Sam Jenkins, Partener Managing la Punchcard Systems – Seria de Interviuri

Sam Jenkins, Partener Managing la Punchcard Systems, a petrecut mai mult de două decenii lucrând la intersecția tehnologiei, antreprenoriatului și transformării organizaționale. De la co-fondarea Punchcard Systems în 2016, el a ajutat la ghidarea creșterii companiei, oferind în același timp consultanță organizațiilor cu privire la strategia locului de muncă digital, software personalizat, inteligență artificială și tehnologii emergente. Experiența sa anterioară include co-fondarea Startup Edmonton și Wellnext, conducerea dezvoltării afacerilor și a inițiativelor tehnologice Microsoft (MSFT ) la iomer internet solutions, și ocuparea de funcții executive și în consilii de administrație în domeniul tehnologiei, sănătății, siguranței publice și organizațiilor comunitare. Această experiență i-a oferit o perspectivă largă asupra modului în care tehnologia schimbă modul în care oamenii colaborează, iau decizii și își desfășoară activitatea.

Punchcard Systems este un partener de software și tehnologie canadian care lucrează cu companii în creștere și întreprinderi de dimensiuni medii pentru a proiecta, dezvolta și implementa soluții digitale legate de obiective de afaceri măsurabile. Servind peste 150 de clienți din Canada și Statele Unite, capacitățile companiei includ software personalizat web și mobil, inteligență artificială, infrastructură cloud, date și analize, design de experiență utilizator și tehnologii de loc de muncă, cum ar fi Microsoft 365, Azure, Copilot, Teams, SharePoint și Power Platform. Punchcard se concentrează pe ajutarea organizațiilor să modernizeze operațiunile, să îmbunătățească experiența angajaților și a clienților și să integreze noi tehnologii în procese de afaceri practice.

Cariera dvs. a urmat evoluția tehnologiei de loc de muncă, de la platformele de angajați bazate pe Microsoft SharePoint la co-fondarea Startup Edmonton și construirea Wellnext și, în cele din urmă, Punchcard Systems. Cum v-a influențat această experiență perspectiva asupra schimbării de la software-ul care necesită operare manuală de către angajați la agenți AI care îndeplinesc treburile în numele lor?

Când am început să lucrez cu tehnologii digitale de loc de muncă, cum ar fi SharePoint (în 2003!), accentul era pe crearea de modalități mai bune pentru angajați de a găsi informații, de a împărtăși cunoștințe și de a colabora. La sfârșitul zilei, angajatul era cel care făcea treaba: naviga prin sisteme, producea rezultate. Astăzi, ne deplasăm dincolo de AI ca unelte de productivitate individuală și intrăm într-o nouă eră a agenților AI, unde sistemele pot prelua sarcini complexe, cu mai multe etape, în numele angajaților.

Aceasta este partea care se schimbă. Ca ecosistem, trecem de la AI ca unealtă de productivitate personală la sisteme agențiale care preiau sarcini complexe în numele oamenilor reali. Claude Cowork și ChatGPT Work fac abordarea agențială destul de mainstream.

Am urmărit câteva dintre aceste schimbări tehnologice și modelul se păstrează de fiecare dată. Organizațiile care câștigă nu tratează noua tehnologie doar ca o implementare. O tratează ca o oportunitate de a reevalua modul în care oamenii, procesele și tehnologia lucrează împreună.

ChatGPT Work poate strânge informații din aplicații și fișiere conectate, poate finaliza sarcini cu mai multe etape și poate produce documente, foi de calcul și prezentări terminate. Cum va schimba acest lucru responsabilitățile zilnice ale lucrătorilor de cunoaștere care au creat anterior aceste materiale?

Cred că munca se schimbă de la “a produce rezultate” la “a guverna rezultate”. Acest lucru schimbă fundamental rolul lucrătorilor de cunoaștere, dar nu înlocuiește nevoia de insight și supraveghere umană. În schimb, angajații vor trece de la crearea fiecărui piesă de muncă la gestionarea, revizuirea și orchestrarea rezultatelor generate de AI.

