Kako nativna AI poduzeća tijekove rada pretvaraju u kapacitet

Najnovije OpenAI-evo izvješće Enterprise Signals pokazuje da se umjetna inteligencija u poslovanju kreće od pružanja pomoći prema izvršavanju zadataka, ali vrlo različitim brzinama. Vodeća poduzeća, odnosno 10 % poduzeća s najvećom upotrebom umjetne inteligencije, sada generiraju 8,3 puta više izlaznih tokena po aktivnom korisniku od tipičnih poduzeća, u usporedbi s 2,6 puta više u siječnju. Sve veći jaz upućuje na dublju promjenu u poslovanju: vodeća poduzeća povezuju agente s kontekstom i alatima poduzeća, povjeravaju im zahtjevnije zadatke i olakšavaju ponavljanje uspješnih tijekova rada.

Izazov je za čelnike tu dubinu pretvoriti u rad kojem ljudi mogu vjerovati te ga mjeriti i poboljšavati. Čelnici bi trebali ostaviti i prostor za eksperimentiranje, uključujući slučajeve upotrebe čija vrijednost nije očita iz prvog pokušaja.

Startupovi Basis⁠(otvara se u novom prozoru), Clay⁠(otvara se u novom prozoru) i Exa Labs⁠(otvara se u novom prozoru) ugradili su agente u uvođenje zaposlenika, upravljanje klijentima i razvoj ekosustava za programere. Njihovi se tijekovi rada razlikuju, ali razvojni put pruža vrijednu pouku: naučite agenta stabilnom procesu, omogućite mu trajan kontekst dok se posao mijenja, a zatim mu prepustite da prilike pretvara u provjerene aktivnosti.

Ti primjeri zajedno pokazuju kako timovi mogu agente ugraditi u poznate načine rada i s vremenom poboljšavati proces.

Uvođenje zaposlenika dugo je bilo zahtjevno i poslodavcima i zaposlenicima. U Basisu, koji razvija AI agente za računovodstvena poduzeća, uvođenje zaposlenika prvog dana sada traje 30 minuta umjesto dva sata, pa ljudskim resursima ostaje više vremena za kulturu i podršku.

Zaposlenici prvog dana odmah dobivaju pristup Codexu i vještini za uvođenje prilagođenoj poduzeću, odnosno skupu uputa i resursa koji se može ponovno upotrebljavati za određeni tijek rada. Codex im izražava dobrodošlicu, predstavlja ključne koncepte poduzeća i služi se njihovim računalom kako bi u pozadini dovršio postavljanje integracija. Kada se pojave česta pitanja ili iznimke, ljudski resursi mogu ažurirati vještinu prije dolaska sljedeće skupine.

Basis je jednom demonstrirao postupak uvođenja, a zatim ga pretvorio u vještinu za višekratnu upotrebu s jasnim okidačem, poznatim koracima, pristupom odgovarajućim alatima i jasnom definicijom onoga što znači „gotovo”. Proces više ne ovisi o dostupnosti jedne osobe, no tim i dalje može intervenirati u slučaju iznimki ili složenih pitanja. Uvođenje je sada dosljednije, ponovljivo i jednostavnije za poboljšavanje, a novi zaposlenici odmah dobivaju primjer kako raditi s umjetnom inteligencijom.

Clay, poduzeće koje razvija sustav za povećanje prihoda timova za strategiju izlaska na tržište za samostalno učenje, suočava se s poznatim prodajnim izazovom: ključni kontekst prodajnih prilika raspršen je po zapisima u CRM-u, e-pošti, Slacku, pozivima, prezentacijama, tekstnim porukama te razgovorima s internim timovima i zagovornicima kod klijenata.

Kako bi taj kontekst ostao ažuran, jedna od Clayevih inženjerki za GTM isprobala je bolji pristup: trajan radni prostor i namjenski podagent za svakog klijenta. Svaki podagent pregledava primarne izvore i tijekom noći ažurira svoju mapu prodajne prilike. Svakog jutra koordinacijski agent pretvara ažuriranja za sve njezine klijente u kratak popis prioritetnih poteza: odgovoriti na neriješeno pitanje klijenta, popuniti prazninu u odboru za nabavu ili potencijalnom klijentu dati razlog da se ponovno uključi.

Prema Clayu, taj joj tijek rada svake večeri uštedi otprilike sat vremena pregledavanja ulazne pošte. Dnevni prioriteti pomažu joj provesti male aktivnosti čiji se učinak zbraja tijekom dugog ciklusa poslovne prodaje. Popratni dokazi nalaze se uz svaku preporuku, pa prodajni predstavnici prije djelovanja mogu pregledati primarne izvore. Poslovne organizacije mogle bi taj zajednički kontekst proširiti na voditelje klijenata, BDR-ove, inženjere rješenja i voditelje prodaje, u skladu s postojećim dopuštenjima za pristup klijentima.

Clay pokazuje što je radu koji se mijenja potrebno za širenje: dosljedna struktura, koristan ritam ažuriranja, zajednički dokazi i ljudska prosudba u trenutku djelovanja.

