机智体
想充分利用人工智能?像对待人类员工一样对待它吧

想充分利用人工智能?像对待人类员工一样对待它吧
Mike Murchison
/
Tyde

2024-06-08
#转型#方法
最新的AI代理会犯错,但它们具备学习和成长的潜力。像管理人类员工一样管理AI代理,给予指导和反馈,可以显著提升它们的效率,带来持久回报。

最新的人工智能代理具备惊人的成长和进化能力——只要我们学会纠正它们的错误。

我们的新AI工具和助手犯过一些严重错误。它们曾自信满满地提供错误建议,被引诱参与可疑交易,制造尴尬局面,甚至变得极其粗鲁。尽管这些失误是少数,但一旦发生,互联网会大肆宣扬。我们喜欢贬低那些犯错的AI。

但这是个大错特错。这种冲动部分源于我们感到被AI威胁。但我认为这也暴露了一个深刻的误解:我们仍把AI代理视为无法像人类员工一样真正成长和改进的机器。因此,我们嘲笑它们的错误——就像指出被困在角落里的扫地机器人那样指出它们的缺点。

事实上,我们已经到了一个重要的拐点。今天的AI代理不是静止不变的。如果我们花时间教导它们,它们可以成长和学习。更重要的是,每家公司都具备自己教导AI代理的能力。

你不需要机器学习的博士学位。事实上,我遇到过成百上千的AI代理管理者,他们从未写过一行代码。他们知道的是人类如何工作,以及如何最好地管理人类。他们明白这些原则现在同样适用于AI代理。

管理的黄金法则

最好的管理者知道,人类错误是学习过程中的一个恒定且必要的部分。要让员工真正发挥潜力,需要给他们自由去突破界限、试验,甚至失败。期望新员工从不出错不仅不现实——也没有生产力。优秀的管理者明白,犯错和成长是相辅相成的。

同时,出色的管理者也明白,并不总是员工需要被纠正。有时需要调整的是管理者的入职培训、培训或反馈方法。大公司因为员工误解政策或流程而损失数千万美元。然而,高绩效管理者不会自动指责员工;相反,他们将这些错误作为反思和改进的起点。

这些原则现在同样适用于AI代理。它们并不是作为完成品到达的。而是(就像人类一样),它们需要入职培训和学习机会来了解新工作。它们需要反馈。它们需要指导。简而言之,管理者正在发现AI代理需要同样的宽容,就像人类员工一样。

抓住"教育时刻"

假设你在银行工作,正在培训一位AI客服。你已经把所有员工用来学习公司政策和流程的文件上传给了AI代理(这些文件瞬间被读取并消化)。公司博客和不断更新的产品细节也可以通过提供相关的链接地址让AI访问。

然后,当AI准备好开始与客户互动时,它难免会犯第一个错误。这是你的机会,让它变得更好。

例如,解释如何开设新支票账户时,可能会对寻求快速答案的客户显得过于冗长。这不是致命的缺陷,而是一个教育时刻。直接反馈——“请简短回答”——会带来即时、明显的改进。

每次AI的反应都可以被调整和优化,随着时间的推移,效果迅速显现。我见过一些管理者,他们花时间培训AI,让一个热心的“实习生”在几个月内变成经验丰富的专业人士。

真正的转变在于认识到这些AI是什么:容易犯错但渴望学习的员工。如果我们给它们机会,它们会学得很快。

纠正AI错误的好处

这种思维转变的好处多多。在客户服务领域,培训人类员工花费的时间和金钱通常回报有限。我们每年几乎损失一半的新员工,资源流失严重。

相比之下,AI代理不会离开。每一分投入到AI培训的努力都会不断回报。而且,这些回报迅速扩展——领先的在线投资平台Wealthsimple的一位副总裁最近估计,她的AI代理相当于十个全职人类员工的生产力。这使得人类员工能够专注于更复杂且需要人类处理的服务。

高质量的人类管理与更高的市值直接相关。高质量的AI管理也会带来积极效果。AI代理永不遗忘,也不会离开,管理努力可以扩展和共享。

但好处不仅限于能干的AI代理。因为AI需要人类管理和反馈才能成功,它不仅不会只夺走工作——还会创造新的、更好的工作。我见过一线客服人员管理AI,使他们对公司有了新的归属感。

事实上,学会管理AI代理的管理者正在变得不可或缺。他们学会了使用一种能提升公司其他部门生产力的工具。

人人都是管理者

这种变化不仅限于少数角色。从现在开始,几乎每个人都会成为AI管理者。我们都会有AI代理为我们工作,提升我们的生产力。这意味着,我所描述的这种思维转变——将AI代理视为可教、不断进化的同事——将广泛普及,不再仅限于高管层。

随着新范式的确立,AI代理会变得和我们的努力一样智能。

这一切从给予AI代理与人类同样的礼遇开始——理解每个人(和每个机器人)都会犯错。然后,我们做优秀管理者该做的事情:指导、培训并扫清障碍。毕竟,它们是学习机器,只等待下一课,让它们再次飞跃。而这正是我们的职责所在。

喜欢这篇内容?

如果文章对你有帮助,可以请作者喝杯咖啡。感谢支持

由Stripe提供安全支付 • 支持支付宝和信用卡

相关推荐

麦肯锡智能体项目实战关键与避坑指南

麦肯锡智能体项目实战关键与避坑指南

#转型#方法 #智能体

基于一线实践项目,McKinsey总结了成功部署的六大要素,涵盖工作流设计、技术选型与组织协同。确保AI投资获得真实回报

AI视频生成技术解析:从扩散模型到Transformer架构

AI视频生成技术解析:从扩散模型到Transformer架构

#方法 #技术

你知道从文字生成视频的技术背景吗?本文以通俗语言带你了解扩散模型等高效、连贯视频创作的底层原理与未来趋势

Shopify如何构建生产就绪的智能体系统

Shopify如何构建生产就绪的智能体系统

#方法 #智能体

将AI智能体从“能用”原型推向“好用”产品,关键在建立集分层架构、全面评估与用户信任于一体的系统化构建范式

如何为 AI 智能体编写高效工具

如何为 AI 智能体编写高效工具

#方法 #技术

Anthropic 团队分享为智能体编写高质量工具并评估的原则与方法,探讨如何利用 AI 自身优化工具和适应新开发模式

如何让 Claude Code 成为领域特定编码专家

如何让 Claude Code 成为领域特定编码专家

#方法 #技术

LangChain解析了将Claude Code变身领域编码专家的关键:提供精炼的“心智模型”以指导AI,而非仅让其访问海量文档

机智体

机智体主要围绕人工智能、智能体和具身智能等深科技,观察技术发展趋势、商业应用和社会影响。精选各大英文媒体文章和有影响的意见领袖观点,主要基于机器翻译 + 人工审阅而成。

© 2026 机智体 观机于智 · 见体于行