Κατασκευάζοντας ένα Εργασιακό Χώρο που Βασίζεται στο AI: Μαθήματα από την Πρώτη Γραμμή

Τι θα κάνατε αν τρέχατε σε ένα δρόμο 10K, αγωνιζόσασταν να ανεβείτε ένα δύσκολο λόφο και ξαφνικά άλλαξαν οι κανόνες του αγώνα; Τι αν οι οδηγοί άρχισαν να παίρνουν τους δρομείς με τα αυτοκίνητα και μετά έτρεξαν ο ένας τον άλλον μέχρι τη γραμμή τερματισμού; Θα συνεχίσατε να τρέχετε, γνωρίζοντας καλά ότι θα τερματίσετε στην πίσω parte του πελώματος; Ή θα μπείτε στο αυτοκίνητο, πατήσετε το γκάζι και αγωνιστείτε για το μεγάλο βραβείο;

Στη σημερινή επιχείρηση, το AI είναι αυτό το αυτοκίνητο που διαταράσσει τον τρόπο με τον οποίο λειτουργούν οι εταιρείες. Οι εταιρείες μπορούν ακόμα να επιλέξουν να προχωρήσουν με τον τρόπο που έχουν πάντα – αναπτύσσοντας μακροπρόθεσμους σχεδιασμούς, ακολουθώντας διαδικασίες, πιέζοντας τους υπαλλήλους να εργαστούν πιο σκληρά από ποτέ για να επιτύχουν σε一个 ολοένα και πιο ανταγωνιστικό περιβάλλον. Αλλά το AI αλλάζει τη φύση του αγώνα. Παρέχει στις εταιρείες ένα νέο όχημα για να κινούνται πιο γρήγορα και να δίνουν στους εργαζόμενους νέους δρόμους για να περάσουν γύρω από προβλήματα. Κάθε επιχείρηση που δεν θα πάρει το τιμόνι και δεν θα ενσωματώσει τη δύναμη του AI στη δύναμή της θα μείνει πίσω στον μακρύ και απότομο λόφο.

Εγκρίνοντας το Μέλλον ως Διαχειριστής του AI

Εδώ στη Cockroach Labs, μάθαμε πολύ γρήγορα ότι το Gen AI μπορεί να μας βοηθήσει να κάνουμε πράγματα που δεν σκεφτόμασταν ποτέ ότι είναι δυνατά. Έχουμε χρησιμοποιήσει σε όλη την εταιρεία για gen AI αναζήτηση, συστήματα συστάσεων και σημασιολογική αναζήτηση.

Ένα από τα καλύτερα παραδείγματα του πώς το AI μπορεί να μεταμορφώσει μια διαδικασία εργασίας είναι η διαδικασία που λαμβάνει χώρα στο τμήμα εκπαίδευσης μας. Η ομάδα μας χρησιμοποιεί το AI για να επιταχύνει την ανάπτυξη προγραμμάτων σπουδών που βοηθούν τους πελάτες, τους συνεργάτες και τους ίδιους τους εργαζόμενους να γίνουν εξειδικευμένοι στη λειτουργία της γραμμής προϊόντων μας.

Πρόσφατα δημιουργήσαμε ένα μάθημα που περιελάμβανε 21 πρακτικές ασκήσεις και 20 διαφάνειες με λεπτομερείς σημειώσεις μαθητών. Πριν ξεκινήσουμε το έργο, εκτιμήσαμε ότι, χρησιμοποιώντας τη συνηθισμένη διαδικασία ανάπτυξής μας – λαμβάνοντας υπόψη τις βιομηχανικές προδιαγραφές για το πόσο καιρό χρειάζονται οι dévelopers για να παράγουν μια ώρα περιεχομένου – αυτό θα πάρει τρεις έως πέντε μήνες για να ολοκληρωθεί.

Τι συνέβη; Ενσωματώνοντας το Gen AI στις υπάρχουσες διαδικασίες μας, καταφέραμε να ολοκληρώσουμε την εργασία σε πέντε εβδομάδες.

Κατά τη διαδικασία, μάθαμε μια σειρά από μαθήματα.

