Эволюционируйте за пределы “Workslop” с помощью практического, человеко-ориентированного ИИ

Проблема “AI-слоپ” вызвала значительный культурный ажиотаж и внимание средств массовой информации в последние годы, поскольку использование моделей обработки языка и других генераторов контента на основе ИИ продолжает расти. Люди замечают, когда низкокачественные изображения и посредственный текст наводняют их социальные ленты.

Благодаря ИИ-слопу мы теперь менее склонны доверять рекламному контенту, который мы подозреваем в генерации ИИ, даже если это не так, и читатели распознают характерные признаки контента, сгенерированного ИИ, такие как чрезмерное использование тире. К сожалению, “workslop” теперь также является реальностью.

Что такое Workslop и почему финансисты должны заботиться об этом?

Каждый финансовый директор знает разочарование от преследования отклонений в бюджете или траты часов на согласование необъяснимых аномалий. В современном корпоративном ландшафте обещание ИИ повсюду, но также есть новый убийца производительности: workslop.

Workslop – это побочный продукт автоматизации, который выглядит отполированным, но лишенным содержания, контекста или полезности. Это статья, заполненная тире, которая не учит ничего нового; общий отчет, который вызывает больше вопросов, чем ответов; рабочий процесс утверждения, который создает трение вместо ясности. Это контент, сгенерированный ИИ, который заставляет финансовые команды работать больше, а не меньше.

Workslop чаще всего ассоциируется с плохим качеством контента. Он обесценивает бренд, менее заслуживает доверия и посылает сообщение о том, что люди перестали обращать внимание. Но когда workslop начинает влиять на бизнес-приложения, такие как ERP, он становится еще большей нагрузкой на производительность и доверие.

Workslop возникает, когда системы ИИ генерируют вывод без достаточного человеческого ввода, контекста или надзора. Для финансовых руководителей это означает трату ценного времени на уточнение, исправление или переделку того, что должно было быть автоматизировано.

Результат? Потеря эффективности, уменьшение доверия к автоматизации и финансовая функция, застрявшая в реактивном режиме. Вы можете подумать, что ваша организация не достаточно инвестирует в ИИ, чтобы быть затронутой workslop, но он уже есть.

Недавняя статья в HuffPost цитирует исследование Стэнфордского университета, которое показало, что более половины работников говорят, что столкнулись с workslop на работе. Помимо раздражения пострадавших работников, workslop угрожает подорвать основную продажную точку интеграции ИИ на рабочем месте: большую производительность с исключительным качеством.

Хорошая новость заключается в том, что вы можете минимизировать или даже устранить workslop с помощью практического, человеко-ориентированного подхода к ИИ. Вот взгляд на текущее состояние проблемы workslop, как более вдумчивое применение технологии ИИ на рабочем месте может выглядеть, и некоторые советы по достижению гибкой, итеративной реализации ИИ.

Что, если Workslop не является проблемой, а скорее первым черновиком?

Давайте признаем — уже почти 2026 год, и ИИ — это захватывающий продукт. У него есть невероятный потенциал сэкономить время и улучшить производительность, поэтому люди будут использовать его, независимо от того, поощряет ли их работодатель к принятию технологии или нет. Вопрос в том, будут ли они применять его с необходимой подготовкой и усилиями, чтобы получить лучшие результаты?

Workslop происходит, когда пользователь не дает ИИ достаточного или хорошо структурированного ввода. Чтобы получить лучшие результаты с ИИ, необходимо поддерживать разговор. Необходимо переписать запрос или уточнить потребности. Этот процесс обратной связи и уточнения ввода помогает получить лучший результат.

Я узнал об этом на собственном опыте, когда создал запрос ИИ, который я представлял себе как ежедневный ритуал для обновления списка дел, суммируя неотвеченные электронные письма и помечая обязательства, которые я взял на себя. Это звучало как отличная идея, но исходная версия была слишком громоздкой и бесполезной.

Мне потребовалось много уточнений, обратной связи и обучения от модели ИИ, чтобы получить предсказуемый и практический результат. Мне пришлось быть ясным о своих потребностях, стиле обработки информации и внимании, чтобы получить результат, который сработал.

Было бы справедливо назвать мой первый черновик “workslop”, но благодаря уточнению я получил полезный инструмент ИИ. Но что, если бы я остановился на первом черновике и придерживался менее удобного первого варианта? Если бы я сделал это, я бы имел дело с workslop, который препятствовал производительности.

Умножьте это на более сложные процессы, включающие несколько сторон, и вы легко можете увидеть, как ИИ, примененный с лучшими намерениями, может стать workslop — если только у вас нет подготовки, настойчивости и основы, чтобы сделать его эффективным.

