W zwykłym tygodniu zespół kopiuje dane, podsumowuje rozmowy, przygotowuje raporty i dostosowuje treści. Część tej pracy można zautomatyzować. Żeby wybrać przydatny punkt wyjścia, warto zobaczyć, które zadania się powtarzają, ile czasu zajmują i jak łatwo można sprawdzić wynik.
Warto zacząć od powtarzalnego zadania, jasnych danych wejściowych i wyniku, który zespół może sprawdzić.
1. Opisać proces przed wyborem narzędzia.
Trzeba zapisać, co uruchamia zadanie, jakie informacje wchodzą, co musi wyjść i kto z tego korzysta. Warto uwzględnić wyjątki: niepełne dokumenty, różne języki, sprzeczne dane lub zapytania wymagające współpracownika. Proces, który trudno wyjaśnić, może najpierw wymagać uporządkowania.
Jeśli kroki mają stałe reguły, może wystarczyć formuła lub prosta integracja. Generatywna AI może pomóc przy zmiennych tekstach: podsumowaniach, wstępnej klasyfikacji lub wariantach treści. Liczby w raporcie wymagają powtarzalnych obliczeń; interpretację można potem przygotować w formie szkicu.
2. Wybrać wynik, który da się dobrze sprawdzić.
Podsumowanie może brzmieć przekonująco i zmieniać sens rozmowy. NIST wskazuje fałszywe treści przedstawiane z pewnością siebie jako ryzyko generatywnej AI i zaleca sprawdzanie źródeł w wynikach. Dla zespołu marketingu oznacza to utrzymywanie dostępu do oryginalnego materiału i wyznaczenie osoby, która zatwierdza szkic.
Warto zacząć od kroku wewnętrznego: podsumowania dla współpracownika lub opcji tekstu dla redaktora. Trzeba uzgodnić, kto zatwierdza fakty, oferty i publikację. Należy korzystać z informacji, których proces naprawdę potrzebuje, i sprawdzić, gdzie będą przetwarzane, kto ma do nich dostęp i jakich uprawnień wymaga narzędzie.
3. Zmierzyć pracę, która zostaje po automatyzacji.
Warto przetestować reprezentatywne przykłady, w tym niepełne i nietypowe przypadki. Wyniki porównuje się z obecnym procesem: dokładność, pominięcia, czas przeglądu i powtórzenia. Udana demonstracja to powód do dalszych testów; szerszy zestaw sytuacji pomaga oszacować codzienną przydatność.
Trzeba policzyć zaoszczędzony czas, a potem odjąć sprawdzanie, poprawki i utrzymanie. Do tego dochodzą koszty narzędzi i wdrożenia. Na przykład 100 zadań po 5 minut to 500 minut. Jeśli przegląd zajmuje 200 minut, a utrzymanie kolejne 60, oszczędność w tym okresie wynosi 240 minut, przed rozliczeniem nakładu na uruchomienie. Warto uzgodnić, kto interweniuje, gdy proces się zatrzyma.
4. Prześledzić cały proces, łącznie z wyjątkami.
Przy przekazywaniu zapytania zachowalibyśmy oryginalne zapytanie obok podsumowania proponowanego przez AI. Potrzeba, harmonogram i brakujące informacje stałyby się polami łatwymi do sprawdzenia. Osobne reguły kontrolują informacje obowiązkowe i duplikaty. Kolejny krok zatwierdza człowiek; system nie zgaduje ani budżetu, ani dostępności.
Interaktywny przykład w sekcji Nasze podejście porównuje jasne zapytanie, niepełne zapytanie i powtórzone zapytanie. Korzysta z przygotowanych fikcyjnych szkiców, bez wywoływania żadnego modelu ani CRM. Rzeczywisty pilotaż porównałby jakość i łączny czas obsługi na podstawie autoryzowanych przykładów. Ocenilibyśmy istniejącą integrację i w razie potrzeby kandydatów takich jak n8n, Make lub Zapier, wraz z odpowiedzialnością za ich utrzymanie.
Możliwe punkty wyjścia dla zespołu marketingu.
Ograniczone zadania i sprawdzenia, które byśmy przy nich umieścili.
| Zadanie | Możliwa funkcja AI | Sprawdzenie przez człowieka |
|---|---|---|
| Przygotowanie rozmowy handlowej | Podsumowanie dostępnych notatek | Fakty, źródła i brakujące informacje |
| Dostosowanie zatwierdzonej treści | Szkice wariantów do innych formatów | Sens, ton, twierdzenia i wymagania formatu |
| Przygotowanie raportu miesięcznego | Szkice wyjaśnień na podstawie obliczonych danych | Liczby, kontekst i wnioski |
To możliwe testy. Oszczędność czasu i jakość trzeba zmierzyć w rzeczywistym procesie zespołu.
Przed rozszerzeniem automatyzacji
Proces, dane wejściowe i wyjątki są opisane i mają osobę odpowiedzialną.
Reprezentatywne przypadki przetestowano względem akceptowalnego poziomu jakości.
Przegląd, akceptacja, dostęp do danych i powrót do pracy ręcznej są określone.
Zaoszczędzony czas pozostaje przydatny po poprawkach, utrzymaniu i kosztach.
Dobry proces zdobywa miejsce w zespole dzięki swojej przydatności. W NOT MORE. możemy zacząć od jednego zadania, zbudować ograniczony test i zdecydować o rozszerzeniu, gdy zobaczymy, jak działa.