آیا تا به حال به تفاوت بین ابزار و سیستم فکر کرده‌اید؟
ابزارها چیزهایی هستند که ما هنگام کار از آنها استفاده می‌کنیم. سیستم‌ها نیز به همین ترتیب، کار را کارآمدتر می‌کنند.
برخی ممکن است این تصور را داشته باشند که یک سیستم صرفاً ابزاری پیچیده‌تر است.
با این حال، اگر کار را به دو نوع طبقه‌بندی کنیم – کار تکراری و کار مبتنی بر جریان – تمایز بین ابزار و سیستم به طرز قابل توجهی آشکار می‌شود.
تکرار و جریان
کار تکراری فرآیند ایجاد تدریجی یک محصول نهایی از طریق آزمون و خطا است که در آن به طور انعطاف‌پذیر خود را با شرایط وفق می‌دهید.
برای کار تکراری، یک جعبه ابزار که به شما امکان می‌دهد ابزار مناسب را برای کارهای خاص انتخاب کنید، مفید است.
از سوی دیگر، کار مبتنی بر جریان، شامل پیشرفت در مراحل مختلف است که محصول نهایی در مرحله پایانی تولید می‌شود.
برای کار مبتنی بر جریان، داشتن یک سیستم برای هدایت کار در طول جریان، به طور قابل توجهی بهره‌وری و کیفیت را بهبود می‌بخشد.
تبدیل کار مبتنی بر جریان و سیستمی‌سازی
بخش عمده‌ای از کارهایی که توسط انسان‌ها انجام می‌شود، یا کار تکراری است یا جزئی از یک فرآیند سیستمی‌شده مبتنی بر جریان.
تبدیل کار تکراری به کار مبتنی بر جریان، و سپس سیستمی‌سازی آن، به طور قابل توجهی به بهبود بهره‌وری و کیفیت کمک می‌کند.
انقلاب صنعتی و انقلاب فناوری اطلاعات
انقلاب صنعتی و انقلاب فناوری اطلاعات نمونه‌های بارزی از افزایش چشمگیر بهره‌وری و کیفیت از طریق تبدیل کار تکراری به کار مبتنی بر جریان و سیستمی‌سازی متعاقب آن هستند.
پیش از انقلاب صنعتی، تولید به صورت کار تکراری انجام می‌شد، که در آن انسان‌ها با مهارت از ابزار استفاده می‌کردند و هر بار آزادانه تنظیمات و رویه‌ها را تغییر می‌دادند.
پردازش اطلاعات پیش از انقلاب فناوری اطلاعات نیز کار تکراری بود و انسان‌ها از ابزار استفاده می‌کردند و به شیوه‌ای غیر استاندارد پیش می‌رفتند.
با سیستمی‌سازی این فرآیندها، بسیار شبیه به خطوط تولید کارخانه‌ای و سیستم‌های فناوری اطلاعات کسب‌وکار، بهره‌وری و کیفیت افزایش یافت.
با این حال، نه تنها سیستمی‌سازی، بلکه تبدیل مبتنی بر جریان آن کار تکراری، بسیار حیاتی است. دقیقاً به این دلیل که تبدیل مبتنی بر جریان محقق شد که سیستمی‌سازی امکان‌پذیر گشت.
انقلاب هوش مصنوعی مولد
هنگام هدف‌گذاری برای بهبود بهره‌وری و کیفیت با استفاده از هوش مصنوعی مولد در کسب‌وکار، صرفاً استفاده از هوش مصنوعی به عنوان یک ابزار، ارزش واقعی به همراه نخواهد داشت.
هدف اصلی، تبدیل کار تکراری به کار مبتنی بر جریان، و سپس سیستمی‌سازی آن کار مبتنی بر جریان است.
هوش مصنوعی مولد، با قابلیت انطباق‌پذیری انعطاف‌پذیر، می‌تواند از عهده کارهای تکراری برآید. با این حال، چه توسط انسان‌ها انجام شود و چه توسط هوش مصنوعی مولد، محدودیت‌هایی در بهره‌وری و کیفیت کار تکراری وجود دارد.
