Punchcard Systems 的管理合伙人 Sam Jenkins – 采访系列

Sam Jenkins，Punchcard Systems 的管理合伙人，已经在技术、创业和组织转型的交叉点上工作了二十多年。自 2016 年联合创立 Punchcard Systems 以来，他帮助指导了公司的增长，并为组织提供了数字工作场所战略、定制软件、人工智能和新兴技术的建议。他的早期经验包括联合创立 Startup Edmonton 和 Wellnext，领导 iomer 互联网解决方案的商业发展和 Microsoft 工作场所技术计划，并在技术、医疗保健、公共安全和社区组织的高管和董事职位上任职。这种背景使他对技术如何改变人们的协作、决策和工作方式有了广泛的了解。

Punchcard Systems 是一家加拿大的软件和技术合作伙伴，帮助中型企业和成长中的企业设计、开发和实施与可衡量的业务目标相关的数字解决方案。服务于加拿大和美国的 150 多家客户，公司的能力包括定制的 Web 和移动软件、人工智能、云基础设施、数据和分析、用户体验设计以及 Microsoft 365、Azure、Copilot、Teams、SharePoint 和 Power Platform 等工作场所技术。Punchcard 致力于帮助组织现代化运营、改善员工和客户体验，并将新技术整合到实际的业务流程中。

您的职业生涯一直伴随着工作场所技术的演变，从 Microsoft SharePoint 基础的员工平台和联合创立 Startup Edmonton 到建立 Wellnext 和最终的 Punchcard Systems。这种经历如何塑造您对从软件（由员工自己操作）到 AI 代理（代表员工执行工作）的转变的看法？

当我第一次开始使用数字工作场所技术，如 SharePoint（2003 年！）时，重点是创建更好的方式让员工找到信息、分享知识和协作。最终，员工仍然执行工作：他们导航系统，产生输出。今天，我们正在超越 AI 作为个人生产力工具的时代，进入一个新的 AI 代理时代，在这个时代，系统可以代表员工执行更复杂、多步骤的任务。

这就是变化的部分。作为一个生态系统，我们正在超越 AI 作为个人生产力工具，进入一个 AI 代理系统的时代，这些系统可以代表人类执行复杂的工作。Claude Cowork 和 ChatGPT Work 都使这种代理方法变得非常主流。

我已经看到了几次这样的技术转变，每次都遵循同样的模式。获胜的组织不仅仅把新技术当作部署，而是把它当作重新思考人们、流程和技术如何协同工作的机会。

ChatGPT Work 可以从连接的应用程序和文件中收集信息，完成多步骤的任务，并产生完成的文档、电子表格和演示文稿。对于以前自己创建这些材料的知识工作者来说，这将如何改变他们的日常职责？

我认为工作正在从“产生输出”转变为“管理结果”。这从根本上改变了知识工作者的角色，但这并不意味着人类的洞察力和监督的需求被取代。相反，员工将越来越多地从创建每一份工作转变为管理、审查和编排 AI 生成的输出。

大量重复的工作将转移到代理：收集信息、构建演示文稿或文档、或总结数据。这使人们有时间从事真正需要人工的工作：策略、创造力、批判性思维和协作。

越来越有价值的技能是知道如何有效地指挥 AI，通过给予它正确的上下文，并认识到答案看起来正确但实际上并非如此的时刻。

您描述了一种日益增长的需要“AI 经理”的角色。这种角色在实践中将涉及什么内容，它将如何与 IT 管理员、产品经理或传统的人力资源经理的职责有所不同？

AI 经理将在帮助组织负责地采用 AI 方面发挥重要作用。他们的职责将是管理和治理 AI 输出，确保 AI 生成的工作是准确、可靠和符合业务目标的。

这与传统的 IT 职责不同，后者拥有基础设施和技术系统，或者产品经理，后者专注于开发和改进产品。每个部门都需要有人了解 AI 如何应用于他们的特定领域，无论是财务、法律、人力资源还是运营。

真正的转变是所有权。目前，组织中大多数人还没有明确指定谁对这些系统是否能够提供价值和保持在可接受的风险范围内负责。这种差距，即确定直接负责的个人，是这些角色将要填补的内容。

KPMG Canada 发现，AI 代理已经开始影响组织如何招聘初级和经验丰富的员工。随着雇主开始评估候选人的能力，以委派工作给 AI、评估其输出和在必要时进行干预，哪些技能将变得更加有价值？

将变得更加有价值的技能是那些仍然独特于人类的技能，例如批判性思维、判断力、沟通、创造力、解决问题和领导力。

技术 AI 文化仍然很重要，但雇主正在寻找那些了解 AI 如何融入更广泛的商业环境的人。这些技能包括变革管理、风险管理和战略思考。

技术和非技术角色的界限正在变得模糊。组织正在远离仅仅为某人已经具备的技能招聘，转而寻找愿意学习、适应和不断提升技能的人。最有价值的员工将是那些能够利用 AI 能力，同时理解人类判断力在哪里仍然至关重要的人。

许多员工传统上通过完成重复的入门级任务来发展专业判断力。如果 AI 代理吸收了大部分基础工作，组织如何重新设计培训和职业发展，以便年轻员工仍然能够获得成为有效决策者的所需经验？

这是一个让我有点担忧的真相。人们过去通过完成入门级任务来建立判断力和经验。如果代理完成这些工作，阶梯就少了几步。

组织必须比以往任何时候都更加有意地建立初级人才，通过指导、辅导、决策练习和早期接触高价值项目来实现这一点。

还有机会进行反向指导，年轻员工更熟悉 AI 工具，可以帮助团队了解如何应用这些技术，而经验丰富的员工继续提供商业背景和判断力，这些是 AI 无法复制的。

目标应该是为人类和 AI 共同工作的工作场所重新设计学习过程。

Punchcard 在实施 Microsoft 365 和相关工作场所技术方面有着丰富的经验。ChatGPT Work 将如何改变 Microsoft Copilot 和 Google Gemini 的竞争格局，组织在选择 AI 平台用于日常工作时应该考虑哪些因素？

