بعد از این فصل می‌توانید…
- تفاوت مدل، محصول و اتصال را توضیح می‌دهید.
- کار قابل‌واگذاری را از تصمیم مسئولانه جدا می‌کنید.
- یک مسئلهٔ واقعی سازمان را به تمرین قابل‌اندازه‌گیری تبدیل می‌کنید.
پرسش اصلی مدیر: کدام تصمیم بهتر می‌شود؟
برای هیئت‌مدیره، نقطهٔ شروع تعداد ابزارها یا جذابیت یک نمایش نیست. از تصمیمی شروع کنید که امروز وقت می‌گیرد، اطلاعات پراکنده دارد یا دیر گرفته می‌شود: تصویب بودجه، انتخاب تأمین‌کننده، بررسی انحراف فروش، آماده‌سازی جلسه یا تشخیص پرسش‌های بی‌پاسخ یک سرمایه‌گذاری. هوش مصنوعی زمانی ارزش دارد که کیفیت یا سرعت این کار را با هزینه و ریسک پذیرفتنی بهتر کند.
در این دوره، مدل همکار تولید و بررسی پیش‌نویس است. مالکیت تصمیم، تعیین هدف، تشخیص تعارض منافع و پذیرش پیامد همچنان با انسان و سازوکار سازمانی است. برای تمرین، یک تصمیم کوچک و برگشت‌پذیر انتخاب کنید؛ مثلاً ساخت دستور جلسه از یک گزارش ساختگی. تعیین اعتبار مشتری یا تصویب سرمایه‌گذاری واقعی، تمرین آغازین مناسبی نیست.
مکث و تمرین
در یک جمله بنویسید: «می‌خواهم زمانِ ... را از ... به ... کاهش دهم، درحالی‌که معیار کیفیت ... حفظ شود.» اگر عدد ندارید، نخست یک نمونه را زمان‌گیری کنید.
مدل زبانی چه می‌کند و چه نمی‌کند؟
مدل زبانی بزرگ از الگوهای آموخته‌شده برای تولید پاسخ متناسب با ورودی استفاده می‌کند. این توانایی می‌تواند در توضیح، بازنویسی، مقایسه، کدنویسی و تحلیل مفید باشد؛ اما روان‌بودن متن به‌تنهایی شاهد صحت نیست. مدل ممکن است نام منبع، عدد، سابقهٔ یک شرکت یا رابطهٔ علت و معلول را با اطمینان بنویسد، درحالی‌که آن ادعا پشتوانهٔ کافی ندارد.
مدل به‌خودی‌خود تمام فایل‌های شما، اینترنت زنده یا نرم‌افزار مالی شرکت را نمی‌بیند. اطلاعات در دسترس به متن گفتگو، فایل واقعاً بارگذاری‌شده، ابزار فعال و مجوز اتصال وابسته است. جملهٔ «گزارش ما را بررسی کن» بدون ارائهٔ گزارش، جای اتصال واقعی را نمی‌گیرد. در هر کار بپرسید: دقیقاً چه ورودی‌هایی در اختیار مدل بوده است؟
برای میز تصمیم: سه چیز را جدا نگه دارید: آنچه مدل می‌داند، آنچه در این کار به آن داده‌اید و آنچه با ابزار واقعاً بررسی کرده است.
چهار لایه‌ای که نباید با هم اشتباه شوند
محصول، محیطی است که با آن کار می‌کنید؛ مانند یک وب‌سایت یا اپلیکیشن گفتگو. مدل، موتور پردازش پشت آن است. ابزار، امکانی مانند جست‌وجو، اجرای محاسبه یا خواندن فایل است. جریان کار، ترتیب استفاده از این امکانات برای رسیدن به نتیجه است. تغییر هر لایه می‌تواند خروجی را عوض کند؛ حتی وقتی نام محصول ثابت مانده باشد.
اشتراک گران‌تر الزاماً مسئلهٔ مبهم، فایل ناقص یا معیار ارزیابی نامناسب را حل نمی‌کند. همچنین خرید اشتراک شخصی با خرید دسترسی برنامه‌نویسی یا محیط سازمانی یکی نیست. مدیر باید بداند هزینه را برای چه می‌پردازد: سقف استفاده، ابزار، مدل، مدیریت کاربران، قرارداد داده یا امکان اتصال به سامانه‌ها.
