פתחו את "עבודות העבודה" הקודמות בעזרת בינה מלאכותית מעשית וממוקדת אנוש

בעיית "השלכת של הבינה המלאכותית" יצרה לא מעט באזז תרבותי תשומת לב תקשורתית במהלך השנים האחרונות, כאשר השימוש בתוכניות תואר שני (LLM) ובמחוללי תוכן אחרים המבוססים על בינה מלאכותית ממשיך לנסוק שחקים, אנשים שמים לב כאשר תמונות באיכות נמוכה וטקסט באיכות ירודה מציפים את המדיה החברתית שלהם.

בזכות רשלנות של בינה מלאכותית, אנחנו עכשיו פחות סביר לסמוך תוכן פרסומי שאנו חושדים שהוא נוצר על ידי בינה מלאכותית, גם אם לא, והקוראים מזהים סימנים מעידים על תוכן שנוצר על ידי LLM, כמו למשל שימוש יתר במקפים emלרוע המזל, גם "סלופון עבודה" הוא עכשיו דבר נפוץ.

מה זה Workslop, ולמה זה צריך להיות חשוב למנהלי פיננסים?

כל מנהל כספים ראשי מכיר את התסכול שבמרדף אחר חריגה בתקציב או בבילוי שעות בפתרון אנומליות בלתי מוסברות. בנוף הארגוני של ימינו, ההבטחה של בינה מלאכותית נמצאת בכל מקום, אבל כך גם קוטל פרודוקטיביות חדש: חוסר יציבות במשרה מלאה.

Workslop הוא תוצר לוואי של אוטומציה שנראה מלוטש אך חסר תוכן, הקשר או תועלת. זהו המאמר הזרוע במקפים אמפיריים שלא מלמד אותך שום דבר חדש; הדוח הגנרי שמעלה יותר שאלות ממה שהוא עונה; תהליך העבודה של אישור שיוצר חיכוך במקום בהירות. זהו התוכן שנוצר על ידי בינה מלאכותית שמאלץ צוותי כספים לעשות יותר עבודה, לא פחות.

Workslop מקושר לרוב לאיכות תוכן ירודה. זה מוריד מערכו של המותג, פחות אמין ושולח את המסר שאנשים הפסיקו לשים לב. אבל כאשר Workslop מתחיל להשפיע על יישומים עסקיים כמו מערכת ERP, זה הופך להיות אפילו יותר פגיעה בפריון ובאמון.

חוסר עבודה נוצר כאשר מערכות בינה מלאכותית מייצרות פלט ללא מספיק קלט אנושי, הקשר או פיקוח. עבור מנהלי פיננסים, משמעות הדבר היא השקעת זמן יקר בהבהרה, תיקון או עיבוד מחדש של מה שהיה צריך להיות אוטומטי.

התוצאה? אובדן יעילות, ירידה באמון באוטומציה ותפקוד פיננסי שתקוע במצב ריאקטיבי. אולי אתם חושבים שהארגון שלכם לא משקיע מספיק בבינה מלאכותית כדי להיות מושפע מ"התזזיות" בעבודה, אבל זה כבר קיים.

אחרון HuffPost המאמר ציטט מחקר של אוניברסיטת סטנפורד שמצא כי יותר ממחצית העובדים אומרים שנתקלו בהפרעה בעבודה. בנוסף להטרדה של העובדים שנפגעו, הפרעה בעבודה מאיימת לערער את נקודת המכירה המרכזית לשילוב בינה מלאכותית במקום העבודה: פרודוקטיביות גבוהה יותר באיכות יוצאת דופן.

החדשות הטובות הן שניתן למזער או אפילו לבטל את עיכוב העבודה בעזרת גישה מעשית ומרכזת אדם לבינה מלאכותית. הנה מבט על המצב הנוכחי של בעיית עיכוב העבודה, כיצד יכול להיראות יישום מתחשב יותר של טכנולוגיית בינה מלאכותית במקום העבודה, וכמה טיפים להשגת פריסה גמישה ואיטרטטיבית של בינה מלאכותית.

