Construirea unui loc de muncă nativ AI: Lecții de pe linia frontului

Ce ați face dacă ați conduce o cursă de 10 km, luptându-vă să urcați o pantă dificilă și, brusc, regulile cursei s-ar schimba? Ce dacă șoferii ar începe să ia alergători în mașini și apoi s-ar întrece unii pe alții pentru a ajunge la linia de finish? Ați continua să alergați, știind foarte bine că veți termina în spatele pachetului? Sau ați urca în mașină, ați accelera și ați concura pentru marele premiu?

În afaceri, astăzi, IA este acea mașină care tulbură modul în care funcționează companiile. Companiile pot încă să aleagă să progreseze în felul în care au făcut-o întotdeauna – dezvoltând planuri pe termen lung, respectând procesele, împingând angajații să lucreze mai mult ca oricând pentru a reuși în medii din ce în ce mai competitive. Dar IA schimbă natura cursei. Aceasta oferă companiilor un nou vehicul pentru a se deplasa mai repede și pentru a oferi angajaților noi rute pentru a ocoli problemele. Orice afacere care nu ia volanul și nu încorporează puterea IA în forța sa de muncă va fi lăsată în urmă pe acea pantă lungă și abruptă.

Îmbrățișarea viitorului prin devenirea unui manager de IA

Aici, la Cockroach Labs, am învățat foarte repede că Gen IA ne poate ajuta să facem lucruri pe care nu le-am crezut posibile. Am utilizat-o în întreaga companie pentru căutarea Gen IA, sisteme de recomandare și căutare semantică.

Unul dintre cele mai bune exemple de modul în care IA poate transforma un proces de forță de muncă are loc în departamentul nostru de educație. Echipa noastră utilizează IA pentru a accelera dezvoltarea curriculum-ului care ajută clienții, partenerii și forța noastră de muncă să devină experți în operarea gamei noastre de produse de baze de date.

Am creat recent un curs care a prezentat 21 de exerciții practice și 20 de prezentări cu note detaliate pentru studenți. Înainte de a începe proiectul, am estimat că, utilizând procesul nostru normal de dezvoltare – ținând cont de estimările standard ale industriei pentru timpul necesar dezvoltatorilor pentru a produce o oră de conținut – acesta ar dura trei până la cinci luni pentru a fi finalizat.

Deci, ce s-a întâmplat? Încorporând Gen IA în procesele noastre existente, am reușit să finalizăm sarcina în cinci săptămâni.

În acest proces, am învățat o serie de lecții.

• Suntem toți manageri de IA. Fiecare dintre noi are oportunitatea de a gândi foarte diferit utilizând IA. Fiecare dintre noi ar trebui să acționeze ca manageri, indiferent dacă avem subordonați sau nu, deoarece gestionăm o cantitate virtual nelimitată de capacitate de inteligență pe care o putem pune la lucru pentru proiecte dificile. Cât de mult puteți automatiza? Cât de creativi puteți fi? Cât de eficient puteți utiliza instrumentul de IA, îl puteți provoca și puteți implementa noul model pe care îl generează? Puteți să o gestionați. Puteți să o conduceți. Puteți face esențial tot ceea ce vă permite capacitatea dvs. personală.
• Nu așteptați-vă ca IA să facă totul. Există sarcini pentru care nu este potrivită. Dar puteți să o solicitați să facă lucruri pe care angajații nu ar trebui să le mai facă – sarcini care sunt consumatoare de timp, dar care necesită totuși un anumit grad de inteligență.
• Nu acceptați orb rezultatele pe care le produce. Verificați, verificați și re-verificați. Încrederea în tehnologie, dar verificați întotdeauna – pentru că acuratețea transformă presupunerile în realizări.

Procesul pas cu pas de implementare a IA pentru managementul sarcinilor

Iată o scurtă prezentare a modului în care ne-a ajutat IA să urcăm panta, să ajungem la linia de finish, mult mai repede decât ne-am așteptat.

