วิธีการสร้างมูลค่าจากทีมงานที่ใช้ GenAI

ขอบคุณ OpenAI’s ChatGPT ที่ทำให้คนส่วนใหญ่ทราบเกี่ยวกับ GenAI ในปัจจุบัน ความสามารถในการตอบสนองความต้องการความรู้ของคนด้วยคำสั่งง่ายๆ ทำให้เครื่องมือนี้เป็นที่นิยมอย่างมาก การใช้งานเครื่องมือนี้นั้นแท้จริงแล้วน่าประทับใจ มีผู้ใช้มากกว่า 1 ล้านคนภายใน 5 วัน และมีผู้เข้าชมมากกว่า 100 ล้านคนในไม่กี่เดือนแรก บุคคลและองค์กรต่างๆ ได้นำเครื่องมือนี้มาใช้ในกิจกรรมประจำวันและงานต่างๆ ด้วยความกระตือรือร้น

และยัง – แม้ว่า GenAI จะมีชื่อเสียงทั่วโลก แต่ก็มีไม่มากที่ได้พัฒนาไปไกลกว่าการทดลอง องค์กรต่างๆ ตื่นเต้นกับศักยภาพของมัน แต่ thườngต้องดิ้นรนในการนำไปใช้ในการสร้างมูลค่าที่วัดได้

ในบทบาทของฉัน ฉันได้มีโอกาสสังเกตเห็นว่า AI กำลังพัฒนาไปสู่การเปลี่ยนแปลงวิธีการดำเนินงานขององค์กรและคุณค่าที่สามารถส่งมอบให้กับลูกค้าได้ อย่างไรก็ตาม ธุรกิจต่างๆ ต้องการแนวทางในการเปลี่ยนแปลงศักยภาพเป็นผลลัพธ์ ด้วยความท้าทายเหล่านี้ในใจ ทีมของฉันจึงได้ดำเนินการทดลองกับ Microsoft’s M365 Copilot เพื่อสร้างข้อมูลเชิงลึกและกลยุทธ์ที่เป็นประโยชน์สำหรับบริษัทที่ต้องการนำ GenAI ไปใช้และสร้างผลตอบแทนที่ดี

เส้นทางของเราไปสู่มูลค่าของ GenAI

เมื่อเราดูการนำ Copilot มาใช้ แนวทางของเราช่วยให้เราเห็นได้ว่าความสามารถของมันสามารถเพิ่มมูลค่าได้ที่ไหน

ประสบการณ์ของเราอาจเป็นประโยชน์สำหรับองค์กรใดๆ ที่ต้องการนำ GenAI มาใช้ในกระบวนการทำงาน

นี่คือบางส่วนของการกระทำที่ช่วยเราไปตลอดทาง:

• เริ่มต้นด้วยโครงสร้างการนำรับแบบมีโครงสร้าง สำหรับการนำ GenAI มาใช้ เราเริ่มต้นด้วยการระบุบุคคลในองค์กรที่อาจได้รับประโยชน์จากมัน และจากนั้นกรณีการใช้งานเฉพาะและเป็นเป้าหมายสำหรับเทคโนโลยีนี้ สุดท้าย เราได้สร้างแผนการฝึกอบรมส่วนบุคคลสำหรับแต่ละบทบาทหรือบุคคลที่ช่วยให้ผู้ใช้ทราบวิธีการใช้ความสามารถนี้ให้เกิดประโยชน์สูงสุด
• ใช้การทดลองเพื่อยืนยันเทคโนโลยี สำหรับ Copilot เราได้ดำเนินการทดลองกับ 3 กลุ่มผู้ใช้ กลุ่ม A ไม่มีใบอนุญาต Copilot ในขณะที่กลุ่ม B ได้รับใบอนุญาต แต่ไม่มีการฝึกอบรมหรือคำแนะนำ: พวกเขาต้องค้นหาวิธีการใช้เครื่องมือนี้ด้วยตนเอง กลุ่ม C ได้รับโครงสร้างการนำรับแบบมีโครงสร้างของเรา ผลลัพธ์ที่เราเห็นคือ การนำรับเพิ่มขึ้น 31% ในกลุ่ม C เมื่อเทียบกับกลุ่ม B นอกจากนี้ กลุ่ม C ยังบันทึกการประหยัดเวลา 2.5 ชั่วโมงต่อสัปดาห์ เมื่อเทียบกับ 1.8 ชั่วโมงต่อสัปดาห์สำหรับกลุ่ม B การทดลองนี้ยังให้ข้อมูลพื้นฐานสำหรับเรา เช่น ข้อมูลเกี่ยวกับเวลาที่ทีมสามารถประหยัดได้ในการทำงานบางอย่าง เช่น การสร้างการนำเสนอผลงาน ซึ่งเป็นตัวอย่างที่ดีและเป็นข้อโต้แย้งในการยืนยันว่าโครงสร้างการนำรับของเรากำลังทำงาน
• ให้พนักงานมีส่วนร่วมอย่างใกล้ชิดในกระบวนการ การทดลองเช่นการทดลองกับ Copilot ของเราช่วยให้แน่ใจว่าคนจะรับเทคโนโลยีใหม่ๆ ได้ง่ายขึ้น เราได้ให้คนมีส่วนร่วมในการเลือกกรณีการใช้งานสำหรับ Copilot ซึ่งทำให้เทคโนโลยีนี้มีความเกี่ยวข้องและช่วยให้การนำรับและผลตอบแทนที่ดีขึ้น กระบวนการนี้ยังช่วยสร้างผู้สนับสนุนเทคโนโลยี เนื่องจากกลุ่ม C ของเราสามารถเห็นคุณค่าของเทคโนโลยีนี้สำหรับตัวพวกเขาเอง พวกเขาจึงสามารถสนับสนุนเทคโนโลยีนี้ในองค์กรและโดยเฉพาะอย่างยิ่งภายในทีมของพวกเขา ส่งเสริมให้มีการนำรับเพิ่มขึ้น
• สร้างแผนการฝึกอบรมที่มีการปรับแต่งสูงและต่อเนื่อง เราได้ทำงานร่วมกับหัวหน้าโครงการและเจ้าของกระบวนการเพื่อให้แน่ใจว่ากรณีการใช้งานของ Copilot จะเกี่ยวข้องกับงานประจำวันของพวกเขา เช่น การสร้างการนำเสนอผลงานในเวลาสั้นๆ ด้วยความเข้าใจนี้ เราได้สร้างการฝึกอบรมที่มีการปรับแต่งสูงซึ่งแสดงให้เห็นว่าเทคโนโลยีนี้สามารถช่วยให้พวกเขาบรรลุเป้าหมายได้อย่างไร นอกจากนี้ เรายังพบว่าการฝึกอบรมอย่างต่อเนื่องเกี่ยวกับการสร้างคำสั่งยังเป็นประโยชน์อย่างมากในการช่วยให้ผู้คนได้รับคุณค่าสูงสุดจาก GenAI นอกจากนี้ยังเป็นเรื่องที่สนุกและช่วยให้ชุมชนรวมกัน ตัวอย่างเช่น เราได้สร้างกลุ่มที่เราจะแบ่งปันคำสั่งที่มีประโยชน์ และเรายังมีการแบ่งปันสั้นๆ เป็นประจำ
• ใช้ประโยชน์จากพันธมิตร เราได้ใช้พันธมิตรของเราเพื่อช่วยเราโดยการนำกรณีการใช้งานและข้อเสนอการฝึกอบรมที่ช่วยสร้างทักษะของเรา ในโดเมนที่เปลี่ยนแปลงเร็วเช่น GenAI การร่วมมือและความร่วมมือเป็นสิ่งจำเป็นในการบรรลุผลลัพธ์ที่ดี
• สื่อสารอย่างแข็งขันเกี่ยวกับความกังวลของพนักงาน คำถามเกี่ยวกับ จริยธรรม AI และว่ามันจะขโมยงานของคนหรือไม่นั้นเป็นเรื่องธรรมดา ดังนั้นจึงสำคัญที่จะต้องแน่ใจว่าโครงสร้างการนำรับจะกำหนดจริยธรรม AI และการใช้ AI อย่างมีจริยธรรมอย่างชัดเจน เพื่อให้แน่ใจว่าการใช้ AI อย่างมีความรับผิดชอบและปลอดภัย เราได้ใช้โครงสร้างการนำรับ AI ที่มีจริยธรรมของเรา โครงสร้างนี้ให้คำแนะนำที่ชัดเจนสำหรับพนักงานของเรา ซึ่งสอดคล้องกับค่านิยมของบริษัทของเรา และช่วยให้พวกเขาใช้ AI อย่างมีจริยธรรม และเพื่อลดความกังวลเกี่ยวกับผลกระทบของ GenAI ต่องานของคน เราได้เน้นย้ำถึงความสามารถของมันในการรับงานที่ไม่นิยมและงานที่ต้องทำภายใต้แรงกดดัน เช่น การบันทึกการประชุม การเขียนการสื่อสาร หรือการค้นหาในกล่องจดหมายที่แออัด เมื่อความชำนาญของพวกเขาเติบโตขึ้น เราได้นำเทคนิคที่ซับซ้อนมากขึ้นมาใช้ รวมถึงการเพิ่มความสามารถในการสร้างคำสั่งที่ซับซ้อนซึ่งให้ผลลัพธ์ที่แม่นยำและปรับแต่งได้

เวลา การ đổi mới และการฝึกอบรม

ประสบการณ์ของเรากับ Copilot และโครงการ GenAI อื่นๆ คือ การทดลองในระยะเริ่มต้นเป็นสิ่งสำคัญ และผู้คนต้องการเวลาที่จะเรียนรู้เทคโนโลยีที่มีนวัตกรรมใหม่ๆ นอกจากนี้ยังจำเป็นต้องมีโครงสร้างการนำรับ AI และการเปลี่ยนแปลงที่ปรับให้เหมาะสมกับความต้องการของทีมของคุณ เมื่อรวมกับการฝึกอบรมและการมีส่วนร่วมของผู้ใช้งานอย่างแข็งขัน จะช่วยให้ผู้คนมีความกระตือรือร้นและช่วยให้คลายความกังวลเกี่ยวกับ GenAI

เมื่อเทคโนโลยีนี้กลายเป็นส่วนหนึ่งของวัฒนธรรมองค์กรและขยายตัวออกไป มันจะเร่งให้คุณบรรลุถึงมูลค่าที่แท้จริงจาก GenAI