Sejak akhir 2024, selain bisnis intinya dalam penyimpanan crypto dan pembayaran stablecoin, Cobo telah terus mengeksplorasi kombinasi AI dan blockchain.
Kami awalnya melihat potensi standarisasi keterampilan yang dibawa oleh MCP. Secara teori, jika keterampilan cukup terstandarisasi, AI dapat memanggil kemampuan seperti plugin, dan blockchain akan menjadi infrastruktur keuangan paling alami untuk AI.
Kemudian kami menginkubasi secara internal sebuah toko aplikasi MCP. Tapi itu cepat terbukti salah.
Pada saat itu, ambang batas AI masih terlalu tinggi sehingga hanya insinyur berpengalaman yang dapat memanggilnya dengan mahir, dan MCP tidak cukup terstandarisasi, setiap integrasi memakan waktu dan tenaga, biaya tinggi, progres lambat, hasil implementasi jauh dari bayangan.
Tapi tim AI sudah terbentuk. Mahal, sulit direkrut, dan tidak mungkin dibubarkan dengan mudah.
Jadi kami memutuskan untuk mengubah arah. Jika sekarang belum bisa mengubah dunia pelanggan, ubah diri sendiri dulu.
Masalah pertama: Keamanan
Cobo sebagai perusahaan penyimpanan aset, baik data maupun kerangka proses teknis internal, sangat sensitif. Secara internal juga ada hierarki data yang ketat. Tapi tanpa data, tanpa input bisnis nyata, tidak mungkin melatih Agent perusahaan sendiri.
Kami awalnya berpikir untuk deployment model lokal. Tapi kenyataannya, tingkat kecerdasan model lokal tidak memenuhi syarat. Bisa jalan, tapi tidak mudah digunakan; bisa menjawab, tapi tidak cukup pintar.
Akhirnya memilih Claude, Gemini sebagai utama (dapat mengajukan ZDR — klausul retensi data nol, mencapai isolasi tingkat tertinggi).
Tapi model besar hanya "otak" dasar bisnis. Yang benar-benar kompleks, adalah data dan izin.
Kami kemudian membuat seluruh set pengetahuan internal dan kerangka Agent.
Basis pengetahuan internal + sistem agent buatan sendiri cobo
Basis pengetahuan bertanggung jawab atas stratifikasi data internal perusahaan. Sesuai dengan izin karyawan, alokasi jangkauan yang dapat dibaca.
Agent saat memanggil basis pengetahuan, juga mewarisi izin karyawan, bukan memiliki "sudut pandang Tuhan".
Detail di sini termasuk:
- Bagaimana mengisolasi lingkungan jaringan
- Bagaimana membatasi pergerakan data lintas lapisan
- Bagaimana mengontrol log yang disimpan dapat diaudit
- Bagaimana menghindari kebocoran informasi sensitif
Ini tidak seksi, tapi menentukan apakah hal ini bisa berjalan jangka panjang. AI tidak boleh menjadi celah keamanan.
Masalah setelah arsitektur siap: Tidak ada yang menggunakan
Bahkan sampai hari ini, perusahaan masih menghadapi masalah nyata: banyak bisnis front office meremehkan AI.
Jika hanya mendorong penggunaan, AI mengubah alur kerja tidak akan terjadi.
Kami kemudian menyadari, harus bertindak dari manajemen perusahaan.
Terobosan pertama: OKR Agent
Skenario pertama yang kami paksakan, bukan layanan pelanggan, juga bukan menulis kode.
Adalah OKR.
Kami menggunakan AI untuk memecah strategi perusahaan, menggunakan AI untuk membantu menetapkan OKR, menggunakan AI untuk melacak kemajuan, menggunakan AI untuk mereview titik tersendat.
Artinya, manajemen perusahaan, dari manajemen manusia, perlahan berubah menjadi pemerintahan silikon-karbon. Proses ini sangat tidak nyaman bagi karyawan.
Dulu target bisa ditulis lebih cantik, proses bisa dijelaskan lebih masuk akal. Sekarang data mingguan ada di sana, alasan semakin sedikit.
