Utvikle tidligere «arbeidsplasser» med praktisk, menneskesentrert AI

Problemet med «AI-slopp» har skapt en god del kulturell oppstyr og media oppmerksomhet de siste årene, ettersom bruken av LLM-er og andre AI-innholdsgeneratorer fortsetter å skyte i været. Folk legger merke til det når bilder av lav kvalitet og undermålsprosa oversvømmer de sosiale feedene deres.

Takket være AI-slurv er vi nå mindre sannsynlig å stole på annonseinnhold som vi mistenker er AI-generert, selv om det ikke er det, og leserne oppdager tydelige tegn på LLM-generert innhold, som for eksempel overdreven bruk av tankestrekerDessverre er «arbeidsslo» også en greie nå.

Hva er Workslop, og hvorfor bør finansledere bry seg om det?

Enhver finansdirektør kjenner frustrasjonen ved å jage ned budsjettavvik eller bruke timer på å avstemme uforklarlige avvik. I dagens bedriftslandskap er løftet om AI overalt, men det samme er en ny produktivitetsdreper: arbeidsslitasje.

Workslop er automatiseringsbiproduktet som ser polert ut, men mangler substans, kontekst eller nytteverdi. Det er artikkelen full av tankestreker som ikke lærer deg noe nytt; den generiske rapporten som reiser flere spørsmål enn den besvarer; godkjenningsarbeidsflyten som skaper friksjon i stedet for klarhet. Det er det AI-genererte innholdet som tvinger finansteam til å gjøre mer arbeid, ikke mindre.

Workslop forbindes oftest med dårlig innholdskvalitet. Det devaluerer merkevaren, er mindre troverdig og sender budskapet om at folk har sluttet å følge med. Men når Workslop begynner å påvirke forretningsapplikasjoner som ERP-systemet, blir det enda mer en belastning på produktivitet og tillit.

Arbeidsstans oppstår når AI-systemer genererer resultater uten nok menneskelig innspill, kontekst eller tilsyn. For finansledere betyr dette å bruke verdifull tid på å avklare, korrigere eller omarbeide det som burde vært automatisert.

Resultatet? Tapt effektivitet, redusert tillit til automatisering og en finansfunksjon som sitter fast i reaktiv modus. Du tror kanskje at organisasjonen din ikke er investert nok i AI til å bli påvirket av arbeidsforstyrrelser, men det er allerede der ute.

En fersk HuffPost Artikkelen siterte en studie fra Stanford University som fant at mer enn halvparten av arbeiderne sier at de har opplevd arbeidsforvirring på jobben. I tillegg til å irritere de berørte arbeiderne, truer arbeidsforvirring med å undergrave det viktigste salgsargumentet for å integrere AI på arbeidsplassen: større produktivitet med eksepsjonell kvalitet.

Den gode nyheten er at du kan minimere eller til og med eliminere arbeidsavbrudd med en praktisk, menneskesentrert tilnærming til AI. Her er en titt på den nåværende tilstanden til arbeidsavbruddsproblemet, hvordan en mer gjennomtenkt anvendelse av AI-teknologi på arbeidsplassen kan se ut, og noen tips for å oppnå en smidig, iterativ AI-distribusjon.

Hva om Workslop ikke er et problem, men snarere et førsteutkast?

La oss innse det – det er nesten 2026, og AI er et spennende produkt. Det har et utrolig potensial til å spare tid og forbedre produktiviteten, så folk kommer til å bruke det, enten arbeidsgiveren deres oppfordrer dem til å ta i bruk teknologien eller ikke. Spørsmålet er om de vil anvende den med riktig opplæring og innsats som er nødvendig for å få best mulig resultat?

Arbeidssløvhet skjer når brukeren ikke gir tilstrekkelig eller velstrukturert innspill fra AI. For å få best mulig resultat med AI, må du holde samtalen i gang. Du må omskrive oppgaven din eller avgrense behovene dine. Denne frem-og-tilbake-prosessen introduserer mer kontekst og tilbakemeldinger og hjelper deg med å lande frem til et bedre resultat.

Jeg fant dette ut av egen erfaring da jeg laget en AI-ledetekst jeg så for meg som et ritual på slutten av dagen for å oppdatere gjøremålslisten min ved å oppsummere ubesvarte e-poster og markere forpliktelser jeg hadde gjort. Det hørtes ut som en god idé, men den opprinnelige versjonen var for overdrevet og tung til å være av praktisk nytte i det hele tatt.

Det krevde mye finpussing, tilbakemeldinger og veiledning fra LLM-studenten for å komme frem til et forutsigbart og praktisk resultat. Det krevde at jeg var tydelig på mine behov, informasjonsbehandlingsstil og oppmerksomhetsspenn for å få et resultat som fungerte.

Det ville være rimelig å kalle mitt første utkast «arbeidssløyfe», men gjennom forbedring kom jeg frem til et nyttig AI-verktøy. Men hva om jeg hadde stoppet ved første iterasjon og holdt meg til det mindre brukervennlige førsteutkastet? Hadde jeg gjort det, ville jeg hatt å gjøre med et arbeidssløyfe som hemmet produktiviteten.