Нет сомнений в том, что ИИ может добавить реальную ценность. Но как лидеры, мы должны убедиться, что сотрудники имеют необходимые знания, поддержку и координацию, чтобы добиться успеха, и отчеты из рабочих мест на передовой указывают на то, что еще много работы предстоит.

Что такое человеко-ориентированный подход к ИИ, и как добраться туда?

Итак, что такое человеко-ориентированный подход к ИИ? И как практический путь может привести к лучшим результатам, когда ИИ интегрируется в рабочие процессы?

Для сторонников ИИ на рабочем месте хорошей отправной точкой является признание того, что цель не состоит в замене людей. Это облегчение трения и усиление нашего интеллекта путем понимания человека: его потребностей, повседневных раздражителей, суждения и целей.

Есть два урока здесь, чтобы привнести человеко-ориентированный, качественный ИИ на рабочее место. Во-первых, для ваших команд, работающих с генеративным ИИ, убедитесь, что они имеют подготовку и время, чтобы получить лучшие результаты с сильным контекстом и уточнением.

Для систем, которые вы выбираете и которые предлагают возможности ИИ, убедитесь, что ваши технологические партнеры действительно понимают потребности вашей команды. Это означает понимание их повседневной рабочей среды, что работает, а что еще раздражает их.

Как выглядит человеко-ориентированный ИИ на рабочем месте?

ИИ можно применять самостоятельно, чтобы сделать работу людей проще, или использовать для дополнения более старых технологий, которые оставляют раздражающие пробелы в рабочих процессах. Возьмем, например, технологию оптического распознавания символов (OCR). Она преобразует изображения текста в читаемый, поисковый текст и используется уже много лет для оптимизации задач, таких как ввод бумажных квитанций или счетов в программное обеспечение для учета расходов.

Но, как знает каждый, кто регулярно использует OCR, оно не всегда работает так, как рекламируется. Может быть, вы сфотографировали квитанцию в движущемся поезде, и квитанция была согнута, скрывая информацию. Может быть, счет написан в непонятном почерке. Может быть, дата указана в европейском формате, а система распознает только формат США.

Есть бесчисленные причины, почему OCR может не перевести данные правильно. Это ограниченная технология. Интеграция более сложной технологии, такой как ИИ, может закрыть эти пробелы и, наконец, устранить раздражение от необходимости вручную вводить эти цифры.

Это только начало того, что человеко-ориентированный ИИ может сделать возможным. Учитывая возможности ИИ, новые приложения могут сделать гораздо больше, чтобы облегчить трение на работе. Например, с правильными подсказками и вдумчивым историческим распознаванием закономерностей транзакций ИИ сможет добавить контекст к счету за пределами полей на странице, делая вывод о центре затрат, информации о проекте и более через контекст, ориентированный на человека, который его использует.

Человеко-ориентированный ИИ также может облегчить трение на рабочем месте, привлекая задачи к людям вне систем, таких как корпоративная система ERP. Большинство людей не выполняют свою работу в системе ERP, но им приходится входить в систему (и другие системы), чтобы выполнить конкретные задачи, такие как утверждение табелей или запросов сотрудников.

Что, если бы агент ИИ привел эти задачи к человеку, вместе с контекстом, который ему нужен, чтобы принять решение в программе, которую он уже использует? Это могло бы поддерживать процессы и держать сотрудников более сосредоточенными. Человеко-ориентированный ИИ такого типа может устранить задачи, не добавляющие ценности, такие как ввод данных и вход в несколько систем.

Как человеко-ориентированный ИИ преобразует финансовые функции?

Гибкий, итеративный подход к ИИ уже преобразует финансовые функции значительным образом. Когда финансовые профессионалы глубоко погружены в электронные таблицы и анализ, может быть сложно сменить сторону мозга, рассказывающую истории; поэтому почему бы не построить агента ИИ, чтобы помочь в предоставлении этого контекста?

Например, аномалии и отклонения — это хроническая проблема для финансовых профессионалов, и ИИ может взять на себя эту задачу, предоставляя контекст для объяснения скачков в корпоративных расходах. Хорошо спроектированный агент может пометить потенциальные проблемы до того, как финансовый аналитик углубится во все электронные таблицы, чтобы обнаружить вариации.

Аналогично, гибкий, итеративный ИИ может пометить аномалии до того, как они всплывут в пространстве HR. Когда есть отклонение в оплате после запуска оплаты, и сотрудник вопросит это, кто-то из команды HR должен бросить все и выполнить судебно-медицинскую экспертизу, чтобы обнаружить причину разницы. Это реальный вызов для занятых команд.

