اگر یک مسابقه جاده ای 10K را اجرا می کردید ، تلاش می کنید تا از یک تپه سخت بلند شوید و ناگهان قوانین مسابقه تغییر کنید ، چه کاری انجام می دهید؟ چه می شود اگر رانندگان شروع به جمع آوری دوندگان در اتومبیل کنند و سپس یکدیگر را به خط پایان سوار کنند؟ آیا می خواهید در حال دویدن باشید ، و می دانید که در پشت بسته قرار خواهید گرفت؟ یا سوار ماشین شوید ، به گاز ضربه بزنید و برای جایزه بزرگ رقابت کنید؟
در تجارت امروز ، هوش مصنوعی آن اتومبیل است که نحوه کار شرکت ها را مختل می کند. شرکت ها هنوز هم می توانند به شکلی که همیشه دارند پیش بروند-تدوین برنامه های دوربرد ، پایبندی به فرآیندها ، سوق دادن کارمندان به تلاش سخت تر از همیشه برای موفقیت در محیط های فزاینده ای رقابتی. اما هوش مصنوعی است تغییر ماهیت نژادبشر این وسیله نقلیه جدید به شرکت ها می دهد تا سریعتر حرکت کنند و مسیرهای جدیدی را برای بزرگنمایی مشکلات به کارگران بدهند. هر شغلی که چرخ را نمی گیرد و قدرت هوش مصنوعی را به نیروی کار خود القا می کند ، در آن تپه طولانی و شیب دار باقی می ماند.
در آغوش گرفتن آینده با مدیر AI
در اینجا در آزمایشگاه های سوسک ، ما خیلی سریع یاد گرفتیم که Gen Ai می تواند به ما کمک کند کارهایی را انجام دهیم که هرگز فکر نمی کردیم. ما از آن در سراسر شرکت استفاده کرد برای جستجوی ژنرال AI ، سیستم های توصیه و جستجوی معنایی.
یکی از بهترین نمونه های چگونگی تغییر AI می تواند یک روند نیروی کار را در بخش آموزش و پرورش ما انجام دهد. تیم ما از هوش مصنوعی برای تسریع در برنامه درسی که به مشتریان ، شرکا و نیروی کار خودمان کمک می کند ، در کارآیی در عملکرد خط تولید پایگاه داده ما استفاده می کند.
ما اخیراً یک دوره این شامل 21 تمرین دستی و 20 عرشه اسلاید با یادداشت های دانشجویی دقیق بود. قبل از شروع پروژه ، ما تخمین زده ایم که با استفاده از فرآیند توسعه عادی ما – فاکتورسازی در تخمین های استاندارد صنعت برای مدت زمان لازم برای تولید یک ساعت از محتوا – این سه تا پنج ماه طول می کشد.
خوب ، چه اتفاقی افتاد؟ با ترکیب ژنرال AI در فرآیندهای موجود ، ما توانستیم این کار را در پنج هفته به پایان برسانیم.
در این روند ، تعدادی درس آموختیم.
- همه ما مدیران هوش مصنوعی هستیمبشر هر یک از ما فرصتی برای فکر کردن با استفاده از هوش مصنوعی بسیار متفاوت داریم. هرکدام از ما باید به عنوان مدیران عمل کنیم ، خواه گزارش های مستقیم داشته باشیم یا نه ، زیرا ما یک عرضه تقریباً نامحدود از ظرفیت اطلاعاتی را مدیریت می کنیم که می توانیم در پروژه های چالش برانگیز کار کنیم. چقدر می توانید خودکار کنید؟ چقدر می توانید خلاق باشید؟ چقدر می توانید ابزار هوش مصنوعی خود را فوریت کنید ، آن را به چالش بکشید و مدل جدیدی را که تولید می کند ، مستقر کنید؟ می توانید آن را مهار کنید. شما می توانید آن را مدیریت کنید. شما می توانید اساساً به همان اندازه که ظرفیت شخصی خود به شما امکان می دهد انجام دهید.
- انتظار نداشته باشید هوش مصنوعی همه کارها را انجام دهدبشر وظایفی وجود دارد که انجام آن به سادگی مناسب نیست. اما شما می توانید این کار را انجام دهید تا کارهایی را انجام دهید که دیگر نباید انجام دهند – مشاغلی که وقت گیر هستند ، اما هنوز هم به درجه ای از هوش نیاز دارند.
- کورکورانه نتیجه ای را که از بین می برد قبول نکنیدبشر بررسی کنید ، بررسی کنید و دوباره بررسی کنید. اعتماد به فناوری ، اما همیشه تأیید کنید – زیرا دقت فرضیات را به دستاوردها تبدیل می کند.
فرآیند گام به گام استقرار هوش مصنوعی برای مدیریت کار
در اینجا خلاصه ای از برخی از راه هایی که هوش مصنوعی به ما کمک کرد تا از تپه ، به خط پایان ، خیلی سریعتر از آنچه انتظار داشتیم ، کمک کنیم.
