进化超越“工作垃圾”：实用的人本化AI

“AI 垃圾”问题在过去几年中引起了相当多的文化热议和媒体关注，随着LLM和其他AI内容生成器的使用迅速增加。人们注意到，当低质量的图像和次标准的散文充斥他们的社交媒体时。

由于AI垃圾，我们现在不太可能相信我们怀疑是AI生成的广告内容，即使它不是，并且读者正在识别LLM生成内容的明显迹象，例如过度使用破折号。遗憾的是，“工作垃圾”也是一个事实。

什么是工作垃圾，为什么财务领导者应该关心它？

每个CFO都知道追踪预算差异或花费数小时调和无法解释的异常的挫败感。在今天的企业环境中，AI的承诺无处不在，但也出现了一个新的生产力杀手：工作垃圾。

工作垃圾是自动化的副产品，看起来很漂亮，但缺乏实质、背景或用途。它是那篇充满破折号的文章，但没有教你任何新东西；那份引发更多问题而不是答案的通用报告；那份创建摩擦而不是清晰度的审批工作流。它是AI生成的内容，迫使财务团队做更多的工作，而不是更少的工作。

工作垃圾通常与糟糕的内容质量有关。它贬低了品牌，不值得信任，并传递了一个信息，即人们已经停止关注。但是，当工作垃圾开始影响业务应用程序（如ERP）时，它对生产力和信任的影响就更加明显。

工作垃圾是当AI系统在没有足够的人类输入、背景或监督的情况下生成输出时产生的。对于财务领导者来说，这意味着花费宝贵的时间来澄清、纠正或重做本应自动化的工作。

结果是什么？效率丧失，信任度降低，财务职能停滞在反应模式。你可能认为你的组织在AI方面投入不够，无法受到工作垃圾的影响，但它已经存在。

最近的一篇HuffPost文章引用了一项斯坦福大学的研究，发现超过半数工人表示他们在工作中遇到了工作垃圾。除了烦扰受影响的工人外，工作垃圾还威胁到将AI集成到工作场所的主要卖点：具有异常质量的更高生产力。

好消息是，您可以通过实用的人本化AI方法来最小化或消除工作垃圾。以下是工作垃圾问题的当前状态、工作场所中更周到的AI技术应用以及实现敏捷、迭代AI部署的一些提示。

如果工作垃圾不是问题，而是初稿怎么办？

让我们面对现实——2026年即将到来，AI是一个令人兴奋的产品。它有巨大的潜力来节省时间和提高生产力，所以人们会使用它，无论他们的雇主是否鼓励他们采用这项技术。

问题是，他们是否会以足够的训练和努力来应用它，以获得最佳结果？工作垃圾发生在用户没有给AI足够或结构良好的输入时。要获得AI的最佳结果，您必须保持对话的进行。您必须重写提示或完善需求。这种反复的过程引入了更多的背景和反馈，并帮助您获得更好的结果。

我在创建一个AI提示时亲身经历了这一点，我设想它作为每日例行程序，总结未回复的电子邮件并标记我做出的承诺。听起来像是一个好主意，但原始版本太冗长和笨重，根本没有实际用途。

这需要大量的改进、反馈和来自LLM的指导，才能得到可预测和实用的输出。它需要我清楚地表达我的需求、信息处理风格和注意力持续时间，才能得到有效的结果。

可以说我的初稿是“工作垃圾”，但经过改进，我得到了一个有用的AI工具。如果我在第一次迭代中停止并坚持不友好的初稿怎么办？如果我那样做，我将会处理工作垃圾，阻碍生产力。

放大到涉及多方的更复杂的流程中，您可以轻松地看到AI如何带着最好的意图变成工作垃圾——除非您拥有使其有效的训练、毅力和基础。

毫无疑问，AI可以增加真正的价值。但是，作为领导者，我们需要确保员工拥有成功所需的知识、支持和协调，并且来自前线工作场所的报告表明，还有很多工作要做。

什么是人本化的AI方法，如何实现它？

那么，什么是人本化的AI方法？如何通过实用的方法在将AI集成到工作流程中时获得更好的结果？

对于工作场所中的AI倡导者，一个好的起点是承认目标不是取代人，而是通过了解人来减少摩擦和放大我们的智慧：他们的需求、日常烦恼、判断和目标。

这里有两个教训，可以将人本化的高质量AI带入工作场所。首先，对于使用生成性AI的团队，确保他们有时间和培训来获得更好的结果，具有强大的背景和改进。

对于您选择的提供AI启用的系统，请确保您的技术合作伙伴真正了解您的团队的需求。这意味着了解他们的日常运营环境、什么有效、什么仍然令人沮丧。

工作场所中的人本化AI是什么样的？

AI可以独立应用于使人们的工作更容易，也可以用来增强旧技术以填补工作流程中的空白。例如，光学字符识别（OCR）技术可以将图像中的文本转换为可读、可搜索的文本，多年来一直被用来简化任务，如将纸质收据或发票输入费用报告软件。

但是，任何经常使用OCR的人都知道，它并不总是按预期工作。也许你在移动的火车上拍摄了收据的照片，收据被弯曲，遮挡了信息。也许发票是某人的难以辨认的笔迹。也许日期是欧洲格式，而系统只认识美国格式。

