งานแรกที่เลวที่สุดที่คุณสามารถมอบให้กับตัวแทนคืองานที่มองเห็นได้

บริษัทต่างๆ มักจะเลือกงานแรกของตัวแทนในแบบเดียวกัน คนที่ถามว่า AI สามารถทำอะไรได้บ้าง และห้องประชุมก็รวมตัวกันเพื่อทำงานที่ทุกคนสามารถจินตนาการได้: เขียนบล็อกโพสต์ของเรา, ตอบลูกค้าของเรา, จัดการอินบ็อกซ์ของเรา มันเป็นงานที่มองเห็นได้มากที่สุดในอาคาร ดังนั้นจึงเป็นงานที่คิดได้

หกเดือนต่อมา การทดลองถูกจอดอย่างเงียบๆ และสรุปว่าเทคโนโลยีนั้นยังไม่พร้อม เทคโนโลยีนั้นไม่มีปัญหา ปัญหาคือการเลือกงาน และความมองเห็นคือสิ่งที่ทำให้มันเป็นงานที่ไม่ดี

สามสิ่งที่ทำให้งานยาก และงานที่มองเห็นได้มีทั้งสาม

งานหนึ่งจะง่ายสำหรับตัวแทนเมื่อมีคำตอบที่ถูกต้อง, เมื่อผลลัพธ์ที่ไม่ดีมีค่าใช้จ่ายน้อย, และเมื่อมีคนในอาคารที่ทำงานนั้นแล้วและสามารถบอกได้ว่าผลลัพธ์ใดดีหรือไม่

การเขียนที่เผชิญหน้าลูกค้าไม่ผ่านการทดสอบแรก

ไม่มีคำตอบที่ถูกต้องสำหรับ “โพสต์นี้ดีหรือไม่” มีเพียงความชอบของบุคคลที่จะรับรู้ถึงเวอร์ชันที่ไม่ถูกต้องทันทีและต้องพยายามระบุคำตอบที่ถูกต้องล่วงหน้า ช่องว่างนั้นคือที่ที่ข้อร้องเรียนเกี่ยวกับคุณภาพส่วนใหญ่อาศัยอยู่

การเผชิญหน้าลูกค้าใดๆ ไม่ผ่านการทดสอบที่สอง

สรุปภายในที่ไม่ดีอาจมีค่าใช้จ่ายเพียงสี่นาที แต่คำตอบที่ไม่ดีสำหรับลูกค้าอาจมีค่าใช้จ่ายในความสัมพันธ์ และบางครั้งอาจมีการพูดคุยเกี่ยวกับการปฏิบัติตามกฎระเบียบ ค่าใช้จ่ายของความล้มเหลวจะกำหนดว่างานนั้นต้องการการดูแลอย่างไร และการดูแลคือส่วนแพงของการทำงานของตัวแทน

และงานที่มองเห็นได้โดยทั่วไปไม่ผ่านการทดสอบที่สามในแบบที่ไม่มีใครสังเกตเห็นจนกระทั่งปลายๆ

บุคคลที่จะพิจารณาผลลัพธ์คือบุคคลอาวุโสที่สุดในบริษัท ซึ่งการให้ความสนใจของพวกเขาคือสิ่งที่หายากที่สุดในบริษัท การมอบงานให้พวกเขาทำคือการย้ายงานไปยังปฏิทินของคุณที่แพงที่สุด

งานแรกที่ประสบความสำเร็จดูเหมือนอย่างไร

พวกมันไม่น่าสนใจ นั่นคือรูปแบบ และมันคงเส้นคงวาเพียงพอสำหรับการวางแผน

เมื่อ NTT DATA Group ขยายเครื่องมือตัวแทนของตนไปทั่วทั้งองค์กร หนึ่งในชัยชนะแรกที่เปลี่ยนความคิดเห็นภายใน คืองานวิศวกรรมภายใน ไม่ใช่ประสบการณ์ของลูกค้า การอธิบายการวางแผนของ OpenAI อธิบายถึงการทำให้การวิเคราะห์เหตุการณ์ที่ซับซ้อนสำหรับระบบสำคัญเป็นอัตโนมัติ — งานที่เคยต้องใช้วิศวกรที่มีประสบการณ์ห้าคนและใช้เวลาสามวัน แต่เสร็จสิ้นใน 30 นาที ผลลัพธ์นั้น การเขียนอธิบายว่า “ได้รับความสนใจจากผู้นำอาวุโสและกลายเป็นจุดเริ่มต้นแรก”

ดูส่วนของงานมากกว่าหัวข้อข่าว นั่นคือการวิเคราะห์เหตุการณ์ที่มีคำตอบที่ถูกต้อง และเป็นคำตอบที่องค์กรสามารถตรวจสอบได้ เพราะงานนั้นเคยทำมาแล้วและคนที่เคยทำงานนั้นยังคงอยู่

