“Workslop”을 넘어서는 실용적이고 인간 중심의 AI

“AI 슬롭” 문제는 최근 몇 년 동안 대규모 언어 모델(LLM) 및 기타 AI 콘텐츠 생성기의 사용이 급증함에 따라 상당한 문화적 관심과 미디어 주목을 받았습니다. 사람들은 저품질 이미지와 하위 표준 문체가 소셜 피드를洪합니다.

AI 슬롭 덕분에 우리는 이제 AI가 생성한 것으로 의심되는 광고 콘텐츠를 더 이상 신뢰하지 않게 되었으며, 독자들은 LLM 생성 콘텐츠의 특징적인 징조, 즉 임대현의 과도한 사용을 감지하기 시작했습니다. 불행히도, “workslop”도 이제 현실입니다.

Workslop이 무엇이며, 왜 재무 리더들은 그것에 대해 관심을 가져야 하는가요?

모든 CFO는 예산 변동이나 설명되지 않는 이상을 추적하는 등의 업무에서 발생하는 좌절을 알고 있습니다. 오늘날의 기업 환경에서 AI의 약속은 모든 곳에 있지만, 새로운 생산성 킬러인 workslop도 있습니다.

Workslop은 내용,.context 또는 유틸리티가 없는 다듬어진 자동화 결과입니다. 그것은 새로운 것을 가르쳐주지 않는 em 대시로 가득 찬 기사입니다. 질문보다 답변을 더 많이 하는 일반적인 보고서입니다. 명확성 대신 마찰을 생성하는 승인 워크플로입니다. 그것은 재무 팀이 더 많은 일을 하도록 강요하는 AI 생성 콘텐츠입니다.

Workslop은 가장 souvent 하위 콘텐츠 품질과 관련이 있습니다. 그것은 브랜드를 저평가하며, 신뢰할 수 없으며, 사람들이 더 이상 주의를 기울이지 않는다는 메시지를 보냅니다. 그러나 workslop이 ERP와 같은 비즈니스 애플리케이션에 영향을 미치기 시작하면, 그것은 생산성과 신뢰의 훨씬 더 큰 배출구가 됩니다.

Workslop은 AI 시스템이ufficient한 인간 입력, context 또는 감독 없이 출력을 생성할 때 발생합니다. 재무 리더들에게 이것은_should에_해야_하는_것을_자동화해야_하는_것을_수정하거나_재작업하는_귀중한_시간을_意味합니다.

결과는 효율성의 손실, 자동화에 대한 신뢰의 감소, 그리고 반응 모드에 갇힌 재무 기능입니다. 당신은 당신의 조직이 AI에 충분히 투자하지 않았기 때문에 workslop에 영향을 받지 않을 수 있다고 생각할 수 있지만, 그것은 이미 존재합니다.

최근 HuffPost 기사는 스탠퍼드 대학 연구에서 직장에서 workslop을 경험한 근로자의 반 이상을 발견했습니다. 영향을 받은 근로자를 괴롭히는 것 외에도, workslop은 작업장에서 AI를 통합하는 주요 판매 포인트인 예외적인 품질의 더 높은 생산성을 약화시키고 있습니다.

좋은 소식은 workslop을 최소화하거나 제거할 수 있는 실용적이고 인간 중심의 AI 접근법이 있다는 것입니다. workslop 문제의 현재 상태, 작업장에서 더 생각이 깊은 AI 기술의 적용이 무엇인지, 그리고 민첩하고 반복적인 AI 배치를 달성하기 위한 몇 가지 팁을 살펴보겠습니다.

Workslop이 문제가 아니라 첫 번째 초안인 경우는 어떨까요?

솔직히 말하자면, 2026년이 되기 직전이고, AI는 흥미로운 제품입니다. 그것은 시간을 절약하고 생산성을 개선할 수 있는 놀라운 잠재력을 가지고 있으므로, 사람들은 그것을 사용할 것입니다. 그 질문은, 그들이 기술을 채택하도록 고용주가鼓励하는지 여부와 상관없이, 적절한 훈련과 노력이 필요한 결과를 얻을 수 있을는지 여부입니다.

