Rozwijaj się poza „workslop” z pomocą praktycznego, ludzko-centrycznego AI

Problem „AI śmieci” wywołał spore zainteresowanie i uwagę mediów w ciągu ostatnich kilku lat, ponieważ używanie generatorów treści AI i innych technologii sztucznej inteligencji ciągle rośnie. Ludzie zauważają, gdy niskiej jakości obrazy i podrzędna proza zalewają ich sieci społeczne.

Dzięki AI śmieci, jesteśmy teraz mniej skłonni do zaufania treści reklamowych, które podejrzewamy o generowanie przez AI, nawet jeśli tak nie jest, a czytelnicy zauważają charakterystyczne cechy treści generowanych przez AI, takie jak nadużywanie myślników. Niestety, „workslop” jest teraz również rzeczą.

Czym jest workslop i dlaczego liderzy finansowi powinni się nim zajmować?

Każdy CFO zna frustrację wynikającą z poszukiwania różnic w budżecie lub spędzania godzin na rozwiązywaniu niewyjaśnionych anomalii. W dzisiejszym krajobrazie przedsiębiorstw, obietnica AI jest wszędzie, ale jest również nowy zabójca produktywności: workslop.

Workslop to produkt uboczny automatyzacji, który wygląda elegancko, ale brakuje mu treści, kontekstu lub użyteczności. To artykuł usiany myślnikami, który nie uczy nic nowego; raport, który stawia więcej pytań niż odpowiedzi; workflow zatwierdzania, który tworzy tarcie zamiast klarowności. To treść generowana przez AI, która zmusza zespoły finansowe do wykonania więcej pracy, a nie mniej.

Workslop najczęściej kojarzony jest z niską jakością treści. Dewaluuje markę, jest mniej godny zaufania i sygnalizuje, że ludzie przestali zwracać uwagę. Ale gdy workslop zaczyna wpływać na aplikacje biznesowe, takie jak ERP, staje się jeszcze większym obciążeniem dla produktywności i zaufania.

Workslop powstaje, gdy systemy AI generują dane wyjściowe bez wystarczającego wkładu ludzkiego, kontekstu lub nadzoru. Dla liderów finansowych oznacza to spędzanie cennego czasu na wyjaśnianiu, poprawianiu lub przerabianiu tego, co powinno być zautomatyzowane.

Wynikiem jest utrata wydajności, zmniejszone zaufanie do automatyzacji i funkcja finansowa, która utknęła w trybie reaktywnym. Możesz myśleć, że twoja organizacja nie jest wystarczająco zaangażowana w AI, aby być dotkniętą przez workslop, ale jest to już tam.

Niedawny artykuł na HuffPost cytował badanie Uniwersytetu Stanforda, które wykazało, że ponad połowa pracowników spotkała się z workslopem w pracy. Oprócz irytowania dotkniętych pracowników, workslop zagraża podważeniu kluczowego argumentu za integracją AI w miejscu pracy: większą produktywnością z wyjątkową jakością.

Dobra wiadomość jest taka, że możesz zminimalizować lub nawet wyeliminować workslop przy pomocy praktycznego, ludzko-centrycznego podejścia do AI. Oto spojrzenie na bieżący stan problemu workslop, jak może wyglądać bardziej przemyślane zastosowanie technologii AI w miejscu pracy i jakie wskazówki mogą pomóc w osiągnięciu agile, iteracyjnego wdrożenia AI.

Czy workslop nie jest problemem, ale raczej pierwszym szkicem?

Przyznajmy to — jest prawie 2026 rok, a AI to ekscytujący produkt. Ma niesamowity potencjał do oszczędności czasu i poprawy produktywności, więc ludzie będą go używać, niezależnie od tego, czy pracodawca zachęca ich do przyjęcia tej technologii, czy nie. Pytanie brzmi, czy będą ją stosować z odpowiednim szkoleniem i wysiłkiem niezbędnym do uzyskania najlepszych wyników?

