قاده التفكير
超越"工作糟粕": 以实用، 以人人为本的AI实现进化
过去几年，随着LLM和其他AI内容生成器的使用量持续飙升，“AI糟粕”问题已经引起了相当多的文化热议和شكرا جزيلا。当低质量的图像和拙劣的文字充斥社交媒体信息流时，人们会注意到。
由于AI糟粕，我们现在更不信任那些我们怀疑是AI生成的广告内容，即使它们并非如此。读者们也正在识别LLM生成内容的典型迹象，例如过度使用破折号。不幸的是，“工作糟粕”现在也成了一种现象。
什么是工作糟粕？财务领导者为何需要关注它？
每位CFO都体会过追查预算差异或花费数小时核对无法解释的异常情况所带来的挫败感。在当今的企业环境中，AI的承诺无处不在，但一种新的生产力杀手也同样存在：工作糟粕。
工作糟粕是自动化的副产品，它看起来光鲜，但缺乏实质内容、背景或实用性。它是那篇充斥着破折号却没有教你任何新东西的文章；是那个引发的问题比解答的还多的通用报告；是那个制造摩擦而非带来清晰度的审批流程。它是迫使财务团队做更多而非更少工作的AI生成内容。
工作糟粕最常与低劣的内容质量相关联。它贬低品牌价值，可信度更低，并传递出人们已不再关注的信息。但当工作糟粕开始影响ERP等业务应用程序时，它对生产力和信任的消耗就更为严重。
当AI系统在没有足够人工输入、背景或监督的情况下生成输出时，就会产生工作糟粕。对于财务领导者而言，这意味着需要花费宝贵的时间去澄清、纠正或返工本应实现自动化的内容。
结果呢？效率丧失，对自动化的信心减弱，财务职能陷入被动反应模式。你可能认为你的组织在AI方面的投入不足以受到工作糟粕的影响，但它已经出现了。
最近一篇HuffPost文章引用斯坦福大学的一项研究指出，超过一半的员工表示他们在工作中遇到过工作糟粕。除了惹恼受影响的员工外，工作糟粕还威胁到将AI整合到工作场所的关键卖点：以卓越质量实现更高的生产力。
好消息是，你可以通过一种实用、以人为本的AI方法来最小化甚至消除工作糟粕。以下将探讨工作糟粕问题的现状、在工作场所更审慎应用AI技术可能呈现的样子，以及实现敏捷、迭代式AI部署的一些建议。
如果工作糟粕不是问题，而是初稿呢？
让我们面对现实——现在快2026年了，AI是一个令人兴奋的产品。它具有节省时间和提高生产力的巨大潜力，因此人们会使用它，无论雇主是否鼓励他们采用这项技术。问题是，他们是否会应用必要的适当培训和努力来获得最佳结果？
当用户没有给AI提供足够或结构良好的输入时，就会产生工作糟粕。要获得AI的最佳结果，你必须持续对话。你必须重写你的提示或细化你的需求。这种来回往复的过程引入了更多背景和反馈，帮助你达到更好的结果。
当我创建一个AI提示时，我亲身发现了这一点。我设想将其作为每日结束时的仪式，通过总结未回复的邮件并标记我做出的承诺来更新我的待办事项清单。这听起来是个好主意，但最初的版本过于臃肿和笨重，完全没有实际用处。
经过大量的细化、反馈和对LLM的“指导”，才得到了可预测且实用的输出。这要求我明确自己的需求、信息处理风格和注意力持续时间，才能获得有效的结果。
把我的初稿称为“工作糟粕”是公平的，但通过细化，我得到了一个有用的AI工具。但是，如果我在第一次迭代时就停止，并坚持使用那个不太用户友好的初稿呢？如果我那样做了，我将不得不处理阻碍生产力的工作糟粕。
将这种情况放大到涉及多方的更复杂流程中，你可以很容易地看到，即使怀着最好的意图应用AI，也可能变成工作糟粕——除非你拥有使其有效的培训、毅力和基础。
毫无疑问，AI可以增加真正的价值。但作为领导者，我们需要确保员工具备成功所需的专业知识、支持和协调，而来自一线工作场所的报告表明，还有很多工作要做。
什么是以人为本的AI方法？如何实现？
那么，什么是以人为本的AI方法？一条实用的路径如何在AI融入工作流程时带来更好的结果？
对于工作场所的AI倡导者来说，一个好的起点是承认目标不是取代人。而是通过理解人——他们的需求、日常烦恼、判断和目标——来缓解摩擦并增强我们的智慧。
这里有两点经验教训，可以将以人为本、高质量的AI带入工作场所。首先，对于使用生成式AI的团队，确保他们拥有通过强大的背景和细化来获得更好结果的培训和时间。
对于你选择的提供AI赋能功能的系统，确保你的技术合作伙伴真正理解你团队的需求。这意味着理解他们日常的操作环境、哪些方面有效以及哪些方面仍然让他们感到沮丧。
以人为本的AI在工作场所是什么样子？
AI可以独立应用，使人们的工作更轻松，也可以用来增强那些在工作流程中留下恼人缺口的旧技术。以光学字符识别技术为例。它将文本图像转换为可读、可搜索的文本，多年来一直被用于简化将纸质收据或发票录入费用报告软件等任务。
但任何经常使用OCR的人都知道，它并不总是像宣传的那样有效。也许你是在行驶的火车上拍摄了那张收据的照片，而收据是弯曲的，遮挡了信息。也许发票上的字迹难以辨认。也许日期是欧洲格式，而系统只识别美国格式。
