Model dan platform AI
Pekerjaan Pertama yang Paling Buruk untuk Diberikan kepada Agen Adalah Pekerjaan yang Terlihat
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Perusahaan cenderung memilih pekerjaan pertama agen mereka dengan cara yang sama. Seseorang bertanya apa yang bisa dilakukan AI untuk kita, dan ruangan tersebut menyepakati pekerjaan yang paling terlihat: menulis blog kita, menjawab pelanggan kita, mengelola inbox kita. Ini adalah pekerjaan yang paling terlihat di gedung, sehingga itu adalah pekerjaan yang pertama kali terpikirkan.
Enam bulan kemudian, proyek tersebut diam-diam dihentikan dan kesimpulannya adalah bahwa teknologi tersebut belum siap. Teknologi tersebut sebenarnya sudah siap. Pemilihan pekerjaan adalah masalahnya, dan visibilitas adalah yang membuatnya menjadi pekerjaan yang buruk.
Tiga Hal yang Membuat Pekerjaan Sulit, dan Pekerjaan yang Terlihat Memiliki Ketiga-Tiganya
Pekerjaan yang mudah untuk agen ketika ada jawaban yang benar, ketika output yang buruk memiliki biaya yang murah, dan ketika seseorang di gedung sudah melakukan pekerjaan tersebut dan dapat membedakan antara yang baik dan yang buruk.
Penulisan yang menghadap pelanggan gagal dalam tes pertama.
Tidak ada jawaban yang benar untuk “apakah posting blog ini baik,” hanya preferensi yang dipegang oleh seseorang yang akan mengenali versi yang salah secara instan dan berjuang untuk menentukan versi yang benar sebelumnya. Jarak tersebut adalah tempat di mana sebagian besar keluhan kualitas sebenarnya hidup.
Segala sesuatu yang menghadap pelanggan gagal dalam tes kedua.
Ringkasan internal yang buruk memiliki biaya empat menit. Balasan yang buruk kepada pelanggan memiliki biaya hubungan, dan terkadang biaya percakapan kepatuhan. Biaya kegagalan menentukan seberapa banyak pengawasan yang diperlukan pekerjaan tersebut, dan pengawasan adalah bagian yang paling mahal dari menjalankan agen.
Dan pekerjaan yang terlihat biasanya gagal dalam tes ketiga dengan cara yang tidak disadari sampai akhir.
Orang yang akan menilai output adalah orang senior yang perhatiannya paling langka di perusahaan. Memberikan mereka antrian tinjauan melibatkan memindahkan pekerjaan ke kalender yang paling mahal.
Apa yang Terlihat seperti Pekerjaan Pertama yang Sukses
Mereka membosankan. Itulah pola, dan itu konsisten sehingga dapat direncanakan.
Ketika NTT DATA Group memperluas alat agen di seluruh organisasi, adalah pekerjaan rekayasa internal, bukan pengalaman pelanggan. Akun OpenAI tentang penerapan tersebut menjelaskan otomatisasi analisis insiden yang kompleks untuk sistem kritis — pekerjaan yang sebelumnya memerlukan lima insinyur berpengalaman dan tiga hari, selesai dalam 30 menit. Hasil tersebut, tulisan tersebut mengatakan, “dengan cepat mendapatkan perhatian dari pemimpin senior dan menjadi titik bukti awal.”
Lihat bentuk pekerjaan tersebut daripada angka headline. Analisis insiden memiliki jawaban yang benar, dan itu adalah jawaban yang dapat diperiksa oleh organisasi, karena pekerjaan tersebut sudah ada dan orang-orang yang melakukan pekerjaan tersebut masih ada.
Itu berulang. Itu berada di dalam sistem perusahaan sendiri daripada di depan pelanggan. Dan standar untuk “selesai” adalah apakah analisis tersebut memenuhi bukti, yang merupakan pertanyaan dengan jawaban yang dapat dipertahankan, bukan masalah selera.
Bandingkan itu dengan pekerjaan yang paling banyak dipilih perusahaan. Posting blog tidak memiliki jawaban yang benar, tidak ada hakim internal yang waktunya murah, dan audiens.
Urutan tersebut sama pentingnya dengan pemilihan. NTT DATA menggelar ChatGPT Enterprise di seluruh perusahaan terlebih dahulu dan, dalam survei internal, lebih dari 96% responden mengatakan bahwa mereka puas dengan itu dan lebih dari 95% melaporkan peningkatan produktivitas.
Melalui penggunaan sehari-hari, tulisan tersebut mengatakan, “karyawan membangun pengalaman bekerja dengan AI untuk penelitian, penulisan, dan pembuatan konten” — dan kebiasaan tersebut “mempersiapkan organisasi untuk langkah berikutnya: mendelegasikan tugas yang jelas.”
Pelajaran kepemimpinan yang dipublikasikan dengan studi kasus tersebut dimulai dengan tepat itu: membuat AI menjadi bagian dari pekerjaan sehari-hari, membantu orang membangun kebiasaan untuk berkolaborasi dengannya. Perusahaan membangun dasar yang luas tentang familiaritas dengan output AI sebelum pekerjaan analisis insiden dilakukan.
Fase pembangunan kebiasaan tersebut melakukan lebih banyak pekerjaan daripada yang terlihat. Ketika alat AI umum menjadi biasa, , dan menurut saya, ini adalah tempat di mana pekerjaan yang baik muncul — dari orang-orang yang melakukan pekerjaan, bukan dari pertemuan perencanaan. Ini juga tempat di mana skeptisisme dikerjakan, dan bukanlah sesuatu yang dapat diselesaikan oleh proyek tunggal dengan taruhan tinggi.