מה אם Workslop אינו בעיה אלא טיוטה ראשונה?

בואו נודה בזה - אנחנו כמעט 2026, ובינה מלאכותית היא מוצר מרגש. יש לה פוטנציאל אדיר לחסוך זמן ולשפר את הפרודוקטיביות, כך שאנשים ישתמשו בה, בין אם המעסיק שלהם יעודד אותם לאמץ את הטכנולוגיה ובין אם לא. השאלה היא, האם הם יישמו אותה עם ההכשרה והמאמץ המתאימים הדרושים כדי להשיג את התוצאות הטובות ביותר?

עיכוב בעבודה מתרחש כאשר המשתמש אינו נותן מספיק קלט או קלט מובנה היטב לבינה מלאכותית. כדי להשיג את התוצאות הטובות ביותר עם בינה מלאכותית, עליכם לשמור על השיחה מתמשכת. עליכם לכתוב מחדש את ההנחיה שלכם או לחדד את הצרכים שלכם. תהליך הלוך ושוב זה מציג יותר הקשר ומשוב ועוזר לכם להגיע לתוצאה טובה יותר.

גיליתי זאת ממקור ראשון כשיצרתי הנחיה מבוססת בינה מלאכותית שדמיינתי כטקס סוף יום לעדכון רשימת המטלות שלי על ידי סיכום מיילים שלא נענו וסימון התחייבויות שקיבלתי. זה נשמע כמו רעיון נהדר, אבל הגרסה המקורית הייתה מוגזמת וכבדה מדי מכדי להיות בעלת תועלת מעשית בכלל.

נדרשו לי הרבה תהליכי חידוד, משוב ואימון מצד התואר השני במשפטים (LLM) כדי להגיע לתוצאה צפויה ומעשית. זה דרש ממני להיות ברור לגבי הצרכים שלי, סגנון עיבוד המידע וטווח הקשב שלי כדי להגיע לתוצאה שעבדה.

יהיה זה הוגן לכנות את הטיוטה הראשונה שלי "עבודה סגורה", אבל באמצעות חידוד, הגעתי לכלי בינה מלאכותית שימושי. אבל מה אם הייתי עוצר באיטרציה הראשונה ונתקע עם הטיוטה הראשונה הפחות ידידותית למשתמש? אילו הייתי עושה זאת, הייתי מתמודד עם עבודה סגורה שפוגעת בפריון.

אם תגדילו את זה על פני תהליכים מורכבים יותר הכוללים מספר רב של צדדים, תוכלו לראות בקלות כיצד בינה מלאכותית המיושמת עם הכוונות הטובות ביותר יכולה להפוך לסתורין - אלא אם כן יש לכם את האימון, ההתמדה והבסיס כדי להפוך אותה ליעילה.

אין ספק שבינה מלאכותית יכולה להוסיף ערך אמיתי. אבל כמנהיגים, עלינו לוודא שלעובדים יש את הידע, התמיכה והתיאום כדי להצליח, ו... דיווחים ממקומות עבודה בחזית מצביעים על כך שעדיין יש הרבה עבודה לעשות.

מהי גישה ממוקדת אדם לבינה מלאכותית, ואיך מגיעים לשם?

אז מהי גישה ממוקדת אדם לבינה מלאכותית? וכיצד דרך מעשית יכולה להוביל לתוצאות טובות יותר כאשר בינה מלאכותית משולבת בתהליכי עבודה?

עבור תומכי בינה מלאכותית במקום העבודה, נקודת התחלה טובה היא להכיר בכך שהמטרה אינה להחליף אנשים. אלא להקל על החיכוכים ולהגביר את האינטליגנציה שלנו על ידי הבנת האדם: צרכיו, מטרדותיו היומיומיות, שיקול דעתו ומטרותיו.

