Problemy, jakie napotka Twoja firma podczas transformacji AI i jak do nich podejść

Przez ostatni rok konsultowałem się z menedżerami i przedsiębiorcami w sprawie wykorzystania sztucznej inteligencji w ich projektach i firmach. Rozmawiałem z bankierami, producentami i prawnikami. Prowadziłem warsztaty dla programistów na temat integracji AI z ich oprogramowaniem i wykorzystania AI do przyspieszenia rozwoju oprogramowania. Spotkałem zespoły próbujące uczynić swoje oprogramowanie bardziej interaktywnym i przyjaznym dla użytkownika. Słyszałem skargi i usprawiedliwienia, dlaczego sztuczna inteligencja nie będzie dobrym rozwiązaniem w ich przypadku. Widziałem kilka błędów, kilka straconych okazji i wiele obojętności zmieszanej z samozadowoleniem. Oto czego się nauczyłem.

Spis treści

  1. Chatboty nie są najlepszą cechą sztucznej inteligencji
  2. Sztuczna inteligencja zabija miejsca pracy tylko wtedy, gdy zabija całe firmy
  3. Sceptycy wciąż podnoszą poprzeczkę
  4. Ludzie nienawidzą sztucznej inteligencji
  5. Hype tworzy absurdalnie zawyżone oczekiwania
  6. Większość płatnych usług AI może zostać zreplikowana w ciągu 2 tygodni przez przeciętnego programistę
  7. Szybkie zwycięstwa są pomijane
  8. Jak wykorzystać sztuczną inteligencję w biznesie, nie tracąc przy tym głowy i pieniędzy?

Chatboty nie są najlepszą cechą sztucznej inteligencji

Masowa świadomość generatywnej sztucznej inteligencji rozpoczęła się od ChatGPT. W związku z tym przez pewien czas zakładaliśmy, że chatboty staną się zabójczą cechą sztucznej inteligencji. Napisałem kilka artykułów pokazujących, jak zbudować bota Slack opartego na sztucznej inteligencji, bota na Facebooku lub stronę internetową, na której można rozmawiać ze sztuczną inteligencją o treści dowolnego filmu na YouTube. Wszystkie te rzeczy działają dobrze, ale po drodze odkryliśmy, że sztuczna inteligencja może zrobić znacznie więcej. Wkrótce ludzie zaczęli tworzyć chatboty, aby rozmawiać z notatkami Notion, dokumentami lub transkrypcjami rozmów telefonicznych. To wszystko robi wrażenie, ale sztuczna inteligencja nie kończy się na chatbotach. Chatboty są jedną z funkcji AI, które początkowo wydają się świetne, ale szybko odkrywa się ich ograniczenia.

https://twitter.com/QuinnyPig/status/1742609033327149187
https://twitter.com/QuinnyPig/status/1742609033327149187

Chatboty nie tylko zgadzają się ze wszystkim, co mówią ich użytkownicy, ale także kłamią, by zadowolić użytkownika. Powodzenia w budowaniu takiego chatbota do obsługi klienta. Oczywiście możesz stworzyć chatbota, a ludzie mogą polubić korzystanie z niego, ale czy będzie to dobre dla firmy? Wyobraź sobie pozew sądowy, ponieważ chatbot obiecał coś, czego nie możesz dostarczyć.

https://twitter.com/GregKamradt/status/1749819064317583423
https://twitter.com/GregKamradt/status/1749819064317583423

Jak mówi Greg Kamradt, “czat to tylko jeden z N interfejsów, z którymi użytkownicy mogą wchodzić w interakcje (o wiele więcej)”. W końcu, jeśli sztuczna inteligencja jest tak inteligentna, dlaczego w ogóle muszę jej mówić, czego chcę? Czy sztuczna inteligencja nie może przewidzieć moich potrzeb i być proaktywna? Jeśli korzystasz z autouzupełniania opartego na sztucznej inteligencji, takiego jak Github Copilot lub nawet funkcji uzupełniania zdań w Gmailu, wiesz, że sztuczna inteligencja może wykonywać autouzupełnianie i jest coraz lepsza.

