Κέρδη:
- Ικανότητα εξήγησης του ρόλου του ειδικού Πληροφοριακών Συστημάτων Διαχείρισης ως γέφυρας μεταξύ της επιχειρηματικής μονάδας και της πληροφορικής και όπου η τεχνητή νοημοσύνη παράγει αξία σε αυτή τη γέφυρα.
- Ικανότητα διάκρισης ποιες αποφάσεις παραμένουν ανθρώπινη ευθύνη όταν χρησιμοποιείται η τεχνητή νοημοσύνη ως επιταχυντής στην επικοινωνία επιχειρήσεων-IT
- Υιοθετήστε μια πειθαρχία εργασίας που επικυρώνει κάθε έξοδο AI με επιχειρηματικό κανόνα, πραγματικά δεδομένα και επικύρωση από ενδιαφερόμενους
Τα Συστήματα Πληροφοριών Διαχείρισης (MIS) είναι ένα σύνολο συστημάτων που επιτρέπουν σε έναν οργανισμό να πραγματοποιεί τις επιχειρηματικές του διαδικασίες με τεχνολογία πληροφοριών (IT). Ο ειδικός σε αυτόν τον τομέα αναφέρεται συχνά ως «γέφυρα»: αφενός, υπάρχει η επιχειρηματική μονάδα (πωλήσεις, λογιστική, HR, λειτουργίες) που εξηγεί τι θέλει στην επιχειρηματική γλώσσα, και αφετέρου, υπάρχει το λογισμικό και οι ομάδες υποδομής που το μεταφράζουν σε κώδικα και σύστημα. Ο επαγγελματίας του MIS μεταφράζει αυτούς τους δύο κόσμους ο ένας στον άλλο. Η δήλωση ενός διευθυντή πωλήσεων "Θέλω να γνωρίσω καλύτερα τους πελάτες μου" μετατρέπεται σε σαφή απαίτηση που μπορεί να εφαρμόσει ο προγραμματιστής. Η ουσία αυτής της εργασίας είναι να μεταφραστεί η πρόταση του προγραμματιστή "αυτό το πεδίο πρέπει να είναι ξένο κλειδί" σε μια εξήγηση που μπορεί να κατανοήσει η επιχειρηματική μονάδα.
Η τεχνητή νοημοσύνη (AI) ταιριάζει ακριβώς στη μέση αυτού του έργου γέφυρας, καθώς αποτελείται σε μεγάλο βαθμό από τη δημιουργία, την ερμηνεία και τη δόμηση κειμένου: σημειώσεις συνεντεύξεων, έγγραφα απαιτήσεων, λεξικά δεδομένων, χάρτες διαδικασιών, περιγραφές αναφορών, παρουσιάσεις. Όλα αυτά είναι ενδιάμεσα προϊόντα που η τεχνητή νοημοσύνη μπορεί να επιταχύνει. Υπάρχει όμως μια αρχή που αυτή η ενότητα ξεκαθαρίζει από την αρχή: η τεχνητή νοημοσύνη επιταχύνει τη σύνταξη αυτών των προϊόντων. Είναι δουλειά του ατόμου που γνωρίζει τους επιχειρηματικούς κανόνες και φέρει την ευθύνη να αποφασίσει αν είναι σωστοί ή όχι.
Και οι δύο πλευρές της γέφυρας και η θέση του AI
Η πλευρά της επιχειρηματικής μονάδας είναι ένας κόσμος ερωτήσεων τι και γιατί: ποιο πρόβλημα, ποιος στόχος, ποια προτεραιότητα. Η πλευρά της πληροφορικής είναι ο κόσμος της ερώτησης πώς: ποιος πίνακας, ποιο API (Αγγλική διεπαφή προγραμματισμού εφαρμογών, η τυπική διεπαφή που χρησιμοποιείται από δύο λογισμικά για την ανταλλαγή δεδομένων), ποια ενοποίηση. Η αξία του εμπειρογνώμονα MIS είναι να συμπληρώσει τα μέρη που λείπουν που εξηγούνται και από τα δύο μέρη. Η επιχειρηματική μονάδα συχνά ξεχνά να αναφέρει εξαιρέσεις («στην πραγματικότητα λειτουργεί διαφορετικά για πελάτες στο εξωτερικό»). Η ομάδα IT δεν μπορεί επίσης να δει τον επιχειρηματικό αντίκτυπο ("η διαγραφή αυτού του πεδίου θα καταστρέψει τις αναφορές").
