Κατασκευή ενός Εργασιακού Χώρου Ιθαγενή του AI: Μαθήματα από το Πρόσωπο της Μάχης

Τι θα κάνατε αν τρέχατε σε ένα δρόμο 10K, αγωνιζόσαστε να ανεβείτε σε ένα δύσκολο λόφο και ξαφνικά άλλαξαν οι κανόνες του αγώνα; Τι αν οι οδηγοί άρχισαν να παίρνουν τους δρομείς με αυτοκίνητα και στη συνέχεια αγωνίζονταν μεταξύ τους για να φτάσουν στη γραμμή τερματισμού; Θα συνεχίσατε να τρέχετε, γνωρίζοντας καλά ότι θα τερματίσετε στο πίσω μέρος της ομάδας; 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 πάντα το έκαναν – αναπτύσσοντας μακροπρόθεσμους планους, ακολουθώντας διαδικασίες, ωθώντας τους υπαλλήλους να εργαστούν πιο σκληρά από ποτέ για να επιτύχουν σε μια αυξανόμενη ανταγωνιστική περιβάλλον. Αλλά το AI είναι αλλάζει τη φύση του αγώνα. Παρέχει στις εταιρείες ένα νέο όχημα για να κινούνται πιο γρήγορα και να δώσουν 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 δύναμη εργασίας της θα μείνει πίσω σε αυτόν τον μακρύ, απότομο λόφο.

Ενσωματώνοντας το Μέλλον με τη Γινόμενη Διαχειριστής του AI

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

Ένα από τα καλύτερα παραδείγματα του πώς το AI μπορεί να μεταμορφώσει μια διαδικασία εργασίας είναι αυτό που συμβαίνει στο τμήμα εκπαίδευσης. Η ομάδα μας χρησιμοποιεί το AI για να επιταχύνει την ανάπτυξη προγραμμάτων σπουδών που βοηθούν τους πελάτες, τους συνεργάτες και τη δική μας εργατική δύναμη να γίνουν εξειδικευμένοι στη λειτουργία της γραμμής προϊόντων μας βάσεων δεδομένων.

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

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

Κατά τη διάρκεια της διαδικασίας, 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, είτε έχει άμεσους υπαλλήλους είτε όχι, γιατί διαχειριζόμαστε μια εικονικά 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 προτρέπειτε το εργαλείο AI, να το προκαλείτε και να αναπτύσσετε το νέο μοντέλο που παράγει; Μπορείτε να το χειριστείτε. Μπορείτε να το διαχειριστείτε. Μπορείτε να κάνετε ουσιαστικά όσο το προσωπικό σας θα σας επιτρέψει να κάνετε.
• Μην περιμένετε το AI να κάνει τα πάντα. Υπάρχουν εργασίες για τις οποίες δεν είναι κατάλληλο. Αλλά μπορείτε να του αναθέσετε να κάνει πράγματα που οι εργαζόμενοι δεν πρέπει να κάνουν πλέον – εργασίες που είναι χρονοβόρες, αλλά vẫn απαιτούν ένα βαθμό νοημοσύνης.
• Μην δεχτείτε τυφλά τα αποτελέσματα που παράγει. Ελέγξτε, ελέγξτε και ξαναελέγξτε. Εμπιστευτείτε την τεχνολογία, αλλά πάντα ελέγξτε – γιατί η ακρίβεια μετατρέπει τις υποθέσεις σε επιτεύγματα.

Η Διαδικασία Βήμα προς Βήμα για την Ανάπτυξη του AI για τη Διαχείριση Εργασιών

Εδώ είναι μια γρήγορη περίληψη μερικών από τους τρόπους με τους οποίους το AI μας βοήθησε να ανεβούμε στον λόφο, στη γραμμή τερματισμού, πολύ πιο γρήγορα από ό,τι περιμέναμε.

