يستخدم أكثر من 100,000 موظف في Oracle أدوات ChatGPT Work وCodex، من اكتساب المواهب إلى Oracle Applications Lab وصولًا إلى منظمة تقنية المعلومات. وفي كل حالة، أصبح العمل الذي كان يعتمد على المتخصصين ويستغرق أيامًا يمكن لأي شخص إنجازه ويكتمل في دقائق. يتخطى مسؤولو التوظيف أيامًا من أبحاث السوق، ويصف مستخدمو الأعمال النتيجة التي يريدونها بدلًا من البحث عن تقرير، ويبني القادة التقنيون أدوات كانت تستغرق فريقًا كاملًا أشهرًا.
“لقد بنينا أداة استخبارات سوق المواهب لدينا باستخدام ChatGPT Work، وقد أحدثت حقًا ثورة في طريقة إجرائنا للمرحلة الأولى من عملية التوظيف.”—جان أكيرمان، نائب الرئيس الأول ورئيس اكتساب المواهب العالمي في Oracle
جعل أبحاث التوظيف أكثر كفاءة
استخدم فريق اكتساب المواهب ChatGPT Work لبناء أداة لاستخبارات سوق المواهب تأخذ وصفًا وظيفيًا، وتبحث في الوظائف المماثلة، وتقارن الرواتب، وتقيّم مجموعة المواهب عبر المواقع ذات الصلة. تزود الأداة مسؤول التوظيف بالمعلومات القيّمة التي يحتاجها قبل الاجتماع مع مدير التوظيف، وهي معلومات كانت تستغرق سابقًا من 2 إلى 4 أيام لتجميعها.
“لقد انتقلنا من الصفر إلى مئة,” تقول جان أكيرمان، نائب الرئيس الأول ورئيس اكتساب المواهب العالمي في Oracle. “الآن أصبح بوسعنا أن نجلس ونستعد لمدة 15 إلى 20 دقيقة تقريبًا باستخدام الأداة التي بنيناها باستخدام [ChatGPT] Work.”
وليست العملية أسرع فحسب، بل أصبحت أكثر اتساقًا أيضًا. كان مسؤولو التوظيف يجرون عملية استقبال الطلبات بطريقة مختلفة من عملية بحث إلى أخرى، ولكن مع أداة استخبارات سوق المواهب، أصبحت العملية متسقة، بحيث يحصل كل مدير توظيف على نفس جودة البيانات والرؤى، بغض النظر عن مسؤول التوظيف الذي عمل معه.
يحصل مستخدمو الأعمال على الإجابات التي يحتاجونها بشكل أسرع
بنى فريق Oracle Applications Lab، الذي يساعد في تشغيل العديد من عمليات Oracle التجارية الأساسية، نظامًا أنطولوجيًا لكائنات الشركة وعلاقاتها وقواعدها، بحيث يمكن تحويل سؤال تجاري باللغة الطبيعية إلى استعلام SQL موثوق باستخدام Codex. يصف مستخدم الأعمال النتيجة التي يريدها، فيقرر Codex أي الأنظمة الداخلية يجب استدعاؤها، ويجمع المعلومات، ويعيد تحليلًا أو تقريرًا أو تطبيقًا.
هذا تغيير عن الطريقة التي كان يُنجز بها العمل سابقًا. قال Lam إن أحد المستخدمين جاء إليه بعد طرح سؤال كان يستغرق عادةً بضع ساعات للإجابة عنه. أخبرت Lam قائلةً: “مع الأداة الجديدة، أدخلت الطلب وحصلت على رد فورًا تقريبًا.” وعندما تحققت من النتيجة مقارنة بالعملية اليدوية القديمة، تطابقت الأرقام تمامًا.
في هندسة الإنتاج، يستخدم مهندسو موثوقية المواقع Codex لجمع السياق ذي الصلة حول حادثة ما وسحب دليل الإجراءات الصحيح تلقائيًا. يقضي مهندسو SRE وقتًا أطول في توجيه القرارات ووقتًا أقل في البحث عن المعلومات. “حادثة بسيطة نموذجية كانت تستغرق ساعة لحلها يمكن الآن التعامل معها في دقائق,” كما يقول Lam.
وحتى مع تولّي Codex لجزء أكبر من العمل، يحرص Lam على الإشارة إلى أن أيًا من هذا لا يعمل على وضع الطيار الآلي. لا يزال يتعين على أحد ما التأكد من أن النظام الأساسي مبني بشكل صحيح.
“يصف مستخدمو الأعمال الآن النتيجة التي يريدونها بدلًا من البحث عن تقرير. هذا تحول كبير. وأود حتى أن أسميه تحولًا في الأعمال.”—ريتشارد لم، نائب رئيس المجموعة، Oracle Applications Lab
دروس القيادة
بينما تبني الأدوات الاصطناعية الذكاء، يظل الأشخاص مسؤولين عن المخرجات. تبرز بعض الدروس:
وضع الحواجز الوقائية الصحيحة. “لا يزال يتعين عليك أن تكون مسؤولًا جدًا بشأن تصميم نظامك وبنيتك المعمارية وأمانك، وكيف تريد من Codex هيكلة الكود من أجلك,” يقول Lam.
تقديم نماذج أولية بدلًا من المواصفات. “عادةً، أدون [فكرتي] على الورق، لكنني الآن أضعها في نموذج أولي,” يقول باري شيلموفر، نائب الرئيس والمستشار التقني لمدير قسم المعلومات.
تملّك الكود. “إذا لم تعمل جنبًا إلى جنب مع Codex، فستصل إلى وضع يكون لديك فيه الكثير من الأكواد التي لن تكون قابلة للصيانة,” يقول Lam.
ما التالي
يقوم فريق Oracle بتغيير كامل لطريقة عمل الشركة باستخدام الذكاء الاصطناعي. في مجالات التوظيف والتحليلات والهندسة، وصف كل خط أعمال النتيجة المطلوبة وترك لـ Codex وChatGPT معرفة كيفية إنجاز العمل. ومع وجود آلاف المستخدمين لـ ChatGPT وCodex بالفعل، يستخدم موظفو Oracle الذكاء الاصطناعي في عدد لا يحصى من المهام العملية. وكما يقول Shilmover: “لا أعرف ما الإجابة لأنني لا أعرف ما المشكلة التالية التي سأحلها. أعرف فقط أن أحد أول ما سأفعله هو أن أستفيد من Codex للقيام بذلك.”