Według Grega, rzeczywistymi czynnikami zmieniającymi zasady gry są wyszukiwanie semantyczne, transformacja danych i zautomatyzowane podejmowanie decyzji. Oczywiście przypadki użycia wyszukiwania semantycznego, które obecnie budujemy, opierają się głównie na zawyżonych oczekiwaniach. Mamy nadzieję, że wrzucenie kilku gigabajtów plików PDF do wektorowej bazy danych sprawi, że sztuczna inteligencja poprawnie odpowie na nasze pytania. Nie stanie się tak, dopóki nie zobaczymy kolejnego przełomu w technologii AI. Wyszukiwanie semantyczne działa najlepiej, gdy wkładamy dużo wysiłku we wstępne przetwarzanie danych. Zarówno podczas wypełniania wektorowej bazy danych danymi, jak i podczas pobierania odpowiedzi.

Jeśli kiedykolwiek słyszałeś o wektorowych bazach danych, możesz wiedzieć, że takie bazy danych wyszukują tekst podobny do zapytania. Używamy wektorów, ponieważ mamy nadzieję, że odpowiedź na pytanie zawiera słowa (lub ich synonimy) podobne do samego pytania. Nie zawsze tak jest. Dlatego w przypadku wyszukiwania semantycznego musimy sparafrazować pytanie (lub czasami sparafrazować dane wejściowe podczas przechowywania ich w bazie danych), zakładając, że wiele wersji tego samego zapytania pomoże nam znaleźć bardziej istotne informacje bez odkrywania zbyt dużego szumu. Możemy uzyskać przyzwoite rozwiązanie odpowiadające na pytania, gdy umieścimy sztuczną inteligencję na szczycie wektorowej bazy danych, chyba że użytkownicy celowo spróbują złamać sztuczną inteligencję. Porozmawiamy o tym później.

Niestandardowe transformacje danych to wszystkie funkcje “Podsumuj”, “Znajdź następną akcję” lub “Znajdź cytat”. Możliwość transformacji tekstu działa doskonale w obecnych modelach generatywnej sztucznej inteligencji. Dlatego w ciągu ostatniego roku do wielu aplikacji dodano setki przycisków “Podsumuj”. Większość z nich w ogóle nie potrzebowała takiej funkcji. Nawet Todoist ma teraz asystenta AI. Asystent może podzielić zadanie na podzadania. Podzadania asystenta są zbyt rozwlekłe, oparte na ukrytych przed użytkownikiem założeniach, a cała funkcja jest zbyt powolna. Nie uważam tego za pomocne, ale ktoś zdecydował, że Todoist potrzebuje asystenta AI. Prawdopodobnie dlatego, że “wszyscy inni go mają”. Mam nadzieję, że masz lepszy powód, by korzystać ze sztucznej inteligencji.

Sztuczna inteligencja w podejmowaniu decyzji to kontrowersyjny temat. Gdy tylko o tym wspomnisz, ludzie wymyślają banalne przykłady sytuacji, w których sztuczna inteligencja nie może podjąć właściwej decyzji, takie jak problem z wózkiem lub autonomiczne drony wojskowe. Nie mówimy o decyzjach o tak wysokiej stawce.

Na początek, możemy użyć sztucznej inteligencji do przekierowania e-maili wsparcia do odpowiedniego zespołu, zamiast zmuszać ludzi do czytania nieistotnych e-maili i przekazywania ich sobie nawzajem, dopóki nie znajdą kogoś, kto może rozwiązać problem. Sztuczna inteligencja może również zasugerować przedstawicielowi handlowemu, który produkt może spróbować dosprzedać, a nawet przygotować wiadomość e-mail z ofertą. Zalecam jednak zastanowienie się dwa razy, trzy razy lub tyle razy, ile potrzeba, dopóki nie zdecydujesz, że wysyłanie wiadomości e-mail bez uprzedniego zatwierdzenia treści przez kompetentnego człowieka jest okropnym pomysłem.

