คู่มืออุตสาหกรรม: งานที่ปรึกษา
วิธีใช้ Claude ในงานที่ปรึกษา: คู่มือสำหรับงานวิจัย deliverable และ due diligence
วิจัยและร่างงานได้เร็วขึ้น โดยยังคงมาตรฐานการตัดสินใจระดับพาร์ตเนอร์เดิม
คู่มือนี้จัดทำขึ้นสำหรับที่ปรึกษา ผู้จัดการโครงการ นักวิเคราะห์วิจัย และผู้บริหารบริษัทที่ต้องการนำ Claude ของ Anthropic มาใช้กับงานวิจัย การวิเคราะห์ และ deliverable ที่ประกอบกันเป็นโครงการของลูกค้า คู่มือนี้ครอบคลุมประกาศความร่วมมือของ Anthropic กับบริษัทที่ปรึกษาและบริการเชิงวิชาชีพ รวมถึงกรณีศึกษาลูกค้าที่มีตัวเลขเฉพาะเจาะจงหนึ่งกรณี เพื่อให้เห็นภาพจริงว่าบริษัทต่าง ๆ ใช้ Claude อย่างไร ไม่ใช่เพียงในทางทฤษฎี
วิธีใช้ Claude ในงานที่ปรึกษาเริ่มต้นจากงานที่ใช้เอกสารและงานวิจัยเข้มข้นซึ่งมีร่องรอยแหล่งที่มาชัดเจน ได้แก่ การวิจัยตลาดและการวิเคราะห์คู่แข่งที่สร้างจากเอกสารสาธารณะ การสังเคราะห์ due diligence จากเอกสารใน data room ร่างแรกของสไลด์และบันทึกถึงลูกค้าจากบันทึกการวิจัย การตอบข้อเสนอและ RFP ที่เรียบเรียงจากเอกสารแสดงความสามารถเดิม และการค้นหาความรู้ในโครงการที่ผ่านมาของบริษัทเอง Claude ทำหน้าที่ร่างและจัดระเบียบเนื้อหา ส่วนที่ปรึกษาและพาร์ตเนอร์ยังคงเป็นผู้รับผิดชอบการตัดสินใจทุกเรื่องที่เกี่ยวข้องกับลูกค้า ตรวจสอบย้อนกลับทุกข้อความไปยังเอกสารที่ระบุชื่อ และให้ deliverable ทุกชิ้นผ่านการตรวจสอบคุณภาพและพาร์ตเนอร์ตามปกติของบริษัทก่อนส่งถึงลูกค้า
เผยแพร่เมื่อ
บทเรียนฟรี · ไม่ต้องมีบัญชีบริบทคือทุกสิ่งการตั้งคำสั่งเชิงกลยุทธ์5 นาทีเริ่มบทเรียนฟรีสรุปประเด็นสำคัญ
- การใช้งานที่แข็งแรงที่สุดในงานที่ปรึกษาคือการวิจัยตลาด deliverable สำหรับลูกค้า การสังเคราะห์ due diligence การร่างข้อเสนอ และการค้นหาความรู้ในโครงการที่ผ่านมาของบริษัทเอง
- Anthropic ประกาศความเป็นพันธมิตรระยะหลายปีกับ Accenture, DXC และ KPMG เพื่อนำ Claude ไปใช้ในบุคลากรด้านที่ปรึกษาและบริการเชิงวิชาชีพของแต่ละบริษัทเอง
- DXC สร้างแพลตฟอร์มการจัดการงานด้านประกันภัยชื่อ Assure บน Claude และกรณีศึกษาลูกค้าที่มีการบันทึกไว้อธิบายถึงการจัดการเอกสารที่เร็วขึ้นและงานคำนวณด้วยมือที่น้อยลง
- deliverable สำหรับลูกค้าที่เขียนโดย AI ทุกชิ้นควรตรวจสอบย้อนกลับไปยังเอกสารต้นทางที่ระบุชื่อได้ และผ่านการตรวจสอบพาร์ตเนอร์และคุณภาพตามปกติของบริษัทก่อนถึงมือลูกค้า
- ข้อมูลลูกค้าที่เป็นความลับ ข้อมูลดีล และข้อมูลการเงินที่ยังไม่เปิดเผยต้องการระบบที่ได้รับอนุมัติ การควบคุมการเข้าถึงที่เข้มงวด และขอบเขตการรักษาความลับที่ชัดเจน
คัดลอกไปใช้ได้เลย
พรอมต์ที่ใช้ได้ทันทีวันนี้
การสังเคราะห์ขนาดตลาดจากเอกสารต้นทาง
