AIモデルとプラットフォーム
最悪の最初の仕事は目立つものである
Unite.AI を Google の優先ソースに追加
企業は最初のエージェントの仕事を同じように選択する傾向があります。誰かがAIが何をできるかを尋ね、部屋の中でみんなが想像できる仕事、つまりブログの投稿、顧客への対応、インボックスの処理について話し合うのです。これは建物の中で最も目立つ仕事なので、誰でも想像できる仕事になります。
6か月後、パイロットは静かに駐車され、結論は技術が未熟だったというものでした。技術は問題ありません。仕事の選択が問題でした。目立つ仕事は、3つの条件をすべて満たしているため、悪い選択です。
3つの条件が仕事を難しくし、目立つ仕事はすべて3つを持っている
エージェントにとって、仕事は簡単です。チェック可能な正解がある場合、悪い出力が安い場合、そして誰かが建物の中で仕事をしている場合、そして見た目で良い悪いを判断できる場合です。
顧客向けの文章は最初のテストに失敗します。
「このブログ投稿は良いか」という質問には正解がない。ただ、1人の人が持っている好みがあり、間違ったバージョンはすぐに認識できますが、正しいバージョンを事前に指定するのは難しい。質の悪いコンテンツの苦情はほとんどこのギャップにあります。
顧客向けの仕事は2番目のテストに失敗します。
内部の要約が悪いと、誰かが4分間を浪費する。顧客への返答が悪いと、関係が壊れ、時にはコンプライアンスに関する会話が必要になる。失敗のコストは、仕事に必要な監督のレベルを決め、監督はエージェントを実行するための高価な部分です。
目立つ仕事は通常、3番目のテストに失敗するが、誰もが気づくまで遅くなる。
出力を判断できる人は、会社の中で最も貴重な時間を持っている上級の人です。レビューのキューを渡すことは、最も高価なカレンダーに仕事を追加することを意味します。
成功した最初の仕事の見た目
それらは退屈です。パターンは一貫していて、計画することができます。
NTT DATA Groupが組織全体にエージェントツールを展開したとき、は、顧客体験ではなく内部のエンジニアリングの仕事でした。OpenAIのアカウントでは、複雑なインシデント分析を自動化したことが記載されています。以前は5人の経験豊富なエンジニアが3日かかった仕事を30分で完了しました。その結果は「上級リーダーの注目を集め、早期の実証となった」と書かれています。
仕事の形状を見てみましょう。インシデント分析には正解があり、組織がチェックできる答えです。なぜなら、仕事はすでに存在しており、元々それをしていた人がまだそこにいるからです。
それが繰り返されます。会社のシステムの中にあり、顧客の前ではありません。完了の基準は、分析が証拠に対して成り立つかどうかです。これは、味覚ではなく、擁護可能な答えを持つ質問です。
これを、ほとんどの会社が最初に選ぶ仕事と比較してみましょう。ブログ投稿には正解がない、安価な判断者がいない、そして聴衆がいます。
シーケンスは、選択と同じくらい重要です。NTT DATAは、ChatGPT Enterpriseを会社全体に最初に展開し、内部調査では、96％以上の回答者がそれに満足しており、95％以上の回答者が生産性の向上を報告していました。
日常的な使用を通じて、記述では「従業員は、研究、執筆、コンテンツ作成のためにAIと共同で仕事をする習慣を身につけた」と書かれています。そうした習慣は「明確に定義されたタスクを委任するための組織の準備」をしました。
リーダーシップの教訓は、ケーススタディーとともに公開され、AIを日常の仕事の一部にすること、人々がそれと共同で仕事をする習慣を身につけることを助けることから始まります。会社は、インシデント分析の仕事が到着する前に、AIとの広範な経験を構築しました。
習慣形成の段階は、思っているよりも多くの仕事をしています。一般的なAIツールが普通になるにつれて、。私の読み方では、これは良い候補の仕事が表面化する場所です。計画会議ではなく、仕事をする人々からです。また、懐疑心が解消され、は、1つのハイステークスプロジェクトでは解決されません。