Sztuczna inteligencja zabija miejsca pracy tylko wtedy, gdy zabija całe firmy

Widzieliśmy wiadomości o firmach zwalniających pracowników i mówiących, że stało się to z powodu sztucznej inteligencji. To kłamstwo. Sztuczna inteligencja stała się wygodną wymówką, gdy chcesz zwolnić kilkaset osób, aby obniżyć koszty i dać interesariuszom wyższe premie. Wcześniej trzeba było zatrudniać zewnętrznych konsultantów biznesowych, by znaleźć wymówkę. Zwolnienia nie były twoją winą; konsultanci kazali ci zwalniać ludzi. Teraz mamy sztuczną inteligencję i mówimy, że zastąpiła ona pracowników. Czym ich zastąpiła? Widziałeś którąkolwiek z tych automatyzacji? Czy pozostali pracownicy są bardziej produktywni?

Oczywiście niektóre firmy zwalniają pracowników z powodu AI. Zastanówmy się, jaki jest tego powód. Czy zwalniają ich, ponieważ pozostali ludzie mogą podwoić swoją wydajność dzięki AI i nie potrzebują już tak dużego zespołu, czy też zwalniają ludzi, ponieważ cała ich działalność nie ma sensu w świecie z AI?

Jasper był kiedyś narzędziem do pisania e-maili, artykułów lub notatek z pomocą sztucznej inteligencji. Używali wczesnej wersji generatywnej sztucznej inteligencji. Kiedy ChatGPT został wydany, Jasper musiał zmienić markę, aby stać się AI Copilot dla zespołów marketingowych. Ich poprzedni pomysł na biznes nie ma już sensu. Kto płaciłby im za automatyczne pisanie e-maili, gdy można uzyskać lepszą jakość treści z ChatGPT, nawet w jego darmowej wersji?

Duolingo zwolniło część swoich tłumaczy, ponieważ AI może wykonywać ich pracę. Mówiąc dokładniej, Duolingo zwolniło wykonawców, którzy pracowali w firmach świadczących usługi tłumaczeniowe. Ponieważ sztuczna inteligencja może zastąpić takie usługi, cały model biznesowy firm świadczących usługi tłumaczeniowe jest zagrożony.

A co z Duolingo? Czy zabawna, ale, szczerze mówiąc, nieefektywna metoda nauki języka nadal ma sens, gdy możemy mieć osobistego nauczyciela języka opartego na sztucznej inteligencji, z którym możemy porozmawiać na dowolny temat i który wyjaśni każdą strukturę gramatyczną, podając tyle przykładów, ile potrzebujemy? Czy Duolingo zwolniło ludzi, by zastąpić ich sztuczną inteligencją, czy też Duolingo zwolniło ludzi, by przetrwać nieco dłużej w świecie, w którym sztuczna inteligencja zastąpiła ich usługi? Wciągająca grywalizacja i poczucie postępu (niezależnie od faktycznej poprawy umiejętności językowych) mogą nie wystarczyć do osiągnięcia zysku.

Sceptycy wciąż podnoszą poprzeczkę

Ale AI wciąż popełnia błędy! Ma halucynacje. Tłumaczenia nie są doskonałe. Pisze artykuły z dużą ilością fluffu i brakiem treści. Tak, ale rok temu sztuczna inteligencja nie potrafiła nawet wykonać tych zadań. AI może zawsze popełniać błędy w tłumaczeniach, ale dwujęzyczni ludzie też je popełniają. Sztuczna inteligencja może pisać bardziej jak Tom Wolfe niż Ernest Hemingway, ale niektórzy ludzie wolą Wolfe’a od Hemingwaya.

Sceptycy sztucznej inteligencji utrzymują ją w standardach znacznie wyższych, niż oczekiwaliby od ludzi. Zawsze będzie można znaleźć pewne niedoskonałości. Sztuczna inteligencja nie musi być wszechwiedząca.

