如何減少令人討厭的數據輸入任務

最近的一項研究表明，數據輸入是最冗余和最討厭的工作場所任務之一，這引發了一個問題，即為什么在人工智能，數據挖掘和智能技術時代，仍要手動完成此任務。

有什么辦法可以減少它的鄙視?

我在一家數據驅動型初創公司(稱為Sage(一家真正的公司，但由于機密性要求而并非真名))中正在進行的野外調查表明，技術解決方案并不像許多人想象的那樣復雜，并且不會取代人類。很快就會輸入數據。

近兩年來，我一直在研究Sage的招聘實踐和工作的發展。

Sage最初的計劃是開發和使用AI來生成將出售給客戶的數據，作為其更廣泛的服務的一部分。同時，Sage要求其分析師手動收集并輸入該數據。但是當Sage在一家AI咨詢公司進行試點項目時，他們發現AI最多可以產生他們手工收集的數據的5%，而且價格要高得多。

他們買不起AI。結果，他們將數據收集策略從人工智能轉移到了人類智能。Sage認識到分析師太昂貴了，并且只對這項工作不滿意，于是在衛星辦公室雇用了專門的數據錄入操作員來完成大部分工作。

技術并非總能奏效

這種情況并不罕見。技術并不總是能按預期運行，并且在不同的工作和組織中產生不同的影響。但是，技術的失敗僅部分解釋了為什么人工數據錄入仍然作為一項任務存在的原因，并且可能會持續相當長的一段時間。要了解更多，我們需要在更廣泛的范圍內考慮任務。

任務很少單獨存在。它們是工作的一部分，而這些工作是由其他任務組成的。他們與執行它們的人，管理它們或與之合作的其他人以及職業和組織中的其他工作相關聯。

這種更廣泛的上下文以及其中的關系使得很難完全消除任何任務，但是這意味著單個鄙視的任務并不總是意味著完全鄙視的工作。

在Sage，輸入數據的非常死板的任務幾乎與收集數據的行為密不可分。盡管有些數據可以在年度報告中輕松找到，但對于其余大部分數據，分析人員以及隨后的數據錄入操作員必須在互聯網上搜索其他信息。一旦找到此信息，就必須將其輸入數據庫。

自動執行此任務的數據輸入部分沒有任何意義，并且幾乎是不可能的。

這突出說明了并非所有數據輸入工作都被等同創建，并且并非所有數據輸入工作都相同。結果，關于數據輸入的態度比最近的調查表明的要復雜得多。