> MEMULAKAN AI COMMANDER
> Memuatkan lapisan ALESA OK
> Read · Backup · Verify OK
> Kawalan manusia AKTIF
> Sistem sedia. Selamat datang, Commander.
tekan mana-mana untuk teruskan
The Missing Layer Between Programmer and AI
Bergerak laju dengan AI, tanpa risiko ia rosakkan kerja anda. Ahli komuniti AI Commander guna ALESA, lapisan yang menahan AI mengikut peraturan anda sendiri.
🎟️Ahli group dapat Live Demo percuma ; kami jalankan ALESA depan mata anda. Tiada kelas, tiada slaid.
Ni bukan angka rekaan pemasaran — setiap kali ada orang buka laman ni, nombor tu naik sendiri, terus dari trafik sebenar.
Maksudnya? Anda bukan seorang je yang rasa AI ni bergerak laju sangat sampai tak sempat kawal.
Empat peraturan AI ni je, bukan empat puluh. Yang senang AI patuhi walau under tekanan deadline — itu yang betul-betul terpakai.
Baca disiplin ini satu per satu →AI boleh cadang dan siapkan kerja berat. Tapi untuk tindakan berisiko tinggi, ia berhenti dan menunggu kelulusan anda.
AI bergerak laju; keputusan besar tetap milik anda.
Kenapa akauntabiliti tak boleh diserah pada AI →AI Commander ; cara anda arah AI dengan konteks penuh, supaya ia faham dulu projek anda sebelum sentuh apa-apa.
AI Governance ; tali pinggang keledar yang tahan risiko yang programmer sendiri tak nampak.
Dua-dua ni wajib dalam ALESA. Ini disiplin, bukan hiasan tambahan.
Apa itu tadbir urus AI →Kalau salah satu ini pernah berlaku kepada anda, anda sudah tahu masalahnya. Tekan untuk lihat puncanya.
Apa yang jadi: AI siapkan bahagian utama laju je. Tapi ada satu sambungan terlepas, satu kes tepi tak dilayan, satu kebenaran akses tercicir. Semua nampak OK... sampai ada pengguna sebenar guna. Lepas tu baru data bocor atau satu modul mati terus.
Puncanya: senang je — AI cuma nampak apa yang anda tunjuk kat dia, bukan seluruh sistem anda.
Dengan ALESA: setiap perubahan dibaca dalam konteks penuh sistem dulu, sebelum apa-apa disentuh. Risiko yang terlepas tu naik jadi amaran — bukan didiamkan macam biasa.
Apa yang jadi: minggu lepas ia ikut satu corak. Hari ni ia tulis lain pula. Nama fungsi tukar, struktur tukar, keputusan lama pun hilang entah ke mana. Anda jadi tukang kemas belakang AI, bukan pengarah dia.
Puncanya: setiap sesi mula dari kosong. Ingatan projek tu tak wujud — melainkan seseorang simpan sendiri.
Dengan ALESA: konvensyen dan keputusan projek anda disimpan sebagai peraturan yang wajib dipatuhi — bukan bergantung ingatan sesi yang boleh hilang bila-bila.
Apa yang jadi: AI report berjaya. Tapi ujian tak pernah jalan pun. Backup pun takde. Jejak apa yang berubah — takde juga. Anda baru tahu ada masalah lepas orang lain yang jumpa dulu.
Puncanya: "siap" tu AI sendiri yang tentukan, tanpa bukti yang boleh disemak sesiapa.
Dengan ALESA: "siap" bermaksud ada bukti yang pihak ketiga boleh semak sendiri. Tindakan berisiko tinggi? Berhenti dulu, tunggu kelulusan anda.
Bila AI silap, nama siapa yang kena →Kedua-dua belah diberi tugasan sama: "tambah login untuk admin".
Anda tahu selepas orang lain jumpa dahulu.
Anda tahu sebelum ia sampai ke production.
Ini yang kami tunjuk secara langsung dalam Live Demo percuma, pada kod sebenar.
ALESA ialah lapisan yang menguatkuasakan disiplin ke atas AI, mengikut peraturan anda sendiri. Tiga peraturan di bawah antara asasnya.
ALESA tu sistem framework perisian yang dibina oleh pakar pengaturcaraan dan pembangunan sistem, Sir Rosli Abdullah. Bukan sekadar "alat AI" biasa — ni satu lapisan disiplin, tadbir urus dan kawalan, jadi perantara antara anda (programmer) dan AI. Dengan ni, AI boleh gerak laju macam biasa, tapi setiap risiko yang anda sendiri tak nampak, tetap terkawal dan boleh dipertanggungjawabkan.
Panduan penuh tadbir urus AI →AI faham konteks penuh dulu sebelum sentuh satu pun fail, pangkalan data, atau sistem yang tengah hidup. Ni yang tutup lubang yang anda sendiri tak nampak.
Setiap tindakan berisiko ada jalan balik. Kalau tersilap, boleh patah balik — bukan terus jadi bencana yang anda kena jawab kat client.
"Siap" bermaksud ada bukti yang pihak ketiga boleh semak — bukan sekadar AI cakap dah siap.
Empat disiplin, satu per satu →Bukan sekadar penerangan. Ini suasana sebenar sesi ALESA bersama peserta di SIRIM Berhad.
Setiap peserta di depan skrin masing-masing — bukan sekadar menonton, tapi cuba sendiri sepanjang sesi.