Niestety, kiedy prowadziłem warsztaty dla działów prawnych, prawnicy skupiali się na błędach. Myślę, że to dla nich naturalne. Prawnicy powinni się czepiać. Sztuczna inteligencja może przeoczyć niuanse związane z dodaniem lub usunięciem przecinka w zdaniu i ogromne konsekwencje prawne takiej edycji. Jednak przy odpowiednim przygotowaniu danych sztuczna inteligencja powinna być w stanie znaleźć przepisy dotyczące konkretnej sprawy, wcześniejsze wyroki sądowe lub luki prawne wykorzystywane przez prawników w przeszłości.

Podobnie, menedżerowie mają tendencję do odrzucania zdolności decyzyjnych AI, ponieważ wyobrażają sobie, że oznacza to, że AI będzie podejmować strategiczne decyzje lub mówić im, jak prowadzić firmę. Koncentrując się na tak wysokich oczekiwaniach, menedżerowie pomijają drobne codzienne wybory, których muszą dokonywać. Jakie notatki musisz przeczytać przed następnym spotkaniem? Kto i w jakiej sprawie obiecał ci kontynuację (w tym przypadku naprawdę przydatna sztuczna inteligencja przypomniałaby osobie, która obiecała kontynuację, a nie menedżerowi, który na nią czeka), a nawet decyzje takie jak to, czy powinniśmy zadzwonić do klienta rano czy po południu (czy naprawdę musisz pamiętać, czy zamykasz więcej sprzedaży dzwoniąc wcześnie, czy też osoba, do której dzwonisz, ma więcej czasu po południu)? Wszystkie te rzeczy wydają się trywialne, ale dzwonienie o niewłaściwej porze lub nieprzygotowanie do spotkania może być kosztownym błędem. Jak mógłbyś poświęcić swój czas i energię, gdybyś nie musiał myśleć o takich szczegółach?

Sceptycy są wszędzie. Programiści powinni być entuzjastycznie nastawieni do AI, prawda? Na każdym warsztacie spotkałem kogoś, kto oczekiwał, że za każdym razem otrzyma doskonały kod od sztucznej inteligencji. Programista nie potrafił jasno wyrazić swoich oczekiwań na piśmie i oczekiwał, że sztuczna inteligencja domyśli się, co należy zrobić. Ten sam programista nie powiedziałby, że StackOverflow (forum dla programistów, na którym można zadawać konkretne pytania i głosować, która odpowiedź jest poprawna) jest bezużyteczne, jeśli odpowiedź nie jest dokładnie tym, czego potrzebuje.

Skupmy się bardziej na pracy wspomaganej przez AI niż na pracy zastępowanej przez AI. Przedstawię kilka pomysłów w dalszej części tego artykułu.

Ludzie nienawidzą sztucznej inteligencji

Kiedy budujesz chatbota i udostępniasz go publicznie, jestem pewien, że wydarzą się dwie rzeczy. Po pierwsze, ludzie będą próbowali używać twojego chatbota jako darmowego ChatGPT. Darmowy dla nich. Ty zapłacisz za wszystkie te żądania. Po drugie, ktoś będzie próbował złamać sztuczną inteligencję, sprawiając, że chatbot powie coś nieodpowiedniego lub niepoprawnego, tak jak ktoś to zrobił, gdy DPD wypuściło chatbota do obsługi klienta. Według Sky News, ktoś sprawił, że bot przeklinał i nazwał DPD najgorszą firmą kurierską. Firma musiała zamknąć chatbota.

Wszystko to brzmi okropnie, ale można to jeszcze pogorszyć, instruując swojego chatbota, aby udawał, że jest prawdziwą osobą. Bycie fałszywym nigdy nie działa w obsłudze klienta. Czy myślisz, że ludzie ufają firmom, które zlecają swoje call center do Indii lub Polski, ale każą swoim pracownikom używać amerykańskich imion? Czy Santosh udający Matthew lub Katarzyna wcielająca się w rolę Sary wydają się przekonujący?

