از آرشیو
در حال تکامل مدل عملیاتی شما با هوش مصنوعی عاملی
چگونه رهبران میتوانند کار، حقوق تصمیمگیری و مسئولیتپذیری را دوباره طراحی کنند تا قابلیت هوش مصنوعی را به ارزش تجاری پایدار تبدیل کنند.

سوال رهبری که به نظر من بسیار مفید است این است: اگر یک عامل هوش مصنوعی بتواند بخشی از یک فرآیند تجاری را انجام دهد، چه چیزی باید در اطراف آن تغییر کند تا سازمان از آن بهره مند شود؟ یک نمایش می تواند یک کار را در چند ثانیه انجام دهد. یک مدل عملیاتی باید توضیح دهد که چه کسی صاحب نتیجه است، به کدام اطلاعات می توان اعتماد کرد، چگونه تصمیمات مجاز هستند و در صورت شکست فرآیند چه اتفاقی می افتد. اینجاست که مرحله بعدی تحول آغاز می شود.
یک مدل عملیاتی نحوه انجام کار توسط سازمان است
من از مدل عملیاتی به معنای ارتباط بین کار، افراد مسئول آن، سیستمهایی که استفاده میکنند، تصمیمهایی که میتوانند بگیرند و معیارهایی که به ما میگوید آیا نتیجه قابل قبول است استفاده میکنم. هوش مصنوعی عاملی هر پنج مورد را لمس می کند. می تواند شواهد جمع آوری کند، ابزارها را انتخاب کند و وظایف را هماهنگ کند، اما معرفی این قابلیت در یک فرآیند نامشخص می تواند سردرگمی را سریعتر کند.
نقطه شروع من یک نتیجه کسب و کار کامل است: یک ذینفع تصمیم ادعایی ارزیابی شده را دریافت می کند. یک استثناء بانکی به یک تصمیم آشتی می رسد. یک تیم مالی یک دوره گزارش را با شواهدی که می تواند توضیح دهد بسته می شود. هر نتیجه از مرزهای دپارتمان عبور می کند. طراحی باید تمام این سفر را دنبال کند.
به سفر یک مالک و یک تعریف مشترک از انجام شده بدهید
تیم خدماتی را در نظر بگیرید که تعداد درخواستهایی را که ارسال میکند اندازهگیری میکند. دستیار هوش مصنوعی آن ممکن است این تعداد را افزایش دهد در حالی که یک صف تحقیقات بزرگتر برای تیم دیگری ایجاد می کند. بهره وری محلی افزایش می یابد. مشتری همچنان منتظر است من میخواهم که یک مالک سفر مسئول تکمیل، پشتیبانی از عملیات، فناوری، دادهها، ریسک و امور مالی باشد.
، آن تیم ها با هم باید مسیر عادی و استثناها را ترسیم کنند، توافق کنند که تکمیل به چه معناست و خط پایه را ثبت کنند. کدام اطلاعات به طور مکرر درخواست می شود؟ پرونده ها کجا منتظر مرجعیت هستند؟ کدام چکها ضروری هستند و کدامیک وجود دارند زیرا دو سیستم زمینه مشترکی ندارند؟ Genellipse کمک می کند تا قبل از تصمیم گیری در مورد اینکه یک عامل به کجا تعلق دارد، این وابستگی ها قابل مشاهده باشد.
بیمه عمر: بدون تسلیم تصمیم، پرونده را آماده کنید
ادعای بیمه عمر را با سابقه بیمه نامه، اطلاعات ذینفع و اسنادی که از کانال های مختلف به دست می آید، تصور کنید. یک عامل سند می تواند مواد را ساختار دهد. یک عامل شواهد می تواند اطلاعات خط مشی مجاز را بازیابی کند. یک عامل هماهنگی می تواند موارد گم شده را شناسایی کرده و خلاصه ای از پرونده را تهیه کند. هر یافته باید به منبع خود از جمله درگیری های حل نشده اشاره کند.
کارشناس خسارت پرونده را ارزیابی می کند و از قوانین مرجع بیمه گر برای تصمیم گیری و هرگونه پرداخت تبعیت می کند. سوابق ذینفع متناقض، پوشش نامشخص یا شواهد مفقود باید وارد مسیر استثنا شوند. سیستم باید از تحقیقات بازبین پشتیبانی کند، سوابق تصمیم گیری را حفظ کند و نتیجه پایین دستی را تایید کند.
