Membangun Tempat Kerja yang Asli AI: Pelajaran dari Garis Depan

Apa yang akan Anda lakukan jika Anda sedang berlari di sebuah lomba 10K, berjuang untuk mendaki sebuah bukit yang sulit, dan tiba-tiba aturan lomba berubah? Apa jika pengemudi mulai menjemput pelari dengan mobil dan kemudian balapan satu sama lain ke garis finish? Apakah Anda akan terus berlari, mengetahui bahwa Anda akan berada di belakang paket? Atau apakah Anda akan naik mobil, menyalakan gas, dan bersaing untuk hadiah utama?

Di dunia bisnis saat ini, AI adalah mobil yang mengganggu cara perusahaan beroperasi. Perusahaan masih dapat memilih untuk melanjutkan dengan cara yang sama seperti sebelumnya – mengembangkan rencana jangka panjang, mematuhi proses, mendorong karyawan untuk bekerja lebih keras dari sebelumnya untuk sukses di lingkungan yang semakin kompetitif. Namun, AI sedang mengubah sifat lomba. Ini memberikan perusahaan kendaraan baru untuk bergerak lebih cepat dan memberikan pekerja rute baru untuk menghindari masalah. Setiap bisnis yang tidak mengambil alih dan mengintegrasikan kekuatan AI ke dalam tenaga kerjanya akan tertinggal di bukit yang panjang dan curam.

Menerima Masa Depan dengan Menjadi Manajer AI

Di Cockroach Labs, kami belajar dengan cepat bahwa Gen AI dapat membantu kami melakukan hal-hal yang tidak pernah kami pikirkan sebelumnya. Kami telah menggunakannya di seluruh perusahaan untuk pencarian AI, sistem rekomendasi, dan pencarian semantik.

Salah satu contoh terbaik tentang bagaimana AI dapat mengubah proses tenaga kerja adalah yang sedang terjadi di departemen pendidikan kami. Tim kami menggunakan AI untuk mempercepat pengembangan kurikulum yang membantu pelanggan, mitra, dan tenaga kerja kami sendiri menjadi ahli dalam operasi produk basis data kami.

Kami baru-baru ini membuat kursus yang menampilkan 21 latihan tangan dan 20 deck slide dengan catatan rinci siswa. Sebelum memulai proyek, kami memperkirakan bahwa, dengan menggunakan proses pengembangan normal kami – mempertimbangkan perkiraan industri standar untuk waktu yang dibutuhkan pengembang untuk menghasilkan satu jam konten – ini akan memakan waktu tiga hingga lima bulan untuk diselesaikan.

Jadi, apa yang terjadi? Dengan mengintegrasikan Gen AI ke dalam proses yang ada, kami dapat menyelesaikan tugas dalam lima minggu.

Dalam prosesnya, kami belajar sejumlah pelajaran.

• Kami semua adalah manajer AI. Setiap dari kami memiliki kesempatan untuk berpikir sangat berbeda dengan menggunakan AI. Setiap dari kami harus bertindak sebagai manajer, baik kita memiliki laporan langsung atau tidak, karena kita mengelola kapasitas intelijen yang hampir tidak terbatas yang dapat kita gunakan untuk proyek yang menantang. Berapa banyak yang dapat Anda otomatisasi? Berapa kreatif yang dapat Anda lakukan? Berapa efektif yang dapat Anda gunakan alat AI, menantangnya, dan menerapkan model baru yang dihasilkannya? Anda dapat menggunakannya. Anda dapat mengelolanya. Anda dapat melakukan hampir semua yang kapasitas pribadi Anda izinkan.
• Jangan harapkan AI untuk melakukan semua. Ada tugas yang tidak sesuai untuk dilakukan. Namun, Anda dapat menugaskan AI untuk melakukan hal-hal yang pekerja tidak perlu lakukan lagi – pekerjaan yang memakan waktu, tetapi masih memerlukan derajat intelijen.
• Jangan menerima hasil yang dihasilkan AI tanpa verifikasi. Periksa, periksa, dan periksa lagi. Percayalah pada teknologi, tetapi selalu verifikasi – karena akurasi mengubah asumsi menjadi pencapaian.

Proses Langkah-demi-Langkah Menggunakan AI untuk Manajemen Tugas

Berikut adalah ringkasan singkat tentang beberapa cara AI membantu kami mendaki bukit dan mencapai garis finish lebih cepat dari yang kami harapkan.

