Kavita Ganesan นักการศึกษาด้าน AI เปิดเผยโอกาสด้าน AI ในธุรกิจของคุณ

การเตรียมพร้อมสำหรับ AI อาจเป็นเรื่องน่ากลัวในตอนแรก แขกรับเชิญในวันนี้แบ่งปันกรอบการทำงานที่ทำซ้ำได้ซึ่งช่วยให้คุณคว้าโอกาสที่เหมาะสม วัดความสำเร็จของพวกเขา และกำหนดขั้นตอนสำหรับการเปลี่ยนแปลงที่ราบรื่น

ในปีที่ผ่านมา ความก้าวหน้าอย่างรวดเร็วของ AI เชิงกำเนิด รวมถึงการเปิดตัว ChatGPT ที่ก้าวล้ำ ได้นำ AI มาสู่แถวหน้าของความสนใจของทุกคน อย่างไรก็ตาม การนำทางภูมิทัศน์ของ AI อาจเป็นเรื่องน่าวิตกสำหรับผู้นำธุรกิจที่ไม่แน่ใจว่าจะเริ่มต้นจากจุดใด การเปลี่ยนแปลงอาจรู้สึกท่วมท้น ตั้งแต่การเลือกปัญหาที่เหมาะสมสำหรับ AI เพื่อแก้ไข ไปจนถึงการสร้างโครงสร้างพื้นฐานข้อมูลที่แข็งแกร่ง และการเตรียมทีมสำหรับการเปลี่ยนแปลง นี่คือที่มาของ Kavita Ganesan

กวิตาเป็นที่ปรึกษาด้าน AI นักการศึกษา และผู้ก่อตั้งธุรกิจที่ปรึกษา Opinosis Analytics ด้วยปริญญาเอก ในการประมวลผลภาษาธรรมชาติ (NLP) เทคโนโลยีการค้นหา และการเรียนรู้ของเครื่อง และประสบการณ์กว่า 15 ปี กวิตาทำงานร่วมกับองค์กรต่างๆ เพื่อช่วยพวกเขาไขปริศนาของ AI และนำ AI ไปใช้ในกลยุทธ์ทางธุรกิจ ในฤดูใบไม้ผลิปีที่แล้ว – ไม่กี่เดือนก่อนที่ข่าวทั้งหมดจะเริ่มต้นขึ้น เธอยังเผยแพร่ The Business Case for AI ซึ่งเป็นคู่มือเชิงปฏิบัติสำหรับผู้นำธุรกิจในการเปิดตัวโครงการ AI ที่ขับเคลื่อนผลลัพธ์

ในนั้น กวิตาแสดงกรอบสำหรับการระบุโอกาส AI ที่มีผลกระทบสูง โดยเน้นความสำคัญของการประเมินและกำหนดกรอบปัญหาอย่างมีประสิทธิภาพ เพื่อจัดลำดับความสำคัญของการนำโซลูชัน AI ไปใช้งานที่สอดคล้องกับเป้าหมายทางธุรกิจของคุณ ตลอดจนการวัดผลกระทบและความสำเร็จของการริเริ่ม AI แต่ละรายการ .

ในตอนของวันนี้ เราพบกับกวิตาเพื่อพูดคุยเกี่ยวกับกลยุทธ์สำหรับผู้นำธุรกิจในการคว้าศักยภาพแห่งการเปลี่ยนแปลงของ AI

นี่คือประเด็นสำคัญบางประการ:

• เริ่มรวม AI เข้ากับธุรกิจของคุณโดยเพิ่มประสิทธิภาพกระบวนการด้วยตนเองซ้ำๆ และจัดการกับความไร้ประสิทธิภาพที่ระบุผ่านคำติชมของลูกค้าหรือหน่วยธุรกิจอื่นๆ
• ในการระบุโอกาสที่มีผลกระทบสูง ให้ประเมินจุดที่เหมาะสมในการปรับใช้ AI และดูว่าสิ่งเหล่านี้แปลเป็นผลประโยชน์ทางธุรกิจที่จับต้องได้หรือไม่
• ก่อนนำไปใช้งาน คุณจะต้องกำหนดกรอบโอกาสเหล่านั้นเพื่อให้ชัดเจนยิ่งขึ้นถึงประโยชน์ ประเด็นปัญหาที่คุณกำลังแก้ไข และเมตริกใดที่จะช่วยให้คุณวัดผลได้
• ขั้นตอนต่อไปคือการโทรหาผู้เชี่ยวชาญเพื่อให้แน่ใจว่าเป็นไปได้ จากนั้นคุณจะสามารถจัดอันดับความคิดริเริ่มเหล่านั้นทั้งหมดและจัดลำดับความสำคัญของสิ่งที่เป็นประโยชน์สูงสุดได้
• ความสำเร็จในการริเริ่ม AI ขึ้นอยู่กับสามเสาหลัก: ประสิทธิภาพของแบบจำลอง ผลกระทบทางธุรกิจ และความพึงพอใจของผู้ใช้

หากคุณชอบการสนทนาของเรา ลองดูตอนอื่นๆ ของพอดแคสต์ของเรา คุณสามารถติดตาม Apple Podcasts, Spotify, YouTube หรือคว้าฟีด RSS ในเครื่องเล่นที่คุณเลือก สิ่งต่อไปนี้คือการถอดเทปของตอนนี้เล็กน้อย

ข้อบกพร่องของ AI

Liam Geraghty: สวัสดีและยินดีต้อนรับสู่ Inside Intercom; ฉันชื่อเลียม เกราตี ในรายการวันนี้ ฉันเข้าร่วมโดย Kavita Ganesan ผู้เขียน The Business Case for AI: A Leader's Guide to AI Strategies, Best Practices & Real-World Applications และนั่นคือสิ่งที่เรากำลังจะพูดถึงในวันนี้ กวิตา ยินดีมากที่เข้าร่วมรายการ

Kavita Ganesan: เลียมขอบคุณที่มีฉัน ฉันดีใจจริงๆที่ได้มาที่นี่

Liam: ฉันรู้ว่าคุณได้นำเสนอความคิดริเริ่มด้าน AI ที่ประสบความสำเร็จมากกว่าสองโหลให้กับองค์กรต่างๆ มากมาย ตั้งแต่องค์กรขนาดกลางไปจนถึงองค์กรระดับ Fortune 500 คุณเข้ามามีส่วนร่วมในพื้นที่ AI ได้อย่างไรตั้งแต่แรก?

“ผมมาเป็นวิศวกรซอฟต์แวร์ แต่รู้สึกว่ามีบางอย่างขาดหายไป นั่นคือการพัฒนาอัลกอริทึมทั้งหมดและการแก้ปัญหา”

กวิตา: ประวัติของฉันกับ AI ย้อนไปในปี 2548 ช่วงที่ AI ยังไม่เป็นที่นิยมจริงๆ และไม่ได้เซ็กซี่หรือเป็นที่ต้องการของอุตสาหกรรมด้วยซ้ำ ฉันรู้สึกทึ่งกับแง่มุมการแก้ปัญหาของ AI แม้ว่าเทคนิคต่างๆ อาจเหมือนกัน แต่เมื่อนำไปใช้กับปัญหาอื่น วิธีที่คุณจะแก้ปัญหานั้นทำให้เกิดความท้าทายที่แตกต่างกัน นั่นทำให้ฉันสนใจเพราะฉันคิดว่าโดยเนื้อแท้แล้วฉันเป็นนักแก้ปัญหา ดังนั้นฉันจึงเจาะลึกลงไปใน AI ในหลักสูตรปริญญาโทของฉัน นั่นคือจุดที่ฉันได้สัมผัสกับพื้นที่ AI ทั้งหมด