به همین دلیل است که هدف‌گذاری برای تحول مبتنی بر جریان و سیستمی‌سازی بسیار حیاتی است.
ممکن است کسی استدلال کند که اگر تحول مبتنی بر جریان بتواند بهره‌وری و کیفیت را حتی با کارگران انسانی بهبود بخشد، چنین ابتکاراتی می‌توانست پیش از ظهور هوش مصنوعی مولد انجام شود.
با این حال، تحول مبتنی بر جریان که بر پایه کارگران انسانی استوار است، در واقع یک مشکل بسیار دشوار است. کارگران انسانی نمی‌توانند بلافاصله با تغییرات در وظایف محوله یا محتوا سازگار شوند.
از سوی دیگر، هنگامی که کارگر هوش مصنوعی مولد است، پیکربندی مجدد وظایف و محتوای کار از طریق آزمون و خطا آسان است.
برخلاف انسان‌ها، هوش مصنوعی مولد می‌تواند مراحل قبلی را فراموش کند، رویه‌های جدید را فوراً بخواند و بفهمد و بر اساس آنها کار کند.
بنابراین، رویکرد اصلی برای استفاده از هوش مصنوعی مولد در کسب‌وکار، تبدیل کار تکراری به کار مبتنی بر جریان و سیستمی‌سازی متعاقب آن خواهد بود.
بهبود کارایی کسب‌وکار با استفاده از هوش مصنوعی مولد
بیایید مثالی از بهبود کارایی کسب‌وکار با استفاده از هوش مصنوعی مولد را در نظر بگیریم.
به عنوان مثال، وظیفه پاسخگویی به سوالات کارکنان در مورد قوانین شرکت را در نظر بگیرید.
با استفاده از هوش مصنوعی مولد، می‌توان قوانین شرکت را جستجو کرد و پیش‌نویس پاسخ‌ها را تهیه نمود.
با این حال، این احتمال وجود دارد که هوش مصنوعی مولد به قوانین قدیمی استناد کند یا به اشتباه پاسخ‌هایی را که صراحتاً در قوانین ذکر نشده‌اند، تصور کرده و ارائه دهد.
علاوه بر این، سوالات به اشکال مختلفی مانند ایمیل، ابزارهای پیام‌رسان، تماس‌های تلفنی یا ارتباطات شفاهی مطرح می‌شوند.
بنابراین، کارکنانی که به سوالات پاسخ می‌دهند، همچنان باید آنها را مانند گذشته دریافت کنند.
قابل تصور است که کارایی می‌تواند با پاسخ دادن به سوالاتی که درجا قابل پاسخگویی هستند، و برای آنهایی که نیاز به تأیید قوانین دارند، با وارد کردن محتوای سوال به هوش مصنوعی مولد برای تولید پیش‌نویس پاسخ‌ها، بهبود یابد.
علاوه بر این، برای سوالات متداول، لازم است آنها را به عنوان سوالات متداول (FAQ) در صفحه اصلی داخلی شرکت منتشر کرد.
هوش مصنوعی مولد همچنین می‌تواند برای وارد کردن سوالات و پاسخ‌های متداول و ایجاد پیش‌نویس‌های نقطه‌ای برای انتشار در وب‌سایت استفاده شود.
همچنین، هنگامی که بازنگری قوانین مورد نیاز است، هوش مصنوعی مولد می‌تواند برای تهیه پیش‌نویس پیشنهادات به کار گرفته شود.
چنین کاربردهایی ممکن است درصد معینی از وظایف رسیدگی به سوالات را کارآمدتر کند.
با این حال، این کار تنها رسیدگی به سوالات را به عنوان کار تکراری باقی می‌گذارد و از هوش مصنوعی مولد به عنوان یک ابزار استفاده می‌کند.
