¿Qué harías si estuvieras corriendo una carrera de 10k Highway, luchando por subir una colina dura y, de repente, las reglas de la carrera cambiaron? ¿Qué pasaría si los pilotos comenzaran a recoger corredores en autos y luego corrían entre sí a la línea de meta? ¿Seguirías corriendo, sabiendo muy bien que colocarás en la parte posterior de la manada? ¿O subir al auto, golpear el gasoline y competir por el gran premio?
En los negocios de hoy, AI es ese automóvil que está interrumpiendo la forma en que las empresas se ejecutan. Las empresas aún pueden optar por avanzar como siempre lo han hecho: desarrollar planes de largo alcance, adherirse a los procesos, empujar a los empleados a trabajar más duro que nunca para tener éxito en entornos cada vez más competitivos. Pero Ai es Cambiar la naturaleza de la raza. Le está dando a las empresas un vehículo nuevo para moverse más rápido y dar a los trabajadores nuevas rutas para acercar los problemas. Cualquier negocio que no tome el volante e inculca el poder de la IA en su fuerza laboral quedará atrás en esa larga y empinada colina.
Abrazando el futuro al convertirse en gerente de AI
Aquí en Cucroach Labs, aprendimos muy rápidamente que la Generación de AI puede ayudarnos a hacer cosas que nunca creemos posible. Tenemos lo usó en toda la empresa Para la búsqueda de Gen AI, los sistemas de recomendación y la búsqueda semántica.
Uno de los mejores ejemplos de cómo la IA puede transformar un proceso de la fuerza laboral está teniendo lugar en nuestro departamento de educación. Nuestro equipo está utilizando AI para acelerar el desarrollo de planes de estudio que ayude a los clientes, socios y nuestra propia fuerza laboral a convertirse en expertos en la operación de nuestra línea de productos de la base de datos.
Recientemente creamos un curso Eso presentaba 21 ejercicios prácticos y 20 mazos de diapositivas con notas detalladas de los estudiantes. Antes de comenzar el proyecto, estimamos que, utilizando nuestro proceso de desarrollo regular, factorización en las estimaciones estándar de la industria de cuánto tiempo lleva a los desarrolladores producir una hora de contenido, esto tomaría de tres a cinco meses en completarse.
Entonces, ¿qué pasó? Incorporando Gen AI en nuestros procesos existentes, pudimos finalizar la tarea en cinco semanas.
En el proceso, aprendimos una serie de lecciones.
- Todos somos gerentes de AI. Cada uno de nosotros tiene la oportunidad de pensar de manera muy diferente utilizando AI. Cada uno de nosotros debe actuar como gerentes, ya sea que tengamos informes directos o no, porque gestionamos un suministro prácticamente ilimitado de capacidad de inteligencia que podemos trabajar en proyectos desafiantes. ¿Cuánto puedes automatizar? ¿Qué tan creativo puedes ser? ¿Cuán efectivamente puede solicitar su herramienta de IA, desafiarla e implementar el nuevo modelo que genera? Puedes aprovecharlo. Puedes administrarlo. Puede hacer esencialmente tanto como su propia capacidad private le permitirá hacerlo.
- No esperes que AI haga todo. Hay tareas que simplemente no es adecuada para realizar. Pero puede asignarlo para hacer cosas que los trabajadores ya no deberían hacer, trabajos que requieren mucho tiempo, pero que aún requieren un cierto grado de inteligencia.
- No acepte ciegamente los resultados que se produce. Verifique, verifique y vuelva a verificar. Confía en la tecnología, pero siempre verifique, porque la precisión convierte los supuestos en logros.
El proceso paso a paso de la implementación de IA para la gestión de tareas
Aquí hay un resumen rápido de algunas de las formas en que AI nos ayudó a subir la colina, hasta la línea de meta, mucho más rápido de lo que esperábamos.