Peserta melihat sendiri bagaimana ALESA membantu meletakkan konteks, disiplin dan kawalan dalam cara AI digunakan semasa kerja sebenar.
Bukan syarahan sehala — tiap soalan dijawab terus, sambil ALESA berjalan depan mata mereka.
Hands-on session — peserta melihat sendiri proses, kod dan aliran kerja secara langsung.
Reaksi spontan peserta selepas melihat ALESA beraksi secara langsung.
Dicuba dan digunakan oleh programmer secara individu di ibu pejabat SIRIM Berhad; tempat yang tidak boleh bertolak ansur dengan kesilapan AI.
*Menurut maklumat ALESA AiLabs. Ini menggambarkan penggunaan oleh programmer secara individu, dan BUKAN pensijilan atau pengiktirafan rasmi daripada SIRIM Berhad.
Nak faham lebih dalam sebelum sertai? Baca 6 artikel kami tentang tadbir urus AI →
Tadbir urus AI sedang bergerak ke arah kawal selia di Malaysia. Kami pantau supaya anda tidak tertinggal.
Kalau salah satu daripada ini terlintas di fikiran anda, ia patut dijawab sekarang, bukan selepas anda daftar.
Kami tak duduk ajar anda apa-apa pun. Kami tunjuk terus macam mana AI ikut peraturan anda.
Betul tu, dan kami tak nafikan. AGENTS.md sekarang standard terbuka bawah Linux Foundation, dibaca oleh Codex, Cursor, Copilot, Aider dan lain-lain lagi. Cursor rules, Claude skills — semua tu pun ada. Semua bagus, kalau anda dah guna, teruskan je.
Tapi semua benda tu fail nasihat je. Ia bagitau AI apa yang patut dibuat. Fail tu sendiri tak boleh halang AI daripada terus buat tindakan.
Beza ALESA: ia bukan nasihat, ia pintu. Tindakan berisiko tinggi berhenti terus, tunggu kelulusan anda. Soalan sebenar bukan "anda ada fail peraturan ke tak" — soalan sebenar, minggu lepas bila AI abaikan fail tu, apa yang halang dia?
Anda betul, dan anda bukan seorang je rasa macam tu. Dalam Stack Overflow Developer Survey 2025, 84% developer guna atau bercadang guna AI, tapi cuma 29% je percaya ketepatannya. Kekecewaan nombor satu, disebut oleh 45%, ialah "jawapan yang hampir betul, tetapi tak cukup betul".
Kami pun tak minta anda percaya AI. Skeptik anda tu bukan kelemahan; tu penilaian yang tepat. Apa yang kami tunjuk — cara kawal sesuatu yang anda sendiri tak percaya, supaya ia tak boleh bergerak tanpa bukti dan kebenaran.
Ni keraguan paling jujur, dan paling jarang orang sebut. Ramai dah lalui kitaran sama beberapa kali — belajar tool baharu, enam bulan lepas tu ditinggal atau digantikan model baharu pulak. Anda bukan malas; anda penat mengejar sesuatu yang mati tahun depan.
So cuba uji kami dengan satu soalan: "kalau AI yang anda guna sekarang — Claude, Gemini, DeepSeek, apa sahaja — bertukar atau hilang esok, apa yang tinggal pada cara kerja anda?" Kalau jawapannya takde, maksudnya anda bergantung pada satu model, bukan satu disiplin. Jawapan kami: ALESA kekal — empat soalan yang sama, kepada AI mana sekalipun, cuma tanpa apa-apa yang memaksa. Sebab tu kami panggil ia disiplin.
Dan biasanya ada ayat kedua di sebalik keraguan ini, yang jarang disebut kuat-kuat: "saya dah ada cara kerja saya sendiri bertahun-tahun." Betul tu. Itu bukan halangan, itu kelayakan anda.
ALESA tak mengawasi anda; ia mengawasi AI, ikut peraturan anda sendiri. Baca dulu baru tulis. Backup dulu baru ubah. Sahkan dulu baru "siap". Kelulusan manusia untuk tindakan berisiko tinggi. Ni bukan disiplin baharu yang kami cipta; ni disiplin yang anda dah lama pegang, cuma AI tak pernah pegang. Model akan tukar lagi tahun depan; empat soalan ni tak akan tukar.
Setiap nombor kat laman ni ada sumber dia, dan anda boleh semak sendiri. Kami pun bagitau had setiap sumber tu, termasuk yang tak menyebelahi kami.
Contoh: ada satu kajian terkawal rawak oleh METR (Julai 2025) jumpa developer berpengalaman sebenarnya 19% lebih perlahan dengan alat AI, sedangkan diorang sendiri rasa 20% lebih laju. Angka tu kuat, tapi kami tak guna sebagai fakta semasa. METR sendiri lepas tu jumpa masalah bias pemilihan dalam kaedah diorang dan tukar reka bentuk eksperimen — diorang percaya developer berkemungkinan lebih laju pada 2026 berbanding 2025.
Yang kekal benar — jurang persepsi tu. Kalau organisasi penyelidikan pun terpaksa tukar kaedah sebab susah nak ukur benda ni dengan jujur, apa harapan kita nak nilai dengan perasaan lepas seminggu guna AI? Sebab tu kami cakap pasal bukti dan kawalan, bukan pendapat.