คุณเป็นนักวิเคราะห์วิจัยในโครงการที่ปรึกษา โดยใช้เฉพาะรายงานตลาดและตารางข้อมูลที่วางไว้ด้านล่างนี้ ให้เขียนส่วนขนาดตลาดที่ระบุขนาดตลาดที่เข้าถึงได้ทั้งหมด วิธีการที่แต่ละแหล่งใช้ และปีที่ตัวเลขแต่ละตัวอ้างถึง อ้างอิงชื่อเอกสารต้นทางหลังตัวเลขทุกตัว ห้ามผสมตัวเลขจากปีที่ต่างกันโดยไม่ระบุ และให้ลิสต์สิ่งที่หาไม่พบในแหล่งข้อมูลแทนการประมาณเอง เอกสารต้นทาง: [paste]
การระบุชื่อเอกสารต้นทางหลังตัวเลขทุกตัวคือสิ่งที่ทำให้การตรวจสอบรวดเร็ว
ร่างสไลด์นำเสนอลูกค้าจากบันทึกการวิจัย
ให้เขียนสไลด์แนวโน้มอุตสาหกรรมสำหรับการนำเสนอลูกค้าโดยใช้เฉพาะบันทึกการวิจัยและสรุปการสัมภาษณ์ที่วางไว้ที่นี่ เขียนสามถึงสี่หัวข้อย่อยต่อส่วน ระบุที่มาของแต่ละข้อมูลเชิงลึกว่ามาจากบันทึกหรือการสัมภาษณ์เรื่องใด ทำเครื่องหมายข้อความที่พบในแหล่งข้อมูลเดียวเท่านั้น และใช้ภาษามาตรฐานของบริษัทสำหรับการนำเสนอแทนน้ำเสียงลำลอง บันทึกการวิจัยและการสัมภาษณ์: [paste]
พาร์ตเนอร์ยังควรตรวจสอบน้ำเสียงและมุมมองก่อนที่สิ่งนี้จะถึงมือลูกค้า
สรุปสัญญาณเตือนด้าน due diligence จากเอกสารใน data room
ตรวจสอบเอกสารใน data room ที่วางไว้ด้านล่างนี้ และลิสต์ทุกรายการที่ดูเหมือนสัญญาณเตือนที่เป็นไปได้สำหรับการเข้าซื้อครั้งนี้ เช่น ตัวเลขที่ไม่สอดคล้องกันระหว่างเอกสาร เงื่อนไขสัญญาที่ผิดปกติ การกระจุกตัวของลูกค้า หรือคดีความที่ยังไม่สิ้นสุด สำหรับแต่ละรายการ ให้ระบุเอกสารและส่วนที่แน่นอนที่มันมาจาก และห้ามสรุปความเสี่ยงของดีลด้วยตัวเอง เพียงทำเครื่องหมายไว้ให้ทีมดีลประเมิน เอกสาร: [paste]
การให้ทีมดีลเป็นผู้ตัดสินความเสี่ยงคือสิ่งที่ทำให้งานนี้อธิบายได้
การวิเคราะห์ภูมิทัศน์การแข่งขันจากเอกสารสาธารณะ
สร้างตารางเปรียบเทียบคู่แข่งจากเอกสารสาธารณะ บันทึกการประชุมแจ้งผลประกอบการ และข่าวประชาสัมพันธ์ที่วางไว้ด้านล่างนี้ รวมถึงการเติบโตของรายได้ กลยุทธ์ที่ประกาศไว้ และตัวเลขใด ๆ ที่แต่ละบริษัทเปิดเผยเกี่ยวกับตลาดที่ลูกค้าของเราแข่งขันอยู่ อ้างอิงเอกสารหรือบันทึกด้วยชื่อและวันที่สำหรับตัวเลขทุกตัว และทำเครื่องหมายคู่แข่งรายใดที่คุณหาข้อมูลที่เปิดเผยและเทียบเคียงได้ไม่พบ แทนการเดา เอกสาร: [paste]
การทำเครื่องหมายข้อมูลที่ขาดหายแทนการเติมเองคือสิ่งที่ทำให้ตารางเปรียบเทียบน่าเชื่อถือ
ร่างคำตอบ RFP จากข้อเสนอเดิม
เขียนคำตอบสำหรับส่วนขอบเขตงานของ RFP ที่วางไว้ด้านล่างนี้ โดยใช้เฉพาะข้อเสนอเดิมและเอกสารแสดงความสามารถของเราที่วางไว้ที่นี่ ให้ทำตามโครงสร้างที่ RFP กำหนด นำภาษาจากข้อเสนอเดิมที่ได้รับการอนุมัติมาใช้ใหม่ในที่ที่เหมาะสมจริง ๆ บันทึกว่าแต่ละส่วนที่นำมาใช้ใหม่มาจากข้อเสนอเดิมฉบับใด และทำเครื่องหมายข้อกำหนดใดที่งานเดิมของเรายังไม่ครอบคลุมอย่างชัดเจน ขอบเขตงานของ RFP และเอกสารเดิม: [paste]
การทำเครื่องหมายส่วนที่ครอบคลุมได้ไม่ดีตั้งแต่เนิ่น ๆ ให้เวลาผู้รับผิดชอบข้อเสนอแก้ไขก่อนส่ง
