دو تا از مدیران OpenAI یعنی اولیویه گادمنت و شروین وو که به ترتیب مسئول محصول و مهندسی پلتفرم توسعه‌دهندگان این شرکت هستن، در یک مصاحبه در پادکست BG2، سه نکته مهم رو برای شرکت‌هایی که میخوان هوش مصنوعی رو با موفقیت به کار بگیرن، به اشتراک گذاشتن. اونها معتقدن که شرکت‌ها برای استفاده موفق از هوش مصنوعی برای کارمندهاشون، باید یک رویکرد نتیجه‌گرا داشته باشن.
نکته اول: حمایت مدیران ارشد و تشکیل یک تیم ویژه
گادمنت میگه اولین قدم، ترکیبی از حمایت مدیران ارشد و تشکیل یک گروه مشخص و کاربلده که اون رو «تیم ببر» (tiger team) اسم میبره. این تیم میتونه ترکیبی از کارمندهای خود شرکت و متخصص‌هایی از شرکت‌های ارائه‌دهنده هوش مصنوعی مثل OpenAI باشه.
اعضای این تیم باید یا مهارت‌های فنی داشته باشن یا درک عمیقی از فرایندهای شرکت. گادمنت توضیح میده که: «در محیط‌های کاری مثل پشتیبانی مشتری، ما فهمیدیم که بخش بزرگی از دانش توی ذهن افراد قرار داره». اون اضافه میکنه که بدون وجود این تیم که ترکیبی از متخصص‌های فنی و کارشناس‌های موضوعی باشه، شروع کردن یک پروژه از صفر واقعا سخته.
نکته دیگه‌ای که گادمنت بهش اشاره میکنه اینه که رهبری ارشد شرکت باید هوش مصنوعی رو در اولویت قرار بده و به کارمندهاش فرصت آزمایش کردن بده. اون میگه: «اینکه به تیم اجازه بدیم خودش رو سازماندهی کنه و بگه، اوکی، اگه میخوای کوچیک شروع کنی، کوچیک شروع کن و بعدا بزرگش کن، این میشه نکته شماره یک».
نکته دوم: تعیین معیارهای شفاف و قابل اندازه‌گیری
گادمنت و وو در ادامه میگن که شرکت‌ها باید معیارهای شفاف یا «ارزیابی» (evals) برای خودشون تعریف کنن تا بتونن پیشرفتشون رو در استفاده از هوش مصنوعی دنبال کنن. به گفته گادمنت، «انجام دادن ارزیابی‌ها خیلی سخت‌تر از چیزیه که به نظر میرسه».
شروین وو هم اضافه میکنه که این ارزیابی‌ها اغلب باید از پایین به بالا شکل بگیرن، چون همه این اطلاعات توی ذهن اپراتورها و کارمندهای اجرایی هست. به همین دلیل، دیکته کردن یک دستور از بالا به پایین برای این موضوع خیلی سخته.
نکته سوم: نظارت دقیق و تلاش برای پیشرفت
آخرین نکته‌ای که گادمنت بهش اشاره میکنه اینه که شرکت‌ها باید این معیارها رو از نزدیک زیر نظر داشته باشن و برای رسیدن به پیشرفت تلاش کنن. اون میگه: «خیلی از این کارها گاهی بیشتر شبیه هنر هستن تا علم».
این پیشرفت میتونه با داشتن درک خوبی از طراحی، رفتار و محدودیت‌های یک مدل هوش مصنوعی به دست بیاد. گادمنت میگه: «گاهی وقتا، وقتی محدودیت‌های مشخصی وجود داره، ما حتی باید خودمون مدل‌ها رو بهینه‌سازی کنیم و خب، صبور باشیم، خودمون رو به اون سطح برسونیم و بعد محصول رو عرضه کنیم».
مدیرعامل‌های تکنولوژی چطور کارمندهاشون رو به استفاده از هوش مصنوعی تشویق میکنن؟
مدیرعامل‌های شرکت‌های فناوری تلاش‌هاشون رو برای تشویق کارمندها به استفاده از هوش مصنوعی بیشتر کردن. برای مثال:
- لوئیس فون آن، مدیرعامل دولینگو (Duolingo)، در مصاحبه‌ای در ماه اوت با نیویورک تایمز گفت که این شرکت فعالیت‌های هفتگی برای تشویق تیم‌ها به استفاده از هوش مصنوعی ترتیب میده. اون گفت: «هر صبح جمعه، ما چیزی داریم به اسم f-r-A-I-days که البته مخفف خوبی نیست».
