Κέρδη:
- Να είναι σε θέση να χωρίσει τα διευθυντικά καθήκοντα σε τρία επίπεδα: μηχανική, αναλυτική και υπεύθυνη λήψη αποφάσεων και να διακρίνει ποιος ρόλος μπορεί να αναλάβει με ασφάλεια η τεχνητή νοημοσύνη σε κάθε επίπεδο.
- Δυνατότητα εφαρμογής μιας πειθαρχίας που επαληθεύει κάθε έξοδο τεχνητής νοημοσύνης μέσω των βημάτων της σύνδεσής της με την πηγή, του εκ νέου υπολογισμού της και της διέλευσης από το διαχειριστικό φιλτράρισμα.
- Ανωνυμοποίηση εταιρικών και προσωπικών δεδομένων εντός του πεδίου εφαρμογής του KVKK και απόκτηση της συνήθειας επιλογής ασφαλούς οχήματος
Το να διευθύνεις μια επιχείρηση σημαίνει να περνάς το μεγαλύτερο μέρος της ημέρας σου περιτριγυρισμένος από αριθμούς, αναφορές, email, πρακτικά συναντήσεων και αποφάσεις. Είτε είστε γενικός διευθυντής, διευθυντής επιχειρήσεων, ειδικός στην ανάπτυξη επιχειρήσεων, διευθυντής ανθρώπινου δυναμικού, υπεύθυνος αγορών ή ιδιοκτήτης μικρής επιχείρησης. Η ουσία της δουλειάς σας είναι η ίδια: να μετατρέψετε τις διάσπαρτες πληροφορίες σε μια ουσιαστική απόφαση. Εδώ παίζει ρόλο η τεχνητή νοημοσύνη (εν ολίγοις, το AI - ένα σύστημα υπολογιστή που κατανοεί την ανθρώπινη γραφή και παράγει κείμενο, περιλήψεις και αναλύσεις). Ας ξεκινήσουμε όμως από την αρχή με μια πολύ σαφή πρόταση: η τεχνητή νοημοσύνη δεν παίρνει αποφάσεις, δίνει χρόνο και συντάσσει σχέδια στον μάνατζερ που θα πάρει την απόφαση. Σε αυτή την ενότητα, θα μάθουμε πού η τεχνητή νοημοσύνη παράγει πραγματική αξία στη διαχείριση επιχειρήσεων, πού είναι επικίνδυνη, πώς να επαληθεύσουμε κάθε έξοδο και πώς να προστατεύσουμε τα δεδομένα της εταιρείας.
Τι ακριβώς επιταχύνει η τεχνητή νοημοσύνη στις επιχειρήσεις;
Ας χωρίσουμε τη δουλειά ενός διευθυντή σε τρία επίπεδα. Το πρώτο επίπεδο είναι επαναλαμβανόμενες και μηχανικές εργασίες: σύνταξη της μηνιαίας αναφοράς, σύνοψη του σημειώματος της σύσκεψης, σύνταξη του μηνύματος ηλεκτρονικού ταχυδρομείου, κάνοντας το υπολογιστικό φύλλο αναγνώσιμο. Σε αυτό το επίπεδο, η τεχνητή νοημοσύνη είναι ένας σχεδόν τέλειος βοηθός, μειώνοντας τις ώρες σας σε λεπτά. Το δεύτερο επίπεδο είναι η ανάλυση και η ερμηνεία: η εύρεση των τάσεων στα δεδομένα πωλήσεων, η αμφισβήτηση γιατί μειώνεται ένας KPI (Βασικός Δείκτης Απόδοσης — ο αριθμός που μετρά την υγεία της επιχείρησης), καθώς και σενάρια. Εδώ το AI είναι ένας ισχυρός συνεργάτης σκέψης, αλλά αυτό που λέει πρέπει να επαληθευτεί. Το τρίτο επίπεδο είναι οι υπεύθυνες αποφάσεις: ποιος να απολυθεί, με ποιον προμηθευτή να συμβληθεί, πώς να κατανεμηθεί ο προϋπολογισμός. Αυτό το στρώμα ανήκει στον άνθρωπο. Το AI κάνει ορατές μόνο επιλογές.
