เมื่อบริษัทต่างๆ พูดถึง AI ระดับองค์กร การสนทนามักเริ่มต้นด้วยการเปลี่ยนแปลงครั้งใหญ่: ตัวแทนอัตโนมัติ กระบวนการทางธุรกิจที่ได้รับการปรับปรุงใหม่ ประสบการณ์ลูกค้าที่ขับเคลื่อนด้วย AI และวิธีการทำงานแบบใหม่ทั้งหมด สิ่งเหล่านี้เป็นเป้าหมายที่สำคัญ แต่บางครั้งก็อาจบดบังโอกาสที่สำคัญกว่าในระยะสั้นได้.
ในแทบทุกองค์กร พนักงานมักเสียเวลาไปกับงานเล็กๆ น้อยๆ ที่จำเป็นแต่เพิ่มคุณค่าเพียงเล็กน้อย ผู้จัดการออกมาจากห้องประชุมติดต่อกันหลายห้องแล้วใช้เวลาครึ่งชั่วโมงในการติดตามงานใน Slack และอีเมล สมาชิกในทีมค้นหาบทสนทนาเก่าๆ เพื่อทำความเข้าใจว่าทำไมจึงมีการตัดสินใจเช่นนั้น พนักงานคนหนึ่งตรวจสอบหลายแหล่งข้อมูลก่อนที่จะตัดสินใจว่าการกระทำนั้นสอดคล้องกับนโยบายหรือไม่ พนักงานอีกคนรวบรวมข้อมูลจากหลายระบบเพียงเพื่อเตรียมการอัปเดตง่ายๆ.
ไม่มีภารกิจใดดูสำคัญมากพอที่จะต้องริเริ่มโครงการเปลี่ยนแปลงครั้งใหญ่ แต่เมื่อทำซ้ำกันในหลายทีม หลายฝ่าย และในหมู่พนักงานหลายพันคน ภารกิจเหล่านี้ก็แสดงถึงศักยภาพขององค์กรจำนวนมหาศาล.
นี่อาจเป็นหนึ่งในโอกาสที่ถูกมองข้ามมากที่สุดสำหรับ AI ในระดับองค์กร: ไม่ใช่การแทนที่งานที่ผู้คนทำ แต่เป็นการลดอุปสรรคที่เกี่ยวข้องกับงานนั้น.
ลองพิจารณา 30 นาทีแรกของวัน
สำหรับผู้บริหาร ผู้จัดการ และหัวหน้าโครงการจำนวนมาก วันทำงานเริ่มต้นด้วยการฟื้นฟูและปรับปรุงงาน.
ในขณะที่พวกเขาประชุม เดินทาง หรือมุ่งเน้นไปที่เรื่องสำคัญอื่น ๆ การสนทนายังคงดำเนินต่อไป ข้อความต่าง ๆ สะสมอยู่ในช่องทาง Slack อีเมลเข้ามา คำถามถูกตั้งขึ้น การตัดสินใจเกิดขึ้น การแบ่งปันเอกสาร และการมอบหมายงานถูกกระทำ ข้อมูลทั้งหมดอยู่ที่นั่น แต่การจะเข้าใจว่าเกิดอะไรขึ้นนั้น จำเป็นต้องมีคนมาช่วยวิเคราะห์และทำความเข้าใจ.
ปัญหาในชีวิตประจำวันนั้นเป็นแรงบันดาลใจให้เกิด... ตัวแทนสรุปข้อมูล Slack และอีเมล พัฒนาโดย Digile โดยใช้ Glean.
แนวคิดเบื้องหลังเอเจนต์นั้นเรียบง่าย: แทนที่จะให้ผู้ใช้ต้องจัดการกับช่องทางการสื่อสารหลายช่องทางด้วยตนเอง เอเจนต์จะรวบรวมข้อมูลที่เกี่ยวข้องเข้าด้วยกันและช่วยให้พวกเขาเข้าใจได้อย่างรวดเร็วว่ามีอะไรเปลี่ยนแปลงไป อะไรสำคัญ และอะไรที่ต้องให้ความสนใจ.