ישנם שני לקחים כאן כדי להביא בינה מלאכותית איכותית, הממוקדת באדם, למקום העבודה. ראשית, עבור הצוותים שלכם שעובדים עם בינה מלאכותית גנרטורה, ודאו שיש להם את ההכשרה והזמן כדי להשיג תוצאות טובות יותר עם הקשר חזק ועידון.

עבור המערכות שתבחרו המציעות יכולות מבוססות בינה מלאכותית, ודאו ששותפי הטכנולוגיה שלכם באמת מבינים את צרכי הצוות שלכם. משמעות הדבר היא להבין את סביבת התפעול היומיומית שלהם, מה עובד ומה עדיין מתסכל אותם.

איך נראית בינה מלאכותית ממוקדת אדם במקום העבודה?

ניתן ליישם בינה מלאכותית באופן עצמאי כדי להקל על אנשים את עבודתם או להשתמש בה כדי לשפר טכנולוגיות ישנות יותר שמשאירות פערים מעצבנים בזרימות עבודה. קחו לדוגמה את טכנולוגיית זיהוי תווים אופטי (OCR). היא ממירה תמונות טקסט לטקסט קריא וניתן לחיפוש, ומשמשת מזה שנים לייעול משימות כמו הזנת קבלות נייר או חשבוניות לתוכנת דיווח הוצאות.

אבל כפי שכל מי שמשתמש באופן קבוע ב-OCR יודע, זה לא תמיד עובד כפי שמפורסם. אולי צילמתם תמונה של קבלה ברכבת נוסעת, והקבלה הייתה עקומה, מה שהסתיר מידע. אולי החשבונית כתובה בכתב יד בלתי קריא של מישהו. אולי התאריך בפורמט אירופאי, והמערכת מזהה רק פורמט אמריקאי.

ישנן אינספור סיבות מדוע OCR עלול להיכשל בתרגום נתונים בצורה נכונה. זוהי טכנולוגיה מוגבלת. שילוב טכנולוגיה מתוחכמת יותר כמו בינה מלאכותית יכול לסגור את הפערים הללו ולבסוף לבטל את הטרחה הכרוכה בצורך להזין את הנתונים באופן ידני.

זוהי רק ההתחלה של מה שבינה מלאכותית המתמקדת באדם יכולה לאפשר. בהינתן יכולותיה של בינה מלאכותית, יישומים חדשים יכולים לעשות הרבה יותר כדי להקל על החיכוכים בעבודה. לדוגמה, בעזרת ההנחיות הנכונות וזיהוי דפוסי נתוני עסקאות היסטוריים מושכלים, בינה מלאכותית תוכל להוסיף הקשר לחשבונית מעבר לשדות בדף על ידי הסקת מרכז עלות, מידע על הפרויקט ועוד באמצעות הקשר המתמקד באדם המשתמש בה.

בינה מלאכותית המתמקדת באדם יכולה גם להקל על חיכוכים במקום העבודה על ידי העברת משימות לאנשים מחוץ למערכות כמו מערכת ה-ERP של החברה. רוב עבודותיהם של האנשים אינן נמצאות במערכת ה-ERP, אך הם צריכים להתחבר אליה (ולמערכות אחרות) כדי לבצע משימות ספציפיות כמו אישור גיליונות שעות או בקשות עובדים.

מה היה קורה אם סוכן בינה מלאכותית היה מביא את המשימות הללו לאדם במקום זאת, יחד עם ההקשר הרלוונטי שהוא צריך, כדי לקבל החלטה בתוכנית שהוא כבר משתמש בה? זה יכול לשמור על תהליכים בתנועה ועל עובדים להיות ממוקדים יותר. בינה מלאכותית ממוקדת אדם מסוג זה יכולה לבטל משימות שאינן מוסיפות ערך כמו הזנת נתונים וכניסה למערכות מרובות.