จาก Anthropic
สิ่งที่ Anthropic มีให้สำหรับงานที่ปรึกษา
Accenture and Anthropic partnership
ความร่วมมือระยะหลายปีที่ Anthropic และ Accenture ก่อตั้ง Accenture Anthropic Business Group โดยเฉพาะ เป็นข้อเสนอร่วมสำหรับ chief information officer ที่ผสาน Claude Code กับวิธีการนำไปใช้ของ Accenture เอง มีข้อเสนอที่วางแผนไว้สำหรับอุตสาหกรรมที่มีการกำกับดูแล และศูนย์ร่วมลงทุนภายใน Accenture ที่เน้นเรื่อง Claude Anthropic ระบุว่าแผนนี้จะฝึกอบรมผู้เชี่ยวชาญของ Accenture ประมาณ 30,000 คนให้ใช้ Claude และให้นักพัฒนาของ Accenture หลายหมื่นคนเข้าถึง Claude Code ได้
DXC and Anthropic alliance
พันธมิตรระยะหลายปีที่นำ Claude เข้าไปในระบบที่ธนาคาร สายการบิน บริษัทประกันภัย และหน่วยงานรัฐบาลที่พึ่งพาเทคโนโลยีของ DXC ใช้งาน DXC สร้างแพลตฟอร์มการจัดการภายในของตนเอง ชื่อว่า OASIS โดยมี Claude เป็นโมเดลเริ่มต้น และโค้ดของ OASIS มากกว่า 95% สร้างขึ้นโดย Claude Anthropic ระบุให้ DXC เป็นส่วนหนึ่งของเครือข่ายพันธมิตรด้านที่ปรึกษาและการรวมระบบของตน DXC มีพนักงาน 115,000 คนใน 70 ประเทศ และลูกค้าของ DXC มากกว่า 50 รายได้เข้าร่วมในงานร่วมนี้แล้ว
การใช้งานจริง
ทีมในงานที่ปรึกษาใช้ Claude อย่างไร
อ้างอิงจากเรื่องราวลูกค้าที่ Anthropic เผยแพร่
DXC
ในกรณีศึกษาลูกค้าเฉพาะหนึ่งกรณี DXC อธิบายการสร้าง Assure ซึ่งเป็นแพลตฟอร์มการจัดการสำหรับอุตสาหกรรมประกันภัยบน Claude ได้แก่ document intelligence ที่อ่านและจัดหมวดหมู่เอกสารเคลมและการรับประกันที่เข้ามา workflow orchestration ที่ส่งการตัดสินใจไปยังบุคคลที่เหมาะสม task app ที่ออกแบบมาเพื่อวัตถุประสงค์เฉพาะ และบันทึกการปฏิบัติตามกฎระเบียบที่บันทึกทุกการกระทำ ธุรกิจประกันภัยของ DXC มีพนักงาน 14,000 คนและให้บริการลูกค้า 1,100 ราย ทีมหนึ่งสร้างแอปคำนวณสิทธิประโยชน์กรณีบาดเจ็บจากการทำงานที่ใช้งานได้ภายใน 8 ชั่วโมง ซึ่งถูกต้อง 80% ในการทดลองครั้งแรก และส่วนของการคำนวณนั้นที่ต้องใช้การตัดสินใจของมนุษย์ลดลงจาก 70% เป็น 20%
อ้างอิงจากเรื่องราวลูกค้าที่ Anthropic เผยแพร่
Accenture
ในประกาศความร่วมมือกับ Accenture Anthropic ระบุว่าแผนนี้จะฝึกอบรมผู้เชี่ยวชาญของ Accenture ประมาณ 30,000 คนให้ใช้ Claude และให้นักพัฒนาของ Accenture หลายหมื่นคนเข้าถึง Claude Code ได้ ภายใน Accenture Anthropic Business Group ใหม่ที่สร้างขึ้นร่วมกับ Anthropic
อ้างอิงจากเรื่องราวลูกค้าที่ Anthropic เผยแพร่
KPMG
ในประกาศพันธมิตรระดับโลกกับ KPMG Anthropic ระบุว่าแผนนี้เข้าถึงพนักงาน KPMG มากกว่า 276,000 คนใน 138 ประเทศและเขตแดน ผ่านเครื่องมือที่ KPMG เรียกว่า Digital Gateway และ KPMG Blaze
ตัวอย่างสถานการณ์
บันทึกขนาดตลาดสำหรับการนำเสนอลูกค้าใหม่