คำสำคัญในที่นี้คือ ที่เกี่ยวข้อง. การสรุปเนื้อหาไม่ใช่เรื่องใหม่แล้ว เครื่องมือ AI เกือบทุกชนิดสามารถย่อข้อความได้ แต่ความท้าทายในระดับองค์กรนั้นยากกว่ามาก AI ต้องการบริบทที่เพียงพอเพื่อแยกแยะระหว่างข้อมูลทั่วไปกับการตัดสินใจ บทสนทนาที่น่าสนใจกับประเด็นเร่งด่วน และการสนทนาทั่วไปกับเรื่องที่ต้องดำเนินการ.
เมื่อมันใช้งานได้ผล ประโยชน์ที่ได้รับไม่เพียงแค่กล่องจดหมายเข้าที่สั้นลงเท่านั้น แต่ยังช่วยให้กลับเข้าสู่การทำงานอย่างมีประสิทธิภาพได้เร็วขึ้นอีกด้วย.
ปัญหา 30 นาทีนั้นใหญ่กว่าเรื่องอีเมลมาก
เมื่อคุณเริ่มมองหาจุดเสียดทานเล็กๆ เหล่านี้ คุณจะพบว่ามันปรากฏอยู่ทุกหนทุกแห่ง.
พนักงานใช้เวลาไปกับการค้นหาเอกสารเวอร์ชันล่าสุด ติดตามการตัดสินใจผ่านการสนทนาที่ยาวนาน ตรวจสอบเนื้อหาเทียบกับนโยบายภายใน ค้นคว้าข้อมูลคู่แข่งก่อนการประชุม ประสานข้อมูลจากระบบต่างๆ และจัดทำรายงานสถานะจากหลายแหล่ง พนักงานที่ทำงานด้านความรู้ได้กลายเป็นผู้เชี่ยวชาญในการรวบรวมข้อมูลที่กระจัดกระจายเข้าด้วยกันอย่างน่าทึ่ง โดยที่พวกเขาอาจไม่รู้ตัวว่าใช้เวลาไปกับเรื่องเหล่านี้มากเพียงใดในแต่ละวันทำงาน.
ตรงนี้แหละที่เศรษฐศาสตร์เริ่มน่าสนใจ.
ลองพิจารณาองค์กรที่มีพนักงาน 5,000 คน หากปัญญาประดิษฐ์ (AI) สามารถคืนเวลาให้พนักงานแต่ละคนได้เพียง 30 นาทีต่อวัน, ซึ่งหมายความว่าจะสามารถประหยัดเวลาการทำงานได้ประมาณ 650,000 ชั่วโมงต่อปี.
โอกาสจะยิ่งใหญ่ขึ้นมากเมื่อเราเลิกคิดถึงงานเพียงงานเดียว และเริ่มมองภาพรวมของงานเล็กๆ หลายสิบงานที่สะสมกันตลอดทั้งวันทำงาน.
สำหรับองค์กรที่กำลังสร้างแผนธุรกิจด้าน AI นี่เป็นอีกวิธีหนึ่งในการคิดเกี่ยวกับผลตอบแทนจากการลงทุน (ROI) คุณค่าของ AI ไม่จำเป็นต้องมาจากการกำจัดกระบวนการทั้งหมดหรือลดจำนวนพนักงานเท่านั้น แต่สามารถมาจากการให้เวลาแก่บุคลากรที่มีทักษะมากขึ้นในการใช้ดุลยพินิจ ความคิดสร้างสรรค์ และความเชี่ยวชาญที่พวกเขาได้รับการว่าจ้างมา.
พนักงานได้กลายเป็นส่วนสำคัญในการบูรณาการอย่างเงียบๆ
องค์กรต่างๆ ลงทุนอย่างมากในเทคโนโลยีที่มุ่งทำให้การทำงานมีประสิทธิภาพมากขึ้น แต่ข้อมูลที่พนักงานต้องการกลับกระจัดกระจายมากขึ้นเรื่อยๆ.
การสนทนาเกิดขึ้นใน Slack ข้อมูลสนับสนุนอยู่ในคลังเอกสาร ประวัติลูกค้าอยู่ใน CRM นโยบายถูกจัดเก็บไว้ที่อื่น คำชี้แจงที่สำคัญมาถึงทางอีเมลเมื่อหกเดือนก่อน พนักงานเชื่อมโยงระบบเหล่านี้ด้วยตนเอง โดยการค้นหา สลับแอปพลิเคชัน อ่าน เปรียบเทียบ และสร้างบริบทขึ้นใหม่ก่อนที่จะตัดสินใจได้.
