Creative Studio Stars — Digitālo produktu izstrāde

Prognozējama AI biroja izveide konsekventai uzdevumu nodošanai

Avots: Social Media Examiner

AI WorkspaceDelegationPredictable AIProcess Automation

Article hero image

Vai esat noguris no tā, ka katru reizi, atverot ChatGPT vai Claude, jums ir jāpaskaidro savas procesi, veidnes un preferences? Vai domājat, kā iestatīt AI darba vidi, kas ļautu nodot reālus uzdevumus mākslīgajam intelektam un katru reizi iegūt tādu pašu uzticamo rezultātu? Šajā rakstā uzzināsit, kā izveidot AI darba vidi – jeb AI biroju – ar procesu dokumentiem, veidnēm un vēsturisko kontekstu, ko ChatGPT, Claude un citi AI rīki var izmantot, lai konsekventi veiktu nodotos uzdevumus. Šo rakstu kopīgi radīja Tiffany Kyazze un Michael Stelzner. Lai uzzinātu vairāk par Tiffany, skatiet šā raksta beigās.

Kāpēc AI darba vide padara uzdevumu nodošanu iespējamu

Tiffany Kyazze mākslīgajam intelektam pievērsās caur automatizāciju, ko viņa definē kā secību: kad notiek šis notikums, tad notiek tas. Savā AI Flow Club kopienā viņa māca uzņēmējiem veidot apzināti "garlaicīgas" AI sistēmas – pārdomātas un vienu reizi pārbaudītas, kas nodrošina rezultātus, uz kuriem var paļauties. Tā kā AI ne vienmēr rada determinētus (precīzi paredzamus) rezultātus, viņas mērķis ir padarīt to kontrolētu, ierobežotu un peļņu nesošu. Uzdevumus var nodot AI tikai tad, kad izvades rezultāts ir prognozējams. Tiffany salīdzina ideālo situāciju ar McDonald’s McDouble: tas katru reizi ir vienāds, un tas ir galvenais mērķis. AI darba vide nodrošina šo prognozējamību, sniedzot AI vienu vietu, kur atrast standartus, procesus un veidnes katram uzdevumam, kas tiek pieprasīts.

#1: Dodiet AI tikai to kontekstu, ko konkrētais uzdevums prasa, sākot ar nelielu apjomu

Visizplatītākais maldspriedums, ko Tiffany novēro, ir pārliecība, ka AI ir jāzina viss: personiskie motīvi, kā cilvēks strādā, kas notiek viņa dzīvē un dati no visām lietotajām programmām. ChatGPT un Claude savienotāju un spraudņu lapas to padara vilinošu, jo tur ir uzskaitītas tik daudz pazīstamu lietotņu. Problēma slēpjas tajā, ka liela valodas modeļa (LLM) pieņem, ka jebkas, kas tiek pieminēts sarunā, ir paredzēts izmantošanai. Ja kāds AI saka, ka jūtas noguris, un lūdz uzrakstīt e-pastu, ar kuru noraida aicinājumu piedalīties podkāstā, e-pasts visticamāk saturēs informāciju par nogurumu, lai gan nosūtītājs varētu vēlēties tikai norādīt, ka laiks neder. Savienoti dati nes to pašu risku. Stripe savienotājs var palīdzēt saskaņot ieņēmumus, bet, ja AI zina, ka uzņēmums nedēļā nopelna 10 000 ASV dolāru, šis skaitlis var nonākt sociālo mediju ierakstos. "Otrā smadzeņu" sistēmas ir noderīgas personiskās stāsta zināšanai, bet, pēc Tiffany teiktā, AI tam nav vajadzīga darba veikšanai. Katram uzdevumam pareizie jautājumi ir: kāda informācija ir relevantā un kāds ir risks, ja AI to atklāj pārāk daudz. Precīzs konteksts arī ietaupa tokenus. Bez veidnes pieprasījums apkopot sapulzi liek AI izlemt, kādam jābūt kopsavilkumam, ko tajā iekļaut un kas tiek uzskatīts par vērtīgu. Rezultāts ir garāks dokuments, kas pildīts ar informāciju, kas ir relevantā, bet nav nepieciešama. Ja kopsavilkumā netiek norādīts fokusēties uz projekta virzību, piemēram, piecas minūtes, ko dalībnieki pavadīja runājot par savu brīvlaiku, nonāks tajā. Tiffany iesaka definēt gan nepieciešamās informācijas veidu, gan izvades struktūru. Šī definīcija arī novērš AI lasīt vairāk, nekā tas ir vajadzīgs: lai apkopotu zvanu, tā izmanto tikai zvana transkriptu un zvana kopsavilkuma veidni, nevis nesaistītus failus, piemēram, grafika noteikumus.

