Üretken yapay zeka çağı, üretkenliği önemli ölçüde artıracağı vaadiyle birlikte gelir. Bu sütunu yazarken onun bir biçimini kullanıyorum ve yazmayı düşündüğüm bir sonraki kelimeyi tahmin etme konusunda iyi bir iş çıkarıyor. Ancak bu özellikten en iyi şekilde yararlanmak için sağ ok tuşuna basmam gerektiğini de fark ediyorum, bu da beni oldukça yavaşlatıyor. Bu nedenle, kullandığım klavye otomatik tamamlama işini yapmaya uygun olmadığı için genellikle tüm kelimeyi yine de yazıyorum.
Özetle, yazmamı hızlandırmaktan (söz) ziyade, üretkenliğim üzerindeki etki olumsuz (gerçek) olabilir çünkü, Yapmak ok tuşuna basın, yazma akışımı bozuyor ve beni sağ elimi yeniden konumlandırmaya zorluyor.
Bu tür bir AI aracının bir fayda sağlaması için, yalnızca klavyemi değiştirmem değil, aynı zamanda tam kelimeyi yazmak yerine doğru ok tuşunu kullanmak için kendimi yeniden eğitmenim gerekir. (Yaklaşık 55 yıldır bunu yapmadan yazdığım için bu biraz zaman alabilir.)
kritik yol
Süreç optimizasyonu hakkında bir şeyler öğrendiğimizde, genellikle “kritik yol” Bu, bir sürecin sahip olduğu ve bir şeyin ne kadar hızlı yapılabileceğini tanımlayan yoldur. Kritik yol dışında herhangi bir şeyi iyileştirirseniz, sürecin tamamlanma hızı yine de dokunulmamış kritik yol tarafından sınırlanır ve muhtemelen bir verimlilik artışı görmeniz mümkün değildir.
Yazarların üretici yapay zekaya verdikleri ilk tepkiden bu sonucu gördük. İnanılmaz bir hızda, haftada yüzlerce kitap oluşturabildiler, ancak kritik yol düzenlemedeydi. Zaten limitleri dolmuş olan editörler, yüzlerce el yazmasının gelişini kaldıramadı. Pek çok yayıncı, el yazmalarını zamanında düzenleyemedikleri için kabul etmeyi bırakmak zorunda kaldı.
Daha iyi bir plan, önce bir şekilde düzenlemeyi otomatikleştirmek olurdu, ancak bu, yapay zekanın el yazmalarının yayıncıların politikalarına uyduğundan emin olması için çok daha fazla eğitim gerektirecekti ve bu iş henüz yapılmadı.
Önce ilk kritik yolu değiştirseniz bile, daha sonra yeni kritik yol haline gelen ve bu yeni yol da iyileştirilene kadar herhangi bir avantajı önemli ölçüde sınırlayan başka bağımlılıklar bulmanız olasıdır.
Verimliliği ölçme: arabalar ve insanlar
Arabalarla ilgileniyorum. Arabalarda performansı Dyno adlı bir makinede ölçersiniz ve beygir gücünün tek başına performansı artırmadığını çabucak öğrenirsiniz. Araba yine de pistten aşağı inmeli ve bu gücü yola vermelidir. Çekiş, süspansiyon, sürücü becerileri, ağırlık, tahrik tekerleklerinin yerleşimi, hızlanma sırasında ağırlık aktarımı, eğimler, aerodinamik, ısı ve parçaların güvenilirliği eşit derecede kritik roller oynar. Tek gerçek performans testi, beygir gücü veya tork değil, otomobilin rekabetçi bir şekilde nasıl performans gösterdiğidir.
İnsanlarla karşılaştırıldığında, arabalar basittir. İnsanlar, genellikle üzerinde kontrol sahibi olmadıkları çeşitli farklı görevlere sahiptir. Gelen e-posta, beklenmedik sorunlar, bir proje hakkında sohbet etmesi gereken iş arkadaşları, dikkat dağıtıcı şeyler (ve bunlardan tonlarca var) ve kalitesi oldukça değişken olabilen yöneticiler, hepsi üretkenliği etkiler. (Kötü bir yönetici, sadece aşırı drama getirerek bir departmanın üretkenliğini mahvedebilir.)
Veya COVID-19 salgını sırasında olanları düşünün. Başlangıçta, daha az dikkat dağıtan şey olduğu için evden çalışmanın ofise gitmekten daha verimli olduğunu düşündük. Bulduğumuz şey, çalışanların daha uzun saatler çalıştıkları, iş/yaşam dengelerini bozdukları ve ya tükendikleri ya da işten ayrıldıklarıydı. Ayrıca odaklanabilen, genellikle içe dönük ve güçlü iş becerilerine sahip insanların aslında evde daha başarılı olduğunu bulduk. Son derece sosyal insanlar veya yeni çalışanlar ya da odaklanma sorunları yaşayan ve güçlü iş becerilerine sahip olmayan kişiler hiç de iyi iş çıkaramadı.
Çalışanlara çerez kesici bir yaklaşım uygulamak işe yaramaz. Herkes farklıdır ve departman üretkenliğiyle ilgili herhangi bir tartışma, nerede olursa olsun iş yerinin dinamiklerini ve her çalışanın kendine özgü doğasını dikkate almalıdır. Unutmayın, üretkenlik odaklı herhangi bir değişikliğin amacı, başka bir sorun değil, daha iyi üretkenliktir.
Odaklanmak için yapay zekaya ihtiyaç duyduğumuz yer
Verimlilik iyileştirmeleri söz konusu olduğunda, ilk adım iyileştirmelerin nerede gerekli olduğunu analiz etmek, kritik yolları belirlemek ve ardından en düşük maliyetle üretkenlik üzerinde en büyük etkiye sahip olacak bir plan geliştirmek olmalıdır. Ancak birçok şirket, bu ilk ölçümler veya anlayış olmadan hareket etme eğilimindedir ve üretkenlik iyileştirme hedefleri genellikle kaçırılır.
Daha da önemlisi, üretkenliği artırma çabalarının işleri daha da kötüleştirme olasılığı yüksektir. Yıllar önce, müşterilerimden birinin bir “verimlilik sorunu” vardı ve “temellere dönüş” adlı bir program başlattı – yönetim işi atladıklarına ikna olduğu için çalışanlar mesaiye giriş ve çıkış yapmak zorunda kaldı. Sonuç, üretkenlikte feci bir düşüş oldu çünkü tembellik yapan insanlar eve erken gitmek yerine işte bunu yaptılar ve işleri halletmek için uzun saatler çalışanlar 9’dan 5’e kadar çalışmaya başladılar. Çok geçmeden, en iyi performans gösterenler kendilerine daha çok güvenen firmalarda iş aramaya başladı.)
Kısacası, etkili bir şekilde çözmek için bir sorunu iyi anlamanız gerekir. Üretken yapay zeka bu konuda yardımcı olabilirken, henüz bu teknolojiyi bu kritik soruna odaklayan kimsenin farkında değilim. Çalışanlarınızın kim olduğunu, ne yaptıklarını ve bunu nasıl yaptıklarını anlamıyorsanız, onları birdenbire daha iyi hale getirmek için dijital dönüşümü ve üretken yapay zekayı kullanamazsınız. Onları daha da kötüleştirme olasılığınız daha yüksek.
Telif hakkı © 2023 IDG Communications, Inc.