การค้นหาข้อมูลแบบดั้งเดิมในองค์กรช่วยปรับปรุงความสามารถในการค้นหาข้อมูลของเรา ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ทำให้การตั้งคำถามเกี่ยวกับข้อมูลเหล่านั้นง่ายขึ้น แต่ขั้นตอนต่อไปมีความสำคัญมากกว่า นั่นคือ การทำให้ AI เข้าใจบริบทโดยรอบของงานได้มากพอที่จะช่วยให้งานนั้นดำเนินไปข้างหน้าได้.
ซึ่งนั่นเป็นสิ่งที่ผู้ช่วย AI ทั่วไปมักขาดไป: บริบทขององค์กร.
โมเดล AI อาจเข้าใจว่า "การอัปเดตโครงการ" คืออะไร แต่เข้าใจหรือไม่ว่า... ของคุณ โครงการนี้รู้หรือไม่ว่าบทสนทนาใดมีความเกี่ยวข้อง เอกสารใดมีความน่าเชื่อถือ ใครเกี่ยวข้องบ้าง มีการตัดสินใจอะไรไปเมื่อสัปดาห์ที่แล้ว และมีอะไรเปลี่ยนแปลงไปบ้างนับตั้งแต่เมื่อวาน?
หากปราศจากบริบทนั้น AI ก็สามารถสร้างคำตอบที่น่าประทับใจได้ แต่หากมีบริบท AI ก็จะกลายเป็นประโยชน์อย่างแท้จริงในกระบวนการทำงาน.
เหตุใดความร่วมมือของเรากับ Glean จึงมีความสำคัญ
นี่คือโอกาสที่ Digile ได้สำรวจอย่างใกล้ชิดร่วมกับ Glean มาโดยตลอด.
Glean เป็นผู้ให้บริการโครงสร้างพื้นฐาน AI ระดับองค์กรที่เชื่อมโยงผู้คนเข้ากับความรู้ บริบท และข้อมูลที่กระจายอยู่ทั่วทั้งองค์กร ในขณะที่ Digile นำเสนอการให้คำปรึกษา วิศวกรรม และความเชี่ยวชาญเฉพาะด้านที่จำเป็นในการระบุโอกาสที่มีมูลค่าสูงและแปลงโอกาสเหล่านั้นให้เป็นเอเจนต์ที่สร้างขึ้นตามเวิร์กโฟลว์ทางธุรกิจจริง.
โดยรวมแล้ว จุดมุ่งหมายไม่ได้อยู่ที่การมอบอินเทอร์เฟซ AI เพิ่มเติมให้กับพนักงานเท่านั้น แต่ยังอยู่ที่การระบุช่วงเวลาที่การทำงานช้าลง และออกแบบประสบการณ์อัจฉริยะให้เหมาะสมกับช่วงเวลาเหล่านั้นด้วย.
โปรแกรมสรุปข้อมูล Slack และอีเมลเป็นตัวอย่างที่ดี ปัญหาที่แท้จริงไม่ใช่ว่าผู้คนอ่านอีเมลหรือค้นหาข้อมูลใน Slack ไม่ได้ แต่ปัญหาอยู่ที่ความพยายามทางความคิดที่จำเป็นในการรับข้อมูลจากทั้งสองแหล่งอย่างต่อเนื่อง พิจารณาว่าอะไรเกี่ยวข้อง และแปลงข้อมูลนั้นไปสู่การปฏิบัติ.
การลดความพยายามเหล่านั้นคือจุดเริ่มต้นที่ AI จะสร้างคุณค่าที่มีความหมายอย่างแท้จริง.
รูปแบบเดียวกันนี้ปรากฏในขั้นตอนการทำงานที่แตกต่างกันอย่างมาก
จากการทำงานของเราเกี่ยวกับ Glean ยังแสดงให้เห็นว่า “ปัญหา 30 นาที” ไม่ได้จำกัดอยู่แค่เรื่องประสิทธิภาพการทำงานหรือการสื่อสารเท่านั้น.
ลองพิจารณาการตรวจสอบการปฏิบัติตามกฎระเบียบดู ส่วนที่ยากนั้นแทบจะไม่ใช่การหาเอกสารนโยบายฉบับเดียว ใครสักคนต้องเข้าใจเนื้อหาที่กำลังตรวจสอบ กำหนดว่าข้อกำหนดใดบ้างที่เกี่ยวข้อง ระบุปัญหาที่อาจเกิดขึ้น และบันทึกข้อค้นพบเหล่านั้นในรูปแบบที่ใช้งานได้ เวลาส่วนใหญ่หมดไปกับการรวบรวมและจัดโครงสร้างบริบทโดยรอบการตัดสินใจในท้ายที่สุด.
