Có thể công nghệ đã hỗ trợ chúng ta kết nối nhiều hơn, nhanh hơn và hiệu quả hơn, nhưng cũng làm tăng đáng kể khối lượng thông tin mà chúng ta sẽ phải xử lý. Theo ước tính, 120 tỷ email doanh nghiệp sẽ được gửi mỗi ngày trong năm nay, còn ngày làm việc theo giờ hành chính truyền thống từ 9h00-17h00 đã trở nên giống ngày làm việc từ 5h00 đến 21h00 hơn. Nguyên nhân là thiết bị di động khiến chúng ta có mặt tức thì với đồng nghiệp trên khắp thế giới.

Hãy tưởng tượng một trợ lý cá nhân toàn năng có thể cung cấp những gì chúng ta cần khi chúng ta cần

Hãy tưởng tượng một trợ lý cá nhân toàn năng có thể cung cấp những gì chúng ta cần khi chúng ta cần

Trong tương lai, thay vì gia tăng lượng thông tin chúng ta phải xử lý, công nghệ sẽ góp phần tạo ra nhiều trải nghiệm dành riêng hơn. Công nghệ sẽ loại bỏ thông tin gây nhiễu để chỉ giữ lại những gì quan trọng. Sự phù hợp sẽ là yếu tố quan trọng nhất.

Giảm thiểu thông tin gây nhiễu

Giảm thiểu thông tin gây nhiễu

Từ lâu, đây đã là lời hứa của AI. Hãy quên đi viễn cảnh robot trỗi dậy và cướp đi công việc của con người. Thay vào đó, hãy tưởng tượng một trợ lý cá nhân toàn năng có thể sàng lọc cả tá email, lời mời họp, tin nhắn tức thì, thông báo và thông tin mới về dự án để cung cấp những gì chúng ta cần khi chúng ta cần.

Nghe có vẻ xa vời ư? Nếu đang sử dụng Workplace, bạn đã trải nghiệm khả năng này rồi.

Tin nhắn có mức độ phù hợp cao hơn

Tin nhắn có mức độ phù hợp cao hơn

Nhiệm vụ của đội ngũ Công nghệ máy học của Workplace là làm cho nền tảng này phù hợp nhất có thể với từng người dùng. Tamar Bar Lev - Quản lý kỹ thuật phụ trách đội ngũ này - cho biết: "Nghĩa là khi bạn đăng nhập vào Workplace, công nghệ này sẽ hỗ trợ bạn tìm thấy những gì bạn cần để thực hiện công việc đúng cách. Như vậy, bạn sẽ rất dễ dàng cộng tác với người khác. Bên cạnh đó, công việc của bạn sẽ hiệu quả hơn."

"Nghĩa là khi bạn đăng nhập vào Workplace, công nghệ này sẽ hỗ trợ bạn tìm thấy những gì bạn cần để thực hiện công việc đúng cách"

"Nghĩa là khi bạn đăng nhập vào Workplace, công nghệ này sẽ hỗ trợ bạn tìm thấy những gì bạn cần để thực hiện công việc đúng cách"

Công nghệ máy học là lĩnh vực phụ của AI, tạo điều kiện cho máy tính học cách giải quyết nhiều nhiệm vụ khác nhau bằng cách cung cấp thông tin cho máy tính mà không cần lập trình chi tiết.

Đội ngũ của Bar Lev xử lý các vấn đề về hệ thống xếp thứ tự và đề xuất. Công việc của họ là đảm bảo rằng mỗi khi bạn sử dụng Workplace, thuật toán sẽ hiển thị cho bạn những bài viết và đề xuất mà bạn có nhiều khả năng sẽ thấy hữu ích nhất, đồng thời "giảm thứ hạng" của nội dung bạn không cần.

Xác suất dự đoán cải thiện trải nghiệm người dùng

Xác suất dự đoán cải thiện trải nghiệm người dùng

Công nghệ máy học nâng cao phụ thuộc vào sức mạnh tính toán thô. Bar Lev giải thích: "Chúng tôi đào tạo mô hình của mình dựa trên các ví dụ trước đó. Chúng tôi cung cấp cho mô hình của mình thông tin về cách người dùng từng hành động và cách họ tương tác với những sản phẩm khác nhau. Với đủ thông tin, các mô hình có thể học cách dự đoán xác suất xảy ra sự kiện nhất định. Sau đó, chúng tôi có thể dùng xác suất dự đoán này để quyết định những tin và đề xuất nào là phù hợp nhất để hiển thị cho mỗi người dùng."

"Chúng tôi kết hợp tất cả các xác suất này thành điểm số cuối cùng. Bài viết có điểm cao nhất sẽ hiển thị đầu tiên."

"Chúng tôi kết hợp tất cả các xác suất này thành điểm số cuối cùng. Bài viết có điểm cao nhất sẽ hiển thị đầu tiên."

Lĩnh vực khoa học thần kỳ mà thầm lặng này bắt đầu hoạt động mỗi khi bạn mở Workplace. Bar Lev giải thích: "Đối với Bảng tin [trung tâm cuộn của Workplace, nơi hiển thị bài viết và đề xuất], chúng tôi tìm nạp một loạt bài viết từ người bạn theo dõi, người trong đội ngũ của bạn, các nhóm bạn tham gia.

