تینا مزدکی_مایکروسافت نسخه‌ای رایگان اما محدود از چت‌بات Copilot (کوپایلت) را در ویندوز و برخی سرویس‌های دیگر ارائه می‌دهد، اما Microsoft ۳۶۵ Copilot (کوپایلت مایکروسافت ۳۶۵) صرفاً به‌عنوان یک افزونه ویژه برای طرح‌های تجاری و سازمانی Microsoft ۳۶۵ عرضه می‌شود. در کنار هزینه اشتراک معمولی M۳۶۵، سازمان‌ها باید ماهانه ۳۰ دلار به ازای هر کاربر برای این سرویس بپردازند. در مقابل، ابزاری دریافت می‌کنند که به‌طور عمیق با اپلیکیشن‌های مجموعه آفیس مایکروسافت ۳۶۵ یکپارچه شده و قابلیت‌های پیشرفته سازمانی از جمله عامل‌های هوش مصنوعی برای خودکارسازی جریان‌های کاری را در اختیار می‌گذارد.
این سرویس ارزان نیست؛ بنابراین بسیار مهم است که بیشترین بازده ممکن از آن به دست آید. شرط اصلی، استقرار درست و هدفمند است. در همین راستا، گفت‌وگویی با چهار مدیر ارشد فناوری اطلاعات (IT) از سازمان‌های مختلف که Copilot را در مقیاس گسترده به کار گرفته‌اند انجام شده است. دیدگاه‌های آنها مسیرهایی عملی برای انتخاب کاربردهای پُربازده، مدیریت داده‌ها و کنترل‌های دسترسی، تضمین پذیرش توسط کاربران و همچنین اجتناب از دام‌های رایج را روشن می‌کند.
گام اول: شناسایی کاربردهای عملی
هر یک از مدیران فناوری اطلاعات کار خود را با شناسایی جریان‌های کاری آغاز کردند که در آنها Copilot بتواند به‌سرعت ارزش خود را نشان دهد و در عین حال، یکپارچگی بیشتری با مجموعه ابزارهای مایکروسافت داشته باشد. برای تروی هیلتبَرند، معاون ارشد مدیریت محصولات دیجیتال در شرکت Partner.Co، دستاوردهای اولیه از کاربردهای داخلی به دست آمد. او می‌گوید: «ما ابتدا از Copilot برای خلاصه‌سازی جلسات، یادداشت‌برداری و تحلیل اسناد استفاده کردیم. سپس آن را برای ساخت یک چت‌بات خدمات مشتری در اختیار نمایندگان داخلی قرار دادیم. این پروژه کمتر از دو روز طول کشید و اکنون بیش از ۱۰۰ نماینده خدمات مشتری از آن استفاده می‌کنند.» به گفته او، حتی یکی از مالکان محصول توانست با کمک Copilot، در همان لحظه مصاحبه با ذی‌نفعان، سناریوهای کاربر آماده برای جیرا (یکی از معروف‌ترین پلتفرم‌های مدیریت پروژه‌ی نرم‌افزار) تولید کند و از این طریق، چندین هفته کار پیگیری را ذخیره کند.
رابین پاترا، مدیر داده، تحلیل و هوش مصنوعی در شرکت ساختمانی ARCO، رویکردی استراتژیک‌تر در پیش گرفت. او توضیح داد: «می‌دیدیم مدیران و دستیارانشان ساعت‌ها در جلسات صرف می‌کنند و پیگیری‌ها را به‌صورت دستی دنبال می‌کنند. بنابراین Copilot را به کار گرفتیم تا جلسات را رونویسی کند، فهرست اقدامات را بسازد و آن وظایف را با Microsoft Planner همگام‌سازی کند. همین کار به‌تنهایی باعث بهبود ملموس در پاسخگویی و اجرای پیگیری‌ها شد.»