Sejak saat itu, tujuan tidak lagi hanya diskusi dalam rapat, tetapi menjadi catatan berkelanjutan dalam sistem.
strategy okr mendorong kemajuan bisnis mingguan
Tapi juga dari kinerja, setiap orang baru benar-benar familiar dengan AI. Karena jika tidak berpartisipasi, itu langsung mempengaruhi kompensasi Anda.
Dari Kinerja ke Bisnis: Agentisasi Menyeluruh
Ketika OKR berjalan, kami mulai mendorong Agentisasi layanan internal. Kami menggunakan cara penilaian + bonus, memaksa setiap departemen mendirikan Agent terkait bisnis mereka.
Layanan pelanggan membuat Agent layanan pelanggan. Hukum membuat Agent bantuan kontrak. Penjualan membuat Agent CRM.
Mencari agent pelanggan yang paling sarkastik
Akhirnya meluncurkan lebih dari 100 Agent.
Kami tidak bisa mengkuantifikasi secara tepat hasil "pemerintahan silikon-karbon".
Tapi setidaknya satu perubahan jelas:
Dulu saat menghadapi masalah, reaksi pertama adalah "apakah perlu merekrut satu orang lagi". Sekarang reaksi pertama adalah, "bisakah sistem berpartisipasi dulu".
Inilah yang kami pahami sebagai pemerintahan silikon-karbon. Bukan AI menggantikan manusia. Tapi manusia mulai terbiasa bekerja dengan sistem.
Beberapa pelajaran nyata dari perjalanan setahun ini
Pertama, memiliki arus kas yang sehat.
Jika arus kas perusahaan tidak sehat, transformasi seperti ini tidak akan sampai finish. AI bukan alat penghemat uang, ini investasi awal untuk upgrade struktur jangka panjang, terima kasih bisnis utama Cobo masih memiliki arus kas yang sehat.
Kedua, harus top-down didorong.
Organisasi tidak akan berubah spontan. Jika manajemen tidak mendorong kuat, hal ini akan gagal secara alami.
Seperti diketahui, pendiri Cobo adalah pemain AI berat, CTO Dr. Jiang sudah memulai beberapa penelitian AI sejak postdoc di CMU tahun nol sekian.
Ketiga, harus dipaksakan penggunaannya.
Jika hanya dorongan, AI selamanya hanya menulis email. Perubahan yang benar-benar masuk alur, pasti agak "paksaan".
Keempat, selesaikan bisnis sendiri dulu.
Banyak perusahaan bicara AI + Web3. Tapi jika internal sendiri belum menyelesaikan AIisasi, yang dibicarakan ke luar hanyalah konsep.
Melihat ke belakang
Kami juga tidak bisa sepenuhnya mengkuantifikasi transformasi ini. Perusahaan mulai dari "manusia menggerakkan alur", perlahan beralih ke "sistem yang digerakkan tujuan".
Jika di masa depan benar-benar muncul "organisasi cerdas", itu pasti tidak berevolusi secara alami. Itu didorong oleh ketidaknyamanan一轮又一轮 (satu putaran demi satu putaran).
Karena partisipasi seluruh staf, perusahaan juga bisa lebih memahami kebutuhan nyata di era AI.
Ini juga produk sampingan dari transformasi internal kami.
Baru-baru ini kami meluncurkan Cobo Waas Skill. Cobo WaaS Skill adalah lapisan kemampuan integrasi dan operasi yang dirancang khusus untuk AI Coding Agent, melalui pengetahuan terstruktur, contoh yang dapat dieksekusi, dan pengaturan adegan, memungkinkan Agent memanggil API WaaS dengan akurat. Kami sedang mengupgrade API dompet menjadi modul kemampuan keuangan yang dapat langsung dipanggil oleh AI Agent. Siklus pengembangan dipersingkat dari tingkat minggu ke tingkat percakapan.
Ini bukan hasil dari satu inspirasi produk tertentu. Tapi adalah hasil limpahan alami kemampuan setelah putaran pemerintahan silikon-karbon internal kami.
Kami masih mencari-cari.
Tapi setidaknya, Cobo hari ini, bukan lagi perusahaan tahun 2024 itu.
