Connect with us

Εξελίξου Πέρα από το “Workslop” Με Πρακτικό, Ανθρωποκεντρικό AI

Ηγέτες σκέψης

Εξελίξου Πέρα από το “Workslop” Με Πρακτικό, Ανθρωποκεντρικό AI

mm

Το πρόβλημα του “AI slop” έχει δημιουργήσει μια σημαντική κультουριακή συζήτηση και μεディア προσοχή τα τελευταία χρόνια, καθώς η χρήση των LLMs και άλλων γενераторών περιεχομένου AI συνεχίζει να αυξάνεται εκθετικά. Οι άνθρωποι παρατηρούν όταν οι χαμηλής ποιότητας εικόνες και το κακό προσωρινό περιεχόμενο πλημμυρίζουν τα κοινωνικά τους κανάλια.

Χάρη στο AI slop, δεν είμαστε πλέον τόσο πιθανό να εμπιστευθούμε το περιεχόμενο διαφήμισης που υποψιαζόμαστε ότι είναι AI-γεννημένο, ακόμη και αν δεν είναι, και οι αναγνώστες διαλέγουν τα χαρακτηριστικά σημάδια του LLM-γεννημένου περιεχομένου, όπως η υπερβολική χρήση των em dashes. Δυστυχώς, το “workslop” είναι επίσης ένα πράγμα τώρα.

Τι Είναι το Workslop, και Γιατί Οι Ηγετές των Χρηματοοικονομικών Πρέπει Να Σηκώσουν Το Κεφάλι;

Κάθε CFO γνωρίζει την εκνευρισμένη κατάσταση της καταδίωξης μιας διακύμανσης προϋπολογισμού ή της δαπάνης ωρών για την εξισορρόπηση ανεξήγητων ανωμαλιών. Στη σημερινή επιχειρηματική τοπография, η υπόσχεση του AI είναι παντού, αλλά υπάρχει και ένας νέος δολοφόνος της παραγωγικότητας: το workslop.

Το workslop είναι το αποτέλεσμα της αυτοματοποίησης που φαίνεται γυαλιστερό αλλά λείπει σε ουσία, контέxt ή χρησιμότητα. Είναι το άρθρο που είναι γεμάτο με em dashes που δεν σας διδάσκει τίποτα νέο; η γενική αναφορά που δημιουργεί περισσότερες ερωτήσεις από ότι απαντήσεις; η διαδικασία έγκρισης που δημιουργεί τριβή αντί για σαφήνεια. Είναι το AI-γεννημένο περιεχόμενο που αναγκάζει τις οικονομικές ομάδες να κάνουν περισσότερη δουλειά, όχι λιγότερη.

Το workslop συνδέεται συχνά με την κακή ποιότητα του περιεχομένου. Αποτιμάει την ετικέτα, είναι λιγότερο αξιόπιστο και στέλνει το μήνυμα ότι οι άνθρωποι έχουν σταματήσει να προσέχουν. Όταν το workslop αρχίζει να επηρεάζει τις επιχειρηματικές εφαρμογές όπως το ERP, γίνεται ακόμη περισσότερο ένας αποβλητής της παραγωγικότητας και της εμπιστοσύνης.

Το workslop προκύπτει όταν τα συστήματα AI παράγουν έξοδο χωρίς αρκετή ανθρώπινη είσοδο, контέxt ή επιτήρηση. Για τους ηγέτες των χρηματοοικονομικών, αυτό σημαίνει ότι θα πρέπει να δαπανήσουν πολύτιμο χρόνο για να αποσαφηνίσουν, να διορθώσουν ή να ξαναδουλέψουν ότι θα έπρεπε να είχε αυτοματοποιηθεί.

Το αποτέλεσμα; Χαμένη αποτελεσματικότητα, μειωμένη εμπιστοσύνη στην αυτοματοποίηση και μια χρηματοοικονομική λειτουργία που είναι κολλημένη σε αντιδραστικό τρόπο. Μπορείτε να σκεφτείτε ότι η οργάνωση σας δεν έχει επενδύσει αρκετά στο AI για να επηρεαστεί από το workslop, αλλά είναι ήδη εκεί.

Μια πρόσφατη HuffPost άρθρο ανέφερε μια μελέτη του Πανεπιστημίου του Στάνφορντ που βρήκε ότι περισσότεροι από τους μισούς εργαζόμενους λένε ότι έχουν συναντήσει workslop στην δουλειά. Εκτός από το ότι ενοχλεί τους επηρεαζόμενους εργαζόμενους, το workslop απειλεί να υπονομεύσει το βασικό σημείο πώλησης για την ενσωμάτωση του AI στην εργασία: μεγαλύτερη παραγωγικότητα με εξαιρετική ποιότητα.

