Huonoin ensimmäinen työ, jonka voit antaa agentille, on näkyvin

Yritykset valitsevat usein ensimmäisen agenttityönsä samalla tavalla. Joku kysyy, mitä AI voisi tehdä meille, ja huoneessa keskitytään työhön, jota jokainen voi kuvitella: kirjoittaa blogimme, vastata asiakkaidemme ja käsitellä sähköpostimme. Se on näkyvin työ rakennuksessa, joten se on työ, joka tulee mieleen.

Kuuden kuukauden kuluttua koepilotti on hiljaisesti pysäytetty, ja johtopäätös on, että teknologia ei ollut valmis. Teknologia oli kunnossa. Työn valinta oli ongelma, ja näkyvyys oli se, mikä teki siitä huonon.

Kolme asiaa, jotka tekevät työstä vaikean, ja näkyvillä olevat työt sisältävät kaikki kolme

Työ on helppo agentille, kun on olemassa tarkistettava oikea vastaus, kun huonon tuloksen kustannus on halpa, ja kun joku rakennuksessa tekee jo työn ja voi erottaa hyvän ja huonon vastauksen.

Asiakaspalvelun kirjoittaminen epäonnistuu ensimmäisessä kokeessa.

On olemassa oikea vastaus kysymykseen “onko tämä blogikirjoitus hyvä”, ainoastaan yhden henkilön mielipide, joka voi tunnistaa väärän version välittömästi ja kamppailla sen määrittelyssä etukäteen. Se aukko on siellä, missä useimmat laatusyytökset todella asuvat.

Asiakaspalvelun työt epäonnistuvat toisessa kokeessa.

Huonon sisäisen yhteenvedon kustannus on jollekulle neljä minuuttia. Huonon asiakkaalle vastatun viestin kustannus on suhde, ja toisinaan myös määräysvaltainen keskustelu. Huonon tuloksen kustannus määrittää, kuinka paljon valvontaa työlle tarvitaan, ja valvonta on kallis osa agenttien käyttöä.

Näkyvät työt epäonnistuvat usein kolmannessa kokeessa tavalla, jota kukaan ei huomaa kunnes myöhään.

Henkilö, joka arvioi tuloksen, on korkea-arvoinen henkilö, jonka huomio on harvinaisin asia yrityksessä. Antamalla heille tarkastusjonon siirtää työtä kalleimmalle kalenterille.

Miltä onnistuneet ensimmäiset työt näyttävät

Ne ovat tylsiä. Se on malli, ja se on tarpeeksi johdonmukainen suunniteltavaksi.

Kun NTT DATA Group laajensi agenttityökalujaan koko organisaatioon, yksi varhaisista voitoista, joka muutti sisäisen mielipiteen, oli sisäinen insinöörintyö, ei asiakaskokemus. OpenAI:n kuvaus käyttöönotosta kuvaa monimutkaisen ongelmanalyysin automaatiota kriittiselle järjestelmälle — työtä, jota oli aiemmin tehty viidellä kokeneella insinöörillä ja kestänyt kolme päivää, valmis 30 minuutissa. Se tulos, kuten kirjoitus sanoo, “hankki nopeasti huomion johtajilta ja tuli varhaiseksi todisteeksi”.

Katso työn muotoa sen sijaan, että otsikkoa. Ongelmanalyysi on oikea vastaus, ja se on vastaus, jonka organisaatio voi tarkistaa, koska työ on jo olemassa ja ihmiset, jotka aiemmin tekivät sen, ovat edelleen siellä.

Se toistuu. Se sijaitsee yrityksen omien järjestelmien sisällä eikä asiakkaan edessä. Ja “valmis” -standardi on, pitävätkö analyysit paikkansa näytönvalossa, joka on puolustettavissa oleva vastaus, ei makuasia.

Vertaa sitä työhön, jonka useimmat yritykset ehdottavat ensimmäiseksi. Blogikirjoitus ei ole oikeaa vastausta, ei sisäistä arvioijaa, jonka aika on halpa, ja se on suunnattu yleisölle.

Järjestyksen merkitys on yhtä suuri kuin valinnan. NTT DATA käytti ChatGPT Enterprisea koko yrityksessä ensin, ja sisäisessä kyselyssä yli 96 % vastaajista sanoi olevansa tyytyväisiä siihen ja yli 95 % ilmoitti tuottavuuden lisääntyneen.

Päivittäisen käytön kautta kirjoitus sanoo, että “työntekijät rakensivat kokemusta työskentelemällä AI:n kanssa tutkimuksessa, kirjoittamisessa ja sisällön luomisessa” — ja ne tavat “valmistivat organisaation seuraavalle askelalle: selkeiden tehtävien delegoimiselle”.

Johtamisopit, jotka julkaistiin tapaustutkimuksen kanssa, alkavat juuri siitä: tee AI osaksi päivittäistä työtä, auta ihmisiä rakentamaan tapoja yhteistyöhön sen kanssa. Yritys teki laajan perustan AI-tuloksille ennen ongelmanalyysityötä.

Se tapojen luominen tekee enemmän työtä kuin näyttää. Kun yleinen AI-työkalu tulee arkiseksi, ihmiset alkavat soveltaa sitä hyvin työtehtävien rajojen ulkopuolella, ja minun tulkintani on, että tämä on siellä, missä hyvät työpaikat tulevat esiin — työntekijöiltä, ei suunnittelukokouksesta. Se on myös siellä, missä skeptisyys hoidetaan, ja miten eturintamatyöntekijät todella suhtautuvat työkaluihin ei ole mitään, jonka yksittäinen suurvaarallinen projekti ratkaisee.

