บริษัทคุณมีสมองอยู่แล้ว เพียงแต่มันกระจัดกระจายอยู่ตาม Slack, Gong, HubSpot และคนที่วันนี้ลาหยุด
นั่นคือสิ่งที่คนมักมองข้ามเวลาพูดถึงสมองของบริษัท
คุณค่าไม่ได้อยู่ที่โฟลเดอร์ขนาดใหญ่ที่รวบรวมความรู้ของบริษัท บริษัททุกแห่งก็มีสิ่งนั้นอยู่แล้ว
ข้อได้เปรียบที่แท้จริงคือเลเยอร์ทางปัญญาที่คอยประสานระหว่างบริบททั้งหมดนั้นกับงานที่ทีมของคุณต้องทำให้สำเร็จ
สมองของบริษัทไม่ได้มีประโยชน์เพราะมันจดจำได้มากกว่า มันมีประโยชน์เมื่อมันรู้ว่าควรดึงอะไรออกมา ควรเชื่อถืออะไร ใครเห็นได้บ้าง และจะเปลี่ยนข้อแก้ไขให้กลายเป็นงานที่ดีขึ้นได้อย่างไร
เราได้เรียนรู้บทเรียนนี้อย่างยากลำบากที่ Single Grain
ตอนที่เราเริ่มสร้างกองทัพเอเยนต์ภายใน สิ่งแรกที่นึกถึงคือความทรงจำ ให้เอเยนต์ทุกตัวมีบริบทมากขึ้น บันทึกโน้ตที่มีประโยชน์ เก็บถอดความการประชุม ปล่อยให้ระบบจำสิ่งที่มนุษย์มักลืม
มันใช้ได้ผลประมาณสามสัปดาห์ จากนั้นความทรงจำก็กลายเป็นคอขวดเสียเอง
ไฟล์ความทรงจำถาวรของเราเริ่มกินพื้นที่หน้าต่างบริบทไปประมาณ 40% เอเยนต์มีข้อมูลมากขึ้น แต่ก็ไม่ได้ดึงข้อมูลที่ถูกต้องในเวลาที่เหมาะสมเสมอไป
ระบบในทางเทคนิคฉลาดขึ้น แต่ในทางปฏิบัติกลับยุ่งเหยิงมากขึ้น
นี่คือระบบ 5 ชั้นที่เราใช้เพื่อแก้ไขปัญหานี้:
เวอร์ชันที่พัง:
วงจรนั้นขยายขนาดไม่ได้
มนุษย์กลายเป็นตัวกำหนดเส้นทาง ผลลัพธ์ของเอเยนต์ทุกตัวขึ้นอยู่กับว่ามีใครจำการสนทนาที่ถูกต้องได้หรือไม่ คัดลอกโน้ตที่ถูกต้องหรือแปะบริบทที่ถูกต้อง หรือแก้ไขข้อผิดพลาดเดิมเป็นครั้งที่ห้า
ดังนั้นเราจึงสร้างระบบขึ้นมาใหม่บนแนวคิดที่แตกต่าง
ความทรงจำคือวัตถุดิบ การดึงข้อมูลคือชั้นการทำงาน
เวอร์ชันที่ใช้งานได้จริงจะมีหน้าตาประมาณนี้:
การเปลี่ยนแปลงเพียงครั้งเดียวฟังดูเล็กน้อย แต่มันเปลี่ยนแปลงวิธีการทำงานของทั้งบริษัท
ที่ SG สิ่งนี้กำลังทำงานอยู่แล้วในเวิร์กโฟลว์จริง เรามีความทรงจำถาวรกว่า 500K โทเค็น, งาน cron รายวันกว่า 90 รายการ, เอเยนต์เฉพาะทางหลายตัว และการขายทางโทรศัพท์อีกนับพันที่ป้อนเข้าสู่ระบบ
แหล่งข้อมูลชุดหนึ่งประกอบด้วยบันทึกการสนทนา Gong จำนวน 2,862 รายการที่ถูกเปลี่ยนเป็นคู่มือการดำเนินงาน ในตัวอย่างการดึงข้อมูลรายวันหนึ่งครั้ง การสนทนา 15 ครั้งสร้างข้อมูลเชิงลึก 390 รายการ ข้อเท็จจริง 470 รายการ และกรอบแนวคิด 125 รายการ
