Evoluce za hranice „workslopu“ s praktickým, člověkem zaměřeným AI

Problém „AI špinavosti“ vyvolal v posledních letech poměrně velkou kulturní pozornost a mediální pozornost vzhledem k tomu, že používání LLM a dalších generátorů AI obsahu neustále roste. Lidé si všímají, když nízkokvalitní obrázky a podstandardní próza zaplavují jejich sociální kanály.

Díky AI špinavosti jsme nyní méně pravděpodobně důvěřovat reklamnímu obsahu, o kterém jsme přesvědčeni, že je vygenerován AI, i když tomu tak není, a čtenáři rozpoznávají charakteristické znaky obsahu vygenerovaného LLM, jako je přehršle pomlček. Bohužel, „workslop“ je nyní také věcí.

Co je workslop a proč by o něj měli finanční lídři pečovat?

Každý finanční ředitel zná frustraci z hledání rozdílu v rozpočtu nebo strávení hodin při vyrovnávání nevyjasněných anomálií. V dnešním podnikatelském prostředí je slib AI všudypřítomný, ale také je zde nový zabiják produktivity: workslop.

Workslop je produkt automatizace, který vypadá leskle, ale postrádá podstatu, kontext nebo užitnou hodnotu. Je to článek posetý pomlčkami, který vám nic nového nenaučí; obecná zpráva, která vyvolává více otázek, než odpovědí; schvalovací workflow, který vytváří tření místo jasnosti. Je to AI vygenerovaný obsah, který nutí finanční týmy vykonávat více práce, ne méně.

Workslop je nejčastěji spojován s nízkou kvalitou obsahu. Sníží hodnotu značky, je méně důvěryhodný a posílá zprávu, že lidé přestali věnovat pozornost. Ale když workslop začne ovlivňovat obchodní aplikace, jako je ERP, stává se ještě větším odsáváním produktivity a důvěry.

Workslop je výsledkem toho, že systémy AI generují výstup bez dostatečného lidského vstupu, kontextu nebo dohledu. Pro finanční lídery to znamená, že stráví cenný čas vysvětlováním, opravováním nebo přepracováváním toho, co mělo být automatizováno.

Výsledkem je ztráta efektivity, snížení důvěry v automatizaci a finanční funkce, která je uvězněna v reaktivním režimu. Můžete si myslet, že vaše organizace není dostatečně investována do AI, aby byla postižena workslopem, ale je to již tam.

Nedávný článek v HuffPost citoval studii Stanfordovy univerzity, která zjistila, že více než polovina pracovníků uvedla, že se setkala s workslopem na pracovišti. Kromě toho, že workslop frustruje postižené pracovníky, ohrožuje také základní prodejní argument pro integraci AI do pracoviště: vyšší produktivitu s výjimečnou kvalitou.

Dobrou zprávou je, že můžete minimalizovat nebo dokonce eliminovat workslop praktickým, člověkem zaměřeným přístupem k AI. Zde je pohled na současný stav problému workslop, co může vypadat více uvážlivé uplatňování technologie AI v pracovním prostředí a einige tipy na dosažení agilního, iterativního nasazení AI.

Co kdyby workslop nebyl problém, ale spíše první návrh?

Přiznejme si to — je téměř 2026 a AI je vzrušující produkt. Má neuvěřitelný potenciál ušetřit čas a zlepšit produktivitu, takže lidé jej budou používat, ať už jejich zaměstnavatelé podporují přijetí technologie nebo ne. Otázkou je, zda ji budou používat s odpovídajícím tréninkem a úsilím nezbytným pro dosažení nejlepších výsledků.

Workslop nastává, když uživatel nedává AI dostatečný nebo dobře strukturovaný vstup. Abyste dosáhli nejlepších výsledků s AI, musíte udržovat konverzaci. Musíte přepsat svůj prompt nebo upřesnit své potřeby. Tento proces zpětné vazby a zpětného ověření zavede více kontextu a zpětné vazby a pomůže vám dosáhnout lepšího výsledku.

Zjistil jsem to na vlastní kůži, když jsem vytvořil AI prompt, který jsem si představoval jako denní rituál pro aktualizaci mého seznamu úkolů shrnutím nezodpovězených e-mailů a označení závazků, které jsem učinil. Znělo to jako skvělý nápad, ale původní verze byla příliš přehnaná a těžkopádná, aby byla prakticky použitelná.

Vybavilo mi to spoustu úpravy, zpětné vazby a koučování ze strany LLM, abych dosáhl předvídatelného a praktického výstupu. Vyžadovalo to, abych byl jasný o svých potřebách, stylu zpracování informací a délce pozornosti, abych dosáhl výsledku, který fungoval.

Bylo by spravedlivé nazvat můj první návrh „workslopem“, ale díky úpravnám jsem dosáhl užitečného nástroje AI. Ale co kdybych zastavil u první iterace a držel se méně uživatelsky přívětivého prvního návrhu? Kdybych to udělal, musel bych se potýkat s workslopem, který by brzdil produktivitu.

