Thế nào mới là cải thiện có ích?
Bài này giúp bạn
Chọn kết quả cần cải thiện và cách đo trước khi thử xem AI có giúp được không.
Xác định điều cần cải thiện trước khi chọn công cụ
AI có thể viết một đoạn email rất tự nhiên, tóm tắt một tài liệu dài hoặc đề xuất nhiều ý tưởng trong vài giây. Những việc đó có thể hữu ích. Nhưng doanh nghiệp chỉ nhận được giá trị khi một công việc thực sự tốt hơn sau khi tính cả thời gian chuẩn bị, kiểm tra, sửa và xử lý ngoại lệ.
Với một nhóm chăm sóc khách hàng, giá trị có thể là phản hồi nhanh hơn mà câu trả lời vẫn đúng chính sách. Với một quản lý dự án, đó có thể là bản cập nhật ít thiếu thông tin hơn. Với một nhóm bán hàng, đó có thể là thời gian chuẩn bị tốt hơn để nhân viên tập trung vào cuộc trao đổi với khách hàng.
Không phải lúc nào kết quả cũng là "làm nhanh hơn". Có khi điều quan trọng là giảm lỗi, giảm thời gian chờ, giúp người mới làm đúng ngay từ đầu hoặc đưa ra quyết định dựa trên thông tin đầy đủ hơn.
Chọn một điều cần cải thiện
Hãy dùng công việc và vấn đề bạn vừa ghi ở bài trước. Trước khi chọn cách dùng AI, hãy xác định một kết quả tốt hơn sẽ có ý nghĩa gì với người sử dụng:
| Câu hỏi | Ví dụ |
|---|---|
| Kết quả nào của công việc đang chưa tốt? | Báo cáo thường thiếu thông tin mới nhất. |
| Điều gì gây tốn thời gian hoặc làm lại? | Mỗi tuần phải mở nhiều nơi để tổng hợp cùng một loại thông tin. |
| Ai được lợi nếu cải thiện? | Quản lý nhận được bản cập nhật rõ hơn, nhóm đỡ mất thời gian hỏi lại. |
| Làm sao biết lần thử có ích? | So sánh thời gian chuẩn bị, số lần sửa hoặc số thông tin bị thiếu. |
Một chỉ số tốt không cần phức tạp. Nó chỉ cần phản ánh điều mà người dùng kết quả thực sự quan tâm.
Điều tôi muốn cải thiện:
Người hưởng lợi:
Chỉ số trước và sau / nguồn:
Tổng thời gian chuẩn bị, kiểm tra, sửa và xử lý ngoại lệ:
Điều kiện cần điều chỉnh hoặc dừng:
- Vì sao tốc độ tạo câu trả lời không phải là thước đo duy nhất của giá trị?
- Với công việc của bạn, dấu hiệu nào cho thấy lần thử đã đủ tốt để tiếp tục?