Задумывались ли вы когда-нибудь о разнице между инструментом и системой?
Инструменты — это то, что мы используем для выполнения задач. Системы также оптимизируют задачи.
Некоторые могут представить систему как просто более сложный инструмент.
Однако, когда задачи делятся на два типа — итерационная работа и потоковая работа — различие между инструментами и системами становится очевидным.
Итерации и потоки
Итерационная работа — это процесс постепенного создания результатов методом гибких проб и ошибок.
При итерационной работе полезен набор инструментов, которые можно взаимозаменяемо использовать для конкретных задач.
Напротив, потоковая работа — это процесс, который продвигается постепенно, создавая результат на конечном этапе.
При потоковой работе наличие системы, направляющей ход выполнения задачи, значительно повышает производительность и качество.
Преобразование итеративной работы в потоковую и систематизация
Многие задачи, выполняемые людьми, представляют собой либо итерационную работу, либо часть систематизированной потоковой работы.
Преобразуя итерационную работу в потоковую работу, а затем систематизируя ее, можно значительно повысить производительность и качество.
Промышленная и ИТ-революция
Промышленная революция и ИТ-революция являются яркими примерами того, как преобразование итерационной работы в потоковую работу с последующей систематизацией кардинально повысило производительность и качество.
До Промышленной революции производство осуществлялось как итерационная работа: люди умело использовали инструменты, каждый раз свободно меняя порядок и процедуры.
Аналогично, до ИТ-революции обработка информации также представляла собой итерационную работу: люди использовали инструменты неструктурированным, повторяющимся образом.
Систематизация этих процессов, подобно производственным линиям на фабриках или корпоративным ИТ-системам, значительно повысила производительность и качество.
Однако не только систематизация, но и преобразование итеративной работы в потоковую является чрезвычайно важным. Именно возможность такого преобразования изначально сделала систематизацию возможной.
Революция генеративного ИИ
При стремлении повысить производительность и качество за счет использования генеративного ИИ в бизнес-операциях, простое применение ИИ как инструмента не раскроет его истинную ценность.
Ключевая цель — это преобразование итерационной работы в потоковую, за которым следует систематизация этой потоковой работы.
Генеративный ИИ может справляться с итерационной работой благодаря своей адаптивности. Однако, независимо от того, выполняется ли итерационная работа людьми или генеративным ИИ, существуют пределы ее производительности и качества.
Поэтому стремление к преобразованию итеративной работы в потоковую и систематизации крайне важно.
Можно возразить, что если преобразование итеративной работы в потоковую могло бы повысить производительность и качество для человеческих работников, такие инициативы можно было бы предпринять еще до появления генеративного ИИ.
Однако преобразование итерационной работы в потоковую, когда оно основано на человеческих работниках, на самом деле является очень сложной проблемой. Человеческие работники не могут мгновенно адаптироваться к изменениям в назначении задач или их содержании.
Напротив, когда исполнителем является генеративный ИИ, итеративная перенастройка ролей и содержания задач становится легкой.
В отличие от людей, генеративный ИИ может забывать предыдущие шаги, мгновенно считывать и понимать новые процедуры и выполнять задачи на их основе.
По этой причине основной подход к использованию генеративного ИИ в бизнесе будет заключаться в преобразовании итерационной работы в потоковую и ее последующей систематизации.
Повышение эффективности бизнеса с помощью генеративного ИИ
Давайте рассмотрим пример повышения эффективности бизнеса, достигнутого с помощью генеративного ИИ.
В качестве примера рассмотрим задачу ответа на запросы сотрудников относительно внутренних правил компании.
Генеративный ИИ можно использовать для поиска внутренних правил и составления черновиков ответов.
Однако существует вероятность, что генеративный ИИ может сослаться на устаревшие правила или ошибочно сгенерировать ответы на основе вымышленной информации, отсутствующей в правилах.
Кроме того, запросы могут поступать по различным каналам, таким как электронная почта, мессенджеры, телефон или лично.
Поэтому сотрудник, обрабатывающий запросы, по-прежнему должен принимать их как обычно.
Предполагается, что эффективность можно повысить, если сотрудники будут отвечать на запросы на месте, когда это возможно, а для тех, которые требуют проверки правил, вводить содержание запроса в генеративный ИИ для создания черновиков ответов.
Кроме того, для часто задаваемых вопросов необходимо размещать их на внутреннем веб-сайте компании в виде FAQ.
Генеративный ИИ также можно использовать для ввода типовых вопросов и ответов и создания черновиков списков для публикации на веб-сайте.
Более того, генеративный ИИ может быть использован для проверки формулировок черновиков при необходимости внесения изменений в правила.
Такое использование может оптимизировать определенный процент задач по обработке запросов.
Однако это лишь рассматривает обработку запросов как итерационную работу и использует генеративный ИИ как инструмент.