O mare parte a muncii repetitive va fi preluată de agent: strângerea de informații, construirea de prezentări sau documente, sau rezumarea datelor. Acest lucru eliberează oamenii pentru munca care necesită într-adevăr o persoană: strategie, creativitate, gândire critică și colaborare.

Acea abilitate care devine din ce în ce mai valoroasă este știința de a direcționa AI-ul bine, oferindu-i contextul potrivit și recunoscând când răspunsul pare corect, dar nu este.

Ați descris o nevoie tot mai mare de “manageri AI”. Ce ar implica acest rol în practică și cum ar diferi de responsabilitățile unui administrator IT, manager de produs sau manager tradițional de oameni?

Managerii AI vor juca un rol important în ajutarea organizațiilor să adopte AI în mod responsabil și eficient. Responsabilitatea lor va fi să gestioneze și să supravegheze rezultatele AI, asigurându-se că munca generată de AI este precisă, fiabilă și aliniată cu obiectivele de afaceri.

Acesta este un job diferit de cel al IT-ului tradițional, care deține infrastructura și sistemele tehnice, sau de cel al unui manager de produs, care se concentrează pe dezvoltarea și îmbunătățirea produselor. Fiecare departament va avea nevoie de cineva care înțelege cum se aplică AI în domeniul lor specific, fie că este vorba de finanțe, juridic, resurse umane sau operațiuni.

Schimbarea reală este proprietatea. În prezent, majoritatea organizațiilor nu au desemnat pe cineva care este clar responsabil pentru livrarea valorii și menținerea în limitele riscului acceptabil. Această lacună, în ceea ce privește identificarea directă a persoanelor responsabile, este ceea ce vor umple aceste tipuri de roluri.

KPMG Canada a constatat că agenții AI influențează deja modul în care organizațiile angajează atât angajați de intrare, cât și experți. Care sunt abilitățile care vor deveni mai valoroase pe măsură ce angajatorii încep să evalueze candidații pe baza capacității lor de a delega munca către AI, de a evalua rezultatele și de a interveni atunci când este necesar?

Aceste abilități care vor deveni din ce în ce mai valoroase sunt cele care rămân în mod unic umane, cum ar fi gândirea critică, judecata, comunicarea, creativitatea, rezolvarea problemelor și leadershipul.

Literația tehnică AI va continua să conteze, dar angajatorii caută oameni care înțeleg cum se potrivește AI în mediul de afaceri mai larg. Acest lucru include abilități cum ar fi managementul schimbării, managementul riscului și gândirea strategică.

Linia dintre rolurile tehnice și cele netehnice se estompează. Organizațiile se îndepărtează de a angaja doar pentru abilitățile pe care le are cineva și se îndreaptă către oameni care sunt dispuși să învețe, să se adapteze și să-și dezvolte în mod continuu abilitățile.

Cei mai valoroși angajați vor fi cei care pot utiliza capacitățile AI, înțelegând în același timp unde judecata umană rămâne esențială.

Mulți angajați au dezvoltat anterior judecata profesională prin completarea sarcinilor repetitive de nivel de intrare. Dacă agenții AI absorb o mare parte a acestei munci de bază, cum pot organizațiile redesena formarea și dezvoltarea carierei, astfel încât angajații mai tineri să câștige încă experiența necesară pentru a deveni decidenți eficienți?

Acesta este un adevăr care mă îngrijorează un pic. Oamenii au construit judecata și experiența prin trecerea prin sarcini de nivel de intrare. Dacă agenții fac această muncă, scara pierde câteva trepte.

Organizațiile vor trebui să fie mai intenționate decât oricând pentru a construi talentele juniorilor prin mentorat, coaching, exerciții de luare a deciziilor și expunere la proiecte de valoare mai mare, mai devreme în cariera cuiva.

Există, de asemenea, o oportunitate pentru mentorat invers, unde angajații mai tineri, care sunt mai familiarizați cu uneltele AI, pot ajuta echipele să înțeleagă cum pot fi aplicate aceste tehnologii, în timp ce angajații experimentați continuă să ofere contextul de afaceri și judecata pe care AI nu o poate replica.