Η διάκριση αυτών των τριών επιπέδων είναι η πιο σημαντική ικανότητα αυτής της ενότητας. Επειδή η μη χρήση τεχνητής νοημοσύνης στο πρώτο επίπεδο είναι τεμπελιά. Η χρήση του στα τυφλά στο τρίτο στρώμα είναι ανεύθυνη.
Συμβουλή: Προτού αναθέσετε σε τρίτους μια εργασία στην τεχνητή νοημοσύνη, αναρωτηθείτε: "Ποιο θα είναι το αποτέλεσμα εάν αυτό το αποτέλεσμα είναι λάθος;" Εάν το αποτέλεσμα είναι τυπογραφικό λάθος, χρησιμοποιήστε το με το κεφάλι σας ήσυχο. Εάν το αποτέλεσμα επηρεάζει τη δουλειά ενός ατόμου ή τα χρήματα της εταιρείας, φροντίστε να χρησιμοποιήσετε το AI μόνο ως γεννήτρια ρεύματος και επαληθεύστε.
Πειθαρχία επαλήθευσης: ο κίνδυνος των ανυπόγραφων αποφάσεων
Ένας έμπειρος διευθυντής διαβάζει ένα έγγραφο πριν το υπογράψει. Η έξοδος AI είναι επίσης ένα ανυπόγραφο έγγραφο. Η τεχνητή νοημοσύνη μερικές φορές προκαλεί παραισθήσεις — δηλαδή, επινοεί έναν αριθμό, μια πηγή ή ένα γεγονός που δεν υπάρχει σε ιδιαίτερα πειστική γλώσσα. Φιλτράρετε λοιπόν κάθε έξοδο AI μέσω ενός φίλτρου τριών βημάτων:
- Συνδέστε το στην πηγή. Ο αριθμός που δίνεται από το AI προέρχεται από τα δεδομένα που δίνετε; Ή θα μπορούσε να είχε φτιαχτεί; Μην αποδέχεστε αριθμούς που δεν υπάρχουν στα δεδομένα σας.
- Υπολογίστε ξανά. Εάν δίνει ένα ποσοστό, ένα σύνολο ή έναν μέσο όρο, ελέγξτε το χειροκίνητα ή με έναν πίνακα. Το AI είναι επίσης λάθος στην αριθμητική.
- Διοικητικό φίλτρο. Ταιριάζει το προϊόν με τις γνώσεις σας στον κλάδο, την πραγματικότητα επί τόπου και την πραγματικότητα της εταιρείας; Το "ακούγεται σωστά" δεν είναι αρκετό. Το «Ξέρω ότι είναι αλήθεια» απαιτείται.
Αυτή η πειθαρχία μπορεί να φαίνεται κουραστική, αλλά με την εξάσκηση γίνεται αυτόματη και σας εξοικονομεί δεκαπλάσιο χρόνο. Μια αναφορά AI που χρησιμοποιείται χωρίς επαλήθευση μπορεί μια μέρα να σας κάνει να παρουσιάσετε λάθος αριθμό στο διοικητικό συμβούλιο και να χάσετε την αξιοπιστία σας.
Απόρρητο δεδομένων: μην γράφετε το εταιρικό μυστικό στο πλαίσιο συνομιλίας
Τα επιχειρηματικά δεδομένα είναι πολύτιμα και συχνά εμπιστευτικά: μισθοί εργαζομένων, λίστες πελατών, αριθμοί πωλήσεων, τιμές προμηθευτών, στρατηγικές που δεν έχουν ακόμη αποκαλυφθεί. Το να κολλάτε αυτές τις πληροφορίες σε ένα δημόσιο εργαλείο AI είναι σαν να λέτε ένα μυστικό σε κάποιον που δεν γνωρίζετε. Ο KVKK (Νόμος για την Προστασία Δεδομένων Προσωπικού Χαρακτήρα - ο νόμος που ρυθμίζει τον τρόπο επεξεργασίας των προσωπικών δεδομένων στην Τουρκία) απαιτεί από εσάς να προστατεύετε τα προσωπικά δεδομένα εργαζομένων και πελατών.
