Aufbau eines AI-nativen Arbeitsplatzes: Lektionen aus der Praxis

Was würden Sie tun, wenn Sie an einem 10-Kilometer-Lauf teilnehmen, einen steilen Hügel hinaufkämpfen und plötzlich die Regeln des Rennens ändern? Was, wenn Fahrer anfangen, Läufer in Autos mitzunehmen und dann gegeneinander zum Ziel rasen? Würden Sie weiterlaufen, obwohl Sie wissen, dass Sie am Ende des Feldes landen werden, oder würden Sie ins Auto steigen, Gas geben und um den Grand Prix kämpfen?

In der heutigen Geschäftswelt ist KI das Auto, das die Art und Weise, wie Unternehmen geführt werden, durcheinanderbringt. Unternehmen können sich immer noch entscheiden, voranzukommen, wie sie es immer getan haben – langfristige Pläne entwickeln, Prozessen folgen, Mitarbeiter anspornen, härter als je zuvor zu arbeiten, um in zunehmend wettbewerbsintensiven Umgebungen erfolgreich zu sein. Aber KI ändert die Natur des Rennens. Es gibt Unternehmen ein neues Fahrzeug, um schneller zu sein und Arbeitern neue Wege zu bieten, um Probleme zu umgehen. Jedes Unternehmen, das nicht das Steuer übernimmt und die Macht von KI in seine Belegschaft integriert, wird auf dem langen, steilen Hügel zurückgelassen.

Zukunft durch KI-Management

Hier bei Cockroach Labs haben wir sehr schnell gelernt, dass Gen-KI uns helfen kann, Dinge zu tun, die wir nie für möglich gehalten haben. Wir haben KI über das gesamte Unternehmen für Gen-KI-Suche, Empfehlungssysteme und semantische Suche eingesetzt.

Eines der besten Beispiele dafür, wie KI einen Arbeitsprozess in der Belegschaft transformieren kann, findet in unserer Bildungsabteilung statt. Unser Team nutzt KI, um die Entwicklung von Curricula zu beschleunigen, die Kunden, Partner und unsere eigene Belegschaft zu Experten im Betrieb unserer Datenbank-Produktlinie machen.

Wir haben kürzlich einen Kurs erstellt, der 21 praktische Übungen und 20 Folien mit detaillierten Schülernotizen umfasste. Bevor wir das Projekt begannen, schätzten wir, dass dies, unter Verwendung unseres normalen Entwicklungsprozesses – unter Berücksichtigung der Branchenstandard-Schätzungen für die Zeit, die Entwickler benötigen, um eine Stunde Inhalt zu produzieren – drei bis fünf Monate dauern würde.

Was passierte? Durch die Integration von Gen-KI in unsere bestehenden Prozesse konnten wir die Aufgabe in fünf Wochen abschließen.

Im Laufe des Prozesses haben wir eine Reihe von Lektionen gelernt.

• Wir sind alle KI-Manager. Jeder von uns hat die Möglichkeit, sehr anders zu denken, indem wir KI nutzen. Jeder von uns sollte als Manager handeln, egal ob wir direkte Mitarbeiter haben oder nicht, da wir eine virtuell unbegrenzte Intelligenzkapazität haben, die wir für anspruchsvolle Projekte einsetzen können. Wie viel können Sie automatisieren? Wie kreativ können Sie sein? Wie effektiv können Sie Ihr KI-Tool herausfordern und die neue Version, die es generiert, einsetzen? Sie können es einsetzen. Sie können es managen. Sie können so viel tun, wie Ihre eigene Kapazität es zulässt.
• Erwarten Sie nicht, dass KI alles tut. Es gibt Aufgaben, die sie einfach nicht ausführen kann. Aber Sie können sie damit beauftragen, Dinge zu tun, die Arbeitern nicht mehr tun sollten – Aufgaben, die zeitaufwändig sind, aber immer noch einen gewissen Grad an Intelligenz erfordern.
• Nehmen Sie die Ergebnisse, die sie liefert, nicht blind hin. Überprüfen Sie, überprüfen Sie und überprüfen Sie nochmals. Vertrauen Sie in die Technologie, aber überprüfen Sie immer – denn Genauigkeit verwandelt Annahmen in Erfolge.

Schritt-für-Schritt-Prozess der KI-Einbindung für Aufgabenmanagement

Hier ist eine kurze Zusammenfassung einiger der Möglichkeiten, wie KI uns half, den Hügel hinauf und zum Ziel zu kommen, viel schneller als erwartet.

