AI ไม่สามารถแก้ปัญหาดินแย่: วิธีการเตรียมระบบนิเวศภายในของบริษัทให้พร้อมสำหรับการใช้งาน AI ที่ประสบความสำเร็จ

แม้ว่าผู้นำธุรกิจมักถูกมองว่าเป็นคนมุ่งเน้นไปที่ผลกำไร แต่การศึกษาล่าสุดได้แสดงให้เห็นว่ามากกว่า 80% ของบริษัท ไม่ได้ติดตาม ROI ของการลงทุน AI ของตน ในทางกลับกัน ผู้ที่ติดตาม ROI พบว่ามันไม่ได้ตรงตามความคาดหวังที่เกิดขึ้น โดย เพียงหนึ่งในสี่ ของ CEO ทั่วโลกรายงานว่าการลงทุน AI ของพวกเขาพบว่า ROI ที่คาดหวัง

แต่ตามคำพูดที่ว่า “ช่างไม้ที่ไม่ดีตำหนิเครื่องมือของเขา” – ในอีกคำหนึ่ง สำหรับหลายคน ROI ที่น่าผิดหวังเนื่องจากการนำ AI ไปใช้ได้รับการตั้งค่าให้ล้มเหลว หากเรามองธุรกิจเป็นเหมือนสวน เพื่อให้ประสิทธิภาพและผลกำไรเติบโต มีขั้นตอนที่ต้องทำ ก่อน ที่จะนำเครื่องมือ AI ไปใช้เพื่อให้มีผลกระทบที่วัดได้มากที่สุด

ขั้นตอนที่ 1: ระบุจุดที่มนุษย์จำเป็น

อาจเป็นเพราะการตลาดของผลิตภัณฑ์ LLM ที่มีการให้คำมั่นสัญญาเกินจริง แต่มีความเข้าใจผิดที่พบบ่อยว่า AI เป็นเรื่องของการเสียบปลั๊กและเล่น ในความเป็นจริง การใช้งาน AI ที่ดีที่สุดเริ่มต้นด้วยการระบุจุดที่การดูแลของมนุษย์ไม่สามารถต่อรองได้

ตัวอย่างเช่น เมื่อทำงานกับบริษัทให้บริการทางกฎหมาย ทีมของฉันและฉันได้รับมอบหมายให้ใช้ระบบ AI ที่สามารถประมวลผลเอกสารทางกฎหมายจำนวนมาก – จัดประเภท เอกสารสำคัญ และตัดสินใจว่าจะเก็บ อนุญาต หรือลบไฟล์

ในขณะที่ AI จัดการกับงานหนักโดยการสแกนเอกสารสำหรับความเกี่ยวข้อง การติดแท็กข้อมูลที่ละเอียดอ่อน และสรุปคำตอบ ผลลัพธ์จะถูกส่งไปยังทนายความที่สามารถตรวจสอบงาน ตรวจสอบคำตัดสินทางกฎหมาย และยกเลิกการจำแนกประเภทเมื่อจำเป็น

ไม่เพียงแต่จะช่วยปกป้องบริษัทจากความเสี่ยงที่อาจเกิดขึ้น แต่ยังช่วยแยกค่าใช้จ่ายในการทำให้กระบวนการอัตโนมัติออกจากค่าใช้จ่ายในการดูแล ซึ่งจะทำให้การตรวจสอบ ROI เป็นเรื่องที่สะอาดและชัดเจนมากขึ้น

ขั้นตอนที่ 2: ระบุว่า AI สามารถเสริมทีมของคุณได้ดีที่สุด

เพื่อเพิ่ม ROI ของ AI คุณต้องเลือกกระบวนการที่ AI สามารถช่วยได้ดีที่สุด กระบวนการที่เหมาะสมที่จะโอนให้ AI ได้แก่ งานที่ซ้ำซ้อนหรือตามกฎ (เช่น การให้บริการลูกค้าขั้นพื้นฐานหรือการเข้ารหัสใบแจ้งหนี้) การค้นหาข้อมูลที่หนักแน่น เช่น ข้อกำหนดในสัญญา และการป้อนข้อมูลที่มีข้อผิดพลาด