Η καλή είδηση είναι ότι μπορείτε να ελαττώσετε ή ακόμη και να εξαφανίσετε το workslop με μια πρακτική, ανθρωποκεντρική προσέγγιση στο AI. Εδώ είναι μια ματιά στην τρέχουσα κατάσταση του προβλήματος workslop, τι μπορεί να μοιάζει μια πιο σκέφτη προσέγγιση της τεχνολογίας AI στην εργασία και μερικές συμβουλές για την επίτευξη μιας ευέλικτης, εναλλακτικής ανάπτυξης AI.

Τι Αν Το Workslop Δεν Είναι Ένα Πρόβλημα Αλλά Μια Πρώτη Έκδοση;

Ας το πούμε — είναι σχεδόν το 2026, και το AI είναι ένα ενθουσιώδες προϊόν. Έχει απίστευτο δυναμικό να σώσει χρόνο και να βελτιώσει την παραγωγικότητα, οπότε οι άνθρωποι θα το χρησιμοποιήσουν, ανεξάρτητα από το αν ο εργοδότης τους ενθαρρύνει να υιοθετήσουν την τεχνολογία ή όχι. Η ερώτηση είναι, θα το εφαρμόσουν με την κατάλληλη εκπαίδευση και προσπάθεια που απαιτείται για να πάρουν τα καλύτερα αποτελέσματα;

Το workslop συμβαίνει όταν ο χρήστης δεν δίνει στο AI αρκετή ή καλά δομημένη είσοδο. Για να πάρουμε τα καλύτερα αποτελέσματα με το AI, πρέπει να διατηρήσουμε τη συζήτηση. Πρέπει να ξαναγράψουμε το ερέθισμα ή να βελτιώσουμε τις ανάγκες μας. Αυτή η διαδικασία εισαγωγής περισσότερου контέxt και ανατροφοδότησης βοηθά να φτάσουμε σε ένα καλύτερο αποτέλεσμα.

Το ανακάλυψα αυτό πρώτο χέρι όταν δημιούργησα ένα ερέθισμα AI που το οραματίζομαι ως μια καθημερινή τελετουργία για να ενημερώσω τη λίστα των πραγμάτων που πρέπει να κάνω, συνοψίζοντας τις απαντημένες ηλεκτρονικές επιστολές και σημειώνοντας τις δεσμεύσεις που είχα κάνει. Ήταν μια καλή ιδέα, αλλά η αρχική έκδοση ήταν πολύ υπερβολική και βαρετή για να είναι πρακτική.

Τι Είναι Μια Ανθρωποκεντρική Προσέγγιση Στο AI, και Πώς Να Φτάσετε Εκεί;

Τι είναι μια ανθρωποκεντρική προσέγγιση στο AI; ΚΑΙ πώς μπορεί μια πρακτική οδός να οδηγήσει σε καλύτερα αποτελέσματα καθώς το AI ενσωματώνεται στις ροές εργασίας;

Για τους υποστηρικτές του AI στην εργασία, ένα καλό σημείο εκκίνησης είναι να αναγνωρίσουν ότι ο στόχος δεν είναι να αντικαταστήσουν τους ανθρώπους. Είναι να μειώσουν την τριβή και να ενισχύσουν την ευφυΐα μας κατανοώντας τον άνθρωπο: τις ανάγκες, τις καθημερινές ενοχλήσεις, την κρίση και τους στόχους.

Υπάρχουν δύο μαθήματα εδώ για να φέρουν ανθρωποκεντρικό, ποιοτικό AI στην εργασία. Πρώτον, για τις ομάδες σας που εργάζονται με γεννητικό AI, βεβαιωθείτε ότι έχουν την εκπαίδευση και τον χρόνο για να πάρουν καλύτερα αποτελέσματα με ισχυρό контέxt και βελτίωση.

Για τα συστήματα που επιλέγετε που προσφέρουν ενεργοποίηση AI, βεβαιωθείτε ότι οι τεχνολογικοί σας συνεργάτες πραγματικά κατανοούν τις ανάγκες της ομάδας σας. Αυτό σημαίνει ότι κατανοούν το ημερήσιο περιβάλλον λειτουργίας, τι δουλεύει και τι ακόμη ενοχλεί.

