Насколько ИИ изменил работу вашей команды? На первый взгляд работа может выглядеть не так уж и иначе. Встречи по-прежнему проводятся, документы по-прежнему проходят по тем же каналам, а отчеты отправляются так, как всегда.
Но что-то было изменился.
В разных командах люди используют ИИ на рабочем месте так, как другие инструменты в их технологическом стеке не полностью проявляются. Другими словами, есть решения, принимаемые по модели, которой нет в официальном рабочем процессе.
Фактически, 85% специалистов сообщают об использовании ИИ, однако на его долю приходится всего 4% общего рабочего времени. Результат может не выглядеть чем-то необычным, но усилия, стоящие за ним, не таковы — и большинство систем никогда не были созданы, чтобы заметить эту разницу.
В этом посте мы рассмотрим, как использование искусственного интеллекта влияет на результаты и как вы можете лучше отслеживать влияние этой революционной технологии на оптимизацию производительности. Давайте начнем.
Погрузитесь в нашу интерактивную демонстрацию и изучите функции, которые упрощают управление глобальными командами.
Если вы посмотрите на большинство команд со стороны, вы, возможно, не заметите ничего кардинально отличающегося. Однако результаты улучшились, поскольку:
Может показаться, что команда просто стала лучше. И в некоторых редких случаях это может так оно и есть.
Но в большинстве случаев вполне вероятно, что ваша команда начала использовать ИИ для выполнения различных задач в течение рабочего дня, но не так, как ваши инструменты не могут четко обозначить, например:
(Источник:создатель Canva)
Ваша информационная панель сообщит вам, что рабочий процесс выглядит чистым. Задача назначена, задача выполнена, выполнено.
Но усилие между ними изменилось. Руководство может полагать, что у него есть разумное представление о внедрении ИИ, поскольку лицензии отслеживаются, а официальные инструменты контролируются.
Между тем, реальное использование происходит в самых уголках рабочих процессов вашей команды.
Прежде чем мы пойдем дальше, полезно быть точным.
Когда мы говорим «скрытое использование ИИ», мы не имеем в виду что-то драматичное или обманчивое. Мы говорим об обычных, о которых не сообщается, способах, которыми люди используют искусственный интеллект для поддержки своей работы. Зачастую это происходит без официального решения об усыновлении.
Скрытое также не означает тайну в злонамеренном смысле. Обычно это просто означает «неотслеживаемый» или «немаркированный». По сути, за пределами систем, на которые опирается руководство, чтобы понять, как выполняется работа.
На практике это может выглядеть так:
Ничто из этого не обязательно нарушает политику. Во многих случаях нет даже четкой политики, которую можно было бы нарушать.
«Скрытым» его делает то, что традиционные системы измеряют активность, например затраченное время, используемые инструменты и выполненные задачи. Они не отображаются:
Таким образом, с точки зрения отчетности это может выглядеть как стабильная работа. Но внутри процесса происходят небольшие изменения, которые не учитывает ни одна информационная панель.
Большинство инструментов на рабочем месте были созданы для отслеживания стандартных показателей активности. Они также были разработаны на основе предположения, что усилия видны через взаимодействие.
Долгое время это работало. Однако ИИ не совсем вписывается в эту модель. Подумайте об этом:
С точки зрения системы рабочий процесс не поврежден. Но что на самом деле измеряет панель мониторинга:усилия или результат?
ИИ часто работает до официального начала работы, между двумя отслеживаемыми действиями или после того, как что-то технически помечено как выполненное. Это меняет мышление маргиналов. А поскольку большинство инструментов предполагают линейный путь от назначенной задачи до выполненной, они пропускают циклы и дополнения, происходящие между ними.
Если процесс изменился, а видимые контрольные точки — нет, на что именно мы полагаемся, чтобы понять, как выполняется работа?
Заглядывая не только в то, как инструменты интерпретируют использование ИИ, мы должны напомнить себе, что мы все еще ощущаем культурное влияние недавнего сдвига в области ИИ.
Технология меняет поведение задолго до того, как она меняет политику. Для многих сотрудников использование ИИ — это не столько экспериментирование, сколько сохранение компетентности. Когда ожидания растут, а время — нет, люди ищут рычаги воздействия. Если модель помогает им быстрее разрабатывать проекты или уменьшить количество ошибок, она становится частью того, как они защищают свою производительность.
Тем не менее, есть сомнения, стоит ли говорить это вслух.
Некоторые до сих пор обеспокоены тем, что использование генеративного искусственного интеллекта на работе будет рассматриваться как срезание углов. Другие считают, что руководство теоретически празднует «трансформацию ИИ», но не оставляет места для честных разговоров о повседневном использовании его командой. Таким образом, использование продолжается, просто без подтверждения.
