如何将AI应用于企业运营?
2024/4/3
后GenAI时代,出现了新的工作方式——“AI优先”,即优先让AI完成其力所能及的工作,让员工可以专注于更复杂的工作。
根据MIT的研究,相较于未采用AI的员工,使用AI的员工工作效率可显著提升40%。AI不仅提升了工作完成速度,还促使工作产出更稳定、更标准。
那么企业应如何向“AI优先”转型呢?
1. 识别 AI 机会
当我们谈论AI时,一个常见议题是:“AI有哪些应用场景?”
然而对于企业而言,更推荐的做法是从自身出发思考这些问题:“我们当前正在做什么工作?在业务中试图解决什么问题?瓶颈在哪里?”
并非所有工作都是一样重要,我们可以通过划分工作层级,来明确AI工作范围。
试试将日常工作归为以下三类:
- 第一类:可以客观评判对错的工作,例如:回答客户咨询。
- 第二类:需主观评断打分的工作,例如:引导客户下单购买。
- 第三类:需更强判断力、专业能力的创造性工作,例如:客户支持体系建设。
梳理现有工作后,企业通常会发现大量工作归属于前两类,而这恰恰是AI的理想切入点,AI在处理这些相对规则化、标准化的任务时具有显著优势。
有了AI协助完成第一类和第二类工作,员工便能将更多精力聚焦于第三类工作,即那些需要深度专业知识、创新思维和高级决策的领域,从而实现人力资源的高效利用。
2. 找到合适系统
一旦识别出AI协助运营的机会,企业就需要开始构建系统。现实中,许多企业仍在使用一次性的工具,而这些工具往往未能从先前的操作中汲取经验、实现自我优化。
因此,找到那些真正能够自我提升、且企业也能介入改进的系统,是迈向“AI为先”工作方式的关键一步。
首先需要梳理业务流程,以客服售后为例,一个简化后的SOP如下:
客户提问咨询
人工客服在知识库中查找相关知识
找到知识,回复给客户
若未找到知识,向用户收集更多信息,提交工单转给技术部门
我们可以思考其中哪些环节适合AI辅助,从而找到AI介入并承担工作的切入点,这一过程也能帮助企业明确对AI系统的具体要求。
但要让系统不仅只是建立起来,而且要运转良好,还需要做什么呢?——需要将企业的专业知识融入其中。
3. 融入专业知识
我们对所需结果描述得越具体、越完善,在AI应用上取得的成效就越显著。关键在于明确告诉AI希望它做什么,并给AI提供相应的资料,使系统能够不断精进。
以下是几点建议:
给予AI尽可能完备的知识,发现问题及时补充资料
使用结构清晰的知识
提供示例,告知AI预期的输出结果
列出优秀回答应满足的标准和检查清单
4. 人工参与完善
AI项目常因期望过高、现实规划不足而失败。完成前期准备后,我们可能会觉得一切尽在掌握,这种心态很危险,因为期望值过高。很多情况下,AI项目和大多数项目一样,推进过程中总会遇到意料之外的挑战,初期的失望与困难可能是常态。
许多人因此过早断言AI无法胜任这项工作,事实上,我们应调整期望至合理水平,并认识到这一过程需要人工参与。
在AI系统运行初期,企业应安排专人监控AI输出结果,及时反馈并进行调整;随着系统成熟,逐步减少人工干预,但仍须人工审核敏感任务;过程中不断丰富知识库,记录修正案例。通常在几次迭代后,效果会有显著提升。这就是让AI最大程度为我们所用的方法。
以自动驾驶汽车行业的进展为例,他们设定了五个不同的自动化级别,明确展示了对AI的具体期望及考量。
无论何种应用场景,企业应找准自身在这一进程中的定位,无需因不能直接从第五级开始就感到沮丧。
开始启动“AI优先”转型
面对技术的持续革新,未来工作的重心将日益转向“如何有效地将任务交由AI接管”。企业在遇到此类尝试机会时,不妨适当放慢脚步,深入思考如何最大限度发挥AI潜能。
我们不必急于求成,期待一夜之间实现全面的AI化转型。然而,越早开始行动,就能越快抵达目标。我们可以从小规模试点项目开始,随着经验积累和信心增长,逐步扩大AI在业务中的应用范围。与此同时,培养团队成员对AI的理解和使用能力,让他们成为推动AI化进程的积极参与者。
总而言之,“AI优先”的转型是一项系统工程,需要耐心、细致的规划与实施。通过识别AI机会、选择合适系统、融入专业知识以及人工参与完善,我们将能够稳步迈向一个更高效、智能的工作生态,使AI成为提升生产力、激发创新活力、巩固竞争优势的强大工具。
信息来源:
AI Exchange CEO Rachel Woods - The AI & Operations Playbook: How to take AI and apply it to the operations of the business
后GenAI时代,出现了新的工作方式——“AI优先”,即优先让AI完成其力所能及的工作,让员工可以专注于更复杂的工作。
根据MIT的研究,相较于未采用AI的员工,使用AI的员工工作效率可显著提升40%。AI不仅提升了工作完成速度,还促使工作产出更稳定、更标准。
那么企业应如何向“AI优先”转型呢?