Sau đó, chúng tôi lấy một số đặc điểm nhất định của mỗi bài viết, chẳng hạn như số lần bạn nhấp vào bài viết của người dùng đó trong 7 ngày qua. Sau đó, chúng tôi cung cấp thông tin này cho thuật toán của mình. Thông tin này mang lại cho chúng tôi những xác suất nhất định: xác suất bạn sẽ bình luận là bao nhiêu?"

"Xác suất bạn sẽ Thích nội dung này là bao nhiêu? Xác suất mà bạn sẽ bày tỏ cảm xúc về nội dung này là bao nhiêu? Chúng tôi kết hợp tất cả các xác suất này thành điểm số cuối cùng và sắp xếp tất cả bài viết theo thứ tự giảm dần. Cuối cùng, bài viết có điểm cao nhất sẽ hiển thị đầu tiên."

Làm cho công việc có ý nghĩa hơn

Làm cho công việc có ý nghĩa hơn

Nghe có vẻ không giống với AI mà Hollywood hứa hẹn (hoặc cảnh báo bạn). Nhưng đây là công nghệ tiên tiến nhất của lĩnh vực máy học, nhờ nhiều năm kinh nghiệm nghiên cứu người tiêu dùng của Facebook. Bar Lev cho biết: "Khi Xếp thứ tự Bảng tin Workplace, chúng tôi không bắt đầu từ con số 0. Chúng tôi đã học được rất nhiều từ những năm phát triển Bảng tin dành cho người tiêu dùng trên Facebook. Chúng tôi biết yếu tố nào hiệu quả và yếu tố nào thì không. Thách thức ở đây là làm cách nào để áp dụng hiểu biết ấy vào môi trường công việc."

Khi bạn đăng nhập lại để làm việc vào sáng hôm sau, chúng tôi muốn đảm bảo bạn không bỏ lỡ thông tin quan trọng nào cho công việc của mình

Khi bạn đăng nhập lại để làm việc vào sáng hôm sau, chúng tôi muốn đảm bảo bạn không bỏ lỡ thông tin quan trọng nào cho công việc của mình

Ví dụ à? "Chúng tôi muốn đảm bảo bạn không bỏ lỡ thông tin quan trọng nào. Nếu bạn kết thúc ngày làm việc và đăng nhập lại vào sáng hôm sau hoặc sau một cuối tuần dài, chúng tôi muốn đảm bảo bạn không bỏ lỡ thông tin quan trọng nào cho công việc của mình. Khả năng biết nên hiển thị bài viết nào trong những trường hợp như vậy là vấn đề rất khác so với khả năng nhận ra nên hiển thị bài viết nào trên Facebook dành cho người tiêu dùng mỗi khi bạn mở ứng dụng."

Đồ thị công việc và khả năng kết nối tốt hơn cho Workplace

Đồ thị công việc và khả năng kết nối tốt hơn cho Workplace

Thú vị thay, chúng ta đang sống trong những ngày đầu của AI và đội ngũ này (cũng giống như thuật toán) đang học hỏi rất nhanh. Trong khi Facebook xây dựng Đồ thị mạng xã hội của mọi người - mạng lưới kết nối gồm người thân, bạn bè và sở thích, các kỹ sư của Bar Lev lại đang phát triển Đồ thị công việc để tạo ra sự thay đổi lớn theo cách riêng.

"Một trong những câu hỏi mà chúng tôi đang xem xét là làm cách nào để tất cả quan hệ kết nối của bạn trở nên có ý nghĩa hơn. Chúng tôi muốn xem hành động bạn theo dõi ai đó sẽ có ý nghĩa như thế nào. Bạn sẽ gặp họ sau đó chứ? Bạn sẽ tham dự các sự kiện tương tự chứ?

Khi xem xét các đồng nghiệp hàng đầu của bạn, chúng tôi muốn biết liệu bạn có đang cộng tác với họ trên Quips hay G-drive không. Bạn có đang hỏi thăm họ không? Bạn có đang bình luận về bài viết của họ không? Chúng tôi muốn tìm hiểu mạng lưới kết nối của bạn để khi gợi ý nội dung hoặc hiển thị cho bạn các tin đã xếp thứ tự, chúng tôi có thể chắc chắn tin đó quan trọng với bạn."

Còn sau đó? "Như vậy, công việc sẽ hiệu quả hơn. Bạn sẽ cảm thấy rằng mình bị chậm lại nếu không có Workplace. Bạn sẽ hơi… nhớ nền tảng này."

Was this article helpful?
Thanks for your feedback

Bài viết gần đây

Giao tiếp trong doanh nghiệp | Thời gian đọc: 10 phút

F8 2018. Chúng tôi đã có trải nghiệm như thế nào?

Các kỹ sư, nhà phát triển và đối tác của Workplace gặp gỡ tại F8 để ra mắt loạt tiện ích tích hợp mới cho Workplace.

Năng suất | Thời gian đọc: 3 phút

Giải pháp tự động hóa quy trình kinh doanh là gì?

Chính xác thì giải pháp tự động hóa quy trình kinh doanh có nghĩa là gì? Quan trọng hơn, quá trình tự động hóa đó có thể thúc đẩy năng suất như thế nào?

Cộng tác nhóm | Thời gian đọc: 3 phút

Cách hỗ trợ nhân viên nhận ra lợi ích khi tự động hóa công việc

Sự phát triển của AI và công nghệ máy học có ý nghĩa gì đối với hoạt động cộng tác nhóm? Chúng tôi đã tìm hiểu chủ đề này.