Τι Μοιάζει το Ανθρωποκεντρικό AI στην Εργασία;

Το AI μπορεί να εφαρμοστεί σε αυτόνομη βάση για να κάνει την δουλειά των ανθρώπων πιο εύκολη ή να χρησιμοποιηθεί για να αυξήσει παλαιότερες τεχνολογίες που αφήνουν ενοχλητικές лакκές στις ροές εργασίας. Πάρτε, για παράδειγμα, την τεχνολογία OCR. Μετατρέπει εικόνες κειμένου σε αναγνώσιμο, αναζητήσιμο κείμενο και έχει χρησιμοποιηθεί για χρόνια για να ροηματοποιήσει εργασίες όπως η εισαγωγή χαρτιών παραλήψεων ή τιμολογίων σε λογισμικό αναφοράς δαπανών.

Αλλά όπως όλοι γνωρίζουν που χρησιμοποιούν OCR τακτικά, δεν λειτουργεί πάντα όπως διαφημίζεται. Ίσως έπιασε αυτή τη φωτογραφία μιας παραλήψεως σε ένα κινούμενο τρένο, και η παραλήψη ήταν πτυχωμένη, αποκρύπτοντας πληροφορίες. Ίσως το τιμολόγιο είναι γραμμένο με ακαταληψία γραφή. Ίσως η ημερομηνία είναι σε ευρωπαϊκή μορφή, και το σύστημα αναγνωρίζει μόνο την αμερικανική μορφή.

Υπάρχουν αμέτρητοι λόγοι για τους οποίους η OCR μπορεί να αποτύχει να μεταφράσει σωστά τα δεδομένα. Είναι μια περιορισμένη τεχνολογία. Η ενσωμάτωση μιας πιο εξελιγμένης τεχνολογίας όπως το AI μπορεί να κλείσει αυτές τις лакκές και τελικά να εξαφανίσει την ενοχλή της χειροκίνητης εισαγωγής αυτών των αριθμών.

Αυτό είναι μόνο η αρχή του τι μπορεί να κάνει το ανθρωποκεντρικό AI. Με τις ικανότητες του AI, νέες εφαρμογές μπορούν να κάνουν πολύ περισσότερα για να ανακουφίσουν την τριβή στη δουλειά. Για παράδειγμα, με τα σωστά ερεθίσματα και τη σκέφτη αναγνώριση ιστορικών δεδομένων συναλλαγών, το AI θα μπορεί να προσθέσει контέxt σε ένα τιμολόγιο πέρα από τα πεδία στη σελίδα, υπονοώντας κέντρο κόστους, πληροφορίες έργου και άλλα μέσω контέxt που επικεντρώνεται στον άνθρωπο που το χρησιμοποιεί.

Το ανθρωποκεντρικό AI μπορεί επίσης να ανακουφίσει την τριβή στην εργασία λαμβάνοντας εργασίες σε ανθρώπους εκτός συστημάτων όπως το ERP. Η większość των ανθρώπων δεν ζει στη λειτουργία ERP, αλλά πρέπει να συνδεθούν σε αυτό (και άλλα συστήματα) για να κάνουν συγκεκριμένες εργασίες όπως την έγκριση φύλλων ωρών ή αιτημάτων υπαλλήλων.

Τι αν ένας πράκτορας AI έφερε αυτές τις εργασίες στον άνθρωπο αντί, μαζί με το σχετικό контέxt που χρειάζεται, για να λάβει μια απόφαση σε ένα πρόγραμμα που ήδη χρησιμοποιεί; Αυτό θα μπορούσε να διατηρήσει τις διαδικασίες σε κίνηση και τους υπαλλήλους πιο εστιασμένους. Το ανθρωποκεντρικό AI αυτού του τύπου μπορεί να εξαφανίσει εργασίες χωρίς προστιθέμενη αξία όπως η εισαγωγή δεδομένων και η σύνδεση σε πολλαπλά συστήματα.

Πώς Μεταμορφώνει το Ανθρωποκεντρικό AI τις Χρηματοοικονομικές Λειτουργίες;

Μια ευέλικτη, εναλλακτική προσέγγιση στο AI έχει ήδη μεταμορφώσει τις χρηματοοικονομικές λειτουργίες με σημαντικούς τρόπους. Όταν οι chuyênικοί χρηματοοικονομικών είναι βαθιά σε电子ικά φύλλα και ανάλυση, μπορεί να είναι δύσκολο να μετακινήσουν την πλευρά της αφήγησης του εγκεφάλου; οπότε γιατί δεν να χτίσουμε έναν πράκτορα AI για να βοηθήσει στην παροχή αυτού του контέxt;

Για παράδειγμα, οι ανωμαλίες και οι ανωμαλίες είναι μια χρόνια ενοχλή για τους chuyênικούς χρηματοοικονομικών, και το AI μπορεί να πάρει το σλακ με την παροχή контέxt για να εξηγήσει τις αιχμές στις εταιρικές δαπάνες. Ένας καλά σχεδιασμένος πράκτορας μπορεί να σημάνει πιθανές προβλήματα πριν ο αναλυτής χρηματοοικονομικών ψάξει μέσα από όλα τα φύλλα για να ανακαλύψει τις διακυμάνσεις.