- مدل های مختلف: مدل های مختلف نقاط قوت متفاوتی دارند. بنابراین ، دقیقاً مانند تولید کنندگان از مؤلفه های بهترین نژاد هنگام ساختن راه حل ، در صورت منطقی بودن از این نقاط قوت استفاده می کنید. ما از Claude Sonnet 3.5 برای نویسنده اولین پیش نویس تمرین استفاده کردیم زیرا در ایجاد نثر و دستورالعمل های جذاب عالی بود. ما از مدل های استدلال ChatGPT 4O و “O” به عنوان داوران فنی برای تصحیح دستورات و اطمینان از دقت فنی در پیش نویس دوم استفاده کردیم.
- نتایج قابل تکرار: هنگام انجام کارهای بسیار فنی ، ما می خواستیم بتوانیم محدودیت های فنی روشن را اجرا کنیم و خروجی های ساختاری را تولید کنیم که از نتایج قابل تکرار پشتیبانی می کند. برای انجام این کار ، ما الزامات صریح ساختار و نمونه های قالب را ارائه دادیم.
- اقدامات بسیار فنی: بسیار خاص در مورد آنچه از AI می خواهید انجام دهد –
در غیر این صورت می تواند کارهای دیوانه وار انجام دهد. واضح است که هرگونه فرضیه در مورد ورودی ها یا شرایط محیطی را بیان کنید و از مدل بخواهید که موارد غیر منتظره را کنترل کند.
- اعلان های تصفیه شده: تشویق ابزارهای AI برای پرسیدن سؤالات شفاف مهم است. اولویت های اول کامل نخواهد بود ، بنابراین انتظار چندین دور را داشته باشید. هرگونه پیشرفت یا مراحلی را که مدل پیشنهاد می کند در قسمت پایه خود قرار دهید و با هوش مصنوعی و هم تیمی های خود تکرار کنید.
- آزمایش ، آزمایش ، آزمایش: چک های قوام بسیار مهم هستند. یکی از راه های اندازه گیری اثربخشی سریع شما ، اطمینان از خروجی مداوم است. بنابراین ، ما اغلب آزمایش می کردیم تا اطمینان حاصل کنیم که در همان ورودی قرار می گیریم و خروجی یکسان است.
تخصص انسانی در راس: نقش اساسی نظارت هوش مصنوعی
در حالی که هوش مصنوعی وظایف وقت گیر را از روز کارگران حذف می کند ، اما آنها را به طور کلی از گردش کار خارج نمی کند. انسانها هنوز هم در توسعه برنامه درسی ما نقش مهمی ایفا می کنند و برای اطمینان از موفقیت در فرایندها ، باید در فرآیندهای AI محور ادغام شوند.
مثال خوب در نحوه انجام تیم آموزش و پرورش ما مهندسی سریع است. انسانها وظیفه تهیه سریع اولیه ، از جمله زمینه از منابع مربوطه را بر عهده دارند. سپس ، پس از اجرای ابزار Gen AI ، انسان خروجی ابزار را بررسی می کند. ضروری است که این شخص یک متخصص موضوعی باشد که می تواند در اوایل روند خطا کند. هم تیمی ها همچنان با این ابزار همکاری می کنند و تکرار می شوند تا اینکه تیم راضی شود که سریعاً آماده انتشار است.
در حالی که ثابت شده است که این انسان/هوش مصنوعی مؤثر است ، اما به یک انسان نیاز دارد تا زمینه و انتقال بین مدل ها را مدیریت کند.
بدون انسان در حلقه ، تیم ها در رحمت ابزارهای هوش مصنوعی قرار می گیرند که می توانند بسیار غیرقابل اعتماد باشند. هنگامی که ما برای اولین بار با پروژه برنامه درسی خود شروع کردیم ، ابزارها با توجه به زمینه های مناسب ، به خوبی خلاصه یا توضیح مفاهیم را انجام دادند. با این حال ، آنها اغلب توهم می کردند. امروزه مدل ها در استدلال بهتر هستند ، اما یک انسان هنوز هم نیاز به مدیریت روند دارد. اکنون ، انسان می تواند روی بررسی و خلاقیت تمرکز کند و نه فقط بر مدیریت فرآیند.
در آینده ، عوامل هوش مصنوعی نقش بزرگتر در روند به جای اینکه انسان به طور دستی زمینه را از منابع جمع کند ، با استفاده از متن ، حرکت بین مدل های هوش مصنوعی و بررسی و پالایش خروجی ها ، در حال توسعه عوامل باشد که می توانند بسیاری از این کارها را انجام دهند – با کمی کمک. نماینده می تواند به طور مستقل مواد منبع را به عنوان زمینه جمع آوری و پردازش کند ، تاکسونومی مهارت ها و طرح های دوره را تولید کند ، گردش کار مستقر ما را اجرا کند و فقط نکات تصمیم گیری کلیدی را برای متخصصان انسانی ارائه دهد.
پایان
در حالی که اجرای سریع برای شکل دادن به شکل بسیار عالی است ، اتومبیل ها مدتها پیش توانایی انسان را برای رسیدن به جایی که باید به آنجا بروند ، تبدیل کردند. هوش مصنوعی همان مزایا را در محل کار ارائه می دهد – به شرکت ها کمک می کند تا فرایندها را بهبود بخشند و نتایج بهتری ایجاد کنند. کسانی که آن را در آغوش می گیرند و سودآور آن را به دست می آورند ، رقبا را پشت سر می گذارند.
