AI je povsod na delovnem mestu — vendar zrelost ni: zakaj umetna inteligenca na delovnem mestu zastaja in kako lahko voditelji to popravijo

Večina podjetij zdaj testira klepetalne bote, avtomatizira dele potekov dela in izvaja sestanke o 'strategiji umetne inteligence.' Kljub temu lahko le majhen delež trdi, da umetna inteligenca deluje na večjem obsegu skozi ekipe s jasnimi pravili, ponovljivo vrednostjo in resnično odgovornostjo. Razlika ni v talentih. Zaposleni že eksperimentirajo, delijo pozive in vključujejo umetno inteligenco v vsakodnevne naloge. Upočasnitev se zgodi na višjih nivojih: cilji so nejasni, lastniki so nejasni in piloti nikoli ne dokončajo.

Ta vodič je priročnik v razumljivem jeziku za vodje, ki želijo poskuse spremeniti v rezultate. Pojasnjuje, kako zrelo izgleda umetna inteligenca na delovnem mestu , kje običajno nastopijo problemi pri uvajanju ter natančni koraki, kako preiti od 'poskušamo stvari' do 'to je, kako delamo.'

Kako izgleda umetna inteligenca na delovnem mestu izgleda danes

Umetna inteligenca je prešla fazo navdušenja. V večini organizacij:

• Zaposleni uporabljajo modele besedila za pisanje e-pošte, povzemanje klicev in pisanje začetne kode.

• Oblikovalci in tržniki uporabljajo orodja za slike za tablo razpoloženja, oglase in sličice.

• Analitiki uporabljajo umetno inteligenco za čiščenje podatkovnih nizov in hitrejše pridobivanje vpogledov.

• Podporne ekipe preizkušajo bote, ki obravnavajo pogosta vprašanja, preden jih posredujejo ljudem.

Ti uspehi so resnični, a razpršeni. Malo je skupnega usposabljanja, neenak dostop in le malo varoval. Brez načrta ostaja vrednost v žepih, tveganje pa narašča drugje.

Zaposleni so pripravljeni; vodstvo zaostaja

Vprašajte ekipo na prvi liniji, naj vam pokažejo, kaj so poskusili. Verjetno boste videli osebne knjižnice pozivov, hitre avtomatizacije in prihranek časa. Vprašajte menedžerje, kakšen je načrt za naslednjih 90 dni, in slišali boste 'raziskujemo.' Ta razkorak je problem. Ljudje se premikajo; sistem ne.

Vodjem ni treba bogatega strateškega dokumenta. Potrebujejo jasen cilj, majhen niz pravil in oceno, ki jo lahko vsak prebere. Ostalo je praksa.

Glavno ozko grlo: izgleda umetna inteligenca na delovnem mestu potrebuje usmeritev

Tri stvari, ki upočasnjujejo večino programov:

1. Nobenega posameznega poslovnega rezultata. "Uporabi umetno inteligenco povsod" ni cilj. "Zmanjšaj čas odziva za 30% v podpori strankam" je.

2. Nobenega lastnika. Če je vse komisija, se nič ne zgodi.

3. Nobenih navad. Zmagovalci se ne širijo, ker niso zapisani, učeni ali merjeni.

Popravite to in zagon bo sledil.

Enostaven model zrelosti, ki ga lahko dejansko uporabite

Uporabite ta petstopenjski model, da ugotovite, kje ste in kaj narediti naprej. Primeren je za ekipe 10 ali podjetja s 10.000 zaposlenimi.

1) Ad-hoc

• Posamezniki eksperimentirajo na svojih prenosnikih.

• Ni politike, usposabljanja ali skupnih orodij.

Kaj narediti naprej: Objavite enostransko politiko, uvedite odobrena orodja in povabite ekipe, da predložijo varne primere uporabe.

2) Piloti

• Več manjših projektov kaže obetavne rezultate.

• Tveganja in vrednost niso izmerjeni na enak način.

Kaj narediti naprej: izberite dva poslovna izhoda (prihranjen čas, dvig prihodkov, zmanjšana stopnja napak). Nastavite začetne vrednosti zdaj.

3) Program

• Obstaja osrednji vodja umetne inteligence in tedenski pregled.

• Skupna knjižnica pozivov in začetno usposabljanje obstajata.

Kaj narediti naprej: Uvedite eno čez ekipo delo, ki vključuje prave stranke ali pravi denar. O rezultatih poročajte odprto.