در دانشگاه فلوریدای جنوبی (USF)، سیدنی فرناندز، مدیر ارشد اطلاعات و معاون تجارب دیجیتال، می‌گوید در مرحله آزمایشی، تقاضا برای استفاده از این ابزار به‌شدت افزایش یافت. او گفت: «ما ۵۰۰ مجوز ارائه دادیم اما ۷۰۰ درخواست دریافت کردیم. همان‌جا فهمیدیم باید مقیاس کار را گسترش دهیم. از کارکنان فناوری اطلاعات گرفته تا پژوهشگران، همه راه‌هایی برای صرفه‌جویی در زمان، مثل استفاده از Copilot در اکسل برای پاک‌سازی داده‌ها یا درخواست از آن برای نوشتن موارد پیگیری در حین جلسات زنده پیدا کردند.»
به گفته او، یکی از قابلیت‌هایی که محبوبیت خاصی پیدا کرده این است که شرکت‌کنندگان می‌توانند در جریان جلسه تیمز، در صورتی که نکته‌ای را از دست داده باشند، مستقیماً از Copilot بخواهند آن بخش از جلسه را دوباره برایشان توضیح دهد.
محمد شلبی، مدیر ارشد فناوری در شرکت TechGofers و مشاور بخش عمومی در Eaton Associates، می‌گوید بسیاری از مشتریانش از Copilot برای گردآوری کارآمدتر گزارش‌ها استفاده می‌کنند و کیفیت این کار بستگی مستقیم به مهارت آنها در نگارش پرسش‌ها دارد. او توضیح داد: «در یک مورد، کاری که پیش‌تر ۱۰ ساعت طول می‌کشید، با Copilot تنها در ۱۵ دقیقه انجام شد.»
گام دوم: سامان‌دهی داده‌ها
صرف‌نظر از توانمندی هوش مصنوعی، کیفیت عملکرد آن تنها به اندازه داده‌هایی است که به آن دسترسی دارد. هر چهار مدیر فناوری اطلاعات بر این نکته تأکید کردند که نظم داده‌ها شرط اساسی و اجتناب‌ناپذیر است.
شلبی گفت: «یکی از تیم‌های بازاریابی می‌خواست داده‌های داخلی و خارجی بازار را ترکیب کند، اما فایل‌ها بین OneDrive، SharePoint و Dropbox پراکنده بودند. در نتیجه، هوش مصنوعی قادر به یافتن داده‌های مورد نیاز نبود. درس اینجاست: نمی‌توان هرج‌ومرج را خودکار کرد.»
پاک‌سازی داده‌ها و قفل‌گذاری روی مجوزهای دسترسی به همان اندازه اهمیت دارد. شلبی افزود: «تا زمانی که داده‌ها مرتب، متمرکز و همراه با برچسب‌های کنترلی نباشند، خروجی معنادار نخواهید گرفت. در غیر این صورت، با خطر خطاهای ساختگی یا حتی بدتر، افشای محتوای حساس برای کاربران نامناسب مواجه می‌شوید.» او بر دسترسی مبتنی بر نقش تأکید کرد: «ما اطمینان حاصل می‌کنیم که عامل‌های هوش مصنوعی تنها داده‌هایی را ببینند که کاربر مجاز به دیدن آنهاست. این کار در SharePoint ساده‌تر است، چون مجوزها به‌صورت گروهی تعریف می‌شوند.»
سیدنی فرناندز از دانشگاه فلوریدای جنوبی نیز همین دیدگاه را تکرار کرد و هشدار داد: «نباید تصور کرد همه‌چیز به‌طور پیش‌فرض ایمن است. ما وقت گذاشتیم تا تنظیمات OneDrive و SharePoint را قفل کنیم و همچنین از Microsoft Purview برای دسته‌بندی داده‌ها بر اساس سطوح دسترسی استفاده کردیم. این کار فقط مربوط به هوش مصنوعی نبود، بلکه بخشی از یک تلاش گسترده‌تر برای حاکمیت داده بود.»
