nagbibigay daan para sa pag-embed ng mga advanced na tool sa mga pang-araw-araw na daloy ng trabaho, na lumilipat mula sa pangunahing pag-iimbak ng data patungo sa makabagong, batay sa data na paggawa ng desisyon.
Sa pamamagitan ng pamamaraang pag-aayos ng kanilang digital na diskarte—pagbuo mula sa pagkuha ng data hanggang sa advanced na analytics—masisiguro ng organisasyon ang isang matatag, pinamamahalaan ng panganib na pundasyon na nagpapadali sa tuluy-tuloy na pagsasama ng teknolohiya ng AI.
Aktibong inaangkop ng Canon ang teknolohiya at imprastraktura ng data nito upang suportahan ang mga umuusbong na pangangailangan ng customer sa iba't ibang sektor. Sa pamamagitan ng malapit na pakikipagtulungan sa mga kliyente, kumukuha ang Canon ng mga insight para makapaghatid ng mga iniangkop na solusyon na nakakatugon sa mga partikular na hamon habang ino-optimize ang kahusayan sa pagpapatakbo.
Ang pangako ng Canon ay umaabot sa pag-deploy ng AI-driven na mga solusyon sa seguridad sa mga lugar ng trabaho at retail na kapaligiran, na hindi lamang nagpapahusay sa kahusayan sa pagpapatakbo ngunit tinitiyak din ang pagsunod at proteksyon ng sensitibong data. Ang kanilang diskarte ay naglalagay sa kanila nang matindi sa intersection ng inobasyon at pagiging praktiko.
Upang mapanatili at mapatunayan sa hinaharap ang mga inisyatiba ng AI, ang mga organisasyon ay dapat magsimula sa isang matatag na diskarte sa data, na tinitiyak ang pagkakahanay sa pagitan ng mga layunin ng negosyo at mga nasusukat na KPI. Ang pamumuhunan sa scalable, interoperable na imprastraktura ay mahalaga habang patuloy na lumalaki ang dami ng data.
Habang umuunlad ang teknolohiya ng AI, ang paggamit ng modular at adaptable na framework ay nagbibigay-daan para sa tuluy-tuloy na pagsasama ng mga inobasyon sa hinaharap, na tinitiyak ang mahabang buhay at kaugnayan sa isang mabilis na digital marketplace.
Ano ang pinaka kritikal na unang hakbang para sa mga organisasyong naghahanap upang ipatupad ang AI?
Ang pagiging handa ng data ay higit sa lahat. Dapat munang i-digitize ng mga organisasyon ang kanilang mga analogue record para ibahin ang data sa isang magagamit na format bago nila matagumpay na maisama ang mga tool sa AI.
Paano nakakaapekto ang pakikipag-ugnayan ng empleyado sa pagpapatupad ng AI?
Kung walang tiwala at pag-unawa mula sa mga empleyado, kahit na ang pinakamahusay na mga solusyon sa AI ay maaaring mabigo. Ang matagumpay na pagpapatupad ay nangangailangan ng human-centric na disenyo at matatag na mga diskarte sa pamamahala ng pagbabago upang matiyak ang maayos na pag-aampon.
Anong mga karaniwang hamon ang kinakaharap ng mga organisasyon sa AI adoption?
Maraming organisasyon ang nahihirapan sa pagtukoy ng mga malinaw na layunin ng negosyo, pagtiyak ng katumpakan ng data, at pagsasama ng mga bagong teknolohiya sa mga kasalukuyang daloy ng trabaho, na humahadlang sa kanilang kakayahang magamit nang epektibo ang AI.
