Kako kompanije zasnovane na AI-ju pretvaraju tokove rada u operativnu sposobnost

Najnoviji OpenAI-jev izvještaj Enterprise Signals pokazuje da poslovna primjena umjetne inteligencije prelazi s pružanja pomoći na izvršavanje zadataka, ali vrlo različitim brzinama. Granične kompanije, odnosno 10% kompanija s najvećom upotrebom umjetne inteligencije, sada generišu 8,3 puta više izlaznih tokena po aktivnom korisniku od tipičnih kompanija, u odnosu na 2,6 puta više u januaru. Sve veći jaz ukazuje na dublju operativnu promjenu: vodeće kompanije povezuju agente s kontekstom i alatima kompanije, povjeravaju im značajnije poslove i olakšavaju ponavljanje uspješnih tokova rada.

Izazov za rukovodioce jeste pretvoriti tu dubinu primjene u rad kojem ljudi mogu vjerovati te ga mjeriti i unapređivati. Rukovodioci također trebaju ostaviti prostora za eksperimentisanje, uključujući slučajeve upotrebe čija vrijednost nije očigledna iz prvog pokušaja.

Startup kompanije Basis⁠(otvara se u novom prozoru), Clay⁠(otvara se u novom prozoru) i Exa Labs⁠(otvara se u novom prozoru) uključile su agente u uvođenje zaposlenika u posao, upravljanje korisničkim računima i razvoj ekosistema za programere. Njihovi tokovi rada se razlikuju, ali razvojni put pruža korisne pouke: naučite agenta stabilnom procesu, osigurajte mu trajan kontekst dok se posao mijenja, a zatim mu omogućite da prilike pretvori u provjerene aktivnosti.

Ovi primjeri zajedno pokazuju kako timovi mogu uključiti agente u poznate poslove i s vremenom unapređivati proces.

Uvođenje u posao dugo je bilo zahtjevno i za poslodavce i za zaposlenike. U Basisu, koji razvija AI agente za računovodstvene firme, uvođenje u posao prvog dana sada traje 30 minuta umjesto dva sata, pa odjel za ljudske resurse ima više vremena za kulturu i podršku.

Zaposlenici prvog dana odmah dobijaju pristup Codexu i vještini za uvođenje u posao prilagođenoj kompaniji, odnosno skupu uputa i resursa za određeni tok rada koji se može ponovo koristiti. Codex im poželi dobrodošlicu, upozna ih s ključnim pojmovima u kompaniji i u pozadini koristi njihov računar kako bi dovršio postavljanje integracija. Kada se pojave pitanja koja se ponavljaju ili izuzeci, odjel za ljudske resurse može ažurirati vještinu prije dolaska sljedeće grupe.

Basis je jednom demonstrirao proces uvođenja u posao, a zatim ga pretvorio u vještinu koja se može ponovo koristiti, s jasnim okidačem, poznatim koracima, pristupom odgovarajućim alatima i jasnom definicijom „završenog“. Proces više ne zavisi od dostupnosti jedne osobe, ali tim i dalje može reagovati u slučaju izuzetaka ili složenih pitanja. Uvođenje u posao sada je dosljednije, ponovljivo i lakše za unapređivanje, a novi zaposlenici odmah dobijaju obrazac za rad s umjetnom inteligencijom.

Clay, kompanija koja razvija samoučeći sistem za ostvarivanje prihoda namijenjen timovima za strategiju izlaska na tržište, suočava se s poznatim prodajnim izazovom: ključni kontekst prodajnih prilika rasut je po CRM zapisima, e-pošti, Slacku, pozivima, prezentacijama, tekstualnim porukama te razgovorima s internim timovima i zagovornicima kod klijenata.

Kako bi taj kontekst ostao ažuran, jedna od Clayjevih GTM inženjerki isprobala je bolji pristup: trajan radni prostor i namjenski podagent za svaki korisnički račun. Svaki podagent pregleda primarne izvore i tokom noći ažurira svoju mapu prodajne prilike. Svakog jutra koordinirajući agent pretvara ažuriranja sa svih njenih korisničkih računa u kratak spisak prioritetnih poteza: odgovoriti na neriješeno pitanje klijenta, popuniti prazninu u odboru za nabavku ili potencijalnom klijentu dati razlog da ponovo stupi u kontakt.

Prema navodima Claya, ovaj tok rada svake večeri štedi joj približno sat vremena na razvrstavanju pristigle pošte. Dnevni prioriteti pomažu joj da dosljedno provodi male aktivnosti koje tokom dugog ciklusa poslovne prodaje mogu donijeti velike rezultate. Popratni dokazi ostaju uz svaku preporuku kako bi prodavači prije djelovanja mogli provjeriti primarne izvore. Kompanije bi taj zajednički kontekst mogle proširiti na voditelje korisničkih računa, BDR-ove, inženjere za rješenja i rukovodioce prodaje, u skladu s postojećim ovlaštenjima za račune.

Clay pokazuje šta je potrebno da bi se promjenjiv posao mogao proširiti: dosljedna struktura, koristan ritam ažuriranja, zajednički dokazi i ljudska procjena u trenutku djelovanja.

