Rakentamalla AI-käyttöön perustuvan työpaikan: Oppimiskokemuksia eturintamalta

Mitä tehtäisi, jos juoksisi 10 kilometrin juoksukilpailun, kamppailisit raskasta mäkeä ylös ja yhtäkkiä kilpailun säännöt muuttuisivat? Mitä, jos kuskit alkoisivat nostaa juoksijoita autoihin ja kilpailla toisiaan maaliin? Jatkaisitko juoksemista, tietäen, että sijoittuisit takapuolelle, vai menisitkö autonkuljettajaksi, kaasuttaisit ja kilpailisit pääpalkinnosta?

Liiketoiminnassa tänään AI on se auto, joka muuttaa yritysten toimintatapaa. Yritykset voivat edelleen valita edetä tavalla, jolla ne ovat aina tehneet – kehittää pitkän aikavälin suunnitelmia, noudattaa prosesseja, pyrkivät työntekijöiden työskentelemään kovemmin kuin koskaan ennen menestyäkseen kasvavassa kilpailussa. Mutta AI on muuttamassa kilpailun luonnetta. Se antaa yrityksille uuden ajoneuvon, jolla ne voivat liikkua nopeammin ja antaa työntekijöille uusia reittejä, joiden avulla he voivat kiertää ongelmia. Mikä tahansa yritys, joka ei ottaa ohjaksista kiinni ja sisällytä AI:ta työvoimaansa, jää jälkeen pitkällä ja jyrkällä mäellä.

Tulevaisuuden omaksuminen AI:n johtajana

Meidän täällä Cockroach Labsissa opimme nopeasti, että Gen AI voi auttaa meitä tekemään asioita, joita emme olleet koskaan ajatelleet mahdollisiksi. Olemme käyttäneet sitä koko yrityksessä gen AI-haun, suosittelujärjestelmien ja semanttisen haun vuoksi.

Yksi parhaista esimerkeistä siitä, miten AI voi muuttaa työvoiman prosessia, on tapahtumassa koulutusosastossamme. Tiimimme käyttää AI:ta kiihdyttääkseen asiakkaiden, kumppaneiden ja oman työvoiman asiantuntijuuden kehittämistä tietokantatuotteidemme toiminnassa.

Olemme vastaanottaneet kurssin, jossa on 21 käytännön harjoitusta ja 20 diaesitystä yksityiskohtaisilla opiskelijan muistiinpanoilla. Ennen kuin aloimme projektin, arvioimme, että se kestäisi normaalin kehitysprosessimme mukaan – ottaen huomioon alan standardiarviot siitä, kuinka kauan kestää kehittää yksi tunti sisältöä – kolme kuukautta.

Mitä tapahtui? Sisällyttämällä Gen AI: n olemassa oleviin prosesseihimme, pystyimme suorittamaan tehtävän viidessä viikossa.

Prosessissa opimme useita oppeja.

• Me kaikki olemme AI:n johtajia. Jokaisella meistä on mahdollisuus ajatella eri tavoin AI: n avulla. Jokaisen meistä tulisi toimia johtajina, riippumatta siitä, onko meillä suoria raportteja vai ei, koska me hallitsemme lähes rajatonta älykkyyskapasiteettia, jonka voimme käyttää haastaviin projekteihin. Kuinka paljon voit automatisoida? Kuinka luovaa voit olla? Kuinka tehokkaasti voit ohjata AI-työkalua, haastaa sitä ja käyttää uutta mallia, jonka se luo? Voit hallita sitä. Voit johtaa sitä. Voit tehdä lähes mitä tahansa, mitä oma henkilökohtainen kapasiteettisi sallii.
• Älä odota, että AI tekee kaiken. On tehtäviä, joita se ei ole soveltuva suorittamaan. Mutta voit antaa sille tehtäväksi tehdä asioita, joita työntekijöiden ei enää tarvitse tehdä – työtehtäviä, jotka ovat aikaa vieviä, mutta edellyttävät jonkin verran älykkyyttä.
• Älä hyväksy sokeasti tuloksia, joita se tuottaa. Tarkista, tarkista ja tarkista uudelleen. Luota teknologiaan, mutta aina varmista – koska tarkkuus muuttaa oletukset saavutuksiksi.

Askeltainen prosessi AI:n käyttöönotossa tehtävienhallinnassa

Tässä on nopea yhteenveto siitä, miten AI auttoi meitä pääsemään ylös mäelle, maaliin, paljon nopeammin kuin odotimme.