• Modele diferite: Modelele diferite au puncte forte diferite. Așadar, la fel cum producătorii utilizează componente de top atunci când construiesc o soluție, simțiți-vă liberi să schimbați modelele atunci când este logic să profitați de aceste puncte forte. Am utilizat Claude Sonnet 3.5 pentru a crea prima versiune a exercițiului, deoarece a excelat la crearea de texte și instrucțiuni atractive. Am utilizat ChatGPT 4o&”o modele de raționament ca revizori tehnici pentru a rafina comenzile și a asigura acuratețea tehnică în a doua versiune.
• Rezultate reproduse: Atunci când efectuăm sarcini foarte tehnice, am dorit să putem impune constrângeri tehnice clare și să producem ieșiri structurate care să susțină rezultate reproduse. Pentru a face acest lucru, am furnizat cerințe explicite de structură și exemple de formate.
• Prompturi pentru sarcini foarte tehnice: Fiți foarte specifici cu privire la ceea ce solicitați IA să facă –

altfel, poate face lucruri ciudate. Specificați clar orice presupuneri despre intrări sau condiții de mediu și solicitați modelului să gestioneze cazuri neașteptate.

• Prompturi rafinate: Este important să încurajați instrumentele IA să solicite întrebări de clarificare. Primele prompturi nu vor fi perfecte, așadar așteptați-vă la mai multe runde. Încorporați orice îmbunătățiri sau pași pe care modelul îi sugerează înapoi în promptul dvs. de bază și iterați cu IA și colegii dvs.
• Testare, testare, testare: Verificările de consistență sunt critice. Un mod de a măsura eficacitatea promptului dvs. este să asigurați ieșiri consistente. Așadar, am testat frecvent pentru a ne asigura că introducem aceleași intrări și că ieșirea rămâne aceeași.

Expertiza umană la comandă: Rolul esențial al supravegherii IA

În timp ce IA elimină sarcini consumatoare de timp din ziua angajaților, nu le elimină din fluxurile de lucru în totalitate. Oamenii încă joacă roluri critice în dezvoltarea noastră de curriculum, și aceștia trebuie să fie integrați în procesele conduse de IA pentru a asigura că procesele reușesc.

Un exemplu bun este modul în care echipa noastră de educație efectuează ingineria prompturilor. Oamenii sunt responsabili pentru crearea promptului inițial, inclusiv contextul din surse relevante. Apoi, după ce instrumentul Gen IA execută promptul, omul verifică ieșirea instrumentului. Este esențial ca această persoană să fie un expert în domeniu care poate detecta erorile din timp în proces.

Colegii continuă să colaboreze cu instrumentul și să itereze până când echipa este mulțumită că promptul este gata de publicare.

Deși această colaborare umană/IA s-a dovedit a fi eficientă, aceasta necesită un om care să gestioneze contextul și tranzițiile dintre modele.

Fără oameni în buclă, echipele ar fi la mila instrumentelor IA care pot fi notorius de nesigure. Când am început proiectul nostru de curriculum, instrumentele au făcut bine rezumând sau explicând concepte, date contextul potrivit. Cu toate acestea, ele au halucinat adesea. Astăzi, modelele sunt mai bune la raționament, dar un om trebuie totuși să gestioneze procesul. Acum, oamenii se pot concentra pe revizuire și creativitate și nu doar pe gestionarea procesului.

În viitor, agenții IA vor juca un rol mai mare în proces. În loc ca oamenii să strângă manual contextul din surse, să creeze prompturi cu context, să mute lucrul între modelele IA și să verifice și să rafineze ieșirile, dezvoltăm agenți care pot efectua multe dintre aceste sarcini – cu un pic de ajutor. Agentul poate colecta și procesa materialele sursă ca context, genera taxonomii de abilități și planuri de curs, executa fluxurile noastre stabilite și prezenta doar punctele-cheie de decizie experților umani.

Concluzie

În timp ce alergările rapide sunt excelente pentru menținerea condiției fizice, mașinile au transformat demult capacitatea oamenilor de a ajunge unde au nevoie să meargă. IA oferă aceleași beneficii în locul de muncă – ajutând companiile să îmbunătățească procesele și să genereze rezultate mai bune. Cei care o îmbrățișează și valorifică câștigurile sale de eficiență compusă vor lăsa concurenții în urmă.