هیلتبرند در Partner.Co نیز گفت: «تمام استفاده ما از Copilot در محدوده Microsoft tenant خودمان انجام می‌شود. این یعنی کنترل کامل داریم؛ هیچ فایل خارجی به ابزارهای ثالث بارگذاری نمی‌شود و خطری برای نشت داده وجود ندارد.» با این حال، هیلتبرند با یک چالش تازه در حاکمیت داده روبه‌رو شد: سردرگمی منطقه‌ای. او توضیح داد: «ما در کشورهای مختلف با محصولات و طرح‌های جبران متفاوت فعالیت می‌کنیم. در ابتدا متوجه شدیم که پرسش‌های نمایندگان خدمات مشتری در آمریکا پاسخ‌هایی دریافت می‌کرد که برای اروپا طراحی شده بودند. حالا در حال اصلاح قالب‌بندی محتوا هستیم و شاید در آینده عامل‌های جداگانه‌ای برای هر منطقه مستقر کنیم.»
گام سوم: آموزش هدفمند و تداوم آن
ابزارهای هوش مصنوعی هرچند شهودی هستند، اما تسلط به آنها اتفاقی به‌دست نمی‌آید. اگرچه Copilot در اپلیکیشن‌های آشنایی مثل Outlook و Word تعبیه شده، استفاده مؤثر همچنان نیازمند مهارت در طراحی پرسش‌ها و درک رفتار هوش مصنوعی است.
شلبی گفت: «بیشتر کاربران انتظار جادو دارند. اما باید به آنها بیاموزید چگونه پرسش‌ها را ساختاربندی کنند: تعریف نقش برای هوش مصنوعی، ارائه زمینه، مشخص کردن وظیفه، تعیین قالب خروجی و تنظیم لحن. همین آموزش می‌تواند ارزش دریافتی آنها را دو برابر کند.»
در ARCO، آموزش هوش مصنوعی فراتر از ابزارهای بهره‌وری تعریف شده است. پاترا توضیح داد: «ما یک سیستم آموزشی سه‌سطحی توسعه دادیم. دوره نخست، AI ۱۰۱، برای همه کارکنان اجباری است. سپس AI ۱۰۲ نشان می‌دهد که هوش مصنوعی چگونه از جریان‌های کاری ساخت‌وساز پشتیبانی می‌کند. در نهایت، AI ۱۰۳ ویژه علاقه‌مندانی است که می‌خواهند ابزارهای جدید بسازند. حدود دوسوم از ۴۰۰۰ کارمند ما AI ۱۰۲ را گذرانده‌اند.»
در USF، رویکردی غیررسمی‌تر اتخاذ شد. فرناندز گفت: «یک گروه در Teams ایجاد کردیم و نشست‌های ماهانه "قهوه و Copilot" برگزار کردیم تا کاربران تجربیات و پرسش‌های خود را به اشتراک بگذارند. همچنین هر هفته نکات کوتاه فنی منتشر می‌کنیم تا مهارت‌ها را گسترش دهیم.»
هیلتبرند هشدار داد: «بدون راهنمایی، مردم یک‌بار از AI استفاده می‌کنند، خروجی عجیب می‌گیرند و دیگر سراغش نمی‌روند. آموزش چه رسمی چه غیررسمی عضلات AI تیم شما را تقویت می‌کند.»
شرکت Partner.Co حتی یک «برنامه جایزه» راه‌اندازی کرد که برای بهترین کاربرد هفتگی هوش مصنوعی ۱۰۰ دلار پاداش می‌داد. هیلتبرند گفت: «این برنامه هیجان ایجاد کرد و نوآوری از پایین سازمان را آشکار ساخت. یکی از مهندسان با کمک Copilot مشکلی در پیکربندی سرور را که معمولاً هفته‌ها طول می‌کشید، تنها در یک روز حل کرد.»