Jestem przekonany, że powszechne wykorzystanie chatbotów AI do obsługi klienta jest okropne. Każda firma, która sprawia, że obsługa klienta jest nieprzyjemnym doświadczeniem, zapomniała, że jej klienci generują 100% zysków firmy. Możesz zmusić ludzi do korzystania z twojego chatbota, nie dając im innej opcji, ale twoja konkurencja, która nadal pozwala klientom rozmawiać z prawdziwymi ludźmi, zyska przewagę konkurencyjną za darmo.

https://twitter.com/rachel_l_woods/status/1692375158160580692
https://twitter.com/rachel_l_woods/status/1692375158160580692

Tak więc, zamiast upubliczniać chatbota lub jakikolwiek inny system sztucznej inteligencji i pozwalać mu nieuchronnie zostać zdewastowanym, możemy zbudować wewnętrzne narzędzia sztucznej inteligencji. Czy to uszczęśliwi pracowników? Nie jestem pewien.

Czy ludzie chcą być bardziej wydajni w pracy? Według Talentism, “W badaniu sprzed pandemii okazało się, że lenistwo jest endemiczne wśród pracowników. 75% respondentów przyznało, że nie pracowało na miarę swoich możliwości nawet raz w tygodniu”. Talentism twierdzi, że dzieje się tak głównie z powodu nieefektywności procesów wewnętrznych, a nie faktycznego lenistwa. Ale jak często ludzie walczą z nieefektywnością? W niedawnym badaniu Gallup stwierdzono, że “zaangażowanie pracowników w USA zrobiło kolejny krok wstecz w drugim kwartale 2022 r., przy czym odsetek zaangażowanych pracowników pozostał na poziomie 32%, ale odsetek aktywnie niezaangażowanych wzrósł do 18%. Stosunek zaangażowanych do aktywnie niezaangażowanych pracowników wynosi obecnie 1,8 do 1, najniższy od prawie dekady”.

Z jednej strony, przynajmniej w niektórych przypadkach, ludzie są “niezaangażowani w pracę”, ponieważ pracownicy są znudzeni swoimi zadaniami, a pozwolenie sztucznej inteligencji na wykonanie przynajmniej części pracy może zwiększyć satysfakcję z pracy i produktywność zespołu. Z drugiej strony, wyobrażam sobie, że są ludzie, których praca polega na kopiowaniu informacji z przychodzących e-maili do CRM i nie chcą żadnej innej pracy, ponieważ takie zadanie pozwala im marzyć, przeglądać Internet, plotkować ze współpracownikami itp. Ci ludzie byliby wściekli, gdybyś zasugerował zautomatyzowanie ich pracy za pomocą sztucznej inteligencji.

Co możesz zrobić? Nie zaskakuj transformacją AI i nie automatyzuj zbyt wielu rzeczy naraz. Zacznij od najbardziej irytujących zadań. Nikt nie będzie protestował, jeśli zautomatyzujesz coś, czego nienawidzi. Następnie przejdź do kolejnego najbardziej irytującego zadania. A co z ludźmi, którzy z radością wykonują proste prace? Uczyń ich odpowiedzialnymi za nadzorowanie automatyzacji AI związanej z czymś poza ich codziennymi zadaniami. Niech przyzwyczają się do pracy u boku AI.

Hype tworzy absurdalnie zawyżone oczekiwania

Wykonaliśmy świetną robotę podczas marketingu AI. Teraz ludzie oczekują, że będą w stanie wrzucić wszystkie swoje dokumenty do bazy danych lub bezpośrednio do podpowiedzi, a sztuczna inteligencja doskonale odpowie na wszystkie pytania. Jak już wspomniałem, sztuczna inteligencja nie musi być doskonała - może nigdy nie być doskonała.

https://twitter.com/vboykis/status/1739276191431852035
https://twitter.com/vboykis/status/1739276191431852035