Zvětšete to na komplexnější procesy zahrnující více stran a snadno můžete vidět, jak AI aplikovaná s nejlepšími úmysly může stát workslopem — pokud nemáte trénink, vytrvalost a zakotvení, aby to bylo efektivní.

Není pochyb o tom, že AI může přidat skutečnou hodnotu. Ale jako lídři musíme zajistit, aby zaměstnanci měli know-how, podporu a koordinaci, aby uspěli, a zprávy z pracovišť na předních liniích ukazují, že je stále mnoho práce, které je třeba udělat.

Co je člověkem zaměřený přístup k AI a jak se k němu dostat?

Co je člověkem zaměřený přístup k AI? A jak může praktická cesta vést k lepšímu výsledku, když je AI integrován do pracovních postupů?

Pro zastánce AI v pracovním prostředí je dobrým výchozím bodem uznání, že cílem není nahradit lidi. Je to usnadnit tření a zesílit naše inteligenci tím, že pochopíme člověka: jeho potřeby, denní frustrace, úsudky a cíle.

Jsou zde dvě lekce, které přinášejí člověkem zaměřený, kvalitní AI do pracovního prostředí. První je, abyste zajistili, aby vaše týmy, které pracují s generativní AI, měly trénink a čas, aby dosáhly lepších výsledků se silným kontextem a úpravami.

Pro systémy, které si vyberete, aby nabízely AI podporu, zajistěte, aby vaši technologičtí partneři skutečně rozuměli potřebám vašeho týmu. To znamená, že rozumějí jejich dennímu provoznímu prostředí, co funguje a co je stále frustrující.

Co vypadá člověkem zaměřený AI v pracovním prostředí?

AI může být aplikován samostatně, aby usnadnil lidem práci, nebo může být použit k doplnění starších technologií, které zanechávají frustrující mezery v pracovních postupech. Vezměme si technologii OCR (Optical Character Recognition) jako příklad. Převádí obrázky textu na čitelný, vyhledatelný text a používá se již roky ke streamlinování úkolů, jako je zadávání papírových účtenek nebo faktur do softwaru pro vykazování výdajů.

Ale každý, kdo pravidelně používá OCR, ví, že to nefunguje vždy tak, jak je inzerováno. Možná jste vyfotili účtenku v pohyblivém vlaku a účtenka byla ohnutá, skrývající informace. Možná je faktura napsána něčí nečitelným písmem. Možná je datum ve formátu EU a systém rozpoznává pouze formát USA.

Existuje mnoho důvodů, proč OCR nemusí správně přeložit data. Je to omezená technologie. Integrace sofistikovanější technologie, jako je AI, může uzavřít tyto mezery a konečně eliminovat frustraci z manuálního zadávání těchto údajů.

To je teprve začátek toho, co může člověkem zaměřený AI umožnit. Díky schopnostem AI mohou nové aplikace dělat mnohem více, aby usnadnily tření na pracovišti. Například s odpovídajícími prompty a uvážlivým historickým rozpoznáním vzorců transakčních údajů může AI přidat kontext k faktuře nad rámec polí na stránce tím, že odvodí informaci o nákladovém středisku, projektu a dalších prostřednictvím kontextu zaměřeného na člověka, který jej používá.

Člověkem zaměřený AI může také usnadnit tření na pracovišti tím, že přinese úkoly lidem mimo systémy, jako je firemní ERP. Práce většiny lidí nežije v systému ERP, ale musí se přihlásit do něj (a dalších systémů), aby provedli konkrétní úkoly, jako je schvalování časových listů nebo žádostí zaměstnanců.

Co kdyby AI agent přinesl tyto úkoly lidem místo toho, spolu s relevantním kontextem, který potřebují, aby mohli učinit rozhodnutí v programu, který již používají? To by mohlo udržet procesy v chodu a zaměstnance více soustředěné. Člověkem zaměřený AI tohoto typu může eliminovat úkoly, které nepřinášejí žádnou přidanou hodnotu, jako je zadávání dat a přihlašování do více systémů.

Jak člověkem zaměřený AI transformuje finanční funkce?

Agilní, iterativní přístup k AI již transformuje finanční funkce významným způsobem. Když jsou finanční profesionálové ponořeni do tabulek a analýz, může být obtížné přepnout na vyprávěcí stranu mozku; proč tedy nevytvořit AI agenta, který by jim pomohl poskytnout kontext?

Například anomálie a odchylky jsou chronickou frustrací pro finanční profesionály a AI může pomoci tím, že poskytne kontext, aby vysvětlil skoky ve firemních výdajích. Dobře navržený agent může označit potenciální problémy, než se finanční analytik ponoří do všech tabulek, aby objevil odchylky.

Podobně může agilní, iterativní AI označit anomálie, než se objeví v prostoru HR. Když dojde k odchylce v platbě po spuštění payrollu a zaměstnanec ji zpochybní, někdo z týmu HR musí zastavit vše a provést forenzní analýzu, aby objevil důvod rozdílu. To je skutečná výzva pro zaneprázdněné týmy.