Ο εμπειρικός κανόνας λοιπόν: απο-ταυτοποιήστε (ανωνυμοποιήστε) τα δεδομένα πριν τα δώσετε στο AI. Αλλάξτε τα ονόματα σε κωδικούς όπως "Υπάλληλος Α", "Προμηθευτής 1", "Πελάτης Χ" κ.λπ. Χρησιμοποιήστε ποσοστό ή ζώνη αντί για πραγματικό μισθό. Εάν είναι δυνατόν, επιλέξτε ένα εταιρικό εργαλείο AI εγκεκριμένο από την εταιρεία σας που δεν χρησιμοποιεί δεδομένα για εκπαίδευση. Η λίστα ελέγχου στο τέλος της ενότητας θα το μετατρέψει σε συνήθεια.
Προσοχή: Η επικόλληση της πραγματικής λίστας πελατών ή της μισθοδοσίας σε ένα δημόσιο εργαλείο λέγοντας "είναι ένα μικρό τραπέζι ούτως ή άλλως" αποτελεί κίνδυνο παραβίασης του KVKK και απώλειας εμπορικών μυστικών. Εάν έχετε αμφιβολίες, κωδικοποιήστε πάντα τα δεδομένα.
τρεις μίνι θήκες
Περίπτωση 1 — Σωστή χρήση που εξοικονομεί χρόνο. Ο διευθυντής επιχειρήσεων μιας εταιρείας logistics ξόδευε 90 λεπτά κάθε Δευτέρα για να συντάξει την εβδομαδιαία έκθεση λειτουργιών. Άρχισε να έχει την τεχνητή νοημοσύνη να ετοιμάζει μια περίληψη και ερμηνεία ανώνυμων εβδομαδιαίων δεδομένων. Ο χρόνος μειώθηκε στα 20 λεπτά. Αφιέρωσε τα 70 λεπτά που κέρδισε στην επίσκεψη στο χώρο. Το AI έγραψε την αναφορά, αλλά ο διευθυντής έλεγξε κάθε αριθμό.
Περίπτωση 2 — Το κόστος παράλειψης επαλήθευσης. Ένας ειδικός επιχειρηματικής ανάπτυξης μιας αλυσίδας λιανικής ρώτησε την τεχνητή νοημοσύνη "τον ρυθμό ανάπτυξης του περασμένου έτους" και έβαλε το ποσοστό 34% στην παρουσίαση χωρίς να το επαληθεύσει. Στη συνάντηση, ο οικονομικός διευθυντής ρώτησε για το ποσό. Η πραγματική ανάπτυξη ήταν 19 τοις εκατό. Το AI είχε κάνει μια πρόβλεψη με τα στοιχεία που έλειπαν από τον ειδικό. Ο ειδικός έχασε την εμπιστοσύνη του. Μάθημα: ο αριθμός που δεν είναι συνδεδεμένος με την πηγή δεν μπαίνει στην παρουσίαση.
Περίπτωση 3 — Επιστροφή από παραβίαση απορρήτου. Ένας διευθυντής ανθρώπινου δυναμικού επρόκειτο να επικολλήσει έναν πίνακα γεμάτο με ονόματα και μισθούς όλων των υπαλλήλων σε ένα δωρεάν εργαλείο τεχνητής νοημοσύνης. Ένας από την ομάδα προειδοποίησε. Αντίθετα, μετέτρεψαν τα ονόματα σε κωδικούς «Υπαλλήλου 1-40» και τους μισθούς σε συγκροτήματα. Η ανάλυση έγινε με την ίδια ποιότητα, δεν διέρρευσαν προσωπικά δεδομένα.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Ερώτηση σχετικά με την τοποθέτηση της εργασίας στο επίπεδο:
Ο ρόλος σας: έμπειρος σύμβουλος επιχειρήσεων. Θα περιγράψω την εργασία ως εξής: [περιγραφή εργασίας]. Πείτε μου αν αυτό είναι (α) μηχανικό/επαναληπτικό, (β) ανάλυση/ερμηνεία, (γ) υπεύθυνη λήψη αποφάσεων. Εξηγήστε συνοπτικά ποιος ρόλος είναι ασφαλής να αναλάβει η τεχνητή νοημοσύνη σε αυτή τη δουλειά, ποιο μέρος πρέπει να παραμείνει ανθρώπινο.
2) Προτροπή ελέγχου επαλήθευσης:
Θα εξετάσω την έξοδο AI παρακάτω. Καταχωρίστε μου κάθε αριθμητική αξίωση σε αυτό, στοιχείο προς στοιχείο. Για κάθε "αυτός ο αριθμός προέρχεται από δεδομένα που παρέχονται από τον χρήστη ή είναι συμπέρασμα/ εικασία;" σημάδι. Συλλέξτε τα άγνωστης προέλευσης κάτω από μια ξεχωριστή επικεφαλίδα «ΕΠΑΛΗΘΕΥΣΗ».
3) Βοηθός ανωνυμοποίησης:
Θα σας δώσω ένα γράφημα σε λίγο. Αρχικά, αναφέρω τα πεδία σε αυτόν τον πίνακα που μπορεί να είναι προσωπικά/εμπιστευτικά (όνομα, ταυτότητα, μισθός, όνομα πελάτη, τιμή προμηθευτή) και προτείνω πώς μπορούν να κωδικοποιηθούν για καθένα (π.χ. όνομα -> Υπάλληλος Α). Μην αναλύεις ακόμα. βγαίνει μόνο ο χάρτης απορρήτου.
4) Αίτημα διαχειριστικού φίλτρου:
Θα αξιολογήσω την ακόλουθη πρόταση τεχνητής νοημοσύνης: [πρόταση]. Δοκιμάστε με αυτήν την πρόταση με 5 κρίσιμες ερωτήσεις που πρέπει να κάνει ένας διευθυντής (ρεαλισμός, κόστος, κίνδυνος, σκοπιμότητα, ηθική). Δείξτε ειλικρινά τα αδύνατα σημεία της πρότασης. Μην προσπαθήσετε να το εγκρίνετε.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Γράψε μου μια επιχειρηματική έκθεση.
Αυτό το αίτημα είναι χωρίς πλαίσιο: δεν είναι σαφές ποια εταιρεία, ποια περίοδος, ποια δεδομένα, σε ποιον θα παρουσιαστεί. Η τεχνητή νοημοσύνη παράγει ένα γενικό, άχρηστο κείμενο.
Ισχυρή προτροπή:
Ο ρόλος σας: βοηθός αναλυτής του διευθυντή λειτουργιών. Γράψτε μια σύνοψη 1 σελίδας χρησιμοποιώντας τα συνημμένα ανώνυμα εβδομαδιαία δεδομένα (αριθμός αποστολών, ποσοστό καθυστέρησης, κόστος). Δομή: (1) 3 κρίσιμα ευρήματα της εβδομάδας, (2) αλλαγή σε σύγκριση με την προηγούμενη εβδομάδα, (3) 2 κίνδυνοι που χρειάζονται προσοχή. Απλώς χρησιμοποιήστε τους αριθμούς που σας δίνω, μην κάνετε κανέναν αριθμό. Σημειώστε "χωρίς δεδομένα" όπου δεν είστε σίγουροι.
Μέγεθος
κακή προσέγγιση
Ισχυρή προσέγγιση
Περιγραφή ρόλου
Κανένα
Net (αναλυτής)
Δεδομένα
αβέβαιο
Ανώνυμος και επισυναπτόμενος
Δομή εξόδου
δωρεάν
ουσιαστικό και περιορισμένο
προστασία τοποθέτησης
Κανένα
Κανόνας «Μην φτιάχνεις τους αριθμούς».