มันซ้ำกัน มันอยู่ภายในระบบของบริษัทเอง มากกว่าที่จะอยู่หน้าลูกค้า และมาตรฐานสำหรับ “เสร็จสิ้น” คือว่าการวิเคราะห์ยืนหยัดต่อหลักฐานหรือไม่ ซึ่งเป็นคำถามที่มีคำตอบที่มีเหตุผล ไม่ใช่เรื่องของความชอบ

เปรียบเทียบกับงานที่บริษัทส่วนใหญ่เสนอเป็นอันดับแรก บล็อกโพสต์ไม่มีคำตอบที่ถูกต้อง ไม่มีผู้พิพากษาในองค์กรที่มีเวลาที่ไม่แพง และมีกลุ่มเป้าหมาย

ลำดับของงานมีความสำคัญมากเท่ากับการเลือก NTT DATA วางแผน ChatGPT Enterprise ไปทั่วทั้งบริษัทก่อน และในแบบสำรวจภายใน มากกว่า 96% ของผู้ตอบแบบสำรวจกล่าวว่า พวกเขาพอใจกับมัน และมากกว่า 95% รายงานว่ามีการเพิ่มผลผลิต

ผ่านการใช้งานทั่วไป การเขียนอธิบายว่า “พนักงานสร้างประสบการณ์ในการทำงานกับ AI สำหรับการวิจัย การเขียน และการสร้างเนื้อหา” — และนิสัยเหล่านั้น “เตรียมองค์กรให้พร้อมสำหรับการต่อไป: มอบหมายงานที่กำหนดไว้อย่างชัดเจน”

บทเรียนความเป็นผู้นำที่เผยแพร่พร้อมกับกรณีศึกษานำหน้าด้วยสิ่งนั้น: ทำให้ AI เป็นส่วนหนึ่งของงานประจำวัน ช่วยให้ผู้คนสร้างนิสัยในการทำงานร่วมกับมัน องค์กรสร้างฐานความ 熟悉ที่กว้างขวางกับผลลัพธ์ของ AI ก่อนที่จะทำงานวิเคราะห์เหตุการณ์

ช่วงเวลาการสร้างนิสัยนั้นทำงานมากกว่าที่ดูเหมือน เมื่อเครื่องมือ AI ทั่วไปกลายเป็นเรื่องปกติ ผู้คนเริ่มใช้มันอย่างกว้างขวางนอกขอบเขตของตำแหน่งงาน และฉันคิดว่านี่คือที่ที่งานที่ดีปรากฏ — จากผู้ที่ทำงาน ไม่ใช่จากการประชุมวางแผน มันคือที่ที่ความกังขาได้รับการแก้ไข และ วิธีที่พนักงานในแนวหน้าแท้จริงรู้สึกเกี่ยวกับเครื่องมือเหล่านั้น ไม่ใช่สิ่งที่โครงการเดียวสามารถแก้ไขได้

ข้อยกเว้นพิสูจน้กฎ หากคุณอ่านกรณีศึกษาทั้งหมด

ข้อโต้แย้งโดยทั่วไปคือตัวแทนการบริการลูกค้าที่มองเห็นได้ทำงานได้จริง มันทำงานได้ มันคุ้มค่าที่จะอ่านอย่างใกล้ชิด

ตัวแทนการช็อปปิ้งอาวาตารินที่สร้างร่วมกับยามาดะ โฮลดิ้ง คือตัวแทนการบริการลูกค้าที่มองเห็นได้มากที่สุด — การสนับสนุน 24/7 หลายภาษาโดยเสียงและข้อความ ช่วยเหลือลูกค้าจากการตัดสินใจซื้อผลิตภัณฑ์ไปจนถึงการตัดสินใจซื้อ ในการรณรงค์สาธารณะสองสัปดาห์บนร้านค้าออนไลน์ของยามาดะ เดนキ มีผู้ใช้ประมาณ 30,000 คน และ 92% ของคำตอบแบบสำรวจเป็นบวก ผลลัพธ์จริง ลูกค้าจริง หน้าบ้าน

ควรตรงไปตรงมาเกี่ยวกับเรื่องหนึ่ง: การเขียนของ OpenAI เรียกว่า “โอกาสสำคัญแรกในการนำสิ่งเหล่านั้นไปสู่ลูกค้าโดยตรง” ดังนั้นจึงเป็นตัวแทนการบริการลูกค้าครั้งแรกของอาวาตาริน ซึ่งดูเหมือนจะโต้แย้งกับทุกสิ่งที่กล่าวมาข้างต้น

ดูว่า “สิ่งเหล่านั้น” หมายถึงอะไร อาวาตารินคือบริษัทการบริการลูกค้า AI ที่แยกออกมาจาก ANA โฮลดิ้ง และการเขียนอธิบายว่าเคยทำงานกับ OpenAI “ก่อนที่จะเริ่มโครงการยามาดะ เดนキ” โดยใช้ API ของ OpenAI สำหรับการรู้จำเสียง การวิเคราะห์คำถาม และการฝึกอบรมพนักงาน

