Jak firmy bazujące na AI przekuwają procesy w zdolność operacyjną

Najnowszy raport Enterprise Signals firmy OpenAI pokazuje, że rola AI w firmach zmienia się ze wspomagającej na wykonawczą, ale tempo tej zmiany jest bardzo zróżnicowane. Firmy pionierskie (należące do 10% podmiotów o najwyższym wykorzystaniu AI) generują dziś 8,3 raza więcej tokenów wyjściowych na aktywnego użytkownika niż typowe firmy — w styczniu było to 2,6 raza więcej. Rosnąca różnica wskazuje na głębszą zmianę operacyjną: wiodące firmy zapewniają agentom dostęp do kontekstu firmy i jej narzędzi, powierzają im bardziej istotne zadania i ułatwiają powtarzanie skutecznych procesów.

Wyzwaniem dla liderów jest przełożenie tego zaawansowania na pracę, której ludzie mogą ufać, którą mogą mierzyć i doskonalić. Liderzy powinni też pozostawić przestrzeń na eksperymenty, w tym zastosowania, których wartość nie jest od razu oczywista.

Startupy Basis⁠(otwiera nowe okno), Clay⁠(otwiera nowe okno) i Exa Labs⁠(otwiera nowe okno) włączyły agentów do wdrażania pracowników, zarządzania klientami i rozwijania ekosystemu deweloperów. Ich procesy są różne, ale widać w nich pouczający schemat: naucz agenta realizować ustalony proces, zapewniaj mu ciągłość kontekstu w miarę zmian w pracy, a następnie pozwól mu przekładać możliwości na przetestowane działania.

Przykłady te pokazują, jak zespoły mogą włączać agentów do codziennej pracy i z czasem doskonalić cały proces.

Wdrażanie nowych pracowników od dawna jest uciążliwe zarówno dla pracodawców, jak i zatrudnionych. W Basis, firmie tworzącej agentów AI dla biur rachunkowych, wdrożenie w pierwszym dniu zajmuje obecnie 30 minut zamiast dwóch godzin, dzięki czemu dział HR ma więcej czasu na budowanie kultury organizacyjnej i wspieranie pracowników.

Pierwszego dnia pracownicy od razu mogą korzystać z Codex oraz firmowej umiejętności wdrożeniowej, czyli zestawu instrukcji i zasobów, które można wielokrotnie wykorzystywać w konkretnym procesie. Codex wita ich, przedstawia najważniejsze pojęcia używane w firmie i w tle korzysta z ich komputera, aby skonfigurować integracje. Gdy pojawiają się powtarzające się pytania lub wyjątki, dział HR może zaktualizować umiejętność przed przyjęciem kolejnej grupy.

Basis raz zademonstrowało proces wdrażania, a następnie przekształciło go w umiejętność, z której można wielokrotnie korzystać, z jasno określonym warunkiem uruchomienia, ustalonymi krokami, dostępem do właściwych narzędzi i jasną definicją „zakończenia”. Proces nie zależy już od dostępności jednej osoby, ale zespół nadal może interweniować w przypadku wyjątków lub złożonych pytań. Wdrażanie jest teraz bardziej spójne, powtarzalne i łatwiejsze do doskonalenia, a nowi pracownicy od razu poznają model współpracy z AI.

Clay, firma budująca samouczący się mechanizm generowania przychodów dla zespołów ds. strategii prowadzenia na rynek (GTM), mierzy się z typowym wyzwaniem sprzedażowym: kluczowy kontekst transakcji jest rozproszony między rekordami CRM, pocztą e-mail, Slackiem, rozmowami telefonicznymi, prezentacjami, wiadomościami tekstowymi oraz rozmowami z zespołami wewnętrznymi i osobami wspierającymi zakup po stronie klienta.

