Xây dựng Nơi làm việc Bản địa AI: Bài học từ Đường tiền phong

Bạn sẽ làm gì nếu bạn đang chạy một cuộc đua đường 10K, cố gắng vượt qua một ngọn đồi khó khăn, và đột nhiên quy tắc của cuộc đua thay đổi? Điều gì sẽ xảy ra nếu các tài xế bắt đầu đón những người chạy bộ lên xe và sau đó đua xe với nhau để đến đích? Bạn có tiếp tục chạy, biết rõ rằng bạn sẽ về cuối cùng, hoặc lên xe và tăng tốc để cạnh tranh cho giải thưởng lớn?

Trong kinh doanh ngày nay, AI là chiếc xe đó đang làm gián đoạn cách các công ty hoạt động. Các công ty vẫn có thể chọn tiến về phía trước theo cách họ luôn làm – phát triển kế hoạch dài hạn, tuân thủ quy trình, đẩy nhân viên làm việc chăm chỉ hơn bao giờ hết để thành công trong môi trường cạnh tranh ngày càng tăng. Nhưng AI đang thay đổi bản chất của cuộc đua. Nó đang cung cấp cho các công ty một phương tiện mới để di chuyển nhanh hơn và giúp nhân viên tìm ra những con đường mới để vượt qua các vấn đề. Bất kỳ doanh nghiệp nào không nắm lấy cơ hội và tích hợp sức mạnh của AI vào lực lượng lao động của mình sẽ bị bỏ lại phía sau trên ngọn đồi dài và dốc.

Chấp nhận Tương lai bằng cách Trở thành Quản lý AI

Tại Cockroach Labs, chúng tôi đã học rất nhanh rằng Gen AI có thể giúp chúng tôi làm những việc mà chúng tôi không bao giờ nghĩ có thể. Chúng tôi đã sử dụng nó trên toàn công ty cho tìm kiếm AI, hệ thống khuyến nghị và tìm kiếm ngữ nghĩa.

Một trong những ví dụ tốt nhất về cách AI có thể chuyển đổi quy trình lực lượng lao động là đang diễn ra trong bộ phận giáo dục của chúng tôi. Đội ngũ của chúng tôi đang sử dụng AI để tăng tốc phát triển chương trình giảng dạy giúp khách hàng, đối tác và lực lượng lao động của chính chúng tôi trở thành chuyên gia về hoạt động của dòng sản phẩm cơ sở dữ liệu.

Chúng tôi gần đây đã tạo ra một khóa học có 21 bài tập thực hành và 20 bộ trình bày với ghi chú chi tiết cho sinh viên. Trước khi bắt đầu dự án, chúng tôi ước tính rằng, sử dụng quy trình phát triển bình thường của chúng tôi – tính đến ước tính tiêu chuẩn của ngành về thời gian cần thiết để các nhà phát triển tạo ra một giờ nội dung – điều này sẽ mất từ ba đến năm tháng để hoàn thành.

Vậy, điều gì đã xảy ra? Bằng cách tích hợp Gen AI vào các quy trình hiện có của chúng tôi, chúng tôi đã có thể hoàn thành nhiệm vụ trong năm tuần.

Trong quá trình này, chúng tôi đã học được một số bài học.

• Chúng ta đều là quản lý AI. Mỗi người trong chúng ta có cơ hội suy nghĩ rất khác biệt bằng cách sử dụng AI. Mỗi người trong chúng ta nên hành động như các nhà quản lý, cho dù chúng ta có báo cáo trực tiếp hay không, vì chúng ta quản lý một nguồn cung cấp trí tuệ vô tận mà chúng ta có thể sử dụng cho các dự án đầy thách thức. Bạn có thể tự động hóa bao nhiêu? Bạn có thể sáng tạo như thế nào? Bạn có thể sử dụng công cụ AI của mình hiệu quả như thế nào, thách thức nó và triển khai mô hình mới mà nó tạo ra? Bạn có thể tận dụng nó. Bạn có thể quản lý nó. Bạn có thể làm gần như mọi thứ mà khả năng cá nhân của bạn cho phép.
• Đừng mong đợi AI làm mọi thứ. Có những nhiệm vụ mà nó không phù hợp để thực hiện. Nhưng bạn có thể giao cho nó thực hiện những việc mà công nhân không nên làm nữa – những công việc tốn thời gian, nhưng vẫn đòi hỏi một mức độ trí tuệ.
• Đừng chấp nhận mù quáng kết quả mà nó tạo ra. Kiểm tra, kiểm tra và kiểm tra lại. Tin tưởng vào công nghệ, nhưng luôn xác minh – vì độ chính xác biến các giả định thành thành tựu.

Quy trình Từng bước để Triển khai AI cho Quản lý Nhiệm vụ

Dưới đây là một bản tóm tắt nhanh về một số cách AI giúp chúng tôi lên dốc, đến đích, nhanh hơn nhiều so với dự kiến.

