وقتی مدیر یک کسب‌وکار می‌خواهد از هوش مصنوعی استفاده کند، معمولا با یک سوال ساده شروع می‌کند: کدام کار را می‌شود به آن سپرد؟ پاسخ به این سوال به نوع کار، میزان تکراری بودن آن و هزینهٔ اشتباه بستگی دارد. ماژول هوش مصنوعی مایان برای کمک به همین تصمیم ساخته شده است؛ یعنی بخشی از کارهای روزانه را آماده، خلاصه یا اجرا کند و تصمیم‌های حساس همچنان با بررسی افراد انجام شوند.
هوش مصنوعی قرار نیست جای مدیر، حسابدار یا کارشناس فروش را بگیرد. ارزش آن زمانی مشخص می‌شود که حجم زیادی از اطلاعات را سریع بررسی کند، کارهای تکراری را کم کند و نتیجه را در قالبی قابل استفاده در اختیار تیم بگذارد. در این مقاله می‌بینیم چه کارهایی برای واگذاری مناسب‌اند، کجا باید تأیید انسانی باقی بماند و چطور بدون تغییر ناگهانی در روال کاری، شروع کنیم.
این قابلیت چه نقشی در کار روزانه دارد؟
این قابلیت را بهتر است مانند یک دستیار کاری در نظر بگیرید. دستیار می‌تواند اطلاعات را از بخش‌های مجاز کسب‌وکار بخواند، میان آن‌ها ارتباط پیدا کند، گزارش بسازد، متن آماده کند یا اجرای بعضی کارها را شروع کند. نوع کاری که انجام می‌دهد به داده‌های در دسترس و سطح دسترسی تعریف‌شده بستگی دارد.
برای نمونه، مدیر فروش ممکن است بخواهد بداند کدام سرنخ‌ها چند روز است پیگیری نشده‌اند. کارشناس مالی شاید بخواهد فروش ثبت‌شدهٔ یک دوره را در قالبی کوتاه ببیند. مدیر عملیات هم می‌تواند وضعیت کارهای باز را خلاصه کند و موارد عقب‌افتاده را جدا ببیند. در همهٔ این نمونه‌ها، ارزش اصلی در کاهش جست‌وجوی دستی و کوتاه شدن مسیر رسیدن به اطلاعات است.
این ابزار زمانی مناسب‌تر است که کار شما ورودی مشخص، مراحل قابل توضیح و خروجی قابل بررسی داشته باشد. اگر یک کار هر بار بر اساس شرایط تازه و قضاوت پیچیده انجام می‌شود، باید سهم بررسی انسانی در آن بیشتر باشد.
برای شناخت جایگاه این قابلیت در ساختار مایان، صفحهٔ مایان، سیستم‌عامل خودکار کسب‌وکار تصویر کلی‌تری از ارتباط بخش‌های مختلف سیستم نشان می‌دهد.
چه کارهایی برای واگذاری به هوش مصنوعی مناسب‌اند؟
همهٔ کارها ارزش یکسانی برای اتوماسیون ندارند. بعضی کارها وقت زیادی می‌گیرند، اما تصمیم مهمی در خودشان ندارند. این گروه معمولا بهترین نقطهٔ شروع است.
کارهای تکراری و زمان‌بر
کارهایی مانند جمع‌آوری اطلاعات مشتری، دسته‌بندی درخواست‌ها، خلاصه کردن گفت‌وگوها و آماده‌سازی فهرست پیگیری‌ها، معمولا الگوی مشخصی دارند. هوش مصنوعی می‌تواند این اطلاعات را مرتب کند تا کارشناس مجبور نباشد هر بار از چند صفحه و فایل جداگانه نتیجه بگیرد.
برای مثال، اگر چند مشتری در روز دربارهٔ یک موضوع مشابه پیام بدهند، می‌توان متن پیام‌ها را خلاصه کرد و موارد مشترک را کنار هم گذاشت. کارشناس همچنان پاسخ نهایی را بررسی می‌کند، اما زمان کمتری برای خواندن و دسته‌بندی صرف می‌شود.
آماده‌سازی متن و گزارش
تهیهٔ پیش‌نویس پاسخ، خلاصهٔ جلسه، گزارش روزانه یا توضیح وضعیت یک مشتری از کارهایی است که می‌توان به هوش مصنوعی سپرد. این متن‌ها معمولا نقطهٔ شروع هستند، نه نسخهٔ نهایی.
تفاوت مهمی میان «آماده کردن متن» و «فرستادن خودکار متن» وجود دارد. در مرحلهٔ اول، کارشناس متن را می‌خواند و اصلاح می‌کند. در مرحلهٔ دوم، پیام ممکن است بدون توجه کافی به شرایط مشتری ارسال شود. برای ارتباط‌های حساس، همان مرحلهٔ بررسی انسانی باید حفظ شود.