این نشان میدهد که چگونه میتوان گردشهای کاری بیمه AegisNow و ارکستراسیون Cortex AI را با هم پیکربندی کرد. این یک الگوی پیاده سازی است، نه یک نتیجه گزارش شده از مشتری. مزیت آزمایش آمادگی کمتر تکراری و یک مورد واضح تر برای حرفه ای است که مسئول نتیجه شاکی است.
بانکداری: استثناء را در سیستم ها و تیم ها حل کنید
یک پرداخت میتواند در یک کانال ارسال شده ظاهر شود در حالی که موتور پرداخت پردازش را نشان میدهد و دفتر کل هیچ ورودی منطبقی ندارد. در یک گردش کار تصویری به کمک عامل، سیستم شناسه ها را به هم مرتبط می کند، شواهد وضعیت را جمع آوری می کند و یک مورد استثنا را آماده می کند. یک اپراتور حقایق شناخته شده، عدم قطعیت و اقدامات بعدی مجاز را می بیند.
بانک اختیارات خود را در زمینه انتشار، تعدیل و ارسال مجدد پرداخت حفظ میکند. اجرا باید شامل کنترل های تکراری پیشگیری، تایید سیستم بانکی مربوطه و تطبیق پس از اقدام باشد. تماس ناموفق API نباید بی سر و صدا به دستورالعملی برای تکرار پرداخت تبدیل شود.
بهبود مدل عملیاتی یک فرآیند حل و فصل مرتبط است: یک مالک پاسخگو، سابقه پرونده مشترک و یک مسیر تشدید صریح. Genellipse میتواند به اتصال این عناصر به سیستمهای بانکی موجود کمک کند تا اینکه قبل از شروع پیشرفت مفید، نیاز به تعویض عمده داشته باشند.
رویکرد تحول بانکی ما را کاوش کنیدمردم را برای کاری که تغییر می کند تجهیز کنید
نظارت انسانی باید یک شغل واقعی با زمان، اطلاعات و اختیار کافی باشد. یک بازبین باید شواهد منبع را ببیند، بفهمد عامل چه تلاشی کرده است و بتواند کار را تصحیح، متوقف یا تشدید کند. اندازه گیری آن شخص فقط بر اساس سرعت، انگیزه اشتباهی ایجاد می کند.
من یک تیم کوچک و بادوام را در هر سفر اولویت دار توصیه می کنم. صاحب کسب و کار نتیجه را تعریف می کند. یک متخصص حوزه کیفیت را قضاوت می کند. صاحب داده معنی و مجوزها را حفظ می کند. مهندسی مالک یکپارچگی و قابلیت اطمینان است. و خطر و امنیت در مورد کنترل و تشدید توافق می کنند. کارمندان خط مقدم باید به طراحی مدیریت استثنا کمک کنند، زیرا آنها می دانند که این فرآیند کجا شکسته می شود.
Genellipse میتواند از طراحی نقش، آموزش عملی و عملیات اجرایی در کنار پیادهسازی پشتیبانی کند. موفقیت شامل توانایی بیشتر افراد در نظارت بر کار و بهبود آن است. تصمیمگیریهای نیروی کار به برنامهای در نظر گرفته شده برای مهارتها و استقرار مجدد نیاز دارند، به جای این فرض که هر دقیقه منتشر شده به یک نقش حذف میشود.
عوامل را از طریق ابزارهای کنترلشده API و MCP متصل کنید
سیستمهای مدیریت خط مشی موجود، بانکداری اصلی و مالی حاوی قوانین تجاری هستند که هنوز اهمیت دارند. رویکرد ما این است که قابلیتهای انتخابشده را از طریق APIهای مستند و در صورت لزوم، ابزارهای Protocol Context Model (MCP) نشان دهیم. سوابق معتبر را شفاف نگه دارید، ورودی های ابزار را تأیید کنید و کنترل های تراکنش سیستم زیربنایی را حفظ کنید.
MCP مکانیزم یکپارچه سازی را فراهم می کند. استفاده از آن به خودی خود باعث ایجاد مجوز یا اعتماد نمی شود. رهنمودهای امنیتی رسمی آن به خطراتی مانند عبور رمز و حملات معاونین گیج میپردازد. سازمان ها باید احراز هویت مناسب، دسترسی محدوده و اجرای مستقل را در مرز یکپارچه سازی اعمال کنند.