Workslop występuje, gdy użytkownik nie dostarcza AI wystarczającego lub dobrze ustrukturyzowanego wkładu. Aby uzyskać najlepsze wyniki z AI, musisz prowadzić rozmowę. Musisz przepisać swoje polecenie lub udoskonalić swoje potrzeby. Ten proces wprowadza więcej kontekstu i informacji zwrotnej, co pomaga w osiągnięciu lepszego wyniku.

Stwierdziłem to na własnej skórze, gdy stworzyłem polecenie AI, które miało być rytuałem kończącym dzień, aktualizującym mój listę zadań poprzez podsumowanie niewyjaśnionych e-maili i oznaczanie zobowiązań, które złożyłem. Brzmiało to jak wspaniały pomysł, ale oryginalna wersja była zbyt rozbudowana i ciężka, aby być użyteczną w ogóle.

Wymagało to wiele udoskonaleń, informacji zwrotnej i szkolenia od LLM, aby uzyskać wynik, który był przewidywalny i praktyczny. Wymagało ode mnie, abym był jasny co do moich potrzeb, stylu przetwarzania informacji i uwagi, aby uzyskać wynik, który działał.

Byłoby uczciwe nazwać mój pierwszy szkic „workslopem”, ale dzięki udoskonaleniom uzyskałem użyteczne narzędzie AI. Ale co, gdybym zatrzymał się na pierwszej iteracji i pozostał przy mniej przyjaznym pierwszym szkicu? Gdybym to zrobił, miałbym do czynienia z workslopem, który utrudniałby produktywność.

Przeskaluj to na bardziej złożone procesy, w których biorą udział wielu uczestników, i łatwo zobaczyć, jak AI stosowana z najlepszymi intencjami może stać się workslopem — chyba że masz szkolenie, wytrwałość i podstawy, aby uczynić ją skuteczną.

Nie ma wątpliwości, że AI może dodawać prawdziłą wartość. Ale jako liderzy, musimy upewnić się, że pracownicy mają wiedzę, wsparcie i koordynację, aby odnieść sukces, a raporty z miejsc pracy na pierwszej linii wskazują, że jest jeszcze wiele pracy do wykonania.

Czym jest ludzko-centryczne podejście do AI, i jak się do niego dostać?

Co więc jest ludzko-centrycznym podejściem do AI? I jak można osiągnąć lepsze wyniki poprzez praktyczną ścieżkę integracji AI w procesach roboczych?

Dla zwolenników AI w miejscu pracy, dobrym punktem wyjścia jest uznanie, że celem nie jest zastąpienie ludzi. Jest to ułatwienie tarcia i wzmocnienie naszej inteligencji poprzez zrozumienie człowieka: jego potrzeb, codziennych irytacji, jego osądu i celów.

Są dwie lekcje, które należy wyciągnąć, aby wprowadzić ludzko-centryczne, jakościowe AI w miejscu pracy. Po pierwsze, dla twoich zespołów pracujących z generatywnym AI, upewnij się, że mają szkolenie i czas, aby uzyskać lepsze wyniki z silnym kontekstem i udoskonaleniami.

Dla systemów, które wybierasz i które oferują włączenie AI, upewnij się, że twoi partnerzy technologiczni naprawdę rozumieją potrzeby twojego zespołu. Oznacza to zrozumienie ich codziennego środowiska operacyjnego, co działa, a co wciąż ich irytuje.

Jak wygląda ludzko-centryczne AI w miejscu pracy?

AI można stosować samodzielnie, aby ułatwić ludziom pracę lub używać go do uzupełnienia starszych technologii, które pozostawiają irytujące luki w procesach roboczych. Weźmy na przykład technologię OCR (Optical Character Recognition), która konwertuje obrazy tekstu w czytelny, wyszukiwalny tekst i była używana przez lata do uproszczenia zadań, takich jak wprowadzanie papierowych paragonów lub faktur do oprogramowania do rozliczania wydatków.

Ale jak każdy, kto regularnie używa OCR, wie, nie zawsze działa tak, jak obiecują. Może zostać zdjęcie paragonu na poruszającym się pociągu, a paragon był zgięty, zasłaniając informacje. Może faktura jest napisana nieczytelnym pismem. Być może data jest w formacie europejskim, a system rozpoznaje tylko format amerykański.