• Όλοι είμαστε διαχειριστές του AI. Κάθε ένας από εμάς έχει την ευκαιρία να σκεφτεί πολύ διαφορετικά χρησιμοποιώντας το AI. Κάθε ένας από εμάς πρέπει να ενεργεί ως διαχειριστής, ανεξάρτητα από το αν έχει άμεσους υπαλλήλους ή όχι, επειδή διαχειριζόμαστε μια πρακτικά απεριόριστη ικανότητα νοημοσύνης που μπορούμε να τη βάλουμε σε εργασία για δύσκολα έργα. Πόσο μπορείτε να αυτοματοποιήσετε; Πόσο δημιουργικοί μπορείτε να είστε; Πόσο αποτελεσματικά μπορείτε να προωθήσετε το εργαλείο AI, να το προκλήσετε και να αναπτύξετε το νέο μοντέλο που παράγει; Μπορείτε να το χειριστείτε. Μπορείτε να το διαχειριστείτε. Μπορείτε να κάνετε ουσιαστικά όσο το δικό σας προσωπικό όριο θα σας επιτρέψει να κάνετε.
• Μην περιμένετε το AI να κάνει τα πάντα. Υπάρχουν εργασίες που απλώς δεν είναι κατάλληλες για εκτέλεση. Αλλά μπορείτε να το ζητήσετε να κάνει πράγματα που οι εργαζόμενοι δεν πρέπει να κάνουν πλέον – εργασίες που είναι χρονοβόρες, αλλά vẫn απαιτούν ένα βαθμό νοημοσύνης.
• Μην δεχτείτε απλά τα αποτελέσματα που παράγει. Ελέγξτε, ελέγξτε και ξαναελέγξτε. Εμπιστευτείτε την τεχνολογία, αλλά πάντα ελέγξτε – γιατί η ακρίβεια μετατρέπει τις υποθέσεις σε επιτεύγματα.

Η Βήμα-προς-Βήμα Διαδικασία Εφαρμογής του AI για Διαχείριση Εργασιών

Εδώ είναι μια γρήγορη περίληψη некоторых από τους τρόπους με τους οποίους το AI μας βοήθησε να ανεβούμε στον λόφο, στη γραμμή τερματισμού, πολύ γρηγορότερα από ότι περιμέναμε.

• Διαφορετικά μοντέλα: Διαφορετικά μοντέλα έχουν διαφορετικές ικανότητες. Έτσι, όπως οι κατασκευαστές χρησιμοποιούν τα καλύτερα εξαρτήματα όταν κατασκευάζουν μια λύση, αισθανθείτε ελεύθεροι να ανταλλάξετε μοντέλα όταν έχει νόημα να επωφεληθείτε από τις ικανότητες τους. Χρησιμοποιήσαμε το Claude Sonnet 3.5 για να δημιουργήσουμε το πρώτο σχέδιο ασκήσεων επειδή εξέχουν στην δημιουργία ενδιαφερουσών προτάσεων και οδηγιών. Χρησιμοποιήσαμε το ChatGPT 4o&”o reasoning μοντέλα ως τεχνικούς κριτές για να βελτιώσουμε τις εντολές και να διασφαλίσουμε την τεχνική ακρίβεια στο δεύτερο σχέδιο.
• Αναπαραγόμενα αποτελέσματα: Όταν κάνουμε πολύ τεχνικές εργασίες, θέλαμε να μπορέσουμε να επιβάλλουμε σαφείς τεχνικές περιορισμούς και να παράγουμε δομημένα αποτελέσματα που υποστηρίζουν αναπαραγόμενα αποτελέσματα. Για να το κάνουμε αυτό, παρείχαμε ρητές απαιτήσεις δομής και παραδείγματα μορφής.
• Προωθήσεις για πολύ τεχνικές εργασίες: Να είστε πολύ συγκεκριμένοι σχετικά με αυτό που ζητάτε το AI να κάνει –

αλλιώς μπορεί να κάνει τρελά πράγματα. Καθορίστε σαφώς οποίες υποθέσεις σχετικά με τις εισόδους ή τις περιβαλλοντικές συνθήκες και ζητήστε το μοντέλο να χειριστεί απροσδόκητες περιπτώσεις.

• Βελτιωμένες προωθήσεις: Είναι σημαντικό να ενθαρρύνετε τα εργαλεία AI να κάνουν ερωτήσεις διευκρίνισης. Οι πρώτες προωθήσεις δεν θα είναι τέλειες, οπότε περιμένετε πολλαπλά γύρους. Ενσωματώστε οποίες βελτιώσεις ή βήματα που προτείνει το μοντέλο πίσω στη βάση προώθηση και επαναλάβετε με το AI και τους συνεργάτες σας.
• Δοκιμές, δοκιμές, δοκιμές: Οι ελέγχοι συν nhấtότητας είναι κρίσιμες. Ένας τρόπος για να μετρήσετε την αποτελεσματικότητα της προώθησής σας είναι να διασφαλίσετε συνεχή έξοδο. Οπότε, δοκιμάσαμε συχνά για να διασφαλίσουμε ότι βάζαμε την ίδια είσοδο και ότι η έξοδος παρέμεινε η ίδια.

