Bir araç ile bir sistem arasındaki farkı hiç düşündünüz mü?
Araçlar, çalışırken kullandığımız şeylerdir. Sistemler de benzer şekilde işi daha verimli hale getirir.
Bazıları bir sistemin sadece daha karmaşık bir araç olduğu izlenimine sahip olabilir.
Ancak, işi iki türe ayırırsak—tekrarlayan çalışma ve akış bazlı çalışma—bir araç ile bir sistem arasındaki ayrım dikkat çekici bir şekilde netleşir.
Tekrarlama ve Akış
Tekrarlayan çalışma, deneme yanılma yoluyla, esnek bir şekilde adapte olarak bir çıktıyı kademeli olarak oluşturma sürecidir.
Tekrarlayan çalışma için, belirli görevler için doğru aracı seçmenize olanak tanıyan bir araç seti kullanışlıdır.
Akış bazlı çalışma ise, aşamalar halinde ilerlemeyi ve çıktıyı son aşamada üretmeyi içerir.
Akış bazlı çalışma için, işi akış boyunca yönlendiren bir sisteme sahip olmak, üretkenliği ve kaliteyi önemli ölçüde artırır.
Akış Bazlı Çalışma Dönüşümü ve Sistemleştirme
İnsanlar tarafından yapılan işlerin çoğu ya tekrarlayan işlerdir ya da sistemleştirilmiş akış bazlı bir sürecin bileşenidir.
Tekrarlayan işleri akış bazlı işlere dönüştürmek ve ardından sistemleştirmek, üretkenlik ve kalite iyileştirmelerine önemli ölçüde katkıda bulunur.
Sanayi Devrimi ve BT Devrimi
Sanayi Devrimi ve BT Devrimi, tekrarlayan işlerin akış bazlı işlere dönüştürülmesi ve ardından sistemleştirilmesi yoluyla üretkenlik ve kalitede önemli artış sağlayan başlıca örneklerdir.
Sanayi Devrimi'nden önce, üretim, insanların araçları ustaca kullandığı, düzenlemeleri ve prosedürleri her seferinde serbestçe değiştirdiği tekrarlayan bir iş olarak gerçekleştirilirdi.
BT Devrimi'nden önceki bilgi işleme de, insanların araçları kullanarak standart olmayan bir şekilde ilerlediği tekrarlayan bir işti.
Bu süreçlerin, fabrika üretim hatları ve kurumsal BT sistemleri gibi sistemleştirilmesiyle, üretkenlik ve kalite artırıldı.
Ancak, sadece sistemleştirme değil, bu tekrarlayan işin akış bazlı dönüşümü de son derece önemlidir. Sistemleştirme, tam da akış bazlı dönüşüm başarıldığı için mümkün olmuştur.
Üretken Yapay Zeka Devrimi
İş dünyasında üretken yapay zekayı kullanarak verimliliği ve kaliteyi artırmayı hedeflerken, yapay zekayı sadece bir araç olarak kullanmak gerçek değer sağlamayacaktır.
Asıl amaç, tekrarlayan işin akış bazlı işe dönüştürülmesi ve ardından bu akış bazlı işin sistemleştirilmesidir.
Esnek uyum sağlayabilen üretken yapay zeka, tekrarlayan görevleri yerine getirebilir. Ancak, insan eliyle veya üretken yapay zeka tarafından yapılması fark etmeksizin, tekrarlayan işin üretkenliği ve kalitesi sınırlıdır.
Bu nedenle akış bazlı dönüşüm ve sistemleştirmeyi hedeflemek çok önemlidir.
Bazıları, insan çalışanlarla bile akış bazlı dönüşümün verimlilik ve kaliteyi artırabileceği, bu tür girişimlerin üretken yapay zekanın ortaya çıkışından önce de yapılabileceği argümanını öne sürebilir.
Ancak, insan çalışanlara dayalı akış bazlı dönüşüm aslında çok zor bir problemdir. İnsan çalışanlar, görev atamalarındaki veya içeriklerdeki değişikliklere hemen adapte olamazlar.
Öte yandan, çalışan üretken yapay zeka olduğunda, görevleri ve görev içeriğini deneme yanılma yoluyla yeniden yapılandırmak kolaydır.
İnsanlardan farklı olarak, üretken yapay zeka önceki adımları unutabilir, yeni prosedürleri anında okuyup anlayabilir ve bunlara göre çalışabilir.