格局正在迅速演变，组织拥有比以往更多的选择。决定应该基于哪种解决方案最能与组织现有的技术环境、工作流程、安全要求和业务目标保持一致。

对于已经投资于 Microsoft 365 的组织，像 Copilot 这样的工具可能会通过与现有应用程序和数据的集成提供优势。其他组织可能会发现不同的平台更适合他们的需求。

我认为领导者应该问的一个关键问题不是“哪种工具？”而是“我们要解决什么问题，哪种平台可以帮助我们负责地解决它？”

我们亲身经历了这一点：成功的采用不仅仅是关于工具。我们实施了针对公司实际工作方式的定制模型的公司范围 AI 平台。每个员工都使用它，但这并不是来自于选择了正确的产品；而是来自于强大的数据基础、治理和将 AI 建立到公司运营的方式中。

模型性能通常主导对工作场所 AI 的讨论，但组织也需要考虑权限、数据访问、可审计性和问责制。组织在允许 AI 代理跨电子邮件、文档、内部数据库和商业应用程序操作之前，应该建立哪些治理控制？

组织犯的一个最大错误是把 AI 治理当作事后补充。随着 AI 系统变得更加强大和与业务数据连接，组织需要在广泛推广这些工具之前建立明确的使用原则。

这首先需要了解 AI 系统可以访问哪些信息，确保权限得到适当的范围划分，并建立监控和问责制的控制措施。

组织还需要明确指出 AI 可以独立操作以及需要人类监督的地方。

通过在数据和安全方面建立正确的基础，企业可以在管理风险的同时解锁 AI 的价值。

随着 AI 代理采取行动而不仅仅提供答案，错误可能会产生运营后果。企业应该如何验证代理生成的工作，确定哪些操作需要人类批准，并在代理产生不准确的结果或采取意外行动时分配责任？

当 AI 从回答转变为采取行动时，风险状况就会发生变化。并非每项任务都具有相同的风险，因此人类签署的门槛应该随着结果的重要性而提高。

简单地说，这需要明确的所有权。AI 应该支持决策，而不是取代责任。组织需要定义谁监控 AI 性能、验证输出并最终对结果负责。目标是将 AI 驱动的效率与人类判断力相结合，创建既可扩展又值得信赖的系统。

许多组织正在尝试使用 AI，但尚未将采用与可衡量的业务成果联系起来。领导者应该如何识别有价值的代理使用案例，衡量投资回报率，并确定是否准备好将试点项目扩展到整个组织？

差距通常可以追溯到顺序。团队首先选择技术，然后寻找可以使用它的地方，而持久的胜利来自于从一个已经痛苦和昂贵的工作流程开始，并询问代理是否真正是正确的工具。

最好的过滤器是可变性。如果一个过程足够可预测，可以使用规则引擎，那么您就不需要代理。如果它过于开放，以至于无法描述一个好的结果，那么代理将难以应对，您也无法信任它。价值介于两者之间，在需要跨多个系统进行判断的工作中，但仍然在有界限和可审计的规则内运行。

我会添加一个改变风险状况的筛选问题。错误行为的成本是否有界限和可逆转？在有界限和可逆转的情况下，让代理采取行动并快速移动。错误很昂贵或难以纠正时，保持人在决策过程中。

在回报方面，常见的错误是测量错误的东西，测量时间太晚。节省的时间是默认指标，但它低估了影响。更大的回报出现在周期时间压缩、错误率降低和之前被限制的容量变得可用时。一个只能处理一半票据的支持团队一旦可以处理所有票据，就变成了一个不同的业务。开始试点之前，请捕获一个干净的基线，因为没有它，您将陷入辩论轶事中。当您计算成本时，请考虑完整的图景。集成工作和人类监督时间都是真正的项目，监督经常被低估。

决定是否扩大规模是需要纪律的地方，这也是团队匆忙的步骤。一个在干净输入上的演示告诉您很少。一个试点只有在以下情况下才算准备好扩大：它能在真正的、混乱的输入上保持稳定，失败模式被理解和有界限，观察性得到保证，以便在客户发现之前捕获到沉默的失败，并且在生产中有一个指定的负责人。

运行一个单位经济检查也是如此，因为代理成本会随着使用量的增加而增加，就像软件座位一样。

代理系统的故障方式与传统软件不同。它们以概率方式故障，通常是安静的，因此领先的组织从第一天开始就建立评估和监控，而不是在某些东西破裂后将其固定。

Punchcard Systems 帮助组织从尝试使用 AI 转变为将其整合到真正的业务流程中。您如何评估组织对 AI 的准备度，确定 AI 可以提供可衡量价值的工作流程，并帮助团队负责地实施这些系统而不会破坏现有的运营？

首先了解组织的当前状态至关重要。人们的一个最大误解是，AI 采用只是关于选择正确的工具。实际上，成功的实施取决于强大的基础：高质量的数据、明确的流程和明确的所有权。

从那里开始，我们帮助组织确定 AI 可以创造最大价值的地方，通常是在消耗了大量时间但相对于其影响而言却不成比例的工作流程中，或者是在没有正确信息的情况下做出决定的地方。

组织必须思考角色和决策如何随着技术的演变而演变。通过将正确的技术与员工采用和变革管理相结合，企业可以以一种创造可衡量价值而不破坏现有工作的方式整合 AI。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问 Punchcard Systems。