تبدیل کار جریانی و سیستم‌ها: ماهیت بهره‌برداری از هوش مصنوعی مولد

آیا تا به حال به تفاوت بین یک ابزار و یک سیستم فکر کرده‌اید؟

ابزارها چیزهایی هستند که ما برای انجام وظایف از آن‌ها استفاده می‌کنیم. سیستم‌ها نیز به همین ترتیب وظایف را ساده می‌کنند.

ممکن است برخی تصور کنند که یک سیستم صرفاً یک ابزار پیچیده‌تر است.

اما، وقتی وظایف به دو نوع تقسیم می‌شوند — کار تکراری و کار جریانی — تفاوت بین ابزارها و سیستم‌ها آشکار می‌شود.

تکرار و جریان

کار تکراری فرآیندی است که در آن دستاوردها به تدریج و از طریق آزمون و خطای انعطاف‌پذیر ایجاد می‌شوند.

در کار تکراری، یک جعبه ابزار که می‌تواند به طور متناوب برای وظایف خاصی استفاده شود، مفید است.

برعکس، کار جریانی فرآیندی است که به صورت افزایشی پیش می‌رود و در مرحله نهایی یک دستاورد تولید می‌کند.

در کار جریانی، داشتن سیستمی برای هدایت جریان کار، بهره‌وری و کیفیت را به طور قابل توجهی بهبود می‌بخشد.

تبدیل کار جریانی و سیستمی‌سازی

بسیاری از وظایفی که توسط انسان‌ها انجام می‌شوند، یا کار تکراری هستند یا بخشی از کار جریانی سیستمی‌شده.

با تبدیل کار تکراری به کار جریانی و سپس سیستمی‌سازی آن، بهره‌وری و کیفیت را می‌توان به طور قابل توجهی افزایش داد.

انقلاب صنعتی و انقلاب IT

انقلاب صنعتی و انقلاب IT نمونه‌های بارزی از چگونگی بهبود چشمگیر بهره‌وری و کیفیت از طریق تبدیل کار تکراری به کار جریانی و سپس سیستمی‌سازی آن هستند.

پیش از انقلاب صنعتی، تولید به صورت کار تکراری انجام می‌شد، به این صورت که انسان‌ها با مهارت از ابزارها استفاده می‌کردند و هر بار آزادانه ترتیب و رویه‌ها را تغییر می‌دادند.

به همین ترتیب، پیش از انقلاب IT، پردازش اطلاعات شامل استفاده انسان‌ها از ابزارها به شیوه‌ای بدون ساختار و تکراری بود.

با سیستمی‌سازی این فرآیندها، بسیار شبیه به خطوط تولید کارخانه‌ای یا سیستم‌های IT کسب‌وکار، بهره‌وری و کیفیت به طور قابل توجهی افزایش یافت.

با این حال، نه تنها سیستمی‌سازی، بلکه تبدیل کار تکراری به کار جریانی نیز بسیار حیاتی است. این توانایی تبدیل به کار جریانی بود که امکان سیستمی‌سازی را در وهله اول فراهم کرد.

انقلاب هوش مصنوعی مولد

هنگام تلاش برای بهبود بهره‌وری و کیفیت با استفاده از هوش مصنوعی مولد در عملیات کسب‌وکار، صرفاً استفاده از هوش مصنوعی به عنوان یک ابزار، ارزش واقعی آن را آشکار نخواهد کرد.

هدف اصلی، تبدیل کار تکراری به کار جریانی و به دنبال آن، سیستمی‌سازی آن کار جریانی است.

هوش مصنوعی مولد به دلیل قابلیت انطباق‌پذیری‌اش می‌تواند کار تکراری را انجام دهد. با این حال، چه توسط انسان و چه توسط هوش مصنوعی مولد انجام شود، محدودیت‌هایی برای بهره‌وری و کیفیت کار تکراری وجود دارد.

بنابراین، هدف‌گذاری برای تبدیل کار جریانی و سیستمی‌سازی آن بسیار حیاتی است.

ممکن است کسی استدلال کند که اگر تبدیل کار جریانی می‌توانست بهره‌وری و کیفیت را برای کارگران انسانی بهبود بخشد، چنین ابتکاراتی می‌توانست حتی قبل از ظهور هوش مصنوعی مولد نیز انجام شود.

اما، تبدیل کار جریانی، زمانی که بر پایه کارگران انسانی استوار است، در واقع یک مشکل بسیار دشوار است. کارگران انسانی نمی‌توانند بلافاصله با تغییرات در وظایف یا محتوای کار سازگار شوند.

برعکس، هنگامی که کارگر یک هوش مصنوعی مولد است، پیکربندی مجدد تکراری نقش‌ها و محتوای کار به آسانی انجام می‌شود.

برخلاف انسان‌ها، هوش مصنوعی مولد می‌تواند مراحل قبلی را فراموش کند، رویه‌های جدید را فوراً بخواند و درک کند و وظایف را بر اساس آن‌ها انجام دهد.