จากนั้นเป็นเรื่องสำคัญที่จะต้องกำหนดค่า AI ให้เหมาะสมเพื่อเสริมกระบวนการทำงานของพนักงาน โดยการทำแผนที่กระบวนการทำงานของพนักงานเป็นงานและติดป้ายกำกับงานเหล่านั้นภายใต้สามประเภทของกระบวนการ: สร้าง เลือก หรือตัดสิน การทำงานที่สร้างสรรค์สามารถมอบหมายให้ AI ได้ งานที่ต้องการการตัดสินใจยังคงอยู่กับพนักงานของมนุษย์ และงานที่ต้องการการเลือกสามารถเป็นกระบวนการร่วมกันระหว่าง AI และมนุษย์

ในตัวอย่างบริการทางกฎหมายข้างต้น AI จัดการกับการคัดกรองเบื้องต้นโดยการจำแนกเอกสาร (การสร้าง) การติดแท็กข้อมูลที่ละเอียดอ่อน (การสร้าง) และการแสดงคำตอบที่น่าจะเป็นไปได้ (การเลือก) ในทำนองเดียวกัน บทบาทของพนักงานมนุษย์เปลี่ยนจากการค้นหาในรายละเอียดของเอกสารไปสู่การตรวจสอบผลลัพธ์ (การตัดสินใจ) – ทำให้การทำงานที่ใช้เวลาวันเปลี่ยนเป็นเรื่องของชั่วโมง

และสำหรับ ROI สิ่งนี้ช่วยให้พนักงานมีเวลามากขึ้นในการมุ่งเน้นไปที่ข้อยกเว้นของกฎ ซึ่งเป็นที่ซ่อนของผลกำไร

ขั้นตอนที่ 3: มาตรฐานข้อมูลการฝึกอบรม

การปรับแต่ง LLM ด้วยข้อมูลขององค์กรสามารถปลดล็อกข้อได้เปรียบในการแข่งขัน แต่เพื่อให้ AI ประสบความสำเร็จ มันจำเป็นต้องมีดินอุดมสมบูรณ์ ซึ่งหมายถึงข้อมูลที่ดีและสะอาด ข้อมูลที่ไม่ดีหรือมีเสียงรบกวนจะทำให้ผลลัพธ์เสียและเพิ่มความเอนเอียง สั้นๆ แล้ววินัยข้อมูลของคุณกำหนดความน่าเชื่อถือของผลลัพธ์

ดังนั้น สิ่งนี้หมายถึงอะไร? ปริมาณและความหลากหลายของข้อมูลมีความสำคัญ แต่ก็สำคัญที่จะต้องมีคุณภาพด้วย ความไม่สอดคล้องกันในรูปแบบข้อมูลและข้อกำหนดในการตั้งชื่อหรือฟิลด์ที่หายไป/ไม่สมบูรณ์จะส่งผลเสียต่อคุณภาพของข้อมูลดิบ ในทำนองเดียวกัน การดูพิเพทหรือการป้อนข้อมูลที่ไม่มีโครงสร้างจะทำให้บิลเก็บข้อมูลพองและชะลอการทำงานของโมเดล

ดังนั้นจึงจำเป็นต้องมีการควบคุมคุณภาพและการกำกับดูแลข้อมูล – หมายถึงการควบคุมการเข้าถึงและการปฏิบัติตามกฎระเบียบ โดยไม่มีตัวกรองเหล่านี้ คุณไม่ได้ลงทุนใน AI แต่คุณ只是 เสียเงินไปกับการทำความสะอาดข้อมูลที่ไม่ดี

ด้วยความฮือฮาเกี่ยวกับ AI ที่มีอยู่ มันเข้าใจได้ว่าผู้นำอาจรู้สึกว่าควรเริ่มใช้งาน AI ที่เร็วที่สุด แต่การใช้เวลานำโมเดลไปใช้อย่างมีกลยุทธ์ หรือการเตรียมพื้นที่ก่อนปลูกเมล็ด จะนำไปสู่ความสำเร็จและผลตอบแทนที่มากขึ้น