Creative Studio Stars — Vývoj digitálních produktů

Vytvoření předvídatelného AI kanceláře pro konzistentní delegaci

Zdroj: Social Media Examiner

BuildingPredictableOffice

Article hero image

Už vás nebaví pokaždé, když otevřete ChatGPT nebo Claude, znovu vysvětlovat své procesy, šablony a preference? Zkoušíte si nastavit pracovní prostor pro AI, který vám umožní předávat skutečnou práci umělé inteligenci a pokaždé získávat stejný spolehlivý výsledek? V tomto článku zjistíte, jak vytvořit pracovní prostor pro AI (neboli „AI kancelář“) složený z procesních dokumentů, šablon a historického kontextu, na který se mohou opírat ChatGPT, Claude a další nástroje AI při dokončování delegovaných úkolů. Tento článek vznikl ve spolupráci Tiffany Kyazze a Michaela Stelznera. Více o Tiffany se dozvíte v závěru tohoto článku.

Proč pracovní prostor pro AI umožňuje delegaci

Tiffany Kyazze se k AI dostala prostřednictvím automatizace, kterou definuje jako sekvenční řetězení: když se stane toto, pak se stane ono. Ve své komunitě AI Flow Club učí podnikatele budovat úmyslně nudné AI systémy, které jsou důkladně promyšlené a jednou prověřené, aby následně přinášely výsledky, na které si můžete spolehnout. Protože AI nemusí vždy produkovat deterministický výsledek, jejím cílem je učinit ho kontrolovaným, ohraničeným a ziskovým. Práci lze předat AI pouze tehdy, když je výstup předvídatelný. Tiffany přirovnává ideál k hamburgeru McDouble z McDonald’s: je vždy stejný, a to je právě ten bod. Pracovní prostor pro AI tuto předvídatelnost zajišťuje tím, že umělé inteligenci poskytuje jedno centrální místo, kde najde standardy, procesy a šablony pro každý úkol, který má vykonat.

#1: Poskytněte AI pouze kontext potřebný pro daný úkol a začněte malým krokem

Nejběžnějším nedorozuměním, které Tiffany pozoruje, je přesvědčení, že AI musí vědět všechno: osobní motivace, způsob práce jednotlivce, co se děje v jeho životě a data ze všech aplikací, které kdy používal. Stránky s konektory a pluginy v ChatGPT a Claude to lákavě dělají, protože tam je uvedeno tolik známých aplikací. Problém spočívá v tom, že velký jazykový model předpokládá, že cokoli zmíněného v konverzaci je určeno k použití. Pokud někdo řekne AI, že se cítí unavený a požádá ji o napsání e-mailu odmítajícího pozvání do podcastu, e-mail pravděpodobně uvede, že odesílatel je unavený, zatímco odesílatel možná chtěl uvést pouze to, že se mu nevejde čas. Propojená data nesou stejné riziko. Konektor Stripe může pomoci s usnadněním vyúčtování příjmů, ale pokud AI ví, že firma vydělává 10 000 dolarů týdně, může se tato částka dostat i do příspěvků na sociálních sítích. Systémy „druhého mozku“ jsou užitečné pro uchovávání osobního příběhu, ale podle Tiffany AI tento příběh k vykonání práce nepotřebuje. Pro každý úkol jsou správnými otázkami: jaké informace jsou relevantní a jaké je riziko, pokud AI sdělí příliš mnoho. Přesný kontext také šetří tokeny. Bez šablony by požadavek na shrnutí schůzky donutil AI rozhodnout se, jak má shrnutí vypadat, co zahrnout a co se počítá jako cenné. Výsledkem je delší dokument plný informací, které jsou sice relevantní, ale nepotřebné. Pokud není shrnutí nastaveno tak, aby se zaměřilo na postup projektu, například pět minut, která účastníci strávili vyprávěním o svém víkendu, se v něm ocitne. Tiffany doporučuje definovat jak typ potřebných informací, tak strukturu výstupu. Tato definice také zabraňuje AI v čtení více, než je nutné: pro shrnutí hovoru použije pouze přepis hovoru a šablonu pro shrnutí hovoru, nikoli nesouvisející soubory, jako jsou pravidla pro plánování.