有无数的原因可以解释为什么OCR无法正确翻译数据。它是一种有限的技术。将更复杂的技术如AI集成到OCR中可以填补这些空白，终于消除手动输入这些数字的烦恼。

这只是人本化AI可以实现的开始。考虑到AI的能力，新的应用程序可以做更多的事情来减少工作中的摩擦。例如，使用合适的提示和周到的历史交易数据模式识别，AI可以通过推断成本中心、项目信息和更多基于使用它的人的上下文来为发票添加上下文。

人本化AI还可以通过将任务带到系统外的人员面前来减少工作场所的摩擦。人们的大多数工作不在ERP系统中，但他们必须登录ERP系统（和其他系统）才能执行特定任务，例如批准时间表或员工请求。

如果AI代理将这些任务带到人员面前，并提供他们需要的相关上下文，以便在他们正在使用的程序中做出决定怎么样？这可以使流程继续进行，并使员工更加专注。这种类型的人本化AI可以消除数据输入和登录多个系统等无增值任务。

人本化AI如何改变财务功能？

迭代式AI方法已经在显著的方式转变财务功能。当财务专业人员深陷于电子表格和分析中时，很难转变故事讲述的一面；为什么不建立一个AI代理来帮助提供上下文呢？

例如，异常和异常值是财务专业人员的慢性烦恼，AI可以通过提供上下文来解释公司支出的激增来承担这项工作。一个设计良好的代理可以在财务分析师深入研究所有电子表格之前标记潜在问题。

同样，迭代式AI可以在人力资源领域标记异常。当工资单运行后工资有差异，员工质疑时，人力资源团队中的某个人必须放下一切并进行法医分析以发现差异的原因。这对忙碌的团队来说是一个真正的挑战。

一个周密设计的AI代理可以在员工受到影响之前表面异常，并为人力资源决策者提供上下文。这样，团队成员的关注点保持在最大化生产力上，而不是扑灭火灾，运营更加顺畅。

消除摩擦和工作垃圾：自制代理或供应商AI？

获得真正的AI价值并避免工作垃圾的最佳方法是寻找方法来减少我们每天在工作中遇到的烦恼，通过承担不增加价值的任务。对于许多员工，包括许多财务和人力资源角色，输入数据到系统中是一种烦恼，可以通过周到的自动化来消除。

对于内容创作者来说，输入是工作的一部分，但有效地利用AI需要培训、协作和政策来帮助员工编写提示，生成有意义的内容，并且不会为同事创建下游工作。

对于工作自动化，正确的解决方案将根据角色和行业而有所不同，但将AI集成到工作场所的领导者通常必须决定是否创建自己的代理或从供应商获得现成的AI解决方案。

对于拥有强大IT资源的公司，包括无限制访问AI专业知识或系统集成商，天空是极限。在这种情况下，提供代理构建技术的供应商可能是一个不错的选择。

但是，许多企业没有这些资源，即使他们有，工作垃圾也可能迅速成为一个问题，当人们试图在没有适当的培训和资源来避免下游陷阱的情况下构建自己的AI代理时。

安全性也是一个关键考虑因素。请记住，人们会使用AI，无论如何。这意味着领导者的任务是确保员工以安全和透明的方式使用AI，而不会引入混乱。

选择供应商时需要考虑什么？

对于许多公司来说，供应商的AI启用系统是一个很好的选择，但请记住，并非所有产品都是一样的。获得真正的AI价值并避免工作垃圾的最佳方法是找到一个尽可能多地了解您的系统。

例如，如果您的目标是通过AI启用的ERP系统改善运营，请考虑以下问题：

• 该产品是否消除了您的员工最常遇到的摩擦？
• 它是否解决了您的员工面临的最困难的问题？
• 它是否可以适应组织内的不同专业水平？
• 它是否让人类保持在循环中并确保问责和透明度？

无论您使用系统生成内容、自动化工作流程还是回答问题，结果的质量都取决于系统对您的上下文的了解。请问您的技术合作伙伴，他们的AI解决方案如何以人为中心并提供真正的价值。

工作垃圾是否不可避免？

无论您是谁，您的供应商是谁，或者您是否正在构建自己的代理或使用解决方案消除摩擦，无论您使用的是自动化，工作垃圾都是一个需要解决的问题。作为领导者，确保AI是安全、透明和增加价值的是您的责任。

请记住，人本化AI不仅仅是解决真正的问题和使人们的工作更容易。实用的、人本化AI还让人类保持在循环中，因为最终，我们人类对结果负责。

工作垃圾可能是AI演进的一个不可避免的阶段，但它不必成为您财务职能的永久特征。通过让人类置于中心，投资培训，并选择了解您的业务背景的供应商，CFO可以解锁ERP系统的新生产力和战略价值。

下一波ERP创新将由理解您的业务并能够提供见解、自动化例行任务和赋予财务领导者关注最重要事项的能力的AI驱动。

财务的未来是上下文丰富、敏捷和人性化的。您值得拥有今天可以使用的工具来带您进入明天，您可以通过实用的、人本化的AI演进超越工作垃圾，达到目的地。