Workslop은 사용자가 AI에ufficient한 입력이나 잘 구조화된 입력을 제공하지 않을 때 발생합니다. AI로 최고의 결과를 얻으려면, 대화를 계속해야 합니다. 프롬프트를 다시 작성하거나 필요를 정제해야 합니다. 이러한 앞뒤로의 과정은 더 많은 context와 피드백을 도입하고, 더好的 결과에 도달하도록 도와줍니다.

나는 첫 번째 초안을 만들 때 이것을 직접 경험했습니다. 나는 하루가 끝날 때마다 할 일 목록을 업데이트하기 위해 AI 프롬프트를 생성했습니다. 그것은 좋은 아이디어로 들렸지만, 원래 버전은 어떤 실제 사용에도 쓸모가 없을 정도로 과도하고 무거웠습니다.

예측 가능한 출력과 실제 사용할 수 있는 출력을 얻으려면 많은 정제, 피드백, 그리고 LLM의 코칭이 필요했습니다. 그것은 나에게 필요한 것을 명확하게 하기 위해, 정보 처리 스타일과 주의 기간을 이해하기 위해 필요했습니다.

그것은 나의 첫 번째 초안을 “workslop”이라고 부르는 것이 공정할 것입니다. 그러나 정제를 통해, 나는 유용한 AI 도구를 얻었습니다. 그러나 만약 내가 첫 번째 반복에서 멈추고, 덜 사용자 친화적인 첫 번째 초안에固執했다면, 나는 생산성을 방해하는 workslop을 다루고 있었을 것입니다.

이것을 더 복잡한 과정으로 확대하면, AI가 가장好的 의도와 함께 적용될 수 있지만, workslop이 되지 않도록, 훈련, 인내, 그리고 기반을 갖추지 않으면, workslop이 될 수 있습니다.

AI는 실제 가치를 추가할 수 있다는 것을疑う 여지 없습니다. 그러나 리더로서, 우리는 직원이 성공하기 위해 필요한 노하우, 지원, 그리고 조정을 갖추고 있는지 확인해야 합니다. 그리고 보고서에 따르면, 여전히 많은 작업이 남아 있습니다.

인간 중심의 AI 접근법이란 무엇이며, 어떻게 그곳에 도달할 수 있나요?

那么, 인간 중심의 AI 접근법이란 무엇이며, 어떻게 하면 실용적인 경로로 더好的 결과를 얻을 수 있을까요?

작업장에서 AI 옹호자들에게 좋은 출발점은, 목표가 사람들을 대체하는 것이 아니라, 마찰을 완화하고, 우리의 지능을 증폭하는 것이라는 것을 인정하는 것입니다. 그것은 human의 필요, 일상적인 귀찮음, 판단, 그리고 목표를 이해하는 것입니다.

여기에는 두 가지 교훈이 있습니다. 첫째, 생성 AI와 함께 일하는 팀에게, 강한 context와 정제로 더好的 결과를 얻을 수 있도록 훈련과 시간을 제공해야 합니다.

둘째, AI를 제공하는 시스템을 선택할 때, 기술 파트너가 실제로 팀의 필요를 이해하는지 확인해야 합니다. 그것은 팀의 일일 운영 환경, 무엇이 작동하는지, 그리고 무엇이 여전히 귀찮은지 이해하는 것을 의미합니다.

작업장에서 인간 중심의 AI는 무엇을 의미하나요?

AI는 독립적으로 적용되어 사람들이 직업을 더 쉽게 만들거나, 더 오래된 기술을 보완하여 워크플로우에서 раздражающие 간격을 메울 수 있습니다. 예를 들어, OCR(광학 문자 인식) 기술은 텍스트 이미지들을 읽을 수 있고 검색할 수 있는 텍스트로 변환하고, 수년 동안 종이 영수증이나 청구서를 비용 보고 소프트웨어에 입력하는 등의 작업을 간소화하는 데 사용되었습니다.

