Hur man förverkligar värde från en GenAI-aktiverad arbetsstyrka

Tack vare OpenAI:s ChatGPT vet nästan alla om GenAI idag. Dess förmåga att tillfredsställa människors törst efter kunskap med bara en enkel prompt gjorde det viralt. Detta verktygs användning är verkligen imponerande. Det fick en miljon användare på bara fem dagar och lockade mer än 100 miljoner besökare under de första månaderna. Individer och organisationer integrerar det i sina dagliga liv och aktiviteter med stor entusiasm.

Och ändå – medan GenAI är globalt berömt, har få gått långt bortom experiment. Organisationer är entusiastiska över dess potential, men har ofta svårt att anta det i en skala som kan skapa mätbart värde.

I min roll har jag varit lycklig nog att få se hur AI utvecklar sättet organisationer opererar och det värde det kan leverera till kunder. Ändå behöver företag en guide för att omvandla potential till prestation. Med dessa utmaningar i åtanke, genomförde min team en utrullningsexperiment med Microsofts M365 Copilot, för att utveckla värdefulla insikter och praktiska strategier för företag som syftar till att uppnå framgångsrik antagande och meningsfull avkastning.

Vår väg till GenAI-värde

När vi undersökte möjligheten att anta Copilot, hjälpte vår tillvägagångssätt oss att identifiera var dess förmågor kunde lägga till värde.

Vår erfarenhet kunde vara till hjälp för vilken organisation som helst som vill införa GenAI i sina arbetsflöden.

Här är några av de åtgärder som hjälpte oss på vägen:

• Börja med en strukturerad antagningsram. För att införa GenAI-förmågor, började vi med att identifiera personer i vår organisation som kunde dra nytta av dem, och sedan specifika och mycket riktade användningsfall för tekniken. Slutligen skapade vi personliga utbildningsplaner för varje roll eller persona som guidar användare noggrant, så att de vet exakt hur de kan utnyttja förmågan.
• Använd experiment för att validera tekniken. För Copilot, genomförde vi en övning med tre grupper av användare. Grupp A hade inga Copilot-licenser, medan Grupp B fick tillgång till verktyget utan utbildning eller vägledning: det var upp till dem att ta reda på vad de skulle göra. Grupp C fick vår fullständiga antagningsram. Resultatet? Vi såg en 31-procentig ökning av antagande i Grupp C jämfört med Grupp B. Dessutom registrerade Grupp C tidsbesparingar på 2,5 timmar per vecka jämfört med 1,8 timmar per vecka för Grupp B. Övningen gav oss också baslinje-data, till exempel hur mycket tid team kunde spara på specifika uppgifter som att skapa presentationer. Detta var ett annat starkt exempel och argument som bekräftade att vår antagningsram fungerade.
• Involvera anställda nära i processen. Övningar som vårt Copilot-experiment hjälper till att säkerställa att människor engagerar sig mer villigt med ny teknik. Vi fick människor att delta nära i valet av användningsfall för Copilot, vilket gör det mer relevant, driver antagande och förbättrar slutligen avkastning. Denna process skapar också förkämpare. Eftersom vår Grupp C-kohort kunde tydligt se teknicens värde för dem, förespråkade de det i hela företaget och särskilt med sina team, och uppmuntrade till ytterligare antagande.
• Skapa hyperpersonliga och kontinuerliga utbildningsplaner. Vi arbetade med projektledare och processägare för att säkerställa att Copilot-användningsfallen var relevanta för deras dagliga uppgifter, till exempel att producera presentationer med mycket kort varsel. Beväpnade med denna förståelse, skapade vi högt anpassad utbildning som visade hur tekniken kunde hjälpa dem uppnå sina mål. Vi fann också att kontinuerlig utbildning kring skapande av prompts var mycket värdefull för att hjälpa människor få ut det mesta av GenAI. Det är också roligt och hjälper till att hålla samhället enat. Till exempel har vi skapat en grupp där vi delar användbara prompts, och vi har också regelbundna korta delningsessioner.
• Utnyttja partners. Vi anlitade vår partner för att hjälpa oss genom att komma med specifika användningsfall och utbildningserbjudanden som hjälpte till att bygga upp våra färdigheter. I ett område som förändras så snabbt som GenAI är partnerskap och samarbete avgörande för att uppnå bra resultat.
• Kommunicera proaktivt om anställdas bekymmer. Frågor om etisk AI och om den kommer att stjäla människors jobb är vanliga. Därför är det viktigt att säkerställa att antagningsramen tydligt definierar etisk AI och etisk användning av AI. För att säkerställa ansvarsfull och säker användning av AI, utnyttjade vi vår ram för Ansvarsfull AI. Denna ram tillhandahåller tydliga riktlinjer för våra anställda, i linje med våra företagsvärderingar och hjälper dem att använda AI på ett ansvarsfullt sätt. Och för att lugna bekymmer om GenAI:s påverkan på jobb, fokuserade vi på dess förmåga att ta över impopulära och tråkiga uppgifter som minuttagning, utkast till kommunikation eller att gå igenom en trång emailinkorg. När deras färdigheter ökade, introducerade vi mer avancerade tekniker, inklusive förbättring av deras förmåga att skapa avancerade prompts som ger mer precisa och anpassade utdata.

Tid, innovation och utbildning

Vår erfarenhet av Copilot och andra GenAI-projekt är att en strukturerad pilotfas är nyckeln, och att människor behöver tid för att lära sig den innovativa tekniken. Det är också nödvändigt att ha en ram för AI-antagande och förändringshantering som är anpassad till ditt teams specifika behov. Kombinerat med utbildning och aktivt engagemang av användare, kommer detta att motivera och klargöra bekymmer om GenAI.

När tekniken införlivas i organisationen och sprids ut, blir den en del av kulturen och accelererar din väg till att förverkliga verkligt värde från GenAI.