Si bien prefiero “AI Native” para describir el enfoque de desarrollo de productos centrado en la IA que estamos tratando de alentar en O’Reilly, a veces he usado el término “AI primero” en mis comunicaciones con el private de O’Reilly. Y así me alarmó y me consternó saber que en la prensa, ese término ahora ha significado “Usar AI para reemplazar a las personas. ” Muchos inversores y empresarios de Silicon Valley incluso parecen ver Poner a las personas sin trabajo como una oportunidad masiva.
Esa thought es anatema para mí. También está mal, tanto ethical como prácticamente. Todo el empuje de mi libro de 2017 WTF? ¿Cuál es el futuro y por qué depende de nosotros? Fue que, en lugar de usar la tecnología para reemplazar a los trabajadores, podemos aumentarlos para que puedan hacer cosas que anteriormente eran imposibles. No es como si todavía no hubiera problemas incalculables para resolver, nuevos productos y experiencias para crear y formas de empeorar el mundo, no peor.
Cada compañía enfrenta esta elección hoy. Aquellos que usan IA simplemente para reducir costos y reemplazar a los trabajadores serán superados por aquellos que la usan para expandir sus capacidades. Entonces, por ejemplo, en O’Reilly, hemos ofrecido principalmente nuestro contenido en inglés, con solo los títulos más populares traducidos en los idiomas más viables comercialmente. Pero ahora, con la ayuda de AI, podemos traducir todo en, bueno, no cada Idioma (todavía): dozes de idiomas, haciendo que nuestro conocimiento y nuestros productos sean accesibles y asequibles en partes del mundo a las que no podíamos servir antes. Estas traducciones solo de AI no son tan buenas como las editadas y seleccionadas por humanos, pero una traducción generada por IA es mejor que ninguna traducción. Nuestros clientes que no hablan inglés están encantados de tener acceso al aprendizaje técnico en su propio idioma.
Como otro ejemplo, hemos creado cuestionarios, resúmenes, audio y otro contenido generado por la IA, sin mencionar la búsqueda y las respuestas habilitadas para AI, utilizando nuevos flujos de trabajo que involucran a nuestros editores, diseñadores instructivos, autores y entrenadores en la configuración de la generación y la evaluación de estos productos generados por IA. No solo eso, nosotros pagar regalías a los autores en estos productos derivados.
Pero estas cosas realmente aún no son lo que yo llamo “nativo de AI”. ¿Qué quiero decir con eso?
He estado alrededor de muchas transiciones de interfaz de usuario: desde la pantalla CRT hasta la GUI, desde la GUI hasta la net, desde la net en computadoras de escritorio y computadoras portátiles y dispositivos móviles. Todos recordamos las conversaciones estratégicas sobre “móvil primero”. Muchas compañías llegaron tarde a la fiesta al darse cuenta de que las expectativas del consumidor habían cambiado, y que si no tenía una aplicación o interfaz net que funcionara bien en los teléfonos móviles, rápidamente perdería a sus clientes. Perdieron ante empresas que rápidamente adoptaron el nuevo paradigma.
“Cellular First” significaba priorizar las experiencias de los usuarios para un dispositivo pequeño y escalar a pantallas más grandes. Al principio, las empresas simplemente intentaron reducir el tamaño de sus sistemas existentes (¿recuerdas Home windows Cellular?) O de alguna manera el zapato de calzado su interfaz de escritorio en una pequeña pantalla táctil. Eso no funcionó. Los ganadores fueron compañías como Apple que crearon sistemas e interfaces que trataron el dispositivo móvil como un medio principal de interacción del usuario.
Tenemos que hacer lo mismo con AI. Cuando simplemente tratamos de implementar lo que hemos hecho antes, usando IA para hacerlo de manera más rápida y rentable, podríamos ver algunos ahorros de costos, pero no podemos sorprender y deleitar a nuestros clientes. En cambio, tenemos que revisar lo que hacemos, para preguntarnos cómo podríamos hacerlo con IA si nos acercamos al problema con este nuevo equipment de herramientas.
Los chatbots como ChatGPT y Claude han restablecido completamente las expectativas de los usuarios. El largo arco de las interfaces de usuario para las computadoras es acercarlas cada vez más a la forma en que los humanos se comunican entre sí. Pasamos de tener que “hablar computadora” (literalmente código binario en algunas de las computadoras de programa almacenadas más tempranas) a que entiendan el lenguaje humano.
De alguna manera, habíamos comenzado a hacer esto con la búsqueda de palabras clave. Pusimos palabras humanas y recuperamos documentos que el algoritmo pensaba que estaban más relacionados con lo que estábamos buscando. Pero todavía period un Pidgin limitado.