Развивается разница в восприятии. Лидеры считают, что они оценивают производительность так, как ее всегда измеряли. С другой стороны, сотрудники знают, что их работа становится все более совместной:помощь машины и человеческий разум за рулем.
Когда эти два мнения не совпадают, это меняет способ получения обратной связи. Это также меняет порядок предоставления кредитов и способы управления рисками. Со временем невидимое повышение производительности становится нормой. Базовая линия смещается вверх.
На какое-то время можно игнорировать скрытое использование ИИ. Вещи есть в конце концов, дело сделано.
Но хотя на расстоянии кажется, что ничего не сломано, риск медленнее и труднее заметить.
Когда ИИ становится частью процесса выполнения работы, но остается вне формального признания, лидеры в конечном итоге принимают решения на основе неполной информации.
Такое отключение может привести к:
Ничто из этого не означает, что проблема в ИИ. Вместо этого проблема заключается в непрозрачности.
Лидеры могут легко упустить возможность формировать форму повседневной работы, если не видят в ней влияния ИИ. Они не могут инвестировать в нужные навыки и, что более важно, не могут регулировать ответственное использование.
Разговоры об искусственном интеллекте в работе имеют тенденцию быстро переходить в сторону контроля:новые рекомендации, более жесткие определения, более четкие границы.
Этот импульс имеет смысл, но прежде чем что-то формальное будет записано, есть более простой уровень, заслуживающий внимания.
Все начинается с вопросов, которые связаны не столько с правоприменением, сколько с пониманием:
Ни один из этих вопросов не приводит к немедленному правилу. Вместо этого они делают что-то более фундаментальное:помогают лидерам понять, связан ли разрыв с технологиями или с невысказанными ожиданиями.
ИИ уже вплетен в повседневную работу. Это станет только более распространенным. настоящий Выбор заключается в том, останется ли эта реальность неформальной и неоднородной или станет чем-то, о чем команды могут говорить открыто и, следовательно, сознательно улучшать ее.
Редко существует надежный способ определить это, просто взглянув на выходные данные. Четкое письмо, более быстрое выполнение работ или более структурированное мышление — все это может быть признаками поддержки ИИ, но они также отражают опыт и навыки тех, кто их использует. Инструменты мониторинга обычно отслеживают активность, а не увеличение.
В большинстве организаций да, но границы имеют значение. Допустимое использование зависит от типа работы, конфиденциальности данных, отраслевых норм и политики компании. Ключевое различие заключается в том, используется ли ИИ для обоснования суждений или для замены подотчетности. Сотрудники должны нести ответственность за результаты своей работы, независимо от используемых инструментов.
Типичный пример — составление проекта. Сотрудник может использовать генеративный инструмент искусственного интеллекта, чтобы составить план отчета, обобщить заметки о встрече или уточнить обмен сообщениями перед отправкой окончательной версии. Идеи и решения по-прежнему исходят от человека, но модель помогает структурировать и отполировать результат. В этом случае ИИ выступает помощником, а не автором записи.
Плюсы: ИИ может сократить количество повторяющихся задач, ускорить исследования, улучшить первые наброски и помочь сотрудникам более эффективно решать сложные проблемы.
Минусы: Чрезмерное доверие может ослабить основные навыки, привести к ошибкам (если результаты не проверяются тщательно) и создать риски для этики или безопасности данных при неправильном использовании.
Как и большинство инструментов, его ценность зависит от способа использования.
Скрытое использование создает слепые зоны. Лидеры могут неправильно интерпретировать сигналы производительности или неправильно понимать, как выполняется работа. Если сделать ИИ видимым в ходе открытого разговора, команды смогут согласовать навыки и ответственность.
Вопрос больше не в том, используют ли команды ИИ. И дело не в том, регрессирует ли она или продолжит усиливаться.
Вместо этого следующий большой вопрос заключается в том, понимается ли такое использование.
Да, скрытое использование ИИ звучит пугающе. Но рискованно только тогда, когда оно остается неисследованным.
Когда лидеры предполагают, что рабочие процессы выглядят так же, как и год назад, они оценивают производительность на основе устаревших предположений. С другой стороны, когда сотрудники не уверены в том, как будут восприняты их инструменты, они по умолчанию молчат.
Видимость начинается не с более жесткого мониторинга. Все начинается с признания того, что уже происходит, и рассмотрения владения искусственным интеллектом как навыка, который нужно развивать, а не ярлыка, который можно спрятать.