- นักวิเคราะห์วิจัยโหลดข้อมูลสรุปอุตสาหกรรมของลูกค้า เทมเพลตการวิจัยของบริษัท และรายงานตลาดที่ได้รับการอนุมัติสำหรับการนำเสนอนี้
- Claude ร่างส่วนขนาดตลาดที่ตรวจสอบย้อนกลับตัวเลขทุกตัวไปยังรายงานเฉพาะ และทำเครื่องหมายการประมาณการใด ๆ ที่ไม่สามารถหาแหล่งอ้างอิงได้
- ผู้จัดการโครงการตรวจสอบตัวเลขที่อ้างอิงทุกตัวเทียบกับรายงานต้นฉบับ และแก้ไขสิ่งที่ถูกทำเครื่องหมายไว้
- พาร์ตเนอร์ตรวจสอบส่วนที่เสร็จสมบูรณ์ก่อนที่จะนำเข้าสไลด์นำเสนอ
- ส่วนนั้นเข้าสู่การนำเสนอผ่านกระบวนการตรวจสอบตามปกติของบริษัท
ตัวอย่างสถานการณ์
สรุป due diligence จาก data room
- ทีมดีลโหลดงบการเงินและการนำเสนอของฝ่ายบริหารจาก data room เข้าไปในพื้นที่ทำงานที่ปลอดภัยและจำกัดขอบเขต
- Claude ดึงตัวเลขสำคัญจากเอกสารที่อ้างอิงเท่านั้น โดยทำเครื่องหมายช่องว่างแทนการเติมเอง
- ผู้ช่วยตรวจสอบการดึงข้อมูลเทียบกับเอกสารต้นทาง และแก้ไขช่องว่างที่ถูกทำเครื่องหมายร่วมกับทีมดีล
- พาร์ตเนอร์ตรวจสอบสรุปและตัดสินใจว่าสิ่งใดควรอยู่ในรายงาน due diligence
- สรุปนั้นเข้าสู่รายงาน due diligence ผ่านการตรวจสอบตามปกติของบริษัท
เวิร์กโฟลว์หลัก
กรณีการใช้งาน Claude ในงานที่ปรึกษา จากการวิจัยสู่การส่งมอบ
นี่คือพื้นที่ที่ AI สำหรับบริษัทที่ปรึกษาช่วยประหยัดเวลาของนักวิเคราะห์และผู้ช่วยได้มากที่สุด พร้อมกับคงร่องรอยแหล่งที่มาที่พาร์ตเนอร์สามารถตรวจสอบได้
การวิจัยตลาด
AI สำหรับการวิจัยตลาดเปลี่ยนเอกสารสาธารณะ รายงานอุตสาหกรรม และบันทึกการประชุม ให้เป็นขนาดตลาดที่คำนวณได้และภาพการแข่งขันที่มีแหล่งอ้างอิง
Deliverable สำหรับลูกค้า
AI สำหรับ deliverable ลูกค้าร่างส่วนของสไลด์และบันทึกจากบันทึกการวิจัย ด้วยภาษาและโครงสร้างของบริษัทเอง
การสังเคราะห์ due diligence
เอกสารใน data room กลายเป็นสรุปที่มีโครงสร้าง โดยตัวเลขและข้อสังเกตทุกข้อตรวจสอบย้อนกลับไปยังเอกสารเฉพาะได้
การจัดการความรู้ภายใน
ค้นหาในเอกสารโครงการที่ผ่านมาของบริษัทเอง เพื่อนำกรอบความคิดและผลการวิเคราะห์มาใช้ใหม่ แทนการเริ่มจากหน้าว่าง
การร่างข้อเสนอและ RFP
ร่างแรกของคำตอบข้อเสนอและ RFP จากข้อเสนอเดิมที่ได้รับการอนุมัติและเอกสารแสดงความสามารถ พร้อมทำเครื่องหมายช่องว่างให้ผู้รับผิดชอบข้อเสนอ
การเตรียมเวิร์กช็อปและผู้มีส่วนเกี่ยวข้อง
กำหนดการเวิร์กช็อป คู่มือการสัมภาษณ์ผู้มีส่วนเกี่ยวข้อง และการสังเคราะห์บันทึกการสัมภาษณ์เป็นประเด็นสำหรับคณะกรรมการกำกับดูแล
สิ่งที่บริษัทที่ปรึกษารายงาน
บริษัทที่ปรึกษาใช้ AI อย่างไรในปัจจุบัน
AI ถูกใช้อย่างไรในบริษัทที่ปรึกษาในขณะนี้ ส่วนใหญ่ของสิ่งที่เปิดเผยต่อสาธารณะไม่ใช่กรณีศึกษาลูกค้าที่เป็นอิสระ แต่เป็น Anthropic ที่กล่าวถึงบริษัทที่ปรึกษาหรือบริการเชิงวิชาชีพในฐานะพันธมิตรด้านการนำไปใช้ ซึ่งบริษัทนั้นก็กำลังนำ Claude ไปใช้ในบุคลากรของตนเองด้วย บริบทนี้สำคัญ เพราะสิ่งเหล่านี้คือประกาศความร่วมมือและพันธมิตร ไม่ใช่การประเมินที่เป็นอิสระ และควรอ่านในลักษณะนั้น