การตรวจสอบข้อมูลจากบุคคลที่ถูกจำกัดสิทธิ์นั้นมีรูปแบบคล้ายคลึงกัน อาจจำเป็นต้องรวบรวมข้อมูลจากหลายแหล่ง เปรียบเทียบหน่วยงานต่างๆ และใช้เกณฑ์การตรวจสอบก่อนที่จะสามารถสรุปและบันทึกผลได้.
การเปรียบเทียบประสิทธิภาพเชิงแข่งขันเป็นอีกรูปแบบหนึ่ง ทีมงานอาจใช้เวลาหลายชั่วโมงในการรวบรวมข้อมูล จัดระเบียบผลการค้นพบ เปรียบเทียบทางเลือกต่างๆ และเปลี่ยนผลการวิจัยให้เป็นสิ่งที่ผู้มีอำนาจตัดสินใจสามารถนำไปใช้ได้จริง.
ปัญหาเหล่านี้ดูเหมือนจะแตกต่างกันอย่างสิ้นเชิงในเชิงธุรกิจ แต่มีลักษณะพื้นฐานร่วมกันอยู่ประการหนึ่ง: ผู้คนใช้เวลาส่วนใหญ่ไปกับการเตรียมบริบทที่จำเป็นสำหรับการทำงานส่วนที่ต้องใช้ความเชี่ยวชาญของตนเองมากเกินไป.
นั่นเป็นพื้นที่ที่เหมาะสมอย่างยิ่งสำหรับการพัฒนา AI ในระดับองค์กร.
อย่าเริ่มต้นด้วยการถามว่า AI สามารถทำงานอะไรแทนได้บ้าง
บางทีคำถามที่มีประโยชน์มากกว่าสำหรับกลยุทธ์ด้าน AI อาจเล็กกว่านี้มาก: ผู้คนมักเสียเวลาไป 10, 20 หรือ 30 นาทีซ้ำๆ ในที่ไหนบ้าง?
มองหาขั้นตอนการทำงานที่พนักงานค้นหาข้อมูลในหลายระบบเป็นประจำ อ่านข้อมูลจำนวนมากเพื่อแยกข้อเท็จจริงที่เกี่ยวข้องเพียงไม่กี่ข้อ สร้างบริบทขึ้นใหม่ก่อนตัดสินใจ เปรียบเทียบข้อมูลกับกฎที่กำหนดไว้ สร้างบทสรุปซ้ำซาก หรือย้ายข้อมูลด้วยตนเองระหว่างขั้นตอนการทำงาน.
งานเหล่านี้อาจดูไม่น่าประทับใจนักในแผนงานการเปลี่ยนแปลงสู่ AI อย่างไรก็ตาม ในหลายกรณี งานเหล่านี้แหละคือจุดที่ AI สามารถสร้างคุณค่าได้อย่างรวดเร็ว เพราะเป้าหมายไม่ใช่การกำจัดวิจารณญาณของมนุษย์ แต่เป็นการลดงานที่ซ้ำซากจำเจซึ่งต้องทำก่อนหน้านั้น.
นอกจากนี้ยังมีข้อดีในด้านการนำไปใช้ การขอให้พนักงานเปลี่ยนวิธีการทำงานโดยสิ้นเชิงอาจก่อให้เกิดการต่อต้าน แต่การให้เครื่องมือที่เปลี่ยนงานที่เคยใช้เวลา 30 นาทีให้เหลือเพียง 5 นาทีนั้นแตกต่างออกไปอย่างสิ้นเชิง ประโยชน์ที่ได้รับนั้นเกิดขึ้นทันที เป็นประโยชน์ส่วนตัว และเข้าใจง่าย.
การปรับปรุงเล็กๆ น้อยๆ สามารถรวมกันจนเกิดการเปลี่ยนแปลงครั้งใหญ่ได้
AI สำหรับองค์กรไม่จำเป็นต้องมาในรูปแบบของโครงการเปลี่ยนแปลงครั้งใหญ่เพียงครั้งเดียวเสมอไป.
