Costruire un Luogo di Lavoro Nativo AI: Lezioni dalla Prima Linea

Cosa faresti se stessi correndo una gara di 10 km, faticando a salire una collina difficile, e improvvisamente le regole della gara cambiano? Cosa faresti se gli autisti iniziassero a raccogliere i corridori in auto e poi si sfidassero tra loro per raggiungere il traguardo? Continueresti a correre, sapendo bene che finirai in fondo al gruppo? O ti farebbe salire in auto, azioneresti il gas e competere per il gran premio?

Nel business di oggi, l’AI è quell’auto che sta cambiando il modo in cui le aziende funzionano. Le aziende possono ancora scegliere di andare avanti come hanno sempre fatto – sviluppando piani a lungo termine, attenendosi ai processi, spingendo i dipendenti a lavorare più duramente che mai per avere successo in ambienti sempre più competitivi. Ma l’AI sta cambiando la natura della gara. Sta dando alle aziende un nuovo veicolo per muoversi più velocemente e aiutare i lavoratori a trovare nuove strade per superare i problemi. Qualsiasi azienda che non prenda il volante e non instilli il potere dell’AI nel proprio personale sarà lasciata indietro su quella lunga e ripida collina.

Abbracciare il Futuro Diventando un Manager di AI

Qui a Cockroach Labs, abbiamo imparato molto velocemente che l’AI di generazione può aiutarci a fare cose che non pensavamo possibile. Abbiamo usato l’AI in tutta l’azienda per la ricerca di AI, i sistemi di raccomandazione e la ricerca semantica.

Uno dei migliori esempi di come l’AI possa trasformare un processo di lavoro è in corso nel nostro dipartimento di formazione. Il nostro team sta utilizzando l’AI per accelerare lo sviluppo di curricula che aiutano i clienti, i partner e il nostro stesso personale a diventare esperti nell’utilizzo della nostra linea di prodotti di database.

Abbiamo recentemente creato un corso che presenta 21 esercizi pratici e 20 slide con note dettagliate per gli studenti. Prima di iniziare il progetto, abbiamo stimato che, utilizzando il nostro processo di sviluppo normale – considerando le stime standard dell’industria per il tempo necessario ai developer per produrre un’ora di contenuto – questo avrebbe richiesto tre o cinque mesi per essere completato.

Cosa è successo? Incorporando l’AI di generazione nei nostri processi esistenti, siamo stati in grado di finire il compito in cinque settimane.

Nel processo, abbiamo imparato una serie di lezioni.

• Siamo tutti manager di AI. Ognuno di noi ha l’opportunità di pensare in modo molto diverso utilizzando l’AI. Ognuno di noi dovrebbe agire come manager, sia che abbia dipendenti diretti o no, perché gestiamo una capacità di intelligenza virtualmente illimitata che possiamo mettere al lavoro su progetti impegnativi. Quanto puoi automatizzare? Quanto puoi essere creativo? Quanto efficacemente puoi sollecitare il tuo strumento AI, sfidarlo e distribuire il nuovo modello che genera? Puoi gestirlo. Puoi gestirlo. Puoi fare essenzialmente quanto ti permette di fare la tua capacità personale.
• Non aspettarti che l’AI faccia tutto. Ci sono compiti che non è in grado di eseguire. Ma puoi assegnarle compiti che i lavoratori non dovrebbero più fare – lavori che sono impegnativi, ma richiedono ancora un certo grado di intelligenza.
• Non accettare ciecamente i risultati che produce. Controlla, controlla e ricontrolla. Fidati della tecnologia, ma verifica sempre – perché l’accuratezza trasforma le ipotesi in risultati.

Il Processo Passo dopo Passo per la Distribuzione di AI per la Gestione dei Compiti

Ecco una rapida panoramica di alcuni dei modi in cui l’AI ci ha aiutato a salire la collina, a raggiungere il traguardo, molto più velocemente di quanto ci aspettassimo.