• Model yang berbeda: Model yang berbeda memiliki kekuatan yang berbeda. Jadi, seperti produsen menggunakan komponen terbaik saat membangun solusi, jangan ragu untuk mengganti model saat itu masuk akal untuk memanfaatkan kekuatan tersebut. Kami menggunakan Claude Sonnet 3.5 untuk membuat draf latihan pertama karena ia sangat baik dalam membuat prosa dan instruksi yang menarik. Kami menggunakan model alasan ChatGPT 4o&”o sebagai reviewer teknis untuk memperbaiki perintah dan memastikan akurasi teknis dalam draf kedua.
• Hasil yang dapat diulang: Saat melakukan tugas teknis yang sangat sulit, kami ingin dapat menerapkan batasan teknis yang jelas dan menghasilkan output yang terstruktur yang mendukung hasil yang dapat diulang. Untuk itu, kami memberikan persyaratan struktur yang eksplisit dan contoh format.
• Prompt untuk tugas teknis yang sangat sulit: Jangan ragu untuk meminta AI melakukan sesuatu –
  jika tidak, AI dapat melakukan hal-hal gila. Nyatakan secara jelas asumsi tentang input atau kondisi lingkungan dan minta model untuk menangani kasus yang tidak terduga.

• Prompt yang diperbarui: Penting untuk mendorong alat AI untuk mengajukan pertanyaan klarifikasi. Prompt pertama tidak akan sempurna, jadi harapkan beberapa putaran. Integrasikan perbaikan atau langkah yang disarankan model kembali ke prompt dasar, dan iterasi dengan AI dan rekan tim.
• Pengujian, pengujian, pengujian: Pemeriksaan konsistensi sangat penting. Salah satu cara untuk mengukur efektivitas prompt Anda adalah dengan memastikan output yang konsisten. Jadi, kami menguji sering untuk memastikan bahwa kami memasukkan input yang sama dan bahwa output tetap sama.

Keahlian Manusia di Kapal: Peran Penting Pengawasan AI

Sementara AI menghilangkan tugas yang memakan waktu dari hari kerja, itu tidak menghilangkannya dari alur kerja sama sekali. Manusia masih memainkan peran kritis dalam pengembangan kurikulum kami, dan mereka perlu diintegrasikan ke dalam proses yang digerakkan AI untuk memastikan bahwa proses tersebut berhasil.

Contoh yang baik adalah bagaimana tim pendidikan kami melakukan teknik prompt. Manusia bertanggung jawab untuk membuat prompt awal, termasuk konteks dari sumber yang relevan. Kemudian, setelah alat Gen AI menjalankan prompt, manusia meninjau output alat. Sangat penting bahwa orang ini adalah ahli mata pelajaran yang dapat menangkap kesalahan awal dalam proses. Rekan tim terus berkolaborasi dengan alat dan mengulangi sampai tim puas bahwa prompt siap untuk dipublikasikan.

Sementara kolaborasi manusia/AI ini terbukti efektif, itu memerlukan manusia untuk mengelola konteks dan transisi antara model.

Tanpa manusia dalam proses, tim akan berada di bawah kendali alat AI yang terkenal tidak dapat diandalkan. Ketika kami pertama kali memulai proyek kurikulum, alat tersebut melakukan dengan baik dalam merangkum atau menjelaskan konsep, diberikan konteks yang tepat. Namun, mereka sering mengalami halusinasi. Sekarang model tersebut lebih baik dalam penalaran, tetapi manusia masih perlu mengelola proses. Sekarang, manusia dapat fokus pada tinjauan dan kreativitas, bukan hanya pada manajemen proses.

Di masa depan, agen AI akan memainkan peran yang lebih besar dalam proses. Alih-alih manusia secara manual mengumpulkan konteks dari sumber, membuat prompt dengan konteks, memindahkan pekerjaan antara model AI, dan meninjau serta memperbarui output, kami sedang mengembangkan agen yang dapat melakukan banyak tugas ini – dengan sedikit bantuan. Agen dapat mengumpulkan dan memproses bahan sumber sebagai konteks, menghasilkan taksonomi keterampilan dan garis besar kursus, menjalankan alur kerja yang telah ditetapkan, dan menyajikan hanya poin keputusan kunci kepada ahli manusia.

Kesimpulan

Sementara lari yang cepat sangat baik untuk menjaga bentuk, mobil telah lama mengubah kemampuan manusia untuk pergi ke mana mereka perlu pergi. AI memberikan manfaat yang sama di tempat kerja – membantu perusahaan memperbaiki proses dan menghasilkan hasil yang lebih baik. Mereka yang menerima dan mengintegrasikan kekuatan AI ke dalam tenaga kerja mereka akan meninggalkan pesaing di belakang.