Poikkeus vahvistaa säännön, jos luet koko tapauksen

Ilmeinen vastaväite on, että asiakaspalveluagentit toimivat oikeasti. Ne toimivat. On arvokasta lukea yksi tarkkaan.

Ostosagentti avatarin, joka tehtiin Yamada Holdingsin kanssa on yhtä näkyvä agenttityö kuin mitä voi olla — 24/7 monikielinen tuki äänellä ja tekstillä, johdaten ostajia tuotteen löytämisestä ostospäätöksiin. Kahden viikon julkisessa kampanjassa Yamada Denkin verkkokaupassa noin 30 000 henkilöä käytti sitä, ja 92 %:ssa vastauksissa oli positiivisia. Todellinen tulos, todelliset asiakkaat, eturintama.

Arvoisa olla suora yhdessä asiassa: OpenAI:n kirjoitus kutsuu tätä “ensimmäiseksi suureksi mahdollisuudeksi tuoda nämä opit suoraan asiakkaille”. Se oli avatarinin ensimmäinen asiakaspalveluagentti, mikä kuulostaa argumentilta kaiken edellä mainitun vastaisesti.

Katso, mitä “nämä opit” tarkoittaa. Avatarin on AI-asiakaspalveluyritys, joka on irrotettu ANA Holdingsista, ja kirjoitus toteaa, että se oli työskennellyt OpenAI:n kanssa “paljon ennen Yamada Denkin projektiä, käyttäen OpenAI API:ta puheentunnistamiseen, kyselyanalyysiin ja työntekijöiden koulutukseen”.

Agentin vastaukset perustuvat hakijajärjestelmään, joka tarkoittaa, että vastaukset ovat ankkuroituja todelliseen tuotetietoon eikä mallin muistiin. Myyjän asiakaspalvelutietoa koodattiin tarkoituksella keskusteluvirroksiin ja ohjaukseen. Esteet auttavat pitämään keskustelun ostokokemuksessa. Ja OpenAI työskenteli suoraan tiimin kanssa muotoilemaan ohjaukset ja laskea aina päällä olevan äänipalvelun kustannuksia.

Se on oikea hinta näkyvälle työlle, ja lähes mikään siitä ei ole näkyvissä tuloksessa.

Lue kaksi kuvausta yhdessä, ja ne ovat järjestyksen oppitunti eikä kaksi onnistumistarinaa. Yksi organisaatio ansaitsi oikeuden delegoimaan määritellyn työn tekemällä AI:sta arkisen ensin. Toinen saavutti asiakaspalvelutyön erikoisalana, komponenttityön, jonka se oli jo tehnyt. Kumpikaan ei aloittanut siitä, mihin suunnittelukokous haluaisi aloittaa.

Valintasääntö

Arvostele jokainen ehdokas työ neljällä kysymyksellä ennen kuin valitset.

1. Onko oikea vastaus tarkistettavissa?

Ei hyvä vastaus, vaan oikea. Sopiminen, luokittelu, poisto ja analyysi johtopäätöksineen kelpaavat. Mitään, joka arvioidaan maun mukaan, ei kelpaa, ainakin aluksi.

2. Mitä yksi huono tulos maksaa?

Jos rehellinen vastaus sisältää asiakkaan, viranomaisen tai luvan numeron, työlle tarvitaan sellaisen arkkitehtuuri- ja tarkastusjärjestelmän, jota et todennäköisesti ole vielä rakentanut.

3. Oikeuttaako määrä asetukseen?

Työ, jota tehdään kahdesti kuukaudessa, ei koskaan korvaa viikkoja kehittämistyötä. Taloudelliset edut tulevat toistumisesta, ja toistuminen on myös se, mikä opettaa sinulle, missä asiassa epäonnistuu.

4. Kuka tekee jo tämän työn ja voi havaita huonon tuloksen välittömästi?

Se henkilö on arvioijasi, ja heidän on oltava aikaa. Jos ainoa pätevä tuomari on perustaja, valitse toinen työ.

Työ, joka saa hyvän arvosanan kaikissa neljässä, on harvoin se työ, joka tuli esille kokouksessa. Se on usein jotain, minkä tiimi on tehnyt manuaalisesti kaksi vuotta ja lopettanut valittamasta, koska he eivät enää huomaa sitä työnä.

Mihin tämä jättää sinut

Ota luettelo työpaikoista, jotka sinä harkitset, ja arvostele ne rehellisesti tällä viikolla. Voittaja tulee tuntumaan pettymykseltä. Automaatio silti.

Ensimmäisen agenttityön tarkoitus ei ole sen tuottama arvo. Se on se, että organisaatiosi oppii, mitä nämä järjestelmät tekevät hyvin, missä ne epäonnistuvat ja mitä niiden valvonta todella maksaa, työssä, jossa väärä tulos on selviytymiskelpoinen. Se tieto on se, mikä tekee toisen työn todelliseksi päätökseksi eikä arvaukseksi, ja kolmas on yleensä se, missä raha on.

Valitse tylsä työ. Ansaitse näkyvä.