Валюта производительности: ИИ и человеческий фактор

В течение последних нескольких лет способ, которым мы работаем, был полностью изменен новыми тенденциями на рабочем месте и технологиями. ИИ быстро переопределил правила производительности в деловом мире; электронные письма, посты в социальных сетях, изображения, презентации и видео могут быть сгенерированы всего за несколько кликов, а не за несколько дней.

Но производительность не определяется только скоростью. Не менее важны качество и результаты. Да, мы начинаем все больше доверять ИИ выполнение все более важных задач, от вождения до прогнозирования и даже медицинской диагностики в некоторых случаях. Однако есть еще много вещей, которые выигрывают (и будут продолжать выигрывать) от наличия человека у руля. Потому что человеческий подход имеет внутреннюю ценность. Он способствует доверию и связи способами, которые машины еще далеки от эффективного воспроизведения.

Что становится очевидным, когда ускоряется внедрение ИИ, так это то, что его наиболее очевидная и легко достижимая ценность заключается в его способности вернуть время работникам. Это позволяет работникам сосредоточиться на наиболее важных элементах своей работы, таких как индивидуальное решение проблем, партнерство с клиентами и изучение сложных бизнес-требований покупателей.

Итак, в эпоху генеративного ИИ вопрос становится: как мы можем использовать свои врожденные человеческие навыки, чтобы не только стимулировать производительность, но и изменить способ нашего мышления о ней? Ниже мы рассмотрим глубокое влияние ИИ на рабочее место и повышенную важность мягких навыков в эпоху автоматизации.

Как ИИ изменил динамику рабочего места

Рабочее место сегодня мало напоминает то, что было десятилетием назад, благодаря трансформационным сдвигам, вызванным технологиями и эволюционирующей культурой работы. Инструменты генеративного ИИ, такие как ChatGPT, Midjourney и DALL·E, являются среди наиболее заметных применений ИИ в настоящее время, но аналитика, основанная на ИИ, которая анализирует огромные наборы данных, выявляет закономерности и генерирует идеи, также принесла неоценимую ценность бизнесу.

Рассмотрим четыре типа аналитики, основанной на ИИ:

• Описательная аналитика рассматривает исторические данные, чтобы рассказать нам, что произошло. Этот тип количественно измеряет, контролирует и отслеживает объективно, как, например, показатели продаж, продажи по регионам и отчеты о выигрыше/проигрыше.
• Диагностическая аналитика говорит нам, почему это произошло. Диагностика использует объективные меры, чтобы помочь пользователям лучше понять субъективные факторы, которые привели к результатам. Диагностические инструменты производят анализ таких вещей, как потеря сделки, продолжительность цикла продаж, отказ клиентов и производительность представителя.
• Прогностическая аналитика прогнозирует, что, вероятно, произойдет в будущем, используя как субъективные, так и объективные входные данные для оценки лидов, предсказания отказа, прогнозирования спроса и продаж, а также моделирования вероятности закрытия конкретных сделок. Критически, прогностические модели могут использовать внешние сигналы и данные, такие как общая рыночная производительность, для моделирования тенденций в прогрессе.
• Прескриптивная аналитика советует нам, какие следующие шаги предпринять на основе всего вышесказанного. Большинство людей будут знакомы с этим направлением аналитики из своей личной жизни. Та же технология, которая управляет алгоритмами предложений Netflix, TikTok и YouTube, может взвешивать действия покупателей и продавцов, чтобы предложить, что должно произойти дальше.

Прескриптивная аналитика – это то место, где бизнес может получить наибольшую ценность, и это самое близкое, что мы пока добились к воспроизведению человеческого изобретательства. Эти модели превращают идеи в действия и действия в результаты. Эти результаты затем могут быть закодированы для последовательности и повторяемости. Однако они все еще требуют человеческого надзора и сотрудничества.

Таким образом, интеграция ИИ не только переопределяет природу работы, но также будет продолжать изменять состав рабочей силы. Организации, вероятно, будут отдавать предпочтение людям, которые обладают сочетанием технической экспертизы и мягких навыков, что означает, что важно не забыть о ценности человеческого подхода.

Ценность мягких навыков в автоматизированном мире

Хотя ИИ обрабатывает рутинные и аналитические аспекты задачи, люди вносят свой вклад в творчество, эмпатию и критическое мышление. Даже самые передовые модели ИИ сегодня отсутствуют эмоциональный интеллект, что делает людей不可欠аемыми в эффективной коммуникации. Люди приносят в взаимодействия то, чего ИИ не может; люди приносят свой жизненный опыт, опыт человека, которого они слушают, и способность думать через нюансы, которые даже ИИ не может поймать. И так же, как ИИ может обучать себя, люди являются незаменимыми в коучинге и наставничестве для развития производительности на рабочем месте.

Эти мягкие навыки особенно важны в деятельности, связанной с генерацией дохода и построением отношений, таких как продажи. Например, менеджер по продажам работает с новым продавцом, и этот продавец взаимодействует со своим прямым контактным лицом (КЛ) в перспективном счете. Цель этого продавца – убедить КЛ представить его вице-президенту по продажам, поскольку он знает, что вице-президент в конечном итоге будет принимать решение и должен быть вовлечен в процесс оценки. Но на видеозвонке КЛ не хочет сделать представление. Может быть, КЛ хочет заверения в том, что продавец не отклонится от сценария и не сделает его глупым, если он представит его вице-президенту по продажам.

Обработка естественного языка (NLP) может быть использована для обнаружения этого колебания, но интерпретация основных причин этого может не быть в пределах возможностей решения. Вот где вступает в действие человеческий фактор, принимая то, что предоставил инструмент ИИ, и добавляя экспертизу и контекст на основе опыта. Менеджер, понимая нюансы работы с клиентами, может посоветовать новому продавцу, как провести остальную часть разговора, чтобы установить доверие с КЛ. Когда разговор продолжается, этот поворот направляет последующие материалы системы, чтобы обеспечить подходящий, адаптированный и эффективный ответ.

Это только один из многих примеров того, как люди вносят ценность в деятельность, которая завершает сделки и стимулирует бизнес вперед. В содействии межличностным отношениям люди также могут помнить небольшие детали, которые демонстрируют искреннюю заботу, находить новые способы сотрудничества, которые соответствуют конкретным потребностям сотрудников, или помогать формировать поддерживающую рабочую среду. Эти вещи в конечном итоге стимулируют бизнес-результаты, что делает их столь же продуктивными, как и автоматическое выполнение задач ИИ.

Итог

ИИ и продвинутая аналитика бесспорно революционизировали рабочее место, автоматизируя рутинные задачи и оптимизируя процессы с беспрецедентной скоростью и эффективностью. Однако суть производительности выходит за рамки простой скорости; она заключается в осязаемых результатах, которые способствуют успеху и росту бизнеса. Когда ИИ обрабатывает скучные и ручные аспекты задач, люди появляются как незаменимые вкладчики.

Когда мы ориентируемся в меняющемся ландшафте работы, где ИИ и человеческое сотрудничество становится нормой, симбиотические отношения между технологией и человеческими навыками появляются как движущая сила за инновационными решениями и прочным бизнес-успехом. При переопределении того, как мы думаем о производительности, важно признать и отпраздновать постоянную ценность человеческого подхода, который, во всех своих формах, стоит рядом с ИИ в производстве значимых бизнес-результатов.