| لایه | پرسش مدیریتی | نمونهٔ خطای رایج |
|---|---|---|
| محصول | کاربر از کجا و با کدام حساب وارد می‌شود؟ | فرض یکسان‌بودن امکانات همهٔ حساب‌ها |
| مدل | کدام موتور برای این کار مناسب است؟ | برابر دانستن جدیدتر با بهتر در همهٔ کارها |
| ابزار و داده | چه چیزی واقعاً در دسترس است؟ | تصور دسترسی مدل به فایلِ ارسال‌نشده |
| جریان کار | خروجی چگونه بررسی و استفاده می‌شود؟ | ارسال مستقیم پیش‌نویسِ بررسی‌نشده |
واژه‌های پایه بدون پیچیدگی غیرضروری
پرامپت همان دستور و زمینه‌ای است که به مدل می‌دهید. توکن واحد پردازش متن است و دقیقاً برابر یک کلمه نیست؛ بنابراین محدودیت توکن را نباید مستقیماً به تعداد صفحه تبدیل کرد. پنجرهٔ زمینه ظرفیت اطلاعات قابل‌پردازش در یک نوبت است. حافظهٔ محصول، تاریخچهٔ گفتگو و دانش آموخته‌شدهٔ مدل سه مفهوم متفاوت‌اند.
چندوجهی یعنی سامانه می‌تواند با بیش از یک نوع داده، مانند متن و تصویر یا صدا، کار کند؛ نوع ورودی و خروجی به مدل و محصول وابسته است. استنتاج مرحلهٔ تولید پاسخ است و با آموزش مدل فرق دارد. عامل یا Agent علاوه بر تولید متن، ممکن است برای انجام کار از ابزار استفاده کند؛ میزان اختیار آن باید مشخص باشد.
- دانش مدل: الگوهای حاصل از آموزش؛ الزاماً تازه یا قابل‌استناد نیست.
- زمینهٔ کار: اطلاعاتی که در همین درخواست قابل‌دسترسی است.
- حافظهٔ محصول: قابلیت نگه‌داری اطلاعات تحت تنظیمات همان سرویس.
- خروجی: پیشنهاد قابل‌بررسی؛ مسئولیت سازمانی ایجاد نمی‌کند.
نردبان استفاده: از کمک فردی تا فرایند سازمانی
پلهٔ نخست، کمک فردی در کار کم‌ریسک است: ساده‌سازی یک متن عمومی یا تهیهٔ پرسش برای جلسه. پلهٔ دوم، کار تکرارپذیر با ورودی و قالب روشن است؛ مانند خلاصهٔ گزارش ماهانه با کنترل اعداد. پلهٔ سوم، اتصال به دانش مصوب سازمان است. پلهٔ چهارم، انجام عمل در سامانه‌هاست که به کنترل دسترسی، تأیید و ثبت رویداد نیاز دارد.
جهش مستقیم از نمایش جذاب به خودکارسازی گسترده معمولاً نقص فرایند را پنهان می‌کند. اگر افراد بر تعریف فروش، زمان تحویل یا نسخهٔ معتبر قرارداد توافق ندارند، مدل این اختلاف را حل نمی‌کند. نخست تعریف و مسئول را مشخص کنید، سپس دربارهٔ افزودن هوش مصنوعی تصمیم بگیرید. گاهی اصلاح فرم ورودی یا یک گزارش ساده، بازده بیشتری دارد.
مکث و تمرین
سه کار هفتگی خود را روی این نردبان قرار دهید. برای هر کار بنویسید ورودی چیست، چه کسی پاسخ را می‌پذیرد و اشتباه آن چه پیامدی دارد.
اولین خروجی دوره: برگهٔ مسئله
برگهٔ مسئله قرار است از هیجان ابزار به طراحی کار برسد. مسئله، استفاده‌کننده، دادهٔ مجاز، خروجی موردانتظار و معیار پذیرش را در پنج خط بنویسید. «هوشمندسازی سازمان» مسئلهٔ قابل‌آزمایش نیست؛ «کاهش زمان آماده‌سازی بستهٔ جلسه با حفظ ارجاع هر عدد به منبع» قابل‌آزمایش است.
این برگه را تا پایان دوره نگه دارید. در درس‌های بعد به آن پرامپت، منابع، کنترل کیفیت و برنامهٔ اجرا اضافه می‌کنید. شرکت‌کنندهٔ حرفه‌ای می‌تواند همان مسئله را با دو تنظیم متفاوت مقایسه کند؛ تازه‌کار کافی است یک نسخهٔ روشن و کوچک را کامل کند.
به من کمک کن مسئلهٔ زیر را برای یک آزمایش کوچک تعریف کنم: [مسئله]. ابتدا حداکثر سه سؤال ضروری بپرس. سپس مسئله، ورودی مجاز، خروجی، معیار کیفیت، مسئول تأیید و شرط توقف را پیشنهاد بده. داده یا نتیجهٔ واقعی سازمان را حدس نزن.
دانش خود را بسنجید
پیش از رفتن به فصل بعد
چک‌لیست پایان فصل
پیشرفت و تیک‌ها فقط در همین مرورگر ذخیره می‌شوند؛ تکمیل فصل به‌معنای گواهی مهارت نیست.