Розробляйте далі “workslop” з практичним, орієнтованим на людину штучним інтелектом

Проблема “AI смітив” викликала чимале культурне шумиху та увагу ЗМІ за останні кілька років, оскільки використання LLM та інших генераторів контенту штучного інтелекту продовжує стрімко зростати. Люди помічають, коли низькоякісні зображення та недоречний прозористий текст заповнюють їхні соціальні стрічки.

Дякуючі “AI смітив”, ми тепер менш схильні довіряти рекламному контенту, який, на нашу думку, створений штучним інтелектом, навіть якщо це не так, а читачі розпізнають ознаки контенту, створеного LLM, такі як надмірне використання тире. На жаль, “workslop” також є реальністю.

Що таке workslop, і чому фінансові лідери повинні турбуватися про нього?

Кожен фінансовий директор знає розчарування, пов’язане з пошуком відхилень у бюджеті або витрачанням годин на узгодження необ’єяснених аномалій. У сучасному корпоративному ландшафті обіцянка штучного інтелекту є всюди, але також є новий вбивця продуктивності: workslop.

Workslop – це побічний продукт автоматизації, який виглядає полішованим, але не має суті, контексту чи корисності. Це стаття, засипана тире, яка не вчить вас нічого нового; загальний звіт, який ставить більше питань, ніж відповідає; процес затвердження, який створює тертя замість ясності. Це контент, створений штучним інтелектом, який змушує фінансові команди робити більше роботи, а не менше.

Workslop найчастіше пов’язаний з низькою якістю контенту. Він знецінює бренд, менше заслуговує на довіру та посилає повідомлення про те, що люди припинили звертати увагу. Але коли workslop починає впливати на бізнес-застосунки, такі як ERP, він стає ще більшим витратником продуктивності та довіри.

Workslop виникає, коли системи штучного інтелекту генерують вивід без достатнього людського входу, контексту чи нагляду. Для фінансових лідерів це означає витрачання цінного часу на уточнення, виправлення або переробку того, що повинно було бути автоматизовано.

Результат? Втрата ефективності, зменшення довіри до автоматизації та фінансової функції, яка застрягає в реактивному режимі. Ви можете подумати, що ваша організація не достатньо інвестує в штучний інтелект, щоб бути постраждалою від workslop, але він вже існує.

Недавня стаття HuffPost процитувала дослідження Стенфордського університету, яке показало, що понад половина працівників стверджують, що вони зустрілися з workslop на роботі. Окрім того, що це дратує постраждалих працівників, workslop загрожує підірвати ключову перевагу інтеграції штучного інтелекту на робочому місці: більшу продуктивність з винятковою якістю.

Хороша новина полягає в тому, що ви можете мінімізувати або навіть ліквідувати workslop за допомогою практичного, орієнтованого на людину підходу до штучного інтелекту. Ось огляд поточного стану проблеми workslop, як виглядає більш роздумливе застосування технологій штучного інтелекту на робочому місці, та деякі поради щодо досягнення агільної, ітеративної реалізації штучного інтелекту.

Що, якщо workslop не проблема, а радше перший чернетка?

Давайте признаємось — майже 2026 рік, і штучний інтелект — це цікавий продукт. Він має неймовірний потенціал для збереження часу та покращення продуктивності, тому люди будуть використовувати його, незалежно від того, чи заохочує їх роботодавець до впровадження цієї технології чи ні. Питання в тому, чи застосовуватимуть вони його з достатнім тренінгом та зусиллями, необхідними для досягнення найкращих результатів?

Workslop відбувається, коли користувач не надає штучному інтелекту достатнього чи добре структурованого входу. Щоб досягти найкращих результатів із штучним інтелектом, вам потрібно продовжувати розмову. Вам потрібно переписати свій запит або уточнити свої потреби. Цей процес введення та зворотного зв’язку допомагає вам досягти кращого результату.

Я дізнався про це вперше, коли створив запит штучному інтелекту, який я бачив як щоденний ритуал для оновлення свого списку завдань шляхом підсумкування незвіданих електронних листів та позначення зобов’язань, які я взяв на себе. Це звучало як велика ідея, але оригінальна версія була надто громіздкою та важкою для будь-якої практичної користі.

Витратилося багато часу на доопрацювання, зворотний зв’язок та тренінг від LLM, щоб досягти передбачуваного та практичного виводу. Це вимагало від мене бути чітким щодо моїх потреб, стилю обробки інформації та уваги, щоб досягти результату, який працював.

Було б справедливо назвати мою першу чернетку “workslop”, але завдяки доопрацюванню я досягнув кориского інструменту штучного інтелекту. Але що, якщо б я зупинився на першій ітерації та залишився з менш зручною першою чернеткою? Якби я зробив це, я мав би справу з workslop, який заважав би продуктивності.