Η τεχνητή νοημοσύνη βοηθά εδώ με τρεις συγκεκριμένους τρόπους. Το πρώτο είναι γρήγορο σχέδιο: εξάγει μια αρχική λίστα απαιτήσεων από ένα σημείωμα συνέντευξης σε λίγα λεπτά. Το δεύτερο δημιουργεί ημιτελείς ερωτήσεις: «ποιες καταστάσεις δεν ορίζονται σε αυτήν την απαίτηση;» Όταν το ρωτάμε, μας θυμίζει τις εξαιρέσεις που οι άνθρωποι παραβλέπουν. Τρίτον, μετάφραση: μεταφράζει μια τεχνική περιγραφή στην επιχειρηματική γλώσσα, ένα αίτημα στην επιχειρηματική γλώσσα σε τεχνικό προσχέδιο. Και οι τρεις εξοικονομούν χρόνο. αλλά κανένα από αυτά δεν είναι η ίδια η απόφαση.
Συμβουλή: Σκεφτείτε την τεχνητή νοημοσύνη σαν έναν «ασκούμενο που πληκτρολογεί πιο γρήγορα». Εξετάζετε πάντα το αποτέλεσμα του ασκούμενου, το διορθώνετε σύμφωνα με τον κανόνα εργασίας και βάζετε το όνομά σας από κάτω. Η ευθύνη παραμένει σε εσάς.
Βήμα προς βήμα: Μια μελέτη γέφυρας με τεχνητή νοημοσύνη
Βήμα 1 — Συλλέξτε το πλαίσιο. Γράψτε το πρόβλημα της επιχειρηματικής μονάδας με δικά σας λόγια. Ποια συστήματα, ποια δεδομένα, τι περιορισμοί υπάρχουν. Μην δώσετε τίποτα στο AI ακόμα σε αυτό το βήμα. καταλάβετε πρώτα.
Βήμα 2 — Σκίτσο. Δίνοντας τη σημείωση που συλλέξατε στην τεχνητή νοημοσύνη, έρχεται με την πρώτη λίστα απαιτήσεων, πιθανών ερωτήσεων και υποθέσεων. Εδώ η τεχνητή νοημοσύνη παράγει ένα «πρώτο στιγμιότυπο».
Βήμα 3 — Σημειώστε τα κενά. Συλλέξτε κάθε σημείο που έχει επισημανθεί ως "αβέβαιο", "εικασία" και "απαιτεί επιβεβαίωση" στο προσχέδιο που δημιουργείται από την τεχνητή νοημοσύνη. Αυτή η λίστα είναι ένας σκελετός ερωτήσεων που πρέπει να κάνετε στην επιχειρηματική σας μονάδα.
Βήμα 4 — Επιβεβαιώστε με τον ενδιαφερόμενο. Μεταφέρετε το προσχέδιο στην επιχειρηματική μονάδα, συμπληρώστε μαζί τα κενά. Το AI δεν μπορεί να κάνει αυτό το βήμα. Επειδή οι πραγματικοί επιχειρηματικοί κανόνες βρίσκονται μόνο στο κεφάλι του ατόμου που κάνει αυτή τη δουλειά.
Βήμα 5 — Ασφάλιση και μεταφορά. Ελέγξτε ξανά την επιβεβαιωμένη απαίτηση σε σχέση με τα πραγματικά δεδομένα και το υπάρχον σύστημα και, στη συνέχεια, παραδώστε την στην ομάδα IT.