그러나 OCR을 정기적으로 사용하는 사람들은 그것이 항상 광고된 대로 작동하지 않는다는 것을 알게 됩니다. 아마도 당신은 열차에서 영수증의 사진을 찍었고, 영수증이 구겨져서 정보가 가려졌을 수 있습니다. 아마도 청구서는誰かの 서면으로 쓰여져서 읽을 수 없습니다. 아마도 날짜가 유럽 형식으로 쓰여져 있고, 시스템은 미국 형식만 인식할 수 있습니다.

OCR이 데이터를 올바르게 번역하지 못하는 이유는 수없이 많습니다. 그것은 제한된 기술입니다. 더 정교한 기술인 AI를 통합하면, 그 간격을 메울 수 있고, 수동으로 숫자를 입력하는 귀찮음을终于 없앨 수 있습니다.

그것은 인간 중심의 AI가 가능하게 하는 것의 시작에 불과합니다. AI의 능력으로, 새로운 애플리케이션은 작업에서 마찰을 완화하는 데 훨씬 더 많은 것을 할 수 있습니다. 예를 들어, 올바른 프롬프트와 사고적인 historical transaction 데이터 패턴 인식으로, AI는 페이지上的 필드 너머로 비용 센터, 프로젝트 정보 및 더 많은 것을 인간이 사용하는 context를 통해 추론할 수 있습니다.

인간 중심의 AI는 또한 작업장에서 마찰을 완화할 수 있습니다. 그것은 사람들에게 시스템 밖에서 작업을 가져옵니다. 대부분의 사람들의 직업은 ERP 시스템에 살지 않지만, 시간표나 직원 요청을 승인하는 등의 특정 작업을 수행하기 위해 로그인해야 합니다.

만약 AI 에이전트가 관련 context와 함께 작업을 가져오면, 결정하기 위해 이미 사용 중인 프로그램에서 작업을 수행할 수 있습니다. 그것은 프로세스를 계속 이동시키고, 직원을 더 집중시킬 수 있습니다. 인간 중심의 AI는 데이터 입력과 여러 시스템에 로그인하는 등의 비가치 작업을 없앨 수 있습니다.

인간 중심의 AI는 재무 기능을 어떻게変換하고 있나요?

민첩하고 반복적인 AI 접근법은 이미 재무 기능을重大하게変換하고 있습니다. 재무 전문가들이 스프레드시트와 분석에 빠져있을 때, 이야기하기 위한 두뇌의 한쪽을 전환하기가 어려울 수 있습니다. 그렇다면, 왜 AI 에이전트를 만들지 않나요? 그것은 context를 제공하여 이상이나 변동을 설명할 수 있습니다.

예를 들어, 재무 전문가들에게는 이상과 변동이慢性적인 귀찮음입니다. AI는 기업 지출의 급증을 설명하는 context를 제공하여 슬랙을 메울 수 있습니다. 잘 설계된 에이전트는 재무 분석가가 모든 스프레드시트를 조사하기 전에 잠재적인 문제를 발견할 수 있습니다.

마찬가지로, 민첩하고 반복적인 AI는 인사 부문에서 이상을 발견할 수 있습니다. 급여 차이로 인해 직원이 질문을하면, 인사 팀은 모든 것을 중단하고, 변동의 이유를 발견하기 위해 법의학적 분석을 수행해야 합니다. 그것은 바쁜 팀에게真正的な 도전입니다.

신중하게 설계된 AI 에이전트는 직원에게 영향을 미치기 전에 이상을 발견하고, context를 제공하여 인사 의사 결정자에게 이상을 알릴 수 있습니다. 이렇게 하면, 팀 구성원의 집중력이 생산성을 최대화하는 데 남아있고, 운영이 더 원활하게 진행됩니다.

Workslop을 제거하고, 마찰을 없애는 방법: DIY 에이전트 또는 벤더 AI?

AI에서 실제 가치를 얻고 workslop을避ける 최好的 방법은 일상적인 귀찮음을 줄이는 것입니다. 일부 직원, 특히 많은 재무 및 인사 역할에서는, 시스템에 데이터를 입력하는 것이 귀찮음입니다. 그러나 AI를 효과적으로 활용하려면, 훈련, 협력, 그리고 직원이 의미 있는 콘텐츠를 생성하고, 동료들에게 하류 작업을 생성하지 않는 프롬프트를 만들도록 도와주는 정책이 필요합니다.