นั่นไม่สำคัญเพราะตัวเลขมันมาก มันสำคัญเพราะระบบสามารถเปลี่ยนขยะที่กระจัดกระจายของบริษัทให้กลายเป็นความฉลาดในการปฏิบัติงานที่นำกลับมาใช้ใหม่ได้
การสนทนาหนึ่งครั้งไม่ได้เป็นเพียงแค่การสนทนาอีกต่อไป มันกลายเป็น:
- คลังข้อมูลการคัดค้าน
- ข้อมูลป้อนเข้าสำหรับการฝึกอบรมการขาย
- สัญญาณการวางตำแหน่ง
- แหล่งที่มาของไอเดียเนื้อหา
- ธงความเสี่ยงใน CRM
- คำสั่งเอเยนต์ในอนาคต
สมองของบริษัทควรเปลี่ยนความรู้ให้เป็นการดำเนินการที่ดีขึ้น
ลองคิดถึงสถาปัตยกรรมในห้าชั้นนี้
ชั้นที่ 1: การจัดเก็บ (Capture)
นี่คือจุดที่ทีมส่วนใหญ่มักจะเริ่มต้น และก็เป็นจุดที่พวกเขามักจะหยุดเช่นกัน
พวกเขาบันทึกการประชุม ถอดความการสนทนา บันทึกเธรด Slack ทิ้งเอกสารลงในฐานข้อมูลเวกเตอร์ แล้วเรียกมันว่าสมอง
นั่นคือหน่วยจัดเก็บ ไม่ใช่สมอง
การจัดเก็บสำคัญเพราะคุณต้องการวัตถุดิบ แต่วัตถุดิบไม่ได้ตัดสินใจ มันไม่ได้จัดลำดับความสำคัญ มันไม่รู้ว่าข้อเท็จจริงไหนเก่า โน้ตไหนเป็นความลับ หรือแหล่งข้อมูลไหนควรชนะเมื่อเอกสารสองฉบับขัดแย้งกัน
ที่ Single Grain การจัดเก็บรวมถึงการสนทนา, กิจกรรมใน CRM, การตัดสินใจด้านเนื้อหา, SOP ภายใน, ผลลัพธ์ของเอเยนต์, บันทึกประจำวัน และการแก้ไขจากมนุษย์ ประเด็นไม่ใช่การกักตุนข้อมูลมากขึ้น ประเด็นคือการทำให้พื้นผิวการทำงานฉลาดขึ้นทุกสัปดาห์
ชั้นที่ 2: การดึงข้อมูล (Retrieval)
การดึงข้อมูลคือจุดที่ระบบเริ่มมีประโยชน์
เอเยนต์ไม่จำเป็นต้องรู้ประวัติศาสตร์ทั้งหมดของบริษัท มันต้องการบริบท 6 ชิ้นที่สำคัญสำหรับงานที่อยู่ตรงหน้า
ถ้ามันกำลังร่างอีเมลขาออก มันต้องการ ICP, ข้อเสนอ, ข้อคัดค้าน, ผลงานแคมเปญก่อนหน้า, เสียงของแบรนด์ และเป้าหมายของแคมเปญปัจจุบัน
ถ้ามันกำลังตรวจสอบไปป์ไลน์ มันต้องการการเปลี่ยนแปลงระยะดีล, บัญชีที่หยุดนิ่ง, บันทึกการสนทนาล่าสุด, ข้อคัดค้าน, ขั้นตอนถัดไป และสิ่งที่ CRM บอกในตอนนี้
ถ้ามันกำลังเขียนเนื้อหา มันต้องการมุมมองที่แท้จริงของเรา, ผลงานล่าสุด, ข้อความที่ได้รับการอนุมัติ, ตัวอย่างที่เราเคยใช้แล้ว และเลเยอร์หลักฐานของบทความนั้นๆ
นี่คือจุดที่ระบบ AI จำนวนมากล้มเหลวอย่างเงียบๆ พวกมันดูฉลาดในการสาธิตเพราะบริบทถูกป้อนให้ด้วยตนเอง แต่แล้วพวกมันก็พังทลายในการใช้งานจริงเพราะไม่มีใครสร้างชั้นการดึงข้อมูลไว้
ชั้นที่ 3: ความจริงจากแหล่งข้อมูล (Source Truth)
เมื่อเอเยนต์ของคุณสามารถดึงบริบทได้แล้ว ปัญหาต่อไปคือความน่าเชื่อถือ
แหล่งข้อมูลไหนชนะ?