جست‌وجو و پاسخ‌گویی دربارهٔ داده‌های داخلی
گاهی اطلاعات مورد نیاز در سیستم وجود دارد، اما پیدا کردن آن زمان می‌برد. هوش مصنوعی می‌تواند با دسترسی مناسب، دربارهٔ فروش، مشتریان، کارهای باز یا وضعیت سفارش‌ها پاسخ اولیه بدهد.
این پاسخ برای تصمیم‌گیری سریع مفید است، ولی باید روشن باشد که بر اساس چه داده‌ای ساخته شده و مربوط به چه بازه‌ای است. اگر تاریخ اطلاعات یا تعریف شاخص مشخص نباشد، پاسخ ظاهرا دقیق ممکن است برداشت اشتباهی ایجاد کند.
شروع بعضی کارهای اجرایی
در برخی فرآیندها، هوش مصنوعی می‌تواند پس از دریافت دستور و با رعایت سطح دسترسی، کارهایی مانند آماده کردن یک سند یا ثبت یک اقدام را شروع کند. پیش از استفاده، باید مشخص شود چه کسی اجازهٔ اجرای آن کار را دارد و چه مرحله‌ای به تأیید نیاز دارد.
بهتر است در شروع، این اختیار را به کارهای کم‌خطر و قابل برگشت محدود کنید. تغییر قیمت، حذف اطلاعات، ثبت پرداخت یا ارسال پیام عمومی، معمولا به کنترل بیشتری نیاز دارد.
در فروش، مالی و گزارش‌گیری چه کمکی می‌کند؟
کاربرد هوش مصنوعی در هر بخش با بخش دیگر فرق دارد. یک روش مناسب برای فروش ممکن است برای امور مالی مناسب نباشد، چون هزینهٔ خطا در این دو بخش یکسان نیست.
فروش و پیگیری مشتری
در فروش، بخش زیادی از زمان تیم صرف یادآوری و مرتب کردن پیگیری‌ها می‌شود. این قابلیت می‌تواند مشتریانی را که مدتی بدون اقدام مانده‌اند جدا کند، آخرین وضعیت هر سرنخ را خلاصه کند و فهرستی از کارهای بعدی بسازد.
این کمک زمانی نتیجهٔ بهتری دارد که مرحلهٔ فروش، مسئول پیگیری و تاریخ اقدام بعدی ثبت شده باشد. اگر اطلاعات اولیه ناقص باشد، هوش مصنوعی فقط همان بی‌نظمی را سریع‌تر نشان می‌دهد. پیش از استفاده، بهتر است تیم فروش دربارهٔ نام مرحله‌ها و معنی هر وضعیت به توافق برسد.
برای مقایسهٔ این موضوع با روش‌های دستی، راهنمای مدیریت سرنخ فروش از اولین پیام تا پیگیری بعدی دربارهٔ ثبت نتیجه، تاریخ پیگیری و مسئول هر کار توضیح می‌دهد.
یک نمونهٔ عملی برای مایان، بررسی پیام‌ها و درخواست‌های ورودی است. سیستم می‌تواند درخواست‌های مشابه را کنار هم قرار دهد و موارد بدون پاسخ را به شکل فهرست نشان دهد. کارشناس فروش باید بررسی کند که هر درخواست واقعا به چه پاسخی نیاز دارد و آیا متن پیشنهادی با شرایط همان مشتری سازگار است یا نه.
امور مالی و حسابداری
در امور مالی، استفادهٔ مناسب معمولا با خلاصه‌سازی و پیدا کردن اختلاف‌ها شروع می‌شود. برای نمونه، می‌توان گزارش فروش یک دوره را کوتاه کرد، اسناد ناقص را جدا کرد یا تغییرهای غیرعادی را برای بررسی بیشتر نشان داد.
اما هوش مصنوعی نباید بدون کنترل انسانی دربارهٔ درستی یک سند مالی، ثبت نهایی یک رویداد یا وضعیت بدهی تصمیم بگیرد. تعریف حساب‌ها، مالیات، اصلاح سند و تطبیق دریافت‌ها به قواعد کسب‌وکار و اطلاعات دقیق نیاز دارد.
مدیرانی که می‌خواهند عددهای مالی را بهتر بخوانند، می‌توانند از راهنمای ماژول مالی و حسابداری مایان چه مسئله‌ای را حل می‌کند؟ برای شناخت مسئلهٔ پراکندگی اسناد و گزارش‌ها استفاده کنند.