작업 자동화의 경우, 올바른 해결책은 역할과 산업에 따라 다를 것입니다. 그러나 작업장에서 AI를 통합하는 리더들은 자체 에이전트를 생성할지, 또는 벤더에서 AI 솔루션을 얻을지 결정해야 할 것입니다.

강력한 IT 자원을 갖춘 회사, 즉 AI 전문가 또는 시스템 통합업체와의 계약을 맺은 경우, 하늘은 제한이 없습니다.那样 경우, 에이전트 구축 기술을 제공하는 벤더가 클라이언트에게 AI 솔루션을 직접 생성할 수 있도록 하는 것이 작동할 수 있습니다.

그러나 많은 비즈니스가 이러한 자원을 갖고 있지 않으며, 即使 갖고 있다 하더라도, workslop은 사람들이 적절한 훈련이나 자원을 갖지 못한 채로 자체 에이전트를 구축하려고 할 때 빠르게 문제가 될 수 있습니다.

보안은 또 다른 중요한 고려 사항입니다. 사람들은 AI를 사용할 것입니다. 즉, 리더의 임무는 직원이 안전하고 투명하게 AI를 사용하고, 혼란을 일으키지 않는지 확인하는 것입니다.

벤더를 선택할 때 무엇을 고려해야 하나요?

많은 회사에게는 벤더의 AI 활성화된 시스템이 좋은 옵션입니다. 그러나 모든 제품이 동일하게 생성되지 않는다는 것을 기억하십시오. AI에서 실제 가치를 얻고 workslop을避ける 최好的 방법은, 시스템이 당신을 가능한 한 잘 알고 있는 경우입니다.

예를 들어, AI 활성화된 ERP 시스템으로 운영을 개선하려는 경우, 다음 질문을 잠재적인 벤더에게 고려하십시오:

• 제품이 직원들이 가장 souvent遭遇하는 마찰을 제거합니까?
• 제품이 직원들이 직면하는 가장 어려운 문제를 해결합니까?
• 제품이 조직 내의 다양한 전문가 수준을 수용할 수 있습니까?
• 제품이 인간을 루프에 유지하고, 책임과 투명성을 보장합니까?

콘텐츠 생성, 워크플로 자동화, 또는 질문에 대답하는 시스템을 사용하는 경우, 결과의 품질은 시스템이 당신의 context를 얼마나 잘 알고 있는지에 달려 있습니다. 기술 파트너에게 그들의 AI 솔루션이 인간을 중심으로 하여 실제 가치를 제공하는지 물어보십시오.

Workslop은 불가피합니까?

벤더가 누구인지, 또는 자체 에이전트를 구축하는지, 또는 마찰을 제거하는 자동화를 제공하는 솔루션을 사용하는지에 관계없이, 리더로서 AI가 안전하고, 투명하며, 가치를 추가하는지 확인하는 것이 중요합니다.

인간 중심의 AI는 실제로 문제를 해결하고, 사람들의 직업을 더 쉽게 만들지만, 또한 인간을 루프에 유지합니다. 궁극적으로, 우리는 결과에 대한 책임을 지닙니다.

Workslop은 AI의 진화 과정에서 불가피한 단계일 수 있지만, 그것이 당신의 재무 기능에 영구적인 특징이 될 필요는 없습니다. 인간을 루프에 두고, 훈련에 투자하고, 비즈니스 context를 이해하는 벤더를 선택함으로써, CFO들은 ERP 시스템에서 새로운 생산성과 전략적 가치를解放할 수 있습니다.

ERP의 다음 혁신은 당신의 비즈니스를 당신만큼 잘 이해하는 AI에 의해 추동될 것입니다. 그것은 통찰력을 제공하고, 루틴 작업을 자동화하며, 재무 리더들이 가장 중요한 것에 집중할 수 있도록 할 것입니다.

재무의 미래는 context가 풍부하고, 민첩하며, 인간 중심입니다. 당신은 오늘 사용할 수 있는 도구를 заслуж합니다. 그리고 실용적인 인간 중심의 AI로 workslop을 넘어설 수 있습니다.