一个公司的产出依赖于人力，这限制了其劳动力规模所能完成的工作。像计算和网络接入这样的突破推动了显著的生产率增长，但这些进步受到同一个共同因素的限制：人头数。
工具需要用户：电子表格造就了它的分析师。幻灯片应用程序造就了它的设计师。技术可能变得更容易使用，或者更强大，但它总是需要与人类建立某种核心关系才能发挥作用。
当 OpenAI 发布 ChatGPT 时，人工智能增强人类能力变革性力量立即变得显而易见。这引发了对“副驾驶体验”的巨大兴奋，就像之前的电子表格或幻灯片应用程序一样，人工智能可以使某人在完成相同工作时更加高效。虽然我们同样感到兴奋，但在Relevance AI，我们认为副驾驶是过时工作方式的延伸。
副驾驶本质上是提高个人生产力的工具。我们在过去两个世纪的科技中已经习惯了这一点。同样，大多数人将人工智能视为一种副驾驶，用户作为“飞行员”仍然驾驶着飞船。
但生成性人工智能则不同：它将把世界推向一个全新的范式。下一个巨大的进步是自动驾驶 - 人工智能自主和迭代操作的能力，而无需持续的人类互动。这项新技术首次将团队从人力对生产力的限制中解放出来，使计算能力成为他们产出的唯一限制。
我们以以下方式定义团队的产出：
- 团队输出1单位的工作量，限制因素是人手。
- 团队+副驾驶产出2单位的工作，限制因素是人头数+副驾驶的效率提升。
- 团队+自动驾驶仪可以输出无穷单位的工作量，限制因素是计算。
在你的组织中，自动驾驶是什么样子的？
自动驾驶是一个舰队人工智能同事配备了工具并接受过不同职能的专业知识培训。这些代理协作解决他们被分配的复杂任务，并构成了一个人工智能劳动力作为团队的延伸发挥作用。计算成为限制因素的原因是人工智能可以在按下按钮时进行扩展。人工智能代理足够智能，能够独立处理，无需实时监控，对意外响应提出新的解决方案。
重要的是要记住，这些并不是完全自主或有意识的实体，因此仍然需要大量现有的人力资源。定义对组织重要的目标和结果的是团队的领导。是主题专家将他们当前和未来的专业知识提炼成代理，使他们能够越来越自主地运作。是人类经理在人工智能代理变得困惑或犯错时引导他们；是他们创建和应用审批流程，以维护隐私、连续性、安全等。
例如，工程师在发布之前通常会由另一位工程师进行代码审查。新的销售代表在发送消息之前，他们向潜在客户发送的个性化电子邮件会被批准。不同之处在于，有了人工智能劳动力，代理可以被赋予自主完成任务的自由裁量权，或者发现一种新颖的解决方案，而不仅仅是协助人类完成他们的流程。随着他们的进步，他们会学习，随着他们因成功而受到奖励，因错误而受到惩罚，他们的性能和执行将会提高。
人工智能劳动力如何改变工作的性质？
让我们想象一个客户支持团队开始时只有一个人每天处理100张票。随着工作量的增长，公司雇佣了更多的人。当工作量增加十倍时，他们可能会升级他们的软件或为代表配备副驾驶，扩大每个员工每天处理200张票的能力。
尽管单个员工的生产力提高了，但是完成越来越多的客户支持任务的能力仍然取决于员工的数量。
一个人工智能劳动力改变了这个等式。支持团队只需要扩展计算能力来处理越来越多的票据。代表们可以管理那些每天处理10,000张票据的代理。
这一模式将解锁下一步的生产力变化。随着这种几乎无限的可扩展性开始在全球经济中传播，数万亿美元的价值将由配备自动驾驶仪的公司创造。
Relevance AI是训练和部署您的人工智能劳动力的平台。如果您是一个不断发展、具有前瞻性思维的企业，并且希望从这种模式的变化中获益，请告诉我们。我们今天正在与销售和支持代理一起接纳客户，以帮助他们摆脱以前的限制。
原文链接：Beyond Co-pilot: scaling with an AI Workforce
本文使用 🐝 A C(Collect) -> T(Transform) -> P(Publish) automation workflow for content creator. 全自动采集 - 翻译 - 发布
留下评论