ฉันกลายเป็นวิศวกรซอฟต์แวร์ แต่ฉันรู้สึกว่ามีบางอย่างขาดหายไป – การพัฒนาอัลกอริทึมทั้งหมดและการแก้ปัญหา นั่นคือตอนที่ฉันตัดสินใจว่าจะต้องได้รับปริญญาเอก ใน AI เพราะฉันอยากเชี่ยวชาญด้านนี้ และในขณะที่ฉันกำลังจะจบการศึกษา ในปี 2013 วิทยาศาสตร์ข้อมูลก็เริ่มเข้าสู่วงการ นั่นคือตอนที่ฉันตัดสินใจว่าแทนที่จะไปที่สถาบันการศึกษาหรือห้องปฏิบัติการวิจัย ฉันจะไปแก้ปัญหาในอุตสาหกรรมเท่านั้น ฉันคิดว่าฉันเป็นคนที่นำไปใช้ได้จริง ฉันจึงอยากเห็นอัลกอริทึมเหล่านี้ถูกนำไปใช้ให้เกิดประโยชน์ นั่นคือจุดเริ่มต้นของสิ่งต่างๆ ฉันส่งมอบโครงการเหล่านี้ทั้งหมดและทำงานเกี่ยวกับปัญหาต่างๆ ตั้งแต่การดูแลสุขภาพไปจนถึงด้านอื่นๆ เช่น รหัส

“AI เจเนอเรทีฟได้วาง AI ไว้บนแผนที่สำหรับพวกเขา”

Liam: มันจะต้องรู้สึกเหมือนว่าคนทั้งโลกเพิ่งตามทัน AI ทั้งหมดนี้ในช่วง 2-3 เดือนที่ผ่านมา

กวิตา: ใช่ สำหรับหลายๆ ธุรกิจ AI เป็นสิ่งใหม่มาก โดยเฉพาะธุรกิจขนาดเล็กที่ไม่เคยนึกถึง AI เพราะรู้สึกว่าไม่เกี่ยวข้องกับพวกเขา การดำเนินงานขนาดกลางได้คิดเกี่ยวกับ AI มาระยะหนึ่งแล้ว แต่ไม่รู้ว่าจะเริ่มต้นอย่างไร และ AI เชิงกำเนิดได้วาง AI ไว้บนแผนที่สำหรับพวกเขา

จะเริ่มต้นที่ไหน?

Liam: มาดูหนังสือของคุณกัน เรื่อง Business Case for AI คุณยอมรับความกังวลและข้อกังวลที่ผู้นำมีเกี่ยวกับ AI ทันที เราเพิ่งเผยแพร่รายงานเกี่ยวกับสถานะของ AI ในการบริการลูกค้าปี 2023 ซึ่งเราได้สำรวจผู้เชี่ยวชาญด้านการสนับสนุน 1,000 คน และพบว่า 69% ของผู้นำกำลังวางแผนที่จะลงทุนด้าน AI มากขึ้นในปีหน้า แต่จนถึงขณะนี้ มีผู้นำเพียง 38% เท่านั้นที่ทำได้แล้ว นั่นต้องเป็นโอกาสที่ยิ่งใหญ่สำหรับผู้เริ่มต้นที่จะได้รับประโยชน์จากการแข่งขันที่แท้จริงด้วยประโยชน์ทั้งหมดที่ AI มอบให้ จริงไหม?

กวิตา: ใช่ ถูกต้องที่สุด เมื่อนำไปใช้กับปัญหาที่ถูกต้อง คุณจะเห็นประโยชน์มากมายตั้งแต่เนิ่นๆ ฉันคิดว่าความท้าทายที่บริษัทต่างๆ กำลังเผชิญอยู่ในขณะนี้คือการค้นหาปัญหาที่ถูกต้องภายในธุรกิจ และการนำ AI ไปใช้ในลักษณะที่จะให้คุณค่าแก่พวกเขา ไม่ใช่หกหรือเจ็ดเดือนข้างหน้า แต่เป็นสามเดือน

“มันเกี่ยวกับการทำความเข้าใจพื้นที่ของสิ่งที่ประกอบกันเป็น AI ที่ซึ่งคุณสามารถใช้ AI ประเภทของปัญหาที่คุณสามารถนำไปใช้ได้ และที่ใดที่ AI เชิงกำเนิดเพิ่มมูลค่า”

Liam: คุณจะพูดอะไรกับผู้คนเกี่ยวกับการวางกรอบความคิดของ AI เพื่อไม่ให้พวกเขาจินตนาการถึงหุ่นยนต์ที่ยึดครองโลก แต่กำลังคิดว่า AI เป็นเครื่องมือเชิงปฏิบัติสำหรับธุรกิจอย่างที่คุณพูด