- هاوی لیو، مدیرعامل پلتفرم کدنویسی Airtable، ماه گذشته در پادکست Lenny’s Podcats گفت که از کارمندهاش میخواد با هوش مصنوعی کار کنن، حتی اگه لازم باشه برای این کار از کارش مرخصی بگیرن. اون گفته: «اگه میخوای همه جلساتت رو برای یک روز یا حتی یک هفته کامل کنسل کنی و بری با هر محصول هوش مصنوعی که فکر میکنی میتونه به Airtable مرتبط باشه کار کنی، برو این کار رو بکن. تمام».
لازم به ذکره که بیزنس اینسایدر برای دریافت نظر از OpenAI درخواست داده بود اما پاسخی دریافت نکرد.
مطالعه موردی: DoorDash چطور از هوش مصنوعی برای توانمندسازی کارمندهاش استفاده میکنه؟
ماریانا گاراواگلیا، مدیر ارشد منابع انسانی DoorDash، در مورد نحوه استفاده این شرکت از هوش مصنوعی صحبت کرده. DoorDash یکی از پلتفرم‌های پیشرو تجارت محلی در جهانه که به کسبوکارها کمک میکنه رشد کنن، مصرف‌کننده‌ها رو به بهترین‌های محله‌شون وصل میکنه و به افراد راه‌های سریع و انعطاف‌پذیر برای کسب درآمد میده.
گاراواگلیا میگه فرهنگ DoorDash یک «فرهنگ اپراتوری» هست. یعنی از همه انتظار میره که تجربه مشتری رو عمیقا درک کنن و با سرعت و ذهنیت یک تیم محصول حرکت کنن. حتی قبل از پیشرفتهای هوش مصنوعی، اونها دائما در حال آزمایش بودن، از نرخ تبدیل گرفته تا اثربخشی کمپین‌های بازاریابی. هوش مصنوعی حالا این فرایند رو با سرعت بخشیدن به یادگیری، تست و تکرار، تقویت کرده.
استراتژی سه لایه DoorDash برای هوش مصنوعی
تیم‌های منابع انسانی و IT در DoorDash مسئولیت ابزارسازی رو به عهده دارن و هوش مصنوعی در سه لایه نقش کلیدی داره:
- دسترسی و سواد: اطمینان از اینکه همه، حتی افراد غیرفنی، میتونن از ابزارهای پیشرفتهای مثل دستیارهای هوشمند (co-pilots) از طریق عرضه‌های سازمانی، هکاتون‌ها و آموزش‌ها استفاده کنن.
- یکپارچه‌سازی داده‌های داخلی: شکستن سیلوهای اطلاعاتی و فعال کردن جستجوی مبتنی بر هوش مصنوعی و ارائه هوشمندتر محتوا.
- عامل‌های هوش مصنوعی: بررسی اینکه عامل‌های هوش مصنوعی کجا میتونن وظایف رو به شکلی هوشمند و قابل اعتماد انجام بدن. هدف فقط اتوماسیون نیست، بلکه بهبود گردش کارهای اصلیه که تجربه کاری کارمندها رو بهتر میکنه.
تاثیر هوش مصنوعی بر کارمندها
حتی ابزارهای چت سازمانی هم تاثیر بزرگی داشتن. نکته هیجان‌انگیز اینه که این ابزارها به کارمندهای بیشتری این امکان رو دادن که به خالق‌های فنی تبدیل بشن. برای مثال، یکی از اعضای تیم عملیات منابع انسانی یک اسکریپت ساخت تا بارگذاری اسناد رو که قبلا به صورت دستی و یکی یکی انجام میداد، خودکار کنه. این یک تغییر بزرگه چون اتوماسیون و ساخت گردش کار رو که قبلا به کمک مهندس‌ها نیاز داشت، برای همه ممکن کرده.
گاراواگلیا میگه: «در همه تیم‌ها، ما خیلی هیجان‌زده‌ایم که هوش مصنوعی چطور به ما کمک میکنه تا ساخت این تجربه‌ها رو سرعت بدیم. این واقعا سرعت یادگیری، تست و تکرار ما رو بالا میبره».
چطور تاثیر هوش مصنوعی رو اندازه‌گیری میکنن؟
اونها هنوز در مراحل اولیه هستن اما با دو معیار اصلی شروع کردن: میزان پذیرش و تعداد دفعات استفاده. اونها میدونن که مهندس‌ها الان میتونن کاری رو که قبلا روزها طول میکشید، در چند دقیقه انجام بدن. پذیرش هم سریع و طبیعی بوده و تیم‌ها به طور طبیعی با ابزارهای موجود مشکلاتشون رو حل میکنن.