Exa Labs, koji razvija infrastrukturu za internetsko pretraživanje namijenjenu AI agentima, želi svoj API za pretraživanje učiniti dostupnim svuda gdje bi ga programeri mogli koristiti. Tim taj cilj naziva „Exa svuda“. Za njegovo ostvarivanje ranije su timovi za odnose s programerima i upravljanje korisničkim računima morali pratiti repozitorije i širi ekosistem, prepoznavati obećavajuće integracije, prikupljati kontekst i koordinirati rad u više sistema. Iako su se prilike razlikovale, put od otkrivanja do implementacije slijedio je dosljedan redoslijed. Exa je taj redoslijed pretvorila u definisan tok rada za Codex, s jasnim prioritetima, pristupom potrebnim izvorima i ljudskim pregledom prije objave bilo čega.

Codex sada prati visokoprioritetne prilike za integraciju, prikuplja relevantan kontekst, izrađuje zahtjeve za spajanje koda, pokreće testove i priprema sedmična ažuriranja koristeći izvore kao što su Slack i Notion. Kada je to prikladno, može pripremiti i nacrt sljedećeg koraka, uključujući početnu objavu, koji tim zatim pregleda. Ovaj tok rada vodi priliku od signala do provjerenog rezultata, uz manje primopredaja između istraživanja, inženjeringa i komunikacije.

Ljudi i dalje odlučuju koje su prilike važne, koje obaveze Exa treba preuzeti i kako treba upravljati vanjskim odnosima. Testovi i tačke pregleda čine rad agenta vidljivim prije objave. Rezultati testova i ljudski pregled mogu pokazati timu gdje treba prilagoditi tok rada prije sljedećeg pokretanja. Kako posao postaje značajniji, ovlaštenja, dokazi i prava odlučivanja zauzimaju sve važnije mjesto u oblikovanju toka rada.

Basis, Clay i Exa zajedno pretvaraju obrasce koje uočavamo u izvještaju Enterprise Signals u operativnu praksu. Basis pretvara dokazani proces u vještinu koja se može ponovo koristiti. Clay agentu pruža kontekst i kontinuitet potrebne za redovno ažuriranje promjenjivog skupa poslova. Exa dodaje alate, testove i pregled kako bi agent mogao pretvoriti signal u ograničeno izvršenje. Sve tri kompanije uključuju unapređivanje u tok rada: izuzeci pri uvođenju u posao otkrivaju gdje treba doraditi vještinu; nove aktivnosti na korisničkim računima i potvrda prodavača održavaju kontekst prodajnih prilika ažurnim; a testovi i ljudski pregled preciznije određuju granice budućeg izvršavanja. Svaka počinje s konkretnim zadatkom i dovoljno prostora za njegovo testiranje. Podjela rada postaje jasnija kroz upotrebu, a odgovornost se širi kako tok rada dokazuje svoju vrijednost.

Dok se jaz u primjeni granične umjetne inteligencije povećava, rukovodioci u kompanijama trebaju zaposlenicima omogućiti da testiraju značajne tokove rada, mjere uspjeh i najuspješnije eksperimente pretvore u ponovljivu praksu.

• Odaberite jedno značajno područje stvaranja vrijednosti. Počnite s cjelovitim tokom rada koji objedinjuje strateški prioritet, sisteme, primopredaje, kontrole i mjerljive rezultate. Treba se ponavljati dovoljno često da iz njega možete učiti i biti dovoljno važan da opravda redizajn.
• Definišite rezultat i način na koji ćete ga mjeriti. Odredite odgovornu osobu, KPI, početno stanje i zaštitne mjere. Dubinu primjene pratite kroz završene zadatke, povezani kontekst i alate, izuzetke i obim pregleda. Vrijednost pratite kroz trajanje ciklusa, kvalitet, troškove, prihode ili rizik. Obim rezultata može pokazati da ljudi od umjetne inteligencije traže više, a ishodi tokova rada pokazuju da li je to zaista važno.
• Napišite opis posla agenta. Definišite šta pokreće posao, željeni rezultat, potreban kontekst, alate i ovlaštenja te koliko istrajno agent treba raditi na dovršavanju zadatka. Navedite koje dokaze mora pružiti i gdje se mora zaustaviti radi ljudskog pregleda.
• Izgradite ljudski sistem oko agenta. U proces oblikovanja uključite osobe koje najbolje poznaju tok rada. Odredite ko je odgovoran za poslovni ishod, stručnu logiku, pristup i kontrole, usvajanje te svakodnevnu upotrebu. Startup kompanije objedinjuju te odgovornosti u nekoliko osoba, dok su kompanijama potrebna jasno utvrđena prava odlučivanja kako se tok rada širi.
• Učinite eksperimentisanje vidljivim i ponovljivo upotrebljivim. OpenAI-jevo istraživanje pokazuje da su zaposlenici na početku karijere šest mjeseci nakon usvajanja sedmično slali 13 poruka više od rukovodilaca. Omogućite zaposlenicima da testiraju nove slučajeve upotrebe, a zatim zabilježite proces i dokaze koji stoje iza uspješnih rješenja te ih oblikujte kao vještine, dodatke ili zajedničke radne prostore. Chat, Work i Codex⁠(otvara se u novom prozoru) podržavaju različite načine rada: Chat za pitanja i brzu saradnju, Work za višekoračni rad sa znanjem i završne rezultate, a Codex za tehničko izvršavanje.
• Prenesite operativni obrazac na sljedeći posao. Sačuvajte kontekst, ovlaštenja, evaluacije, tačke pregleda, odgovorne osobe, mjerila i podršku koji su dali rezultate, a zatim ih primijenite na sljedeće područje stvaranja vrijednosti. Svaki novi eksperiment trebao bi sljedećem timu pružiti bolju polaznu tačku.