การใช้ AI ช่วยทำให้งานมีความหมายมากขึ้นได้อย่างไร

เราจะยังคงโฟกัสกับสิ่งที่สำคัญจริงๆ ได้อย่างไรในโลกของการทำงานที่มีการเปลี่ยนแปลงรวดเร็วยิ่งขึ้นและมีข้อมูลมากจนล้นเกิน พบกับทีมแมชชีนเลิร์นนิ่งที่ใช้เทคโนโลยีล้ำสมัยเพื่อช่วยทำให้งานมีความหมายยิ่งขึ้น

การสื่อสารทางธุรกิจ | ใช้เวลาอ่าน 10 นาที
ai work meaningful - Workplace from Meta
สารบัญ

เทคโนโลยีอาจทำให้เราได้เชื่อมต่อถึงกันมากขึ้น ทำสิ่งต่างๆ ได้รวดเร็วและมีประสิทธิภาพมากกว่าเดิม แต่ก็อาจทำให้ปริมาณข้อมูลที่เราต้องจัดการนั้นเพิ่มขึ้นอย่างมหาศาลด้วยเช่นกัน มีการคาดการณ์กันว่า ในปีนี้จะมีการส่งอีเมลทางธุรกิจเป็นประจำทุกวันกว่า 1.2 แสนล้านฉบับ ขณะที่การทำงานแบบ 9 โมงเช้าถึง 5 โมงเย็นแบบเดิมๆ กลับกลายเป็นการทำงานแบบ 5 โมงเย็นถึง 9 โมงเช้ามากขึ้นเรื่อยๆ จากการที่โทรศัพท์ทำให้เราพร้อมติดต่อกับเพื่อนร่วมงานจากทั่วโลกได้ในทันที

ลองนึกภาพผู้ช่วยส่วนบุคคลที่ทำได้สารพัดนึกและพร้อมมอบสิ่งที่เราอยากได้ในเวลาที่ต้องการ

ลองนึกภาพผู้ช่วยส่วนบุคคลที่ทำได้สารพัดนึกและพร้อมมอบสิ่งที่เราอยากได้ในเวลาที่ต้องการ

ในอนาคต เทคโนโลยีจะช่วยสร้างประสบการณ์ที่มีความเฉพาะตัวมากยิ่งขึ้น แทนที่จะเพิ่มปริมาณข้อมูลที่เราต้องจัดการ ทั้งยังช่วยขจัดสิ่งรบกวนต่างๆ จนเหลือไว้เฉพาะสิ่งที่สำคัญ ความเกี่ยวข้องกับแต่ละบุคคลจะกลายเป็นปัจจัยที่สำคัญที่สุด

จัดการกับข้อมูลที่ไม่จำเป็น

จัดการกับข้อมูลที่ไม่จำเป็น

สิ่งนี้เป็นเป้าหมายของปัญญาประดิษฐ์ (AI) มาอย่างยาวนาน ลองลืมภาพการที่หุ่นยนต์เข้ามาแย่งงานจากมนุษย์เพิ่มมากขึ้นออกไป แล้วลองนึกภาพผู้ช่วยส่วนบุคคลทำได้สารพัดนึก คอยกลั่นกรองสิ่งละอันพันละน้อยต่างๆ ทั้งอีเมล คำเชิญเข้าร่วมประชุม ข้อความด่วน การแจ้งเตือน และการอัพเดตโปรเจ็กต์ เพื่อมอบสิ่งที่เราอยากได้ในเวลาที่เราต้องการ

ฟังดูเป็นเรื่องไกลตัวใช่ไหม อันที่จริง หากคุณใช้งาน Workplace อยู่ ก็ถือว่าคุณได้สัมผัสกับประสบการณ์นี้เรียบร้อยแล้ว