Scopul ar trebui să fie redesenarea procesului de învățare pentru un loc de muncă în care oamenii și AI lucrează împreună.

Punchcard are o experiență extinsă în implementarea Microsoft 365 și a tehnologiilor de loc de muncă conexe. Cum schimbă ChatGPT Work peisajul competitiv pentru Microsoft Copilot și Google Gemini, și care sunt factorii pe care organizațiile ar trebui să îi ia în considerare la selectarea unei platforme AI pentru munca de zi cu zi?

Peisajul se schimbă rapid, și organizațiile au mai multe opțiuni decât oricând. Decizia ar trebui să se bazeze pe care soluție se potrivește cel mai bine cu mediul tehnologic existent, fluxurile de lucru, cerințele de securitate și obiectivele de afaceri ale organizației.

Pentru organizațiile care au investit deja în Microsoft 365, uneltele precum Copilot pot oferi avantaje prin integrarea cu aplicațiile și datele existente. Alții pot găsi alte platforme mai potrivite pentru nevoile lor.

Cred că întrebarea cheie pe care liderii ar trebui să o pună nu este “care instrument?” Ci “care problemă rezolvăm și care platformă ne ajută să o rezolvăm în mod responsabil?”

Ce am învățat din propria experiență: adoptarea de succes este despre mai mult decât instrumentul în sine. Am implementat platforme AI la nivel de companie, cu modele personalizate în funcție de modul în care lucrăm cu adevărat. Fiecare angajat le folosește, dar acest lucru nu a venit din alegerea produsului potrivit; a venit din fundații solide de date, guvernanță și integrarea AI în modul în care funcționează compania.

Performanța modelului domină adesea conversațiile despre AI de loc de muncă, dar organizațiile trebuie, de asemenea, să ia în considerare permisiunile, accesul la date, auditabilitatea și responsabilitatea. Care ar trebui să fie controalele de guvernanță stabilite înainte de a permite unui agent AI să opereze în e-mail, documente, baze de date interne și aplicații de afaceri?

Una dintre cele mai mari greșeli pe care le văd organizațiile să facă este să trateze guvernanța AI ca pe o grijă de mai târziu. Pe măsură ce sistemele AI devin mai capabile și mai conectate la datele de afaceri, organizațiile trebuie să stabilească principii clare despre cum se utilizează aceste unelte înainte de a le implementa pe scară largă.

Acest lucru începe cu înțelegerea informațiilor la care pot accesa sistemele AI, asigurându-se că permisiunile sunt adecvat limitate și punând în aplicare controale pentru monitorizare și responsabilitate.

Organizațiile trebuie, de asemenea, să aibă ghiduri clare despre unde poate opera AI în mod independent și unde este necesară supravegherea umană.

Prin construirea fundațiilor corecte pentru date și securitate de la început, afacerile pot debloca valoarea AI-ului, gestionând în același timp riscurile care vin cu sistemele din ce în ce mai autonome.

Pe măsură ce agenții AI iau acțiuni și nu doar oferă răspunsuri, greșelile pot avea consecințe operaționale. Cum ar trebui să valideze afacerile munca generată de agenți, să determine care acțiuni necesită aprobare umană și să atribuie responsabilitatea atunci când un agent produce un rezultat inexact sau ia o acțiune neintenționată?

Când AI trece de la a oferi răspunsuri la a acționa, profilul de risc se schimbă. Nu fiecare sarcină are aceleași riscuri, așa că pragul pentru aprobarea umană ar trebui să se alinieze cu ceea ce este în joc.

În mod simplu, acest lucru necesită o proprietate clară. AI ar trebui să sprijine luarea deciziilor, nu să înlocuiască responsabilitatea. Organizațiile trebuie să definească cine monitorizează performanța AI, validează rezultatele și este în cele din urmă responsabil pentru rezultate. Scopul este să combine eficiența AI cu judecata umană, creând sisteme care sunt atât scalabile, cât și de încredere.

Multe organizații experimentează cu AI fără a conecta încă adoptarea la rezultate de afaceri măsurabile. Cum ar trebui liderii să identifice cazurile de utilizare valoroase ale agenților AI, să măsoare rentabilitatea investiției și să determine dacă un pilot este gata să fie implementat pe scară largă în organizație?