W moim artykule na temat rozwiązywania problemów biznesowych za pomocą AI porównałem AI do osoby siedzącej w pustym pokoju z długopisem i kartką papieru. Osoba w pokoju otrzymuje wydruki z niezbędnymi informacjami i kartkę papieru z instrukcjami. Jeśli potrzebuje czegoś obliczonego, znalezionego w archiwach lub wypełnionego do późniejszego wykorzystania, musi zapisać zadanie i przekazać je komuś innemu. To jest właśnie sztuczna inteligencja. Rozwiązując problem za pomocą sztucznej inteligencji, pomyśl o tym, jak taka osoba mogłaby rozwiązać problem, używając tylko długopisu i papieru. Osoba i SI mogą korzystać z zewnętrznych narzędzi (baz danych, dostępu do Internetu, działającego kodu), ale muszą najpierw napisać instrukcje i przekazać je komuś, kto jest w stanie je zrozumieć. Jeśli potrafisz wyobrazić sobie proces rozwiązywania problemów, który może być skuteczny w tak ograniczonej konfiguracji, możesz być gotowy do użycia sztucznej inteligencji i istnieje szansa, że uzyskasz dobre wyniki. Z drugiej strony, jeśli nie potrafisz sobie wyobrazić, jak osoba wyposażona tylko w patelnię i papier mogłaby zrobić to, czego potrzebujesz, sztuczna inteligencja najprawdopodobniej również zawiedzie.

Pamiętaj też, że interakcje z zewnętrznymi systemami są zawsze podatne na błędy, a zbyt duża ich liczba pogorszy odpowiedzi AI. Załóżmy, że twój pomysł wymaga użycia sztucznej inteligencji jako koordynatora, proszącego o informacje z oprogramowania, przekazującego zadania ludziom i sprawdzającego, czy je ukończyli. W takim przypadku musisz albo używać sztucznej inteligencji osobno dla każdego kroku bez globalnego koordynatora, albo uprościć proces.

https://twitter.com/prerationalist/status/1750861292796096964
https://twitter.com/prerationalist/status/1750861292796096964

Bądź świadomy zadań, w których sztuczna inteligencja najprawdopodobniej zawiedzie. Instrukcje z zaprzeczeniami są bardziej prawdopodobne, że zostaną źle zrozumiane niż instrukcje sformułowane jako pozytywne stwierdzenia. Jeśli chcesz usunąć pewne zachowanie, powiedz “Unikaj robienia X” zamiast “Nie rób X”. Problem ignorowania negacji może być mniej powszechny w GPT-4, ale wcześniejsze wersje i modele open-source często wymagają przeformułowania monitu. W przypadku modeli generujących grafikę najlepiej jest unikać wspominania o tym, czego się nie chce.

Wreszcie, sztuczna inteligencja woli mieć halucynacje i dawać ci kompletne bzdury, niż powiedzieć, że czegoś nie wie lub nie jest w stanie wykonać zadania, które chcesz. Wszyscy znamy takich ludzi i wiemy, jak się z nimi obchodzić. Potrzebujemy tych samych umiejętności dla sztucznej inteligencji. Kiedy używasz sztucznej inteligencji do znalezienia odpowiedniego cytatu w artykule, podaj jej kilka przykładów tekstu z odpowiednimi informacjami i bez nich oraz odpowiedź, jakiej oczekujesz we wszystkich tych przypadkach. Ta technika podpowiedzi nazywana jest uczeniem się w kontekście, a w zależności od liczby przykładów można powiedzieć, że jest to uczenie się w kontekście jednorazowym (jeden przykład) lub kilkukrotnym (2+). Dostarczenie przykładów, co zrobić z brakującymi danymi, pokazuje sztucznej inteligencji, że zwrócenie komunikatu “Brak wystarczających informacji” jest jedną z akceptowalnych opcji.

Większość płatnych usług AI może zostać zreplikowana w ciągu 2 tygodni przez przeciętnego programistę

Tydzień, jeśli programista używa sztucznej inteligencji do pisania kodu.

Wiele usług opartych na sztucznej inteligencji opracowanych w zeszłym roku to proste opakowania wokół interfejsu API OpenAI. Aplikacje te dodają kilka instrukcji do monitu i czasami przekształcają dane wyjściowe. I to jest w porządku! Jesteśmy na wczesnym etapie korzystania z generatywnej sztucznej inteligencji. Aplikacje, które teraz tworzymy, są odpowiednikiem wczesnych aplikacji na iPhone’a lub Androida. Wczesne sklepy z aplikacjami były pełne budzików, minutników, latarek, kalendarzy i innych prostych aplikacji replikujących wbudowane funkcje mobilnego systemu operacyjnego z niewielkimi dostosowaniami. Aplikacje oparte na sztucznej inteligencji są obecnie na podobnym etapie.