ข้อความที่เกี่ยวข้องกับผู้คนมากขึ้น

ข้อความที่เกี่ยวข้องกับผู้คนมากขึ้น

เป้าหมายของทีมแมชชีนเลิร์นนิ่งของ Workplace คือการทำให้แพลตฟอร์มมีความเกี่ยวข้องกับผู้ใช้ทุกรายให้ได้มากที่สุดเท่าที่จะเป็นไปได้ "นั่นหมายความว่า เมื่อคุณเข้าสู่ระบบ Workplace แพลตฟอร์มนี้จะช่วยให้คุณค้นพบสิ่งที่จำเป็นต่อการทำงานอย่างราบรื่น รวมถึงหมายความว่า คุณจะร่วมงานกับผู้อื่นได้ง่ายมากๆ และยังหมายความว่า คุณจะทำงานได้ดียิ่งขึ้นด้วย" Tamar Bar Lev ผู้จัดการฝ่ายวิศวกรรม ซึ่งเป็นหัวหน้าของทีมนี้กล่าว

"นั่นหมายความว่า เมื่อคุณเข้าสู่ระบบ Workplace แพลตฟอร์มนี้จะช่วยให้คุณค้นพบสิ่งที่จำเป็นต่อการทำงานอย่างราบรื่น"

"นั่นหมายความว่า เมื่อคุณเข้าสู่ระบบ Workplace แพลตฟอร์มนี้จะช่วยให้คุณค้นพบสิ่งที่จำเป็นต่อการทำงานอย่างราบรื่น"

แมชชีนเลิร์นนิ่งเป็นสาขาย่อยของ AI ที่ช่วยให้คอมพิวเตอร์เรียนรู้วิธีจัดการกับงานหลากหลายประเภทจากการมอบข้อมูลต่างๆ ลงในคอมพิวเตอร์โดยไม่จำเป็นต้องเขียนโปรแกรมลงไปอย่างชัดเจน

ทีมของ Bar Lev ทำงานด้านการรับมือกับปัญหาการจัดอันดับและการแนะนำ โดยมีหน้าที่ตรวจสอบให้แน่ใจว่าทุกครั้งที่คุณเข้าใช้งาน Workplace อัลกอริทึมจะนำเสนอโพสต์และการแนะนำต่างๆ ที่มีแนวโน้มจะเป็นประโยชน์ต่อคุณมากที่สุด ขณะเดียวกันก็ 'ลดอันดับ' สิ่งที่ไม่จำเป็นต่อคุณลง

ความเป็นไปได้ที่คาดการณ์ได้ช่วยปรับปรุงประสบการณ์ของผู้ใช้

ความเป็นไปได้ที่คาดการณ์ได้ช่วยปรับปรุงประสบการณ์ของผู้ใช้

แมชชีนเลิร์นนิ่งขั้นสูงต้องอาศัยขุมพลังในการประมวลผลข้อมูลดิบ "เราฝึกฝนโมเดลโดยใช้ตัวอย่างที่ผ่านๆ มา" Bar Lev อธิบาย "เรานำข้อมูลลักษณะพฤติกรรมในอดีตของผู้ใช้และวิธีการที่คนเหล่านี้โต้ตอบกับผลิตภัณฑ์ต่างๆ มาป้อนให้กับโมเดล โดยเมื่อมีข้อมูลมากพอ โมเดลก็จะสามารถเรียนรู้วิธีคาดการณ์ความเป็นไปได้ของเหตุการณ์ต่างๆ ได้ หลังจากนั้น เราก็จะสามารถนำความเป็นไปได้ที่คาดการณ์ไว้แล้วเหล่านี้ไปใช้ตัดสินใจได้ว่าเรื่องราวและการแนะนำใดที่เหมาะสมที่จะแสดงให้ผู้ใช้แต่ละรายเห็นมากที่สุด"

"เรานำความเป็นไปได้ทั้งหมดนี้มารวมกันจนกลายเป็นคะแนนตัดสิน โดยเราจะนำเสนอโพสต์ที่มีคะแนนสูงสุดเป็นลำดับแรก"

"เรานำความเป็นไปได้ทั้งหมดนี้มารวมกันจนกลายเป็นคะแนนตัดสิน โดยเราจะนำเสนอโพสต์ที่มีคะแนนสูงสุดเป็นลำดับแรก"