Хорошо спроектированный агент ИИ мог бы выявить аномалии до того, как они повлияют на сотрудников, пометить аномалию и предоставить контекст принимающим решения в HR там, где они находятся. Таким образом, внимание членов команды остается сосредоточенным на максимизации производительности, а не на тушении пожаров, и операции работают более гладко.

Устранение трения и workslop: самодельные агенты или ИИ поставщика?

Лучший способ избежать workslop и получить реальную ценность от ИИ — это найти способы уменьшить ежедневную дозу раздражителей, с которыми мы все сталкиваемся на работе, принимая на себя задачи, которые не добавляют ценности. Для некоторых сотрудников, включая многих финансовых и HR-ролей, ввод данных в систему — это раздражитель, который можно часто устранить с помощью вдумчивой автоматизации.

Для людей, создающих контент, набор текста является частью работы, но эффективное использование ИИ требует подготовки, сотрудничества и политики, которые помогают сотрудникам создавать подсказки, которые генерируют осмысленный контент и не создают последующую работу для коллег.

Для автоматизации работы правильное решение будет варьироваться в зависимости от роли и отрасли, но лидеры, интегрирующие ИИ на рабочем месте, часто должны решить, создавать ли агенты самостоятельно или получать готовое решение ИИ от поставщика.

Для компаний с сильными ИТ-ресурсами, включая неограниченный доступ к экспертизе ИИ или системного интегратора на поддержке, возможности безграничны. В этом случае поставщик, который предоставляет технологию создания агентов, которую клиенты используют для создания решений ИИ, может сработать.

Но многие компании не имеют доступа к таким ресурсам, и даже если они есть, workslop может быстро стать проблемой, когда люди пытаются построить свои собственные агенты ИИ без надлежащей подготовки и ресурсов, чтобы избежать ловушек в последующем.

Безопасность — это еще один критический фактор. Имейте в виду, что люди будут использовать ИИ, период. Это означает, что задача лидера — убедиться, что сотрудники используют его безопасно и прозрачно — и без введения хаоса.

Что следует учитывать при выборе поставщиков?

Для многих компаний система, оснащенная ИИ, от поставщика — это отличный вариант, но помните, что не все продукты созданы равными. Лучший способ избежать workslop и получить реальную ценность от ИИ — это найти систему, которая знает вас как можно лучше.

Например, если ваша цель — улучшить операции с помощью системы ERP, оснащенной ИИ, рассмотрите эти вопросы для потенциальных поставщиков:

• Устраняет ли продукт трение, с которым ваши сотрудники сталкиваются чаще всего?
• Решает ли он наиболее сложные проблемы, с которыми сталкиваются ваши сотрудники?
• Может ли он удовлетворять разные уровни экспертизы внутри вашей организации?
• Держит ли он людей в цикле и обеспечивает подотчетность и прозрачность?

Независимо от того, используете ли вы систему для генерации контента, автоматизации рабочих процессов или ответов на вопросы, качество ваших результатов зависит от того, насколько хорошо система знает ваш контекст. Спросите у своих технологических партнеров, как их решения ИИ центрируют человека и доставляют реальную ценность.

Неизбежен ли workslop?

Независимо от того, кто ваш поставщик, и используете ли вы самодельные агенты или решение, которое устраняет трение через автоматизацию из коробки, это зависит от вас как лидера, чтобы убедиться, что ИИ безопасен, прозрачен и добавляет ценность.

Имейте в виду, что человеко-ориентированный ИИ не определяется только тем, что он решает реальные проблемы и делает работу людей проще. Практический, человеко-ориентированный ИИ также держит людей в цикле, потому что, в конечном итоге, мы, люди, несем ответственность за результаты.

Workslop может быть неизбежной стадией эволюции ИИ, но он не должен быть постоянной особенностью вашей финансовой функции. Центрируя людей в цикле, инвестируя в подготовку и выбирая поставщиков, которые понимают контекст вашего бизнеса, финансовые директора могут разблокировать новые уровни производительности и стратегической ценности из систем ERP.

Следующая волна инноваций ERP будет стимулирована ИИ, который понимает ваш бизнес так же хорошо, как и вы, и способен доставлять идеи, автоматизировать рутинные задачи и эмансипировать финансовых лидеров, чтобы сосредоточиться на том, что имеет значение. Бюджет.

Будущее финансов — это контекстно-богатое, гибкое и человеко-ориентированное. Вы заслуживаете инструменты, которые вы можете использовать сегодня, чтобы войти в завтра, и вы можете эволюционировать за пределы workslop с помощью практического, человеко-ориентированного ИИ, чтобы достичь этой цели.