כיצד בינה מלאכותית הממוקדת באדם משנה תפקודים פיננסיים?

גישה גמישה ואיטרטיבית לבינה מלאכותית כבר משנה תפקודים פיננסיים בדרכים משמעותיות. כאשר אנשי מקצוע בתחום הפיננסים שקועים עמוק בגיליונות אלקטרוניים ובאנליטיקה, קשה לשנות את הצד של המוח שמסכם את הסיפורים; אז למה לא לבנות סוכן בינה מלאכותית שיסייע במתן ההקשר הזה?

לדוגמה, סטיות ואנומליות הן מטרד כרוני עבור אנשי מקצוע בתחום הפיננסים, ובינה מלאכותית יכולה למלא את הפער על ידי מתן הקשר להסבר קפיצות בהוצאות הארגוניות. סוכן מעוצב היטב יכול לסמן בעיות פוטנציאליות לפני שהאנליסט הפיננסי יעבור על כל הגיליונות האלקטרוניים כדי לגלות את השונות.

באופן דומה, בינה מלאכותית איטרטיבית וזריזה יכולה לסמן אנומליות לפני שהן צצות בתחום משאבי האנוש. כאשר יש שונות בשכר לאחר ריצת שכר ועובד מטיל ספק בה, מישהו בצוות משאבי האנוש חייב לנטוש הכל ולבצע ניתוח פורנזי כדי לגלות את הסיבה להפרש. זהו אתגר אמיתי עבור צוותים עסוקים.

סוכן בינה מלאכותית שתוכנן בקפידה יוכל לחשוף סטיות לפני שהעובדים יושפעו, לסמן את האנומליה ולספק למקבלי ההחלטות במשאבי אנוש הקשר למצבם. בדרך זו, חברי הצוות נשארים ממוקדים במקסום הפרודוקטיביות במקום בכיבוי שריפות, והתפעול מתנהל בצורה חלקה יותר.

ביטול חיכוכים וסבך עבודה: סוכני עשה זאת בעצמך או בינה מלאכותית של ספקים?

הדרך הטובה ביותר להימנע מעיכובים בעבודה ולהפיק ערך אמיתי מבינה מלאכותית היא לחפש דרכים להפחית את המנה היומית של מטרד שאנו נתקלים בו בעבודתנו על ידי לקיחת משימות שאינן מוסיפות ערך. עבור עובדים מסוימים, כולל תפקידים רבים בתחומי הכספים והמשאבי אנוש, הקלדת נתונים למערכת היא מטרד שניתן לעתים קרובות לבטל באמצעות אוטומציה מתחשבת.

עבור אנשים שיוצרים תוכן, הקלדה היא חלק מהעבודה, אך מינוף יעיל של בינה מלאכותית דורש הכשרה, שיתוף פעולה ומדיניות המסייעת לעובדים. הנחיות יצירה שמייצרים תוכן משמעותי ולא יוצרים עבודה במורד הזרם עבור עמיתים.

עבור אוטומציה של עבודה, הפתרון הנכון ישתנה בהתאם לתפקיד ולתעשייה, אך מנהיגים המשלבים בינה מלאכותית במקום העבודה יצטרכו לעתים קרובות להחליט האם ליצור סוכנים בעצמם או להשיג פתרון בינה מלאכותית מוכן לשימוש מספק.

עבור חברות עם משאבי IT חזקים, כולל גישה בלתי מוגבלת למומחיות בתחום הבינה המלאכותית או אינטגרטור מערכות בתשלום קבוע, השמיים הם הגבול. במקרה כזה, ספק המספק טכנולוגיה לבניית סוכנים בה משתמשים לקוחות כדי ליצור פתרונות בינה מלאכותית ישירות עשוי להתאים.

אבל לעסקים רבים אין גישה למשאבים אלה, וגם אם יש להם, חוסר גישה לעבודה יכול להפוך במהירות לבעיה כאשר אנשים מנסים לבנות סוכני בינה מלאכותית משלהם ללא ההכשרה והמשאבים המתאימים כדי להימנע ממלכודות בהמשך הדרך.