Pengecualian Membuktikan Aturan, Jika Anda Membaca Seluruh Kasus
Objeksi yang jelas adalah bahwa agen yang menghadap pelanggan terbukti bekerja. Mereka memang bekerja. Ini layak dibaca dengan teliti.
adalah tentang seberapa terlihatnya pekerjaan agen — dukungan multibahasa 24/7 dengan suara dan teks, membimbing pelanggan dari penemuan produk hingga keputusan pembelian. Dalam kampanye publik dua minggu di toko online Yamada Denki, sekitar 30.000 orang menggunakan agen tersebut dan 92% respons survei positif. Hasil nyata, pelanggan nyata, di depan rumah.
Layak untuk lurus tentang satu hal: tulisan OpenAI menyebut ini “kesempatan pertama untuk membawa pelajaran tersebut langsung kepada pelanggan.” Jadi ini adalah agen pertama yang menghadap pelanggan avatarin, yang terdengar seperti argumen melawan semua hal di atas.
Lihat apa yang dimaksud dengan “pelajaran tersebut”. avatarin adalah perusahaan layanan pelanggan AI yang dipisahkan dari ANA Holdings, dan tulisan tersebut mencatat bahwa mereka telah bekerja dengan OpenAI “jauh sebelum proyek Yamada Denki, menggunakan API OpenAI untuk pengenalan suara, analisis pertanyaan, dan pelatihan karyawan.”
Jawaban agen tersebut didasarkan pada sistem generasi yang diperkuat dengan pengambilan, yang berarti respons tersebut diikat pada informasi produk yang sebenarnya daripada memori model. Pengetahuan layanan pelanggan pengecer tersebut disengaja dikodekan ke dalam aliran percakapan dan pengaturan. Pengaman membantu menjaga percakapan tetap pada pengalaman berbelanja. Dan OpenAI bekerja langsung dengan tim untuk membangun pengaturan dan mengurangi biaya menjalankan layanan suara yang selalu aktif.
Jadi itu adalah pekerjaan pertama yang menghadap pelanggan untuk perusahaan yang seluruh bisnisnya adalah layanan pelanggan AI, tiba setelah pekerjaan sebelumnya dengan alat vendor yang sama, dengan lapisan dasar, keahlian domain yang dikodekan, pengaman, dan orang-orang vendor yang membantu. Itulah harga sebenarnya dari pekerjaan yang terlihat, dan hampir tidak ada yang terlihat dalam hasilnya.
Baca kedua akun tersebut bersama dan mereka adalah pelajaran urutan daripada dua kisah sukses. Satu organisasi mendapatkan hak untuk mendelegasikan tugas yang didefinisikan dengan membuat AI menjadi biasa terlebih dahulu. Yang lain mencapai pekerjaan yang menghadap pelanggan sebagai spesialis, di atas pekerjaan komponen yang telah mereka lakukan sebelumnya. Tidak satu pun dari mereka yang memulai dari mana pertemuan perencanaan ingin memulai.
Aturan Seleksi
Nilai setiap kandidat pekerjaan pada empat pertanyaan sebelum Anda memilih.
1. Apakah ada jawaban yang benar?
Bukan jawaban yang baik, jawaban yang benar. Rekonciliasi, klasifikasi, ekstraksi, dan analisis dengan kesimpulan semua memenuhi syarat. Apa pun yang dihakimi oleh selera tidak memenuhi syarat, setidaknya tidak pertama kali.
2. Berapa biaya satu output yang buruk?
Jika jawaban yang jujur melibatkan pelanggan, regulator, atau angka dalam pengajuan, pekerjaan tersebut memerlukan yang hampir pasti belum Anda bangun.
3. Apakah volume membenarkan pengaturan?
Pekerjaan yang dilakukan dua kali sebulan tidak akan pernah mengembalikan biaya iterasi mingguan. Ekonomi datang dari pengulangan, dan pengulangan juga yang mengajarkan Anda di mana hal itu gagal.
4. Siapa yang sudah melakukan pekerjaan ini dan dapat langsung membedakan hasil yang buruk?
Orang tersebut adalah peninjau Anda, dan mereka perlu memiliki waktu. Jika satu-satunya hakim yang memenuhi syarat adalah pendiri, pilih pekerjaan yang berbeda.
Pekerjaan yang skor baik pada semua empat biasanya bukanlah pekerjaan yang muncul dalam pertemuan. Ini biasanya sesuatu yang tim telah lakukan secara manual selama dua tahun dan telah berhenti mengeluhkan, karena mereka tidak lagi memperhatikannya sebagai pekerjaan.
Di Mana Ini Meninggalkan Anda
Ambil daftar pekerjaan yang Anda pertimbangkan dan nilai mereka dengan jujur minggu ini. Kandidat yang menang akan terasa seperti kekecewaan. Otomatiskan pekerjaan tersebut tetap.
Tujuan dari pekerjaan pertama agen bukanlah nilai yang dikembalikan. Ini adalah bahwa organisasi Anda belajar apa yang dilakukan sistem ini dengan baik, di mana mereka gagal, dan apa biaya pengawasan mereka sebenarnya, pada pekerjaan di mana salah tidak mematikan. Pengetahuan itu adalah yang membuat pekerjaan kedua menjadi keputusan nyata daripada tebakan, dan pekerjaan ketiga biasanya di mana uangnya.
Pilih pekerjaan yang membosankan. Raih pekerjaan yang terlihat.