Ahora, sin embargo, podemos hablar con un motor de búsqueda (o chatbot) de una manera mucho más completa, no solo en un lenguaje pure, sino, con la preservación correcta de contexto, en una conversación de varios pasos o con una variedad de preguntas que van mucho más allá de la búsqueda tradicional. Por ejemplo, al buscar en los libros, movies y cursos en línea de la plataforma O’Reilly, podríamos preguntarnos algo como: “¿Cuáles son las diferencias entre el libro de Camille Fournier El camino del gerente Y Addy Osmani’s Liderar equipos de ingeniería efectivos? ” O “¿Cuáles son los libros, cursos y entrenamientos en vivo más populares en la plataforma O’Reilly sobre habilidades blandas de ingeniería de software program?” Seguido de la aclaración: “Lo que realmente quiero es algo que me ayude a prepararme para mi próxima entrevista de trabajo”.
O considere “habilidades verificables”, una de las principales características que las oficinas de aprendizaje corporativo demandan plataformas como las nuestras. En los viejos tiempos, las certificaciones y las evaluaciones se basan principalmente en preguntas de opción múltiple, que todos sabemos que son una forma débil de evaluar las habilidades, y que los usuarios no les gusta.
Ahora, con AI, podríamos pedirle a AI que evalúe las habilidades de un programador y sugiera oportunidades de mejora basadas en su repositorio de código u otra prueba de trabajo. O una IA puede ver el progreso de un usuario a través de una tarea de codificación en un curso y notar no solo lo que el usuario “se equivocó,“Pero qué partes volaron y cuáles tomaron más tiempo porque necesitaban investigar o hacer preguntas a su mentor de IA. Una metodología de evaluación nativa de IA no solo hace más, sino que lo hace sin problemas, como parte de una experiencia de usuario muy superior.
No hemos lanzado todas estas nuevas características. Pero estos son el tipo de cosas nativas de IA que estamos tratando de hacer, cosas que eran completamente imposibles antes de tener una caja de herramientas aún inexplorada que diariamente está llena de nuevas herramientas eléctricas. Como puede ver, lo que realmente estamos tratando de hacer es usar AI para hacer las interacciones de nuestros clientes con nuestro contenido más rico y pure. En resumen, más humano.
Un error que hemos estado tratando de evitar es lo que podría llamarse “poner vino nuevo en botellas viejas”. Es decir, existe una tentación actual para aquellos de nosotros con años de experiencia en el diseño de la net y los dispositivos móviles para comenzar con una maqueta de una interfaz de aplicación net, con una ventana donde tiene lugar la interacción AI. Aquí es donde creo que “AI primero” realmente es el término correcto. Me gusta vernos prototipos de la interacción con AI antes Pensando en qué tipo de interfaz net o móvil para envolverla. Cuando prueba las interacciones reales de AI-primero, pueden darle concepts completamente diferentes sobre cómo podría ser la interfaz correcta para envolverla.
Hay otro error que evitar, que es esperar que una IA pueda hacer magia y no pensar lo suficientemente profundo sobre todo el trabajo duro de la evaluación, la creación de barandillas, el diseño de la interfaz, la implementación de la nube, la seguridad y más. “AI Native” no significa “AI solamente”. Cada aplicación AI es una aplicación híbrida. He sido muy llevado con la publicación de Phillip Carter, Los LLM son computadoras raraslo que señala que ahora estamos programando con dos tipos de computadoras fundamentalmente diferentes: uno que puede escribir poesía pero que lucha con la aritmética básica, otra que calcula sin problemas pero no puede interactuar fácilmente con los humanos en nuestros propios idiomas nativos. El arte del desarrollo moderno está orquestando estos sistemas para complementarse entre sí.
Este fue un tema principal del Codecon AI de la semana pasada Codificación con AI. La alineación de profesionales expertos explicó cómo están trayendo IA a su flujo de trabajo de manera innovadora para acelerar (no reemplazar) su productividad y su creatividad. Y el orador tras el orador nos recordó lo que cada uno de nosotros todavía necesita traer a la mesa.
Chelsea Troy Ponlo maravillosamente:
Los modelos de idiomas grandes no han eliminado los trabajos de programación al por mayor tanto como nos han llamado a un conjunto de habilidades más avanzado, más consciente y más consciente del contexto y más orientado comunalmente al que, francamente, ya nos llamaron de todos modos … En problemas relativamente simples, podemos salirse con la suya con la subcontratación de algunos de nuestro juicio. A medida que los problemas se vuelven más complicados, no podemos.
Los problemas de integrar la IA en nuestros negocios, nuestras vidas y nuestra sociedad son realmente complicados. Pero ya sea que lo llames “nativo de IA” o “ai primero”, no significa adoptar el culto a la “eficiencia económica” que cut back a los humanos a un costo a ser eliminado.
No, significa hacer más, el uso de humanos aumentados con la IA para resolver problemas que anteriormente eran imposibles, en formas que anteriormente eran impensables, y en formas que hacen que nuestros sistemas de máquinas sean más sintonizados con los humanos a los que deben servir. Como dijo Chelsea, estamos llamados a integrar la IA en una sensibilidad “más avanzada, más contextualmente consciente y más orientada por comunicación”. Ai primero pone a los humanos primero.
