企業家貢獻者表達的意見是他們自己的。
我們的新人工智慧工具和副駕駛犯了一些重大錯誤。 他們以極大的自信給出了糟糕的建議，他們被說服達成了不正當的交易，他們讓事情變得奇怪並變得非常粗魯。 當然，失誤很少見，但一旦發生，網路就會介入。 我們喜歡拒絕任性的人工智慧。
但這是一個巨大的錯誤。
這種衝動部分是受到人工智慧威脅的結果。 但我認為這也暴露了一個深刻的誤解：我們仍然認為人工智慧代理是無法像人類員工一樣真正成長和改進的機器。 因此，我們嘲笑他們的錯誤，並指出他們的錯誤，就像他們被困在角落的 Roomba 一樣。
然而事實上，我們已經到了一個重大的轉折點。 今天的人工智慧代理並不是一成不變的。 如果我們花時間指導他們，他們就能成長和學習。 更重要的是，每家公司都已經有能力自行指導人工智慧代理。
您不需要機器學習博士學位。 事實上，我見過數百名從未編寫過一行程式碼的人工智慧代理經理。 他們什麼 做 知道是人們如何工作以及如何最好地管理人類。 他們明白這些原則現在也適用於人工智慧代理。
相關：企業家爭先恐後地使用人工智慧。 以下是您應該先問的 8 個問題。
管理人員（和人工智慧）的黃金法則
最優秀的管理者知道人為錯誤是人類學習中持續且必要的部分。 為了讓員工真正發揮自己的潛力，他們需要有突破界限、嘗試甚至失敗的自由。 期望新員工永不動搖不僅不切實際，而且效率低。 偉大的管理者知道，混亂和成長是相輔相成的。
同時，傑出的管理者知道，需要糾正的並不總是員工。 通常需要調整的是經理的入職、培訓或提供回饋的方法。 由於員工誤解政策或流程，大公司損失了數千萬美元。 然而，高績效的管理者不會自動指責；而是會自動指責。 相反，他們將這些錯誤作為反思和改進的起點。
現在，與人工智慧代理合作時也適用同樣的原則。 它們不是成品。 相反地（就像人類一樣），他們需要入職和了解新工作的機會。 他們需要反饋。 他們需要指導。 簡而言之，管理者發現人工智慧代理需要與人類員工相同的恩典。
抓住人工智慧的“可教時刻”
假設您在一家銀行工作，並且正在僱用一名人工智慧客戶服務代理。 您已將員工用來了解公司政策和程序的每一份文件上傳給代理（這些文件很快就會被閱讀和消化）。需提供相關網址。
然後，一旦人工智慧代理商準備好開始與客戶合作，它終於有機會犯下第一個錯誤。 而且你有機會讓它變得更好。
例如，對於尋求快速答案的客戶來說，有關如何開設新支票帳戶的解釋可能過於冗長。 這並不是一個致命的缺陷。 這是一個受教的時刻。 提供直接回饋——「請簡短回答」——可以轉化為即時、明顯的改進。
藥劑的每一個反應都可以被塑造和精心設計，隨著時間的推移，其好處會迅速增加。 我見過那些投入時間指導人工智慧員工的經理在短短幾個月內就將一名熱心的「實習生」變成了經驗豐富的專業人士。
這裡真正的視角轉變歸根結底是認識到這些代理人的本質：容易犯錯但熱心的員工，如果我們給他們機會，他們就會渴望學習。
透過指導 AI 可以獲得什麼 過去的錯誤
這種思維轉變的好處是多方面的。 在客戶服務中，花費大量時間和金錢來培訓人工代理通常會導致有限的回報。 在全行業範圍內，我們每年都會失去近一半的員工。 這是一個篩子，公司的資源會流失。
相比之下，人工智慧代理不會去任何地方。 人工智慧代理訓練中投入的每一分努力都會產生永久的回報。 更重要的是，這些回報迅速擴大——領先的線上投資平台 Wealthsimple 的副總裁最近估計，她的人工智慧代理商的工作效率相當於 10 名全職人工代理。 順便說一句，這使得這些人能夠專注於更複雜且仍然需要人性化的禮賓體驗。
我們已經知道，人類的品質管理與更高的市值直接相關。 人工智慧代理的品質管理有望產生更積極的效果。 人工智慧代理永遠不會忘記，也不會離開，從而允許擴展和共享管理工作。
但其好處不僅在於有能力的人工智慧代理。 因為人工智慧 需要 為了取得成功，透過人性管理和回饋，它最終不僅會奪走工作崗位，還會創造新的、而且往往是更好的工作。 我看到第一線客戶服務人員如何承擔起管理人工智慧的角色，讓他們對公司有了新的主人翁意識。
事實上，學習指導人工智慧代理的管理者正在使自己變得不可或缺。 他們學會了使用一種可以提高公司其他部門生產力的工具。
相關：你可以害怕它，但仍然使用它——為什麼這麼多美國工人對人工智慧感到害羞？
我們都是管理者的未來
這種變化也不限於少數幾個角色。 從現在開始，幾乎每個人都將成為人工智慧經理。 我們都會有人工智慧代理為我們工作，提高我們的生產力。 這意味著我所描述的這種思維轉變——將人工智慧代理視為可教的、不斷發展的同事——將在高階管理層之外進行討論。
隨著新範式的出現，智能體將變得與我們共同努力打造的智能體一樣聰明。
首先，我們向人工智慧代理提供與人類相同的禮貌——理解每個人（以及每個機器人）都會犯錯。 然後，我們做偉大管理者一直在做的事情：指導、訓練和消除障礙。 畢竟，他們是學習機器，只是在等待下一節課，讓他們再次飛躍。 這就是我們的切入點。
