Il Peggior Lavoro Iniziale Che Puoi Assegnare a un Agente È Quello Visibile

Le aziende tendono a scegliere il loro primo lavoro di agente nello stesso modo. Qualcuno chiede cosa potrebbe fare l’AI per noi e la stanza converge sul lavoro che tutti possono immaginare: scrivere i nostri post del blog, rispondere ai nostri clienti, gestire la casella di posta. È il lavoro più visibile nell’edificio, quindi è il lavoro che viene in mente.

Sei mesi dopo, il progetto pilota viene parcheggiato in silenzio e la conclusione è che la tecnologia non era pronta. La tecnologia era fine. Il problema era la selezione del lavoro e la visibilità è ciò che lo ha reso un lavoro cattivo.

Tre cose che rendono un lavoro difficile, e quelli visibili ne hanno tutti e tre

Un lavoro è facile per un agente quando c’è una risposta giusta verificabile, quando una cattiva uscita è a buon mercato e quando qualcuno nell’edificio già fa il lavoro e può distinguere il buon dal cattivo a colpo d’occhio.

La scrittura rivolta al cliente non supera il primo test.

Non c’è una risposta giusta alla domanda “è buono questo post del blog”, solo una preferenza tenuta da una persona che può riconoscere la versione sbagliata all’istante e fatica a specificare la versione giusta in anticipo. Quella lacuna è dove vivono la maggior parte delle lamentele sulla qualità.

Qualsiasi cosa rivolta al cliente non supera il secondo test.

Un cattivo riassunto interno costa a qualcuno quattro minuti. Una cattiva risposta a un cliente costa una relazione e occasionalmente una conversazione di conformità. Il costo di un fallimento determina quanto supervisione il lavoro necessita e la supervisione è la parte costosa dell’esecuzione degli agenti.

E i lavori visibili di solito non superano il terzo test in un modo che nessuno nota fino a tardi.

La persona che giudicherebbe l’uscita è una persona senior la cui attenzione è la cosa più scarsa nell’azienda. Assegnare loro una coda di revisione comporta spostare il lavoro sul calendario più costoso.

Come appaiono i primi lavori di successo

Sono noiosi. Quello è il modello e è abbastanza coerente da poter essere pianificato.

Quando il gruppo NTT DATA ha esteso gli strumenti dell’agente in tutta l’organizzazione, una delle prime vittorie che hanno spostato l’opinione interna è stato un lavoro di ingegneria interna, non un’esperienza del cliente. La descrizione dell’account di OpenAI della distribuzione descrive l’automazione di un’analisi di incidenti complessa per un sistema critico — un lavoro che in precedenza richiedeva cinque ingegneri esperti e tre giorni, completato in 30 minuti. Quel risultato, la scrittura dice, “ha guadagnato rapidamente l’attenzione dei leader senior e si è trasformato in un punto di riferimento precoce”.

Guarda la forma di quel lavoro piuttosto che il numero di titoli. L’analisi degli incidenti ha una risposta giusta e si tratta di una risposta che l’organizzazione può verificare, perché il lavoro esisteva già e le persone che lo facevano sono ancora lì.

Si ripete. Si trova all’interno dei sistemi dell’azienda piuttosto che di fronte a un cliente. E lo standard per “fatto” è se l’analisi regge contro le prove, che è una domanda con una risposta difendibile, non una questione di gusto.

Confronta questo con il lavoro che la maggior parte delle aziende nomina per primo. Un post del blog non ha una risposta giusta, non ha un giudice in casa la cui attenzione è a buon mercato e ha un pubblico.

L’ordine è importante quanto la scelta. NTT DATA ha distribuito ChatGPT Enterprise in tutta l’azienda per prima e, in un sondaggio interno, più del 96% dei rispondenti ha dichiarato di essere soddisfatto e più del 95% ha riportato guadagni di produttività.

Attraverso quell’uso quotidiano, la scrittura dice, “i dipendenti hanno costruito esperienza lavorando con l’AI per la ricerca, la scrittura e la creazione di contenuti” — e quegli abiti “hanno preparato l’organizzazione per il passo successivo: delegare compiti chiaramente definiti”.

Le lezioni di leadership pubblicate con lo studio di caso iniziano esattamente con questo: rendere l’AI parte del lavoro quotidiano, aiutare le persone a costruire gli abiti per collaborare con esso. L’azienda ha costruito una base ampia di familiarità con l’output dell’AI prima che il lavoro di analisi degli incidenti atterrasse.

Quella fase di costruzione di abiti fa più lavoro di quanto sembri. Quando gli strumenti generali dell’AI diventano ordinari, le persone iniziano ad applicarli ben al di fuori dei confini dei loro titoli di lavoro, e la mia interpretazione è che è qui che appaiono i lavori candidati validi — dalle persone che fanno il lavoro, non da una riunione di pianificazione. È anche dove lo scetticismo viene lavorato, e come lo staff di prima linea si sente realmente sugli strumenti non è qualcosa che un singolo progetto ad alto rischio risolve.

