Cara Mengatasi "Kelebihan Kapasitas" AI: Menyelaraskan Sumber Daya Manusia, Keterampilan, dan Tujuan

Kecerdasan Buatan (AI) berkembang dengan cepat, dan momentum tersebut dapat melampaui alur kerja sehari-hari. Seperti yang baru-baru ini diungkapkan oleh CTO Microsoft, Kevin Scott, sistem saat ini "jauh lebih powerful daripada yang digunakan oleh orang-orang," yang menciptakan kelebihan kapasitas.

Berdasarkan pengalaman kami, kendala sebenarnya bukanlah akses ke alat — melainkan membantu orang menerapkan penilaian dalam alur kerja yang dirancang dengan baik. Kami memulai dengan fokus pada momen tinjauan dan pengambilan keputusan yang menghambat tim. Kami membangun kepercayaan melalui perbandingan berdampingan, mengukur waktu yang dihemat dan peningkatan kualitas, dan hanya menskalakan apa yang terbukti nilainya. Kami juga memprioritaskan komputasi untuk kasus penggunaan dengan dampak tertinggi dan menjaga batas keputusan yang jelas agar orang tetap bertanggung jawab. Ketika rekan kerja belajar dalam alur kerja dan pemimpin berinvestasi di area yang hasilnya jelas, kelebihan kapasitas menjadi perbaikan nyata dalam waktu siklus, akurasi, dan pengalaman klien.

Bagaimana Sedgwick mengadopsi kecerdasan buatan (AI) dengan mengutamakan manusia sebagai pusatnya.

Di Sedgwick, kami mengikuti prinsip panduan: AI mendukung rekan kerja dan tidak menggantikan mereka. Keahlian manusia tetap menjadi inti dari penanganan klaim, analisis, dan pengambilan keputusan. AI membantu dengan menghilangkan hambatan, mengembalikan waktu kepada tim kami, dan meningkatkan momen-momen yang memerlukan penilaian dan empati.

• Aktivasi harian dengan Microsoft 365 Copilot
  • Rekan kerja mendapatkan pelatihan praktis dan dukungan agar dapat menggunakan Microsoft 365 Copilot untuk menyusun, merangkum, dan melakukan riset. Tujuannya adalah untuk meningkatkan kepercayaan diri dan menghemat waktu. Aktivitas ini berisiko rendah namun memberikan manfaat besar, yang membantu membangun familiaritas dan momentum.
• Dukungan pengambilan keputusan yang dibantu untuk pemeriksa dan penyesuai
  • AI menyusun ringkasan yang ringkas dan menyoroti detail yang penting, sehingga penilai dapat menerapkan keahlian mereka dengan lebih cepat. Hal ini sering menghemat waktu beberapa menit per tugas dan, yang lebih penting, meningkatkan kepercayaan diri saat rekan kerja membandingkan hasil dengan penilaian mereka sendiri.
• Pemberdayaan pengembang melalui kolaborasi
  • Pengembang kami menggunakan alat seperti GitHub Copilot dan Cursor untuk mempercepat proses pemrograman dan menghasilkan dokumentasi secara otomatis. Dengan mengurangi waktu yang dihabiskan untuk tugas-tugas berulang, kami dapat lebih fokus pada pemecahan masalah untuk klien kami.
• Komunitas internal yang mendorong adopsi organik
  • Kami mengelola komunitas Teams di mana rekan kerja berbagi pencapaian cepat dan tips praktis. Cerita nyata dari rekan kerja membuat adopsi terasa alami dan mengajak semua orang untuk berpartisipasi.
• Otomatisasi dalam operasional
  • Kami sedang mengembangkan otomatisasi jaminan kualitas, pembangkitan tes otomatis, dan infrastruktur yang dapat memperbaiki diri sendiri. Hasilnya adalah pengurangan pemeriksaan manual dan lebih banyak waktu untuk pekerjaan strategis yang bermanfaat bagi klien.

Kerangka kerja praktis untuk mengatasi kelebihan kapasitas kecerdasan buatan (AI)

Anda tidak perlu perubahan besar-besaran untuk melihat manfaat yang nyata. Kemajuan berasal dari langkah-langkah yang konsisten yang membangun keterampilan, kepercayaan, dan desain alur kerja yang terencana dengan baik.