例外が規則を証明する、もしも全体のケースを読むなら
明らかな反論は、顧客向けのエージェントが実際に機能するということです。そうです。1つを詳しく読む価値があります。
は、エージェントの仕事として最も目立つものの1つです。24時間365日、多言語対応のサポート、音声とテキストで、製品の発見から購入の決定までのガイダンスを提供します。ヤマダ電機のオンラインストアでの2週間のパブリックキャンペーンで、約3万人がそれを使用し、92％の回答は肯定的なものでした。現実的な結果、現実的な顧客、表向きです。
1つのことをはっきりさせておきたい。OpenAIの記述では、これを「その教訓を直接顧客に伝える最初の主要な機会」と呼んでいます。つまり、アバタリンの最初の顧客向けエージェントでした。これは、上記のすべてに反するようです。
「その教訓」が何を指しているかを見てみましょう。アバタリンはANAホールディングスからスピンアウトしたAI顧客サービス会社で、記述ではOpenAI APIを使用してスピーチ認識、問い合わせ分析、従業員トレーニングを行っていたと書かれています。
エージェントの回答は、回復増強生成システムによって根底付けられています。つまり、回答はモデルの記憶ではなく、実際の製品情報に基づいています。小売業者の顧客サービスに関する知識は、会話の流れやプロンプトに意図的にエンコードされていました。ガードレールが会話をショッピング体験に留めるのを助けます。また、OpenAIはチームと直接協力して、プロンプトを構造化し、常にオンの音声サービスを実行するコストを下げました。
これは、AI顧客サービスが全ての事業である会社の最初の顧客向けの仕事でした。以前からOpenAIのツールを使用しており、グラウンド層があり、ドメインの専門知識がエンコードされていて、ガードレールがあり、ベンダーの人がプロンプトを構造化するのを助けていたのです。これが、目立つ仕事の本当の価格です。ほとんどが結果には表れていません。
2つのアカウントを一緒に読むと、それらはシーケンスの教訓であり、2つの成功物語ではありません。1つの組織は、AIを日常の仕事の一部にすることで、明確に定義された仕事を委任する権利を得ました。他の組織は、すでに行っていたコンポーネント作業の後で、顧客向けの仕事に到達しました。どちらも計画会議で始めることを望んでいませんでした。
選択の規則
仕事の候補を選択する前に、4つの質問に答える必要があります。
1. チェック可能な正解があるか
良い答えではなく、正解です。調整、分類、抽出、分析などの仕事はすべて適しています。ただ、味覚で判断されるものは最初に適しません。
2. 悪い出力のコストは何ですか
もしも正直な答えが顧客、規制機関、または提出物の数字を含む場合、仕事はが必要です。そうしたものは、ほとんどの場合、まだ構築していません。
3. ボリュームがセットアップを正当化するか
2か月に1度行われる仕事は、設定に要した週間を返済することはありません。経済的メリットは繰り返しから来ます。繰り返しが、どこで失敗するかを教えてくれます。
4. すでに誰かがこの仕事をしており、悪い結果を瞬時に認識できるか
その人こそがあなたのレビュアーです。彼らは時間を持っている必要があります。もしも唯一の資格者が創設者であれば、別の仕事を選んでください。
4つの質問すべてで高得点を取る仕事は、ほとんどの場合、会議で話し合われた仕事ではありません。そうした仕事は、チームが2年間手動で行ってきた仕事ですが、もう仕事であることに気づいていない仕事です。
これはあなたをどこに置くのか
今週、仕事の候補を誠実に評価します。勝者は失望するように感じるかもしれません。自動化することをやめないでください。
最初のエージェントの仕事の目的は、返される価値ではありません。それは、組織がこれらのシステムが何をうまくやっていて、どこで壊れ、監督するのに実際に何がかかるかを学ぶことです。間違えることが生き残ることのできる仕事においてです。その知識が2番目の仕事を、推測ではなく、現実の決定にします。3番目の仕事が、ほとんどの場合、金銭的利益をもたらすものです。
退屈な仕事を選びます。目立つ仕事を得ます。