Anthropic และ Accenture ประกาศความร่วมมือระยะหลายปีซึ่งก่อตั้ง Accenture Anthropic Business Group โดยเฉพาะ เป็นข้อเสนอร่วมสำหรับ chief information officer ที่ผสาน Claude Code กับวิธีการนำไปใช้ของ Accenture เอง มีข้อเสนอที่วางแผนไว้สำหรับอุตสาหกรรมที่มีการกำกับดูแล และศูนย์ร่วมลงทุนภายใน Accenture ที่เน้นเรื่อง Claude Anthropic ระบุว่าแผนนี้จะฝึกอบรมผู้เชี่ยวชาญของ Accenture ประมาณ 30,000 คนให้ใช้ Claude และให้นักพัฒนาของ Accenture หลายหมื่นคนเข้าถึง Claude Code ได้
Anthropic และ KPMG ประกาศพันธมิตรระดับโลกที่เข้าถึงพนักงาน KPMG มากกว่า 276,000 คนใน 138 ประเทศและเขตแดน ผ่านเครื่องมือที่ KPMG เรียกว่า Digital Gateway และ KPMG Blaze ในที่นี้เช่นกัน ตัวเลขที่โดดเด่นเหล่านี้อธิบายการนำไปใช้ในบุคลากรของ KPMG เอง ไม่ใช่การตรวจสอบผลลัพธ์จากภายนอก
DXC และ Anthropic ประกาศพันธมิตรระยะหลายปีที่นำ Claude เข้าไปในระบบที่ธนาคาร สายการบิน บริษัทประกันภัย และหน่วยงานรัฐบาลที่พึ่งพาเทคโนโลยีของ DXC ใช้งาน ในบริษัทที่มีพนักงาน 115,000 คนใน 70 ประเทศ DXC เป็นชื่อเดียวในกลุ่มนี้ที่มีทั้งประกาศพันธมิตรและกรณีศึกษาลูกค้าที่เป็นเอกเทศและเฉพาะเจาะจงพร้อมตัวเลขที่ชัดเจน ซึ่งเป็นเหตุผลว่าทำไม DXC จึงเป็นแกนหลักของส่วนกรณีศึกษาด้านล่าง
พันธมิตรของ Anthropic
ความร่วมมือด้าน Claude ที่กำลังเปลี่ยนแปลงบริการเชิงวิชาชีพ
AI แบบสร้างสรรค์ในงานที่ปรึกษากำลังเคลื่อนไหวเร็วที่สุดผ่านความร่วมมือระดับบริษัท มากกว่าเครื่องมือเฉพาะจุดแบบรายตัว Accenture, DXC และ KPMG ต่างกำลังสร้างแพลตฟอร์มและวิธีการภายในของตนเองรอบ ๆ Claude แล้วนำงานนั้นไปเสนอเป็นบริการให้กับลูกค้าของตนเอง
DXC สร้างแพลตฟอร์มการจัดการภายในของตนเอง ชื่อว่า OASIS โดยมี Claude เป็นโมเดลเริ่มต้น และ Anthropic ระบุว่าโค้ดของ OASIS มากกว่า 95% สร้างขึ้นโดย Claude Anthropic ระบุให้ DXC เป็นส่วนหนึ่งของเครือข่ายพันธมิตรด้านที่ปรึกษาและการรวมระบบของตน และระบุว่าลูกค้าของ DXC มากกว่า 50 รายได้เข้าร่วมในงานร่วมนี้แล้ว
สำหรับทีมที่ปรึกษาแต่ละทีม บทเรียนเชิงปฏิบัติไม่ได้อยู่ที่แพลตฟอร์มที่มีแบรนด์เฉพาะมากเท่ากับรูปแบบที่อยู่เบื้องหลัง นั่นคือเวิร์กโฟลว์ AI ที่แคบและกำหนดไว้อย่างชัดเจน ซึ่งห่อหุ้มอยู่ในวิธีการ ขั้นตอนการตรวจสอบ และการตัดสินใจที่เกี่ยวข้องกับลูกค้าของบริษัทเอง ไม่ใช่เครื่องมือ AI ที่ทำงานโดยไม่มีการกำกับดูแลในนามของลูกค้า
หากบริษัทของคุณยังไม่ได้เป็นส่วนหนึ่งของพันธมิตรขนาดใหญ่เหล่านี้ รูปแบบเดียวกันก็ยังใช้ได้ในระดับทีม เลือกเวิร์กโฟลว์ที่แคบและทำซ้ำได้ ห่อหุ้มมันไว้ในเทมเพลตและขั้นตอนการตรวจสอบของคุณเอง และวัดผลกับงานจริงของคุณก่อนที่จะขยายขนาด
