Budowanie miejsc pracy opartych na sztucznej inteligencji: Lekcje z pierwszej linii

Czy wiedziałbyś, co zrobić, gdybyś biegasz w maratonie 10 km, miałeś trudności z pokonaniem stromego wzgórza, a nagle zmieniły się zasady wyścigu? Co byś zrobił, gdyby kierowcy zaczęli zabierać biegaczy do samochodów, a potem ścigali się do mety? Czy kontynuowałbyś bieganie, wiedząc, że zajmiesz miejsce na końcu stawki, czy wsiąść do samochodu, przyspieszyć i walczyć o główną nagrodę?

W dzisiejszych czasach sztuczna inteligencja jest tym samochodem, który zmienia sposób, w jaki firmy funkcjonują. Firmy mogą nadal postępować według starego schematu – tworzyć długoterminowe plany, przestrzegać procedur, nakłaniać pracowników do cięższej pracy, aby odnieść sukces w coraz bardziej konkurencyjnym środowisku. Ale sztuczna inteligencja zmienia naturę wyścigu. Daje firmom nowy środek transportu, aby poruszać się szybciej i dać pracownikom nowe trasy, aby ominąć problemy. Każda firma, która nie weźmie steru i nie wdroży sztucznej inteligencji w swoją załogę, zostanie pozostawiona w tyle na długim, stromym wzgórzu.

Przyjmowanie przyszłości poprzez zarządzanie sztuczną inteligencją

Tu, w Cockroach Labs, szybko zrozumieliśmy, że sztuczna inteligencja może pomóc nam zrobić rzeczy, o których nigdy nie myśleliśmy. Użyliśmy jej w całej firmie do wyszukiwania, systemów rekomendacji i wyszukiwania semantycznego.

Jednym z najlepszych przykładów, jak sztuczna inteligencja może przekształcić procesy pracy, jest nasz dział edukacji. Nasz zespół używa sztucznej inteligencji do przyspieszenia tworzenia programów nauczania, które pomagają klientom, partnerom i naszym pracownikom stać się ekspertami w obsłudze naszych produktów bazodanowych.

Niedawno stworzyliśmy kurs, który zawiera 21 ćwiczeń praktycznych i 20 slajdów z szczegółowymi notatkami dla studentów. Przed rozpoczęciem projektu szacowaliśmy, że przy użyciu naszego standardowego procesu tworzenia, biorąc pod uwagę branżowe szacunki czasu potrzebnego do wytworzenia jednej godziny treści, zajmie to trzy do pięciu miesięcy.

Czy wiecie, co się stało? Wdrożenie sztucznej inteligencji do naszych istniejących procesów pozwoliło nam ukończyć zadanie w ciągu pięciu tygodni.

W trakcie tego procesu nauczyliśmy się wielu rzeczy.

• Jesteśmy wszystkim menedżerami sztucznej inteligencji. Każdy z nas ma okazję myśleć inaczej z użyciem sztucznej inteligencji. Każdy z nas powinien działać jak menedżer, niezależnie od tego, czy mamy bezpośrednich podwładnych, ponieważ zarządzamy praktycznie nieograniczoną ilością możliwości inteligentnych, które możemy wykorzystać w trudnych projektach. Jak wiele możesz zautomatyzować? Jak kreatywnie możesz być? Jak skutecznie możesz nakazać swojemu narzędziu sztucznej inteligencji, wyzwaniem i wdrożeniem nowego modelu, który generuje? Możesz je wykorzystać. Możesz je zarządzać. Możesz zrobić tak wiele, jak tylko Twoja własna zdolność pozwoli Ci na to.
• Nie oczekuj, że sztuczna inteligencja zrobi wszystko. Są zadania, do których nie jest odpowiednia. Ale możesz ją wykorzystać do zadań, których pracownicy nie powinni już wykonywać – zadań, które są czasochłonne, ale wymagają pewnego stopnia inteligencji.
• Nie przyjmuj bezkrytycznie wyników, które generuje. Sprawdź, sprawdź i sprawdź jeszcze raz. Ufaj technologii, ale zawsze weryfikuj – ponieważ dokładność zmienia założenia w osiągnięcia.

Proces krok po kroku wdrażania sztucznej inteligencji do zarządzania zadaniami

Oto szybki podsumowanie niektórych sposobów, w jakie sztuczna inteligencja pomogła nam wspiąć się na wzgórze, do mety, znacznie szybciej, niż oczekiwaliśmy.