Three Mini Cases: By the Numbers
Περίπτωση 1 — Εξοικονομήθηκε χρόνος, διατηρήθηκε η ακρίβεια. Σε μια εταιρεία λιανικής, ένας ειδικός στο MIS ξόδευε συνήθως 3 ημέρες για να δημιουργήσει ένα έγγραφο απαιτήσεων από ένα σημείωμα συνέντευξης 40 σελίδων. Με τεχνητή νοημοσύνη, παρήγαγε το πρώτο σχέδιο σε μισή μέρα. Ωστόσο, στην επιβεβαίωση των ενδιαφερομένων καταλήφθηκε ότι 9 από τις 62 απαιτήσεις στο προσχέδιο ήταν αντίθετες με τον επιχειρηματικό κανόνα. Καθαρό κέρδος: ο χρόνος μειώθηκε από 3 ημέρες σε 1,5 ημέρες, αλλά το βήμα επαλήθευσης δεν παραλείφθηκε ποτέ.
Περίπτωση 2 — Το κόστος της ψευδαίσθησης. Σε μια εταιρεία logistics, η τεχνητή νοημοσύνη πρόσθεσε την πρόταση «το σύστημα διαγράφει αυτόματα τα αρχεία μετά από 30 ημέρες» στο προσχέδιο απαιτήσεων. Κάτι τέτοιο όμως δεν συζητήθηκε στη συνάντηση. Εάν αυτή η πρόταση είχε περάσει απαρατήρητη, θα μπορούσε να είχε γραφτεί ένας κανόνας διαγραφής που παραβίαζε τη νόμιμη περίοδο διατήρησης. Ο εμπειρογνώμονας ρώτησε: "Από ποια συνάντηση προήλθε αυτός ο κανόνας;" Έπιασε την ψευδαίσθηση (τη σίγουρη παραγωγή πληροφοριών από το μοντέλο που δεν υπάρχει στην πραγματικότητα) ανακρίνοντας.
Περίπτωση 3 — Η αξία της μετάφρασης. Η ομάδα IT σε μια κατασκευαστική εταιρεία είπε: "Πρέπει να εξαπατήσουμε τα κύρια δεδομένα". Με τη βοήθεια της τεχνητής νοημοσύνης, ο ειδικός του MIS το μετέφρασε στην επιχειρηματική μονάδα ως «ο ίδιος προμηθευτής εμφανίζεται στο σύστημα με 3 διαφορετικές εγγραφές, πρέπει να τις συνδυάσουμε σε μια ενιαία εγγραφή». Μόνο μετά από αυτή τη μετάφραση η επιχειρηματική μονάδα θυμήθηκε μια κρίσιμη εξαίρεση: οι δύο εγγραφές ήταν στην πραγματικότητα δύο υποκαταστήματα της ίδιας εταιρείας με διαφορετικούς φορολογικούς αριθμούς και δεν έπρεπε να συγχωνευθούν.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Γράψτε ένα έγγραφο απαιτήσεων από αυτές τις σημειώσεις.[σημειώσεις]
Αυτή η προτροπή δίνει στο μοντέλο μεγάλη ελευθερία. Το μοντέλο συμπληρώνει τα κενά στο κεφάλι του και ο κίνδυνος παραισθήσεων αυξάνεται.
Ισχυρή προτροπή:
Ο ρόλος σας: Είστε έμπειρος επιχειρησιακός αναλυτής MIS. ΣΥΝΤΑΞΤΕ τις απαιτήσεις από το σημείωμα της συνέντευξης παρακάτω. Κανόνες: - Χρησιμοποιήστε μόνο τις πληροφορίες που αναφέρονται Σαφώς στη σημείωση. ΜΗΝ αναπληρώνετε ό,τι λείπει.- Γράψτε κάθε απαίτηση ως μετρήσιμη, με τη μορφή "Το σύστημα πρέπει...". - Καταγράψτε κάθε σημείο που δεν είναι ξεκάθαρο στη σημείωση ξεχωριστά με την ετικέτα [ΑΒΕΒΑΙΟ].- Σημειώστε κάθε υπόθεση που κάνετε ως [ΥΠΟΘΕΣΗ].- Προσθέστε μια ενότητα "5 ερωτήσεις που πρέπει να κάνετε στον ενδιαφερόμενο" στο τέλος. Σημείωμα συνέντευξης: [σημειώσεις]
Η ισχυρή προτροπή διατηρεί το μοντέλο εντός των ορίων της σημείωσης, απαγορεύει την κατασκευή και κάνει ορατά σημεία που χρειάζονται επαλήθευση.