คำตอบของตัวแทนยึดหลักโดยระบบการสร้างที่เพิ่มการค้นหา ซึ่งหมายความว่าคำตอบยึดหลักข้อมูลผลิตภัณฑ์จริงๆ มากกว่าความทรงจำของโมเดล ความรู้ด้านการบริการลูกค้าของร้านค้าถูกเข้ารหัสไว้ในกระบวนการคุยและคำถามอย่างเจตนา ระบบป้องกันช่วยให้การคุยอยู่ในประสบการณ์การช็อปปิ้ง และ OpenAI ทำงานโดยตรงกับทีมเพื่อสร้างคำถามและลดต้นทุนในการให้บริการเสียง 24/7

ดังนั้นจึงเป็นงานแรกที่เผชิญหน้าลูกค้าสำหรับบริษัทที่ธุรกิจหลักคือการบริการลูกค้า AI โดยมาถึงหลังการทำงานร่วมกันก่อนหน้านี้กับเครื่องมือของซัพพลายเออร์ โดยมีฐานการยึดหลัก ความเชี่ยวชาญด้านโดเมนที่ถูกเข้ารหัส ระบบป้องกัน และซัพพลายเออร์เองช่วยในการสร้างคำถาม นั่นคือราคาจริงของงานที่มองเห็นได้ และเกือบทั้งหมดไม่มองเห็นได้ในผลลัพธ์

อ่านสองเรื่องราวด้วยกันและพวกเขาจะเป็นบทเรียนเกี่ยวกับการเรียงลำดับมากกว่าเรื่องราวความสำเร็จสองเรื่อง องค์กรหนึ่งได้รับสิทธิ์ในการมอบหมายงานที่กำหนดไว้อย่างชัดเจนโดยการทำให้ AI เป็นส่วนหนึ่งของงานประจำวันคนแรก อีกองค์กรหนึ่งได้ไปสู่งานที่เผชิญหน้าลูกค้าในฐานะผู้เชี่ยวชาญ โดยยืนบนงานส่วนประกอบที่เคยทำมาแล้ว ทั้งสองไม่ได้เริ่มต้นที่ที่การประชุมวางแผนอยากให้เริ่มต้น

กฎการเลือก

ให้คะแนนงานที่เป็นไปได้ทั้งหมดใน四คำถามก่อนที่คุณจะเลือก

1. มีคำตอบที่ถูกต้องหรือไม่?

ไม่ใช่คำตอบที่ดี แต่เป็นคำตอบที่ถูกต้อง การปรองดอง การจำแนก การดึงข้อมูล และการวิเคราะห์ที่มีสรุปย่อทั้งหมดมีคุณสมบัติ สิ่งที่ตัดสินจากความชอบไม่ผ่านข้อแรกอย่างน้อย

2. ผลลัพธ์ที่ไม่ดีหนึ่งอันมีค่าใช้จ่ายเท่าใด?

หากคำตอบที่ซื่อสัตย์เกี่ยวข้องกับลูกค้า ผู้ควบคุมดูแล หรือตัวเลขในเอกสาร thìงานนั้นต้องการ โครงสร้างและรางที่คุณแทบจะไม่ได้สร้าง ยัง

3. ปริมาณงานนั้นสนับสนุนการเตรียมการหรือไม่?

งานที่ทำสองครั้งต่อเดือนจะไม่เคยชดเชยการวนซ้ำเป็นเวลาหลายสัปดาห์ เศรษฐศาสตร์มาจากการทำซ้ำ และการทำซ้ำก็คือสิ่งที่สอนคุณว่าอะไรผิดพลาด

4. ใครทำงานนี้แล้วและสามารถระบุผลลัพธ์ที่ไม่ดีได้ทันที?

บุคคลนั้นคือผู้พิจารณาของคุณ และพวกเขาต้องมีเวลาพอเพียง หากผู้พิพากษาคนเดียวที่มีคุณสมบัติคือผู้ก่อตั้ง เลือกงานอื่น

งานที่ได้คะแนนดีในคำถามทั้งสี่นearly ไม่ใช่งานที่มาจากการประชุม มันคืองานที่ทีมได้ทำมาเป็นเวลาสองปีและหยุดพูดถึงเพราะพวกเขาไม่สังเกตเห็นว่ามันเป็นงานอีกต่อไป

ที่ที่คุณอยู่

ให้คะแนนงานที่คุณพิจารณาอย่างซื่อสัตย์ในสัปดาห์นี้ ผู้ชนะจะรู้สึกเหมือนความผิดหวัง อัตโนมัติงานนั้นอย่างไรก็ตาม

จุดประสงค์ของงานแรกของตัวแทนไม่ใช่คุณค่าที่ได้รับ มันคือการที่องค์กรของคุณเรียนรู้ว่าระบบเหล่านี้ทำงานได้ดี ที่ไหนมันล้มเหลว และค่าใช้จ่ายในการดูแลมันอย่างแท้จริง บนงานที่ผิดพลาดได้ นั่นคือสิ่งที่ทำให้งานที่สองเป็นตัวเลือกที่แท้จริง ไม่ใช่การเดา และงานที่สามมักจะเป็นที่ที่มีเงิน

เลือกงานที่ไม่น่าสนใจ จงได้รับงานที่มองเห็นได้