• Modelli diversi: I modelli diversi hanno punti di forza diversi. Quindi, proprio come i produttori utilizzano componenti di fascia alta quando costruiscono una soluzione, sentiti libero di cambiare modelli quando ha senso approfittare di quei punti di forza. Abbiamo utilizzato Claude Sonnet 3.5 per creare la prima bozza dell’esercizio perché eccelleva nella creazione di prosa e istruzioni coinvolgenti. Abbiamo utilizzato ChatGPT 4o&”o modelli di ragionamento come revisori tecnici per raffinare i comandi e garantire l’accuratezza tecnica nella seconda bozza.
• Risultati riproducibili: Quando si eseguono compiti tecnici molto impegnativi, abbiamo voluto essere in grado di imporre vincoli tecnici chiari e produrre output strutturati che supportassero risultati riproducibili. Per farlo, abbiamo fornito requisiti di struttura espliciti e esempi di formato.
• Prompt per compiti tecnici molto impegnativi: Sii molto specifico su cosa chiedi all’AI di fare – altrimenti può fare cose folli. Stabilisci chiaramente eventuali ipotesi sugli input o sulle condizioni ambientali e chiedi al modello di gestire casi inaspettati.

otherwise potrebbe fare cose folli. Chiaramente stabilisci eventuali ipotesi sugli input o sulle condizioni ambientali e chiedi al modello di gestire casi inaspettati.

• Prompt raffinati: È importante incoraggiare gli strumenti AI a fare domande di chiarimento. I primi prompt non saranno perfetti, quindi aspettati più round. Incorpora eventuali miglioramenti o passaggi che il modello suggerisce nel tuo prompt di base e iterare con l’AI e i tuoi colleghi.
• Test, test, test: I controlli di coerenza sono critici. Un modo per misurare l’efficacia del tuo prompt è assicurarti che l’output sia coerente. Quindi, abbiamo testato spesso per assicurarci di inserire lo stesso input e che l’output rimanesse lo stesso.

La Competenza Umana al Timone: Il Ruolo Essenziale della Supervisione dell’AI

Mentre l’AI rimuove i compiti impegnativi dalla giornata lavorativa dei dipendenti, non li rimuove completamente dai flussi di lavoro. Gli esseri umani continuano a svolgere ruoli critici nel nostro sviluppo del curriculum e devono essere integrati nei processi guidati dall’AI per assicurarsi che i processi abbiano successo.

Un buon esempio è il modo in cui il nostro team di formazione conduce l’ingegneria dei prompt. Gli esseri umani sono responsabili della creazione del prompt iniziale, inclusa il contesto da fonti rilevanti. Quindi, dopo che lo strumento AI di generazione esegue il prompt, l’essere umano esamina l’output dello strumento. È essenziale che questa persona sia un esperto del settore che possa individuare gli errori precocemente nel processo. I colleghi continuano a collaborare con lo strumento e a iterare fino a quando il team non è soddisfatto che il prompt sia pronto per la pubblicazione.

Mentre questa collaborazione umana/AI si è rivelata efficace, richiede comunque che un essere umano gestisca il contesto e le transizioni tra i modelli.

Senza esseri umani nel loop, i team sarebbero alla mercé degli strumenti AI che possono essere notoriamente inaffidabili. Quando abbiamo iniziato il nostro progetto di curriculum, gli strumenti hanno fatto bene nel riassumere o spiegare concetti, dati i contesti giusti. Tuttavia, hanno spesso “hallucinato”. Oggi i modelli sono migliori nel ragionamento, ma un essere umano deve comunque gestire il processo. Ora, gli esseri umani possono concentrarsi sulla revisione e sulla creatività e non solo sulla gestione del processo.

In futuro, gli agenti AI avranno un ruolo più grande nel processo. Invece di far sì che gli esseri umani raccolgano manualmente il contesto dalle fonti, creino prompt con contesto, spostino il lavoro tra gli strumenti AI e verifichino e raffinino gli output, stiamo sviluppando agenti che possono eseguire molti di questi compiti – con un po’ di aiuto. L’agente può raccogliere e elaborare autonomamente i materiali di contesto, generare tassonomie delle competenze e schemi di corsi, eseguire i nostri flussi di lavoro stabiliti e presentare solo punti decisionali chiave agli esperti umani.

Conclusione

Mentre le corse veloci sono grandi per mantenere la forma fisica, le auto hanno trasformato da tempo la capacità degli esseri umani di raggiungere dove devono andare. L’AI sta fornendo gli stessi benefici sul posto di lavoro – aiutando le aziende a migliorare i processi e a generare risultati migliori. Coloro che abbracciano l’AI e ne sfruttano i guadagni di efficienza composta lasceranno indietro i concorrenti.