• Różne modele: Różne modele mają różne mocne strony. Tak jak producenci używają najlepszych komponentów, gdy budują rozwiązanie, możesz swobodnie zmieniać modele, aby wykorzystać ich zalety. Użyliśmy Claude Sonnet 3.5 do tworzenia pierwszego szkicu ćwiczenia, ponieważ biegle tworzył angażujące teksty i instrukcje. Użyliśmy ChatGPT 4o&”o” modeli rozumowania jako recenzentów technicznych, aby udoskonalić polecenia i zapewnić techniczną dokładność w drugim szkicu.
• Powtarzalne wyniki: Podczas wykonywania bardzo technicznych zadań chcieliśmy móc egzekwować wyraźne techniczne ograniczenia i generować strukturalne dane wyjściowe, które wspierają powtarzalne wyniki. Aby to zrobić, dostarczyliśmy wyraźne wymagania strukturalne i przykłady formatu.
• Wskazówki dla bardzo technicznych zadań: Bądź bardzo konkretny co do tego, o co prosisz sztuczną inteligencję –

w przeciwnym razie może to zrobić szalone rzeczy. Wyraźnie określ wszelkie założenia dotyczące danych wejściowych lub warunków środowiskowych i poproś model, aby rozwiązał nieoczekiwane przypadki.

• Udoskonalone wskazówki: Ważne jest, aby zachęcić narzędzia sztucznej inteligencji do zadawania pytań wyjaśniających. Pierwsze wskazówki nie będą idealne, więc oczekuj wielu rund. Włącz wszelkie ulepszenia lub kroki, które model sugeruje, z powrotem do Twojej podstawowej wskazówki, i iteruj z sztuczną inteligencją i Twoim zespołem.
• Testowanie, testowanie, testowanie: Kontrole spójności są kluczowe. Jednym ze sposobów pomiaru skuteczności Twojej wskazówki jest zapewnienie spójnych danych wyjściowych. Dlatego testowaliśmy często, aby upewnić się, że wprowadzaliśmy te same dane wejściowe i że dane wyjściowe pozostawały takie same.

Ludzka ekspertyza na czele: Niezastąpiona rola nadzoru sztucznej inteligencji

Chociaż sztuczna inteligencja usuwa czasochłonne zadania z dnia pracownika, nie usuwa ich całkowicie z przepływów pracy. Ludzie nadal odgrywają krytyczne role w naszym rozwoju programu nauczania, a muszą być zintegrowani w procesach napędzanych przez sztuczną inteligencję, aby zapewnić, że procesy te są udane.

Dobrym przykładem jest to, jak nasz zespół edukacyjny prowadzi inżynierię wskazówek. Ludzie są odpowiedzialni za tworzenie początkowej wskazówki, w tym kontekstu z odpowiednich źródeł. Następnie, po wykonaniu wskazówki przez narzędzie sztucznej inteligencji, człowiek przegląda dane wyjściowe narzędzia. Jest to niezwykle ważne, aby osoba ta była ekspertem w dziedzinie, który może wyłapać błędy na wczesnym etapie procesu. Członkowie zespołu kontynuują współpracę z narzędziem i iterują, aż zespół będzie zadowolony, że wskazówka jest gotowa do opublikowania.

Chociaż ta współpraca między człowiekiem a sztuczną inteligencją okazała się skuteczna, wymaga ona, aby człowiek zarządzał kontekstem i przejściami między modelami.

Bez ludzi w pętli zespoły byłyby uzależnione od narzędzi sztucznej inteligencji, które mogą być słynne z niezawodności. Kiedy po raz pierwszy zaczęliśmy nasz projekt programu nauczania, narzędzia radziły sobie dobrze z podsumowaniem lub wyjaśnieniem pojęć, biorąc pod uwagę odpowiedni kontekst. Jednak często “halucynowały”. Dziś modele są lepsze w rozumowaniu, ale człowiek nadal musi zarządzać procesem. Teraz ludzie mogą się skoncentrować na przeglądzie i kreatywności, a nie tylko na zarządzaniu procesem.

W przyszłości agenci sztucznej inteligencji będą odgrywać większą rolę w procesie. Zamiast ludzi, którzy ręcznie gromadzą kontekst z źródeł, tworzą wskazówki z kontekstem, przenoszą pracę między modelami sztucznej inteligencji i przeglądają oraz udoskonalają dane wyjściowe, rozwijamy agenty, które mogą wykonywać wiele z tych zadań – z pewną pomocą. Agent może samodzielnie gromadzić i przetwarzać materiały źródłowe jako kontekst, generować taksonomie umiejętności i zarysy kursów, wykonywać nasze ustalone przepływy pracy i przedstawiać tylko kluczowe punkty decyzyjne ekspertom ludzkim.

Podsumowanie

Chociaż szybkie biegi są wspaniałe dla utrzymania formy, samochody dawno temu zmieniły ludzką zdolność do poruszania się tam, gdzie potrzebują. Sztuczna inteligencja zapewnia te same korzyści w miejscu pracy – pomaga firmom poprawiać procesy i generować lepsze wyniki. Ci, którzy ją przyjmują i wykorzystują jej złożone zyski wydajności, pozostawią konkurentów w tyle.