4) Scaled

• Ponovno uporabni elementi, API-ji in kontrolni seznami se nahajajo na enem mestu.

• Ekipe delijo metrike in se učijo drug od drugega.

Kaj narediti naprej: Vgradite korake umetne inteligence v standardne postopke. Rotirajte vodje za širjenje veščin.

5) Vgrajeno

• Umetna inteligenca je del vsakdanjega dela. Novi izdelki so 'najprej AI' po privzetku.

• Nadzor tveganj je stalen in dolgočasen—in to na dober način.

Kaj narediti naprej: Nenehno postavljajte višje cilje—večje cilje, hitrejši cikli in jasnejši pregledi.

90-dnevni načrt za prehod iz pilotnega projekta v širši obseg

1. do 7. dan: Določite cilj

• Izberite en rezultat, ki je pomemben: hitrejša podpora, manj napak pri obračunavanju, večja pretvorba leadov.

• Imenujte eno odgovorno osebo (ravni direktorja ali višjega).

• Napišite enostransko 'pravila na cesti': odobrena orodja, ni občutljivih podatkov v javnih modelih, kako prijaviti težavo.

8. do 30. dan: Dokazite vrednost enkrat

• Zemljevid delovnega toka na eni strani (koraki, orodja, prenosi).

• Dodajte umetno inteligenco tam, kjer odstranjuje korake: povzemanje, usmerjanje, izvlečenje, prevajanje ali generiranje osnutkov.

• Uvedite v majhni skupini. Izmerite prihranek časa in kakovost.

31. do 60. dan: Naredite ga ponovljivega

• Svoje napotke in preglede pretvorite v predloge.

• Dodajte pregled človeka pri pravem koraku (preden karkoli pride do stranke ali finančnega sistema).

• Usposobite širšo ekipo z živim 45-minutnim srečanjem in kratkim kvizom. Shranite posnetek.

61. do 90. dan: Razširite in poročajte

• Razširite na drugo ekipo. Primerjajte rezultate z izhodiščem.

• Objavite enostransko oceno: rezultat, vpliv, strošek, incidenti tveganja, lekcije.

• Odločite se: nadaljujte širitev, izpopolnite ali ustavite. Proslavite uporabne neuspehe; hitreje navdušijo kot uspehi.

Tako naredite izgleda umetna inteligenca na delovnem mestu resničnost—en delovni tok hkrati, izmerjen in ponovljen.

Upravljanje brez birokracije

Ljudje potrebujejo svobodo za uporabo umetne inteligence; podjetje potrebuje varnost. Oboje lahko imate z lahkimi, a jasnimi pravili.

Enostranska politika, razumljiv jezik

• Odobrena orodja: naštejte, katera orodja zaposleni lahko uporabljajo in koga vprašati za dostop.

• Pravila o podatkih: ni občutljivih osebnih podatkov ali zaupnih finančnih informacij v javnih modelih.

• Človek v zanki: človek preveri vse izhodne podatke umetne inteligence, ki vplivajo na kupce, pravne zadeve ali denar.

• Pripis: razkrijte pomoč umetne inteligence v kodi, ustvarjalnem delu in zunanjih vsebinah, kjer je to smiselno.

• Poročanje: preprosta oblika za incidente ali odlične ideje.

Hitri pregledni cikel

• Tedenski, vodja umetne inteligence pregleda nove primere uporabe, incidente in metrike za tri najboljše delovne tokove.

• Mesečno, višji voditelji preverijo vrednost in tveganje ter nato odblokirajo naslednjo uvedbo.

Osnovna varnost

• Vklopite SSO, beleženje in DLP.

• Držite pozive in izhode v podjetniškem pomnilniku, ne na osebnih napravah.

• Pred izdajo preizkusite občutljive pozive (finance, HR, pravne zadeve).

Veščine, ki jih vaši ljudje dejansko potrebujejo

Ne potrebujete doktorata, da bi bila umetna inteligenca koristna. Potrebujete skupne navade in nekaj orodij.

• Pozivanje s strukturo. Naučite ekipe pisati kratka, specifična navodila: vloga, naloga, omejitve, slog, primeri ter 'kontrolni seznam' za sprejem.

• Pregled s kontrolnimi seznami. Kakovost se izboljša, ko ljudje preverjajo dejstva, številke, imena in elemente politike na enak način vsakič.

• Podatkovna pismenost. Vsakdo bi moral vedeti razliko med javnimi modeli in zasebnimi prilagoditvami, kje podatki živijo in kaj ne prilepiti.