همچنین میخواهم برای دستورالعملهای پنهان در اسناد بازیابی شده، تلاشها برای دسترسی به دادههای مشتری دیگر، وابستگیهای غیرقابل دسترس، اقدامات تکراری و عاملی بیش از بودجه مجازش، آزمایشهای صریح انجام دهم. فعالیت ابزار را بدون افشای غیر ضروری اطلاعات حساس ضبط کنید. راهی برای توقف جریان کار، لغو دسترسی و بازگرداندن پرونده به یک تیم عملیاتی حفظ کنید.
ببینید چگونه یکپارچه سازی بانکداری کنترل شده کار می کنداقتصادی بودن یک نتیجه کامل و قابل قبول را اندازه گیری کنید
شمارش عوامل، درخواستها یا خلاصههای تولید شده اطلاعات کمی در مورد ارزش کسبوکار به من میدهد. من زمان سپری شده برای حل، تلاش کامل، کار مجدد، سن استثنا و کیفیت نتیجه پذیرفته شده را می خواهم. شامل هزینه های یکپارچه سازی، مدل ها، زیرساخت ها، بررسی انسانی، آموزش و پشتیبانی می شود.
نمودار زیر عمداً فرضی است. فرض کنید آمادهسازی و اعتبارسنجی بهبود مییابد در حالی که بررسیهای قضاوت و اجرای حرفهای تخصیص تمام وقت خود را حفظ میکنند. تلاش برای رسیدگی از 50 تا 30 دقیقه در هر مورد تکمیل شده کاهش می یابد. با 1000 مورد قابل مقایسه در ماه، این محاسبات تقریباً 333 ساعت از ظرفیت ناخالص آزاد شده قبل از سربار عملیات اضافی را نشان می دهد.
آن ساعتها بهطور خودکار پسانداز نقدی نیستند و نمودار ادعا یا پیشبینی عملکرد Genellipse نیست. تیم باید کیفیت پرونده را تأیید کند و تصمیم بگیرد که چگونه ظرفیت آزاد شده خدمات را بهبود می بخشد، حجم را جذب می کند یا هزینه واقعی را کاهش می دهد. امور مالی باید مفروضات را امضا کرده و نتیجه را با پایه اصلی مقایسه کند.
| فعالیت | پایه | به کمک نماینده |
|---|---|---|
| آماده سازی مورد | 20 | 8 |
| تایید مدارک | 15 | 7 |
| قضاوت حرفه ای | 10 | 10 |
| چک های اجرایی | 5 | 5 |
| کل زمان جابجایی | 50 | 30 |
ظرفیت ناخالص تصویری منتشر شده در 1000 پرونده تکمیل شده قابل مقایسه. شامل سربار عملیات اضافی نمی شود. کیفیت باید حفظ شود؛ پس انداز نقدی مستلزم کاهش واقعی در مخارج است.
حکمرانی را بخشی از عملیات روزمره قرار دهید
چارچوب داوطلبانه مدیریت ریسک هوش مصنوعی NIST، کار را پیرامون مدیریت، نقشه، اندازهگیری و مدیریت سازماندهی میکند. من آن را به عنوان یک یادآوری مفید می بینم که نظارت پس از تأیید اولیه ادامه دارد. در عمل، صاحب سفر نیاز به دید منظم از خطاها، تشدیدها، هزینه ها، تغییرات و خطرات حل نشده دارد.
یک به روز رسانی مدل، یک درخواست تغییر یافته، یک منبع داده جدید یا یک مجوز ابزار اصلاح شده می تواند رفتار سیستم را تغییر دهد. تغییر را ثبت کنید، موارد معرف و دشوار را ارزیابی کنید و با معیارهای بازگشت موافقت کنید. استقلال را تنها زمانی گسترش دهید که شواهد آن را تأیید کنند. ارزیابی ناموفق باید منجر به اصلاح یا دامنه محدودتر شود، با مسئولیت پذیری برای تصمیم بعدی.
