前言
在執行 AI Agent Task Force 的過程中,我被指派要讓每個事業跟部門導入 AI 到他們原本的工作流,達到降本或增效。在合作中我發現部分同仁對 AI 的接受度較低,或在思維上尚未準備好導入自動化的方式來解決問題,這樣的差異其實明顯影響到每個人在 AI Agent (幫自己的部門創建 AI 代理人,替代掉原本重複性高的任務)任務中的表現。
我覺得最有趣的是,這群表現好的人,他們超樂意做一堆 AI 工具,把原本不想做工作替代掉,同時對於自身價值特別有自信。
他們擅長讓 AI 替代掉所有的工作,並期待 AI 帶來的影響,讓自己能投入的熱衷的事。
做好 AI 自動化的第一步:相信世上每個問題永遠都有更好的解法
記得我剛進入 X實驗室 的時候,Sting(X實驗室的顧問)帶我們做 Brain Storming,他教我們學會去觀察身邊的人事物,像是在桌上看到一個產品、路上的廣告甚至是流程。在觀察的同時去思考當初設計的人為什麼會這樣設計,背後的需求跟目標是什麼,再去想如果你是負責人,你會怎麼做才能更好地達到目標?
因此在 AI 出來之前,我們已經被要求要看到每個現象背後的本質,而不是只專注在優化流程。當今天你的思維方式能跳脫框架,你就會看到同一個問題的解法至少有一兩百種。
比如每次週會一開就 2 小時,大家邊滑手機邊開會,主管發現後很生氣,要你想辦法解決。你威逼利誘、訂立規則,但大家在會議上的表現不但沒好轉,還對你怨聲載道。你認為你已經盡力了,但仍然無法解決。
但放大局去思考本質:其實不是「大家不專心」,而是「內容沒吸引力 + 沒參與感」,所以要解決的問題其實是如何讓會議內容跟每個參與者有關?那解法可能是,每個報告者都要想辦法讓參與者有 takeaway 的知識點,或是每個參與者都要給回饋,不然就不要參與等等。
回到 AI 議題,現在有 AI 後,關注點改成「要極度小心讓 AI 用固化思維來解問題」,當你覺得 AI 不能解某個問題時,很有可能是因為你沒有思考到本質問題。
當有人問我能用 AI 做某件事情嗎?我的回答永遠是:當然可以
前幾天剛好跟幾個同事,在討論,AI 能否幫 PM 排工作的 Piority,當下馬上有人說「不行」,我問為什麼。
他:因為 AI 不知道我們團隊的目標
我:那如果他有你們團隊 OKR 資料了呢
他:不了解我們公司的組織架構
我:那我給他我們公司的組織架構
他:AI 不了解我的工作模式、不了解我的價值觀
我:那你把你判斷是非對錯的原則都教給他呢?
他:這樣也許可以喔!
我:那我們就有第一步可以做了
下次試試看,當你有一個 idea 的時候,你問問自己,AI 能做嗎?
先回答「可以」,然後提出你所能想到的所有阻礙,再把那些阻礙一步一步清除掉,你就能成為自動化大師!
收斂你的 know-how,準備好享受 AI 帶來的影響吧!
AI 一定要做得比我們好,我們才要使用它嗎?
完全不是,因為 AI 能做到你想不到的質變跟量變,所以重點要放在他可以帶來給你的影響。先放寬心,提供 AI 有關 know-how 的整理,然後再討論你想達到的目標,就放手讓 AI 去執行吧!
它可以用低成本的方式給予更多 ideas,而不是最好的 ideas。
它可能做得比你差,但可以釋放你的時間,讓你去思考更關鍵的事情。
講個生活一點的例子,有一次去餐廳吃飯的時候,我跟朋友兩個人點了一碗的大碗的湯,但服務生只給我一個碗,所以我又跟他再要了一個碗,他又因此多跑了一趟。當下我就會去想,為什麼不能自動化,只要兩個人點一碗大碗的湯,那就給兩個碗,這明明有明顯的規律,而且能減少流程,還能增進服務品質。又或者是,有帶小孩的顧客應該會需要擺更多衛生紙、外國人的那桌,可以附上刀叉讓他們更方便食用、有人戴口罩可能是有感冒症狀,可以多擺幾雙公筷…
然後我覺得要是這些原則能具體列舉出來,然後讓 AI 機器人學習,我雖然不一定能開出 1 間最擁有最好服務的餐廳,但我可以開出 1 萬家服務穩定的餐廳,並且如果我想到新服務方式,1 萬家都能同時跟進優化。
Know How + AI 產生的質變
什麼東西是你給出一些重要 know how 進去 AI 知識庫,就能透過 AI 產生質變的項目?
先想像你是一個資深 PM,假如你希望優化訓練菜鳥 PM 的流程,具體該怎麼做呢?