• Avtomatizacijska orodja. Majhna skupina se nauči, kako povezati orodja (API-ji, spletne kuke), tako da izhodi umetne inteligence tečejo v naslednji korak brez kopiranja in lepljenja.

Izvedite dve ravni usposabljanja: enourno osnovno sejo za vse in dvodnevno delavnico za graditelje za prvake.

Nasvet: kupci Shifton pogosto spremenijo prvake v izmene ali timske 'AI kapitane'. Gostijo kratke delavnice, zbirajo nasvete za pozive in pomagajo standardizirati izgleda umetna inteligenca na delovnem mestu povzeto po lokacijah.

Podatki, orodja in odločitev med gradnjo ali nakupom

Izberite najpreprostejšo možnost, ki ustreza potrebam:

• Buy ko je naloga običajna: povzetki podpore, zapiski sestankov, usmerjanje vstopnic, ocenjevanje leadov, razne različice oglasov.

• Gradite ko so vaši podatki ali potek dela edinstveni: specializirano osvetljevanje, pregledi goljufij, pravila za razporejanje ali lastno iskanje.

Kontrolni seznam orodij

• Modeli besedila in slik s podjetniškimi računi.

• Pretvorba govora v besedilo in besedila v govor za klice in terensko delo.

• Osrednja knjižnica pozivov z nadzorom različic.

• Povezave do vašega CRM, centra za podporo, HRIS in shrambe datotek.

• Opazljivost: dnevniki pozivov, izhodov in delovanja modelov.

Shifton lahko pomaga na strani operacij: razporejanje izmene, prenosi in spremljanje časa. To so odlična mesta za vgradnjo izgleda umetna inteligenca na delovnem mestu—na primer, avtomatizirani predlogi za zamenjavo izmene, povzetki po izmeni ali zaznavanje tveganih čezurnih vzorcev.

Kaj izmeriti (in kako pogosto)

Tedensko (za vsak delovni tok AI)

• Obseg obdelanega

• Čas, prihranjen na posamezno enoto

• Kakovostna ocena (stopnja uspeha na kontrolnem seznamu)

• Najdeni in popravljeni problemi

Mesečno (skupaj)

• Prihranjene neto ure v primerjavi z izhodiščem

• Prihranjeni dolarji ali dvignjeni prihodki

• Zadovoljstvo zaposlenih s potekom dela

• Zadovoljstvo strank na prizadetih poteh

Četrtletno

• Donosnost naložbe

• Incidenti tveganja (z izidi)

• Pokritost usposabljanja (kdo je usposobljen, kdo ni)

• Nabor priložnosti z visoko vrednostjo

Naredite oceno javno znotraj podjetja. Ko ljudje vidijo napredek, posnemajo, kar deluje, in predlagajo boljše ideje.

Deset primerov z visokim vplivom, ki jih lahko uvedejo v tem četrtletju

1. Povzetki podpore. Umetna inteligenca spremeni vstopnice in klice v čiste zapiske in naslednje korake.

2. Pametno usmerjanje. Razvrsti zahteve po temi, nujnosti in jeziku; pošlje jih v pravo vrsto.

3. Iskanje znanja. Zastavljajte vprašanja v wikisih, pogodbah in FAQ-jih s citati virov.

4. Obogatitev leadov. Izpolnite manjkajoča polja, označite podvojene račune in predlagajte začetne e-maile.

5. Izvleček računov. Branje PDF-jev, zajemanje ključnih polj in navzkrižno preverjanje z naročili.

6. Pregledi skladnosti. Preiščite sporočila in dokumente za prepovedane izraze in tvegane trditve.

7. Opombe z intervjujev. Transkribirajte, razdelite poudarke in zemljevidite odgovore na merila za posao.

8. Prenosi izmen. Povzemite, kaj se je zgodilo v tej izmeni, kaj je odprto in kaj je treba paziti.

9. Trening kopilot. Pretvorite SOP-je v kvize in klepete 'pokaži mi kako' za nove zaposlitve.

10. Vpogledi v operacije. Prepoznajte vzorce v incidentih, zamudah in pregonih; priporočite popravke.

Vsak od teh vgrajuje izgleda umetna inteligenca na delovnem mestu kjer je pomembno—takoj znotraj poteka dela.

Tveganja, etika in preverjanja resničnosti

Umetna inteligenca je močna, a nepopolna. Ravno tako jo obravnavajte kot oster instrument: uporaben z pravim prijemom, nevaren brez njega.

