چطور غول های IT با کوپایلت مایکروسافت ۳۶۵ راندمان را افزایش دادند؟
نهایت علم: از محیط های ساختمانی گرفته تا پردیس های دانشگاهی، شرکتهای حقوقی و فروشگاه های خرده فروشی، رهبران حوزه فناوری اطلاعات درحال به کارگیری دستیارهای هوش مصنوعی مولد هستند و کم کم می آموزند چطور این ابزارها را به محرکی برای افزایش راندمان تبدیل کنند.
تینا مزدکی_مایکروسافت نسخه ای مجانی اما محدود از چت بات Copilot (کوپایلت) را در ویندوز و برخی سرویسهای دیگر ارائه می کند، اما Microsoft ۳۶۵ Copilot (کوپایلت مایکروسافت ۳۶۵) صرفا بعنوان یک افزونه ویژه برای طرح های تجاری و سازمانی Microsoft ۳۶۵ عرضه می شود. در کنار هزینه اشتراک معمولی M۳۶۵، سازمان ها باید ماهانه ۳۰ دلار به ازای هر کاربر برای این سرویس بپردازند. در مقابل، ابزاری دریافت می کنند که بطور عمیق با اپلیکیشن های مجموعه آفیس مایکروسافت ۳۶۵ یکپارچه شده و قابلیت های پیشرفته سازمانی همچون عامل های هوش مصنوعی برای خودکار سازی جریان های کاری را در اختیار می گذارد.
این سرویس ارزان نیست؛ ازاین رو بسیار اهمیت دارد که بیشترین بازده ممکن از آن به دست آید. شرط اصلی، استقرار درست و هدفمند است. در همین جهت، گفتگویی با چهار مدیر ارشد فناوری اطلاعات (IT) از سازمان های مختلف که Copilot را در مقیاس گسترده به کار گرفته اند انجام شده است. دیدگاه های آنها مسیرهایی عملی برای انتخاب کاربردهای پُربازده، مدیریت داده ها و کنترل های دسترسی، تضمین پذیرش توسط کاربران و همین طور اجتناب از دام های رایج را روشن می کند.
گام اول: تشخیص کاربردهای عملی هر یک از مدیران فناوری اطلاعات کار خودرا با شناسایی جریان های کاری شروع کردند که در آنها Copilot بتواند به سرعت ارزش خودرا نشان دهد و در عین حال، یکپارچگی بیشتری با مجموعه ابزارهای مایکروسافت داشته باشد. برای تروی هیلتبَرند، معاون ارشد مدیریت محصولات دیجیتال در شرکت Partner.Co، دستاوردهای اولیه از کاربردهای داخلی به دست آمد. او می گوید: «ما ابتدا از Copilot برای خلاصه سازی جلسات، یادداشت برداری و تحلیل اسناد استفاده کردیم. سپس آنرا برای ساخت یک چت بات خدمات مشتری در اختیار نمایندگان داخلی قرار دادیم. این پروژه کمتر از دو روز طول کشید و الان بیشتر از ۱۰۰ نماینده خدمات مشتری از آن استفاده می نمایند.» به قول او، حتی یکی از مالکان محصول توانست با کمک Copilot، در همان لحظه مصاحبه با ذی نفعان، سناریوهای کاربر آماده برای جیرا (یکی از معروف ترین پلت فرم های مدیریت پروژه ی نرم افزار) تولید نماید و از این طریق، چندین هفته کار پیگیری را ذخیره کند.
رابین پاترا، مدیر داده، تحلیل و هوش مصنوعی در شرکت ساختمانی ARCO، نگاهی استراتژیک تر در پیش گرفت. او توضیح داد: «می دیدیم مدیران و دستیارانشان ساعت ها در جلسات صرف می کنند و پیگیری ها را بصورت دستی دنبال می کنند. ازاین رو Copilot را به کار گرفتیم تا جلسات را رونویسی کند، لیست اقدامات را بسازد و آن وظایف را با Microsoft Planner همگام سازی کند. همین کار به تنهایی سبب بهبود ملموس در پاسخگویی و اجرای پیگیری ها شد.»
