چطور غول های IT با کوپایلت مایکروسافت ۳۶۵ بهره وری را افزایش دادند؟ گروه هوش مصنوعی: از محیط های ساختمانی گرفته تا پردیس های دانشگاهی، شرکت های حقوقی و فروشگاه های خرده فروشی، رهبران حوزه فناوری اطلاعات درحال به کارگیری دستیارهای هوش مصنوعی مولد هستند و کم کم می آموزند چه طور 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 عرضه می کند، اما Microsoft ۳۶۵ Copilot (کوپایلت مایکروسافت ۳۶۵) صرفا به عنوان 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 اتوماسیون جریان های کاری را در اختیار می گذارد. این سرویس ارزان نیست؛ بدین سبب بسیار اهمیت دارد که بیشترین بازده ممکن از آن به دست آید. شرط اصلی، استقرار درست و هدفمند است. در این راستا، گفت و گویی 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 همینطور اجتناب از دام های رایج را روشن می کند. گام اول: تشخیص کاربردهای عملی هر یک از مدیران فناوری اطلاعات کار خویش را با شناسایی جریان های کاری آغاز کردند که در آنها Copilot بتواند به سرعت ارزش خویش را 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 بالاتر از ۱۰۰ نماینده خدمات مشتری از آن استفاده می نمایند.» بگفته 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. بدین سبب 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 به شدت 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.» بگفته او، یکی از قابلیت هایی که محبوبیت خاصی پیدا کرده این است 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 قابلیت 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 هم 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 همینطور از Microsoft Purview برای دسته بندی داده ها برمبنای سطوح دسترسی استفاده کردیم. این کار فقط در ارتباط با هوش مصنوعی نبود، بلکه قسمتی از یک تلاش گسترده تر برای حاکمیت داده بود.» هیلتبرند در Partner.Co هم اظهار داشت: «تمام استفاده ما از Copilot در محدوده Microsoft tenant خودمان به انجام می رسد. 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 تداوم آن ابزارهای هوش مصنوعی هرچند شهودی هستند، اما تسلط به آنها اتفاقی به دست نمی آید. باآنکه Copilot در اپلیکیشن های آشنایی مثل Outlook و Word تعبیه شده، استفاده مؤثر همچنان 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 چطور 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 راندمان 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 میدهد که هوش مصنوعی چطور 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 خویش را به اشتراک گذارند. همینطور هر هفته نکات کوتاه فنی منتشر می نماییم تا مهارت ها را گسترش دهیم.» هیلتبرند اخطار داد: «بدون راهنمایی، مردم یک دفعه 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 به طور معمول 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 چطور خروجی را قالب بندی کند.» با رشد استفاده از AI در سازمان، هزینه ها هم بیشتر می شود و رهبران فناوری اطلاعات باید در مدیریت آن نقش داشته باشند. این گاهی به مفهوم 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. بدین سبب درحال آزمایش با Intercom و Zendesk Chat برای بات های مشتری محور هستیم، در صورتیکه 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 همینطور به بازخوردهای کیفی نیاز دارید، مثلا در رابطه با راندمان 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 هم 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 هم 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 نهائی یا متن های عمومی، همچنان نیاز 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 ممکن نیست. ابزارهایی مثل Microsoft Purview به اجرای کنترل های دسترسی کمک می کنند. با کاربردهای کم اصطکاک شروع کنید. Copilot برای اکوسیستم Microsoft ۳۶۵ ساخته 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 به وجود می آورد. پیشگامان را آموزش دهید و موفقیت هایشان را تقویت کنید. چه بوسیله 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 راندمان کسب وکارند. بخش ها باید مالک نتایج باشند.» انتظار هیجان اولیه و سپس افت توجه را داشته باشید. اشتیاق اولیه به طور معمول کمرنگ می شود. کاربران را با قابلیت های جدید، داستان های موفقیت واقعی و پشتیبانی مداوم درگیر نگه دارید. مسیر پیش رو باآنکه بازگشت سرمایه کامل Copilot امکان دارد 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 همچنان 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: computerworldبه طور خلاصه 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.» بگفته او، یکی از قابلیت هایی که محبوبیت خاصی پیدا کرده اینست که شرکت کنندگان می توانند در جریان جلسه تیمز، در صورتی که نکته ای را از دست داده باشند، مستقیماً از Copilot بخواهند آن بخش از جلسه را بار دیگر برایشان توضیح دهد. 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. منبع: iagrp.ir 1404/06/06 08:47:37 5.0 / 5 23 تگها: آزمایش , آموزش , اپل , اپلیكیشن مطلب را می پسندید؟ (1) (0) تازه ترین مطالب مرتبط توسعه تکنولوژی سلول های خورشیدی آلی با کارآمدی بالا گزارش سازمان بین المللی مراکز داده از چالش های پیشبرد هوش مصنوعی در ایران 2815 واحد یا زمین در مرحله واگذاری به نخبگان حمایت مالی از 2472 دانشجو فاکتورهای انتخاب محققان و فناوران برگزیده در هفته پژوهش نظرات بینندگان در مورد این مطلب لطفا شما هم در مورد این مطلب نظر دهید = ۳ بعلاوه ۲ نظر دادن