Следовательно, прирост эффективности от такого подхода очень ограничен.
Преобразование итеративной работы в потоковую
Чтобы максимально повысить эффективность задачи по ответам на запросы, приведенной в качестве примера, эту задачу необходимо преобразовать в потоковую работу.
Это требует детализации и документирования шагов, предпринимаемых ответственным лицом при обработке запросов:
- Получать запросы по различным каналам.
- Если запрос совпадает с ранее отвеченным и нет изменений в соответствующих правилах, дать тот же ответ, что и раньше.
- Для нового запроса или запроса, связанного с изменением правил, проверить правила и подготовить черновик ответа.
- Проверить, не ссылается ли черновик ответа на старые правила или не включает ли информацию, не указанную в правилах.
- Проверить, требуется ли утверждение перед ответом, и получить его при необходимости.
- Ответить по тому каналу, по которому был получен запрос.
- Зарегистрировать содержание запроса, результат утверждения и результат ответа в данных истории запросов.
- Периодически проверять данные истории запросов для создания предложенных обновлений часто задаваемых вопросов и ответов.
- Обновить внутренний веб-сайт компании после получения утверждения.
- При обновлении правил обновить данные правил, на которые делается ссылка.
- Одновременно записать в данные истории прошлых запросов, что произошли связанные ответы и обновления правил.
- Проверить, нуждаются ли часто задаваемые вопросы и ответы в пересмотре в связи с изменениями правил, и обновить при необходимости.
Уточнив детали этих задач и связав их, гибкую итерационную работу можно превратить в четкую потоковую работу.
Пример систематизации
Благодаря преобразованию итеративной работы в потоковую путь к систематизации становится ясным.
При систематизации, если допустима некоторая жертва удобством сотрудников, один из вариантов — объединить каналы запросов.
Напротив, если удобство сотрудников является наивысшим приоритетом, все каналы запросов должны оставаться открытыми.
В основном, система должна напрямую принимать запросы. Только в случае устных запросов человек будет вводить детали в систему.
После получения запроса ИТ-система и генеративный ИИ будут выполнять максимально возможное количество последующих задач в соответствии с потоком. Изначально, человеческие проверки и утверждения должны быть включены в систему, и операторы-люди должны иметь возможность вносить исправления.
Затем, по мере использования системы для обработки запросов, если генеративный ИИ допускает ошибку, инструкции для ИИ должны быть обновлены с указанием пунктов осторожности, элементов для проверки, примеров ошибок и правильных примеров, чтобы предотвратить повторение ошибки.
Этот процесс может сократить количество ошибок генеративного ИИ. Обновление этих инструкций ИИ само по себе может быть сделано еще более эффективным путем преобразования его из итерационной работы в потоковую работу.
Таким образом, путем систематизации задач, преобразованных в потоковую работу, даже операции, которые изначально могли бы казаться требующими человеческого вмешательства, могут быть заменены системой, ориентированной на генеративный ИИ.
Распространенные заблуждения
Многие люди считают, что бизнес-применение генеративного ИИ в настоящее время малоэффективно или преждевременно.
Однако большинство этих людей часто придерживаются двух типов заблуждений.
Первое заблуждение возникает из-за сосредоточения на использовании генеративного ИИ как простого инструмента.
Как показано здесь, использование генеративного ИИ в качестве инструмента для итерационной работы не приводит к значительному повышению эффективности бизнеса. Это заблуждение возникает из-за опыта или наблюдения таких ограниченных результатов.
Второе заблуждение связано с попыткой заставить генеративный ИИ выполнять итерационную работу.
Действительно, попытки заставить современный генеративный ИИ выполнять итерационную работу часто оказываются безуспешными. Следовательно, люди ошибочно приходят к выводу, что генеративный ИИ не может взять на себя задачи, выполняемые людьми, основываясь исключительно на этом наблюдении.
Заключение
Как обсуждалось, путем преобразования итерационной работы в потоковую и ее систематизации можно ожидать большей эффективности, чем при использовании одних только инструментов.
Более того, даже если генеративный ИИ не может выполнять итерационную работу, он способен справиться со многими отдельными задачами в рамках потоковой работы. Даже при большом количестве ошибок на начальном этапе, постоянное улучшение может быть достигнуто путем обновления инструкций.
В качестве альтернативы, при необходимости, задачи могут быть разделены, отделяя черновую работу от проверки, или реализуя многоступенчатые проверки.
Если систематизация может быть достигнута таким образом, то улучшения будут происходить с каждой выполненной задачей, и операции со временем станут более эффективными.
Это метод работы, который позволяет непрерывно улучшать сам механизм, подобно фабричному производству и ИТ-систематизации.
Для эффективного использования генеративного ИИ требуется изменение мышления: вместо того чтобы пытаться улучшить собственную итерационную работу, необходимо объективно преобразовать свои задачи в потоковую работу и систематизировать их.