در دانشگاه فلوریدای جنوبی (USF)، سیدنی فرناندز، مدیر ارشد اطلاعات و معاون تجارب دیجیتال، می گوید در مرحله آزمایشی، تقاضا جهت استفاده از این ابزار بشدت افزایش پیدا کرد. او اظهار داشت: «ما ۵۰۰ مجوز عرضه دادیم اما ۷۰۰ درخواست دریافت کردیم. همان جا فهمیدیم باید مقیاس کار را گسترش دهیم. از کارکنان فناوری اطلاعات گرفته تا محققان، همه راه هایی برای صرفه جویی در زمان، مثل استفاده از Copilot در اکسل برای پاک سازی داده ها یا درخواست از آن برای نوشتن موارد پیگیری در حین جلسات زنده پیدا کردند.»
به قول او، یکی از قابلیت هایی که محبوبیت خاصی پیدا کرده اینست که شرکت کنندگان می توانند در جریان جلسه تیمز، در صورتیکه نکته ای را از دست داده باشند، مستقیماً از Copilot بخواهند آن بخش از جلسه را باردیگر برایشان توضیح دهد.
محمد شلبی، مدیر ارشد فناوری در شرکت TechGofers و مشاور بخش عمومی در Eaton Associates، می گوید خیلی از مشتریانش از Copilot برای گردآوری کارآمدتر گزارش ها استفاده می نمایند و کیفیت این کار بستگی مستقیم به مهارت آنها در نگارش پرسش ها دارد. او توضیح داد: «در یک مورد، کاری که قبل تر ۱۰ ساعت طول می کشید، با Copilot تنها در ۱۵ دقیقه انجام شد.»
گام دوم: سامان دهی داده ها صرف نظر از توانایی هوش مصنوعی، کیفیت عملکرد آن تنها به اندازه داده هایی است که به آن دسترسی دارد. هر چهار مدیر فناوری اطلاعات بر این نکته تاکید کردند که نظم داده ها شرط اساسی و اجتناب ناپذیر است.
شلبی اظهار داشت: «یکی از تیم های بازاریابی می خواست داده های داخلی و خارجی بازار را ترکیب کند، اما فایل ها بین OneDrive، SharePoint و Dropbox پراکنده بودند. بنابراین، هوش مصنوعی قادر به یافتن داده های مورد نیاز نبود. درس اینجاست: نمی توان هرج ومرج را خودکار کرد.»
پاک سازی داده ها و قفل گذاری روی مجوزهای دسترسی به همان اندازه اهمیت دارد. شلبی اضافه کرد: «تا زمانیکه داده ها مرتب، متمرکز و همراه با برچسب های کنترلی نباشند، خروجی معنادار نخواهید گرفت. در غیر این صورت، با خطر خطاهای ساختگی یا حتی بدتر، افشای محتوای حساس برای کاربران نامناسب مواجه می شوید.» او بر دسترسی مبتنی بر نقش تاکید کرد: «ما اطمینان حاصل می نماییم که عامل های هوش مصنوعی تنها داده هایی را ببینند که کاربر مجاز به دیدن آنهاست. این کار در SharePoint ساده تر است، چون مجوزها بصورت گروهی تعریف می شوند.»
سیدنی فرناندز از دانشگاه فلوریدای جنوبی نیز همین دیدگاه را تکرار کرد و اخطار داد: «نباید تصور کرد همه چیز بطور پیش فرض ایمن است. ما وقت گذاشتیم تا تنظیمات OneDrive و SharePoint را قفل نماییم و همین طور از Microsoft Purview برای دسته بندی داده ها برمبنای سطوح دسترسی استفاده کردیم. این کار فقط مربوط به هوش مصنوعی نبود، بلکه بخشی از یک تلاش گسترده تر برای حاکمیت داده بود.»