Forstørr det utover mer komplekse prosesser som involverer flere parter, så kan du enkelt se hvordan AI brukt med de beste intensjoner kan bli en arbeidsoppgave – med mindre du har opplæringen, utholdenheten og grunnlaget for å gjøre det effektivt.

Det er ingen tvil om at AI kan tilføre reell verdi. Men som ledere må vi sørge for at ansatte har kunnskapen, støtten og koordineringen for å lykkes, og rapporter fra arbeidsplasser i frontlinjen indikerer at det fortsatt er mye arbeid å gjøre.

Hva er en menneskesentrert tilnærming til AI, og hvordan kommer man dit?

Så, hva er en menneskesentrert tilnærming til AI? Og hvordan kan en praktisk tilnærming føre til bedre resultater når AI integreres i arbeidsflyter?

For AI-forkjempere på arbeidsplassen er et godt utgangspunkt å erkjenne at målet ikke er å erstatte mennesker. Det er å lette på friksjoner og forsterke intelligensen vår ved å forstå mennesket: deres behov, deres daglige irritasjoner, deres dømmekraft og deres mål.

Det er to lærdommer her for å bringe menneskesentrert, kvalitetsbasert AI til arbeidsplassen. For det første, for teamene dine som jobber med generativ AI, sørg for at de har opplæringen og tiden til å få bedre resultater med sterk kontekst og forbedring.

For systemene du velger som tilbyr AI-aktivering, sørg for at teknologipartnerne dine virkelig forstår teamets behov. Det betyr å forstå deres daglige driftsmiljø, hva som fungerer og hva som fortsatt frustrerer dem.

Hvordan ser menneskesentrert AI ut på arbeidsplassen?

AI kan brukes frittstående for å gjøre folks jobber enklere, eller brukes til å forbedre eldre teknologier som skaper irriterende hull i arbeidsflyter. Ta for eksempel OCR-teknologi (Optical Character Recognition). Den konverterer tekstbilder til lesbar, søkbar tekst og har blitt brukt i årevis for å effektivisere oppgaver som å legge inn papirkvitteringer eller fakturaer i programvare for utgiftsrapportering.

Men som alle som bruker OCR regelmessig vet, fungerer det ikke alltid som annonsert. Kanskje du tok et bilde av en kvittering på et tog i bevegelse, og kvitteringen var bøyd, noe som skjulte informasjonen. Kanskje fakturaen er skrevet med noens uleselige håndskrift. Kanskje datoen er i europeisk format, og systemet gjenkjenner bare amerikansk format.

Det finnes utallige grunner til at OCR ikke klarer å oversette data riktig. Det er en begrenset teknologi. Integrering av en mer sofistikert teknologi som AI kan tette disse hullene og endelig eliminere irritasjonen med å måtte legge inn disse tallene manuelt.

Det er bare begynnelsen på hva menneskesentrert AI kan gjøre mulig. Gitt AIs muligheter, kan nye applikasjoner gjøre så mye mer for å redusere friksjon på jobben. For eksempel, med de riktige instruksjonene og gjennomtenkt mønstergjenkjenning av historiske transaksjonsdata, vil AI kunne legge til kontekst til en faktura utover feltene på siden ved å utlede kostnadssted, prosjektinformasjon og mer via kontekst sentrert på mennesket som bruker det.

Menneskesentrert AI kan også lindre friksjon på arbeidsplassen ved å overføre oppgaver til folk utenfor systemer som bedriftens ERP-system. De flestes jobber ligger ikke i ERP-systemet, men de må logge seg på det (og andre systemer) for å utføre spesifikke oppgaver som å godkjenne timelister eller ansattforespørsler.

Hva om en AI-agent i stedet brakte disse oppgavene til personen, sammen med den relevante konteksten de trenger, for å ta en beslutning i et program de allerede bruker? Det kan holde prosessene i gang og ansatte mer fokuserte. Menneskesentrert AI av denne typen kan eliminere ikke-verdiskapende oppgaver som dataregistrering og logging i flere systemer.

Hvordan transformerer menneskesentrert AI finansfunksjoner?

En smidig, iterativ tilnærming til AI forvandler allerede finansfunksjoner på betydelige måter. Når finansmedarbeidere er inngående i regneark og analyser, kan det være vanskelig å endre den historiefortellende siden av hjernen; så hvorfor ikke bygge en AI-agent som kan bidra til å gi den konteksten?

For eksempel er avvik og uregelmessigheter en kronisk irritasjonsmoment for finansfolk, og AI kan ta opp dette ved å gi kontekst for å forklare topper i bedriftsutgifter. En godt utformet agent kan flagge potensielle problemer før finansanalytikeren graver gjennom alle regnearkene for å oppdage avvikene.