Aby zachować aktualność tego kontekstu, jedna z inżynierek zespołu GTM w Clay wypróbowała lepsze podejście: trwałą przestrzeń roboczą i osobnego podagenta dla każdego klienta. Każdy podagent przegląda źródła pierwotne i nocą aktualizuje folder swojej transakcji. Każdego ranka agent koordynujący przekształca aktualizacje dotyczące wszystkich jej klientów w krótką listę priorytetowych działań: odpowiedzieć na zaległe pytanie klienta, uzupełnić skład komitetu zakupowego lub dać potencjalnemu klientowi powód do wznowienia kontaktu.

Według Clay proces ten pozwala jej każdego wieczoru zaoszczędzić około godziny na przeglądaniu skrzynki odbiorczej. Codzienne priorytety pomagają jej doprowadzać do końca drobne działania, które w długim cyklu sprzedaży korporacyjnej mogą łącznie przynieść znaczące efekty. Dowody uzasadniające każdą rekomendację pozostają pod ręką, dzięki czemu sprzedawcy mogą sprawdzić źródła pierwotne przed podjęciem działania. Przedsiębiorstwa mogłyby udostępnić ten wspólny kontekst opiekunom klientów, przedstawicielom ds. rozwoju biznesu (BDR), inżynierom rozwiązań i liderom sprzedaży, z zachowaniem istniejących uprawnień do kont.

Clay pokazuje, czego potrzeba do skalowania pracy, która stale się zmienia: spójnej struktury, odpowiedniej częstotliwości aktualizacji, wspólnych dowodów oraz ludzkiej oceny przed podjęciem działania.

Exa Labs, firma tworząca infrastrukturę wyszukiwania internetowego dla agentów AI, chce udostępnić swoje API wyszukiwania wszędzie tam, gdzie mogliby z niego korzystać deweloperzy. Zespół nazywa ten cel „Exa wszędzie”. Wcześniej jego realizacja wymagała od zespołów ds. relacji z deweloperami i obsługi klientów monitorowania repozytoriów oraz szerszego ekosystemu, wyszukiwania obiecujących integracji, gromadzenia kontekstu i koordynowania pracy między systemami. Choć możliwości były różne, droga od odkrycia do wdrożenia przebiegała według stałej sekwencji. Exa przekształciła tę sekwencję w zdefiniowany proces dla Codex, z jasnymi priorytetami, dostępem do niezbędnych źródeł i weryfikacją przez człowieka, zanim cokolwiek zostanie wdrożone.

Codex monitoruje teraz możliwości integracji o wysokim priorytecie, gromadzi odpowiedni kontekst, tworzy pull requesty, uruchamia testy i przygotowuje cotygodniowe aktualizacje na podstawie źródeł takich jak Slack i Notion. W odpowiednich przypadkach może również przygotować propozycję kolejnego kroku, w tym wstępny komunikat, do sprawdzenia przez zespół. Proces prowadzi od sygnału o możliwości do przetestowanego rezultatu, a zarazem ogranicza liczbę przekazań między obszarami badań, inżynierii i komunikacji.

To ludzie nadal decydują, które możliwości są istotne, jakie zobowiązania powinna podjąć Exa i jak należy zarządzać relacjami zewnętrznymi. Testy i punkty weryfikacji pozwalają zobaczyć rezultaty pracy agenta, zanim zostaną wdrożone. Wyniki testów i weryfikacja przez człowieka mogą wskazać zespołowi, co należy poprawić w procesie przed kolejnym uruchomieniem. Im większe znaczenie ma praca, tym ważniejszą częścią projektowania procesu stają się uprawnienia, dowody i kompetencje decyzyjne.