در نتیجه، افزایش کارایی بسیار محدود است.
تبدیل کار مبتنی بر جریان
برای به حداکثر رساندن کارایی وظیفه رسیدگی به پرسش‌ها که به عنوان مثال مطرح شد، این وظیفه باید به یک جریان (flow) تبدیل شود.
برای انجام این کار، وظایفی که توسط فرد مسئول هنگام رسیدگی به پرسش‌ها انجام می‌شود، باید به تفصیل و رسمی‌سازی شوند:
- دریافت پرسش‌ها از طریق کانال‌های مختلف.
- اگر پرسش همانند پرسش قبلی پاسخ‌داده‌شده باشد و تغییری در قوانین مرتبط رخ نداده باشد، همان پاسخ ارائه شود.
- برای پرسش‌های جدید یا پرسش‌هایی که شامل تغییرات قوانین هستند، قوانین را تأیید کرده و پیش‌نویس پاسخ را تهیه کنید.
- بررسی کنید که پیش‌نویس پاسخ به قوانین منسوخ‌شده ارجاع نمی‌دهد یا اطلاعاتی را که صراحتاً در قوانین ذکر نشده‌اند، شامل نمی‌شود.
- بررسی کنید که آیا قبل از پاسخ‌دهی نیاز به تأیید وجود دارد، و در صورت لزوم تأیید را دریافت کنید.
- پاسخ از طریق کانالی که پرسش دریافت شده است، ارسال شود.
- محتوای پرسش، نتیجه تأیید، و نتیجه پاسخ در داده‌های تاریخچه پرسش ثبت شود.
- داده‌های تاریخچه پرسش را به طور منظم بررسی کرده و پیش‌نویس‌هایی برای به‌روزرسانی سوالات و پاسخ‌های متداول ایجاد کنید.
- صفحه اصلی داخلی شرکت را پس از دریافت تأیید به‌روزرسانی کنید.
- داده‌های قوانین ارجاع‌داده‌شده را هنگام به‌روزرسانی قوانین، به‌روزرسانی کنید.
- همزمان، در داده‌های تاریخچه پرسش‌های گذشته ثبت کنید که پاسخ‌های مرتبط و به‌روزرسانی‌های قوانین رخ داده‌اند.
- تأیید کنید که آیا سوالات و پاسخ‌های متداول به دلیل تغییرات قوانین نیاز به بازبینی دارند یا خیر، و در صورت لزوم آنها را به‌روزرسانی کنید.
با تعریف واضح جزئیات وظایف انجام شده، همانطور که در بالا توضیح داده شد، این وظایف می‌توانند به هم متصل شوند و کار تکراری انعطاف‌پذیر را به یک فرآیند مبتنی بر جریان واضح‌تر تبدیل کنند.
نمونه‌ای از سیستمی‌سازی
با ایجاد این گردش کار، مسیر سیستمی‌سازی روشن می‌شود.
برای سیستمی‌سازی، اگر قربانی کردن کمی از راحتی کارمندان قابل قبول باشد، یکی از گزینه‌ها یکپارچه‌سازی کانال‌های پرسش است.
برعکس، اگر راحتی کارمندان اولویت داشته باشد، سیستم باید توانایی دریافت پرسش‌ها را از طریق همه کانال‌ها حفظ کند.
اساساً، سیستم باید مستقیماً پرسش‌ها را دریافت کند. تنها برای پرسش‌های شفاهی، فرد مسئول باید آنها را در سیستم وارد کند.
پس از دریافت یک پرسش، سیستم IT و هوش مصنوعی مولد باید تا حد امکان کار بعدی را طبق جریان انجام دهند. در ابتدا، بررسی‌ها و تأییدیه‌های انسانی باید در سراسر سیستم گنجانده شوند و اپراتورهای انسانی باید بتوانند اصلاحات را انجام دهند.