گزارش‌گیری برای مدیران
گزارش مدیریتی زمانی مفید است که به یک تصمیم مشخص وصل باشد. به جای اینکه از هوش مصنوعی بخواهید «همه‌چیز را گزارش کند»، سوال دقیق‌تری بپرسید: فروش این هفته نسبت به هفتهٔ قبل چه تغییری کرده است؟ کدام مشتریان هنوز تسویه نکرده‌اند؟ چه کارهایی از موعد خود گذشته‌اند؟
در گزارش‌گیری، سه نکته را بررسی کنید:
- بازهٔ زمانی گزارش روشن باشد.
- تعریف هر عدد مشخص باشد.
- منبع اطلاعات قابل پیگیری بماند.
اگر دو گزارش از دو بخش مختلف عددهای متفاوتی نشان می‌دهند، باید ابتدا تعریف شاخص‌ها و زمان ثبت اطلاعات بررسی شود. تولید یک گزارش تازه، اختلاف میان داده‌های پایه را حل نمی‌کند.
کجا بررسی و تأیید انسانی باید بماند؟
هر کاری که به پول، تعهد، اعتبار یا اطلاعات حساس مربوط است، به بررسی انسانی نیاز دارد. این بررسی ممکن است کوتاه باشد، اما حذف کامل آن ریسک ایجاد می‌کند.
در فروش، قیمت نهایی، شرایط قرارداد، وعدهٔ تحویل و پاسخ به اعتراض مشتری باید توسط فرد مسئول کنترل شود. هوش مصنوعی می‌تواند پیش‌نویس بسازد یا سابقهٔ ارتباط را خلاصه کند، اما نباید بدون توجه به سیاست شرکت قولی بدهد که تیم توان اجرای آن را ندارد.
در امور مالی، ثبت نهایی سند، اصلاح حساب، تأیید پرداخت و تصمیم دربارهٔ اختلاف‌ها باید به فردی سپرده شود که مسئولیت این بخش را می‌پذیرد. حتی اگر پاسخ تولیدشده درست به نظر برسد، احتمال دارد دادهٔ ورودی ناقص یا قدیمی باشد.
در منابع انسانی و ارتباط با مشتری، حریم خصوصی اهمیت بیشتری دارد. اطلاعات شخصی، حقوق، شکایت یا پروندهٔ حساس نباید بدون تعیین سطح دسترسی در اختیار هر ابزار یا هر کاربری قرار بگیرد.
برای تشخیص میزان کنترل لازم، این چهار سوال را بپرسید:
- اگر خروجی اشتباه باشد، چه زیانی ایجاد می‌شود؟
- آیا می‌توان اشتباه را پیش از اجرا تشخیص داد؟
- آیا کار انجام‌شده قابل برگشت است؟
- چه کسی مسئول تأیید نهایی است؟
اگر پاسخ پرسش اول جدی است و پاسخ دو پرسش بعدی روشن نیست، کار را به حالت «پیشنهاد برای بررسی» محدود کنید، نه اجرای خودکار.
چطور یک فرآیند مناسب برای شروع انتخاب کنیم؟
شروع موفق به انتخاب کوچک‌ترین فرآیندی بستگی دارد که ارزش آن قابل اندازه‌گیری باشد. لازم نیست از پیچیده‌ترین کار سازمان شروع کنید.
1. یک کار پرتکرار را انتخاب کنید
کاری را بردارید که هر روز یا هر هفته تکرار می‌شود و تیم برای انجام آن وقت زیادی می‌گذارد. خلاصه کردن گزارش روزانه، پیدا کردن پیگیری‌های عقب‌افتاده یا آماده‌سازی پاسخ اولیه، معمولا گزینه‌های قابل بررسی هستند.
2. ورودی و خروجی را بنویسید
مشخص کنید اطلاعات از کجا می‌آید و نتیجه باید چه شکلی داشته باشد. برای نمونه، ورودی می‌تواند فهرست سرنخ‌های بدون پیگیری باشد و خروجی، جدولی از نام مشتری، آخرین اقدام و کار بعدی.
3. مرحلهٔ تأیید را تعیین کنید
پیش از اجرا مشخص کنید چه کسی نتیجه را می‌خواند و چه زمانی آن را تأیید می‌کند. این تصمیم جلوی آن را می‌گیرد که مسئولیت میان ابزار و افراد گم شود.
4. معیار ساده برای سنجش بگذارید
می‌توانید زمان انجام کار، تعداد اصلاح‌ها یا تعداد موارد جاافتاده را پیش و پس از استفاده مقایسه کنید. لازم نیست برای شروع شاخص پیچیده‌ای بسازید. هدف، دیدن تغییر واقعی در همان کار مشخص است.
