Pemimpin pemikiran

Bagaimana Menghasilkan Nilai dari Tenaga Kerja yang Diaktifkan GenAI

mm
Diterbitkan
Diperbarui
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Terima kasih kepada OpenAI’s ChatGPT, hampir semua orang sekarang tahu tentang GenAI hari ini. Kemampuannya untuk memuaskan rasa ingin tahu orang dengan hanya satu prompt sederhana membuatnya menjadi viral. Penggunaan alat ini benar-benar mengesankan. Ini mendapatkan satu juta pengguna dalam hanya lima hari dan menarik lebih dari 100 juta pengunjung dalam beberapa bulan pertama. Individu dan organisasi mengintegrasikan alat ini ke dalam kehidupan sehari-hari dan kegiatan mereka dengan antusiasme yang besar.

Dan yet – meskipun GenAI terkenal di seluruh dunia, hanya sedikit yang telah melangkah jauh melampaui eksperimen. Organisasi sangat antusias dengan potensinya, tetapi seringkali berjuang untuk mengadopsinya pada skala yang dapat menciptakan nilai yang dapat diukur.

Dalam peran saya, saya telah cukup beruntung untuk dapat menyaksikan bagaimana AI mengembangkan cara organisasi beroperasi dan nilai yang dapat disampaikan kepada pelanggan. Namun, bisnis memerlukan panduan untuk mengubah potensi menjadi kinerja. Dengan tantangan ini dalam pikiran, tim saya mengimplementasikan eksperimen dengan Microsoft’s M365 Copilot, untuk mengembangkan wawasan yang berharga dan strategi praktis untuk perusahaan yang bertujuan untuk mencapai adopsi yang sukses dan ROI yang signifikan.

Jalur Kami Menuju Nilai GenAI

Ketika kami mempertimbangkan untuk mengadopsi Copilot, pendekatan kami membantu kami mengidentifikasi di mana kemampuan alat ini dapat menambah nilai.

Pengalaman kami dapat membantu organisasi mana pun yang ingin memperkenalkan GenAI ke dalam alur kerja mereka.

Berikut beberapa tindakan yang membantu kami sepanjang jalan:

  • Mulai dengan kerangka adopsi yang terstruktur. Untuk memperkenalkan kemampuan GenAI, kami memulai dengan mengidentifikasi persona di organisasi kami yang mungkin mendapat manfaat dari kemampuan tersebut, dan kemudian kasus penggunaan yang spesifik dan sangat terarah untuk teknologi tersebut. Akhirnya, kami telah membuat rencana pelatihan yang dipersonalisasi untuk setiap peran atau persona yang membimbing pengguna dengan hati-hati, sehingga mereka tahu tepat bagaimana memanfaatkan kemampuan tersebut.
  • Gunakan eksperimen untuk memvalidasi teknologi. Untuk Copilot, kami menjalankan latihan dengan tiga kelompok pengguna. Kelompok A tidak memiliki lisensi Copilot, sedangkan untuk Kelompok B, kami hanya memberikan akses kepada pengguna alat tersebut, tanpa pelatihan atau bimbingan: itu terserah mereka untuk mengetahui apa yang harus dilakukan. Kelompok C mendapatkan kerangka adopsi kami yang lengkap. Hasilnya? Kami melihat peningkatan adopsi sebesar 31% pada Kelompok C dibandingkan dengan Kelompok B. Selain itu, Kelompok C mencatat penghematan waktu sebesar 2,5 jam per minggu dibandingkan dengan 1,8 jam per minggu untuk Kelompok B. Latihan ini juga memberikan kami data dasar, misalnya tentang berapa banyak waktu yang dapat diselamatkan tim pada tugas-tugas tertentu seperti membuat presentasi. Ini adalah contoh yang kuat dan argumen yang mengkonfirmasi bahwa kerangka adopsi kami bekerja.
  • Libatkan karyawan secara dekat dalam proses. Latihan seperti eksperimen Copilot kami membantu memastikan bahwa orang-orang terlibat lebih siap dengan teknologi baru. Kami melibatkan orang-orang secara dekat dalam memilih kasus penggunaan untuk Copilot, yang membuatnya lebih relevan, mengarahkan adopsi, dan pada akhirnya meningkatkan ROI. Proses ini menciptakan evangelis, juga. Karena kohort Kelompok C kami dapat dengan jelas melihat nilai teknologi untuk mereka, mereka menjadi juara teknologi tersebut di seluruh perusahaan dan terutama dengan tim mereka, mendorong adopsi lebih lanjut.
  • Buat rencana pelatihan yang hiper-pribadi dan berkelanjutan. Kami bekerja dengan manajer proyek dan pemilik proses untuk memastikan bahwa kasus penggunaan Copilot relevan dengan tugas sehari-hari mereka, seperti menghasilkan presentasi dengan waktu yang sangat singkat. Bersenjata dengan pemahaman ini, kami membuat pelatihan yang sangat disesuaikan yang menunjukkan bagaimana teknologi dapat membantu mereka mencapai tujuan mereka. Kami juga menemukan bahwa pelatihan berkelanjutan tentang membuat prompt sangat berharga dalam membantu orang mendapatkan nilai terbaik dari GenAI. Ini juga menyenangkan dan membantu menjaga komunitas bersatu. Misalnya, kami telah membuat grup di mana kami berbagi prompt yang berguna, dan kami juga memiliki sesi berbagi singkat secara teratur.
  • Memanfaatkan mitra. Kami memanfaatkan mitra kami untuk membantu kami dengan datang dengan kasus penggunaan dan penawaran pelatihan yang membantu membangun keterampilan kami. Dalam domain yang berubah secepat GenAI, kemitraan dan kolaborasi sangat penting untuk mendapatkan hasil yang baik.
  • Berkomunikasi proaktif tentang kekhawatiran karyawan. Pertanyaan tentang etika AI dan apakah itu akan mencuri pekerjaan orang banyak. Oleh karena itu, penting untuk memastikan bahwa kerangka adopsi secara jelas mendefinisikan etika AI dan penggunaan AI yang etis. Untuk memastikan penggunaan AI yang bertanggung jawab dan aman, kami memanfaatkan Kerangka AI yang Bertanggung Jawab kami. Kerangka ini memberikan pedoman yang jelas bagi karyawan kami, sejalan dengan nilai perusahaan kami, dan membantu mereka menggunakan AI dengan bertanggung jawab. Dan untuk menghilangkan kekhawatiran tentang dampak GenAI pada pekerjaan, kami fokus pada kemampuannya untuk mengambil alih tugas-tugas yang tidak populer dan membosankan, seperti pencatatan, penyusunan komunikasi, atau menyaring inbox email yang sibuk. Ketika kemampuan mereka tumbuh, kami memperkenalkan teknik yang lebih canggih, termasuk meningkatkan kemampuan mereka untuk membuat prompt yang lebih maju yang menghasilkan output yang lebih presisi dan disesuaikan.