• Các mô hình khác nhau: Các mô hình khác nhau có những điểm mạnh khác nhau. Vì vậy, giống như các nhà sản xuất sử dụng các thành phần tốt nhất khi xây dựng một giải pháp, hãy thoải mái thay thế mô hình khi có ý nghĩa để tận dụng những điểm mạnh đó. Chúng tôi đã sử dụng Claude Sonnet 3.5 để tạo ra bản thảo đầu tiên của bài tập vì nó giỏi trong việc tạo ra văn bản và hướng dẫn hấp dẫn. Chúng tôi đã sử dụng mô hình lý luận ChatGPT 4o&”o làm người xem kỹ thuật để tinh chỉnh lệnh và đảm bảo độ chính xác kỹ thuật trong bản thảo thứ hai.
• Kết quả có thể tái tạo: Khi thực hiện các nhiệm vụ kỹ thuật cao, chúng tôi muốn có thể áp dụng các ràng buộc kỹ thuật rõ ràng và tạo ra các đầu ra có cấu trúc hỗ trợ kết quả có thể tái tạo. Để làm điều đó, chúng tôi đã cung cấp các yêu cầu cấu trúc rõ ràng và các ví dụ về định dạng.
• Các lời nhắc cho các nhiệm vụ kỹ thuật cao: Hãy rất cụ thể về những gì bạn yêu cầu AI thực hiện –

khác nó có thể làm những việc điên rồ. Hãy nêu rõ bất kỳ giả định nào về đầu vào hoặc điều kiện môi trường và yêu cầu mô hình xử lý các trường hợp không mong muốn.

• Các lời nhắc tinh chỉnh: Điều quan trọng là phải khuyến khích các công cụ AI đặt câu hỏi làm rõ. Các lời nhắc đầu tiên sẽ không hoàn hảo, vì vậy hãy mong đợi nhiều vòng. Hãy tích hợp bất kỳ cải tiến hoặc bước nào mà mô hình đề xuất vào lời nhắc cơ bản của bạn và lặp lại với AI và các thành viên trong nhóm.
• Thử nghiệm, thử nghiệm, thử nghiệm: Kiểm tra tính nhất quán là rất quan trọng. Một cách để đo hiệu quả của lời nhắc của bạn là đảm bảo đầu ra nhất quán. Vì vậy, chúng tôi đã thử nghiệm thường xuyên để đảm bảo rằng chúng tôi đang đưa vào cùng một đầu vào và đầu ra vẫn như nhau.

Chuyên môn Con người tại Tay lái: Vai trò Quan trọng của Giám sát AI

Trong khi AI loại bỏ các nhiệm vụ tốn thời gian khỏi ngày làm việc của người lao động, nó không loại bỏ chúng khỏi các quy trình làm việc hoàn toàn. Con người vẫn đóng vai trò quan trọng trong phát triển chương trình giảng dạy của chúng tôi, và họ cần được tích hợp vào các quy trình được thúc đẩy bởi AI để đảm bảo rằng các quy trình đó thành công.

Một ví dụ tốt là cách đội ngũ giáo dục của chúng tôi thực hiện kỹ thuật lời nhắc. Con người chịu trách nhiệm tạo ra lời nhắc ban đầu, bao gồm cả ngữ cảnh từ các nguồn liên quan. Sau đó, sau khi công cụ Gen AI thực hiện lời nhắc, con người sẽ xem xét đầu ra của công cụ. Điều quan trọng là người này phải là một chuyên gia về chủ đề có thể bắt lỗi sớm trong quá trình. Các thành viên trong nhóm tiếp tục cộng tác với công cụ và lặp lại cho đến khi nhóm hài lòng rằng lời nhắc đã sẵn sàng để xuất bản.

Mặc dù sự cộng tác giữa con người và AI này đã chứng minh là hiệu quả, nhưng nó đòi hỏi một con người phải quản lý ngữ cảnh và chuyển đổi giữa các mô hình.

Nếu không có con người trong vòng lặp, các đội sẽ phải phụ thuộc vào các công cụ AI mà có thể không đáng tin cậy. Khi chúng tôi bắt đầu dự án chương trình giảng dạy, các công cụ đã làm tốt việc tóm tắt hoặc giải thích các khái niệm, cho trước ngữ cảnh đúng. Tuy nhiên, chúng thường xuyên “ảo giác”. Ngày nay, các mô hình tốt hơn trong việc lý luận, nhưng con người vẫn cần quản lý quá trình. Bây giờ, con người có thể tập trung vào việc xem xét và sáng tạo, không chỉ quản lý quy trình.

Trong tương lai, các đại lý AI sẽ đóng vai trò lớn hơn trong quy trình. Thay vì con người tự thu thập ngữ cảnh từ các nguồn, tạo ra lời nhắc với ngữ cảnh, di chuyển công việc giữa các mô hình AI và xem xét, tinh chỉnh đầu ra, chúng tôi đang phát triển các đại lý có thể thực hiện nhiều nhiệm vụ này – với một chút giúp đỡ. Đại lý có thể tự động thu thập và xử lý tài liệu nguồn làm ngữ cảnh, tạo ra thuếonomies kỹ năng và đề cương khóa học, thực hiện các quy trình làm việc đã thiết lập của chúng tôi và chỉ trình bày các điểm quyết định chính cho các chuyên gia con người.

Kết luận

Trong khi chạy bộ nhanh là tuyệt vời để giữ gìn hình dáng, xe hơi đã cách đây lâu đã biến đổi khả năng của con người trong việc di chuyển đến nơi họ cần đến. AI đang cung cấp những lợi ích tương tự trong nơi làm việc – giúp các công ty cải thiện quy trình và tạo ra kết quả tốt hơn. Những người chấp nhận nó và tận dụng lợi thế hiệu quả tổng hợp của nó sẽ bỏ lại phía sau các đối thủ cạnh tranh.