Pendahuluan
Transformasi digital sektor awam semakin ditingkatkan oleh penggunaan teknologi Kecerdasan Buatan (AI), khususnya dalam meningkatkan kecekapan penyampaian perkhidmatan. Virtual assistant atau chatbot kini menjadi salah satu aplikasi utama AI.
Chatbot pertama, ELIZA, dibangunkan oleh Joseph Weizenbaum pada 1964–1966 di Massachusetts Institute of Technology (MIT) sebagai meniru cara ahli psikoterapi berkomunikasi dengan menggunakan padanan kata kunci untuk memberi jawapan. Ia berjaya menipu pengguna untuk percaya bahawa ia memahami bahasa manusia, walaupun hanya berdasarkan skrip. Ini meletakkan asas untuk konsep Turing Test dalam percakapan AI.
Pada 1990-an, ALICE (Artificial Linguistic Internet Computer Entity) oleh Richard Wallace memperkenalkan pemprosesan bahasa semula jadi iaitu Natural Language Processing (NLP) asas dan memenangi pertandingan chatbot. Trend terkini melibatkan model seperti ChatGPT, yang menggunakan pembelajaran mesin untuk perbualan konteks dan pelbagai bahasa. Evolusi ini meningkatkan aplikasi dalam perkhidmatan pelanggan dan kerajaan. Di Malaysia, penggunaan AI terutamanya chatbot semakin meluas dalam sektor kerajaan bagi meningkatkan kecekapan dan kualiti perkhidmatan.
Pengenalan dan Latar Belakang
Sistem AuditME dibangunkan untuk membantu penilaian kendiri pengurusan kewangan di Kementerian Pendidikan (KPM). Namun, sistem ini menghadapi cabaran seperti tiada mekanisme sokongan, isu sokongan bagi permasalahan kata laluan dan navigasi yang memaksa pengguna bergantung kepada sokongan manual melalui e-mel atau telefon.
AIME telah diperkenalkan dan dipersembahkan pada 28 Oktober 2025 ketika Program “Innovative AI & Data Solutions for Public Sector Professionals” di HCL Tech, Chennai, India sebagai pembantu maya berasaskan AI untuk mengatasi isu ini dengan objektif mengurangkan sokongan manual, mengurangkan masa untuk sokongan kepada pemegang taruh dan pengguna serta meningkatkan kepuasan pengguna.
Pelaksanaan Projek
AIME mempunyai antara muka chat luar talian dalam Bahasa Melayu, Intent Classification (pengkelasan niat) AI dan papan pemuka analitik. Sistem ini dijangka membantu pengguna secara masa nyata dan mengurangkan beban pentadbir sistem. Apa yang unik berkenaan dengan AIME ini iailah, pengguna boleh mohon untuk reset kata laluan atau ID terus di ruangan chat dan pentadbir sistem akan mendapat notifikasi bagi keperluan pengguna melaui media sosial (Telegram/Whatsapp) dan e-mel (Mailjet/MyGovUC).
Interaksi sistem ini melibatkan pengguna, pangkalan data, API backend dan modul analitik. Perancangan integrasi pada masa akan datang projek ini adalah termasuk Sistem Pengurusan Identiti (idMe), KPM untuk versi 2.0.
Sistem dan Personas Pengguna
AIME berinteraksi dengan UI chat web, pangkalan pengetahuan, API belakang (untuk reset kata laluan, semakan peranan pengguna), dan modul analitik. Persona utama termasuk:
Seni Bina Teknologi
AIME menggunakan Django, MySQL, Bootstrap untuk UI, Llama 3 untuk enjin AI dengan RAG, dan integrasi Mailjet dan Telegram, semuanya disiapkan dalam teknologi Docker dan Ollama membolehkan operasi secara lokal tanpa kebergantungan internet serta memastikan privasi data. Sekiranya ada keperluan akan datang untuk tujuan keselamatan, sistem ini boleh menggunakan API Whatsapp dan e-mel Kerajaan di MyGovUC untuk tujuan notifikasi dan pemakluman kepada pengguna dan pentadbir sistem bagi menggantikan Mailjet dan Telegram.
Perbandingan Model dan Kos
Terdapat pelbagai model boleh digunakan dalam Pembangunan chatbot walaubagaimana pun, untuk tujuan projek kursus tersebut, Llama3 dipilih kerana sesuai dengan tidak memerlukan kos. Jadual 2 adalah perbandingan antara Model yang digunakan dalam chatbot.
Menggunakan model lokal seperti Llama 3 memberikan kos rendah dan privasi tinggi berbanding model awan seperti GPT. Jadual 3 menunjukkan perbandingan antara tiga model:
Kos vendor boleh mencecah ratusan ribu ringgit, manakala AIME menggunakan pendekatan kos minimum melalui sumber terbuka (open source) dan pembangunan secara dalaman.
Cabaran Projek
Cabaran utama projek ini adalah termasuk kekurangan data, infrastruktur bagi projek AI dan kepakaran dalam ilmu dan kemahiran AI. Cabaran ini cuba diatasi melalui penggunaan FAQ menggunakan Retrieval-Augmented Generation (RAG) knowledge base dan pembangunan secara berperingkat mengikut kepakaran serta latihan bagi pentadbir sistem.
Kesimpulan
AIME membuktikan AI mampu meningkatkan kecekapan sektor awam dengan kos rendah. Projek ini mampu diperluaskan ke sistem lain dan menyokong agenda pendigitalan negara. Pendekatan pembangunan secara dalaman menggunakan teknologi sumber terbuka membuktikan bahawa inovasi berimpak tinggi boleh dicapai tanpa kebergantungan kepada vendor luar. Justeru, AIME berpotensi dijadikan model rujukan bagi pelaksanaan AI yang mampan, selamat dan kos efektif dalam agensi kerajaan lain selaras dengan agenda pendigitalan negara. Projek ini turut menyokong agenda Kerajaan Digital Malaysia, khususnya dalam mempercepatkan automasi proses kerja dan meningkatkan kecekapan operasi data dalam sektor awam. AIME diharapkan boleh berperanan sebagai pemangkin kepada transformasi digital yang berasaskan data dan kecerdasan buatan.
Rujukan
Weizenbaum, J. (1966). ELIZA—A computer program. Communications of the ACM, 9(1), 36-45.
OpenAI. (2023). GPT-4 technical report. https://online.binus.ac.id/computer-science/2026/03/30/evolusi-chatbot-dari-sekadar-menjawab-hingga-bisa-berpikir-kontekstual/
MOSTI. (2026). Malaysia’s National Artificial Intelligence (AI) Roadmap 2021-2025. https://www.mosti.gov.my/berita/malaysias-national-artificial-intelligence-ai-roadmap-2021-2025/
MDEC. (2026). 28 syarikat terima geran AI. https://berita.rtm.gov.my
AWS. (2026). Bedrock pricing Malaysia. https://aws.amazon.com/bedrock/pricing/
KPM. (2025). AIME AuditME presentation [PowerPoint]