هیلتبرند در Partner.Co نیز اظهار داشت: «تمام استفاده ما از Copilot در محدوده Microsoft tenant خودمان صورت می گیرد. این یعنی کنترل کامل داریم؛ هیچ فایل خارجی به ابزارهای ثالث بارگذاری نمی شود و خطری برای نشت داده وجود ندارد.» با این وجود، هیلتبرند با یک چالش تازه در حاکمیت داده روبه رو شد: سردرگمی منطقه ای. او توضیح داد: «ما در کشورهای مختلف با محصولات و طرح های جبران متفاوت فعالیت می نماییم. در ابتدا متوجه شدیم که پرسش های نمایندگان خدمات مشتری در آمریکا پاسخ هایی دریافت می کرد که برای اروپا طراحی شده بودند. حالا درحال اصلاح قالب بندی محتوا هستیم و شاید در آینده عامل های جداگانه ای برای هر منطقه مستقر نماییم.»
گام سوم: آموزش هدفمند و ادامه آن ابزارهای هوش مصنوعی هرچند شهودی هستند، اما تسلط به آنها اتفاقی به دست نمی آید. بااینکه Copilot در اپلیکیشن های آشنایی مثل Outlook و Word تعبیه شده، استفاده مؤثر بازهم نیازمند مهارت در طراحی پرسش ها و درک رفتار هوش مصنوعی است.
شلبی اظهار داشت: «بیشتر کاربران انتظار جادو دارند. اما باید به آنها بیاموزید چه طور پرسش ها را ساختاربندی کنند: تعریف نقش برای هوش مصنوعی، عرضه زمینه، مشخص کردن وظیفه، تعیین قالب خروجی و تنظیم لحن. همین آموزش می تواند ارزش دریافتی آنها را دو برابر نماید.»
در ARCO، آموزش هوش مصنوعی فراتر از ابزارهای بهره وری تعریف شده است. پاترا توضیح داد: «ما یک سیستم آموزشی سه سطحی توسعه دادیم. دوره نخست، AI ۱۰۱، برای همه کارکنان الزامی است. سپس AI ۱۰۲ نشان داده است که هوش مصنوعی چه طور از جریان های کاری ساخت وساز پشتیبانی می کند. بالاخره، AI ۱۰۳ ویژه علاقه مندانی است که می خواهند ابزارهای جدید بسازند. حدود دوسوم از ۴۰۰۰ کارمند ما AI ۱۰۲ را گذرانده اند.»
در USF، نگاهی غیررسمی تر گرفته شد. فرناندز اظهار داشت: «یک گروه در Teams ایجاد کردیم و نشست های ماهانه "قهوه و Copilot" برگزار کردیم تا کاربران تجربیات و پرسش های خودرا به اشتراک گذارند. همین طور هر هفته نکات کوتاه فنی منتشر می نماییم تا مهارت ها را گسترش دهیم.»
هیلتبرند اخطار داد: «بدون راهنمایی، مردم یک مرتبه از AI استفاده می نمایند، خروجی عجیب می گیرند و دیگر سراغش نمی روند. آموزش چه رسمی چه غیررسمی عضلات AI تیم شما را تقویت می کند.»
شرکت Partner.Co حتی یک «برنامه جایزه» راه اندازی نمود که برای بهترین کاربرد هفتگی هوش مصنوعی ۱۰۰ دلار پاداش می داد. هیلتبرند اظهار داشت: «این برنامه هیجان ایجاد کرد و نوآوری از پایین سازمان را آشکار ساخت. یکی از مهندسان با کمک Copilot مشکلی در پیکربندی سرور را که معمولا هفته ها طول می کشید، تنها در یک روز حل کرد.»
گام چهارم: شروع کوچک، مقیاس گذاری با نگاه به بازگشت سرمایه پذیرش سازمانی زمانی موفق است که بطور طبیعی از دل تجربه های موفقیت آمیز واقعی رشد کند. هر یک از مدیران، Copilot را مرحله به مرحله اجرا کردند. ابتدا با مدیران، دستیاران، کارکنان IT یا داوطلبان و سپس بعد از اثبات موفقیت، دامنه را گسترش دادند.
