收益：
- 能够将管理任务分为三层：机械层、分析层和负责任决策层，并区分人工智能在每一层中可以安全地承担哪些角色。
- 能够应用一门学科，通过将每个人工智能输出连接到源、重新计算并通过管理过滤的步骤来验证每个人工智能输出。
- 在 KVKK 范围内对公司和个人数据进行匿名处理，并养成选择安全车辆的习惯
经营一家企业意味着一天的大部分时间都被数字、报告、电子邮件、会议纪要和决策所包围。无论您是总经理、运营经理、业务开发专家、人力资源经理、采购人员还是小企业主；你们工作的本质是一样的：将分散的信息转化为有意义的决策。这就是人工智能（简而言之，AI——一种理解人类书写并生成文本、摘要和分析的计算机系统）发挥作用的地方。但让我们从一开始就说一句非常明确的：人工智能不做决定，它给做出决定的经理时间和草稿。在本单元中，我们将学习人工智能在业务管理中哪些地方产生真正的价值、哪些地方存在危险、如何验证每个输出以及如何保护公司数据。
人工智能到底加速了哪些业务？
让我们将经理的工作分为三层。第一层是重复性、机械性的任务：编写月度报告、总结会议记录、起草电子邮件、使电子表格可读。在这一层，人工智能几乎是完美的助手，可以将你的时间缩短到几分钟。第二层是分析和解释：寻找销售数据的趋势，质疑 KPI（关键绩效指标 - 衡量业务健康状况的数字）为何下降，提出情景。在这里，人工智能是一个强大的思维伙伴，但它所说的必须得到验证。第三层是负责任的决策：解雇谁、与哪家供应商签订合同、如何分配预算。这一层属于人类；人工智能只是让选项变得可见。
区分这三层是本模块最重要的技能。因为第一层不使用AI是懒惰；在第三层盲目使用是不负责任的。
提示：在将任务外包给人工智能之前，问问自己：“如果这个输出是错误的，会产生什么结果？”如果结果有错别字，请放心使用。如果结果影响到一个人的工作或公司的资金，请务必仅使用人工智能作为草稿生成器并进行验证。
验证纪律：未签署决定的危险
经验丰富的经理在签署文件之前会阅读文件。 AI输出的也是一份未签名的文件。人工智能有时会产生幻觉——也就是说，它发明了一个在高度令人信服的语言中并不存在的数字、来源或事实。因此，通过三步过滤器过滤每个 AI 输出：
- 将其连接到源。 AI给出的数字是来自你给出的数据吗？或者可能是编造出来的？不要接受任何不在您的数据中的数字。
- 重新计算。如果它给出百分比、总计或平均值，请手动或使用表格进行检查。人工智能在算术上也会出错。
- 行政过滤器。产出是否符合您的行业知识、实际情况以及公司的实际情况？ “听起来不错”是不够的； “我知道这是真的”是必需的。
这种纪律可能看起来很累，但经过练习，它就会变得自动，并为您节省十倍的时间。未经验证而使用的人工智能报告有一天可能会导致您向董事会提供错误的数字并失去可信度。
数据隐私：请勿在聊天框中写下公司机密
商业数据非常宝贵，而且通常是保密的：员工工资、客户名单、销售数据、供应商价格、尚未透露的战略。将这些信息粘贴到公共人工智能工具中就像向不认识的人透露秘密一样。 KVKK（个人数据保护法 - 规范土耳其如何处理个人数据的法律）要求您保护员工和客户的个人数据。
因此，经验法则是：在将数据提供给人工智能之前对其进行去识别化（匿名化）。将名称更改为“员工 A”、“供应商 1”、“客户 X”等代码。使用费率或范围而不是实际工资。如果可能，选择经贵公司认可、不使用数据进行训练的企业人工智能工具。本单元末尾的清单会将其变成一种习惯。
注意：通过说“无论如何，这是一个小表”将真实的客户列表或工资单粘贴到公共工具中，存在违反 KVKK 和丢失商业秘密的风险。如果有疑问，请始终对数据进行编码。
三个迷你箱子
案例 1 — 正确使用可节省时间。一家物流公司的运营经理每周一要花90分钟来编制每周运营报告。他开始让人工智能准备一份匿名每周数据的总结和解释；时间缩短为20分钟。他用了 70 分钟时间进行了现场考察。 AI写了报告，但主任检查了每一个数字。