Waktu, Inovasi, dan Pelatihan

Pengalaman kami dengan Copilot dan proyek GenAI lainnya adalah bahwa fase pilot yang terstruktur sangat penting, dan orang-orang memerlukan waktu untuk belajar teknologi inovatif. Juga perlu memiliki kerangka adopsi AI dan manajemen perubahan yang disesuaikan dengan kebutuhan tim Anda. Dengan pelatihan dan keterlibatan pengguna yang aktif, ini akan memotivasi dan menghilangkan kekhawatiran tentang GenAI.

Ketika teknologi tersebut menyatu dengan organisasi dan menyebar, itu menjadi bagian dari budaya dan mempercepat jalur Anda untuk menghasilkan nilai nyata dari GenAI.

mm

Sarah Lundgren adalah Direktur Kantor Transformasi di Lenovo's Solutions and Services Group (SSG). Berbasis di Wina, Sarah memimpin inisiatif transformasi yang didorong oleh AI yang menghubungkan teknologi inovatif dengan hasil bisnis praktis, menciptakan lingkungan di mana AI menghasilkan nilai yang dapat diukur.

Dengan lebih dari 20+ tahun di Industri IT, Sarah telah memegang berbagai peran, sering mengarahkan kegiatan transformasi skala besar. Ia telah berhasil memimpin inisiatif besar seperti menggelar CRM Layanan Lenovo secara global, memindahkan operasi bisnis dari outsourcing ke in-house, dan mengarahkan transformasi AI.

Pendekatan Sarah menjembatani inovasi terdepan dengan pemahaman mendalam tentang koneksi manusia. Ia bersemangat untuk menyederhanakan kompleksitas dan memastikan bahwa AI melayani kebutuhan organisasi dan masyarakat. Keahliannya terletak pada mengarahkan transformasi dengan pendekatan people-first yang sejalan dengan misi Lenovo untuk menghadirkan Teknologi yang Lebih Pintar untuk Semua.

Seorang pembelajar yang penasaran dan terus-menerus dengan semangat membuat AI menciptakan nilai bagi manusia, Sarah dikenal karena kemampuannya untuk mengetahui hal yang tidak diketahui dan menciptakan jalur terstruktur yang menghasilkan nilai bagi tim dengan kejelasan 'siapa melakukan apa kapan' dan pelanggan mereka. Di luar pekerjaan, ia adalah seorang koki yang bersemangat yang menikmati bereksperimen dengan keterampilan kuliner tanpa manual.