به همین دلیل، رویکرد اصلی برای بهره‌برداری از هوش مصنوعی مولد در کسب‌وکار، تبدیل کار تکراری به کار جریانی و سپس سیستمی‌سازی بعدی آن خواهد بود.

کارایی کسب‌وکار با استفاده از هوش مصنوعی مولد

بیایید یک نمونه از کارایی کسب‌وکار را که از طریق هوش مصنوعی مولد به دست آمده است، بررسی کنیم.

به عنوان مثال، وظیفه پاسخگویی به پرسش‌های کارمندان در مورد قوانین داخلی شرکت را در نظر بگیرید.

هوش مصنوعی مولد را می‌توان برای جستجوی قوانین داخلی و پیش‌نویس پاسخ‌ها استفاده کرد.

با این حال، این احتمال وجود دارد که هوش مصنوعی مولد به قوانین منسوخ اشاره کند یا به اشتباه پاسخ‌هایی را بر اساس اطلاعاتی تخیلی که در قوانین وجود ندارد، تولید کند.

علاوه بر این، پرسش‌ها می‌توانند از طریق کانال‌های مختلفی مانند ایمیل، ابزارهای پیام‌رسان، تلفن یا حضوری دریافت شوند.

بنابراین، کارمندی که به پرسش‌ها رسیدگی می‌کند، همچنان باید آن‌ها را مانند گذشته دریافت کند.

تصور می‌شود که کارایی را می‌توان با این روش بهبود بخشید که کارمندان در صورت امکان فوراً به پرسش‌ها پاسخ دهند، و برای مواردی که نیاز به تأیید قوانین دارند، محتوای پرسش را به هوش مصنوعی مولد وارد کرده تا پیش‌نویس پاسخ‌ها را تولید کند.

به علاوه، برای پرسش‌های متداول، لازم است که آن‌ها را در وب‌سایت داخلی شرکت به عنوان سؤالات متداول (FAQ) منتشر کرد.

هوش مصنوعی مولد همچنین می‌تواند برای وارد کردن پرسش‌ها و پاسخ‌های نماینده و تولید پیش‌نویس‌های نقطه‌ای برای انتشار در وب‌سایت استفاده شود.

علاوه بر این، هوش مصنوعی مولد را می‌توان برای بازبینی پیش‌نویس کلمات در صورت نیاز به اصلاح قوانین، به کار گرفت.

چنین کاربردهایی ممکن است درصد مشخصی از وظایف رسیدگی به پرسش‌ها را ساده‌سازی کند.

با این حال، این تنها رسیدگی به پرسش‌ها را به عنوان کار تکراری در نظر می‌گیرد و از هوش مصنوعی مولد به عنوان یک ابزار استفاده می‌کند.

در نتیجه، دستاوردهای کارایی از این رویکرد بسیار محدود است.

تبدیل کار جریانی

برای به حداکثر رساندن کارایی وظیفه پاسخ به پرسش‌ها که به عنوان مثال ذکر شد، این وظیفه باید به کار جریانی تبدیل شود.

این امر مستلزم جزئیات‌بندی و مستندسازی گام‌هایی است که فرد مسئول هنگام رسیدگی به پرسش‌ها برمی‌دارد:

• دریافت پرسش‌ها از طریق کانال‌های مختلف.
• اگر پرسش همانند پرسشی است که قبلاً پاسخ داده شده و تغییری در قوانین مربوطه وجود ندارد، همان پاسخ قبلی را ارائه دهید.
• برای یک پرسش جدید، یا پرسشی که شامل تغییر قانون می‌شود، قوانین را بررسی کرده و پیش‌نویس پاسخ را تهیه کنید.
• بررسی کنید که آیا پیش‌نویس پاسخ به قوانین قدیمی اشاره دارد یا شامل اطلاعاتی است که در قوانین ذکر نشده است.
• بررسی کنید که آیا تأیید قبل از پاسخگویی لازم است و در صورت لزوم تأیید را دریافت کنید.
• از طریق کانالی که پرسش دریافت شده است، پاسخ دهید.
• محتوای پرسش، نتیجه تأیید، و نتیجه پاسخ را در داده‌های تاریخچه پرسش ثبت کنید.
• به طور دوره‌ای داده‌های تاریخچه پرسش را بررسی کنید تا به‌روزرسانی‌های پیشنهادی برای پرسش‌ها و پاسخ‌های متداول ایجاد کنید.
• پس از دریافت تأیید، وب‌سایت داخلی شرکت را به‌روزرسانی کنید.
• هنگام به‌روزرسانی قوانین، داده‌های قوانین مرجع را به‌روزرسانی کنید.
• همزمان، در داده‌های تاریخچه پرسش‌های گذشته، ثبت کنید که پاسخ‌های مرتبط و به‌روزرسانی قوانین رخ داده است.
• بررسی کنید که آیا پرسش‌ها و پاسخ‌های متداول به دلیل تغییرات قانون نیاز به بازنگری دارند و در صورت لزوم آن‌ها را به‌روزرسانی کنید.