1. 识别 AI 机会
当我们谈论AI时,一个常见议题是:“AI有哪些应用场景?”
然而对于企业而言,更推荐的做法是从自身出发思考这些问题:“我们当前正在做什么工作?在业务中试图解决什么问题?瓶颈在哪里?”
并非所有工作都是一样重要,我们可以通过划分工作层级,来明确AI工作范围。
试试将日常工作归为以下三类:
- 第一类:可以客观评判对错的工作,例如:回答客户咨询。
- 第二类:需主观评断打分的工作,例如:引导客户下单购买。
- 第三类:需更强判断力、专业能力的创造性工作,例如:客户支持体系建设。
梳理现有工作后,企业通常会发现大量工作归属于前两类,而这恰恰是AI的理想切入点,AI在处理这些相对规则化、标准化的任务时具有显著优势。
有了AI协助完成第一类和第二类工作,员工便能将更多精力聚焦于第三类工作,即那些需要深度专业知识、创新思维和高级决策的领域,从而实现人力资源的高效利用。
2. 找到合适系统
一旦识别出AI协助运营的机会,企业就需要开始构建系统。现实中,许多企业仍在使用一次性的工具,而这些工具往往未能从先前的操作中汲取经验、实现自我优化。
因此,找到那些真正能够自我提升、且企业也能介入改进的系统,是迈向“AI为先”工作方式的关键一步。
首先需要梳理业务流程,以客服售后为例,一个简化后的SOP如下:
客户提问咨询
人工客服在知识库中查找相关知识
找到知识,回复给客户
若未找到知识,向用户收集更多信息,提交工单转给技术部门
我们可以思考其中哪些环节适合AI辅助,从而找到AI介入并承担工作的切入点,这一过程也能帮助企业明确对AI系统的具体要求。
但要让系统不仅只是建立起来,而且要运转良好,还需要做什么呢?——需要将企业的专业知识融入其中。
3. 融入专业知识
我们对所需结果描述得越具体、越完善,在AI应用上取得的成效就越显著。关键在于明确告诉AI希望它做什么,并给AI提供相应的资料,使系统能够不断精进。
以下是几点建议:
给予AI尽可能完备的知识,发现问题及时补充资料
使用结构清晰的知识
提供示例,告知AI预期的输出结果
列出优秀回答应满足的标准和检查清单
4. 人工参与完善
AI项目常因期望过高、现实规划不足而失败。完成前期准备后,我们可能会觉得一切尽在掌握,这种心态很危险,因为期望值过高。很多情况下,AI项目和大多数项目一样,推进过程中总会遇到意料之外的挑战,初期的失望与困难可能是常态。
许多人因此过早断言AI无法胜任这项工作,事实上,我们应调整期望至合理水平,并认识到这一过程需要人工参与。
在AI系统运行初期,企业应安排专人监控AI输出结果,及时反馈并进行调整;随着系统成熟,逐步减少人工干预,但仍须人工审核敏感任务;过程中不断丰富知识库,记录修正案例。通常在几次迭代后,效果会有显著提升。这就是让AI最大程度为我们所用的方法。
以自动驾驶汽车行业的进展为例,他们设定了五个不同的自动化级别,明确展示了对AI的具体期望及考量。
无论何种应用场景,企业应找准自身在这一进程中的定位,无需因不能直接从第五级开始就感到沮丧。
开始启动“AI优先”转型
面对技术的持续革新,未来工作的重心将日益转向“如何有效地将任务交由AI接管”。企业在遇到此类尝试机会时,不妨适当放慢脚步,深入思考如何最大限度发挥AI潜能。
我们不必急于求成,期待一夜之间实现全面的AI化转型。然而,越早开始行动,就能越快抵达目标。我们可以从小规模试点项目开始,随着经验积累和信心增长,逐步扩大AI在业务中的应用范围。与此同时,培养团队成员对AI的理解和使用能力,让他们成为推动AI化进程的积极参与者。
总而言之,“AI优先”的转型是一项系统工程,需要耐心、细致的规划与实施。通过识别AI机会、选择合适系统、融入专业知识以及人工参与完善,我们将能够稳步迈向一个更高效、智能的工作生态,使AI成为提升生产力、激发创新活力、巩固竞争优势的强大工具。
信息来源:
AI Exchange CEO Rachel Woods - The AI & Operations Playbook: How to take AI and apply it to the operations of the business
后GenAI时代,出现了新的工作方式——“AI优先”,即优先让AI完成其力所能及的工作,让员工可以专注于更复杂的工作。
根据MIT的研究,相较于未采用AI的员工,使用AI的员工工作效率可显著提升40%。AI不仅提升了工作完成速度,还促使工作产出更稳定、更标准。
那么企业应如何向“AI优先”转型呢?