การวิจัยในทางปฏิบัติ
AI สำหรับงานที่ปรึกษาเชิงกลยุทธ์ที่ทำได้ดี
รูปแบบที่ใช้ได้ผลในงานวิจัยตลาดและงานที่ปรึกษาเชิงกลยุทธ์คือขอบเขตที่แคบและการอ้างอิงที่แน่นหนา ให้ Claude ได้รับรายงาน เอกสาร หรือบันทึกเฉพาะที่อนุญาตให้ใช้ เทมเพลตสไลด์ของคุณ และแนวทางการเขียนของบริษัท ขอให้มันอ้างอิงเอกสารต้นทางหลังตัวเลขทุกตัว และทำเครื่องหมายสิ่งที่หาไม่พบแทนการเติมช่องว่างเอง ร่างที่สร้างขึ้นด้วยวิธีนี้สามารถตรวจสอบได้ทีละแหล่งที่มา ซึ่งเป็นสิ่งที่ทีมโครงการต้องการจริง ๆ ก่อนที่พาร์ตเนอร์จะเห็นมัน
การตรวจสอบความสอดคล้องระหว่างเอกสารเป็นการใช้งาน AI สำหรับ deliverable ของลูกค้าที่มักถูกประเมินค่าต่ำเกินไป โครงการที่ยาวนานจะสร้างเอกสารการทำงานนับสิบฉบับ และตัวเลขที่เลื่อนไหวระหว่างโมเดล บันทึก และสไลด์นำเสนอ คือข้อผิดพลาดประเภทที่ลูกค้ามักถามในห้องประชุม Claude สามารถเปรียบเทียบเอกสารและลิสต์ทุกจุดที่ไม่ตรงกัน เปลี่ยนการอ่านซ้ำทั้งหมดให้เป็นรายการสั้น ๆ ที่เจาะจง
รักษาการแบ่งงานให้ชัดเจน Claude ทำหน้าที่ร่าง จัดระเบียบ และตรวจสอบไขว้ นักวิเคราะห์และผู้ช่วยรับผิดชอบความถูกต้องและความชัดเจน ผู้จัดการโครงการรับผิดชอบโครงสร้างและเรื่องราว และพาร์ตเนอร์รับผิดชอบสิ่งที่จะถึงมือลูกค้าจริง ๆ และวิธีการนำเสนอ การเขียนการแบ่งงานนี้ลงในวิธีการทำงานของทีมคุณ ทำให้การสนับสนุนจาก AI อธิบายได้ง่ายขึ้นเมื่อลูกค้าถามว่าตัวเลขได้มาอย่างไร
การเลือกเครื่องมือ
Claude เทียบกับ ChatGPT สำหรับงานที่ปรึกษา
การเปรียบเทียบ Claude กับ ChatGPT สำหรับงานที่ปรึกษาควรทำกับงานจริงของคุณเอง เช่น ส่วนขนาดตลาดที่ส่งมอบไปแล้ว สรุป due diligence ที่ตรวจสอบกับ data room แล้ว และส่วนข้อเสนอที่ส่งไปแล้ว เปรียบเทียบความถูกต้องเทียบกับแหล่งที่มาเดิม ความชัดเจนที่แต่ละเครื่องมืออ้างอิงสิ่งที่ใช้ และวิธีที่แต่ละเครื่องมือจัดการกับช่องว่างในเอกสารต้นทาง
ในงานที่ปรึกษา การตัดสินใจมักขึ้นอยู่กับการรักษาความลับและความเหมาะสมกับเวิร์กโฟลว์ มากกว่ารายการฟีเจอร์ ได้แก่ ระบบใดที่ทีม IT และความเสี่ยงของคุณอนุมัติสำหรับข้อมูลลูกค้า เอกสารถูกเก็บไว้นานเท่าไร เครื่องมือสามารถจำกัดให้ใช้เฉพาะเอกสารของโครงการเดียวได้หรือไม่ และมันเหมาะกับรูปแบบสไลด์ เอกสาร และสเปรดชีตที่บริษัทคุณใช้อยู่แล้วแค่ไหน
ถามคำถามเดียวกันกับเครื่องมือ AI ใดก็ตามที่คุณประเมิน มันสามารถจำกัดให้ใช้เฉพาะเอกสารที่ฉันให้ไปได้หรือไม่ และฉันสามารถเห็นได้อย่างแน่ชัดว่าข้อความใดมาจากเอกสารใด เครื่องมือที่ไม่สามารถตอบทั้งสองคำถามได้อย่างชัดเจนเหมาะน้อยกว่าสำหรับงานที่เกี่ยวข้องกับลูกค้า ไม่ว่าจะมีโมเดลใดอยู่เบื้องหลังก็ตาม
เริ่มต้นใช้งาน