در عرض شش هفته با یک MVP متمرکز شروع کنید
برای تعامل با محدوده مناسب، Genellipse پس از آماده شدن دسترسی مورد نیاز، دادههای نماینده، محیطها و تصمیمگیرندگان، MVP را ظرف شش هفته هدف قرار میدهد. در دو هفته اول، سفر را نقشه برداری کنید، با خط پایه موافقت کنید و مرز اختیار را تعیین کنید. در هفته های دو تا چهار، منابع انتخاب شده را به هم متصل کنید و گردش کار محدود را ایجاد کنید. از هفته های چهارم تا ششم برای ارزیابی، آزمایش استثنا، آماده سازی کاربر و تصمیم انتشار مورد توافق استفاده کنید.
قابل تحویل باید شامل قابلیت کار، شواهد تایید کننده پذیرش آن، صاحب نام، نظارت و روش بازیابی باشد. استقرار گسترده تر، تبدیل هسته و تأییدیه های خارجی به برنامه های خاص خود نیاز دارند. اولین نسخه باید به سازمان آموزش دهد که چگونه نسخه بعدی را مسئولانه عمل کند.
چگونه Genellipse به ایجاد قابلیت عملیاتی کمک میکند
ما طراحی مدل عملیاتی و فرآیند را با معماری، پیادهسازی و بهبود مستمر ترکیب میکنیم. GeneDigital و خدمات مشاوره ای ما به شناسایی سفر اولویت دار و مسئولیت های آن کمک می کند. Cortex AI پلتفرمی را فراهم میکند که میتوانیم عوامل فردی، راهحلهای هماهنگ و حاکمیت را برای عوامل سازگاری که سازمان قبلاً از آن استفاده میکند، پیکربندی کنیم، مشروط به ادغام و ارزیابی.
GeneData میتواند از بنیاد اطلاعات حاکم پشتیبانی کند. GeneAnalytics می تواند به قابل مشاهده بودن عملکرد گردش کار کمک کند. و GeneSecure و GeneComply می توانند از امنیت، کنترل شواهد و مسئولیت پذیری در کنار سیستم های سازمانی موجود پشتیبانی کنند. برای بیمه گران، AegisNow زمینه بیمه را در طراحی به ارمغان می آورد. ما ترکیب مورد نیاز تجاری را انتخاب میکنیم و پیکربندی مورد نیاز را قبل از انجام دامنه تأیید میکنیم.
در اواخر اکتبر، قصد داریم Cortex Blueprint را به عنوان بخشی از Cortex AI معرفی کنیم تا به سازمانها کمک کنیم تا مدلهای عملیاتی خود را تکامل دهند و هوش مصنوعی عاملی را در فرآیندهای تجاری موجود ادغام کنند. هدف ما این است که نتیجه کسب و کار، افراد مسئول آن، اطلاعات مورد نیاز و نقش عوامل را در یک طرح اجرایی واضح به هم مرتبط کنیم. این بدان معناست که مشخص شود عوامل می توانند در کجا مشارکت داشته باشند، قضاوت انسانی در کجا ضروری است و چگونه تأییدها، تشدید و نتایج قابل اندازه گیری در جریان کار بازطراحی شده قرار می گیرند. در کنار Cortex App که برای اواخر اکتبر نیز برنامه ریزی شده است، این امر از جهت گیری ما برای تسهیل ساختار، بسته بندی و اتخاذ راه حل های عامل در سراسر سازمان حمایت می کند.
نقش ما این است که به عنوان یک شریک در طول سفر کار کنیم: درک مشکل، ایجاد قابلیت، نشان دادن کنترل ها و پاسخگو ماندن برای تحویل توافق شده. فرآیندی را برای ما به ارمغان بیاورید که برای مشتریان یا کارمندان شما مهم است و ما می توانیم به تعریف اولین قدم عملی کمک کنیم.
از دیدگاه تا تمرین
اولویت های مدل عملیاتی خود را با Genellipse بحث کنیدسوالی که از هر تیم رهبری میپرسم
یک سفر مهم را انتخاب کنید و بپرسید: اگر ماموری فردا به این فرآیند ملحق شد، آیا میتوانیم کار، اختیار، شواهد و مسیر تشدید آن را توضیح دهیم؟ اگر پاسخ نامشخص است، این اطلاعات ارزشمندی در مورد خود مدل عملیاتی است.
من معتقدم فرصت ماندگار سازمانی است که از افراد، اطلاعات و فناوری خود در کنار هم بهتر استفاده کند. هوش مصنوعی عاملی می تواند به ما کمک کند وقتی کار را طراحی می کنیم و مسئولیت نحوه اجرای آن را می پذیریم به آن نتیجه برسیم.