Istnieją niezliczone powody, dla których OCR może nieprawidłowo przetłumaczyć dane. Jest to ograniczona technologia. Integracja bardziej zaawansowanej technologii, takiej jak AI, może zamknąć te luki i wreszcie wyeliminować irytację wynikającą z konieczności ręcznego wprowadzania tych danych.

To jest tylko początek tego, co ludzko-centryczne AI może osiągnąć. Biorąc pod uwagę możliwości AI, nowe aplikacje mogą zrobić o wiele więcej, aby złagodzić tarcie w pracy. Na przykład, z odpowiednimi poleceniami i przemyślanym rozpoznawaniem wzorców transakcji historycznych, AI będzie w stanie dodać kontekst do faktury poza polami na stronie, inferując informacje o centrum kosztów, projekcie i więcej, w oparciu o kontekst człowieka, który go używa.

Ludzko-centryczne AI może również złagodzić tarcie w miejscu pracy, przenosząc zadania poza systemy, takie jak firma ERP. Większość ludzi nie wykonuje swojej pracy w systemie ERP, ale muszą się do niego zalogować (i do innych systemów), aby wykonać określone zadania, takie jak zatwierdzanie arkuszy czasu pracy lub wniosków pracowników.

Co, gdyby agent AI przyniósł te zadania do osoby, wraz z odpowiednim kontekstem, aby podjąć decyzję w programie, który już używa? Mogłoby to utrzymać procesy w ruchu i pracowników bardziej skupionych. Ludzko-centryczne AI tego typu może wyeliminować zadania bez dodanej wartości, takie jak wprowadzanie danych i logowanie do wielu systemów.

Jak ludzko-centryczne AI transformuje funkcje finansowe?

Agile, iteracyjne podejście do AI już transformuje funkcje finansowe w znaczący sposób. Gdy profesjonaliści finansowi są zanurzeni w arkuszach kalkulacyjnych i analizach, może być trudno zmienić stronę opowiadania w mózgu; dlaczego więc nie zbudować agenta AI, aby pomóc w dostarczeniu tego kontekstu?

Na przykład, aberracje i anomalie są chronicznym irytantem dla profesjonalistów finansowych, a AI może podjąć tę pracę, dostarczając kontekst, aby wyjaśnić skoki w wydatkach korporacyjnych. Dobrze zaprojektowany agent może zasygnalizować potencjalne problemy, zanim analityk finansowy przeszuka wszystkie arkusze, aby odkryć różnice.

Podobnie, agile, iteracyjne AI może zasygnalizować anomalie, zanim pojawią się one w przestrzeni HR. Gdy jest różnica w wynagrodzeniu po uruchomieniu płac i pracownik pyta o to, ktoś z zespołu HR musi przerwać wszystko i wykonać analizę wsteczną, aby odkryć powód różnicy. To jest prawdziwe wyzwanie dla zajętych zespołów.

Przemyślanie agenta AI może zasygnalizować aberracje, zanim one wpłyną na pracowników, wskazując anomalie i dostarczając kontekst decydentom HR tam, gdzie są. W ten sposób członkowie zespołu mogą utrzymać swoją koncentrację na maksymalizacji produktywności, a nie gaszeniu pożarów, i operacje działają bardziej gładko.

Wyeliminowanie tarcia i workslopu: agenci DIY czy AI od dostawców?

Najlepszym sposobem, aby uniknąć workslopu i uzyskać prawdziwą wartość z AI, jest szukanie sposobów, aby zmniejszyć codzienną dawkę irytacji, z którymi wszyscy spotykamy się w pracy, podejmując zadania, które nie dodają wartości. Dla niektórych pracowników, w tym wielu ról finansowych i HR, wprowadzanie danych do systemu jest irytacją, która może być często eliminowana za pomocą przemyślanej automatyzacji.

Dla osób, które tworzą treści, pisanie jest częścią pracy, ale efektywne wykorzystanie AI wymaga szkolenia, współpracy i polityk, które pomagają pracownikom tworzyć polecenia, które generują znaczące treści i nie tworzą zadań dla kolegów.