Uvážlivě navržený AI agent by mohl označit odchylky, než budou zaměstnanci postiženi, a označit anomálie a poskytnout kontext HR rozhodnutím, kde jsou. Tímto způsobem se zaměření členů týmu soustředí na maximalizaci produktivity, nikoli na hašení požárů, a operace běží hladčeji.

Eliminace tření a workslopu: DIY agenti nebo AI od dodavatele?

Nejlepším způsobem, jak se vyhnout workslopu a získat skutečnou hodnotu z AI, je hledat způsoby, jak snížit denní dávku frustrací, se kterými se všichni setkáváme na našich pracích, a to tak, že se ujmeme úkolů, které nepřinášejí žádnou přidanou hodnotu. Pro některé zaměstnance, včetně mnoha finančních a HR rolí, zadávání dat do systému je frustrací, která může být často eliminována uvážlivou automatizací.

Pro lidi, kteří vytvářejí obsah, je psaní součástí práce, ale efektivní využití AI vyžaduje trénink, spolupráci a politiky, které pomáhají zaměstnancům vytvořit prompty, které generují smysluplný obsah a nevytvářejí následnou práci pro kolegy.

Pro automatizaci práce bude správné řešení se lišit podle role a odvětví, ale lídři, kteří integrují AI do pracovního prostředí, budou často muset rozhodnout, zda vytvořit agenta sami nebo získat hotové AI řešení od dodavatele.

Pro společnosti s robustními IT zdroji, včetně neomezeného přístupu k odborníkům na AI nebo systémovým integrátorům, je obloha omezená. V takovém případě může fungovat dodavatel, který dodává technologii pro vytváření agentů, kterou klienti používají k vytváření AI řešení.

Ale mnoho firem nemá přístup k těmto zdrojům a i když je mají, workslop může rychle stát problémem, když lidé snaží vytvářet své vlastní AI agenta bez odpovídajícího tréninku a zdrojů, aby se vyhnuli pastem níže.

Bezpečnost je další kritickou considerací. Mějte na paměti, že lidé budou používat AI, bez ohledu na to. To znamená, že je úkolem lídra zajistit, aby zaměstnanci používali AI bezpečně a transparentně — a bez zavedení chaosu.

Co byste měli zvážit při výběru dodavatelů?

Pro mnoho společností je AI-podporovaný systém od dodavatele skvělou možností, ale pamatujte si, že ne všechny produkty jsou vytvořeny stejně. Nejlepším způsobem, jak se vyhnout workslopu a získat skutečnou hodnotu z AI, je najít systém, který vás zná co nejlépe.

Například, pokud je vaším cílem zlepšit operace s AI-podporovaným systémem ERP, zvažte tyto otázky pro potenciální dodavatele:

• Značí produkt tření, se kterým se vaši zaměstnanci setkávají nejčastěji?
• Řeší produkt nejobtížnější problémy, se kterými se vaši zaměstnanci setkávají?
• Může produkt akomodovat různé úrovně odbornosti ve vaší organizaci?
• Drží produkt lidi v smyčce a zajišťuje odpovědnost a transparentnost?

Bez ohledu na to, zda používáte systém pro generování obsahu, automatizaci pracovních postupů nebo odpovědi na otázky, kvalita vašich výsledků závisí na tom, jak dobře systém zná váš kontext. Zeptejte se svých technologických partnerů, jak jejich AI řešení zaměřená na člověka dodávají skutečnou hodnotu.

Je workslop nevyhnutelný?

Bez ohledu na to, kdo je váš dodavatel, a zda vytváříte své vlastní agenta nebo používáte řešení, které odstraňuje tření prostřednictvím hotové automatizace, je na vás jako lídru, abyste zajistili, že AI je bezpečné, transparentní a přidává hodnotu.

Mějte na paměti, že člověkem zaměřený AI není definován pouze tím, zda řeší skutečné problémy a usnadňuje lidem práci. Praktický, člověkem zaměřený AI také drží lidi v smyčce, protože nakonec jsme my lidé zodpovědní za výsledky.

Workslop může být nevyhnutelnou fází evoluce AI, ale nemusí to být trvalá součást vaší finanční funkce. Středem lidí v smyčce, investováním do tréninku a výběrem dodavatelů, kteří rozumějí kontextu vašeho podnikání, mohou finanční ředitelé odemknout nové úrovně produktivity a strategické hodnoty z systémů ERP.

Příští vlna inovací ERP bude poháněna AI, která rozumí vašemu podnikání stejně dobře jako vy a je schopna dodávat přehledy, automatizovat rutinní úkoly a umožňovat finančním lídrům soustředit se na to, co je nejdůležitější.

Budoucnost financí je bohatá na kontext, agilní a člověkem poháněná. Zasloužíte si nástroje, které můžete použít dnes, aby vás zavedly do zítřka, a můžete se vyvinout za hranice workslopu s praktickým, člověkem zaměřeným AI, abyste dosáhli této destinace.