案例 2 — 跳过验证的成本。某零售连锁店的业务开发专家向AI询问“去年的增长率”，并在没有核实的情况下将34%的数字放入演示中。会上，财务经理询问了这个数字；实际增长率为 19%。人工智能根据专家给出的缺失数据做出了预测。专家失去了信心。教训：未链接到源的号码不会进入演示文稿。
案例 3——隐私泄露事件返回。一位人力资源经理正准备将一张包含所有员工姓名和工资的表格粘贴到免费的人工智能工具中。其中一名团队警告说。相反，他们将姓名变成了“员工 1-40”代码，将工资变成了等级。分析的质量相同，没有泄露任何个人数据。
四个可复制模板
1）关于将作业放置在图层上的问题：
您的角色：经验丰富的商业顾问。我将按如下方式描述该工作：[工作描述]。告诉我这是否是（a）机械/重复，（b）分析/解释，（c）负责任的决策。简要解释人工智能在这项工作中扮演的哪个角色是安全的，哪个部分必须保持人类的角色。
2）验证检查提示：
我将在下面检查 AI 输出。逐项列出其中的每一项数字主张。对于每个“这个数字是来自用户提供的数据还是推断/猜测？”标记。将来源不明的信息收集到单独的“验证”标题下。
3）匿名化助手：
我一会儿给你一张图表。首先，列出此表中可能属于个人/机密的字段（姓名、ID、工资、客户姓名、供应商价格），并建议如何对每个字段进行编码（例如姓名 -> 员工 A）。还不分析；仅输出隐私地图。
4) 管理过滤请求：
我将评估以下人工智能建议：[建议]。用经理应该问的 5 个关键问题（现实性、成本、风险、可行性、道德）来测试我的建议。诚实地展示提案的弱点；不要试图让它获得批准。
弱提示/强提示
弱提示：
给我写一份业务报告。
该请求与上下文无关：不清楚哪家公司、哪个时期、哪些数据以及将向谁提供。人工智能会生成通用的、无用的文本。
强力提示：
您的角色：运营经理的助理分析师。使用所附的匿名每周数据（发货数量、延误率、成本）撰写一页执行摘要。结构：(1) 本周 3 个关键发现，(2) 与上周相比的变化，(3) 2 个需要关注的风险。就用我给你的数字，不要编任何数字；在您不确定的地方标记“无数据”。
尺寸
糟糕的方法
强硬的做法
角色描述
无
网（分析师）
数据
不确定的
匿名并附上
输出结构
免费
实质性且有限的
配件保护
无
“不要编造数字”规则
可用性
低
高
常见错误
- 将所有工作交给人工智能，或者不将任何工作交给人工智能。正确的做法是按照层次来划分工作。
- 跳过验证。看似“令人信服”的输出可能并不准确；检查每个数字。
- 将真实的个人/机密数据粘贴到开放工具中。先匿名。
- 让人工智能签署决定。人工智能产生建议；责任和签名属于经理。
- 在没有上下文的情况下编写提示。没有角色、数据和输出结构的请求是没有用的。
提示：第一周，仅在第一层工作（摘要、大纲、表格编辑）中使用 AI。一旦建立了信任和习惯，就进入第二层（分析）。始终将第三层（决定）保留在自己之内。
综上所述
在企业管理中，人工智能是加速机械工作的有力助手，是分析中良好的思维伙伴，但绝不是决策者。将工作分为三层：机械层、分析层和负责层。使用源链接、重新计算和管理过滤步骤验证每个输出。确保对公司和个人数据进行匿名处理；不要忘记 KVKK 和商业秘密责任。未经验证的人工智能输出与未经签署的决策一样有风险。
应用任务
将本周您在自己的业务中完成的 6 项任务写在一个列表中。给每个标签贴上“机械/分析/决策”的标签。选择其中一个机械作业，让人工智能按照上面的提示“将作业放在图层上”，然后是适当的轮廓来完成。通过三步验证过滤器运行输出并记下节省的时间。
清单
- [ ] 我是否将任务分类为机械/分析/决策？
- [ ] 在将数据提供给人工智能之前我是否对数据进行了匿名处理？
- [ ] 我是否已获取并重新计算输出中的每个数字？
- [ ] 我是否将输出与我的行业知识和领域进行了比较？
- [ ] 我是否能够坚持自己拥有最终决定和签名？