• Διαφορετικά μοντέλα: Διαφορετικά μοντέλα έχουν διαφορετικές δυνατότητες. Όπως και οι κατασκευαστές χρησιμοποιούν τα καλύτερα εξαρτήματα όταν κατασκευάζουν μια λύση, να μην διστάσετε να ανταλλάξετε μοντέλα όταν έχει νόημα να εκμεταλλευτείτε αυτές τις δυνατότητες. Χρησιμοποιήσαμε το Claude Sonnet 3.5 για να δημιουργήσουμε το πρώτο σχέδιο της άσκησης επειδή ήταν εξαιρετικό στη δημιουργία ενδιαφερόντων κειμένων και οδηγιών. Χρησιμοποιήσαμε το ChatGPT 4o&”o” reasoning models ως τεχνικούς κριτές για να βελτιώσουμε τις εντολές και να διασφαλίσουμε την τεχνική ακρίβεια στη δεύτερη εκδοχή.
• Αναπαραγώγιμα αποτελέσματα: Όταν κάνουμε高度 τεχνικές εργασίες, θέλαμε να μπορέσουμε να επιβάλουμε σαφείς τεχνικές περιορισμούς και να παράγουμε δομημένα εξόδους που υποστηρίζουν αναπαραγώγιμα αποτελέσματα. Για να το κάνουμε αυτό, παρείχαμε ρητές απαιτήσεις δομής και παραδείγματα μορφής.
• Προτροπές για高度 τεχνικές εργασίες: Να είστε πολύ συγκεκριμένοι για το τι ζητάτε το AI να κάνει –

αλλιώς μπορεί να κάνει τρελά πράγματα. Να αναφέρετε σαφώς οποίες υποθέσεις για τις εισόδους ή τις περιβαλλοντικές συνθήκες και να ζητήσετε από το μοντέλο να χειριστεί απροσδόκητες περιπτώσεις.

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

Ανθρώπινη Εμπειρία στη Διοίκηση: Ο Απαραίτητος Ρόλος της Επιτήρησης του AI

Ενώ το AI αφαιρεί τις 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 επιτύχουν.

Ένα καλό παράδειγμα είναι το πώς η ομάδα εκπαίδευσής μας διεξάγει την μηχανική προτροπής. Οι άνθρωποι είναι υπεύθυνοι για τη δημιουργία της αρχικής προτροπής, συμπεριλαμβανομένης της контекστοποίησης από σχετικές πηγές. Στη συνέχεια, μετά την εκτέλεση της προτροπής από το Gen AI εργαλείο, ο άνθρωπος ελέγχει την έξοδο του εργαλείου. Είναι απαραίτητο ότι αυτό το πρόσωπο είναι ένας ειδικός στο αντικείμενο που μπορεί να πιάσει λάθη νωρίς στη διαδικασία. Οι συνεργάτες συνεχίζουν να συνεργάζονται με το εργαλείο και να επαναλαμβάνουν μέχρι να είναι ικανοποιημένοι ότι η προτροπή 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 αναξιόπιστα. Όταν αρχίσαμε με το έργο του προγράμματος μας, τα εργαλεία έκαναν καλά στη σύνοψη ή την εξήγηση εννοιών, με το σωστό контекστό. Ωστόσο, συχνά φανταζόμαστε. Σήμερα τα μοντέλα είναι καλύτερα στο λόγο, αλλά ένας άνθρωπος vẫn χρειάζεται να διαχειριστεί τη διαδικασία. Τώρα, οι άνθρωποι μπορούν να εστιάσουν στην αναθεώρηση και τη δημιουργικότητα και όχι μόνο στη διαχείριση της διαδικασίας.

Στο μέλλον, τα πράγματα AI θα παίξουν μεγαλύτερο ρόλο στη διαδικασία. Αντί να συλλέγουν χειροκίνητα το контекστό από πηγές, να δημιουργούν προτροπές με контекστό, να μεταφέρουν εργασία μεταξύ μοντέλων AI και να ελέγχουν και να βελτιώνουν τις εξόδους, αναπτύσσουμε πράγματα που μπορούν να εκτελέσουν πολλές από αυτές τις εργασίες – με một μικρή βοήθεια. Το πράγμα μπορεί να συλλέξει αυτόματα και να επεξεργαστεί υλικό πηγών ως контекστό, να δημιουργήσει ταξινομήσεις δεξιοτήτων και περιγράμματα μαθημάτων, να εκτελέσει τις καθιερωμένες ροές εργασίας μας 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 ήδη μεταμορφώσει την ικανότητα των ανθρώπων να πάνε εκεί που χρειάζονται. Το AI παρέχει τα ίδια οφέλη στην εργασία – βοηθώντας τις εταιρείες να βελτιώσουν τις διαδικασίες και να παράγουν καλύτερα αποτελέσματα. Αυτοί που το αποδεχτούν και το εκμεταλλεύονται θα αφήσουν τους ανταγωνιστές πίσω.