Dla automatyzacji pracy, odpowiednie rozwiązanie będzie się różnić w zależności od roli i branży, ale liderzy, którzy integrują AI w miejscu pracy, często muszą zdecydować, czy tworzyć agenci samodzielnie, czy uzyskać gotowe rozwiązanie AI od dostawcy.

Dla firm z zasobami IT, w tym nieograniczonym dostępem do ekspertyzy AI lub integratora systemów na retainer, nie ma ograniczeń. W takim przypadku dostawca, który dostarcza technologię do tworzenia agentów, może działać.

Ale wiele firm nie ma dostępu do tych zasobów, a nawet jeśli je mają, workslop może szybko stać się problemem, gdy ludzie próbują budować własnych agentów AI bez odpowiedniego szkolenia i zasobów, aby uniknąć pułapek w dół.

Bezpieczeństwo jest również kluczowym czynnikiem. Pamiętaj, że ludzie będą używać AI, niezależnie od wszystkiego. Oznacza to, że zadaniem lidera jest upewnienie się, że pracownicy używają jej bezpiecznie i transparentnie — i bez wprowadzania chaosu.

Co należy wziąć pod uwagę przy wyborze dostawców?

Dla wielu firm, system AI od dostawcy jest doskonałą opcją, ale pamiętaj, że nie wszystkie produkty są równie dobre. Najlepszym sposobem, aby uniknąć workslopu i uzyskać prawdziwą wartość z AI, jest znalezienie systemu, który zna cię jak najlepiej.

Na przykład, jeśli twoim celem jest poprawa operacji za pomocą systemu AI, rozważ następujące pytania dla potencjalnych dostawców:

• Czy produkt eliminuje tarcie, z którym twoi pracownicy spotykają się najczęściej?
• Czy rozwiązuje najtrudniejsze problemy, z którymi spotykają się twoi pracownicy?
• Czy może dostosować się do różnych poziomów ekspertyzy w twojej organizacji?
• Czy utrzymuje ludzi w pętli i zapewnia odpowiedzialność i przejrzystość?

Niezależnie od tego, czy używasz systemu do generowania treści, automatyzacji workflow czy odpowiedzi na pytania, jakość twoich wyników zależy od tego, jak dobrze system zna twój kontekst. Zapytaj swoich partnerów technologicznych, jak ich rozwiązania AI koncentrują się na człowieku i dostarczają prawdziwą wartość.

Czy workslop jest nieunikniony?

Niezależnie od tego, kto jest twoim dostawcą, i czy budujesz własnych agentów, czy używasz rozwiązania, które usuwa tarcie za pomocą automatyzacji, jest twoim zadaniem jako lidera, aby upewnić się, że AI jest bezpieczna, transparentna i dodaje wartość.

Pamiętaj, że ludzko-centryczne AI nie jest definiowane wyłącznie przez to, czy rozwiązuje prawdziwe problemy i ułatwia ludziom pracę. Praktyczne, ludzko-centryczne AI również utrzymuje ludzi w pętli, ponieważ ostatecznie, my, ludzie, jesteśmy odpowiedzialni za wyniki.

Workslop może być nieuniknionym etapem ewolucji AI, ale nie musi być stałym elementem twojej funkcji finansowej. Poprzez umieszczenie ludzi w centrum, inwestowanie w szkolenie i wybór dostawców, którzy rozumieją twoje biznesowe konteksty, dyrektorzy finansowi mogą odblokować nowe poziomy produktywności i strategicznej wartości z systemów ERP.

Następna fala innowacji ERP będzie napędzana przez AI, które rozumie twoje biznes tak dobrze, jak ty, i jest w stanie dostarczyć spostrzeżenia, automatyzować rutynowe zadania i upoważniać liderów finansowych do koncentrowania się na tym, co jest najważniejsze.

Przyszłość finansów jest bogata w kontekst, zwinna i napędzana przez ludzi. Masz prawo do narzędzi, które możesz używać dzisiaj, aby wejść w jutro, i możesz rozwinąć się poza workslopem z pomocą praktycznego, ludzko-centrycznego AI, aby osiągnąć ten cel.