10K로드 레이스를 운영하고 거친 언덕을 세우기 위해 고군분투하고 갑자기 레이스의 규칙이 바뀌면 어떻게 하시겠습니까? 운전자가 자동차에서 러너를 데리러 가기 시작한 다음 결승선으로 서로 경주하면 어떻게됩니까? 팩 뒷면에 배치 할 잘 알고 있으면 계속 달리겠습니까? 아니면 차에 타서 가스를 치고 대상을 위해 경쟁합니까?
오늘날 비즈니스에서 AI는 회사 운영 방식을 방해하는 자동차입니다. 회사는 여전히 장거리 계획을 개발하고 프로세스를 준수하며 직원들이 점점 더 경쟁이 치열한 환경에서 성공하기 위해 그 어느 때보 다 열심히 일하도록 강요합니다. 그러나 AI는입니다 인종의 본질을 바꾸는 것. 회사는 새로운 차량을 더 빨리 움직이고 작업자에게 문제를 확대 할 새로운 경로를 제공합니다. 바퀴를 가져 가지 않고 AI의 힘을 인력에 넣는 모든 사업은 길고 가파른 언덕에 남겨질 것입니다.
AI의 관리자가되어 미래를 수용합니다
Cockroach Labs에서 우리는 Gen AI가 우리가 생각하지 못한 일을 도울 수 있다는 것을 매우 빨리 배웠습니다. 우리는 회사 전체에 사용했습니다 Gen AI 검색, 권장 시스템 및 시맨틱 검색의 경우.
AI가 교육 부서에서 AI가 인력 프로세스를 변화시킬 수있는 가장 좋은 예 중 하나는 교육 부서에서 진행되고 있습니다. 우리 팀은 AI를 사용하여 고객, 파트너 및 우리 자신의 인력이 데이터베이스 제품 라인 운영 전문가가되는 데 도움이되는 커리큘럼 개발을 가속화하고 있습니다.
우리는 최근에 a 강의 세부적인 학생 노트가있는 21 개의 실습 연습과 20 개의 슬라이드 데크가 특징입니다. 프로젝트를 시작하기 전에 우리는 정상적인 개발 프로세스를 사용하여 개발자가 1 시간의 컨텐츠를 생산하는 데 걸리는 시간에 대한 업계 표준 추정치를 고려한 것으로 추정했습니다. 완료하는 데 3 ~ 5 개월이 걸릴 것이라고 추정했습니다.
그래서 무슨 일이 있었나요? Gen AI를 기존 프로세스에 통합하여 5 주 안에 작업을 완료 할 수있었습니다.
그 과정에서 우리는 많은 교훈을 배웠습니다.
- 우리는 모두 AI의 관리자입니다. 우리 각자는 AI를 사용하여 매우 다르게 생각할 기회가 있습니다. 우리 각자는 직접 보고서가 있는지 여부에 관계없이 관리자 역할을해야합니다. 왜냐하면 우리는 도전적인 프로젝트에 참여할 수있는 사실상 무제한의 인텔리전스 용량 공급을 관리하기 때문입니다. 얼마나 자동화 할 수 있습니까? 당신은 얼마나 창의적 일 수 있습니까? AI 도구를 얼마나 효과적으로 프롬프트하고, 도전하고, 생성하는 새 모델을 배포 할 수 있습니까? 당신은 그것을 활용할 수 있습니다. 당신은 그것을 관리 할 수 있습니다. 자신의 개인 역량이 당신이 할 수있는만큼 본질적으로 할 수 있습니다.
- AI가 모든 것을 할 것을 기대하지 마십시오. 단순히 수행하기에 적합하지 않은 작업이 있습니다. 그러나 근로자가 더 이상하지 말아야 할 일, 즉 시간이 많이 걸리지 만 여전히 어느 정도의 지능이 필요합니다.
- 휘젓는 결과를 맹목적으로 받아들이지 마십시오. 확인, 확인 및 다시 확인하십시오. 기술에 대한 신뢰를 신뢰하지만 항상 확인하십시오 – 정확도는 가정을 성취로 바꾸어주기 때문입니다.
작업 관리를 위해 AI를 배포하는 단계별 프로세스
다음은 AI가 우리가 예상보다 훨씬 빠르게 결승선으로 언덕을 올리는 데 도움이되는 몇 가지 방법에 대한 간단한 요약입니다.