Lacuna de obicei se datorează secvențierii. Echipele aleg o tehnologie mai întâi și apoi caută un loc unde să o pună, când victoriile durabile vin din a începe cu un flux de lucru care este deja dureros și scump și a întreba dacă un agent este cu adevărat instrumentul potrivit.

Cel mai bun filtru este variabilitatea. Dacă un proces este suficient de previzibil pentru un motor de reguli, nu aveți nevoie de un agent. Dacă este atât de deschis încât nimeni nu poate descrie un rezultat bun, agentul va lupta și nu veți putea să vă încredeți în el. Valoarea stă undeva între, în munca care necesită judecată pe mai multe sisteme, dar care rulează încă în reguli măsurabile și auditate.

Aș adăuga o întrebare de filtrare care schimbă profilul de risc mai mult decât orice altceva. Este costul unei acțiuni greșite limitat și reversibil? Unde este, lăsați agentul să acționeze și să se miște rapid. Unde o greșeală este scumpă sau greu de anulat, păstrați un om în decizie.

În ceea ce privește rentabilitatea, greșeala obișnuită este măsurarea lucrului greșit prea târziu. Orele economisite sunt metrica implicită, dar subestimează impactul. Rezultatele mai mari apar sub forma comprimării timpului de ciclu, a ratelor de eroare mai mici și a capacității care era anterior limitată, devenind disponibilă. O echipă de suport care putea ajunge doar la jumătate din biletele sale devine o afacere diferită odată ce poate ajunge la toate. Capturați o bază de referință curată înainte de a începe pilotul, deoarece fără ea sunteți blocați în a argumenta anecdote. Și când numărați costurile, luați în considerare imaginea de ansamblu. Lucrările de integrare și timpul de supraveghere umană sunt articole de linie reale, iar supravegherea este cronic subestimată.

Decizia de a scala este acolo unde disciplina contează cel mai mult, și este pasul pe care echipele se grăbesc. Un demo pe intrări curate vă spune puțin. Un pilot este gata atunci când rezistă pe coada lungă a intrărilor reale, murdare, când modurile de eșec sunt înțelese și limitate, când observabilitatea este în loc, astfel încât o eșuare silențioasă să fie prinsă, nu descoperită de un client, și când o persoană numită este responsabilă în producție.

Rulați o verificare a economiei unitare, deoarece costurile agenților se escaladează cu utilizarea într-un mod în care locurile de muncă software nu o fac.

Sistemele agențiale eșuează diferit decât software-ul tradițional. Eșuează probabilistic și adesea în mod silențios, astfel încât organizațiile care se desprind construiesc evaluarea și monitorizarea din ziua unu, în loc să o atașeze după ce ceva se strică.

Punchcard Systems ajută organizațiile să treacă de la experimentarea cu AI la integrarea acestuia în procese de afaceri reale. Cum evaluați pregătirea unei organizații pentru AI, identificați fluxurile de lucru în care poate livra valoare măsurabilă și ajutați echipele să implementeze aceste sisteme în mod responsabil, fără a perturba operațiunile existente?

Este important să începeți prin a înțelege starea curentă a organizației. Una dintre cele mai mari concepții greșite este că adoptarea AI este doar despre alegerea instrumentului potrivit. În realitate, implementarea de succes depinde de a avea fundații solide: date de calitate, procese clare și proprietate definită.

De acolo, ajutăm organizațiile să identifice unde AI poate crea cea mai mare valoare, adesea în fluxuri de lucru care consumă timp disproporționat în raport cu impactul lor, sau în decizii luate fără informațiile potrivite la îndemână.

Organizațiile trebuie să se gândească la modul în care rolurile și luarea deciziilor vor evolua de-a lungul tehnologiei. Prin combinarea tehnologiei potrivite cu adoptarea și managementul schimbării angajaților, afacerile pot integra AI într-un mod care creează valoare măsurabilă, fără a strica ceea ce funcționează deja.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe despre Punchcard Systems.