پاترا توضیح داد: «ما در ARCO با یک گروه آزمایشی ۱۵ تا ۲۰ نفره شروع کردیم. سه شاخص را سنجیدیم: میزان استفاده واقعی، بهبود جریان های کاری و رضایت کاربران. بعد از اثبات کارایی، دامنه را گسترش دادیم.»
در USF، فرناندز ابتدا با مجوزهای تأمین شده از بودجه مرکزی شروع کرد و سپس اختیار داد تا هر بخش در رابطه با ادامه استفاده تصمیم بگیرد. او اظهار داشت: «این رویکرد "اول امتحان نمایید، بعد بخرید" به ما اعتبار داد. حالا حدود ۱۰۰۰ کاربر داریم.» او همین طور تاکید کرد که پذیرش باید دوطرفه باشد: «ما هم رهبران ارشد ـ همچون رئیس دانشگاه ـ را آموزش دادیم و هم دانشجویان و بخش ها را درگیر کردیم. پذیرش واقعی نیازمند دفاع از هر دو جهت است.»
شلبی هم گفت تیمش نگاهی تکرارشونده دارد: «این مدیریت تغییر کلاسیک نیست. ما سیاستهای دسترسی را یک باره تغییر نمی دهیم. بلکه بطور مداوم برمبنای بازخورد کاربران اصلاح می کنیم: این که عامل چه پاسخی بدهد، چه داده ای استخراج کند و چه طور خروجی را قالب بندی کند.»
با رشد استفاده از AI در سازمان، هزینه ها نیز بیشتر می شود و رهبران فناوری اطلاعات باید در مدیریت آن نقش داشته باشند. این گاهی به معنای محدود کردن Copilot به استفاده داخلی یا اعطای مجوز انتخابی برای کارکنان است. هیلتبرند اظهار داشت: «می خواستیم چت بات Copilot را برای کاربران بیرونی هم گسترش دهیم، اما هزینه مجوز خیلی بالا بود. ازاین رو درحال آزمایش با Intercom و Zendesk Chat برای بات های مشتری محور هستیم، در حالیکه Copilot را صرفا برای اعتبارسنجی منابع داده و پرسش ها در داخل استفاده می نماییم.»
فرناندز بر اهمیت سنجش و ارزیابی نتایج برای محاسبه بازگشت سرمایه تاکید کرد: «با هزینه ۳۰ دلار به ازای هر کاربر در ماه، باید انتخاب گر باشید. داشبوردهای ردیابی استفاده و تاثیر حیاتی اند. داشبوردهای داخلی مایکروسافت کمک می کنند، اما همین طور به بازخوردهای کیفی نیاز دارید، بطورمثال در رابطه با بهره وری جلسات.»
آنچه کار نمی کند با وجود دستاوردها، هر چهار مدیر بر اهمیت مدیریت انتظارات تاکید کردند.
شلبی اظهار داشت: «مردم فکر می کنند Copilot همه چیز را انجام می دهد. اما اگر جریان های کاری شما معیوب باشند، تنها ناکارآمدی را سریع تر می کنید.» او افزود بسیاری کاربران تصور می کنند Copilot ویندوز همان Microsoft ۳۶۵ Copilot است و باید مجانی باشد.
فرناندز نیز صریح اظهار داشت: «بیش ازحد وعده ندهید. این گلوله جادویی نیست، بلکه یک ابزار است. اگر آنرا معجزه معرفی کنید، مدیران انتظار صرفه جویی هایی خواهند داشت که این ابزار قادر به تحقق آنها نیست.»