- Diferentes modelos: Diferentes modelos tienen diferentes fortalezas. Por lo tanto, al igual que los fabricantes usan los mejores componentes de la reputación al construir una solución, no dude en intercambiar modelos cuando tenga sentido aprovechar esas fortalezas. Utilizamos Claude Sonnet 3.5 para autor el primer borrador de ejercicios porque se destacó en la creación de prosa e instrucciones atractivas. Utilizamos modelos de razonamiento ChatGPT 4O & “O” como revisores técnicos para refinar comandos y garantizar la precisión técnica en el segundo borrador.
- Resultados reproducibles: Al realizar tareas altamente técnicas, queríamos poder imponer restricciones técnicas claras y producir salidas estructuradas que admitieran resultados reproducibles. Para hacer eso, proporcionamos requisitos de estructura explícitos y ejemplos de formatos.
- Indicaciones para tareas altamente técnicas: Ser muy específico sobre lo que le pides a la IA que hagas –
De lo contrario, puede hacer locuras. Indique claramente cualquier suposición sobre las entradas o condiciones ambientales y solicite al modelo que maneje casos inesperados.
- Indicaciones refinadas: Es importante alentar las herramientas de IA para hacer preguntas aclaratorias. Las primeras indicaciones no serán perfectas, así que espere múltiples rondas. Incorpore cualquier mejora o paso que el modelo sugiera a su mensaje base e itera con la IA y sus compañeros de equipo.
- Pruebas, pruebas, pruebas: Los controles de consistencia son críticos. Una forma de medir la efectividad de su aviso es garantizar una producción constante. Por lo tanto, probamos a menudo para asegurarnos de que estábamos poniendo la misma entrada y que la salida permaneció igual.
Experiencia humana al timón: el papel esencial de la supervisión de la IA
Si bien la IA elimina las tareas que requieren mucho tiempo del Día de los Trabajadores, no las elimina por completo de los flujos de trabajo. Los humanos aún desempeñan papeles críticos en nuestro desarrollo curricular, y deben integrarse en procesos impulsados por la IA para garantizar que los procesos tengan éxito.
Un buen ejemplo es en cómo nuestro equipo educativo lleva a cabo ingeniería rápida. Los humanos son responsables de elaborar el aviso inicial, incluido el contexto de fuentes relevantes. Luego, después de que la herramienta Gen AI ejecuta el aviso, el humano revisa la salida de la herramienta. Es esencial que esta persona sea un experto en la materia que pueda captar errores al principio del proceso. Los compañeros de equipo continúan colaborando con la herramienta e iterando hasta que el equipo esté satisfecho de que el aviso esté listo para publicar.
Si bien este humano/IA colaborativo ha demostrado ser efectivo, requiere que un humano gestione el contexto y las transiciones entre los modelos.
Sin humanos en el bucle, los equipos estarían a merced de herramientas de IA que pueden ser notoriamente poco confiables. Cuando comenzamos con nuestro proyecto curricular, las herramientas lo hicieron bien resumiendo o explicando conceptos, dados los contextos correctos. Sin embargo, alucinaron a menudo. Hoy en día, los modelos son mejores en el razonamiento, pero un humano aún necesita administrar el proceso. Ahora, los humanos pueden centrarse en la revisión y la creatividad y no solo en la gestión de procesos.
En el futuro, los agentes de IA tomarán un papel más importante en el proceso. En lugar de que los humanos recopilan manualmente el contexto de las fuentes, elaborando indicaciones con el contexto, el trabajo en movimiento entre los modelos de IA y la revisión y la refinación de los resultados, estamos desarrollando agentes que pueden realizar muchas de estas tareas, con un poco de ayuda. El agente puede recopilar y procesar de forma autónoma los materiales de origen como contexto, generar taxonomías de habilidades y esquemas de cursos, ejecutar nuestros flujos de trabajo establecidos y presentar solo puntos de decisión clave a los expertos humanos.
Conclusión
Si bien las carreras rápidas son excelentes para mantenerse en forma, los autos transformaron hace mucho tiempo la capacidad de los humanos para llegar a donde necesitan ir. AI proporciona los mismos beneficios en el lugar de trabajo: ayudar a las empresas a mejorar los procesos y generar mejores resultados. Aquellos que lo abrazan y aprovechan sus ganancias de eficiencia compuesta dejarán atrás a los competidores.