OCR无法正确翻译数据的原因数不胜数。它是一种有限的技术。集成像AI这样更复杂的技术可以弥补这些缺口，最终消除手动输入这些数字的烦恼。
这只是以人为本的AI所能实现的开端。鉴于AI的能力，新的应用可以做更多事情来缓解工作中的摩擦。例如，通过正确的提示和深思熟虑的历史交易数据模式识别，AI将能够为发票添加超出页面字段的背景信息，通过以使用它的人为中心的背景来推断成本中心、项目信息等。
以人为本的AI还可以通过将任务带给公司ERP等系统之外的人员来缓解工作场所的摩擦。大多数人的工作并不在ERP系统中，但他们必须登录它（以及其他系统）来执行特定的任务，如批准工时表或员工请求。
如果AI代理将这些任务连同做出决策所需的相关背景信息，一起带给正在使用某个程序的人员呢？这可以保持流程的推进，并让员工更加专注。这种类型的人为本AI可以消除数据录入和登录多个系统等非增值任务。
以人为本的AI如何变革财务职能？
一种敏捷、迭代的AI方法已经在以显著的方式变革财务职能。当财务专业人员深陷电子表格和分析时，很难切换到讲故事的思维模式；那么，为什么不构建一个AI代理来帮助提供这种背景呢？
例如，异常和偏差是财务专业人员长期以来的烦恼，而AI可以通过提供背景来解释公司支出激增的原因来弥补这一不足。一个设计良好的代理可以在财务分析师翻阅所有电子表格发现差异之前，就标记出潜在问题。
同样，敏捷、迭代的AI可以在异常问题在人力资源领域浮现之前就将其标记出来。当薪资运行后出现薪酬差异，员工提出质疑时，人力资源团队的某个人必须放下手头的一切，进行取证分析以找出差异原因。这对于繁忙的团队来说是一个真正的挑战。
一个经过深思熟虑设计的AI代理可以在员工受到影响之前就发现异常，标记出问题，并在人力资源决策者所在的位置为他们提供背景信息。这样，团队成员的注意力就能保持在最大化生产力上，而不是忙于救火，运营也会更加顺畅。
消除摩擦和工作糟粕：自建代理还是供应商AI？
避免工作糟粕并从AI中获得真正价值的最佳方法是，寻找途径来减少我们工作中每天遇到的烦恼，承担那些不增加价值的任务。对于一些员工，包括许多财务和人力资源角色，将数据输入系统是一种烦恼，通常可以通过周到的自动化来消除。
对于创作内容的人来说，打字是工作的一部分，但有效利用AI需要培训、协作和政策，帮助员工设计提示，以生成有意义的内容，而不会给同事带来后续工作。
对于工作自动化，正确的解决方案会因角色和行业而异，但将AI整合到工作场所的领导者通常必须决定是自己创建代理，还是从供应商那里获得开箱即用的AI解决方案。
对于拥有强大IT资源（包括不受限制地获取AI专业知识或保留系统集成商）的公司来说，可能性是无限的。在这种情况下，提供客户用来直接创建AI解决方案的代理构建技术的供应商可能适用。
但许多企业无法获得这些资源，即使他们拥有，当人们试图在没有适当培训和资源来避免后续陷阱的情况下构建自己的AI代理时，工作糟粕很快就会成为问题。
安全性是另一个关键考虑因素。请记住，人们无论如何都会使用AI。这意味着领导者的任务是确保员工安全、透明地使用它——并且不会引入混乱。
选择供应商时应考虑什么？
对于许多公司来说，来自供应商的AI赋能系统是一个很好的选择，但请记住，并非所有产品都是平等的。避免工作糟粕并从AI中获得真正价值的最佳方法是，找到一个尽可能了解你的系统。
例如，如果你的目标是通过AI赋能的ERP系统改善运营，请向潜在供应商提出以下问题：
- 该产品是否消除了你的员工最常遇到的摩擦？
- 它是否解决了你的员工面临的最棘手问题？
- 它能否适应你组织内不同水平的专业知识？
- 它是否将人类保持在循环中，并确保问责制和透明度？
无论你是使用系统生成内容、自动化工作流程还是回答问题，结果的质量都取决于系统对你的背景了解多少。询问你的技术合作伙伴，他们的AI解决方案如何以人为本并提供真正的价值。
工作糟粕是不可避免的吗？
无论你的供应商是谁，无论你是自建代理还是使用通过开箱即用自动化消除摩擦的解决方案，作为领导者，你都有责任确保AI是安全、透明且能增加价值的。
请记住，以人为本的AI不仅仅取决于它是否解决了实际问题并使人们的工作更轻松。实用、以人为本的AI还将人类保持在循环中，因为最终，我们人类要对结果负责。
工作糟粕可能是AI演进过程中不可避免的一个阶段，但它不必成为你财务职能中的永久固定物。通过将人类置于循环中心、投资于培训并选择理解你业务背景的供应商，CFO们可以从ERP系统中释放出新的生产力水平和战略价值。
下一波ERP创新将由理解你业务的AI驱动，它能够提供洞察、自动化常规任务，并赋能财务领导者专注于最重要的事情。
财务的未来是背景丰富、敏捷且由人驱动的。你值得拥有今天就能使用、带你走向明天的工具，你可以通过实用、以人为本的AI超越工作糟粕，到达那个目的地。