你可以先思考在開始執行一個任務前,你通常是怎麼拆解任務的?再把你的拆解方法+專案 know how 分享給 AI,就能做出一個可以幫助菜鳥 PM 的任務卡機器人。
上面是我用 GPTs 做的簡易 Chatbot,目的是讓新 PM 收到任務時不會無所適從,雖然它一點也不完美,對於資深 PM 沒有什麼幫助,但我認為對新上任的人是有一定的幫助的。換位思考,你會發現你所擁有的 know how,就算 AI 只接收到 40%,但對他人也能產生很有力量的幫助,這就是質變。
這個機器人我可能只做了 10 分鐘,但能帶來的是安心感以及減少溝通摩擦,至少下次我問新人說,你知道這個專案任務要做什麼嗎?他會拿著任務卡說,這幾個點我不確定,其他我都理解了。
Know how + AI 產生的量變:
我們繼續拿餐廳的例子來說,假如你是一個做事面面俱到的服務生,你可以以此為傲;如果你能拆解你的工作流程化,讓其他新人也學會,那恭喜你,你可以當一個好主管;但如果你能將你的原則知識化,那恭喜你,你即將成為餐飲業的霸主!
流程化跟知識化的差別是什麼?
流程化就是指 sop,我可以很清楚告訴別人,要達到這樣的成果,透過 A、B、C 就能完成。但知識化是指,我連做事背後邏輯都告訴你,這樣你就能舉一反三,甚至有機會做得更好。
自從 AI 出來之後,我發現當我花時間把做事邏輯知識化,他能夠做到的事情以及給我的省思,價值高到超乎我的預期。比如我打造的 AI 版本的 Ken(CMoney 執行長)之後,請他幫助我思考決策時真的有給我很多不同面向的觀點,讓我能更好地解決問題。等於是 Ken 不需要每個人一對一溝通解決問題,而是整個公司每個同事都有機會可以跟 Ken 講到話。
回答標題的問題,AI 又沒做得我好,為什麼要讓 AI 做?
因為 AI 有潛力、便宜、穩定產出又聽話,只有 AI 有機會超乎你的想像,卻又能讓你穩穩操控。
自動化的三個步驟
- 拆解工作:把手邊的工作拆解出來,就算是小事情,或甚至不是有明確產出的工作都可以是自動化的流程,因為你不會知道那個小事情會不會就是成功的關鍵,那這樣影響力就會非常大!
- 發揮想像力:思考有哪些部分可以被 AI/工具代勞。
- 實踐與驗證:用小規模實驗來測試這個流程是否可行,你要可以有動手自己做的能力!
小撇步:只要是同一件事情會做到 2 次以上,就把它變成自動化小工具,然後看看自己會不會去用它,並且靜下心來感受一下自己跟 AI 的互動與交流。
找到 AI 在這件事上做得好(讓你 suprise 的地方)跟做不好的地方,然後再迭代,迭代方向就是繼續放大你覺得做得好的部分。
「先求有再求好」到「先做夢再拆解」
在這次內部流程 AI 自動化推廣的 Case 上,我跟參與的夥伴們都感到最困惑的是,到底應該怎麼開始?選題衡量標準應該是先從自己日常重複的工作開始思考,還是從幫助專案團隊達成目標為出發點進行考量?
通常 AI 能做的事情大概能用降本跟增效來分類,降本就是把現在手上的事情讓 AI 介入後大幅度降低成本,增效則是想像一個你認為更好版本的自己或是團隊。
先求有再求好:降本
在過去幾週的嘗試中,我們鼓勵夥伴們秉持「先求有、再求好」的精神,先行一步,實際動手打造出一套 AI Agent 應用的流程。透過這樣小步快跑的方式,我們希望能帶來初步的成果與成就感,進一步激發整個公司的動能與信心。
先做夢再拆解:增效
如果沒有任何限制下,你最理想的工作型態是什麼樣子?在 AI 的協助下你的客戶們會變得多幸福?
比如像是消費事業群打造簡單記帳 App 推出自動商業分析 AI 機器人,那麼未來每個用戶都能用低成本的方式快速得到精準、個人化的財務分析報告,那簡單記帳 App 可以提供給用戶的價值會更有價值、更多元!
那如果,我們能開發出各種有個性的虛擬財金 KOL,在提供各種金融建議的同時,還能給用戶情緒價值,甚至能夠得到用戶的信任,並願意為此付費,那麼財金 KOL 經營策略、商模飛輪、變現方式都將會產生質變。
現在是時候來思考,你的工作願景是什麼呢?你真正想為這個世界貢獻的價值是什麼呢?
看完這篇文章,就開始做你自己的 AI 自動化流程!
- 如果你覺得你是很懶的人:那就把你認為的所有雜事全部 AI 自動化。
- 如果你覺得你是內向的人:那就做出一個有你價值觀的 AI 幫你想社交用語。
- 如果你覺得你是一個很多 know-how 的人:那就把你的知識庫做出來,這樣你就不用大家要一直來問你問題。
- 如果你是一個很忙的人:那想辦法用 AI 把你的時間買回來,方法就是要刻意找出那些會拉低你能量、效能又很低的事情全部自動化。
- 如果你是一個很有趣的人:那就做出一些有趣的 AI 小應用,散播你的幽默感吧!
2021年加入CMoney X實驗室成為產品經理。希望能用科技與創新的力量,打造出億萬等級的產品,幫助用戶找到自己的方向並逐步往自己的理想邁進!
比起工具類型書籍,我更喜歡哲學、人性和各種底層邏輯的書。比如人性的18法則、幽默的本質、愛情的哲學等等。
最喜歡的一句話:蘇格拉底「我所知道的一件事就是— 我一無所知/ I know nothing except the fact of my ignorance.」