گام چهارم: شروع کوچک، مقیاس‌گذاری با نگاه به بازگشت سرمایه
پذیرش سازمانی زمانی موفق است که به‌طور طبیعی از دل تجربه‌های موفقیت‌آمیز واقعی رشد کند. هر یک از مدیران، Copilot را مرحله‌به‌مرحله اجرا کردند. ابتدا با مدیران، دستیاران، کارکنان IT یا داوطلبان و سپس پس از اثبات موفقیت، دامنه را گسترش دادند.
پاترا توضیح داد: «ما در ARCO با یک گروه آزمایشی ۱۵ تا ۲۰ نفره شروع کردیم. سه شاخص را سنجیدیم: میزان استفاده واقعی، بهبود جریان‌های کاری و رضایت کاربران. پس از اثبات کارایی، دامنه را گسترش دادیم.»
در USF، فرناندز ابتدا با مجوزهای تأمین‌شده از بودجه مرکزی آغاز کرد و سپس اختیار داد تا هر بخش درباره ادامه استفاده تصمیم بگیرد. او گفت: «این رویکرد "اول امتحان کنید، بعد بخرید" به ما اعتبار داد. اکنون حدود ۱۰۰۰ کاربر داریم.» او همچنین تأکید کرد که پذیرش باید دوطرفه باشد: «ما هم رهبران ارشد ـ از جمله رئیس دانشگاه ـ را آموزش دادیم و هم دانشجویان و بخش‌ها را درگیر کردیم. پذیرش واقعی نیازمند حمایت از هر دو جهت است.»
شلبی هم گفت تیمش رویکردی تکرارشونده دارد: «این مدیریت تغییر کلاسیک نیست. ما سیاست‌های دسترسی را یک‌باره تغییر نمی‌دهیم. بلکه به‌طور مداوم بر اساس بازخورد کاربران اصلاح می‌کنیم: اینکه عامل چه پاسخی بدهد، چه داده‌ای استخراج کند و چگونه خروجی را قالب‌بندی کند.»
با رشد استفاده از AI در سازمان، هزینه‌ها نیز افزایش می‌یابد و رهبران فناوری اطلاعات باید در مدیریت آن نقش داشته باشند. این گاهی به معنای محدود کردن Copilot به استفاده داخلی یا صدور مجوز انتخابی برای کارکنان است. هیلتبرند گفت: «می‌خواستیم چت‌بات Copilot را برای کاربران بیرونی هم گسترش دهیم، اما هزینه مجوز خیلی بالا بود. بنابراین در حال آزمایش با Intercom و Zendesk Chat برای بات‌های مشتری‌محور هستیم، در حالی که Copilot را صرفاً برای اعتبارسنجی منابع داده و پرسش‌ها در داخل استفاده می‌کنیم.»
فرناندز بر اهمیت سنجش و ارزیابی نتایج برای محاسبه بازگشت سرمایه تأکید کرد: «با هزینه ۳۰ دلار به ازای هر کاربر در ماه، باید انتخاب‌گر باشید. داشبوردهای ردیابی استفاده و تأثیر حیاتی‌اند. داشبوردهای داخلی مایکروسافت کمک می‌کنند، اما همچنین به بازخوردهای کیفی نیاز دارید، مثلاً درباره بهره‌وری جلسات.»
آنچه کار نمی‌کند
با وجود دستاوردها، هر چهار مدیر بر اهمیت مدیریت انتظارات تأکید کردند.
شلبی گفت: «مردم فکر می‌کنند Copilot همه‌چیز را انجام می‌دهد. اما اگر جریان‌های کاری شما معیوب باشند، تنها ناکارآمدی را سریع‌تر می‌کنید.» او افزود بسیاری کاربران تصور می‌کنند Copilot ویندوز همان Microsoft ۳۶۵ Copilot است و باید رایگان باشد.