Ομοίως, η ευέλικτη, εναλλακτική προσέγγιση του AI μπορεί να σημάνει ανωμαλίες πριν φουντώσουν στον χώρο του HR. Όταν υπάρχει μια διακύμανση στη μισθοδοσία μετά από μια εκτέλεση μισθοδοσίας και ένας υπάλληλος ερωτάει γι’ αυτό, κάποιος στην ομάδα HR πρέπει να σταματήσει mọiTHING και να κάνει μια νομική ανάλυση για να ανακαλύψει το λόγο της διαφοράς. Αυτό είναι μια πραγματική πρόκληση για τις занятές ομάδες.

Ένας σκέφτης πράκτορας AI θα μπορούσε να επιφέρει ανωμαλίες πριν οι υπάλληλοι επηρεαστούν, σημαινώντας την ανωμαλία και παρέχοντας контέxt στους αποφασίζοντες του HR όπου είναι. Με αυτόν τον τρόπο, η εστίαση των μελών της ομάδας παραμένει στην μεγιστοποίηση της παραγωγικότητας αντί να σβήνει φωτιές, και οι λειτουργίες τρέχουν πιο ομαλά.

Εξαφανίζοντας Τριβή και Workslop: Πράκτορες DIY ή AI Vendor;

Ο καλύτερος τρόπος για να αποφύγετε το workslop και να πάρτε πραγματική αξία από το AI είναι να ψάξετε τρόπους για να μειώσετε την ημερήσια δόση ενοχλήσεων που συναντάμε όλες στις δουλειές μας, λαμβάνοντας εργασίες που δεν προσθέτουν αξία. Για μερικούς υπαλλήλους, συμπεριλαμβανομένων πολλών χρηματοοικονομικών και ρόλων HR, η εισαγωγή δεδομένων σε ένα σύστημα είναι μια ενοχλή που μπορεί συχνά να εξαφανιστεί μέσω σκέφτης αυτοματοποίησης.

Για τους ανθρώπους που δημιουργούν περιεχόμενο, η γραφή είναι μέρος της δουλειάς, αλλά η αποτελεσματική χρήση του AI απαιτεί εκπαίδευση, συνεργασία και πολιτικές που βοηθούν τους υπαλλήλους να σχεδιάσουν ερεθίσματα που παράγουν σημαντικό περιεχόμενο και δεν δημιουργούν εργασία για τους συναδέλφους.

Για την αυτοματοποίηση εργασίας, η σωστή λύση θα ποικίλει ανάλογα με τον ρόλο και την βιομηχανία, αλλά οι ηγέτες που ενσωματώνουν το AI στην εργασία θα πρέπει συχνά να αποφασίσουν αν θα δημιουργήσουν πράκτορες μόνοι τους ή θα λάβουν μια λύση AI από έναν προμηθευτή.

Για τις εταιρείες με ισχυρά IT πόρους, συμπεριλαμβανομένης της απεριόριστης πρόσβασης σε εμπειρογνωμοσύνη AI ή ενός συστήματος ολοκλήρωσης σε εναύλιο, ο ουρανός είναι ο ορίζοντας. Σε αυτή την περίπτωση, ένας προμηθευτής που παραδίδει τεχνολογία δημιουργίας πρακτόρων που οι πελάτες χρησιμοποιούν για να δημιουργήσουν λύσεις AI μπορεί να δουλέψει.

Αλλά πολλές επιχειρήσεις δεν έχουν πρόσβαση σε αυτούς τους πόρους, και ακόμη και αν έχουν, το workslop μπορεί να γίνει γρήγορα ένα πρόβλημα όταν οι άνθρωποι προσπαθούν να χτίσουν τους δικούς τους πράκτορες AI χωρίς την κατάλληλη εκπαίδευση και τους πόρους για να αποφύγουν τις παγίδες κατάντη.

Η ασφάλεια είναι επίσης μια κρίσιμη σκέψη. Να θυμάστε ότι οι άνθρωποι θα χρησιμοποιήσουν το AI, περιόδου. Αυτό σημαίνει ότι είναι η δουλειά του ηγέτη να βεβαιωθεί ότι οι υπάλληλοι το χρησιμοποιούν ασφαλώς και διαφανώς — και χωρίς να εισαγάγουν χάος.

