Как автоматизировать вашу работу
Моя первая работа в области технологий заключалась в том, чтобы убедиться, что списки слов на любом языке правильно расставлены по алфавиту на компьютере, когда пользователь попросит их об этом. Это звучит так же просто, как ABC, но когда вы обрабатываете такие строки, как ඇපල්, ആപ്പിൾ и ᑭᒻᒥᓇᐅᔭᖅ - часто на языках без каких-либо согласованных стандартов, - все быстро усложняется.
Мой начальник, который проделал эту работу до меня, был лингвистом со сложными системами письма. В среднем ей требовалось два месяца ручной работы с бумажными словарями, чтобы определить систему сортировки для нового языка, и еще несколько недель инженеру, чтобы выполнить свой анализ.
У меня не было особого опыта в системах письма. С другой стороны, я знал, как программировать, и видел способ ускорить работу. Вместо того, чтобы работать с бумажными словарями, чтобы выяснить, как работает новый язык, я смог закодировать пользовательские задачи для носителей языка, чтобы сказать мне, какие слова идут в каком порядке, и автоматически извлекать нужную информацию из их мнений. Новый подход сократил среднее время реализации языка с трех месяцев до одной недели. В 12 раз быстрее!
Я воочию увидел, как моя способность автоматизировать задачу с помощью кода сделала меня более эффективным. Я превратил обычную автономную работу в работу инженера просто потому, что видел, что можно автоматизировать.
Перенесемся на двенадцать лет вперед.
Разговоры об автоматизации работы повсюду. Заменит ли нас ИИ? Будет ли из-за роботов затруднять людям поиск работы? Если боты берут работу, должны ли они платить налоги? Нужен ли нам Универсальный базовый доход, чтобы компенсировать влияние автоматизации на наш рынок труда?
Хотя это все важные вопросы, они упускают из виду два важных момента. Во-первых, многие традиционные корпоративные рабочие места уже были изобретены заново с помощью автоматизации. Во-вторых, революция автоматизации не всегда навязывается рабочим сверху. Автоматизация работы часто начинается с того, что кто-то на работе признает возможность автоматизации, чтобы ускорить выполнение утомительных задач - во многом как я на моей первой технической работе.
Роли успеха клиентов являются прекрасным примером. Чтобы получить работу, добивающуюся успеха клиентов в Textio и большинстве других SaaS-компаний, вам необходимо проявить себя в двух основных областях: вам нужно уметь строить отношения с людьми, которые помогают им добиваться успеха с течением времени, и вам нужно уметь собирать данные из широкий спектр источников в связное повествование.
Но мы все чаще ищем людей с другими навыками, поддерживающими эту основу: вы будете более эффективны, если сможете найти интересные закономерности в больших наборах данных без помощи дополнительного инженера. В нашей работе поиск интересных шаблонов означает, что у вас есть хотя бы базовые навыки написания сценариев. С растущим распространением машинного обучения во всех видах программных продуктов, я готов поспорить, что в течение пяти лет это станет необходимым набором навыков для работы - не только в Textio, но и повсюду.
Переосмысление успеха клиентов не уникально. Работа на предприятии становится все более технической. Уже нередко можно встретить руководителей проектов, создающих сложные макросы Excel, специалистов по операциям, создающих инструменты для автоматизации сбора данных о продажах, или исследователей-пользователей, пишущих SQL-запросы для понимания больших наборов данных. На этих и многих других должностях люди, которые могут сочетать прочную техническую основу с традиционными наборами навыков, более успешны, чем люди, обладающие только традиционными наборами навыков.
Даже там, где кодирование как таковое не требуется, ожидается, что многие сотрудники предприятий теперь будут использовать технологию прогнозирующей автоматизации как часть выполнения своей работы наилучшим образом. Руководители продаж, которые собирают подробные и конкретные данные о том, что сработало в прошлом, и реагируют на них, являются лучшими продавцами. Маркетологи, располагающие инструментами для быстрого тестирования и оценки эффективности обеспечения, могут быстрее вносить корректировки. И, как мы видели в Textio, команды по найму, которые используют наш огромный набор данных, чтобы создавать свои вакансии и заполнять роли почти на 20% быстрее, при этом почти на 15% больше людей подают заявки из недостаточно представленных групп.
Во многих из этих случаев происходит не замена работы, а ее переосмысление: люди расширяют свои традиционные наборы навыков с помощью автоматизации, чтобы получить более глубокое понимание данных, более высокую производительность продукта и улучшение операционной деятельности. Компании, которые работают с автоматизацией, данными и циклами обучения, просто превосходят компании, которые этого не делают.
Несмотря на преобладание автоматизации при изменении рабочих мест, способность работать с людьми как никогда важна. Вернитесь на минутку к роли инженера по обеспечению успеха клиентов. Данные настолько хороши, насколько хорош окружающий их контекст. Рассказывать истории с помощью данных и даже выяснять, какие данные нужно собирать в первую очередь, - это в основном человеческая задача. Нашему инженеру по работе с клиентами служат не только ее знания в области психологии, лингвистики или бизнеса, но и ее способности писать сценарии.
Обратите внимание на узкие места в своей работе, и я покажу вам, как автоматизация идет быстрее, чем вы думаете. Просто нужно, чтобы кто-то уже работал, чтобы осознать возможность.
Узнайте больше о том, как язык влияет на ваш прием на работу, на textio.com.
