当企业谈论人工智能时，讨论往往集中在模型、平台或技术投资上。然而，真正改变员工日常生活的用途有时要温和得多。
在 Deel，首次大规模采用的自动化并不涉及大型 IT 项目或大型转型计划。他们专注于准备客户会议、在每次通话后撰写报告、对内部警报进行排序，甚至记录事件。
“单独来看，这些都是细节。从头到尾，这占了团队时间的 60% 到 70%。我们只能通过观察现场的实际工作来发现它们，而不是通过指导委员会，”Deel 客户运营总监 Anne-Lise Bouaziz-Klotz 解释道。
这一观察揭示了当今人工智能应用中最有趣的现象之一。最具变革性的用途不再一定出现在 IT 部门。它们尽可能贴近运营，员工每天都会积累数百次微摩擦，而组织其他部门则看不到这些摩擦。
在人工智能出现之前，技术创新遵循着相对稳定的路径。业务部门制定需求，IT 部门选择技术，管理项目，然后组织部署。创新是罕见的、昂贵的并且很大程度上是集中的。
生成式人工智能正在改变这种平衡。
技术稀有性的终结
长期以来，发展能力是主要的限制因素。公司可以发现许多自动化机会，但没有资源将其变为现实。每个项目都需要决策、预算和专业团队。
生成式人工智能深刻地改变了这个方程式。非技术员工第一次可以自己构建能够满足日常需求的工具。困难不再主要在于构建解决方案。它在于确定需要解决的问题。
然而，这些知识在技术团队中却很少见；它属于每天面临运营难题的员工。
在Nabla，这种动力很早就出现了。最初的用途并非来自 IT 部门开发的技术路线图。他们出现在市场营销团队中，面临着一个极其具体的限制：在客户会议期间做笔记。
“第一个具体用例来自市场推广团队：在客户通话期间记笔记。问题很简单：记笔记会分散注意力，降低倾听客户意见的质量，并且需要投入大量时间进行写作，”Nabla 联合创始人兼首席运营官 Delphine Groll 解释道。
这种用法看起来几乎是平庸的，但这正是它的有趣之处。价值并非来自技术实力，而是来自解决那些面临问题的人所发现的日常问题。
一旦进行了第一次示威，运动就加速了。 “这个用例作为内部演示。一旦团队看到人工智能可以具体解决什么问题，可能性的领域自然就打开了，”Delphine Groll 继续说道。
商业知识成为技术优势
人工智能的悖论之一是，它在使技术获取民主化的同时，也增加了商业知识的价值。
几十年来，稀有技能是对技术工具的掌握。如今，这种罕见的现象正逐渐走向对过程的详细了解。生成模型已经知道如何编写、综合、研究或分析。另一方面，他们不知道如何自行识别组织的刺激因素或了解哪些任务不必要地浪费时间。
这些知识仍然深深植根于专业领域。这正是 Anne-Lise Bouaziz-Klotz 在 Deel 观察到的情况。她认为，最有用的举措并不符合传统上由技术功能驱动的大型项目。
“IT 部门优先考虑大型平台项目。我们已经自动化了日常生活中那些看不见的小摩擦：每个客户呼叫后的报告、内部警报的排序、错误的记录或确定要向其提交问题的团队。”
因此，人工智能似乎是一种特别适合优化实际工作的技术，这些工作发生在正式流程之间，并且通常在组织结构图和 IT 路线图中不可见。
支持功能成为第一个人工智能实验室
这一发展解释了为什么今天一些最先进的实验出现在很少与技术创新相关的部门。
人力资源、客户支持、运营和营销是新一代工具的首批受益者。这些功能很大程度上依赖于分析、综合、信息检索和协调。生成模型为许多任务提供了直接价值。
在 Deel，第一个大规模采用的用途涉及自动监控工资单或有风险的入职、准备客户会议、起草电子邮件，甚至为经理生成每日简报。
Anne-Lise Bouaziz-Klotz 总结道：“人工智能很快就被采用了，因为它取代了数小时的手工工作。”
在 Nabla，这种活力也蔓延到整个组织。团队逐渐采用自动化笔记工具、ChatGPT 或 Claude 等对话助手，以及销售团队的不同对话智能解决方案。集成到 Slack 或 Notion 中的人工智能功能已连接到现有的工作环境，以简化对信息和某些日常任务的访问。
创新不再仅仅从技术团队到业务线，而是从现场上升到组织。
新一代建设者
这种演变正在逐渐改变职业的本质，因此在迪尔的客户成功团队中，随着自动化程度的提高，这一角色开始演变。
“以前，客户成功经理花时间执行：传输请求、跟进、撰写报告。如今，人工智能准备工作、电子邮件草稿、报告、丰富的警报，然后由人工进行验证和决定。”
这种变化是重大的，价值不再注重执行，而更多地注重判断、客户关系和决策。
更有趣的是，团队逐渐对自己的自动化负责。
“我建造它们，然后训练它们，让它们变得栩栩如生，”Anne-Lise Bouaziz-Klotz 解释道。
在 Nabla，这种发展甚至导致了新功能的出现。
“我们创建了新的角色，例如即时工程师或 AI 主管，”Delphine Groll 解释道。前者设计并评估公司产品中使用的提示。后者直接与业务团队合作，构建满足其运营需求的代理。
因此，人工智能不再满足于增强现有职业。它已经为组织内新专业的出现做出了贡献。
IT部门角色转变
然而，这种动态并不意味着 IT 部门的衰落。相反，它们的重要性甚至可能会增加。简而言之，他们的角色正在演变。到目前为止，他们负责构建系统，明天他们将更加负责他们的编排。
随着企业变得更加自主，安全、数据治理、法规遵从性、架构或访问策略变得更加关键。
人们创建的代理和工作流程越多，对通用框架的需求就越明显。 IT 部门逐渐不再是创新的唯一生产者，而是成为创新一致性的保证者。
这种发展在受到严格监管的行业尤其明显。 “我们在医疗保健领域开展业务，这是一个高度敏感和受监管的行业。这涉及安全团队的验证周期，有时会延长部署时间。这本身并不是一种阻碍，而是一种必须整合的结构性约束，”Delphine Groll 强调道。
创新的新格局
从纳布拉和迪尔收集的证词都集中在相同的观察上。最相关的用途不一定是在重大战略规划活动中想象的用途。
它们通常是由于日常的挫折、操作上的刺激或团队自己确定的重复性任务而出现的。
“最好的想法不是来自单个团队或领导层。它们来自那些测试、培训和提出正确问题的人，”Delphine Groll 评论道。
Anne-Lise Bouaziz-Klotz 在解释最好的自动化直接源于该领域遇到的困难时提出了类似的想法。
“管理层提供愿景并释放手段。企业识别问题并构建解决方案。»
这种趋同可能是最重要的信号。几十年来，企业一直将技术视为一种集中化能力。人工智能似乎引入了一种不同的模式，其中创新首先从专业领域出现，然后在组织规模上进行构建。
因此，问题不再只是采用什么技术。这就变成了：我们如何才能让最了解问题的员工自己构建部分解决方案？
几十年来，数字化创新已经从企业的中心流向外围。人工智能似乎正在走相反的道路。
它现在诞生于发现公司日常问题的领域，然后在组织规模上逐步产业化。
