Исследования показывают, что ИИ-ассистенты помогают работникам быстрее выполнять задачи, связанные с большим объёмом написания текстов. Но лучшие результаты даёт использование инструмента как генератора черновиков с сохранением финальной проверки человеком. Примеры ниже подходят для любого универсального ассистента.
Электронная почта
- «На основе этих заметок напишите вежливое письмо с извинениями за задержку и предложением нового срока».
- «Сократите это длинное письмо до трёх предложений и поставьте основную просьбу на первое место».
- «Сделайте тон этого ответа более формальным, но тёплым».
Встречи
Вы можете передать ассистенту заметки с встречи или стенограмму (записанную с согласия участников) и попросить: «перечислите принятые решения с ответственными и датами». Всегда проверяйте имена и даты перед отправкой суммаризации.
Таблицы и данные
- «Напишите и объясните формулу Excel, которая суммирует продажи по месяцам на основе дат в столбце B».
- «Как найти дублирующиеся записи клиентов в этом списке?»
- «Выделите три ключевых тренда из этой сводной таблицы в виде маркированного списка».
Сначала тестируйте формулы на небольшой выборке; ИИ иногда предлагает неверный столбец или функцию.
Презентации и отчёты
- «Создайте структуру 6-слайдовой презентации для руководителей на основе этого отчёта, с заголовком и тремя пунктами на слайд».
- «Подготовьте по два предложения заметок спикера для каждого слайда».
Чек-лист
- Правильны ли цифры и расчёты?
- Верны ли имена, должности и даты?
- Соответствует ли тон получателю и корпоративной культуре?
- Есть ли конфиденциальная информация?
Безопасное использование
Используйте данные клиентов, договоры и внутренние документы только в корпоративных инструментах, одобренных вашей компанией, которые имеют соглашение о защите данных. Вы несёте ответственность за то, что создаёте.
Что говорят исследования о продуктивности?
Первые масштабные исследования, измеряющие влияние генеративного ИИ на работе, дали впечатляющие результаты. В эксперименте Шаккеда Ноя и Уитни Чжан из MIT, опубликованном в Science в 2023 году, участники, использовавшие ИИ для профессиональных задач с большим объёмом написания, завершали работу примерно на 40 процентов быстрее, а эксперты оценили качество результатов выше. В исследовании Эрика Бриньёльфссона и коллег в центре поддержки клиентов количество решённых за час обращений выросло в среднем на 14 процентов; наибольший прирост наблюдался у менее опытных сотрудников.
Эти результаты применимы к конкретным задачам и условиям. Те же исследования напоминают, что слепое доверие инструменту в темах, которые он не знает или в которых ошибается, может привести к ошибкам.
Установите общие правила в команде
Когда ИИ переходит от личной привычки к элементу командной работы, несколько общих правил помогают избежать путаницы:
- Какие инструменты одобрены? Все должны знать список инструментов и типов аккаунтов, разрешённых компанией.
- Какие данные не передаются? Чёткие ограничения должны быть установлены для информации о клиентах, персональных данных, договоров и финансовых показателей.
- Кто проверяет? Чётко определено, кто делает финальную вычитку текстов, уходящих наружу.
- Когда указывается использование ИИ? Заранее согласовано, нужно ли отмечать помощь ИИ в отчётах.
Проектирование промптов и эффективные инструкции
Фундаментальный способ достичь максимальной эффективности от ИИ-инструментов — улучшить качество инструкций, передаваемых им. Вместо простого определения общей задачи пользователь получает гораздо более успешные результаты, когда назначает ИИ конкретную роль, контекст и цель. Например, при запросе текста, вместо простого указания темы, следует детально описать целевую аудиторию и предполагаемое назначение.
Эффективное проектирование промптов лежит в основе процесса. Чем чётче, структурированнее и детальнее инструкции, тем выше продуктивность ИИ. Пользователи могут сохранять контроль над процессом, определяя формат, объём и уровень сложности результатов. Этот подход обеспечивает создание пригодных черновиков, адаптированных к конкретным бизнес-потребностям, вместо случайных результатов.