1. 识别 AI 机会
当我们谈论AI时,一个常见议题是:“AI有哪些应用场景?”
然而对于企业而言,更推荐的做法是从自身出发思考这些问题:“我们当前正在做什么工作?在业务中试图解决什么问题?瓶颈在哪里?”
并非所有工作都是一样重要,我们可以通过划分工作层级,来明确AI工作范围。
试试将日常工作归为以下三类:
- 第一类:可以客观评判对错的工作,例如:回答客户咨询。
- 第二类:需主观评断打分的工作,例如:引导客户下单购买。
- 第三类:需更强判断力、专业能力的创造性工作,例如:客户支持体系建设。
梳理现有工作后,企业通常会发现大量工作归属于前两类,而这恰恰是AI的理想切入点,AI在处理这些相对规则化、标准化的任务时具有显著优势。
有了AI协助完成第一类和第二类工作,员工便能将更多精力聚焦于第三类工作,即那些需要深度专业知识、创新思维和高级决策的领域,从而实现人力资源的高效利用。
2. 找到合适系统
一旦识别出AI协助运营的机会,企业就需要开始构建系统。现实中,许多企业仍在使用一次性的工具,而这些工具往往未能从先前的操作中汲取经验、实现自我优化。
因此,找到那些真正能够自我提升、且企业也能介入改进的系统,是迈向“AI为先”工作方式的关键一步。
首先需要梳理业务流程,以客服售后为例,一个简化后的SOP如下:
客户提问咨询
人工客服在知识库中查找相关知识
找到知识,回复给客户
若未找到知识,向用户收集更多信息,提交工单转给技术部门
我们可以思考其中哪些环节适合AI辅助,从而找到AI介入并承担工作的切入点,这一过程也能帮助企业明确对AI系统的具体要求。
但要让系统不仅只是建立起来,而且要运转良好,还需要做什么呢?——需要将企业的专业知识融入其中。
3. 融入专业知识
我们对所需结果描述得越具体、越完善,在AI应用上取得的成效就越显著。关键在于明确告诉AI希望它做什么,并给AI提供相应的资料,使系统能够不断精进。
以下是几点建议:
给予AI尽可能完备的知识,发现问题及时补充资料
使用结构清晰的知识
提供示例,告知AI预期的输出结果
列出优秀回答应满足的标准和检查清单
4. 人工参与完善
AI项目常因期望过高、现实规划不足而失败。完成前期准备后,我们可能会觉得一切尽在掌握,这种心态很危险,因为期望值过高。很多情况下,AI项目和大多数项目一样,推进过程中总会遇到意料之外的挑战,初期的失望与困难可能是常态。
许多人因此过早断言AI无法胜任这项工作,事实上,我们应调整期望至合理水平,并认识到这一过程需要人工参与。
在AI系统运行初期,企业应安排专人监控AI输出结果,及时反馈并进行调整;随着系统成熟,逐步减少人工干预,但仍须人工审核敏感任务;过程中不断丰富知识库,记录修正案例。通常在几次迭代后,效果会有显著提升。这就是让AI最大程度为我们所用的方法。
以自动驾驶汽车行业的进展为例,他们设定了五个不同的自动化级别,明确展示了对AI的具体期望及考量。
无论何种应用场景,企业应找准自身在这一进程中的定位,无需因不能直接从第五级开始就感到沮丧。
开始启动“AI优先”转型
面对技术的持续革新,未来工作的重心将日益转向“如何有效地将任务交由AI接管”。企业在遇到此类尝试机会时,不妨适当放慢脚步,深入思考如何最大限度发挥AI潜能。
我们不必急于求成,期待一夜之间实现全面的AI化转型。然而,越早开始行动,就能越快抵达目标。我们可以从小规模试点项目开始,随着经验积累和信心增长,逐步扩大AI在业务中的应用范围。与此同时,培养团队成员对AI的理解和使用能力,让他们成为推动AI化进程的积极参与者。
总而言之,“AI优先”的转型是一项系统工程,需要耐心、细致的规划与实施。通过识别AI机会、选择合适系统、融入专业知识以及人工参与完善,我们将能够稳步迈向一个更高效、智能的工作生态,使AI成为提升生产力、激发创新活力、巩固竞争优势的强大工具。
信息来源:
AI Exchange CEO Rachel Woods - The AI & Operations Playbook: How to take AI and apply it to the operations of the business
Copyright © 2024 深圳垣象科技有限公司
Copyright © 2024 深圳垣象科技有限公司
Copyright © 2024 深圳垣象科技有限公司