กวิตา: ฉันคิดว่าขั้นแรกต้องเข้าใจว่าสัตว์ร้ายตัวนี้คืออะไร ตอนนี้ผู้คนคิดว่า AI คือ AI กำเนิด แต่ AI กำเนิดเป็นเพียงชิ้นส่วนหนึ่งของปริศนา AI นั้น AI มีอะไรอีกมากมาย มีแมชชีนเลิร์นนิงแบบดั้งเดิม, NLP, คอมพิวเตอร์วิทัศน์ มันเกี่ยวกับการทำความเข้าใจพื้นที่ของสิ่งที่ประกอบเป็น AI ที่ซึ่งคุณสามารถใช้ AI ปัญหาประเภทใดที่คุณสามารถนำไปใช้กับปัญหา และที่ที่ AI เชิงกำเนิดเพิ่มมูลค่า การกล่าวถึงช้างในห้องจะช่วยกำหนดบริบทหรือจุดประกายแนวคิดว่าคุณสามารถใช้ AI ในธุรกิจของคุณได้ที่ไหน ฉันจะบอกว่าการศึกษาเป็นขั้นตอนแรกใช่

Liam: ถ้าเราบอกว่าเราผ่านด่านนั้นไปแล้วและเรากำลังอยู่บนขบวนรถไฟ AI คุณจะทราบได้อย่างไรว่า AI สามารถนำมาใช้ในบริษัทของคุณเพื่อปรับปรุงกระบวนการทางธุรกิจที่มีอยู่ได้อย่างไร คุณช่วยแชร์ตัวอย่างได้ไหม

“การมองหากระบวนการที่มีอยู่ซึ่งไม่มีประสิทธิภาพเป็นจุดเริ่มต้นที่ดี”

กวิตา: ได้ค่ะ บริษัทจำนวนมากพบคุณค่าโดยเริ่มจากปัญหาซ้ำซากที่มีการแก้ไขด้วยตนเอง ในการบริการลูกค้า การกำหนดเส้นทางตั๋วสนับสนุนเป็นงานที่ซ้ำซาก และต้องใช้เวลามากสำหรับตัวแทนในการอ่านตั๋ว กำหนดว่าทีมใดที่จะส่งต่อตั๋วไปให้ และส่งข้อมูลเบื้องต้นนั้นไปยังทีมเพื่อให้พวกเขาสามารถแยกแยะปัญหาได้ . การค้นหากระบวนการแบบแมนนวลที่ซ้ำซากและต้องใช้ความคิดระดับมนุษย์ นั่นคือจุดสำคัญ ซึ่งโซลูชัน AI สามารถสร้างผลกระทบได้อย่างแท้จริงในระยะสั้น เนื่องจากปัญหาเหล่านั้นเป็นที่เข้าใจกันดีและน่าจะมีเมตริกที่คุณสามารถใช้เป็นแนวทางได้ วัดประสิทธิภาพเทียบกับวิธีการด้วยตนเอง การมองหากระบวนการที่มีอยู่ซึ่งไม่มีประสิทธิภาพเป็นจุดเริ่มต้นที่ดี

Liam: คุณสามารถคิดรายชื่อนั้นได้ตลอดเวลา แต่คุณสามารถพูดคุยกับทีมของคุณและดูว่าพวกเขามีตัวบล็อกประเภทใดบ้างที่สามารถปรับปรุงได้ในแต่ละวัน

กวิตา: ใช่ค่ะ แค่คุยกับหน่วยธุรกิจต่างๆ ทำความเข้าใจกับความท้าทาย และทำความเข้าใจว่าลูกค้าได้รับคำติชมอะไรบ้าง คุณจะตรวจพบความไร้ประสิทธิภาพและความท้าทายแม้โดยการวิเคราะห์ความคิดเห็นของลูกค้า นี่คือพื้นที่ที่ AI อาจช่วยได้ สมมติว่าลูกค้าประสบปัญหาในการรับความช่วยเหลือที่ต้องการเนื่องจากโซลูชันการสนับสนุนของคุณไม่มีประสิทธิภาพ นั่นจะทำให้คุณรู้สึกว่า “เฮ้ บางทีเราควรมีฟังก์ชันการค้นหาที่ดีกว่านี้ ซึ่งช่วยแก้ปัญหาของลูกค้า เพื่อที่พวกเขาจะได้ไม่ต้องผ่านระบบการออกตั๋วของเรา”