• Unterschiedliche Modelle: Unterschiedliche Modelle haben unterschiedliche Stärken. Also können Sie, wie Hersteller beste Komponenten verwenden, wenn sie eine Lösung aufbauen, Modelle austauschen, wenn es sinnvoll ist, um diese Stärken zu nutzen. Wir haben Claude Sonnet 3.5 verwendet, um den ersten Entwurf der Übung zu erstellen, da es hervorragend darin war, ansprechende Prosa und Anweisungen zu erstellen. Wir haben ChatGPT 4o&”o”-Grundmodell als technische Prüfer verwendet, um Befehle zu verfeinern und technische Genauigkeit in der zweiten Fassung sicherzustellen.
• Reproduzierbare Ergebnisse: Wenn wir hochtechnische Aufgaben ausführen, wollten wir in der Lage sein, klare technische Einschränkungen durchzusetzen und strukturierte Ausgaben zu produzieren, die reproduzierbare Ergebnisse unterstützen. Um dies zu tun, haben wir explizite Struktur-Anforderungen und Format-Beispiele bereitgestellt.
• Aufforderungen für hochtechnische Aufgaben: Seien Sie sehr spezifisch darüber, was Sie KI auffordern, zu tun –

sonst kann es verrückte Dinge tun. Stellen Sie klar, welche Annahmen über die Eingaben oder Umgebungsbedingungen getroffen werden, und fordern Sie das Modell auf, unerwartete Fälle zu bearbeiten.

• Verfeinerte Aufforderungen: Es ist wichtig, KI-Tools dazu zu bringen, klärende Fragen zu stellen. Die ersten Aufforderungen werden nicht perfekt sein, also erwarten Sie mehrere Runden. Integrieren Sie alle Verbesserungen oder Schritte, die das Modell vorschlägt, in Ihre Basis-Aufforderung ein und iterieren Sie mit der KI und Ihren Teammitgliedern.
• Testen, Testen, Testen: Konsistenzprüfungen sind entscheidend. Eine Möglichkeit, die Effektivität Ihrer Aufforderung zu messen, besteht darin, konsistente Ausgaben sicherzustellen. Also testeten wir oft, um sicherzustellen, dass wir dieselben Eingaben hatten und dass die Ausgabe gleich blieb.

Menschliche Expertise an der Spitze: Die wesentliche Rolle der KI-Überwachung

Während KI zeitaufwändige Aufgaben aus dem Tag der Arbeitnehmer entfernt, entfernt sie sie nicht aus den Arbeitsabläufen. Menschen spielen immer noch wichtige Rollen in unserer Curriculum-Entwicklung und müssen in KI-getriebene Prozesse integriert werden, um sicherzustellen, dass die Prozesse erfolgreich sind.

Ein gutes Beispiel ist, wie unser Bildungsteam Prompt-Engineering durchführt. Menschen sind verantwortlich für die Erstellung des initialen Prompts, einschließlich Kontext aus relevanten Quellen. Dann, nachdem das Gen-KI-Tool das Prompt ausgeführt hat, überprüft der Mensch die Ausgabe des Tools. Es ist entscheidend, dass diese Person ein Fachmann ist, der Fehler frühzeitig im Prozess erkennen kann. Teammitglieder arbeiten weiterhin mit dem Tool zusammen und iterieren, bis das Team zufrieden ist, dass das Prompt bereit ist, veröffentlicht zu werden.

Während diese kollaborative menschliche/KI-Bearbeitung sich als effektiv erwiesen hat, erfordert sie, dass ein Mensch den Kontext und die Übergänge zwischen Modellen verwaltet.

Ohne Menschen in der Schleife wären Teams dem Willen von KI-Tools ausgeliefert, die berüchtigt unzuverlässig sind. Als wir unser Curriculum-Projekt zum ersten Mal starteten, taten die Tools gut darin, Konzepte zusammenzufassen oder zu erklären, vorausgesetzt, sie hatten den richtigen Kontext. Allerdings halluzinierten sie oft. Heute sind die Modelle besser darin, zu argumentieren, aber ein Mensch muss den Prozess immer noch steuern. Jetzt können Menschen sich auf Überprüfung und Kreativität konzentrieren und nicht nur auf Prozessmanagement.

In der Zukunft werden KI-Agenten eine größere Rolle in dem Prozess spielen. Anstatt dass Menschen manuell Kontext aus Quellen sammeln, Prompts mit Kontext erstellen, Arbeit zwischen KI-Modellen verschieben und Ausgaben überprüfen und verfeinern, entwickeln wir Agenten, die viele dieser Aufgaben ausführen können – mit ein wenig Hilfe. Der Agent kann Quellenmaterialien als Kontext autonom sammeln und verarbeiten, Fähigkeits-Taxonomien und Kurs-Übersichten erstellen, unsere etablierten Arbeitsabläufe ausführen und nur wichtige Entscheidungspunkte an menschliche Experten präsentieren.

Schlussfolgerung

Während schnelle Läufe großartig sind, um in Form zu bleiben, haben Autos vor langer Zeit die Fähigkeit der Menschen, dorthin zu gelangen, wohin sie müssen, verändert. KI bietet die gleichen Vorteile am Arbeitsplatz – sie hilft Unternehmen, Prozesse zu verbessern und bessere Ergebnisse zu erzielen. Diejenigen, die sie annehmen und ihre kumulativen Effizienzgewinne nutzen, werden die Wettbewerber hinter sich lassen.