Das eigentliche Hindernis sind nicht technische Fähigkeiten – es ist Zeit zum Nachdenken
Trotz der transformatives Potenzial von Instruments wie ChatGPTDie meisten Wissensarbeiter, mit denen ich gesprochen habe, nutzen es überhaupt nicht. Diejenigen, die dies tun, bleiben in erster Linie bei grundlegenden Aufgaben wie der Zusammenfassung. Nur etwas mehr als 5 % der ChatGPT-Benutzerbasis zahlen für Plus – ein kleiner Teil potenzieller professioneller Benutzer – was darauf hindeutet, dass es nur wenige Energy-Benutzer gibt, die KI für komplexe, hochwertige Arbeiten nutzen.
Nachdem ich über ein Jahrzehnt lang KI-Produkte bei Unternehmen von Google Mind bis Shopify Adverts entwickelt habe, habe ich die Entwicklung in diesem Bereich aus erster Hand miterlebt. Mit dem Aufkommen von ChatGPT hat sich KI von nützlichen Erweiterungen wie Foto-Organizern zu wichtigen Produktivitätssteigerungen für alle Wissensarbeiter entwickelt.
Den meisten Führungskräften ist klar, dass es sich bei der heutigen Begeisterung um mehr als nur um einen Hype handelt – sie wollen ihre Unternehmen unbedingt KI-fähig machen, weil sie wissen, dass diese leistungsfähiger und benutzerfreundlicher ist als je zuvor. Warum hinkt die breite Akzeptanz trotz des Potenzials und der Begeisterung hinterher? Das eigentliche Hindernis liegt in der Artwork und Weise, wie Organisationen an die Arbeit selbst herangehen. Systemische Probleme verhindern, dass diese Instruments Teil unseres Alltags werden.
Letztlich müssen sich Führungskräfte nicht die Frage stellen: „Wie können wir KI nutzen, um Dinge schneller zu erledigen?“ Oder kann diese Funktion mit KI erstellt werden? “, sondern vielmehr: „Wie können wir KI nutzen, um mehr Wert zu schaffen?“ Welche Fragen sollten wir stellen, sind es aber nicht?“
Kürzlich habe ich Massive Language Fashions (LLMs) – die Technologie hinter Instruments wie ChatGPT – genutzt, um eine komplexe Datenstrukturierungs- und Analyseaufgabe zu bewältigen, für die ein funktionsübergreifendes Workforce aus Datenanalysten und Inhaltsdesignern traditionell einen Monat oder länger gedauert hätte.
Hier ist, was ich erreicht habe einmal verwenden Google AI Studio:
- Tausende Zeilen unstrukturierter Daten wurden in einen strukturierten, beschrifteten Datensatz umgewandelt.
- Verwendete die KI, um wichtige Benutzergruppen innerhalb dieser neu strukturierten Daten zu identifizieren.
- Basierend auf diesen Mustern wurde eine neue Taxonomie entwickelt, die eine bessere, personalisiertere Endbenutzererfahrung ermöglichen kann.
Bemerkenswerterweise habe ich es getan nicht Drücken Sie einfach einen Knopf und lassen Sie die KI die ganze Arbeit erledigen.
Es erforderte intensive Konzentration, detaillierte Anweisungen und mehrere Iterationen. Ich habe Stunden damit verbracht, präzise Eingabeaufforderungen zu formulieren, Suggestions zu geben (wie ein Praktikant, aber mit direkterer Sprache) und die KI umzuleiten, wenn sie vom Kurs abgekommen ist.
In gewisser Weise komprimierte ich die Arbeit eines Monats auf einen Tag, und das warfare geistig anstrengend.
Das Ergebnis warfare jedoch nicht nur ein schnellerer Prozess – es warfare ein grundlegend besseres und anderes Ergebnis. LLMs deckten nuancierte Muster und Grenzfälle auf, die in den unstrukturierten Daten verborgen waren, und lieferten Erkenntnisse, die bei der herkömmlichen Analyse bereits vorhandener strukturierter Daten völlig übersehen worden wären.