มองเห็นโอกาสทางธุรกิจที่เหมาะสม

Liam: คุณจะให้คำแนะนำอะไรแก่ผู้ที่ต้องการเตรียมตัวสำหรับ AI กลายเป็นบริษัทที่พร้อมใช้ AI และนำความรู้นั้นไปปฏิบัติจริง

“กรอบของโอกาสแต่ละอย่างจะแสดงให้เห็นว่าโอกาสใดเป็นประโยชน์มากที่สุดและโอกาสใดให้ผลประโยชน์เล็กน้อยซึ่งคุณสามารถเก็บไว้ได้ในตอนนี้”

กวิตา: การเตรียมพร้อมสำหรับ AI มีสองส่วน หนึ่งคือการทำความเข้าใจว่าโอกาสของคุณอยู่ที่ไหนในบริษัทของคุณ หากคุณเป็นองค์กรขนาดกลาง ก็เป็นเรื่องของการพูดคุยกับสายงานธุรกิจต่างๆ ทำความเข้าใจกับความท้าทาย และระบุและวางกรอบโอกาสเหล่านั้น มันอยู่ในการขาย? อยู่ใน HR หรือไม่? นั่นจะทำให้คุณทราบว่าพื้นที่ใดที่สามารถเป็นข้อได้เปรียบในการแข่งขันของคุณได้ ส่วนที่สองคือส่วนพื้นฐานที่จำเป็นสำหรับ AI ซึ่งจะทำให้โครงสร้างพื้นฐานข้อมูลของคุณเป็นรูปเป็นร่าง บางทีคุณอาจไม่ได้รวบรวมข้อมูลอย่างจริงจัง ดังนั้นจึงจำเป็นต้องเริ่มต้น หรือคุณกำลังรวบรวมข้อมูลแต่ที่เก็บข้อมูลของคุณอยู่ในไซโล และไม่มีวิธีที่พนักงานจะเข้าถึงข้อมูลแบบองค์รวมได้ การระบุช่องว่างเหล่านั้นและรวมเข้ากับโอกาสจะทำให้คุณได้รับ AI เข้ามาในบริษัทในระยะยาว

Liam: ดูเหมือนว่าตั้งแต่ ChatGPT มาถึง ทุกผลิตภัณฑ์หรือธุรกิจต่างใช้ AI ต่อท้ายชื่อ ท่ามกลางสถานการณ์ทั้งหมดนี้ บรรดาผู้นำจะหาโอกาสจาก AI เหล่านั้นได้อย่างไร คุณจะกำจัดสิ่งที่ไม่มีประโยชน์ออกไปได้อย่างไร?

กวิตา: ใช่ นั่นจะเกิดขึ้นเมื่อคุณพบโอกาสเหล่านั้นและวางกรอบมันไว้ โดยพื้นฐานแล้วคุณกำลังพูดถึงประโยชน์ของโอกาสและตัวชี้วัดที่คุณจะใช้วัดว่าคุณกำลังแก้ปัญหาอยู่อย่างไร การกำหนดกรอบโอกาสแต่ละรายการจะแสดงให้เห็นว่ารายการใดมีประโยชน์มากที่สุดและรายการใดให้ผลประโยชน์เล็กน้อยซึ่งคุณสามารถเก็บไว้ได้ในตอนนี้ ชิ้นส่วนที่เปล่งออกมานั้นมีความสำคัญอย่างยิ่ง และเป็นขั้นตอนที่สองของ “กรอบการค้นพบ AI ที่มีผลกระทบสูง” ของฉัน (ที่กล่าวถึงในหนังสือ) ขั้นแรก คุณมีไอเดีย หรือมีโอกาสที่จะเป็น AI และขั้นตอนที่สองคือการวางกรอบ

“การแนะนำ AI หรือซอฟต์แวร์อัตโนมัติจะให้ประโยชน์ที่จับต้องได้ในสถานการณ์เฉพาะนั้นหรือไม่? มันสมเหตุสมผลทางธุรกิจหรือไม่”

Liam: คุณช่วยพูดเพิ่มเติมเกี่ยวกับเฟรมเวิร์กหน่อยได้ไหม?