فرناندز نیز صریح گفت: «بیش‌ازحد وعده ندهید. این گلوله جادویی نیست، بلکه یک ابزار است. اگر آن را معجزه معرفی کنید، مدیران انتظار صرفه‌جویی‌هایی خواهند داشت که این ابزار قادر به تحقق آنها نیست.»
حتی لحن تولیدی هوش مصنوعی نیز می‌تواند مسئله‌ساز باشد. شلبی توضیح داد: «نوشتاری که Copilot تولید می‌کند مفید است، اما کلیشه‌ای و بی‌روح. مگر اینکه روی لحن سازمانی شما آموزش داده شود. برای ایمیل‌های نهایی یا متن‌های عمومی، همچنان نیاز به بازبینی انسانی دارید.»
درس‌های آموخته‌شده: چک‌لیست مدیران ارشد اطلاعات
از دل این تجربیات، مجموعه‌ای از بهترین رویه‌های تکرارپذیر به‌دست می‌آید:
- داده‌ها را یکپارچه و ایمن کنید. اگر داده‌ها پراکنده یا اشتباه دسته‌بندی شده باشند، استفاده مؤثر از هوش مصنوعی امکان‌پذیر نیست. ابزارهایی مثل Microsoft Purview به اجرای کنترل‌های دسترسی کمک می‌کنند.
- با کاربردهای کم‌اصطکاک شروع کنید. Copilot برای اکوسیستم Microsoft ۳۶۵ ساخته شده است. استفاده از آن در همان بستر برای خلاصه‌سازی جلسات Teams، همگام‌سازی وظایف با Planner یا تحلیل داده‌های Excel ـموفقیت‌های سریع و کم‌هزینه ایجاد می‌کند.
- پیشگامان را آموزش دهید و موفقیت‌هایشان را تقویت کنید. چه از طریق برنامه‌های تشویقی، چه گروه‌های کاربران حرفه‌ای یا آموزش‌های کوتاه، فرهنگ آزمایش و یادگیری ایجاد کنید.
- اجازه ندهید هوش مصنوعی صرفاً پروژه‌ای IT باقی بماند. همان‌طور که فرناندز گفت: «اینها پروژه‌های فناوری اطلاعات نیستند، بلکه ابتکارات بهره‌وری کسب‌وکارند. بخش‌ها باید مالک نتایج باشند.»
- انتظار هیجان اولیه و سپس افت توجه را داشته باشید. اشتیاق اولیه معمولاً کمرنگ می‌شود. کاربران را با قابلیت‌های جدید، داستان‌های موفقیت واقعی و پشتیبانی مداوم درگیر نگه دارید.
مسیر پیش‌رو
اگرچه بازگشت سرمایه کامل Copilot ممکن است به زمان نیاز داشته باشد، اما این رهبران فناوری اطلاعات معتقدند مزایای کیفی آن از هم‌اکنون روشن است: اجرای سریع‌تر وظایف، کاهش بار ذهنی و تقویت فرهنگ نوآوری. شلبی گفت: «هوش مصنوعی در حال تحول از یک دستیار منفعل به یک عامل فعال است. به‌زودی فقط جلسات شما را خلاصه نمی‌کند، بلکه وظایف را پیگیری می‌کند، یادآوری می‌فرستد و حتی قرار ملاقات تنظیم می‌کند. آینده همین‌جاست.»
با این حال، موفقیت همچنان بر سه اصل استوار است: داده‌های پاک، آموزش هدفمند و درک واقع‌بینانه از توانایی‌ها و محدودیت‌های هوش مصنوعی. پاترا جمع‌بندی کرد: «هوش مصنوعی اینجاست تا جایگزین انسان نشود، بلکه آنها را توانمندتر کند. این همان پیامی است که هر مدیر ارشد اطلاعات باید بر آن تأکید کند.»
منبع: computerworld
۲۲۷۳۲۳
نظر شما