การสนทนาการขาย? ฟิลด์ใน CRM? การแก้ไขใน Slack? SOP เก่า? รายงานประจำสัปดาห์ล่าสุด? ข้อความเสียงล่าสุดของผู้ก่อตั้ง?
ถ้าคุณไม่ตอบคำถามนั้น เอเยนต์ของคุณจะกลายเป็นผู้โกหกที่มีความมั่นใจและฟอร์แมตดีกว่า
เราต้องปฏิบัติต่อลำดับชั้นของแหล่งข้อมูลในฐานะปัญหาการออกแบบการดำเนินงาน แหล่งข้อมูลบางแห่งเป็นความจริงสด บางแห่งเป็นบริบททางประวัติศาสตร์ บางแห่งเป็นแรงบันดาลใจ บางแห่งไม่ควรถูกใช้ในเนื้อหาสาธารณะเลย บางแห่งสามารถแจ้งรูปแบบได้แต่ไม่สามารถอ้างอิงได้
ความแตกต่างนั้นสำคัญยิ่งขึ้นเมื่อสมองของบริษัทเติบโตขึ้น
คำตอบที่ดีจากระบบ AI จะต้องแม่นยำและตระหนักถึงแหล่งที่มา
ชั้นที่ 4: สิทธิ์การเข้าถึง (Permissions)
ความฉลาดของบริษัทจะกลายเป็นอันตรายเมื่อเอเยนต์ทุกตัวสามารถเห็นทุกสิ่ง
เอเยนต์การตลาดไม่จำเป็นต้องเห็นรายละเอียด HR ส่วนตัว เอเยนต์เนื้อหาไม่จำเป็นต้องเห็นข้อมูลทางการเงินของลูกค้า เอเยนต์การขายไม่จำเป็นต้องเห็นบันทึกภายในของฝ่ายบริหารทุกฉบับ
สมองของบริษัทที่แท้จริงจำเป็นต้องมีสิทธิ์การเข้าถึงในระดับเวิร์กโฟลว์ ระบบควรรู้ว่างานหนึ่งๆ ได้รับอนุญาตให้ใช้อะไรได้บ้างก่อนที่จะเริ่มสร้างคำตอบ
นี่เป็นสิ่งสำคัญโดยเฉพาะสำหรับเอเจนซีและบริษัทที่ให้บริการ คุณมีบริบทของลูกค้า บริบทภายใน บริบทของลูกค้าเป้าหมาย บริบททางการเงิน และบริบทเชิงกลยุทธ์ที่อยู่ใกล้กัน ถ้าคุณไม่สร้างขอบเขตการอนุญาตตั้งแต่เนิ่นๆ คุณจะเกิดการรั่วไหลหรือทำให้ระบบอ่อนแอลงจนไร้ประโยชน์
เป้าหมายไม่ใช่สมองใหญ่ก้อนเดียวที่ไร้กำแพง เป้าหมายคือสมองที่เหมาะสมสำหรับเวิร์กโฟลว์ที่ถูกต้อง
ชั้นที่ 5: วงจรป้อนกลับ (Feedback Loops)
นี่คือชั้นที่ทำให้ระบบทวีคูณ
ทุกครั้งที่มนุษย์แก้ไขเอเยนต์ การแก้ไขนั้นควรกลายเป็นพฤติกรรมในอนาคต
ถ้าเอเยนต์ใช้วลีที่แข็งทื่อ กฎเกี่ยวกับน้ำเสียงควรได้รับการอัปเดต ถ้ามันอ้างถึงตัวอย่างที่ไม่ปลอดภัย กฎเกี่ยวกับแหล่งข้อมูลควรได้รับการอัปเดต ถ้ามันพลาดสัญญาณความเสี่ยงใน CRM การสแกนไปป์ไลน์ควรได้รับการอัปเดต ถ้ามันกำหนดเส้นทางงานไปผิดที่ กฎเกี่ยวกับเวิร์กโฟลว์ควรได้รับการอัปเดต
นี่คือจุดที่ความฉลาดของบริษัทเปลี่ยนเป็นการเรียนรู้ของบริษัท
หากไม่มีวงจรป้อนกลับ คุณก็แค่ดูแลซอฟต์แวร์
ด้วยวงจรป้อนกลับ ทุกการแก้ไขจะกลายเป็นตัวแทนฝึกอบรมสำหรับระบบปฏิบัติการทั้งหมด