เดือนแรกที่ปลอดภัยสำหรับทีมที่ปรึกษา
เริ่มด้วยโครงการที่ปิดแล้ว
ทดสอบพรอมต์กับ deliverable จากโครงการที่เสร็จสมบูรณ์และปิดแล้ว และเปรียบเทียบร่างของ AI กับสิ่งที่ส่งถึงลูกค้าจริง
โหลดเทมเพลตและแนวทางการเขียน
นำเทมเพลตสไลด์ แนวทางการเขียน และอภิธานศัพท์ของคุณเข้าไปในโปรเจกต์ เพื่อให้ร่างงานตรงกับสิ่งที่พาร์ตเนอร์คาดหวัง
เลือก deliverable ประเภทเดียว
เลือก deliverable ที่เกิดขึ้นซ้ำ ๆ เช่น ส่วนขนาดตลาดหรือร่างข้อเสนอ และวัดเวลาตรวจสอบเทียบกับมาตรฐานปกติ
กำหนดขอบเขตการรักษาความลับ
ตกลงกับทีมความเสี่ยงและ IT ว่าข้อมูลลูกค้าใดสามารถเข้าถึงระบบใดได้ และร่างงานที่ AI ช่วยเหลือจะถูกตรวจสอบและเก็บรักษาอย่างไร
ข้อจำกัด
จุดที่ที่ปรึกษาและพาร์ตเนอร์ต้องตัดสินใจ
AI สามารถแทนที่ที่ปรึกษาได้หรือไม่ ไม่ได้ Claude อาจระบุตัวเลขผิด พลาดบริบทที่อยู่เบื้องหลังข้อมูล หรือร่างข้อสรุปที่จริง ๆ แล้วงานวิจัยที่เป็นพื้นฐานไม่ได้สนับสนุน ลูกค้าจ่ายเงินเพื่อการตัดสินใจว่าผลการค้นพบหนึ่งมีความหมายอย่างไรต่อสถานการณ์เฉพาะของพวกเขา เพื่อความสัมพันธ์ที่สร้างขึ้นจากความไว้วางใจ และเพื่อความรับผิดชอบต่อคำแนะนำ ซึ่งไม่มีสิ่งใดที่โมเดลจะรับผิดชอบแทนได้
การตัดสินใจที่เกี่ยวข้องกับลูกค้า รวมถึงความหมายที่แท้จริงของผลการวิจัยต่อกลยุทธ์ของลูกค้า วิธีนำเสนอผลการค้นพบที่ละเอียดอ่อนในห้องประชุม และสิ่งที่ควรอยู่ในคำแนะนำสุดท้าย ยังคงอยู่กับที่ปรึกษาและพาร์ตเนอร์ Claude เตรียมเนื้อหาสำหรับการตัดสินใจเหล่านั้น แต่ไม่ได้เป็นผู้ตัดสินใจเอง
ข้อมูลลูกค้าที่เป็นความลับ ข้อมูลดีล ข้อมูลการเงินที่ยังไม่เปิดเผย และสิ่งใดก็ตามที่อยู่ภายใต้ข้อตกลงรักษาความลับ ถือว่ามีความละเอียดอ่อนสูง ใช้เฉพาะระบบที่ได้รับอนุมัติ จำกัดการเข้าถึงไว้เฉพาะโครงการที่เจาะจง และปรับการเก็บรักษาและการลบข้อมูลให้ตรงกับสิ่งที่ตกลงไว้กับลูกค้า
สร้างพฤติกรรมการใช้ AI ที่เชื่อถือได้สำหรับงานลูกค้า
การได้ร่างงานที่น่าเชื่อถือจาก AI เป็นทักษะที่ต้องฝึกฝน ได้แก่ การอ้างแหล่งที่มา การอ้างอิง และการตรวจสอบ หลักสูตรฟรีของ Nightschool AI เน้นการปฏิบัติจริงตั้งแต่บทเรียนแรก
คำถามที่พบบ่อย
AI ถูกใช้อย่างไรในบริษัทที่ปรึกษา?
ส่วนใหญ่ใช้สำหรับการวิจัย การเขียน และการค้นหาความรู้ ได้แก่ การวิเคราะห์ขนาดตลาดและการแข่งขัน ร่างแรกของสไลด์และบันทึกถึงลูกค้า การสังเคราะห์ due diligence และร่างข้อเสนอและ RFP Anthropic ได้ประกาศพันธมิตรกับ Accenture, DXC และ KPMG เพื่อนำ Claude ไปใช้ในบุคลากรด้านที่ปรึกษาของแต่ละบริษัทเอง และสิ่งเหล่านี้ส่วนใหญ่เป็นประกาศความร่วมมือ ไม่ใช่การประเมินที่เป็นอิสระ deliverable ที่เกี่ยวข้องกับลูกค้ายังคงต้องผ่านการตรวจสอบพาร์ตเนอร์ตามปกติของบริษัท
AI ช่วยเรื่อง deliverable สำหรับลูกค้าได้หรือไม่?