Помножте це на більш складні процеси, що涉ляють декілька сторін, і ви легко можете побачити, як штучний інтелект, застосований з найкращими намірами, може стати workslop — якщо ви не маєте тренінгу, витримки та основи для його ефективного застосування.

Немає сумніву, що штучний інтелект може додати реальну цінність. Але як лідери, нам потрібно забезпечити, щоб працівники мали знання, підтримку та координацію для успіху, а звіти з робочих місць на передовій вказують на те, що ще багато роботи потрібно зробити.

Що таке орієнтований на людину підхід до штучного інтелекту, і як туди добратися?

Що таке орієнтований на людину підхід до штучного інтелекту? І як практичний шлях може привести до кращих результатів під час інтеграції штучного інтелекту в робочі процеси?

Для захисників штучного інтелекту на робочому місці хорошим початком є визнання того, що метою не є заміна людей. Це полегшення тертя та посилення нашого інтелекту шляхом розуміння людини: її потреб, щоденних прикрощів, суджень та цілей.

Є два уроки тут, щоб привнести орієнтований на людину, якісний штучний інтелект на робоче місце. По-перше, для ваших команд, які працюють з генеративним штучним інтелектом, забезпечте їм тренінг та час для досягнення кращих результатів із сильним контекстом та доопрацюванням.

Для систем, які ви обираєте та які пропонують можливості штучного інтелекту, переконайтеся, що ваші технологічні партнери真正но розуміють потреби вашої команди. Це означає розуміння їхньої щоденної операційної середовищі, того, що працює, а що ще дратує їх.

Як виглядає орієнтований на людину штучний інтелект на робочому місці?

Штучний інтелект можна застосовувати самостійно, щоб полегшити людям роботу, або використовувати для доповнення старих технологій, які залишають дратуючі пробіли в робочих процесах. Візьміть, наприклад, технологію Оптичного розпізнавання символів (OCR). Вона перетворює зображення тексту в читаний, пошуковий текст і використовувалася протягом років для оптимізації завдань, таких як введення паперових квитанцій або рахунків у програмне забезпечення для звітності про витрати.

Але кожен, хто регулярно використовує OCR, знає, що це не завжди працює, як рекламується. Можливо, ви зробили фотографію квитанції в рухомому потязі, і квитанція була зігнута, що заслоняє інформацію. Можливо, рахунок написаний некрасивим почерком. Можливо, дата вказана в європейському форматі, а система розпізнає лише формат США.

Є безліч причин, чому OCR може неправильно перекласти дані. Це обмежена технологія. Інтеграція більш складної технології, такої як штучний інтелект, може закрити ці пробіли та нарешті ліквідувати дратування, пов’язане з ручним введенням цих цифр.

Це лише початок того, що орієнтований на людину штучний інтелект може зробити можливим. З огляду на можливості штучного інтелекту, нові застосування можуть зробити ще більше для полегшення тертя на роботі. Наприклад, з правильними запитами та роздумливим історичним розпізнаванням закономірностей транзакцій штучний інтелект зможе додати контекст до рахунку за межами полів на сторінці, припускаючи інформацію про центр витрат, проєкт та іншу інформацію через контекст, орієнтований на людину, яка його використовує.

Орієнтований на людину штучний інтелект також може полегшити тертя на робочому місці, переводячи завдання до людей поза системами, такими як корпоративна система ERP. Більшість людей не живуть у системі ERP, але їм потрібно входити в систему (і інші системи), щоб виконувати конкретні завдання, такі як затвердження графіків або запитів працівників.

Що, якщо агент штучного інтелекту принесе ці завдання людині, разом з відповідним контекстом, необхідним для прийняття рішення в програмі, яку вони вже використовують? Це могло б тримати процеси в русі та працівників більш зосередженими. Орієнтований на людину штучний інтелект цього типу може ліквідувати завдання, які не додають цінності, такі як введення даних та вхід у кілька систем.

Як орієнтований на людину штучний інтелект трансформує фінансові функції?

Агільний, ітеративний підхід до штучного інтелекту вже трансформує фінансові функції суттєвим чином. Коли фінансові фахівці занурені в електронні таблиці та аналіз, це може бути складно змінити сторону мозку, пов’язану з оповіданням; тому чому б не створити агента штучного інтелекту, який допоможе у наданні цього контексту?

Наприклад, аномалії та відхилення — це хронічний прикрий для фінансових фахівців, і штучний інтелект може взяти на себе цю роботу, забезпечуючи контекст для пояснення сплесків у корпоративних витратах. Добре спроектований агент може позначити потенційні проблеми до того, як фінансовий аналітик буде розбиратися в усіх електронних таблицях, щоб виявити відхилення.

Аналогічно, агільний, ітеративний штучний інтелект може позначити аномалії до того, як вони виникнуть у сфері HR. Коли є відхилення в оплаті після виконання зарплати та працівник запитує про це, хтось з команди HR повинен покинути все та виконати судову експертизу, щоб виявити причину різниці.