ตัวแทนที่ออกแบบมาอย่างดีตัวหนึ่งอาจช่วยประหยัดเวลาให้ทีมได้หลายชั่วโมงต่อสัปดาห์ อีกตัวหนึ่งอาจช่วยเร่งกระบวนการปฏิบัติตามกฎระเบียบ อีกตัวหนึ่งอาจทำให้ความรู้ภายในองค์กรเข้าถึงได้ในเวลาเพียงไม่กี่วินาที และอีกตัวหนึ่งอาจช่วยลดปริมาณการวิจัยที่จำเป็นก่อนการตัดสินใจได้อย่างมาก.
โดยส่วนตัวแล้ว แต่ละตัวแก้ปัญหาที่ค่อนข้างจำกัด แต่ในระดับองค์กร ตัวแทนเหล่านี้สามารถเริ่มลดอุปสรรคในหลายร้อยจุดของการทำงานในแต่ละวันได้.
การสะสมเวลาเหล่านั้นมีความสำคัญ การประหยัดเวลา 20 นาทีในที่นี้และ 30 นาทีในที่นั้นอาจดูเหมือนเล็กน้อย แต่หากนำเวลาประหยัดเหล่านั้นมาคูณกับผู้คนหลายพันคนและการปฏิสัมพันธ์นับล้านครั้ง ผลกระทบก็จะยิ่งใหญ่ขึ้นอย่างมาก.
นอกจากนี้ยังเสนอแนวทางที่เป็นรูปธรรมสำหรับองค์กรที่กำลังดิ้นรนว่าจะเริ่มต้นใช้ AI ในระดับองค์กรอย่างไร แทนที่จะมองหาตัวอย่างการใช้งาน AI ที่ใหญ่ที่สุดเท่าที่จะเป็นไปได้ในทันที ควรเริ่มต้นด้วยการค้นหางานที่ทุกคนแอบหวังว่าจะไม่ต้องทำ.
ครึ่งชั่วโมงที่ใช้ไปกับการพูดคุยหลังการประชุม 20 นาทีที่ใช้ไปกับการค้นหานโยบายที่ถูกต้อง การค้นหาข้อมูลซ้ำๆ ที่ใครบางคนรู้ว่ามีอยู่ somewhere การเปรียบเทียบด้วยตนเองที่เกิดขึ้นทุกสัปดาห์ การอัปเดตสถานะที่รวบรวมจากห้าแหล่งข้อมูลที่แตกต่างกัน.
ช่วงเวลาเหล่านี้แทบจะไม่ปรากฏอยู่ในแผนงานการเปลี่ยนแปลงเลย แต่กลับเกิดขึ้นทุกวัน.
ค้นหา 30 นาทีที่ซ่อนอยู่ของคุณ
ตัวแทนสรุปข้อมูล Slack และอีเมลนั้นเป็นเพียงตัวอย่างง่ายๆ ของแนวคิดที่ใหญ่กว่ามาก.
คุณค่าของมันไม่ได้อยู่ที่ว่า AI สามารถสรุปข้อความใน Slack หรืออีเมลได้หรือไม่ คุณค่าที่แท้จริงมาจากการเชื่อมต่อ AI เข้ากับบริบทโดยรอบงานของบุคคลนั้น เพื่อให้มันสามารถแยกแยะสิ่งที่สำคัญ ลดความพยายามที่จำเป็นในการตามให้ทัน และช่วยให้ผู้คนสามารถตัดสินใจและดำเนินการในสิ่งที่จำเป็นได้อย่างรวดเร็วขึ้น.
นั่นคือหัวใจสำคัญของงานที่ Digile ทำร่วมกับ Glean เช่นกัน นั่นคือการผลักดัน AI ระดับองค์กรให้ก้าวข้ามการสาธิตที่น่าประทับใจ และเข้าสู่กระบวนการทำงานประจำวัน ที่ซึ่งสามารถสร้างมูลค่าที่วัดผลได้จริง.
โอกาสสำคัญที่สุดในการนำ AI มาใช้ในองค์กรของคุณอาจไม่ใช่กระบวนการที่ต้องใช้เวลาเปลี่ยนแปลงถึงหกเดือน แต่อาจเป็นเพียงงานเล็กๆ ที่ใช้เวลาเพียง 30 นาที.
คำถามคือ เหตุการณ์นี้เกิดขึ้นกี่ครั้งต่อวัน.