Bu nedenle, iş dünyasında üretken yapay zekadan yararlanmanın ana akım yaklaşımı, tekrarlayan işin akış bazlı işe dönüştürülmesi ve ardından bunun sistemleştirilmesi olacaktır.
Üretken Yapay Zeka Kullanarak İş Verimliliğini Artırma
Şimdi üretken yapay zeka kullanarak iş verimliliğini artırma örneğini ele alalım.
Örnek olarak, çalışanların şirket kuralları hakkındaki sorularına yanıt verme görevini düşünelim.
Üretken yapay zeka kullanarak, şirket kurallarını arayabilir ve yanıt taslakları oluşturulabilir.
Ancak, üretken yapay zekanın güncel olmayan kurallara atıfta bulunma veya kurallarda açıkça belirtilmeyen cevapları yanlışlıkla hayal edip sağlama olasılığı vardır.
Üstelik, sorular e-posta, mesajlaşma araçları, telefon aramaları veya sözlü iletişim gibi çeşitli biçimlerde gelir.
Bu nedenle, soruları yanıtlayan çalışanların bunları eskisi gibi alması hala gerekmektedir.
Yerinde yanıtlanabilecek soruları yanıtlayarak ve kural doğrulaması gerektiren sorular için sorgu içeriğini üretken yapay zekaya girerek taslak cevaplar oluşturulmasıyla verimliliğin artırılabileceği düşünülebilir.
Ek olarak, sıkça sorulan sorular için, bunları şirketin dahili ana sayfasında SSS olarak yayınlamak gereklidir.
Üretken yapay zeka, tipik soruları ve cevapları girmek ve web sitesi yayını için maddeli taslaklar oluşturmak için de kullanılabilir.
Ayrıca, kural revizyonları gerektiğinde, üretken yapay zeka teklif taslakları hazırlamak için kullanılabilir.
Bu tür uygulamalar, sorgu işleme görevlerinin belirli bir yüzdesini daha verimli hale getirebilir.
Ancak, bu sadece sorgu işlemini tekrarlayan bir iş olarak bırakır ve üretken yapay zekayı bir araç olarak kullanır.
Sonuç olarak, verimlilik kazanımları çok sınırlıdır.
Akış Tabanlı İş Dönüşümü
Örnek olarak verilen sorgu yanıtlama görevinin verimliliğini en üst düzeye çıkarmak için bu görev bir akışa dönüştürülmelidir.
Bunu yapmak için, sorguları yanıtlarken ilgili kişi tarafından gerçekleştirilen görevlerin detaylandırılması ve resmileştirilmesi gerekir.
- Çeşitli kanallar aracılığıyla sorguları alın.
- Sorgu daha önce yanıtlanmış bir sorguyla aynıysa ve ilgili kurallarda değişiklik yoksa, aynı yanıtı verin.
- Yeni sorgular veya kural değişiklikleri içeren sorgular için kuralları onaylayın ve bir yanıt taslağı hazırlayın.
- Taslak yanıtın güncel olmayan kurallara atıfta bulunmadığını veya kurallarda belirtilmeyen bilgileri içermediğini kontrol edin.
- Yanıtlamadan önce onay gerekip gerekmediğini kontrol edin ve gerekirse onay alın.
- Sorgunun alındığı kanal aracılığıyla yanıtlayın.
- Sorgu içeriğini, onay sonucunu ve yanıt sonucunu sorgu geçmişi verilerine kaydedin.
- Sorgu geçmişi verilerini düzenli olarak kontrol edin ve sıkça sorulan soruları ve yanıtları güncellemek için taslaklar oluşturun.
- Onay alındıktan sonra şirketin dahili ana sayfasını güncelleyin.
- Kurallar güncellendiğinde referans alınan kural verilerini güncelleyin.
- Aynı anda, geçmiş sorgu geçmişi verilerine ilgili yanıtların ve kural güncellemelerinin gerçekleştiğini kaydedin.
- Kural değişiklikleri nedeniyle sıkça sorulan soruların ve yanıtların gözden geçirilmesi gerekip gerekmediğini doğrulayın ve gerekirse güncelleyin.
Yukarıda açıklandığı gibi, gerçekleştirilen görevlerin detayları açıkça tanımlanarak, bu görevler birbirine bağlanabilir ve esnek tekrarlayan iş, daha net bir akış tabanlı sürece dönüştürülebilir.