سپس، همانطور که سیستم برای رسیدگی به پرسش‌ها استفاده می‌شود، اگر هوش مصنوعی مولد اشتباهی مرتکب شود، دستورالعمل‌های مربوط به هوش مصنوعی مولد باید با هشدارها، نکات قابل بررسی، نمونه‌هایی از اشتباهات و نمونه‌های صحیح به روز شوند تا از تکرار آن جلوگیری شود.
این امر باعث کاهش خطاهای هوش مصنوعی مولد می‌شود. این فرآیند به‌روزرسانی دستورالعمل‌ها برای هوش مصنوعی مولد می‌تواند حتی کارآمدتر شود اگر به جای یک وظیفه تکراری، به یک وظیفه مبتنی بر جریان تبدیل شود.
به این ترتیب، با سیستمی‌سازی کار مبتنی بر جریان، حتی وظایفی که به ظاهر نیاز به مداخله انسانی دارند، می‌توانند با یک سیستم متمرکز بر هوش مصنوعی مولد جایگزین شوند.
تصورات غلط رایج
بسیاری از افراد بر این باورند که کاربرد هوش مصنوعی مولد در کسب‌وکار در حال حاضر چندان مؤثر نیست، یا اینکه هنوز زود است.
با این حال، تعداد قابل توجهی از این افراد اغلب دچار دو الگوی سوءتفاهم می‌شوند.
اولین سوءتفاهم ناشی از تمرکز بر استفاده از هوش مصنوعی مولد به عنوان یک ابزار است.
همانطور که در اینجا نشان داده شد، بهره‌گیری از هوش مصنوعی مولد به عنوان ابزاری برای کارهای تکراری، کارایی کسب‌وکار را به طور قابل توجهی افزایش نمی‌دهد. تجربه یا شنیدن درباره این موضوع منجر به این سوءتفاهم می‌شود.
دومین سوءتفاهم ناشی از تمرکز بر این است که هوش مصنوعی مولد کارهای تکراری را انجام دهد.
در واقع، تلاش برای وادار کردن هوش مصنوعی مولد فعلی به انجام کارهای تکراری به خوبی عمل نمی‌کند. در نتیجه، هوش مصنوعی مولد نمی‌تواند به طور کامل وظایفی را که توسط انسان‌ها انجام می‌شود، بر عهده بگیرد و تمرکز صرفاً بر این نکته منجر به سوءتفاهم می‌شود.
در نهایت
همانطور که در اینجا بحث شد، با تبدیل کار تکراری به کار مبتنی بر جریان و سیستمی کردن آن، می‌توان انتظار بهره‌وری بیشتری نسبت به استفاده صرف از ابزارها را داشت.
علاوه بر این، حتی اگر خود کار تکراری به طور کامل قابل مدیریت نباشد، بسیاری از وظایف منفرد در یک فرآیند مبتنی بر جریان می‌توانند توسط هوش مصنوعی مولد فعلی مدیریت شوند. حتی اگر در ابتدا خطاهای زیادی وجود داشته باشد، می‌توان با به‌روزرسانی دستورالعمل‌ها به بهبود مستمر دست یافت.
همچنین، وظایف را می‌توان در صورت نیاز تقسیم کرد، پیش‌نویس‌سازی را از بررسی جدا کرد، یا بررسی چند مرحله‌ای را پیاده‌سازی نمود.
اگر سیستمی‌سازی به این روش قابل دستیابی باشد، آنگاه بهبودها با هر وظیفه پیشرفت خواهند کرد و عملیات به مرور زمان کارآمدتر خواهند شد.
این یک شیوه کاری است که امکان بهبود مستمر خود مکانیزم را فراهم می‌کند، مشابه تولید کارخانه‌ای و پیاده‌سازی سیستم‌های IT.
برای بهره‌گیری از هوش مصنوعی مولد، تغییر در طرز فکر لازم است: به جای صرفاً بهبود وظایف تکراری خود، باید به طور عینی کار خود را به فرآیندهای مبتنی بر جریان تبدیل کرده و آنها را سیستمی کنید.