5. بعد از چند نوبت، دامنه را بررسی کنید
اگر خروجی‌ها قابل اعتماد بودند، می‌توانید مرحلهٔ بعدی را اضافه کنید. اگر خطاها تکرار شدند، مشکل را در داده، دستور، سطح دسترسی یا تعریف خروجی پیدا کنید. گسترش دادن یک فرآیند مبهم، فقط خطا را بزرگ‌تر می‌کند.
اشتباه‌های رایج در استفاده از هوش مصنوعی
یکی از اشتباه‌های رایج، شروع با دستورهای بسیار کلی است. جمله‌ای مانند «وضعیت کسب‌وکار را بررسی کن» خروجی مشخصی ندارد. بهتر است بازهٔ زمانی، بخش مورد نظر و شکل پاسخ را تعیین کنید.
اشتباه دوم، اعتماد به متن روان است. پاسخ خوش‌خوان لزوما درست نیست. هر عدد، تاریخ، نام مشتری و نتیجهٔ مالی باید با دادهٔ اصلی مقایسه شود.
اشتباه سوم، نادیده گرفتن کیفیت داده‌هاست. اگر مشتریان تکراری، مرحله‌های اشتباه یا تاریخ‌های ناقص در سیستم ثبت شده باشند، نتیجه هم قابل اتکا نخواهد بود.
اشتباه چهارم، دادن اختیار بیش از اندازه در همان روزهای اول است. ابتدا خروجی را برای بررسی بگیرید. بعد از اینکه تیم خطاها و محدودیت‌ها را شناخت، دربارهٔ اجرای بخشی از کار تصمیم بگیرید.
اشتباه پنجم، نداشتن صاحب فرآیند است. اگر معلوم نباشد چه کسی باید پاسخ را بررسی کند، استفاده از ابزار به کار تازه‌ای تبدیل می‌شود که روی زمین می‌ماند.
اشتباه آخر، مقایسه نکردن گزینه‌ها بر اساس نوع کار است. یک ابزار ممکن است برای متن‌نویسی مناسب باشد و برای ثبت مالی انتخاب خوبی نباشد. معیار درست، نام ابزار نیست؛ نتیجه، سطح کنترل، دسترسی به داده و هزینهٔ خطاست.
پرسش‌های رایج
آیا هوش مصنوعی می‌تواند جای کارشناس فروش را بگیرد؟
برای بعضی کارهای تکراری می‌تواند زمان کارشناس را کم کند، اما شناخت مشتری، مذاکره، تصمیم دربارهٔ شرایط فروش و پاسخ به موقعیت‌های حساس همچنان به فرد مسئول نیاز دارد.
آیا می‌شود گزارش مالی را بدون بررسی انسانی استفاده کرد؟
بهتر است گزارش تولیدشده را با اسناد و داده‌های اصلی تطبیق دهید. برای خلاصه‌سازی و پیدا کردن موارد نیازمند بررسی مناسب است، اما تأیید نهایی عددهای مالی باید انسانی باشد.
از کدام فرآیند شروع کنیم؟
فرآیندی را انتخاب کنید که پرتکرار، قابل توضیح و کم‌خطر باشد. گزارش روزانه، فهرست پیگیری‌های عقب‌افتاده یا خلاصه کردن درخواست‌ها معمولا برای شروع مناسب‌تر از کارهای غیرقابل برگشت هستند.
اگر داده‌های کسب‌وکار ناقص باشند چه می‌شود؟
خروجی هم ناقص یا نادقیق می‌شود. پیش از واگذاری کار، نام مشتری، مرحلهٔ فروش، تاریخ‌ها و وضعیت اسناد را بررسی کنید و مشخص کنید کدام داده‌ها معتبر هستند.
استفاده از این قابلیت برای همهٔ اعضای تیم مناسب است؟
بستگی دارد به اینکه هر فرد به چه داده‌ای نیاز دارد و چه کاری انجام می‌دهد. سطح دسترسی باید با مسئولیت کاری هماهنگ باشد و افراد بدانند کدام خروجی‌ها نیاز به تأیید دارند.
از یک کار کوچک و قابل بررسی شروع کنید
برای شروع، فهرستی از کارهای تکراری تیم بنویسید و کنار هرکدام میزان زمان، هزینهٔ خطا و امکان بررسی خروجی را ثبت کنید. کاری را انتخاب کنید که نتیجه‌اش به تصمیم حساس یا تغییر غیرقابل برگشت منجر نمی‌شود. ورودی و خروجی را روشن بنویسید، یک نفر را مسئول بررسی بگذارید و چند نوبت نتیجه را با روش قبلی مقایسه کنید. اگر زمان کم شد و خطاها قابل کنترل ماندند، مرحلهٔ بعدی را اضافه کنید. اگر نتیجه مناسب نبود، پیش از کنار گذاشتن ابزار، کیفیت داده و تعریف فرآیند را دوباره بررسی کنید.