Τέσσερα αντιγράψιμα πρότυπα
1) Μετάφραση από τη γλώσσα των επιχειρήσεων σε τεχνικό προσχέδιο:
Μεταφράστε το ακόλουθο επιχειρηματικό αίτημα σε προσχέδιο τεχνικής απαίτησης. Μην προσθέτετε τεχνικές λεπτομέρειες που δεν περιλαμβάνονται στην εργασία. Αναφέρετε επίσης κάθε υπόθεση που προσθέσατε. Αίτημα: [κείμενο]
2) Μετάφραση από την τεχνική περιγραφή στη γλώσσα της επιχείρησης:
Μεταφράστε την παρακάτω τεχνική εξήγηση σε απλά τουρκικά που μπορεί να καταλάβει ένας διευθυντής πωλήσεων που δεν γνωρίζει βάσεις δεδομένων. Επισημάνετε τον επιχειρηματικό αντίκτυπο με μία πρόταση. Περιγραφή: [κείμενο]
3) Δημιουργία ημιτελών ερωτήσεων:
Εξετάστε τη λίστα απαιτήσεων παρακάτω και εξάγετε απροσδιόριστες καταστάσεις (εξαιρέσεις, όρια, καταστάσεις σφάλματος, εξουσιοδοτήσεις) ως ερωτήσεις. Μην απαντάτε, απλώς αναφέρετε τις ερωτήσεις που πρέπει να τεθούν. Λίστα: [κείμενο]
4) Εξαγωγή ενέργειας από τη σύνοψη της συνάντησης:
Από την ακόλουθη σημείωση της συνεδρίασης: (α) αποφάσεις που ελήφθησαν, (β) ανοιχτά θέματα, (γ) συγκεκριμένες υπεύθυνες ενέργειες. Δεν φέρει ευθύνη για τη μη συμμετοχή στη σημείωση ή τη συμπλήρωση της ημερομηνίας. Σημείωση: [κείμενο]
Διάγραμμα σύγκρισης: Μπορεί να αφεθεί στην τεχνητή νοημοσύνη;
Αναζήτηση
Το AI επιταχύνει;
Ποιος παίρνει την απόφαση;
Πρώτο σχέδιο από σημειώσεις συνέντευξης
Ναι, δυνατό
Επιβεβαιώνει ο ειδικός του MIS
Η απαίτηση γραφής είναι μετρήσιμη
Ναι
Ο ενδιαφερόμενος επιβεβαιώνει
Ορθότητα του επιχειρηματικού κανόνα
όχι
επιχειρηματική μονάδα
Πεδίο εφαρμογής και απόφαση προτεραιότητας
όχι
Επιχειρηματική μονάδα + διαχείριση
τεχνική μετάφραση
Ναι
Η ομάδα πληροφορικής επιβεβαιώνει
Έγκριση τελικού εγγράφου
όχι
Σημάδια ειδικού MIS
Συνήθη λάθη
- Παράδοση του σχεδίου AI ως έχει. Το μοντέλο θεωρείται σωστό επειδή γράφει άπταιστα. Ωστόσο, οι προτάσεις που παραβιάζουν τους επιχειρηματικούς κανόνες μπορεί επίσης να είναι άπταιστα. Φιλτράρετε κάθε πρόταση σύμφωνα με τον επιχειρηματικό κανόνα.
- Ρωτώντας χωρίς πλαίσιο. Λέγοντας "απαίτηση εγγραφής" αναγκάζει το μοντέλο να ταιριάζει στο κενό. Όσο πιο συγκεκριμένο πλαίσιο δίνετε, τόσο λιγότερη θα είναι η ψευδαίσθηση.
- Απόκρυψη αβεβαιοτήτων. Το πιο επικίνδυνο λάθος είναι να διαγράψετε τα σημάδια "[ΑΒΕΒΑΙΟ]" του μοντέλου και να κάνετε το έγγραφο να φαίνεται καθαρό. Η αβεβαιότητα δεν εξαφανίζεται, απλώς γίνεται αόρατη.
- Παράβλεψη επαλήθευσης ενδιαφερομένων. Το να πεις «είναι αλήθεια ούτως ή άλλως» και να παρακάμψεις την επιβεβαίωση υπό πίεση χρόνου είναι η πηγή των πιο ακριβών λαθών.