Co to oznacza dla Twojej firmy? Myślę, że oznacza to dwie rzeczy. Po pierwsze, nie można oczekiwać, że którakolwiek z tych aplikacji będzie istnieć w ciągu roku, ponieważ programiści mogą zdecydować się na przejście do czegoś innego lub uruchomienie aplikacji będzie kosztować znacznie więcej, niż mogą kiedykolwiek zarobić. Po drugie, możesz budować aplikacje oparte na sztucznej inteligencji, ponieważ obecne implementacje są nadal stosunkowo proste. Nie zrozum mnie źle. Podstawowa technologia jest bardzo złożona, ale nie musisz jej rozumieć, gdy wszystko, co robisz, to łączenie gotowych elementów i pisanie kodu, aby działał. Programista, którego już zatrudniłeś, może to zrobić, a jeśli nie masz programisty w swoim zespole, możesz zatrudnić konsultanta, który zbuduje dla ciebie automatyzację. Najtrudniejszym i najbardziej czasochłonnym zadaniem będzie sprawienie, by strona internetowa wyglądała ładnie (jeśli chcesz wchodzić w interakcje z AI za pomocą strony internetowej).

W wielu przypadkach nie potrzebujesz nawet programisty. Platformy automatyzacji bez kodu, takie jak Zappier, Make.com lub Automatish, również mogą wchodzić w interakcje z OpenAI. Na przykład zbudowałem potok Make.com do wyszukiwania istotnych informacji w wielu biuletynach, które subskrybuję i wysyłam podsumowanie bezpośrednio na mojego Kindle’a, więc nie muszę zagłębiać się w e-maile.

Może się to wydawać skomplikowane, ale konfigurujesz potok, przesuwając ikony wyświetlane na stronie internetowej bez pisania żadnego kodu. Nie musisz jednak robić wszystkiego sam. Dlaczego nie oddelegujesz tego zadania swoim pracownikom lub nie zatrudnisz freelancera odpowiedzialnego za utrzymanie automatyzacji AI i aktualizowanie jej, gdy potrzebujesz zmian?

Szybkie zwycięstwa są pomijane

Powiedziałem, że powinniśmy szukać możliwości tworzenia rozwiązań AI, które pomagają nam w pracy, a nie nas zastępują. Co możemy zrobić szybko i tanio?

Czy Twoi przedstawiciele handlowi spędzają czas na zapisywaniu podsumowań rozmów telefonicznych i dodawaniu ich do CRM? Dlaczego? Większość oprogramowania do wideokonferencji, jeśli nie wszystkie, ma teraz funkcję transkrypcji lub można zainstalować wtyczkę. Dlaczego nie wysłać transkrypcji rozmowy do AI i automatycznie dodać podsumowanie do CRM? Jeśli sprzedawcy zaoszczędzą 30 minut dziennie, mogą odbyć jeszcze jedną rozmowę. Ilu sprzedawców masz w swoim zespole? Do ilu potencjalnych klientów mogą zadzwonić w ciągu miesiąca, jeśli każdy ma czas na jedną dodatkową rozmowę dziennie?

Czy Twój zespół wsparcia szuka podobnych przypadków wsparcia w przeszłości, aby znaleźć sprawdzone rozwiązanie, zamiast próbować je wymyślić od zera? Czy wiesz, że sztuczna inteligencja może zrozumieć tekst w opisie problemu dostarczonym przez klienta i znaleźć wcześniejsze sprawy wsparcia podobne do tej? Następnie sztuczna inteligencja może wygenerować instrukcję krok po kroku w oparciu o wcześniejsze odpowiedzi udzielone przez zespół pomocy technicznej. Czy taka automatyzacja przyspieszyłaby pracę? Czy klient byłby zadowolony, gdyby szybciej otrzymał pomocną odpowiedź? Czy kupowaliby od ciebie częściej?