ได้ สำหรับร่างแรก ได้แก่ ส่วนของสไลด์ บันทึก และสรุปที่สร้างจากบันทึกการวิจัยและเอกสารต้นทางที่คุณให้ไว้ เขียนด้วยสไตล์ของบริษัทเอง ใช้ได้ดีที่สุดเมื่อมีขอบเขตแคบและมีการอ้างอิงหลังตัวเลขทุกตัว พาร์ตเนอร์ยังควรตรวจสอบ deliverable ที่เสร็จสมบูรณ์ก่อนที่ลูกค้าจะได้เห็น
บริษัทที่ปรึกษานำ AI ไปใช้อย่างปลอดภัยได้อย่างไร?
โดยการจำกัดการเข้าถึงให้เฉพาะเอกสารของโครงการเดียว ตกลงกับทีมความเสี่ยงและ IT ว่าข้อมูลลูกค้าใดสามารถเข้าถึงระบบใดได้ และปรับการเก็บรักษาและการลบข้อมูลให้ตรงกับข้อตกลงกับลูกค้าและเงื่อนไขการรักษาความลับ การเริ่มต้นด้วยโครงการที่ปิดแล้วก่อนใช้ AI กับงานลูกค้าที่กำลังดำเนินอยู่เป็นวิธีที่เป็นรูปธรรมในการสร้างความไว้วางใจ
กรณีการใช้งาน AI ที่ใหญ่ที่สุดในงานที่ปรึกษามีอะไรบ้าง?
ที่พบมากที่สุดคือการวิจัยตลาดและการวิเคราะห์การแข่งขัน การเขียน deliverable สำหรับลูกค้า การสังเคราะห์เอกสาร due diligence ร่างข้อเสนอและ RFP และการค้นหาความรู้ในโครงการที่ผ่านมาของบริษัทเอง แต่ละอย่างทำงานได้ดีที่สุดเมื่อมีเอกสารต้นทางที่ระบุชื่อและการตรวจสอบพาร์ตเนอร์ตามปกติ
AI สามารถแทนที่ที่ปรึกษาได้หรือไม่?
ไม่ได้ AI สามารถร่างและจัดระเบียบงานวิจัยได้ แต่การตัดสินใจของที่ปรึกษาว่าผลการค้นพบหนึ่งมีความหมายอย่างไรต่อลูกค้ารายเฉพาะ ความสัมพันธ์ที่สร้างขึ้นกับลูกค้ารายนั้น และความรับผิดชอบต่อคำแนะนำ ไม่ใช่สิ่งที่โมเดลจะรับผิดชอบแทนได้ AI ช่วยสนับสนุนการเขียนและการวิจัย ส่วนคำแนะนำยังคงอยู่กับที่ปรึกษา
AI สามารถประหยัดเวลาในงานที่ปรึกษาได้มากเท่าไร?
ขึ้นอยู่กับประเภทของเอกสารและความสะอาดของเอกสารต้นทาง ดังนั้นควรวัดผลกับ deliverable ของคุณเอง การประหยัดเวลาส่วนใหญ่มาจากการร่างส่วนงานวิจัยและสรุปที่เร็วขึ้นโดยใช้แหล่งข้อมูลที่คุณมีอยู่แล้ว เวลาในการตรวจสอบและการอนุมัติของพาร์ตเนอร์ไม่ได้หายไป และไม่ควรหายไปด้วย
AI มีความแม่นยำเพียงพอสำหรับ deliverable ที่เกี่ยวข้องกับลูกค้าหรือไม่?
เพียงพอเมื่อมันอิงอยู่กับเอกสารเฉพาะที่คุณให้ไว้ และทุกข้อความได้รับการตรวจสอบกับแหล่งเหล่านั้นก่อนที่ลูกค้าจะได้เห็น ร่างของ AI ที่สร้างขึ้นโดยไม่มีการอ้างอิงที่แน่นหนาไปยังเอกสารต้นทางที่ระบุชื่อ ไม่น่าเชื่อถือเพียงพอด้วยตัวเองสำหรับงานที่เกี่ยวข้องกับลูกค้า
เรียนรู้ต่อ
คู่มือและคอร์สที่เกี่ยวข้อง
บทความที่เกี่ยวข้อง
- การฝึกอบรม AI สำหรับการทำงาน
- Free AI Prompt Generator for Work Tasks
- How to Use Claude in Legal
- How to Use Claude in Accounting
- How Consultants Use Claude
- Claude for Executives
- How Researchers Use Claude
- How to Use Claude in Real Estate
- How to Use Claude in Education
- How to Use Claude in Marketing
- Private Equity Due Diligence With Claude: Data Rooms to Findings