กวิตา: เฟรมเวิร์กนี้เป็นกระบวนการที่ทำซ้ำได้สำหรับการระบุโอกาส AI ที่มีผลกระทบสูง และมีสี่ขั้นตอนหลัก อย่างแรกคือพิจารณาก่อนว่านี่เป็นโอกาสของ AI ที่มีแนวโน้มหรือไม่ โอกาสของ AI มักจะแก้ปัญหาการตัดสินใจที่ซับซ้อน และนั่นทำให้ AI เข้าใจ แต่ยังต้องสมเหตุสมผลทางธุรกิจเพื่อให้คุณก้าวต่อไปได้ นั่นคือเมื่อคุณดูภาระงาน การแนะนำ AI หรือซอฟต์แวร์อัตโนมัติจะให้ประโยชน์ที่จับต้องได้ในสถานการณ์เฉพาะนั้นหรือไม่ มันสมเหตุสมผลทางธุรกิจหรือไม่? แล้วมันมีหน่วยการสร้างพื้นฐานหรือไม่? สมมติว่าคุณได้ดำเนินการขั้นตอนนี้ด้วยตนเอง หากเป็นไปตามสามสิ่งนี้ ก็เป็นโอกาสของ AI ที่เป็นไปได้ แต่นั่นไม่ได้หมายความว่าคุณควรนำไปใช้จริง

นั่นคือที่มาของขั้นตอนที่สอง ซึ่งคุณกำหนดกรอบโอกาสเหล่านั้น โดยพื้นฐานแล้ว คุณจะเพิ่มรายละเอียดเพิ่มเติมให้กับโอกาสทางการขาย ระบุถึงประโยชน์ ประเด็นปัญหาที่คุณกำลังพูดถึง และเมตริกใดที่คุณจะใช้ในการวัดผล นั่นเป็นวิธีที่คุณจะรู้ว่าคุณกำลังประสบความสำเร็จทางธุรกิจและมีความพร้อมใช้งานของข้อมูล แต่นี่ไม่ได้หมายความว่าคุณดำเนินการโดยตรง คุณยังคงต้องแน่ใจว่าเป็นไปได้ นั่นคือสิ่งที่ผู้เชี่ยวชาญของคุณเข้ามา – ขั้นตอนที่สาม คุณจะนำไปให้ผู้เชี่ยวชาญของคุณแล้วพูดว่า “เฮ้ ฉันมีโอกาสนี้แล้ว คุณคิดอย่างไร? ปฏิบัติได้หรือไม่” นั่นคือจุดที่พวกเขาจะเห็นธงสีแดงทั้งหมด เช่น “คุณมีข้อมูล แต่ปริมาณไม่เพียงพอ” หรือ “สิ่งนี้ล้ำหน้าเกินไปที่จะนำมาใช้ในตอนนี้” นั่นคือที่ที่พวกเขาจะหยุดและให้ข้อมูลเพิ่มเติมแก่คุณ เมื่อคุณมีข้อมูลทั้งหมดแล้ว คุณสามารถจัดอันดับความคิดริเริ่มเหล่านั้นและเลือกความคิดริเริ่มอันดับต้น ๆ ซึ่งเป็นขั้นตอนที่สี่ – การจัดอันดับและการจัดลำดับความสำคัญ นี่เป็นกระบวนการที่ทำซ้ำได้มาก และฉันอยากให้นี่เป็นส่วนสำคัญของหนังสือเล่มนี้ เพราะฉันคิดว่าคนในปัจจุบันยังไม่มีวิธีการทำอย่างเป็นระบบ