Greg Kamradt w swoim newsletterze wspomniał o rozmowie z Rexem Harrisem, Chief Product Officer w Bryte, który powiedział, że używają modelu sztucznej inteligencji Claude 2.1 do wydobywania informacji z ankiet. Przesyłają 100 odpowiedzi ankietowych do AI i każą AI wyciągać tematy i korelacje, które obejmują wiele odpowiedzi. Według newslettera, automatyzacja pozwala zaoszczędzić 20 godzin pracy na jedną ankietę.

Co jeszcze? Aby znaleźć pomysły, poszukaj zadań, które wymagają wyszukiwania informacji w dużych ilościach lub stosunkowo krótkich tekstów, ale wiele razy dziennie. Nawet zautomatyzowane przekazywanie wiadomości e-mail, o którym wspomniałem wcześniej, może zaoszczędzić trochę czasu. Może to być tylko minuta na wiadomość, ale ile takich wiadomości musi być przekazywanych miesięcznie?

Jak wykorzystać sztuczną inteligencję w biznesie, nie tracąc przy tym głowy i pieniędzy?

Zacznij od małych rzeczy. Zautomatyzuj proste, powtarzające się zadania i skup się na skumulowanej oszczędności czasu. Nie spędzaj miesiąca na analizowaniu dostępnych opcji; zamiast tego skup się na nauce poprzez działanie.

Trzymaj ludzi w pętli. Nie pozwól, aby jakiekolwiek nieodwracalne działania miały miejsce bez zgody człowieka. Automatyczne przechowywanie informacji wygenerowanych przez sztuczną inteligencję w CRM lub bazie danych jest w porządku, jeśli ktoś musi je przejrzeć przed podjęciem decyzji. Jeśli pozwolisz sztucznej inteligencji podjąć decyzję, nie podejmuj jej ostatecznie, dopóki osoba wystarczająco kompetentna do oceny decyzji nie zobaczy wyboru sztucznej inteligencji. Nigdy nie pozwalaj sztucznej inteligencji rozmawiać bezpośrednio z klientami. Nie jest jeszcze na to gotowa. Sztuczna inteligencja może wygenerować wersję roboczą wiadomości e-mail, ale nie wyśle jej, dopóki ktoś nie zatwierdzi jej treści.

Przygotowując dane AI, nie wrzucaj każdego pliku, który możesz znaleźć, do monitu lub bazy danych. Najpierw oczyść dane, usuwając nieistotne informacje i świadomie podchodząc do danych, które przekazujesz sztucznej inteligencji lub przechowujesz w bazach danych używanych przez sztuczną inteligencję.

Co najważniejsze, zachowaj spokój. Wciąż jesteśmy na wczesnym etapie. Twoja konkurencja nie zostawia Cię w tyle. Każdy, kto tak twierdzi, próbuje sprzedać ci zbyt drogi kurs online.

Jeśli potrzebujesz inspiracji, przeczytaj inne moje artykuły lub napisz do mnie. Chętnie pomogę.


Do you need help building AI-powered applications for your business?
You can hire me!

Older post

Los problemas a los que se enfrentará su empresa durante la transformación de la IA y cómo abordarlos

Descubra por qué los chatbots no son la característica definitiva de la IA y profundice en el panorama cambiante de la IA en diversos sectores, como el jurídico, la programación y la atención al cliente. Obtenga información sobre los retos de la búsqueda semántica, la transformación de datos y cómo la IA está reconfigurando los puestos de trabajo.

Newer post

企业在人工智能转型过程中将面临的问题以及如何解决这些问题

了解为什么聊天机器人不是人工智能的终极功能,深入探讨人工智能在法律、编程和客户服务等各个领域不断发展的前景。深入了解语义搜索的挑战、数据转换以及人工智能如何重塑工作角色。

Are you looking for an experienced AI consultant? Do you need assistance with your RAG or Agentic Workflow?
Schedule a call, send me a message on LinkedIn. Schedule a call or send me a message on LinkedIn

>