นี่คือการตรวจสอบที่ผมจะทำถ้าผมกำลังสร้างสิ่งนี้ภายในบริษัทในวันพรุ่งนี้:
การทดสอบที่เร็วที่สุดนั้นง่าย
เลือกเวิร์กโฟลว์ที่เกิดขึ้นซ้ำๆ ซึ่งทำให้เสียเวลาอยู่แล้ว รายงานประจำสัปดาห์ การตรวจสอบไปป์ไลน์ การร่างเนื้อหา การติดตามผลการขาย การเริ่มต้นทำงานกับลูกค้า การสร้างข้อเสนอ
จากนั้นถามคำถาม 6 ข้อ:
1. เวิร์กโฟลว์นี้ขึ้นอยู่กับแหล่งข้อมูลใดบ้าง? 2. แหล่งข้อมูลใดคือความจริงเมื่อเกิดความขัดแย้ง? 3. บริบทใดที่เอเยนต์ต้องการทุกครั้ง? 4. บริบทใดที่เอเยนต์ไม่ควรเห็น? 5. การแก้ไขโดยมนุษย์ส่วนใดที่เกิดขึ้นซ้ำๆ? 6. การแก้ไขหนึ่งครั้งกลายเป็นกฎในอนาคตได้อย่างไร?
ถ้าคุณไม่สามารถตอบคำถามเหล่านี้ได้ แสดงว่าคุณยังไม่พร้อมที่จะทำให้เวิร์กโฟลว์เป็นอัตโนมัติ คุณจะแค่ทำให้ความยุ่งเหยิงเร็วขึ้นเท่านั้น
เราเห็นสิ่งนี้กับรายงาน
โฟลว์เดิมคือการดึงข้อมูล การตีความด้วยตนเอง การติดตามผลจากฝ่ายบริหาร แล้วก็การชี้แจงเพิ่มเติม วงจรการรายงานประจำสัปดาห์อาจเกี่ยวข้องกับการดึงข้อมูลประมาณ 25 นาที บวกกับการติดตามผลอีกหลายชั่วโมง
เมื่อสมองมีบริบทที่ถูกต้อง คำตอบก็สามารถกลับมาได้ในเวลาไม่ถึง 60 วินาที
การประหยัดเวลานั้นดี แต่ชัยชนะที่ใหญ่กว่าคือความหน่วงในการตัดสินใจ
เมื่อบริษัทสามารถถามคำถามที่ดีขึ้นได้เร็วขึ้น มันก็เริ่มดำเนินการแตกต่างออกไป ผู้นำไม่ต้องรอให้ใครมาประกอบแดชบอร์ด ผู้ปฏิบัติงานไม่ได้เริ่มจากศูนย์ เอเยนต์ไม่ต้องตื่นมาอย่างโง่เขลาทุกเช้า
นี่คือข้อได้เปรียบที่แท้จริงของ Single Brain
มันทำให้บริษัทจำยากขึ้น สอนง่ายขึ้น และดำเนินการได้สะดวกขึ้น
บริษัทที่ชนะด้วย AI จะไม่ใช่บริษัทที่มีคลังพรอมต์ใหญ่ที่สุด พวกเขาจะเป็นบริษัทที่มีเลเยอร์ความฉลาดที่สะอาดที่สุด
จัดเก็บงาน
ดึงบริบทที่ถูกต้อง
รู้ว่าควรเชื่ออะไร
ปกป้องสิ่งที่ไม่ควรถูกนำไปใช้
เปลี่ยนทุกการแก้ไขให้เป็นกฎ
นั่นคือวิธีที่สมองทวีคูณ
หากคุณเป็นธุรกิจที่สนใจให้สร้างระบบ AI ให้คุณ ไปที่ https://www.singlebrain.com
สำหรับความช่วยเหลือด้านการตลาด ไปที่ https://www.singlegrain.com
สำหรับเนื้อหาแบบนี้เพิ่มเติม ยกระดับการตลาดของคุณกับนักการตลาดและผู้ก่อตั้งกว่า 14,000 คนในจดหมายข่าว Leveling Up ของผมได้ฟรีที่นี่: https://levelingup.beehiiv.com/subscribe
ถ้าคุณต้องการเข้าร่วมทีมของเรา 'เอาชนะ AI' ก่อน ;)