“ตัวแบบเองไม่ใช่จุดสิ้นสุด แบบจำลองเป็นวิธีการแก้ปัญหาทางธุรกิจ นั่นคือที่มาของความสำเร็จของธุรกิจ”

Liam: คุณพูดถึงมันที่นั่น แต่ฉันอยากจะพูดถึงสิ่งที่เกิดขึ้นเมื่อผู้นำจัดการกับปัญหาเหล่านี้และใช้กลยุทธ์ AI ของพวกเขา คุณจะแนะนำแนวทางใดในการประเมินความสำเร็จของโครงการ AI ของพวกเขา

กวิตา: ในตอนนี้ ความสำเร็จเป็นเรื่องคลุมเครือสำหรับบริษัทส่วนใหญ่ เนื่องจากผู้นำคาดหวัง ROI ทางการเงิน และผู้เชี่ยวชาญด้าน AI ต้องการเห็นโมเดลที่มีความแม่นยำสูง ในหนังสือของฉัน ฉันพูดถึงสามเสาหลักของความสำเร็จ หนึ่งคือความสำเร็จของโมเดล โมเดลต้องมีประสิทธิภาพขั้นต่ำที่ยอมรับได้ มิฉะนั้นจะไม่แก้ปัญหาอย่างแท้จริง หากมีความแม่นยำ 50% ก็เป็นเพียงการสุ่ม คุณต้องการให้แน่ใจว่ามันทำงานและทำงานได้ดีพอสมควร แต่ตัวแบบเองยังไม่สิ้นสุด แบบจำลองเป็นวิธีการแก้ปัญหาทางธุรกิจ นั่นคือที่มาของความสำเร็จทางธุรกิจ และสิ่งนี้เชื่อมโยงโดยตรงกับประเด็นปัญหาของคุณ คุณต้องการปรับปรุงอะไร กำลังพยายามวิเคราะห์ตั๋วสนับสนุนหรือไม่? กำลังพยายามปรับปรุงความสมดุลในชีวิตการทำงานสำหรับพนักงานของคุณหรือไม่? มีวิธีทางอ้อมในการวัดสิ่งเหล่านี้ทั้งหมด นั่นคือสิ่งที่คุณต้องติดตามเพื่อความสำเร็จของธุรกิจ

แต่ความสำเร็จของโมเดลและความสำเร็จของธุรกิจเพียงอย่างเดียวนั้นไม่เพียงพอ เพราะท้ายที่สุดแล้ว ผู้ใช้จะได้รับผลกระทบเอง คุณต้องการพูดคุยกับผู้ใช้โซลูชัน AI ด้วย อาจเป็นผู้ขายหรือพนักงานของคุณ – ใครก็ตามที่บริโภคเอาต์พุต AI คุณต้องการถามพวกเขาว่าพวกเขาคิดอย่างไรเกี่ยวกับความถูกต้องของโซลูชัน ความง่ายในการใช้งาน และทุกสิ่งที่สามารถแสดงปัญหา ทั้งในแบบจำลองหรือในเวิร์กโฟลว์ เพราะสิ่งนี้สามารถเน้นย้ำถึงปัญหาการนำไปใช้ หากพวกเขาไม่ชอบวิธีแก้ปัญหา พวกเขาอาจกลับไปใช้วิธีเดิมในการทำสิ่งต่างๆ พวกเขาอาจไม่ต้องการใช้โซลูชัน AI ของคุณแม้ว่าจะมีความแม่นยำและประสบความสำเร็จทางธุรกิจก็ตาม

มนุษย์ในวง

Liam: คุณจะพูดอะไรกับหัวหน้าฝ่ายสนับสนุนลูกค้าที่คิดจะนำ AI ไปใช้ ซึ่งรู้สึกประหม่า กังวล หรือกังวลเล็กน้อย คุณจะพูดอะไรเพื่อช่วยให้พวกเขาผ่านพ้นมันไปได้?