با روشن‌سازی جزئیات این وظایف و اتصال آن‌ها به یکدیگر، کار تکراری انعطاف‌پذیر را می‌توان به یک کار جریانی واضح تبدیل کرد.

نمونه‌ای از سیستمی‌سازی

با تبدیل وظایف به کار جریانی، مسیر سیستمی‌سازی روشن می‌شود.

هنگام سیستمی‌سازی، اگر تا حدی فدا کردن راحتی کارمند قابل قبول باشد، یک گزینه تجمیع کانال‌های پرسش است.

برعکس، اگر راحتی کارمند در اولویت باشد، تمام کانال‌های پرسش باید باز بمانند.

اساساً، سیستم باید مستقیماً پرسش‌ها را دریافت کند. تنها در مورد پرسش‌های شفاهی است که یک انسان جزئیات را وارد سیستم می‌کند.

پس از دریافت پرسش، سیستم IT و هوش مصنوعی مولد تا آنجا که ممکن است، وظایف بعدی را مطابق با جریان انجام خواهند داد. در ابتدا، بررسی‌ها و تأییدهای انسانی باید در سراسر سیستم پراکنده شوند، و اپراتورهای انسانی باید بتوانند اصلاحات را انجام دهند.

سپس، با استفاده از سیستم برای رسیدگی به پرسش‌ها، اگر هوش مصنوعی مولد اشتباهی مرتکب شود، دستورالعمل‌های هوش مصنوعی باید با نکات احتیاطی، موارد قابل بررسی، نمونه‌هایی از خطاها و نمونه‌های صحیح به‌روزرسانی شوند تا از تکرار اشتباه جلوگیری شود.

این فرآیند می‌تواند خطاهای هوش مصنوعی مولد را کاهش دهد. به‌روزرسانی این دستورالعمل‌های هوش مصنوعی را می‌توان با تبدیل آن از کار تکراری به کار جریانی، حتی کارآمدتر کرد.

به این ترتیب، با سیستمی‌سازی وظایف تبدیل‌شده به کار جریانی، حتی عملیاتی که در ابتدا ممکن است به مداخله انسانی نیاز داشته باشند، می‌توانند با یک سیستم مبتنی بر هوش مصنوعی مولد جایگزین شوند.

برداشت‌های نادرست رایج

بسیاری از مردم بر این باورند که کاربرد تجاری هوش مصنوعی مولد در حال حاضر تأثیر کمی دارد یا زودرس است.

با این حال، اکثر این افراد اغلب دچار دو نوع برداشت نادرست هستند.

اولین برداشت نادرست ناشی از تمرکز بر استفاده از هوش مصنوعی مولد به عنوان یک ابزار صرف است.

همانطور که در اینجا نشان داده شد، به کارگیری هوش مصنوعی مولد به عنوان ابزاری برای کار تکراری، بهره‌وری کسب‌وکار را به طور قابل توجهی افزایش نمی‌دهد. این برداشت نادرست از تجربه یا مشاهده چنین نتایج محدودی ناشی می‌شود.

دومین برداشت نادرست از تمرکز بر این موضوع است که هوش مصنوعی مولد کار تکراری را انجام دهد.

در واقع، تلاش برای اینکه هوش مصنوعی مولد فعلی کار تکراری را انجام دهد، اغلب ناموفق است. در نتیجه، افراد به اشتباه نتیجه می‌گیرند که هوش مصنوعی مولد نمی‌تواند وظایف انجام شده توسط انسان را بر عهده بگیرد، و این نتیجه‌گیری تنها بر اساس همین مشاهده است.

نتیجه‌گیری

همانطور که بحث شد، با تبدیل کار تکراری به کار جریانی و سیستمی‌سازی آن، می‌توان کارایی بیشتری نسبت به استفاده صرف از ابزارها انتظار داشت.

علاوه بر این، حتی اگر هوش مصنوعی مولد نتواند کار تکراری را انجام دهد، می‌تواند بسیاری از وظایف فردی را در یک فرآیند کار جریانی مدیریت کند. حتی اگر در ابتدا خطاهای زیادی وجود داشته باشد، می‌توان با به‌روزرسانی دستورالعمل‌ها به بهبود مستمر دست یافت.

یا، در صورت لزوم، می‌توان وظایف را تقسیم کرد، پیش‌نویس‌نویسی را از بررسی جدا کرد، یا بررسی‌های چند مرحله‌ای را پیاده‌سازی کرد.

اگر سیستمی‌سازی به این روش قابل دستیابی باشد، آنگاه بهبودها با هر وظیفه انجام شده پیشرفت خواهند کرد و عملیات به مرور زمان کارآمدتر خواهد شد.

این روش کاری است که امکان بهبود مستمر خود مکانیسم را فراهم می‌کند، مشابه تولید کارخانه‌ای و سیستمی‌سازی IT.

برای استفاده مؤثر از هوش مصنوعی مولد، تغییر در طرز فکر لازم است: به جای تلاش برای بهبود کار تکراری خود، باید وظایف خود را به صورت عینی به کار جریانی تبدیل کرده و آن‌ها را سیستمی‌سازی کرد.