• Pristranskost in poštenost. Preverite rezultate za različne skupine strank. Uporabite raznolike testne sklope. Dodajte veččloveške preglede, kjer je možna škoda.

• Zasebnost. Zmanjšajte osebne podatke, maskirajte jih, kjer lahko, in hranite občutljivo obdelavo na zasebni infrastrukturi.

• Natančnost. Pri delu z visokim tveganjem dodajte dvojne preglede in zahtevajte povezane vire.

• Halucinacije. Naročite modelom, naj povedo 'Ne vem,' ko jim manjka konteksta. Raje imate prizemljeno generacijo kot prosti potok, kadar so dejstva pomembna.

• Intelektualna lastnina in pravice. Bodite jasni glede tega, kako se uporablja, znova uporablja in razkriva vsebina, ki jo ustvari umetna inteligenca.

• Vpliv na delo. Bodite iskreni o spremembah. Osredotočite se na naloge, ne na ljudi. Ponovno usposabljajte in prerazporedite.

Pišite incidente brez krivde: kaj se je zgodilo, vpliv, popravek, preprečevanje. Delite jih. Zaupanje raste, ko ljudje vidijo dobro obravnavane probleme.

Kako govoriti o umetni inteligenci, da ljudje resnično poslušajo

Uporabljajte kratek in neposreden jezik. Izogibajte se buzzwords.

• "Uporabili bomo umetno inteligenco za zmanjšanje povprečnega časa obravnave za 25% v podpori brez zmanjšanja kakovosti."

• "Uporabite lahko ta odobrena orodja. Tukaj je pravilo za podatke. Tukaj je, koga vprašati za pomoč."

• "Če izhod umetne inteligence vpliva na stranke ali denar, ga človek najprej preveri."

• "To je naša ocena. Če zgrešimo cilj, povemo zakaj in poskusimo znova."

Ljudje ne potrebujejo govorov. Potrebujejo jasnost.

Tedenski ritual menedžerja

Voditelji zmagujejo tako, da na čas opravijo majhne naloge.

1. Preglejte oceno za vaša tri najboljša delovna toka vsak ponedeljek.

2. Odpravite enega blokatorja (dostop, proračun ali počasni pregled).

3. Delite eno zgodbo—zmago, napako ali navdih, ki je pomagal.

4. Izberite en naslednji korak in dodelite ime in datum.

Ta ritual ohranja izgleda umetna inteligenca na delovnem mestu gibanje brez fanfar.

Terenske ekipe in delo v izmenah: kjer umetna inteligenca izstopa

Nimajo vse ekipe svojega prostora za mizo. Za trgovine, tovarne, bolnišnice, dostavo in klicne centre je najboljša umetna inteligenca tista, ki ljudje ne opazijo—samo zmanjša trenje.

• Razporejanje. Predlagajte optimalne izmene, ujemajte skladnost in pravočasno zaznajte utrujenost.
  Razporejevalnik Shifton lahko doda varovalke in predlaga menjave, ki ohranjajo pokritost in skladnost s pravili.

• Zapisi pri prenosu izmen. Spremenite razpršene posodobitve v tri vrstice: kaj se je zgodilo, kaj je odprto, kaj je treba pazititi.

• Vodič na kraju samem. Tehniki govorijo v telefon in prejmejo kontrolne sezname po korakih ali drevesne slike za odpravljanje težav.

• Varnost. Spremenite incidente v vzorce za popravilo (slabi prenosi, manjkajoči deli, tvegano nadurno delo).

Ko uporabite umetno inteligenco za rutinske operacije, ljudje občutijo koristi že v naslednji izmeni.

Marketing, prodaja, finance, HR: hitre zmage po funkciji

Trženje

• Generirajte različice, nato testirajte.

• Spremenite dolge vsebine v kratke objave s povezavami na vir.

• Dosledno označujte vsebine in stranke.

Prodaja

• Pripravite e-maile za raziskovanje iz zapiskov.

• Povzemite klice z naslednjimi koraki in tveganji.

• Ocenjujte leads z jasnimi razlogi.

Finance

• Uskladitev transakcij in poudarjanje izjem.

• Preglejte pogodbe za datume obnovitve in klavzule.

• Napovejte denarni tok s pomočjo nedavnih vzorcev in znanih dogodkov.