กวิตา: ประเด็นหนึ่งที่ฉันเห็นในหมู่ผู้นำก็คือระบบ AI จะเข้ามาแทนที่งานหลายอย่าง แม้กระทั่งงานของตัวเองด้วย น่าเศร้าที่สิ่งนี้เป็นความจริง แต่ฉันคิดว่าระบบ AI มีแนวโน้มที่จะเพิ่มขั้นตอนการทำงานมากกว่าแค่แทนที่งาน เพราะเรายังต้องการชั้นการรับประกันคุณภาพที่มนุษย์เข้ามา ระบบ AI สามารถช่วยด้วยตั๋วการสนับสนุนลูกค้า แต่จะทำอย่างไรหากไม่สามารถแก้ไขได้ ปัญหา? มนุษย์จำเป็นต้องอยู่ที่นั่น และระบบ AI เรียนรู้อย่างไร? พวกเขาเรียนรู้จากข้อมูล และใครเป็นคนสร้างข้อมูลนี้ มนุษย์ เราเป็นส่วนสำคัญของระบบ AI นี้ ดังนั้นเราจึงอยู่ในวงจรของ QA การสร้างข้อมูล และการแก้ปัญหาที่ยากขึ้น

นั่นคือแง่มุมหนึ่ง อีกวิธีหนึ่งคือตั้งความคาดหวังของคุณอย่างถูกต้องสำหรับแต่ละปัญหาและพิจารณาความเสี่ยง หากฉันให้ AI เป็นผู้ตัดสินใจแต่เพียงผู้เดียวในสถานการณ์นี้ จะมีความเสี่ยงอะไรบ้าง การทำความเข้าใจกับความเสี่ยงจะช่วยจัดการกับการต่อต้านการนำ AI ไปใช้ในสถานการณ์นั้น บางทีในสถานการณ์นี้ อาจเสี่ยงเกินไป ดังนั้นคุณจึงต้องการให้มนุษย์อยู่ในวงเพื่อตรวจสอบสิ่งที่ AI ได้ทำลงไป

Liam: ฉันคิดว่าเราได้เห็นมันแล้ว แต่ด้วยงานที่ผู้คนอาจกลัวว่าจะสูญหายไป AI กำลังสร้างงานและบทบาทใหม่ – ผู้คนคอยตรวจสอบ AI หรือในกรณีของเราคือนักออกแบบแชทบ็อต มันไม่ใช่การลงโทษและความเศร้าโศกทั้งหมด

กวิตา: ค่ะ ฉันคิดว่าบทบาทอาจเปลี่ยนจากการทำงานระดับต่ำจริงๆ ไปสู่การทำงานระดับสูง คุณจะเป็นผู้จัดการ QA ได้มากขึ้น ใช่แล้ว บทบาทจะเปลี่ยนไปในที่สุด

Liam: และคุณกวิตา สิ่งหนึ่งที่คุณอยากให้ผู้คนรู้เกี่ยวกับ AI และการทำงานร่วมกันของธุรกิจคืออะไร

กวิตา: AI กับธุรกิจเป็นคำถามที่ดี ในโลกการวิจัย คุณมักจะเห็นโซลูชัน AI หนึ่งเดียวในการแก้ปัญหา แต่ในเชิงธุรกิจ โซลูชัน AI เดียวอาจไม่เพียงพอ คุณจะต้องมีโซลูชันแบบไฮบริด อาจเป็นการผสมผสานระหว่างระบบ AI ระบบตามกฎสำหรับกรณีขอบ และอาจรวมถึงมนุษย์ด้วย ดังนั้น โซลูชันทางธุรกิจมักจะไม่สวยงามและซับซ้อนกว่าระบบการวิจัย

Liam: สุดท้ายนี้ ผู้คนสามารถติดตามคุณและงานของคุณได้ที่ไหน?

กวิตา: ที่แรกที่ต้องไปคือเว็บไซต์ของฉัน kavita-ganesan.com นั่นคือที่ที่คุณสามารถเรียนรู้เกี่ยวกับหนังสือของฉัน นอกจากนี้ยังจะนำคุณไปยังหน้าให้คำปรึกษาและพอดแคสต์อื่นๆ ที่ฉันทำไปแล้ว

เลียม: สมบูรณ์แบบ กวิตา ขอบคุณมากสำหรับการมาร่วมงานกับฉันในวันนี้

กวิตา: เลียม ขอบคุณที่มาหาฉัน