- 다른 모델: 모델마다 강점이 다릅니다. 따라서 제조업체가 솔루션을 구축 할 때 가장 좋은 구성 요소를 사용하는 것처럼 이러한 강점을 활용하는 것이 합리적 일 때 모델을 자유롭게 바꾸십시오. 우리는 Claude Sonnet 3.5를 사용하여 매력적인 산문과 지침을 만드는 데 뛰어 났기 때문에 첫 번째 운동 초안을 작성했습니다. 우리는 Chatgpt 4o & “O”추론 모델을 기술 검토 자로 사용하여 명령을 개선하고 두 번째 초안에서 기술적 인 정확성을 보장했습니다.
- 재현 가능한 결과: 고도로 기술적 인 작업을 수행 할 때는 명확한 기술적 제약을 시행하고 재현 가능한 결과를 지원하는 구조화 된 출력을 생성 할 수 있기를 원했습니다. 이를 위해 명시적인 구조 요구 사항과 형식 예제를 제공했습니다.
- 고도로 기술적 인 작업을위한 프롬프트: BE 매우 구체적입니다 AI에게 무엇을 요구하는지에 대해 –
그렇지 않으면 미친 일을 할 수 있습니다. 입력 또는 환경 조건에 대한 가정을 명확하게 명시하고 모델에 예기치 않은 사례를 처리하도록 요청하십시오.
- 정제 된 프롬프트: AI 도구가 명확한 질문을하도록 장려하는 것이 중요합니다. 첫 번째 프롬프트는 완벽하지 않으므로 여러 라운드를 기대하십시오. 모델이 기본 프롬프트에 다시 제안하는 개선 사항이나 단계를 통합하고 AI 및 팀원과 반복하십시오.
- 테스트, 테스트, 테스트: 일관성 검사가 중요합니다. 프롬프트의 효과를 측정하는 한 가지 방법은 일관된 출력을 보장하는 것입니다. 그래서 우리는 종종 우리가 같은 입력을하고 출력이 동일하게 유지되도록하기 위해 자주 테스트했습니다.
HOLM의 인간 전문 지식 : AI 감독의 필수 역할
AI는 근로자의 날부터 시간이 많이 걸리는 작업을 제거하지만 워크 플로에서 완전히 제거하지는 않습니다. 인간은 여전히 커리큘럼 개발에서 중요한 역할을 수행하며 프로세스의 성공을 보장하기 위해 AI 중심 프로세스에 통합되어야합니다.
좋은 예는 우리의 교육 팀이 신속한 엔지니어링을 수행하는 방법입니다. 인간은 관련 출처의 컨텍스트를 포함하여 초기 프롬프트를 제작할 책임이 있습니다. 그런 다음 Gen AI 도구가 프롬프트를 실행 한 후 인간은 도구의 출력을 검토합니다. 이 사람은 과정 초기에 오류를 잡을 수있는 주제 전문가 인 것이 중요합니다. 팀원들은이 도구와 계속 협력하고 팀이 프롬프트가 게시 될 준비가되어있을 때까지 반복합니다.
이 협력적인 인간/AI는 효과적인 것으로 입증되었지만 인간은 모델 간의 맥락과 전환을 관리해야합니다.
루프에 인간이 없으면 팀은 AI 도구의 자비를 얻었을 것입니다. 우리가 교과 과정 프로젝트를 처음 시작했을 때, 도구는 올바른 맥락을 고려할 때 개념을 잘 요약하거나 설명했습니다. 그러나 그들은 종종 환각을했습니다. 오늘날 모델은 추론에 더 좋지만 인간은 여전히 프로세스를 관리해야합니다. 이제 인간은 프로세스 관리뿐만 아니라 검토와 창의성에 집중할 수 있습니다.
앞으로 AI 요원은 a 더 큰 역할 그 과정에서. 인간이 소스에서 수동으로 맥락을 수집하는 대신, 맥락으로 제작, AI 모델 간의 작업 이동, 출력을 검토하고 정제하는 대신에 이러한 작업을 수행 할 수있는 많은 도움을받을 수있는 에이전트를 개발하고 있습니다. 에이전트는 소스 자료를 컨텍스트로 자율적으로 수집하고 처리 할 수 있으며, 기술 분류 및 과정 개요를 생성하고, 확립 된 워크 플로우를 실행하며, 인간 전문가에게 주요 결정 지점 만 제시 할 수 있습니다.
결론
활발한 달리기는 몸매를 유지하기에 좋지만 오래 전 자동차는 인간의 능력이 가야 할 곳을 얻는 능력을 변화 시켰습니다. AI는 직장에서 동일한 혜택을 제공하여 회사가 프로세스를 개선하고 더 나은 결과를 창출 할 수 있도록 도와줍니다. 그것을 받아들이고 복합 효율성을 활용하는 사람들은 경쟁사를 남겨 두게됩니다.
게시물 Ai-Native 직장 구축 : 최전선에서 수업 먼저 나타났습니다 Unite.ai.