På samme måte kan smidig, iterativ AI flagge avvik før de dukker opp i HR-området. Når det er en variasjon i lønn etter en lønnskjøring og en ansatt stiller spørsmål ved den, må noen i HR-teamet droppe alt og utføre en rettsmedisinsk analyse for å finne årsaken til forskjellen. Det er en reell utfordring for travle team.

En gjennomtenkt utformet AI-agent kan avdekke avvik før ansatte blir påvirket, flagge avviket og gi kontekst til HR-beslutningstakere der de er. På denne måten forblir teammedlemmenes fokus på å maksimere produktiviteten i stedet for å slukke branner, og driften går smidigere.

Eliminering av friksjon og arbeidsslapphet: Gjør-det-selv-agenter eller leverandør-AI?

Den beste måten å unngå arbeidsforsinkelser og få reell verdi fra AI er å se etter måter å redusere den daglige dosen av irritasjoner vi alle møter i jobbene våre ved å ta på oss oppgaver som ikke tilfører verdi. For noen ansatte, inkludert mange økonomi- og HR-roller, er det å skrive inn data i et system en irritasjon som ofte kan elimineres gjennom gjennomtenkt automatisering.

For folk som lager innhold er skriving en del av jobben, men effektiv utnyttelse av kunstig intelligens krever opplæring, samarbeid og retningslinjer som hjelper ansatte. håndverksoppgaver som genererer meningsfullt innhold og ikke skaper arbeid nedstrøms for kolleger.

For arbeidsautomatisering vil den riktige løsningen variere avhengig av rolle og bransje, men ledere som integrerer AI på arbeidsplassen må ofte bestemme seg for om de skal opprette agenter selv eller skaffe en ferdig AI-løsning fra en leverandør.

For selskaper med robuste IT-ressurser, inkludert ubegrenset tilgang til AI-ekspertise eller en systemintegrator med fast abonnement, er det ingen grenser. I så fall kan en leverandør som leverer agentbyggende teknologi som kunder bruker til å lage AI-løsninger direkte, fungere.

Men mange bedrifter har ikke tilgang til disse ressursene, og selv om de har det, kan arbeidsslapphet raskt bli et problem når folk prøver å bygge sine egne AI-agenter uten riktig opplæring og ressurser for å unngå fallgruver nedstrøms.

Sikkerhet er en annen viktig faktor. Husk at folk kommer til å bruke AI, punktum. Det betyr at det er lederens oppgave å sørge for at ansatte bruker det trygt og transparent – ​​og uten å skape kaos.

Hva bør du vurdere når du velger leverandører?

For mange bedrifter er et AI-aktivert system fra en leverandør et godt alternativ, men husk at ikke alle produkter er skapt like. Den beste måten å unngå arbeidsforfall og få reell verdi fra AI er å finne et system som kjenner deg så godt som mulig.

Hvis målet ditt for eksempel er å forbedre driften med et AI-aktivert ERP-system, bør du vurdere disse spørsmålene til potensielle leverandører:

• Eliminerer produktet friksjonen dine ansatte opplever oftest?
• Løser det de vanskeligste problemene dine ansatte står overfor?
• Kan det imøtekomme ulike nivåer av ekspertise i organisasjonen din?
• Holder det folk oppdatert og sikrer ansvarlighet og åpenhet?

Enten du bruker et system til å generere innhold, automatisere arbeidsflyter eller svare på spørsmål, avhenger kvaliteten på resultatene dine av hvor mye systemet vet om konteksten din. Spør teknologipartnerne dine hvordan deres AI-løsninger setter mennesket i sentrum og leverer reell verdi.

Er arbeidsledighet uunngåelig?

Uansett hvem leverandøren din er og om du bygger dine egne agenter eller bruker en løsning som fjerner friksjon via ferdig automatisering, er det opp til deg som leder å sørge for at AI er sikker, transparent og tilfører verdi.

Husk at menneskesentrert AI ikke utelukkende defineres av om den løser reelle problemer og gjør folks jobber enklere. Praktisk, menneskesentrert AI holder også mennesker oppdatert fordi vi mennesker til syvende og sist er ansvarlige for resultatene.

Arbeidsløshet kan være en uunngåelig fase av AI-utviklingen, men det trenger ikke å være en permanent del av finansfunksjonen din. Ved å sette mennesker i sentrum, investere i opplæring og velge leverandører som forstår forretningskonteksten din, kan finansdirektører låse opp nye nivåer av produktivitet og strategisk verdi fra ERP-systemer.

Den neste bølgen av ERP-innovasjon vil bli drevet av AI som forstår virksomheten din like godt som deg, og som er i stand til å levere innsikt, automatisere rutineoppgaver og gi økonomiledere mulighet til å fokusere på det som betyr mest.

Fremtiden for finans er kontekstrik, smidig og menneskedrevet. Du fortjener verktøy du kan bruke i dag for å ta deg inn i morgendagen, og du kan utvikle deg forbi arbeidslivet med praktisk, menneskesentrert AI for å nå det målet.