Тщательно спроектований агент штучного інтелекту міг би виявити аномалії до того, як працівники будуть постраждали, позначивши аномалію та забезпечивши контекст для прийняття рішень командою HR там, де вони потрібні. Таким чином, фокус членів команди залишається на максимізації продуктивності, а не на гасінні пожеж, а операції працюють більш гладко.

Ліквідація тертя та workslop: саморобні агенти чи штучний інтелект вендора?

Найкращий спосіб уникнути workslop та отримати реальну цінність від штучного інтелекту полягає в тому, щоб шукати способи зменшити щоденну дозу прикрощів, з якими ми всі стикаємося на роботі, приймаючи на себе завдання, які не додають цінності. Для деяких працівників, включаючи багатьох фінансових та HR-ролей, введення даних у систему — це прикрий, який часто можна ліквідувати за допомогою роздумливої автоматизації.

Для людей, які створюють контент, набір тексту є частиною роботи, але ефективне використання штучного інтелекту вимагає тренінгу, співробітництва та політики, які допоможуть працівникам створити запити, які генерують змістовний контент і не створюють подальшу роботу для колег.

Для автоматизації роботи правильне рішення буде варіюватися залежно від ролі та галузі, але лідери, які інтегрують штучний інтелект на робочому місці, часто будуть мусити вирішувати, чи створювати агенти самостійно, чи отримувати готове рішення штучного інтелекту від вендора.

Для компаній з потужними ІТ-ресурсами, включаючи необмежений доступ до експертизи штучного інтелекту або системного інтегратора, небо — це межа. У цьому випадку вендор, який доставляє технологію створення агентів, яку клієнти можуть використовувати для створення рішень штучного інтелекту самостійно, може працювати.

Але багато підприємств не мають доступу до цих ресурсів, і навіть якщо вони мають, workslop може швидко стати проблемою, коли люди намагаються створити自己的 агенти штучного інтелекту без належного тренінгу та ресурсів для уникнення пасток внизу.

Безпека також є критичним фактором. Імейте на увазі, що люди будуть використовувати штучний інтелект, період. Це означає, що завдання лідера — забезпечити, щоб працівники використовували його безпечно та прозоро — і без введення хаосу.

Що слід враховувати при виборі вендорів?

Для багатьох компаній система, оснащена штучним інтелектом, від вендора — це велика можливість, але пам’ятайте, що не всі продукти створені рівними. Найкращий спосіб уникнути workslop та отримати реальну цінність від штучного інтелекту полягає в тому, щоб знайти систему, яка знає вас якомога ближче.

Наприклад, якщо ваша мета — покращити операції за допомогою системи ERP, оснащеної штучним інтелектом, розгляньте такі питання для потенційних вендорів:

• Чи ліквідує продукт тертя, з яким ваші працівники стикаються найчастіше?
• Чи розв’язує він найскладніші проблеми, з якими стикаються ваші працівники?
• Чи може він адаптуватися до різних рівнів експертизи в вашій організації?
• Чи тримає він людей у циклі та забезпечує підзвітність та прозорість?

Чи ви використовуєте систему для генерації контенту, автоматизації робочих процесів чи відповідей на питання, якість ваших результатів залежить від того, наскільки система знає ваш контекст. Спитайте своїх технологічних партнерів, як їхні рішення штучного інтелекту орієнтовані на людину та забезпечують реальну цінність.

Чи є workslop невідворотним?

Незалежно від того, хто ваш вендор, і чи будуєте ви自己的 агенти чи використовуєте рішення, яке ліквідує тертя за допомогою автоматизації, це залежить від вас як лідера, щоб забезпечити, що штучний інтелект є безпечним, прозорим та додає цінність.

Імейте на увазі, що орієнтований на людину штучний інтелект не визначається лише тим, що він розв’язує реальні проблеми та полегшує людям роботу. Практичний, орієнтований на людину штучний інтелект також тримає людей у циклі, оскільки, в кінцевому підсумку, ми, люди, відповідаємо за результати.

Workslop може бути невідворотною стадією еволюції штучного інтелекту, але він не повинен бути постійною особливістю вашої фінансової функції. Центруючи людей у циклі, інвестуючи в тренінг та обираючи вендорів, які розуміють контекст вашого бізнесу, фінансові директори можуть розблокувати нові рівні продуктивності та стратегічної цінності з систем ERP.

Наступна хвиля інновацій ERP буде驱чена штучним інтелектом, який розуміє ваш бізнес так само, як і ви, і здатний забезпечувати інсайти, автоматизувати рутинні завдання та надавати фінансовим лідерам можливість зосередитися на тому, що має найбільше значення.

Майбутнє фінансів — це контекстно-багате, агільне та орієнтоване на людину. Ви заслуговуєте на інструменти, які ви можете використовувати сьогодні, щоб перейти у завтра, і ви можете розвиватися далі workslop за допомогою практичного, орієнтованого на людину штучного інтелекту, щоб досягти цієї мети.