Sistemleştirme Örneği
Bu iş akışını oluşturarak, sistemleştirme yolu netleşir.
Sistemleştirme için, çalışanların bazı kolaylıklarından feragat etmek kabul edilebilir ise, sorgu kanallarını birleştirmek bir seçenektir.
Tersine, çalışanların kolaylığı öncelikliyse, sistem tüm kanallardan sorgu alabilme yeteneğini sürdürmelidir.
Temel olarak, sistem sorguları doğrudan almalıdır. Sadece sözlü sorgular için ilgili kişi bunları sisteme girmelidir.
Bir sorgu alındıktan sonra, BT sistemi ve üretken yapay zeka, akışı takip ederek sonraki işlerin mümkün olduğunca çoğunu yürütmelidir. Başlangıçta, insan kontrolleri ve onayları sistem boyunca serpiştirilmeli ve insan operatörler düzeltmeler yapabilmelidir.
Daha sonra, sistem sorgu yönetimi için kullanıldıkça, üretken yapay zeka bir hata yaparsa, tekrarını önlemek için üretken yapay zekaya yönelik talimatlar uyarılar, kontrol noktaları, hata örnekleri ve doğru örneklerle güncellenmelidir.
Bu, üretken yapay zeka hatalarında bir azalma sağlar. Üretken yapay zekaya yönelik talimatları güncelleme süreci, tekrarlayan bir görev yerine akış tabanlı bir göreve dönüştürülürse daha da verimli hale getirilebilir.
Bu şekilde, akış tabanlı işi sistemleştirerek, görünüşte insan müdahalesi gerektiren görevler bile üretken yapay zekaya dayalı bir sistemle değiştirilebilir.
Yaygın Yanlış Anlamalar
Birçok kişi, üretken yapay zekanın iş uygulamalarının şu anda pek etkili olmadığını veya erken olduğunu düşünmektedir.
Ancak, bu kişilerin önemli bir kısmı genellikle iki tür yanlış anlamaya düşmektedir.
İlk yanlış anlama, üretken yapay zekayı bir araç olarak kullanmaya odaklanmaktan kaynaklanmaktadır.
Burada gösterildiği gibi, üretken yapay zekayı tekrarlayan görevler için bir araç olarak kullanmak, iş verimliliğini önemli ölçüde artırmaz. Bunu deneyimlemek veya duymak bu yanlış anlamaya yol açar.
İkinci yanlış anlama, üretken yapay zekanın tekrarlayan görevleri yerine getirmesine odaklanmaktan kaynaklanmaktadır.
Gerçekten de, mevcut üretken yapay zekayı tekrarlayan görevleri yerine getirmeye çalıştırmak pek iyi sonuç vermez. Sonuç olarak, üretken yapay zeka insanların yaptığı görevleri tam olarak devralamaz ve sadece bu noktaya odaklanmak yanlış anlamaya yol açar.
Sonuç
Burada tartışıldığı gibi, tekrarlayan işleri akış bazlı işlere dönüştürerek ve sistemleştirerek, sadece araçlarla elde edilenden daha büyük bir verimlilik beklenebilir.
Ayrıca, tekrarlayan işin kendisi tam olarak ele alınamasa bile, akış bazlı bir süreç içindeki birçok bireysel görev mevcut üretken yapay zeka tarafından yönetilebilir. Başlangıçta birçok hata olsa bile, talimatları güncelleyerek sürekli iyileştirme sağlanabilir.
Alternatif olarak, görevler gerektiğinde bölünebilir, taslak hazırlama kontrol etmeden ayrılabilir veya çok aşamalı kontrol uygulanabilir.
Bu şekilde sistemleştirme başarılabilirse, her görevde iyileşmeler ilerleyecek ve operasyonlar zamanla daha verimli hale gelecektir.
Bu, fabrika üretimi ve BT sistemi uygulamalarına benzer şekilde, mekanizmanın kendisinin sürekli iyileştirilmesini sağlayan bir çalışma şeklidir.
Üretken yapay zekadan yararlanmak için bir zihniyet değişikliği gereklidir: sadece kendi tekrarlayan görevlerinizi iyileştirmek yerine, işinizi nesnel olarak akış bazlı süreçlere dönüştürmeniz ve bunları sistemleştirmeniz gerekir.