1. Mulailah dengan masalah-masalah nyata yang perlu diselesaikan.

• Identifikasi momen operasional di mana AI dapat mengurangi beban kerja atau meningkatkan akurasi — seperti triase, klasifikasi dokumen, ringkasan, dan pengujian kualitas rutin. Pesan utamanya konsisten: dukung pengambilan keputusan yang lebih baik daripada menghasilkan lebih banyak konten.

2. Bangun kepercayaan melalui perbandingan langsung

• Undang rekan kerja untuk membandingkan hasil AI dengan hasil mereka sendiri. Uji coba awal dengan risiko rendah membantu membangun pemahaman dan dengan cepat menunjukkan di mana sistem paling membantu.

3. Kembangkan peta keterampilan berbasis peran

• Sediakan pelatihan yang sesuai dengan setiap peran.
  • Penggunaan yang bertanggung jawab untuk semua orang
  • Alur kerja penyesuaian untuk merangkum dan mengevaluasi bahan-bahan
  • Dukungan komunikasi dengan klien
  • Praktik pengembang untuk pemrograman dan dokumentasi yang didukung oleh kecerdasan buatan (AI)

• Hal ini memastikan pembelajaran tetap relevan dan membantu setiap rekan kerja memahami bagaimana AI mendukung pekerjaan sehari-hari mereka.

4. Gunakan batasan yang jelas yang mendefinisikan batas-batas pengambilan keputusan.

• Jadikan penilaian manusia sebagai prioritas utama. Berikan panduan yang jelas tentang kapan harus melibatkan ahli sehingga rekan kerja tahu kapan AI memberikan rekomendasi dan kapan keputusan diambil oleh manusia.

5. Perluas komunitas praktik

• Berpegang pada para ahli dan kelompok sebaya. Contoh-contoh yang dibagikan seringkali mempercepat adopsi lebih cepat daripada pelatihan formal saja dan membantu alat-alat tersebut diterapkan secara luas di seluruh tim.

6. Ukur nilai dengan metrik yang bermakna

• Ukur hal-hal yang penting
  • Waktu siklus yang dihemat
  • Ketepatan dan perbaikan ulang
  • pola penggunaan
  • Kepercayaan dan kepuasan rekan kerja

• Gunakan sinyal-sinyal ini untuk menentukan di mana akan berinvestasi selanjutnya.

7. Mengarah ke industrialisasi yang bertanggung jawab

• Seiring dengan meningkatnya adopsi, perkuat pemantauan, pelacakan kinerja, dan tinjauan yang cepat. Praktik-praktik ini memastikan teknologi tetap andal dan pengalaman pengguna tetap dapat diandalkan.

Mengubah kemampuan menjadi keunggulan organisasi yang nyata

Kemampuan kecerdasan buatan (AI) berkembang dengan cepat, namun nilainya baru terasa ketika orang dapat menggunakannya dengan percaya diri dan hati-hati. Pengalaman kami menunjukkan: model memang penting, namun keterampilan manusia di sekitarnya lah yang membuka hasil yang diinginkan.

Organisasi yang sukses melakukan empat hal dengan baik:

1. Berinvestasi dalam pelatihan
2. Bantu karyawan membangun kepercayaan terhadap kecerdasan buatan (AI).
3. Ukur hasil yang bermakna
4. Hanya skalakan hal-hal yang terbukti memiliki dampak.
   

Kami akan terus memperluas penggunaan sehari-hari Copilot, menambahkan bantuan AI pada momen-momen kritis dalam alur kerja, dan mengotomatisasi beban operasional. Yang paling penting, kami akan melibatkan rekan-rekan kami dalam perjalanan ini — langkah demi langkah — karena bagi kami,kepedulian itu penting. AI hadir untuk meningkatkan pekerjaan mereka, dan bersama-sama kita dapat memberikan respons yang lebih cepat, komunikasi yang lebih jelas, dan hasil yang lebih baik bagi klien kami dan orang-orang yang mereka pedulikan.