L’eccezione conferma la regola, se leggi l’intero caso

L’obiezione ovvia è che gli agenti rivolti al cliente funzionano effettivamente. Funzionano. Vale la pena leggerne uno attentamente.

L’agente di shopping avatarin costruito con Yamada Holdings è quanto più visibile possa essere un lavoro di agente — supporto multilingue 24/7 per voce e testo, che guida gli acquirenti dalla scoperta del prodotto alle decisioni di acquisto. In una campagna pubblica di due settimane sul negozio online di Yamada Denki, circa 30.000 persone l’hanno utilizzato e il 92% delle risposte al sondaggio è stato positivo. Risultato reale, clienti reali, davanti alla casa.

Vale la pena essere diretti su una cosa: la descrizione di OpenAI chiama questo “la sua prima grande opportunità di portare quelle lezioni direttamente ai clienti”. Quindi questo è stato il primo agente rivolto al cliente di avatarin, che sembra un argomento contro tutto ciò che è stato detto sopra.

Guarda a cosa si riferiscono “quelle lezioni”. avatarin è un’azienda di servizio clienti AI spin-off di ANA Holdings e la descrizione nota che aveva lavorato con OpenAI “ben prima del progetto Yamada Denki, utilizzando l’API di OpenAI per il riconoscimento vocale, l’analisi delle richieste e la formazione degli dipendenti”.

Le risposte dell’agente sono radicate in un sistema di generazione aumentata, che significa che le risposte sono ancorate a informazioni sui prodotti reali e non alla memoria del modello. La conoscenza del servizio clienti del dettagliante è stata codificata deliberatamente in flussi di conversazione e prompt. Le barriere di protezione aiutano a mantenere la conversazione sull’esperienza di acquisto. E OpenAI ha lavorato direttamente con il team per strutturare i prompt e ridurre il costo di esecuzione di un servizio di voce sempre attivo.

Quindi è stato un primo lavoro rivolto al cliente per un’azienda il cui intero business è il servizio clienti AI, arrivando dopo un lavoro precedente con gli strumenti dello stesso fornitore, con un livello di base, competenze di dominio codificate, barriere di protezione e le persone del fornitore che aiutano. Quello è il vero prezzo del lavoro visibile e quasi nulla di esso è visibile nel risultato.

Leggere i due resoconti insieme e sono una lezione di sequenza piuttosto che due storie di successo. Un’organizzazione ha guadagnato il diritto di delegare compiti definiti rendendo l’AI ordinaria per prima. L’altra ha raggiunto il lavoro rivolto al cliente come specialista, sulla base del lavoro di componenti che aveva già fatto. Nessuna delle due è iniziata dove la riunione di pianificazione vuole iniziare.

La regola di selezione

Punteggia ogni lavoro candidato su quattro domande prima di scegliere.

1. C’è una risposta giusta verificabile?

Non una buona risposta, una giusta. La riconciliazione, la classificazione, l’estrazione e l’analisi con una conclusione sono tutte valide. Qualsiasi cosa giudicata sul gusto non lo è, almeno non per prima.

2. Quanto costa un’uscita cattiva?

Se la risposta onesta coinvolge un cliente, un regolatore o un numero in un modulo, il lavoro necessita del tipo di architettura e binari di revisione che probabilmente non hai ancora costruito.

3. Il volume giustifica l’impostazione?

Un lavoro fatto due volte al mese non ripagherà mai le settimane di iterazione. L’economia deriva dalla ripetizione e la ripetizione è anche ciò che ti insegna dove la cosa fallisce.

4. Chi già fa questo e può notare immediatamente un cattivo risultato?

Quella persona è il tuo revisore e deve avere il tempo. Se l’unico giudice qualificato è il fondatore, scegli un lavoro diverso.

Il lavoro che ottiene un punteggio alto su tutti e quattro è quasi mai il lavoro che è venuto fuori nella riunione. È solitamente qualcosa che un team ha fatto manualmente per due anni e ha smesso di lamentarsi, perché non lo notano più come lavoro.

Dove ti lascia questo

Prendi l’elenco dei lavori che stai considerando e punteggiali onestamente questa settimana. Il candidato che vince sembrerà una delusione. Automatizzalo comunque.

Il punto di un primo lavoro di agente non è il valore che restituisce. È che la tua organizzazione impara cosa fanno bene questi sistemi, dove falliscono e cosa costa realmente supervisionarli, su un lavoro in cui sbagliare è sopravvivibile. Quella conoscenza è ciò che rende il secondo lavoro una decisione reale invece di un’ipotesi e il terzo è solitamente dove si trova il denaro.

Scegli il lavoro noioso. Guadagna il lavoro visibile.