- Ρίχνοντας την ευθύνη στην τεχνητή νοημοσύνη. «Αυτό έγραψε το μοντέλο» δεν είναι άμυνα. Η υπογραφή ανήκει στον εμπειρογνώμονα MIS.
Προσοχή: Η απαίτηση που δημιουργείται από τον ειδικό του MIS είναι η βάση του παρακάτω κώδικα που θα γράψουν δεκάδες άτομα κατά τη διάρκεια ενός μήνα. Μια μικρή ασάφεια στην αρχή μετατρέπεται σε σημαντικό και ακριβό ριμέικ στο τέλος. Γι' αυτό η επιβράδυνση στην αρχή της γέφυρας επιταχύνεται στο τέλος.
Συνοπτικά
Ο ειδικός στο MIS είναι ο μεταφραστής μεταξύ της επιχειρηματικής μονάδας και της πληροφορικής, και αυτή η δουλειά συνίσταται σε μεγάλο βαθμό στην παραγωγή, ερμηνεία και δόμηση κειμένου. Η τεχνητή νοημοσύνη επιταχύνει δραματικά τη σύνταξη αυτών των ενδιάμεσων: γρήγορη σύνταξη, ατελής δημιουργία ερωτήσεων και αμφίδρομη μετάφραση. Αλλά η ορθότητα του επιχειρηματικού κανόνα, η απόφαση πεδίου εφαρμογής και η τελική έγκριση παραμένουν πάντα στον άνθρωπο. Χρησιμοποιήστε την τεχνητή νοημοσύνη σαν έναν «ασκούμενο γρήγορης πληκτρολόγησης»: ελέγξτε τα αποτελέσματά του, διορθώστε τα σύμφωνα με τον επιχειρηματικό κανόνα, διατηρήστε ορατές τις ασάφειες και επιβεβαιώστε με το ενδιαφερόμενο μέρος. Η τεχνητή νοημοσύνη δεν υποκαθιστά την έγκριση αρμόδιων εμπειρογνωμόνων σε οποιεσδήποτε κρίσιμες αποφάσεις για τη χρηματοδότηση και τη συμμόρφωση.
Εργασία εφαρμογής
Επιλέξτε ένα πραγματικό επιχειρηματικό αίτημα από τον οργανισμό σας (ή ένα φανταστικό σενάριο): για παράδειγμα, «η ομάδα πωλήσεων θέλει να λαμβάνει τη μηνιαία αναφορά κύκλου εργασιών με ένα κλικ». (1) Γράψτε το αίτημα με δικά σας λόγια ως πλαίσιο. (2) Δημιουργήστε ένα προσχέδιο απαιτήσεων με τη "προτροπή τροφοδοσίας" παραπάνω. (3) Καταχωρίστε κάθε ετικέτα [ΑΒΕΒΑΙΩΣ] και [ΥΠΟΘΕΣΗ] που παράγονται από το μοντέλο σε ξεχωριστή λίστα. (4) Μετατρέψτε αυτήν τη λίστα σε 5 ερωτήσεις που θα κάνετε σε έναν ενδιαφερόμενο. (5) Τέλος, γράψτε ένα σενάριο όπου τουλάχιστον μία πρόταση στο προσχέδιο μπορεί να παραβιάζει έναν επιχειρηματικό κανόνα και εξηγήστε πώς θα το προσέξατε.
λίστα ελέγχου
- [ ] Κατάλαβα μόνος μου το αίτημα εργασίας και έγραψα το πλαίσιο πριν το δώσω στο AI.
- [ ] Στην προτροπή έδωσα τον κανόνα "no make up, mark the ambiguous".
- [ ] Έχω συγκεντρώσει όλες τις αβεβαιότητες και τις παραδοχές που παράγονται από το μοντέλο ξεχωριστά.
- [ ] Δεν οριστικοποίησα το προσχέδιο χωρίς να το επιβεβαιώσω με τον ενδιαφερόμενο.
- [ ] Αναγνωρίζω ότι είμαι υπεύθυνος για το τελικό έγγραφο.
- [ ] Δεν άφησα καμία οικονομική / κρίσιμη για τη συμμόρφωση αποφάσεις στην AI.