กระบวนการเบื้องหลังที่ซับซ้อนนี้จะเริ่มต้นทำงานทุกครั้งที่คุณเปิด Workplace ขึ้นมา "สำหรับฟีดข่าว [หัวใจสำคัญของ Workplace ที่แสดงโพสต์และการแนะนำต่างๆ เมื่อผู้ใช้เลื่อนดูเนื้อหา] เราจะดึงโพสต์จำนวนมากจากผู้คนที่คุณติดตาม ผู้คนในทีมของคุณ รวมถึงผู้คนจากกลุ่มต่างๆ ที่คุณเข้าร่วม" Bar Lev อธิบาย

"จากนั้น เราจะวิเคราะห์คุณลักษณะบางอย่างของแต่ละโพสต์ เช่น จำนวนครั้งที่คุณคลิกที่โพสต์หนึ่งของผู้ใช้รายนั้นๆ ในช่วง 7 วันที่ผ่านมา แล้วป้อนข้อมูลนั้นให้กับอัลกอริทึม ซึ่งจะทำให้เราได้รับความเป็นไปได้บางอย่าง เช่น มีความเป็นไปได้แค่ไหนที่คุณจะแสดงความคิดเห็น"

"มีความเป็นไปได้แค่ไหนที่คุณจะถูกใจ หรือแสดงความรู้สึกต่อเนื้อหานั้น เรานำความเป็นไปได้ทั้งหมดนี้มารวมกันจนกลายเป็นคะแนนตัดสิน แล้วเรียงลำดับโพสต์ทั้งหมดจากคะแนนสูงสุดไปต่ำสุด ซึ่งในที่สุด โพสต์ที่มีคะแนนสูงสุดจะปรากฏให้เห็นเป็นลำดับแรก"

ทำให้งานมีความหมายมากขึ้น

ทำให้งานมีความหมายมากขึ้น

แม้ AI อาจดูไม่เหมือนกับภาพที่ฮอลลีวูดวาดฝันเอาไว้ (หรือเตือนให้คุณรู้ถึงอันตราย) แต่นี่คือความก้าวหน้าของแมชชีนเลิร์นนิ่ง ซึ่งขับเคลื่อนด้วยประสบการณ์จากการวิจัยผู้บริโภคของ Facebook เป็นเวลาหลายปี "เราไม่ได้เริ่มต้นการจัดอันดับฟีดข่าวบน Workplace จากศูนย์เลยทีเดียว" Bar Lev กล่าว "แต่เราเรียนรู้หลายๆ สิ่งจากประสบการณ์หลายปีในการพัฒนาฟีดข่าวบน Facebook ให้กับผู้บริโภค เรารู้ว่าอะไรที่ใช้ได้ผลและไม่ได้ผล ซึ่งความท้าทายในเรื่องนี้คือการทำให้มันเหมาะกับบริบทของการทำงาน"

เราต้องการทำให้แน่ใจว่า เมื่อคุณกลับเข้าสู่ Workplace เพื่อทำงานในวันถัดไป คุณจะไม่พลาดสิ่งใดๆ ที่สำคัญกับงานของคุณ

เราต้องการทำให้แน่ใจว่า เมื่อคุณกลับเข้าสู่ Workplace เพื่อทำงานในวันถัดไป คุณจะไม่พลาดสิ่งใดๆ ที่สำคัญกับงานของคุณ

ยกตัวอย่างเช่น "เราไม่อยากให้คุณพลาดสิ่งสำคัญไป เมื่อคุณทำงานของวันนั้นเสร็จแล้วกลับมาที่ Workplace ในเช้าวันถัดไป หรือหลังจากหยุดยาวช่วงสุดสัปดาห์ เราต้องการทำให้แน่ใจว่าคุณจะไม่พลาดสิ่งใดที่สำคัญกับงานของคุณ การทำความเข้าใจว่าควรแสดงโพสต์ใดบ้างในกรณีเช่นนี้เป็นประเด็นที่แตกต่างกันอย่างลิบลับเมื่อเทียบกับการทำความเข้าใจว่าควรแสดงโพสต์ใดบ้างบน Facebook ของผู้บริโภคเมื่อคุณเปิดแอพ Facebook ขึ้นมาในแต่ละครั้ง"