اونها همچنین به توزیع دسترسی‌ها فکر میکنن، یعنی چه کسی به لایسنس‌ها دسترسی داره، چقدر این توزیع عادلانه هست و چقدر از اونها استفاده میشه. علاوه بر این، دارن سواد هوش مصنوعی رو به چارچوب ارزیابی عملکردشون اضافه میکنن و به شایستگی‌هایی مثل تمایل به پذیرش ابزارهای جدید و ذهنیت یادگیرنده فکر میکنن.
رشد و توسعه کارمندها با هوش مصنوعی
گاراواگلیا میگه در حالی که تمرکز زیادی روی ارائه خدمات به شکل کارآمدتر بوده، اون بیشتر در مورد این هیجان‌زده هست که هوش مصنوعی چطور میتونه به افراد کمک کنه تا رشد کنن و تاثیر بیشتری در کارشون داشته باشن. کارمندهای غیرفنی حالا میتونن محتوای شخصی‌سازی شده تولید کنن، گردش کارها رو خودکار کنن و داده‌ها رو تحلیل کنن، کارهایی که قبلا به مهارت‌های فنی نیاز داشت.
این موضوع از نظر یادگیری و توسعه خیلی مهمه. DoorDash از قبل فرهنگ قوی یادگیری خودگردان رو داشته و هوش مصنوعی این مانع رو کمتر هم کرده. در نهایت، اونها میتونن برنامه‌های توسعه فردی شخصی‌سازی شده و مقیاس‌پذیر ارائه بدن که متناسب با اهداف، الگوهای عملکردی و مسیر شغلی هر فرد باشه. این یک تغییر از رویکرد «یک سایز برای همه» به پشتیبانی واقعا فردی هست.
نمونه‌های عملی در DoorDash
- ارزیابی عملکرد: سیستم اونها بازخوردهای زیادی جمع‌آوری میکنه اما خلاصه کردن اونها سخت بوده. هوش مصنوعی بهشون کمک میکنه تا موضوعات کلیدی، نقاط قوت و زمینه‌های رشد رو مشخص کنن تا کارمندها به جای بازخورد خام، برداشت‌های واضح‌تری داشته باشن.
- نظرسنجی‌های کارمندان: قبلا هزاران پاسخ رو به صورت دستی میخوندن. هوش مصنوعی حالا بهشون کمک میکنه الگوها رو شناسایی کنن و خلاصه‌های عملی برای مدیران تولید کنن. اونها حتی گردش کارهایی ساختن که برنامه‌های عملی به سبک «جای خالی را پر کنید» (Mad Libs) متناسب با هر مدیر تولید میکنه.
استفاده از هوش مصنوعی برای ارزیابی مدیران اجرایی
اونها هنوز به طور مستقیم از هوش مصنوعی برای مربی‌گری مدیران اجرایی استفاده نمیکنن، اما در حال ساخت مدل‌های پیش‌بینی‌کننده برای ارزیابی عملکرد مدیران هستن، هم برای ترفیع‌های داخلی و هم برای استخدام‌های خارجی. اونها از داده‌های گروهی، ارزیابی‌های مصاحبه و بررسی منابع برای پیش‌بینی موفقیت استفاده میکنن. مربی‌گری مدیران یکی از چندین نقطه داده هست. ایده اینه که هوش مصنوعی به اونها کمک کنه موفقیت رو با اطمینان بیشتری پیش‌بینی کنن و بعد از مربی‌گری برای پر کردن شکاف‌های هدفمند استفاده بشه. اونها تاکید میکنن که تفسیر انسانی هنوز ضروریه و از داده‌ها برای پشتیبانی از قضاوت انسان استفاده میکنن، نه جایگزینی اون.
نقش مهندس‌های متخصص در تیم منابع انسانی
یکی از دلایل موفقیت DoorDash اینه که تیم‌های منابع انسانی و IT اونها شامل مهندس‌های متخصصی هستن که روی گردش کارهای داخلی تمرکز دارن. این به اونها اجازه میده سریع‌تر حرکت کنن و بیشتر تکرار کنن.
ابزارهای مورد استفاده
DoorDash در کل سازمان، در تیم‌های فنی و غیرفنی مثل مالی، فروش، عملیات، IT و بازاریابی از ChatGPT Enterprise استفاده میکنه. API های OpenAI همچنین پلتفرم خدمات مشتری DoorDash رو که به ۳ میلیون چت در ماه پاسخ میده و همچنین گردش کارهای داخلی برای بازبینی نظرات و پشتیبانی رو قدرت میبخشه.
دیدگاهتان را بنویسید