Exa Labs, koji razvija infrastrukturu za internetsko pretraživanje namijenjenu AI agentima, želi svoj API za pretraživanje učiniti dostupnim svugdje gdje bi ga programeri mogli upotrijebiti. Tim taj cilj naziva „Exa posvuda”. Prije su radi njegova ostvarenja timovi za odnose s programerima i upravljanje klijentima morali pratiti repozitorije i širi ekosustav, prepoznavati obećavajuće integracije, prikupljati kontekst i koordinirati rad u različitim sustavima. Premda su se prilike razlikovale, put od otkrivanja do implementacije slijedio je dosljedan slijed koraka. Exa je taj slijed pretvorila u definiran tijek rada za Codex, s jasnim prioritetima, pristupom potrebnim izvorima i ljudskim pregledom prije objave bilo čega.

Codex sada prati prilike za integracije visokog prioriteta, prikuplja relevantan kontekst, izrađuje pull requeste, pokreće testove i priprema tjedna ažuriranja koristeći se izvorima kao što su Slack i Notion. Kada je to primjereno, može pripremiti i nacrt sljedećeg koraka, uključujući početnu objavu, koji tim zatim pregledava. Tijek rada vodi priliku od signala do provjerenog rezultata, uz manje primopredaja između istraživanja, inženjerstva i komunikacije.

Ljudi i dalje odlučuju koje su prilike važne, koje bi obveze Exa trebala preuzeti i kako treba upravljati vanjskim odnosima. Testovi i kontrolne točke čine rad agenta vidljivim prije objave. Rezultati testova i ljudski pregled mogu timu pokazati gdje treba prilagoditi tijek rada prije sljedećeg pokretanja. Kako rad dobiva veće posljedice, dopuštenja, dokazi i prava odlučivanja postaju sve važniji dio oblikovanja tijeka rada.

Basis, Clay i Exa zajedno obrasce koje uočavamo u izvješćima Enterprise Signals pretvaraju u konkretne poslovne postupke. Basis provjeren proces pretvara u vještinu za višekratnu upotrebu. Clay agentu pruža kontekst i kontinuitet kako bi skup informacija koji se stalno mijenja održavao ažurnim. Exa dodaje alate, testove i pregled kako bi agent mogao pretvoriti signal u izvršenje unutar zadanih granica. Sva tri poduzeća ugrađuju poboljšavanje u tijek rada: iznimke pri uvođenju otkrivaju gdje treba doraditi vještinu; nove aktivnosti klijenata i potvrde prodajnih predstavnika 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 tijek rada dokazuje svoju vrijednost.

Dok se jaz u upotrebi graničnih modela povećava, poslovni čelnici zaposlenicima moraju dati prostor za testiranje važnih tijekova rada, mjerenje uspjeha i pretvaranje najboljih eksperimenata u ponovljive prakse.

• Odaberite jedno važno područje stvaranja vrijednosti. Počnite s cjelovitim tijekom rada u kojem se susreću strateški prioritet, sustavi, primopredaje, kontrole i mjerljivi učinci. Trebao bi se ponavljati dovoljno često da iz njega možete učiti i biti dovoljno važan da opravda preoblikovanje.
• Definirajte ishod i način njegova mjerenja. Odredite odgovornog vlasnika, KPI, početnu vrijednost i zaštitne mehanizme. Dubinu pratite kroz dovršene zadatke, povezani kontekst i alate, iznimke te opterećenje pregledima. Vrijednost pratite kroz trajanje ciklusa, kvalitetu, trošak, prihod ili rizik. Količina rezultata može pokazati da ljudi od umjetne inteligencije traže više; ishodi tijeka rada pokazuju je li to važno.
• Napišite opis posla agenta. Definirajte što pokreće rad, željeni ishod, potreban kontekst, alate, dopuštenja i koliko ustrajno agent treba raditi na dovršetku. Odredite koje dokaze mora pripremiti i gdje se mora zaustaviti radi ljudskog pregleda.
• Izgradite ljudski sustav oko agenta. U oblikovanje uključite ljude koji su najbliži tijeku rada. Odredite tko je odgovoran za poslovni ishod, logiku domene, pristup i kontrole, prihvaćanje te svakodnevnu upotrebu. Startupovima je za te odgovornosti dovoljno nekoliko ljudi; poslovne organizacije trebaju jasno utvrđena prava odlučivanja kako se tijek rada širi.
• Učinite eksperimentiranje vidljivim i iskoristivim drugima. OpenAI-evo istraživanje pokazuje da su šest mjeseci nakon uvođenja zaposlenici na početku karijere slali 13 poruka tjedno više od rukovoditelja. Dajte zaposlenicima prostor za testiranje novih slučajeva upotrebe, zatim zabilježite proces i dokaze o onome što funkcionira te ih oblikujte kao vještine, plugine ili zajedničke radne prostore. Chat, Work i Codex⁠(otvara se u novom prozoru) podržavaju različite načine rada: Chat za pitanja i brzu suradnju, Work za višekoračni rad sa znanjem i dovršene rezultate, a Codex za tehničko izvršavanje.
• Prenesite obrazac poslovanja dalje. Sačuvajte kontekst, dopuštenja, evaluacije, kontrolne točke, vlasnike, mjerila i podršku koji su se pokazali uspješnima, a zatim ih primijenite na sljedeće područje stvaranja vrijednosti. Svaki novi eksperiment sljedećem bi timu trebao pružiti bolje polazište.