Η Ανθρώπινη Εμπειρία στη Διοίκηση: Ο Απαραίτητος Ρόλος της Εποπτείας του AI

Ενώ το AI αφαιρεί χρονοβόρες εργασίες από την ημέρα των εργαζομένων, δεν τις αφαιρεί από τις ροές εργασίας ολικά. Οι άνθρωποι εξακολουθούν να παίζουν κρίσιμους ρόλους στην ανάπτυξη του προγράμματος μας, και πρέπει να ενσωματωθούν στις διαδικασίες που οδηγούνται από το AI για να διασφαλίσουν ότι οι διαδικασίες θα επιτύχουν.

Ένα καλό παράδειγμα είναι το πώς η ομάδα εκπαίδευσής μας διεξάγει την μηχανική προώθησης. Οι άνθρωποι είναι υπεύθυνοι για τη δημιουργία της αρχικής προώθησης, συμπεριλαμβανομένων των περιεχομένων από σχετικές πηγές. Μετά, αφού το εργαλείο Gen AI εκτελέσει την προώθηση, ο άνθρωπος αναθεωρεί την έξοδο του εργαλείου. Είναι απαραίτητο ότι αυτή η personne είναι ένας ειδικός που μπορεί να πιάσει λάθη νωρίς στη διαδικασία. Οι συνεργάτες συνεχίζουν να συνεργάζονται με το εργαλείο και να επαναλαμβάνουν μέχρι να ικανοποιηθούν ότι η προώθηση είναι έτοιμη για δημοσίευση.

Ενώ αυτή η συνεργατική ανθρώπινη/AI έχει αποδειχθεί αποτελεσματική, απαιτεί έναν άνθρωπο να διαχειριστεί το контекστό και τις μεταβάσεις μεταξύ μοντέλων.

Χωρίς τους ανθρώπους στη διαδικασία, οι ομάδες θα ήταν στην εύνοια των εργαλείων AI που μπορούν να είναι αξιοσημείωτα αξιόπιστα. Όταν αρχίσαμε με το έργο μας, τα εργαλεία έκαναν καλά στην περίληψη ή την εξήγηση εννοιών, με το σωστό контекστό. Ωστόσο, συχνά φανταζόμαστε. Σήμερα τα μοντέλα είναι καλύτερα στο λόγο, αλλά ένας άνθρωπος εξακολουθεί να χρειάζεται να διαχειριστεί τη διαδικασία. Τώρα, οι άνθρωποι μπορούν να επικεντρωθούν στην αναθεώρηση και τη δημιουργικότητα και όχι μόνο στη διαχείριση της διαδικασίας.

Στο μέλλον, τα πράγματα του AI θα παίξουν μεγαλύτερο ρόλο στη διαδικασία. Αντί να συλλέγουν οι άνθρωποι χειρονακτικά το контекστό από τις πηγές, να δημιουργούν προωθήσεις με kontekστό, να μεταφέρουν εργασία μεταξύ μοντέλων AI και να αναθεωρούν και να βελτιώνουν τις εξόδους, αναπτύσσουμε πράγματα που μπορούν να εκτελέσουν πολλές από αυτές τις εργασίες – με μια μικρή βοήθεια. Το πράγμα μπορεί να συλλέξει αυτόματα το контекστό και να επεξεργαστεί υλικό ως kontekστό, να δημιουργήσει ταξινόμια δεξιοτήτων και περιγράμματα μαθήματος, να εκτελέσει τις καθιερωμένες ροές εργασίας και να παρουσιάσει μόνο κρίσιμους σημεία λήψης αποφάσεων σε ανθρώπινους ειδικούς.

Συμπέρασμα

Ενώ οι γρήγορες διαδρομές είναι καλές για τη διατήρηση της φυσικής κατάστασης, τα αυτοκίνητα έχουν μεταμορφώσει την ικανότητα των ανθρώπων να πάνε εκεί που χρειάζονται να πάνε. Το AI παρέχει τα ίδια οφέλη στην εργασία – βοηθώντας τις εταιρείες να βελτιώσουν τις διαδικασίες και να παράγουν καλύτερα αποτελέσματα. Αυτοί που θα το ενστερνιστούν και θα εκμεταλλευτούν τις συνθετικές αποδοτικότητες θα αφήσουν τους ανταγωνιστές πίσω.