Уточнение контента и управление тоном
ИИ-инструменты не только генерируют новые тексты, но и служат мощными средствами для изменения языковой структуры существующих. Если отчёт считается слишком техническим, можно преобразовать этот текст в более понятный язык или сделать резкий тон письма более конструктивным. Эта возможность даёт гибкость в деловой коммуникации.
Управление тоном критически важно для сохранения корпоративной идентичности. Можно обеспечить соответствие контента, подготовленного с помощью ИИ, общему языку коммуникации и культурным ценностям организации. Сокращение, расширение или перестройка текстов с другой перспективы уменьшает потери времени в процессе создания контента, освобождая больше пространства для креатива.
Интеграция в профессиональные рабочие процессы
Позиционирование ИИ как ассистента в офисной среде способствует большей плавности ежедневных рутин. Вместо того чтобы брать на себя всю работу, эти инструменты можно использовать как партнёра для мозгового штурма на начальных этапах процесса. Задачи вроде генерации идей для проекта, создания черновиков или суммаризации сложных тем выполняются с ИИ гораздо быстрее.
Интеграция технологий в существующие бизнес-процессы позволяет сотрудникам отвлечься от рутинных и повторяющихся задач и сосредоточиться на более стратегической работе. Операции вроде подготовки первого черновика текста или выделения ключевых моментов из длинного документа могут быть выполнены за очень короткое время с поддержкой ИИ. Это положительно сказывается на общем темпе работы и продуктивности.
Критические ограничения, которые нужно учитывать
- Риск генерации ложной или некорректной информации.
- Возможные несоответствия в логическом рассуждении.
- Сложности в понимании сложных или многослойных инструкций.
- Риск упущения контекста и тонких нюансов.
- Отсутствие информации о текущих событиях.
Хотя модели ИИ высоко развиты, они небезупречны. Любая полученная информация, особенно данные для принятия критических решений, должна пройти человеческий контроль. Удобства, даруемые технологией, требуют тщательного механизма контроля.
Этические подходы и прозрачность
Использование ИИ несёт различные этическую ответственность. Прозрачное управление подготовленным контентом имеет большое значение для деловой этики. В случаях, когда значительная часть отчёта или презентации подготовлена ИИ, сообщение этой информации внутри команды или заинтересованным сторонам помогает сохранить атмосферу доверия.
Кроме того, необходимо соблюдать осторожность в отношении потенциальных предвзятостей в контенте, созданном ИИ. Предрассудки, исходящие от данных, использованных для обучения алгоритмов, могут отражаться в текстах. Поэтому пользователи должны действовать не просто как операторы, а как редакторы, контролирующие соответствие контента этических ценностям.
Непрерывное обучение и адаптация
ИИ-технологии обладают быстро развивающейся структурой. Поэтому профессионалы, использующие эти инструменты в офисной среде, должны постоянно обновлять свои знания о новых навыках и методах. Знания о том, как пользоваться инструментами, недостаточно; понимание их границ и потенциала также необходимо.
Процесс обучения усиливается через пробу и ошибку. Тестирование разных структур промптов, сравнение результатов различных инструментов и поиск наиболее эффективных методов повышают цифровую компетентность. Люди, адаптирующиеся к технологическим изменениям, могут играть более активную роль в рабочих моделях будущего.
Функции, тарифы и цены ИИ-инструментов часто меняются. Всегда проверяйте официальную страницу инструмента для актуальной информации.
Источники и дополнительное чтение
- Erik Brynjolfsson, Danielle Li and Lindsey Raymond, “Generative AI at Work”, NBER Working Paper 31161, 2023.
- Shakked Noy and Whitney Zhang, “Experimental evidence on the productivity effects of generative artificial intelligence”, Science, 2023.
- Страницы справки Microsoft и Google по функциям ИИ в офисных приложениях.
- Noy, S. and Zhang, W. (2023), “Experimental evidence on the productivity effects of generative artificial intelligence”, Science
- Brynjolfsson, E., Li, D. and Raymond, L. (2023), “Generative AI at Work”, NBER Working Paper 31161
Оставить комментарий
Ваш адрес электронной почты не будет опубликован. Обязательные поля помечены *