Basis, Clay i Exa wspólnie przekładają schematy obserwowane w raporcie „Enterprise Signals” na praktykę operacyjną. Basis przekształca sprawdzony proces w umiejętność, z której można wielokrotnie korzystać. Clay zapewnia agentowi kontekst i ciągłość potrzebne do utrzymywania aktualności zmieniającego się zakresu pracy. Exa dodaje narzędzia, testy i weryfikację, aby agent mógł przekształcić sygnał w działanie realizowane w określonych granicach. Wszystkie trzy firmy wpisują doskonalenie w proces: wyjątki podczas wdrażania wskazują, gdzie umiejętność wymaga dopracowania; nowa aktywność związana z klientem i weryfikacja przez sprzedawcę pomagają utrzymywać aktualność kontekstu transakcji; a testy i weryfikacja przez człowieka pomagają precyzyjniej wyznaczać granice przyszłych działań. Każda z nich zaczyna od konkretnego zadania i pozostawia wystarczająco dużo przestrzeni, by je przetestować. Podział pracy staje się wyraźniejszy w praktyce, a zakres odpowiedzialności rośnie, gdy proces się sprawdza.

Wobec rosnącej różnicy w wykorzystaniu AI między firmami pionierskimi a typowymi liderzy przedsiębiorstw muszą zapewnić pracownikom przestrzeń do testowania istotnych procesów, mierzenia sukcesu i przekształcania najlepszych eksperymentów w powtarzalne praktyki.

• Wybierz jeden istotny obszar, w którym można tworzyć wartość. Zacznij od kompleksowego procesu, który łączy strategiczny priorytet, systemy, przekazywanie zadań, mechanizmy kontroli i mierzalne rezultaty. Proces powinien powtarzać się na tyle często, by można było wyciągać wnioski, i być na tyle istotny, by uzasadniać jego przeprojektowanie.
• Określ oczekiwany rezultat i sposób jego pomiaru. Wskaż osobę odpowiedzialną, KPI, poziom bazowy i zabezpieczenia. Mierz zaawansowanie na podstawie ukończonych zadań, dostępu do kontekstu i podłączonych narzędzi, wyjątków oraz nakładu pracy związanego z weryfikacją. Mierz wartość na podstawie czasu realizacji, jakości, kosztów, przychodów lub ryzyka. Wolumen wyników może pokazać, że ludzie powierzają AI więcej pracy; rezultaty procesów pokazują, czy ma to znaczenie.
• Napisz opis stanowiska agenta. Określ, co uruchamia pracę, oczekiwany rezultat, wymagany kontekst, narzędzia i uprawnienia oraz jak wytrwale agent powinien dążyć do jej ukończenia. Wskaż, jakie dowody musi przedstawić i w którym miejscu ma się zatrzymać, aby umożliwić weryfikację przez człowieka.
• Zbuduj wokół agenta system oparty na ludziach. Włącz osoby najlepiej znające proces w jego projektowanie. Wskaż osoby odpowiedzialne za wynik biznesowy, logikę dziedzinową, dostęp i mechanizmy kontroli, wdrożenie oraz codzienne użytkowanie. W startupach obowiązki te skupiają się w rękach kilku osób; w przedsiębiorstwach wraz ze skalowaniem procesu potrzebny jest jednoznaczny podział uprawnień decyzyjnych.
• Zadbaj, aby eksperymenty były widoczne i nadawały się do ponownego wykorzystania. Badania OpenAI pokazują, że sześć miesięcy po wdrożeniu pracownicy na początku kariery wysyłali tygodniowo o 13 wiadomości więcej niż kadra kierownicza. Zapewnij pracownikom przestrzeń do testowania nowych zastosowań, a następnie utrwal proces i dowody potwierdzające, co działa, oraz ujmij je w formie umiejętności, wtyczek lub wspólnych przestrzeni roboczych. Chat, Work i Codex⁠(otwiera nowe okno) obsługują różne tryby: Chat służy do zadawania pytań i szybkiej współpracy, Work — do wieloetapowej pracy z wiedzą i tworzenia gotowych materiałów, a Codex — do realizacji zadań technicznych.
• Przenoś sprawdzony model operacyjny na kolejne obszary. Zachowaj te elementy, które się sprawdziły: kontekst, uprawnienia, oceny, punkty weryfikacji, osoby odpowiedzialne, miary i wsparcie, a następnie zastosuj je w kolejnym obszarze, w którym można tworzyć wartość. Każdy nowy eksperyment powinien zapewnić kolejnemu zespołowi lepszy punkt wyjścia.