• Eri mallit: Eri mallit ovat eri vahvuuksia. Niin kuin valmistajat käyttävät parhaimmista osista ratkaisun rakentamiseen, voit vaihtaa malleja, kun se on järkevää hyödyntää niiden vahvuuksia. Käytimme Claude Sonnet 3.5: tä luomaan ensimmäisen harjoituksen luonnosta, koska se oli erittäin hyvä luomaan mukaansatempaavaa proosaa ja ohjeita. Käytimme ChatGPT 4o "o" -syyttelymallia teknisinä arvostelijoina viimeistelläksemme komennot ja varmistamaan teknisen tarkin ja teknisen tarkkuuden toisessa luonnoksessa.
• Toistettavat tulokset: Kun teimme erittäin teknisiä tehtäviä, halusimme pystyä pakottamaan selkeät tekniset rajoitukset ja tuottamaan rakenteellisia tuloksia, jotka tukivat toistettavia tuloksia. Tehdäksemme sen, annimme eksplisiittisiä rakenteellisia vaatimuksia ja muotoiluesimerkkejä.
• Älykkäät tehtävät: Ole erittäin tarkka siitä, mitä pyydät AI: lta tekemään –

muuten se voi tehdä hulluja asioita. Ilmoita selkeästi mitkä oletukset syötteen tai ympäristön olosuhteista ja pyydä mallilta käsittelemään odottamattomia tapauksia.

• Hienot tehtävät: On tärkeää rohkaista AI-työkaluja esittämään tarkentavia kysymyksiä. Ensimmäiset tehtävät eivät ole täydellisiä, joten odota useita kierroksia. Sisällytä parannukset tai vaiheet, jotka malli ehdottaa, takaisin perustehtävään, ja toista AI: n ja tiimikavereiden kanssa.
• Testaus, testaus, testaus: Jatkuvuustarkistukset ovat kriittisiä. Yksi tapa mitata tehtävän tehokkuutta on varmistaa johdonmukainen tuloste. Testasimme usein varmistaaksemme, että syötämme samaa syötettä ja että tuloste säilyi samana.

Ihmisen asiantuntijuus ohjaimissa: AI-valvonnan olennainen rooli

Vaikka AI poistaa aikaa vieviä tehtäviä työntekijöiden päivästä, se ei poista niitä kokonaan työnkulusta. Ihmiset ovat edelleen kriittisiä rooleissa koulutusohjelmamme kehittämisessä, ja heidän on oltava integroitu AI-ohjattuihin prosesseihin varmistaakseen, että prosessit onnistuvat.

Hyvä esimerkki on siinä, miten koulutustiimimme suorittaa tehtävän insinööritöitä. Ihmiset ovat vastuussa alkutehtävän luomisesta, mukaan lukien asiayhteydestä relevanteista lähteistä. Sen jälkeen, kun Gen AI -työkalu suorittaa tehtävän, ihminen tarkistaa työkalun tulosteen. On olennaista, että tämä henkilö on aiheen asiantuntija, joka voi havaita virheet prosessin alussa. Tiimikaverit jatkavat yhteistyötä työkalun kanssa ja toistavat, kunnes tiimi on tyytyväinen siihen, että tehtävä on valmis julkaistavaksi.

Vaikka tämä yhteistyöllinen ihmisen/AI on osoittautunut tehokkaaksi, se edellyttää, että ihminen hallitsee asiayhteyden ja siirtymisen mallejen välillä.

Ilman ihmisiä prosessissa tiimit olisivat AI-työkalujen armoilla, jotka voivat olla mainittavasti epäluotettavia. Kun aloimme koulutushankkeemme, työkalut menestyivät yhteenvedon tai käsitteiden selittämisessä, kun oikeat asiayhteydet olivat olemassa. Nykyään mallit ovat parempia syyttelyssä, mutta ihmiselle on edelleen hallittava prosessi. Nykyään ihmiset voivat keskittyä tarkastamiseen ja luovuuteen eikä vain prosessin hallintaan.

Tulevaisuudessa AI-agenteilla on suurempi rooli prosessissa. Sen sijaan, että ihmiset keräävät manuaalisesti asiayhteyden lähteistä, luovat tehtäviä asiayhteydellä, siirtävät työtä AI-malleja ja tarkistavat ja parantavat tulosteita, kehitämme agenteja, jotka voivat suorittaa monia näistä tehtävistä – hieman apua. Agentti voi kerätä ja prosessoida lähdemateriaaleja asiayhteydellä, luoda taitotaksoja ja kurssin luonnoksia, suorittaa vakiintuneita työnkulkuja ja esittää vain avainpäätöksiä ihmisille asiantuntijoille.

Johtopäätös

Vaikka reipas juoksu on hyvä kuntoiluun, autot muuttivat jo kauan sitten ihmisten kykyä päästä minne he tarvitsevat mennä. AI tarjoaa samat hyödyt työpaikalla – auttaa yrityksiä parantamaan prosesseja ja tuottamaan parempia tuloksia. Ne, jotka omaksuvat sen ja hyödyntävät sen yhdistetyn tehokkuuden, jättävät kilpailijat jälkeen.