διαθεσιμότητα
χαμηλά
ψηλά
Συνήθη λάθη
- Δίνοντας όλη την εργασία στην τεχνητή νοημοσύνη ή καμία από τις εργασίες στην ΑΙ. Το σωστό είναι να διαχωρίσουμε το έργο ανάλογα με το στρώμα του.
- Παράβλεψη επαλήθευσης. Το αποτέλεσμα που φαίνεται «πειστικό» μπορεί να μην είναι ακριβές. ελέγξτε κάθε αριθμό.
- Επικόλληση πραγματικών προσωπικών/εμπιστευτικών δεδομένων στο ανοιχτό εργαλείο. Ανωνυμοποιήστε πρώτα.
- Να πάρει την τεχνητή νοημοσύνη να υπογράψει μια απόφαση. Η τεχνητή νοημοσύνη παράγει προτάσεις. Η ευθύνη και η υπογραφή ανήκουν στον διευθυντή.
- Γράψιμο προτροπών χωρίς πλαίσιο. Ένα αίτημα χωρίς ρόλο, δεδομένα και δομή εξόδου είναι άχρηστο.
Συμβουλή: Για την πρώτη εβδομάδα, χρησιμοποιήστε τεχνητή νοημοσύνη μόνο σε εργασίες πρώτης βαθμίδας (σύνοψη, περίγραμμα, επεξεργασία πίνακα). Μόλις εδραιωθεί η εμπιστοσύνη και η συνήθεια, προχωρήστε στο δεύτερο επίπεδο (ανάλυση). Κρατάτε πάντα το τρίτο στρώμα (απόφαση) μέσα σας.
Συνοπτικά
Στη διαχείριση επιχειρήσεων, η τεχνητή νοημοσύνη είναι ένας ισχυρός βοηθός που επιταχύνει τη μηχανική εργασία, ένας καλός σκεπτόμενος συνεργάτης στην ανάλυση, αλλά ποτέ ένας υπεύθυνος λήψης αποφάσεων. Διαχωρίστε τις εργασίες σε τρία επίπεδα: μηχανική, αναλυτική και υπεύθυνη. Επικυρώστε κάθε έξοδο με βήματα σύνδεσης πηγής, επανυπολογισμού και διαχειριστικού φιλτραρίσματος. Φροντίστε να ανωνυμοποιήσετε εταιρικά και προσωπικά δεδομένα. Μην ξεχνάτε την ευθύνη του KVKK και του εμπορικού μυστικού. Μια μη επαληθευμένη έξοδος τεχνητής νοημοσύνης είναι εξίσου επικίνδυνη με μια ανυπόγραφη απόφαση.
Εργασία εφαρμογής
Σημειώστε 6 εργασίες από τη δική σας επιχείρηση που κάνατε αυτή την εβδομάδα σε μια λίστα. Επισημάνετε κάθε "μηχανική/αναλυτική/απόφαση". Επιλέξτε ένα από τα μηχανικά και αφήστε το AI να το κάνει με την παραπάνω προτροπή «Τοποθέτηση της εργασίας στο στρώμα» ακολουθούμενη από ένα κατάλληλο περίγραμμα. Εκτελέστε την έξοδο μέσω του φίλτρου επαλήθευσης τριών βημάτων και σημειώστε τον χρόνο που εξοικονομείτε.
λίστα ελέγχου
- [ ] Έχω ταξινομήσει την εργασία ως μηχανική / αναλυτική / απόφαση;
- [ ] Ανωνυμοποίησα τα δεδομένα πριν τα δώσω στο AI;
- [ ] Έχω προμηθευτεί και υπολογίσει εκ νέου κάθε αριθμό στην έξοδο;
- [ ] Έχω συγκρίνει το αποτέλεσμα με τις γνώσεις μου στον κλάδο και τον τομέα;
- [ ] Μπόρεσα να υποστηρίξω ότι έχω την τελική απόφαση και την υπογραφή;