Topics:

Jak začít s AI pracovním prostorem bez jeho přetížení

Populárním trendem se stalo používání tzv. „master promptu“ (hlavního zadání), což je autobiografie předávaná AI při každém požadavku. Někteří lidé napsali master prompty o 90 stranách. Tiffany však tvrdí, že to bylo příliš mnoho informací, protože AI nevěnuje dostatečnou pozornost drobným detailům skrytým v obrovském dokumentu. Také je obtížné ho udržovat: pokud se potřebuje změnit hlas značky, nalezení této sekce a všech ostatních, které ji ovlivňují, zabere hodně času. Místo toho Tiffany doporučuje začít jen s několika dílčími částmi a ujistit se, že každá z nich funguje správně. Začínání malým rozsahem umožňuje ladit každé přidání a přesně sledovat, jak AI dané informace využívá. Pokud máte v prvním den ve složce 55 dokumentů, je těžké poznat, na které z nich se AI při generování výsledku odkázala. Kdokoli, kdo již má takové množství dokumentů, by měl explicitně určit AI, které dokumenty použít pro každý úkol. Pokud je pak výsledek špatný, existují pouze dvě místa k ověření: instrukce nebo kontext. Projekt v Claude, který již dobře funguje, je dobrým prvním kandidátem. Projekt je složka s instrukcemi a soubory zaměřenými na jeden úkol, takže se může stát podsložkou nového pracovního prostoru, ke kterému má přístup jakýkoli AI nástroj.

#2: Zvolte umístění AI pracovního prostoru

AI pracovní prostor je složka v počítači s informacemi organizovanými do podsložek. Tiffany ho popisuje jako digitální binder (svazek), podobný tomu, který dostala na své první práci, se záložkami vysvětlujícími, jak řešit jednotlivé situace, například volání na recepci. Místo záložek pro administrativní informace, procesy a šablony má pracovní prostor podsložky a AI přesně ví, kde každou z nich najde při dalším úkolu. Pracovní prostor funguje s nástroji, které mají přístup k souborům, jako jsou Claude Cowork, Claude Code, ChatGPT Work a ChatGPT Codex. Podle Tiffanyho má běžný ChatGPT také přístup k souborovému systému. Google Drive může sloužit jako zdroj pravdy, protože se připojuje téměř ke všem AI nástrojům.

Jak nastavit pracovní prostor pomocí Markdownu a Obsidianu

Tiffany udržuje svůj pracovní prostor v souborovém systému počítače jako Markdown soubory. Každý soubor má jen několik kilobajtů, což udržuje spotřebu tokenů na nízké úrovni. Markdown nazývá prvním jazykem AI. I bez formátování je snadno čitelný: mřížka označuje nadpis a hvězdičky tučné písmo. Pro ty, kteří nechtějí číst surový Markdown, Tiffany doporučuje Obsidian, který zobrazuje soubory s čistým formátováním a ukazuje, které dokumenty jsou propojeny. Tyto propojení umožňují AI vytáhnout vše, co úkol potřebuje. Proces e-mailů může například odkazovat na příkladné e-maily, šablonu e-mailu a pravidla pro rozhodování, které zprávy si zaslouží odpověď. Tiffany preferuje Obsidian před Notionem, protože AI v něm nachází informace rychleji. Vyhledávání v Notionu v Claude skenuje mnoho polí a její databáze v Notionu někdy mají 20 nebo 30 sloupců. Obsidian ukládá stejný typ polí do YAML, malého bloku kódu na začátku každého souboru, a stále zobrazuje soubor jako databázi.

Jak synchronizovat pracovní prostor s týmem pomocí GitHubu

Tiffany synchronizuje svůj pracovní prostor s GitHubem. Ve svém počítači má složku pro tým a její kolegyně Taylor, která bydlí v Kanadě, má na svém zařízení odpovídající složku. Když Tiffany odesílá změny do GitHubu, složka Taylor se automaticky aktualizuje a pokud obě upravují stejný dokument, GitHub změny sloučí bez toho, aby jedna přepsala druhou. GitHub také poskytuje novým AI nástrojům přístup k datům, aniž by jim předával kontrolu nad celým souborovým systémem. Když se objevila aplikace Muse, Tiffany ji namísto přístupu k jejímu počítači napojila na svůj repozitář na GitHubu a získala tak potřebné informace.

#3: Naplňte AI kancelář procesními dokumenty, šablonami a historickým kontextem

Tiffany označuje hotový pracovní prostor za „AI kancelář“ – složku souborů, které AI používá jako výchozí bod. Obsahuje tři typy obsahu.

  1. Procesní dokumenty: Procesní dokument popisuje kroky, které je třeba podniknout, a slouží jako standardní operační postup. Jedním z příkladů jsou Tiffanyina pravidla pro rozhodování o tom, na které e-maily se vyplatí odpovídat.
  2. Šablony: Šablona je buď vzor hotového výstupu, nebo dokument, který AI duplikuje a vyplní. Šablona k vyplnění může obsahovat pouze nadpisy s