Hier ist der Haken – und der Schlüssel zum Verständnis unseres KI-Produktivitätsparadoxons: Mein KI-Erfolg hing von der Unterstützung der Führung ab, der ich einen ganzen Tag widmen konnte Umdenken unsere Datenprozesse mit KI als meinem Gedankenpartner.
Dies ermöglichte tiefes, strategisches Denken – die Erkundung von Zusammenhängen und Möglichkeiten, die sonst Wochen gedauert hätten.
Diese Artwork von qualitätsorientierter Arbeit wird in der Eile, Termine einzuhalten, oft geopfert, doch genau sie ist es, die bahnbrechende Innovationen vorantreibt. Paradoxerweise haben die meisten Menschen keine Zeit herauszufinden, wie sie Zeit sparen können.
Sich Zeit für die Erkundung zu nehmen, ist ein Luxus, den sich die meisten PMs nicht leisten können. Unter dem ständigen Druck, sofortige Ergebnisse zu liefern, haben die meisten selten auch nur eine Stunde für diese Artwork von strategischer Arbeit – die einzige Möglichkeit, Zeit für diese Artwork von Sondierungsarbeit zu finden, besteht darin, so zu tun, als ob sie krank wären. Sie sind so mit Führungsmandaten und dringenden Kundenanfragen überhäuft, dass ihnen die Verantwortung für die strategische Ausrichtung fehlt. Darüber hinaus haben die jüngsten Entlassungen und andere Kürzungen in der Branche die Arbeitsbelastung erhöht, sodass viele PMs 12-Stunden-Tage arbeiten, nur um mit grundlegenden Aufgaben Schritt zu halten.
Dieser ständige Druck behindert auch die Einführung von KI für eine verbesserte Ausführung. Die Entwicklung robuster Testpläne oder die proaktive Identifizierung potenzieller Probleme mit KI wird als Luxus und nicht als Notwendigkeit angesehen. Es entsteht eine kontraproduktive Dynamik: Warum sollten Sie KI zur Identifizierung von Problemen in Ihrer Dokumentation verwenden, wenn die Implementierung der Korrekturen den Begin nur verzögert? Warum sollten Sie zusätzliche Untersuchungen zu Ihren Benutzern und Ihrem Problembereich durchführen, wenn die Richtung bereits von oben vorgegeben wurde?
Es reicht nicht aus, den Menschen Zeit zu geben, sich mit der KI auseinanderzusetzen. Die meisten benötigen eine gewisse Schulung, um zu verstehen, wie man ChatGPT dazu bringt, mehr als nur eine Zusammenfassung zu leisten. Allerdings ist der Schulungsaufwand in der Regel viel geringer als erwartet.
Der Markt ist gesättigt mit KI-Schulungen, die von Experten durchgeführt werden. Während in einigen Kursen Schlangenöl verkauft wird, sind viele Ausbilder seriöse Experten. Dennoch sind diese Kurse für die meisten Menschen als Ausgangspunkt oft nicht geeignet. Sie sind zeitaufwändig, übermäßig technisch und selten auf bestimmte Arbeitsbereiche zugeschnitten.
Ich habe die besten Ergebnisse erzielt, wenn ich 10 bis 15 Minuten lang mit Einzelpersonen zusammensitzte, ihre aktuellen Arbeitsabläufe überprüfte und Bereiche identifizierte, in denen sie LLMs nutzen könnten, um mehr und schneller zu erreichen. Sie müssen die Mathematik hinter der Token-Vorhersage nicht verstehen, um eine gute Eingabeaufforderung zu schreiben.
Fallen Sie nicht auf den Mythos herein, dass die Einführung von KI nur für Personen mit technischem Hintergrund unter 40 Jahren möglich ist. Meiner Erfahrung nach sind die Liebe zum Element und die Leidenschaft, die bestmögliche Arbeit zu leisten, weitaus bessere Erfolgsindikatoren. Versuchen Sie, Ihre Vorurteile beiseite zu legen – Sie werden vielleicht überrascht sein, wer Ihr nächster KI-Champion wird.