אבטחה היא שיקול קריטי נוסף. קחו בחשבון שאנשים הולכים להשתמש בבינה מלאכותית, נקודה. משמעות הדבר היא שזו משימתו של המנהיג לוודא שהעובדים משתמשים בה בצורה בטוחה ושקופה - ומבלי ליצור כאוס.

מה כדאי לקחת בחשבון בבחירת ספקים?

עבור חברות רבות, מערכת מבוססת בינה מלאכותית מספק היא אופציה נהדרת, אך זכרו שלא כל המוצרים נוצרים שווים. הדרך הטובה ביותר להימנע מעייפות עבודה ולהפיק ערך אמיתי מבינה מלאכותית היא למצוא מערכת שמכירה אתכם בצורה הכי אינטימית שאפשר.

לדוגמה, אם המטרה שלכם היא לשפר את הפעילות באמצעות מערכת ERP מבוססת בינה מלאכותית, שקלו את השאלות הבאות עבור ספקים פוטנציאליים:

• האם המוצר מבטל את החיכוכים שהעובדים שלכם נתקלים בהם בתדירות הגבוהה ביותר?
• האם זה פותר את הבעיות הקשות ביותר שעומדות בפני העובדים שלכם?
• האם זה יכול להתאים לרמות מומחיות שונות בתוך הארגון שלך?
• האם זה שומר על בני אדם מעודכנים ומבטיח אחריות ושקיפות?

בין אם אתם משתמשים במערכת ליצירת תוכן, אוטומציה של זרימות עבודה או מענה לשאלות, איכות התוצאות שלכם תלויה בכמה המערכת יודעת על ההקשר שלכם. שאלו את שותפי הטכנולוגיה שלכם כיצד פתרונות הבינה המלאכותית שלהם שמים את האדם במרכז ומספקים ערך אמיתי.

האם Workslop הוא בלתי נמנע?

בלי קשר למי הספק שלכם, והאם אתם בונים סוכנים משלכם או משתמשים בפתרון שמסיר חיכוכים באמצעות אוטומציה מוכנה לשימוש, תפקידכם כמנהיגים הוא לוודא שהבינה המלאכותית מאובטחת, שקופה ומוסיפה ערך.

קחו בחשבון שבינה מלאכותית המתמקדת באדם אינה מוגדרת אך ורק על ידי האם היא פותרת בעיות אמיתיות ומקלה על אנשים את עבודתם. בינה מלאכותית מעשית וממוקדת באדם גם שומרת על בני אדם מעודכנים, כי בסופו של דבר, אנחנו בני האדם אחראים לתוצאות.

ייתכן ש-Workslop הוא שלב בלתי נמנע באבולוציה של בינה מלאכותית, אך הוא לא חייב להיות חלק בלתי נפרד מתפקוד הכספים שלכם. על ידי ריכוז בני האדם בלולאה, השקעה בהכשרה ובחירת ספקים שמבינים את ההקשר העסקי שלכם, מנהלי כספים יכולים לפתוח רמות חדשות של פרודוקטיביות וערך אסטרטגי ממערכות ERP.

הגל הבא של חדשנות ERP יונע על ידי בינה מלאכותית שתבין את העסק שלך בדיוק כמוך ותהיה מסוגלת לספק תובנות, להפוך משימות שגרתיות לאוטומטיות ולהעצים מנהלי פיננסים להתמקד במה שחשוב ביותר.

עתיד הפיננסים הוא עשיר בהקשר, גמיש ומופעל על ידי אדם. מגיע לכם כלים שתוכלו להשתמש בהם היום כדי לקחת אתכם אל המחר, ואתם יכולים להתפתח מעבר למישור העבודה בעזרת בינה מלאכותית מעשית וממוקדת אדם כדי להגיע ליעד הזה.