HR

• Očistite objave delovnih mest, odstranite pristranskosti in navedite resnične naloge.

• Odgovorite na pogosta vprašanja o pravilnikih s citati.

• Pripravite povzetke učinkovitosti iz potrjenih podatkov.

Vsak od teh korakov je enostaven, varen in merljiv.

Stroški, donosnost in pravila financiranja

Začnite z majhnim in hitro dokažite vrednost.

• Začetni proračun: vsak pilot dobi majhen proračun in jasno 6-tedensko odločitveno obdobje za da/ne.

• Enotni strošek: spremljajte strošek na enoto (vozovnica, kontakt, račun) pred uvedbo in po uvedbi umetne inteligence.

• Skupni prihranki: financirajte naslednji val iz prihranjenih ur ali izognjenih napak.

• Pogled portfelja: nekaj velikih projektov, veliko majhnih. Slabe ukinite kmalu.

Denar sledi rezultatom. Objavite karte rezultatov; pogovor o proračunu postane lažji.

Kultura: kako se dobro počuti

• Ljudje odprto delijo iztočnice. Ni nobene 'skrivne omake'.

• Vodje hvalijo sezname in čiste prenose, ne heroizma.

• Zaposleni se počutijo udobno rekoč 'Ne vem' ter vprašajo model—nato preverijo.

• Ekipe popravijo male pomanjkljivosti brez čakanja na komisijo.

• Odločitve so sprejete v kratkih dokumentih, ki jih lahko kdorkoli kasneje prebere.

Ta kultura hitro dostavlja in bolje spi.

Pogoste pasti (in kako se jim izogniti)

• Iskanje orodja. Ne potrebujete popolnega modela; potrebujete jasen cilj in dovolj dobro orodje.

• Program velikega poka. Preskočite velik uvod. Opravite en delokrog, nato ga ponovite.

• Brez izhodišča. Če ne merite prej, ne morete dokazati spremembe kasneje.

• Senca AI. Ljudje uporabljajo osebne račune, ker je dostop počasen. Najprej popravite dostop.

• Neskončne razprave o etiki brez pravil. Napišite enostranski dokument, pregledujte tedensko, in nadaljujte.

Kako vam lahko Shifton pomaga, ne da bi vam stal na poti

Shifton se osredotoča na operativne podrobnosti: razporejanje, prenose, sledenje časa, odobritve in koordinacijo na terenu. To so idealna mesta za vdelavo izgleda umetna inteligenca na delovnem mestu ker vključujejo vsako izmeno in vsako vlogo. Z rešitvijo Shifton lahko:

• Ustvarite načrte izmen, ki spoštujejo spretnosti, razpoložljivost in delovno zakonodajo.

• Samodejno predlagate pravične zamenjave in zajamete odobritve z enim dotikom.

• Objavite povzetke po koncu izmene, ki so dosledni in preprosti za pregled.

• Z zgodnjimi preprostimi nadzornimi ploščami ozaveščajte o nevarnostih prekomernih ur in utrujenosti.

• Ohranite sledljivost za plačilno listo in skladnost.

Ohranite svoj stack. Shifton se vključi, doda varovala in avtomatizacije, ter vam zagotovi podatke za dokazovanje vpliva.

Ohranjanje zagona s izgleda umetna inteligenca na delovnem mestu—30-minutnim tedenskim sestankom

Ko se projekti širijo, se lahko sestanki razširijo. Zmanjšajte to z enim kratkim ritmom:

1. Preverjanje rezultatov (10 min). Preglejte številke prejšnjega tedna glede na cilj.

2. Naučeni (10 min). En uspeh, en neuspeh, eno presenečenje.

3. Zaveze (10 min). Ime, naslednji korak, rok—nato to zapišite.

To je to. To delajte vsak teden in napredek postane običajen.

Končna beseda

AI ni več stranski projekt. Je del tega, kako moderne ekipe načrtujejo izmene, pomagajo strankam, zaključijo knjige in se hitreje učijo. Tehnologija se bo nenehno izboljševala, vendar vam ni treba čakati. Izberite en rezultat, napišite eno stran pravil, imenujte enega odgovornega in uvedite en delovni tok v 30 dneh. Izmerite, naučite ga in ponovite.

Naredite to, in vaša organizacija se bo premaknila od razpršenih eksperimentov do stabilnih, vidnih uspehov. To je resnično obljuba izgleda umetna inteligenca na delovnem mestu—ne modna beseda, ampak boljši način dela na običajen torek.