Mein eigener Vater, ein Anwalt in den Sechzigern, brauchte nur fünf Minuten, um zu verstehen, was LLMs leisten können. Der Schlüssel lag darin, die Beispiele auf sein Fachgebiet zuzuschneiden. Wir haben eine recht komplexe rechtliche Grauzone gefunden und ich habe nachgefragt Claude dies einem Jurastudenten im ersten Jahr anhand von Randfallbeispielen zu erklären. Er sah die Resonanz und verstand sofort, wie er die Technologie für ein Dutzend verschiedener Projekte nutzen konnte. Zwanzig Minuten später warfare er mitten in der Ausarbeitung eines neuen Gesetzesartikels, den er schon seit Monaten schreiben wollte.
Die Chancen stehen intestine, dass Ihr Unternehmen bereits einige KI-Enthusiasten hat – versteckte Schätze, die die Initiative ergriffen haben, LLMs in ihrer Arbeit zu erkunden. Diese „LLM-Flüsterer“ könnten jeder sein: ein Ingenieur, ein Vermarkter, ein Datenwissenschaftler, ein Produktmanager oder ein Kundendienstmanager. Rufen Sie diese Innovatoren an und nutzen Sie ihr Fachwissen.
Sobald Sie diese internen Experten identifiziert haben, laden Sie sie ein, ein- oder zweistündige „KI-Audits“ durchzuführen, bei denen Sie die aktuellen Arbeitsabläufe Ihres Groups überprüfen und Verbesserungsmöglichkeiten identifizieren. Sie können auch bei der Erstellung von Startaufforderungen für bestimmte Anwendungsfälle helfen, ihre KI-Workflows teilen und Tipps zur Fehlerbehebung und Bewertung in der Zukunft geben.
Diese Experten sparen nicht nur Geld für externe Berater, sondern verstehen auch eher die Systeme und Ziele Ihres Unternehmens und erkennen so eher praktische und relevante Chancen. Menschen, die bei der Einführung zögern, experimentieren auch eher, wenn sie sehen, dass Kollegen die Technologie nutzen, im Vergleich zu „KI-Experten“.
Stellen Sie nicht nur sicher, dass die Menschen Raum zum Lernen haben, sondern stellen Sie auch sicher, dass sie Zeit haben, diese Instruments in ihrem Bereich zu erkunden und damit zu experimentieren, sobald sie ihre Fähigkeiten verstanden haben. Unternehmen können ihren Mitarbeitern nicht einfach sagen, sie sollen „mit KI innovieren“, und gleichzeitig bis Freitag um 17 Uhr Funktionen für einen weiteren Monat fordern. Stellen Sie sicher, dass Ihre Groups ein paar Stunden professional Monat Zeit für die Erkundung haben.
Nachdem Sie diese erste Hürde der KI-Einführung überwunden haben, sollte Ihr Workforce in der Lage sein, die vielversprechendsten Bereiche für Investitionen zu identifizieren. An diesem Punkt sind Sie deutlich besser in der Lage, den Bedarf an zusätzlichen, spezialisierteren Schulungen einzuschätzen.
Beim KI-Produktivitätsparadoxon geht es nicht um die Komplexität der Technologie, sondern darum, wie Unternehmen an Arbeit und Innovation herangehen. Die Macht der KI zu nutzen ist einfacher, als „KI-Influencer“, die die neuesten Zertifizierungen verkaufen, Ihnen weismachen wollen – oft sind nur wenige Minuten gezielter Schulung erforderlich. Dennoch erfordert es einen grundlegenden Wandel in der Führungsmentalität. Anstatt sich auf kurzfristige Ergebnisse zu stürzen, müssen Führungskräfte Raum für Erkundungen und tiefgehende, ergebnisoffene und zielorientierte Arbeit schaffen. Die wahre Herausforderung besteht nicht darin, Ihren Mitarbeitern KI beizubringen; Es gibt ihnen die Zeit und Freiheit, ihre Arbeitsweise neu zu erfinden.
Möchten Sie tiefer in die effektive KI-Implementierung eintauchen? Kasse Wir müssen die Messlatte für KI-Produktmanager höher legen Und Was zeichnet einen echten KI-Agenten aus? Das Streben nach Autonomie neu denken.