حتی لحن تولیدی هوش مصنوعی نیز می تواند مساله ساز باشد. شلبی توضیح داد: «نوشتاری که Copilot تولید می کند مفید می باشد، اما کلیشه ای و بی روح. مگر این که روی لحن سازمانی شما آموزش داده شود. برای ایمیل های غائی یا متن های عمومی، بازهم احتیاج به بازنگری انسانی دارید.»
درس های آموخته شده: چک فهرست مدیران ارشد اطلاعات از دل این تجربیات، مجموعه ای از بهترین رویه های تکرارپذیر به دست می آید:
داده ها را یکپارچه و ایمن کنید. اگر داده ها پراکنده یا اشتباه دسته بندی شده باشند، استفاده مؤثر از هوش مصنوعی امکانپذیر نیست. ابزارهایی مثل Microsoft Purview به اجرای کنترل های دسترسی کمک می کنند. با کاربردهای کم اصطکاک شروع کنید. Copilot برای اکوسیستم Microsoft ۳۶۵ تولید شده است. استفاده از آن در همان بستر برای خلاصه سازی جلسات Teams، همگام سازی وظایف با Planner یا تحلیل داده های Excel ـموفقیت های سریع و کم هزینه بوجود می آورد. پیشگامان را آموزش دهید و موفقیت هایشان را تقویت کنید. چه از راه برنامه های تشویقی، چه گروههای کاربران حرفه ای یا آموزش های کوتاه، فرهنگ آزمایش و یادگیری ایجاد کنید. اجازه ندهید هوش مصنوعی صرفا پروژه ای IT باقی بماند. همان گونه که فرناندز اظهار داشت: «اینها پروژه های فناوری اطلاعات نیستند، بلکه ابتکارات بهره وری کسب وکارند. بخش ها باید مالک نتایج باشند.» انتظار هیجان اولیه و سپس افت توجه را داشته باشید. اشتیاق اولیه معمولا کمرنگ می شود. کاربران را با قابلیت های جدید، داستان های موفقیت واقعی و پشتیبانی مداوم درگیر نگه دارید. مسیر پیش رو بااینکه بازگشت سرمایه کامل Copilot ممکنست به زمان نیاز داشته باشد، اما این رهبران فناوری اطلاعات اعتقاد دارند مزایای کیفی آن از هم اینک روشن است: اجرای سریع تر وظایف، کاهش بار ذهنی و تقویت فرهنگ نوآوری. شلبی اظهار داشت: «هوش مصنوعی درحال تحول از یک دستیار منفعل به یک عامل فعال است. به زودی فقط جلسات شما را خلاصه نمی کند، بلکه وظایف را پیگیری می کند، یادآوری می فرستد و حتی قرار ملاقات تنظیم می کند. آینده همین جاست.»
با این وجود، موفقیت بازهم بر سه اصل استوار است: داده های پاک، آموزش هدفمند و درک واقع بینانه از توانایی ها و محدودیت های هوش مصنوعی. پاترا جمع بندی کرد: «هوش مصنوعی اینجاست تا جایگزین انسان نشود، بلکه آنها را توانمندتر کند. این همان پیامی است که هر مدیر ارشد اطلاعات باید بر آن تاکید کند.»
منبع: computerworld
این پروژه کمتر از دو روز طول کشید و الان بیش از ۱۰۰ نماینده خدمات مشتری از آن استفاده می نمایند.» به قول او، حتی یکی از مالکان محصول توانست با کمک Copilot، در همان لحظه مصاحبه با ذی نفعان، سناریوهای کاربر آماده برای جیرا (یکی از معروف ترین پلتفرم های مدیریت پروژه ی نرم افزار) تولید نماید و از این طریق، چندین هفته کار پیگیری را ذخیره کند. این یعنی کنترل کامل داریم؛ هیچ فایل خارجی به ابزارهای ثالث بارگذاری نمی شود و خطری برای نشت داده وجود ندارد.» با وجود این، هیلتبرند با یک چالش تازه در حاکمیت داده روبه رو شد: سردرگمی منطقه ای. هر یک از مدیران، Copilot را مرحله به مرحله اجرا کردند.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب