WorkBuddy Shanghai Jahwa: Daripada Projek Perintis kepada Model Operasi AI Merentas Jabatan

Apa yang menarik tentang penggunaan WorkBuddy di Shanghai Jahwa bukan sekadar angka peningkatan kecekapan 4.5 kali ganda. Yang lebih penting ialah cara syarikat itu mengembangkannya.

Berbanding menggunakan AI sebagai chatbot umum, pasukan Shanghai Jahwa dilaporkan menukar tugasan berulang dan berasaskan peraturan kepada aliran kerja yang telah diuji serta “Skill” yang boleh diguna semula. Dengan cara ini, pengetahuan yang sebelum ini tersimpan dalam pengalaman seseorang pekerja menjadi sumber operasi bersama untuk seluruh organisasi. 4

Namun, angka tersebut perlu dibaca dengan berhati-hati. Ia datang daripada kajian kes yang dilaporkan oleh syarikat, bukannya audit produktiviti bebas.

Daripada projek perintis dua pasukan kepada sembilan jabatan

WorkBuddy dilaporkan bermula dengan pasukan IT dan HR Shanghai Jahwa pada April 2026, sebelum berkembang kepada penggunaan rutin di sembilan jabatan. Skopnya merangkumi fungsi seperti rantaian bekalan, pemasaran jenama, penyelidikan dan pembangunan (R&D), kewangan, HR serta IT. Syarikat itu melaporkan peningkatan kecekapan purata pekerja melebihi 4.5 kali ganda. 4

Proses pengembangan ini berasaskan empat langkah:

1. Kenal pasti kerja berulang. Setiap fungsi mencari proses yang kerap melibatkan pengumpulan data, padanan rekod, pemformatan, analisis atau pelaporan.
2. Terjemahkan peraturan perniagaan kepada aliran kerja. Pekerja memecahkan cara kerja itu dilakukan, kemudian menggunakan WorkBuddy untuk membina skrip atau Skill berstruktur.
3. Uji dengan data sejarah sebenar. Pasukan menyemak hasil, membetulkan kesilapan dan menambah pengecualian yang ditemui ketika pengujian.
4. Guna semula hasilnya. Selepas boleh dipercayai, aliran kerja itu boleh dijalankan berulang kali dan dikongsi dengan pekerja atau jabatan lain.

Pendekatan ini menjadikan penggunaan AI sebagai usaha mereka bentuk semula proses kerja, bukan sekadar memasang perisian baharu. Pekerja yang memahami konteks perniagaan masih bertanggungjawab terhadap pertimbangan dan kawalan kualiti, manakala ejen AI mengurus sebahagian besar kerja pelaksanaan yang berulang.

Bagaimana pekerja menggunakan ejen AI itu

Kegunaan yang dilaporkan jauh melangkaui penulisan teks. Dalam bulan terkini yang dirujuk, 67% pengguna menggunakan WorkBuddy untuk tugasan perniagaan khusus, 63% untuk pemprosesan dan analisis data, manakala 57% untuk automasi serta operasi atau penyelenggaraan. Angka ini ialah bahagian penggunaan yang dilaporkan, bukan ukuran jumlah masa yang dijimatkan bagi setiap aktiviti. 7

Antara contoh penggunaannya di Shanghai Jahwa ialah:

• R&D: Menyelidik bahan kosmetik dan peraturan yang berkaitan.
• Kewangan: Menukarkan peraturan semakan tuntutan bayaran balik kepada proses berulang serta menghasilkan laporan saringan pelaburan.
• HR: Menyediakan peringatan tamat tempoh percubaan untuk pengurus dan pekerja.
• Rantaian bekalan: Mengemas kini papan pemuka lantai pengeluaran secara automatik merentas beberapa bengkel.
• Pemasaran jenama: Menghasilkan cerapan pengguna, menganalisis kandungan dan menyediakan bahan pemasaran.

Pasukan pemasaran juga dilaporkan menukar kira-kira 70% semakan mingguan berbentuk pembentangan kepada halaman HTML. Halaman ini boleh dikongsi di seluruh syarikat, dikemas kini secara dalam talian dan dilihat tanpa perlu menunggu fail pembentangan statik baharu diedarkan.

Kes rantaian bekalan: 60 juta baris data diproses dalam beberapa minit

Contoh paling jelas datang daripada proses pengebilan logistik. Perniagaan B2C Shanghai Jahwa menggunakan platform Tmall, JD dan Douyin. Caj gudang, pengendalian, penghantaran serta caj lain pula tersebar dalam tujuh kategori bil mentah. Dalam tempoh 18 bulan, jumlah data mencecah kira-kira 60 juta baris.

Sebelum ini, proses bulanan berasaskan Excel mengambil masa lima hingga enam hari-orang. Apabila saiz fail membesar, sesetengah fail juga menjadi sukar untuk dibuka atau diproses.

Zhang Ying, seorang pengurus operasi rantaian bekalan yang mempunyai latar belakang ekonomi tetapi tidak mempunyai pengalaman menulis kod, dilaporkan menyelesaikan masalah itu dengan memecahkan proses bulanan kepada langkah-langkah kecil. WorkBuddy kemudian menjana skrip Python untuk langkah tersebut.

Zhang menguji skrip berulang kali menggunakan data sejarah selama 18 bulan. Apabila ujian menemukan pengecualian atau peraturan perniagaan baharu, beliau memasukkannya ke dalam Skill yang boleh diguna semula.

Perubahan yang dilaporkan ialah:

• Analisis bil bulanan: dua hari-orang kepada 15 minit.
• Jadual asas carta rama-rama: satu hari-orang kepada dua minit.
• Papan pemuka visual: 1.5 hari-orang kepada tiga minit.
• Keseluruhan aliran kerja bulanan: lima atau enam hari-orang kepada kurang 20 minit.
• Peningkatan tertinggi bagi satu tugasan: sehingga 150 kali ganda.

Hasilnya bukan sekadar hamparan yang lebih pantas. Papan pemuka itu boleh ditapis mengikut dimensi seperti jenama, platform, kategori perbelanjaan dan nilai pesanan purata. Pengurus juga boleh membuka pautan untuk melihat keputusan terkini tanpa menunggu laporan baharu disediakan dari awal.

Mengapa model ini boleh berkembang

Kes Shanghai Jahwa menunjukkan bahawa penggunaan ejen AI dalam perusahaan lebih mudah berkembang apabila tugasan pertama mempunyai tiga ciri:

• Ia dilakukan dengan cukup kerap sehingga automasi berbaloi.
• Peraturannya boleh diterangkan dan diuji.
• Hasilnya boleh dibandingkan dengan rekod sedia ada atau jangkaan perniagaan.

Proses padanan bil logistik memenuhi ketiga-tiga ciri tersebut. Ia berulang dan sarat dengan data, tetapi masih memerlukan pekerja yang memahami struktur bil, mengenal pasti pengecualian dan menentukan sama ada hasilnya munasabah dari sudut perniagaan. WorkBuddy mempercepatkan kerja mekanikal tanpa menghapuskan pengawasan pakar.

Prinsip sama turut digunakan oleh pasukan kewangan, HR, R&D dan pemasaran. Setiap pasukan menyumbangkan konteks serta pertimbangan profesional, sementara ejen AI membantu membungkus bahagian kerja yang berulang menjadi aliran kerja yang boleh dijalankan semula dan, dalam sesetengah kes, dikongsi dengan lebih meluas. 4

Pengganda produktiviti, bukan penggantian pekerjaan secara automatik

Hujah Tencent berdasarkan penggunaan ini sebenarnya lebih terhad — dan lebih praktikal — daripada dakwaan bahawa AI menggantikan pekerja pejabat. Peningkatan yang dilaporkan datang daripada pakar bidang yang menetapkan peraturan, mengesahkan hasil, membetulkan pengecualian dan menukar proses yang berjaya kepada aset organisasi yang boleh diguna semula. 4

Perbezaan ini penting. Chatbot mungkin memberikan jawapan sekali lalu, tetapi Skill yang telah diuji boleh mengekalkan cara sesebuah syarikat menjalankan tugasan berulang. Nilainya semakin besar apabila beberapa jabatan membina dan menggunakan semula aliran kerja, bukannya menyimpan setiap automasi sebagai eksperimen yang terasing.

Pada masa yang sama, angka utama itu tidak boleh terus digeneralisasikan kepada semua syarikat atau jawatan. Bukti yang tersedia hanya menerangkan hasil yang dilaporkan Shanghai Jahwa bagi beberapa aliran kerja terpilih. Ia tidak membuktikan secara bebas bahawa produktiviti semua pekerja meningkat 4.5 kali ganda.

Pengajaran yang lebih kukuh ialah model operasinya: mulakan dengan kerja yang boleh diukur dan berulang, kekalkan pakar dalam proses semakan, uji menggunakan data sebenar, kemudian kongsikan perkara yang terbukti berkesan.