กราฟการทำงานและการเชื่อมต่อบน Workplace ที่ดียิ่งขึ้น

กราฟการทำงานและการเชื่อมต่อบน Workplace ที่ดียิ่งขึ้น

ประเด็นที่น่าตื่นเต้นคือ สิ่งเหล่านี้เป็นเพียงจุดเริ่มต้นของ AI เท่านั้นและส่วนหนึ่งของ AI (อาทิ อัลกอริทึม) เองก็เรียนรู้ได้อย่างรวดเร็ว ในขณะที่ Facebook สร้าง "กราฟสังคม" ของผู้คนต่างๆ ซึ่งเป็นเครือข่ายเพื่อน ครอบครัว และความสนใจที่เชื่อมโยงถึงกัน ทีมวิศวกรของ Bar Lev ก็กำลังพัฒนา "กราฟการทำงาน" ซึ่งเป็นแนวทางที่อาจสร้างความเปลี่ยนแปลงในรูปแบบของ Workplace เองด้วยเช่นกัน

"คำถามหนึ่งที่เราครุ่นคิดอยู่คือ เราจะทำให้การเชื่อมต่อทั้งหมดของคุณมีความหมายยิ่งขึ้นได้อย่างไร เราอยากสำรวจว่าการที่คุณติดตามใครสักคนหนึ่งนั้นมีความหมายมากน้อยแค่ไหน คุณจะได้พบคนคนนั้นในอนาคตไหม คุณจะได้ร่วมงานกิจกรรมเดียวกันไหม"

"เวลาที่เราพิจารณาเกี่ยวกับเพื่อนร่วมงานที่คุณโต้ตอบด้วยมากที่สุด เราต้องการรู้ว่าคุณจะทำงานร่วมกับคนเหล่านั้นผ่านช่องทางอย่าง Quips หรือ Google Drive ไหม ได้พูดคุยกับคนเหล่านี้ไหม หรือได้แสดงความคิดเห็นบนโพสต์ของพวกเขาไหม เราอยากทำความเข้าใจเครือข่ายของคุณ เพื่อที่จะได้รู้ว่าสิ่งใดสำคัญกับคุณเมื่อต้องแนะนำสิ่งต่างๆ หรือนำเสนอเรื่องราวที่ผ่านการจัดอันดับให้คุณเห็น"

สิ่งที่จะตามมาก็คือ "ทั้งหมดนี้หมายความว่า งานของคุณจะมีประสิทธิภาพยิ่งขึ้น คุณจะรู้สึกว่าตัวเองทำงานได้ช้าลงเมื่อไม่มี Workplace และคุณอาจรู้สึก... คิดถึง Workplace"

บทความนี้มีประโยชน์หรือไม่
ขอบคุณสำหรับความเห็นของคุณ

โพสต์ล่าสุด

การสื่อสารทางธุรกิจ | ใช้เวลาอ่าน 10 นาที

สรุปงาน F8 2018 จากมุมมองของเรา

วิศวกร ผู้พัฒนา และพาร์ทเนอร์ของ Workplace ต่างมาพบปะกันที่งาน F8 เพื่อเปิดตัวหลากหลายการผสานการทำงานใหม่ๆ สำหรับ Workplace

ผลิตภาพ | ใช้เวลาอ่าน 3 นาที

ระบบอัตโนมัติสำหรับกระบวนการทางธุรกิจคืออะไร

เมื่อพูดถึงการสร้างระบบอัตโนมัติให้กับกระบวนการทางธุรกิจ ผู้คนให้ความหมายกับสิ่งนี้ว่าอย่างไร และที่สำคัญไปกว่านั้น ระบบอัตโนมัติสามารถกระตุ้นผลิตภาพได้อย่างไร

การทำงานเป็นทีม | ใช้เวลาอ่าน 3 นาที

วิธีทำให้พนักงานเล็งเห็นถึงประโยชน์ของระบบการทำงานอัตโนมัติ

ความก้าวหน้าของปัญญาประดิษฐ์ (AI) และแมชชีนเลิร์นนิ่งส่งผลต่อการทำงานเป็นทีมอย่างไรบ้าง เรามาสำรวจสิ่งนี้ไปพร้อมๆ กัน