Τι Πρέπει Να Σκεφτείτε Όταν Επιλέγετε Προμηθευτές;

Για πολλές εταιρείες, ένα σύστημα με ενεργοποίηση AI από έναν προμηθευτή είναι μια καλή επιλογή, αλλά να θυμάστε ότι δεν όλα τα προϊόντα δημιουργούνται ισότιμα. Ο καλύτερος τρόπος για να αποφύγετε το workslop και να πάρτε πραγματική αξία από το AI είναι να βρείτε ένα σύστημα που σας γνωρίζει όσο το δυνατόν πιο καλά.

Για παράδειγμα, αν ο στόχος σας είναι να βελτιώσετε τις λειτουργίες με ένα σύστημα ERP με ενεργοποίηση AI,考虑这些 ερωτήσεις για τους προμηθευτές:

  • Το προϊόν εξαφανίζει την τριβή που συναντούν οι υπάλληλοί σας πιο συχνά;
  • Το προϊόν λύνει τα πιο δύσκολα προβλήματα που αντιμετωπίζουν οι υπάλληλοί σας;
  • Μπορεί να εξυπηρετήσει διαφορετικά επίπεδα εμπειρογνωμοσύνης μέσα στην οργάνωση σας;
  • Διατηρεί τους ανθρώπους στην πηγή και εξασφαλίζει την ευθύνη και τη διαφάνεια;

Ανεξάρτητα από το αν χρησιμοποιείτε ένα σύστημα για να δημιουργήσετε περιεχόμενο, να αυτοματοποιήσετε ροές εργασίας ή να απαντήσετε σε ερωτήσεις, η ποιότητα των αποτελεσμάτων σας εξαρτάται από το πόσο το σύστημα γνωρίζει το контέxt σας. Ρωτήστε τους τεχνολογικούς σας συνεργάτες πώς οι λύσεις AI τους επικεντρώνονται στον άνθρωπο και παρέχουν πραγματική αξία.

Είναι Το Workslop Απαραίτητο;

Ανεξάρτητα από το ποιος είναι ο προμηθευτής σας και αν χτίζετε τους δικούς σας πράκτορες ή χρησιμοποιείτε μια λύση που αφαιρεί τριβή μέσω αυτοματοποίησης, είναι μέχρι εσάς ως ηγέτη να βεβαιωθείτε ότι το AI είναι ασφαλές, διαφανές και προσθέτει αξία.

Να θυμάστε ότι το ανθρωποκεντρικό AI δεν ορίζεται αποκλειστικά από το αν λύνει πραγματικά προβλήματα και κάνει την δουλειά των ανθρώπων πιο εύκολη. Το πρακτικό, ανθρωποκεντρικό AI επίσης διατηρεί τους ανθρώπους στην πηγή επειδή, τελικά, εμείς οι άνθρωποι είμαστε υπεύθυνοι για τα αποτελέσματα.

Το workslop μπορεί να είναι ένα αναπόφευκτο στάδιο της εξέλιξης του AI, αλλά δεν πρέπει να είναι μια μόνιμη ιδιοκτησία στην χρηματοοικονομική σας λειτουργία. Με το να επικεντρώσετε τους ανθρώπους στην πηγή, να επενδύσετε στην εκπαίδευση και να επιλέξετε προμηθευτές που κατανοούν το контέxt της επιχείρησής σας, οι CFOs μπορούν να ξεκλειδώσουν νέους βαθμούς παραγωγικότητας και στρατηγικής αξίας από τα συστήματα ERP.

Η επόμενη κύμα καινοτομίας του ERP θα οδηγηθεί από το AI που κατανοεί την επιχείρησή σας όσο καλά και εσείς και είναι ικανό να παρέχει εποπτικές, να αυτοματοποιήσει τις καθημερινές εργασίες και να ενδυναμώσει τους ηγέτες χρηματοοικονομικών να εστιάσουν σε αυτό που έχει περισσότερη σημασία.

Το μέλλον της χρηματοοικονομικής είναι πλούσιο σε контέxt, ευέλικτο και ανθρωποκεντρικό. Αξίζετε εργαλεία που μπορείτε να χρησιμοποιήσετε σήμερα για να σας οδηγήσουν στο αύριο, και μπορείτε να εξελιχθείτε πέρα από το workslop με πρακτικό, ανθρωποκεντρικό AI για να φτάσετε σε αυτό το προορισμό.

Η Jennifer Sherman είναι ο Chief Product Officer στο Unit4, φέρνοντας περισσότερα από 25 χρόνια εμπειρίας προωθώντας στρατηγική προϊόντων με έμφαση στο AI σε κορυφαίες εταιρείες τεχνολογίας.