Kā uzsākt AI darba telpu, neapgrūtinot to ar lieku informāciju

Populārs trends ir izmantot „masterpromptu” – autobiogrāfiju, kas tiek nodota AI kopā ar katru pieprasījumu. Daži pat ir rakstījuši 90 lapaspuses garus masterpromptus. Tifanija uzskata, ka tas ir pārāk daudz informācijas, jo AI nepievērš pietiekamu uzmanību sīkumiem, kas paslēpti milzīgā dokumentā. Turklāt to ir grūti uzturēt: ja mainās zīmola balss tonis, laika ziņā ļoti apgrūtinoši ir atrast ne tikai attiecīgo sadaļu, bet arī visas pārējās sadaļas, kas uz to ietekmē. Tāpēc Tifanija iesaka sākt ar pāris dokumentiem un pārliecināties, ka katrs no tiem darbojas pareizi. Sākot mazāk, ir iespējams precīzāk koriģēt katru papildinājumu un redzēt, tieši kā AI izmanto šo informāciju. Ja pirmajā dienā mapē jau ir 55 dokumenti, ir grūti saprast, kuri no tiem tikuši izmantoti, ģenerējot rezultātu. Jebkuram, kam jau ir tik daudz dokumentu, būtu jānorāda AI tieši, kurus dokumentus izmantot katram uzdevumam. Tad, ja rezultāts ir slikts, pārbaudes vietas ir tikai divas: instrukcija vai konteksts. Labs sākuma kandidāts varētu būt Claude projekts, kas jau darbojas stabili. Projekts ir mape ar instrukcijām un failiem, kas vērsta uz vienu konkrētu uzdevumu, tāpēc to var izveidot kā apakšmapi jaunajā darba telpā, kurā jebkura AI rīka piekļuve būs iespējama.

#2: Izvēlieties, kur atradīsies jūsu AI darba telpa

AI darba telpa ir mape datorā, kur informācija sakārtota apakšmapēs. Tifanija to salīdzina ar digitālu saiti, līdzīgu tai, ko viņa saņēma savā pirmajā darbavietā, ar nodalījumiem, kas skaidro, kā rīkoties dažādās situācijās, piemēram, zvanot uz reģistratūru. Tā vietā, lai būtu nodalījumi administratīvai informācijai, procesiem un veidnēm, darba telpā ir apakšmapes, un AI precīzi zina, kur katru no tām atrast nākamajā uzdevumā. Darba telpa darbojas ar rīkiem, kas var piekļūt failiem, piemēram, Claude Cowork, Claude Code, ChatGPT Work un ChatGPT Codex. Pēc Tifanijas teiktā, regulārajam ChatGPT arī ir piekļuve failu sistēmai. Google Drive var kalpot kā „patiesības avots”, jo tas savienojams ar gandrīz visiem AI rīkiem.

Kā iestatīt darba telpu, izmantojot Markdown un Obsidian

Tifanija glabā savu darba telpu datorā failu sistēmā kā Markdown failus. Katrs fails ir tikai dažos kilobaitos liels, kas nodrošina zemu tokenu patēriņu. Viņa dēvē Markdown par AI pirmo valodu. Pat bez formatējuma to ir viegli lasīt: restīte norāda uz virsrakstu, bet zvaigznītes – treknrakstu. Jebkuram, kurš negrib lasīt „kailo” Markdown kodu, Tifanija iesaka Obsidian, kas attēlo failus ar tīru formatējumu un parāda, kuri dokumenti ir savstarpēji saistīti. Šīs saites ļauj AI ātri atrast visu nepieciešamo konkrētam uzdevumam. Piemēram, e-pasta apstrādes process var būt saistīts ar piemēru e-pastiem, e-pasta veidni un noteikumiem par to, kuriem ziņojumiem ir jāatbild. Tifanija dod priekšroku Obsidian nevis Notion, jo AI tajā informāciju atrod ātrāk. Notion meklēšana Claude vidē skenē daudzus laukus, un viņas Notion datubāzēs dažkārt ir 20 vai 30 kolonnas. Obsidian glabā tādus pašus laukus YAML formātā – nelielā koda bloka veidā faila augšdaļā, bet joprojām attēlo failu kā datubāzi.

Kā sinhronizēt darba telpu ar komandu, izmantojot GitHub

Tifani sinhronizē savu darba vidi ar GitHub. Viņa datorā glabā mapi savai komandas biroja darbībai, bet viņas kolēģa Teilora (kas dzīvo Kanādā) datorā atrodas identiska mape. Kad Tifani publicē izmaiņas GitHub, Teiloras mape automātiski atjauninās, un, ja abi rediģē vienu un to pašu dokumentu, GitHub apvienos izmaiņas, tāpēc neviena no tām netiks pārrakstīta. GitHub arī nodrošina jauno AI rīku piekļuvi, neļaujot tiem tieši pārvaldīt failu sistēmu. Kad tika palaists Muse, Tifani norādīja tam uz savu GitHub repozitoriju, nevis deva piekļuvi savam datoram, un tas ieguva nepieciešamo informāciju.

#3: Aizpildi AI biroju ar procesa dokumentiem, veidnēm un vēsturisko kontekstu

Tifani pabeigto vidi sauc par AI biroju — failu mapi, ko AI izmanto kā sākumpunktu. Tā satur trīs veidu saturu.

  1. Procesa dokumenti: Procesu dokuments apraksta veicamo darbību secību un kalpo kā standarta operācijas procedūra. Piemēram, Tifani noteikumi par to, kuriem e-pastiem ir vērts atbildēt, ir viens šāds piemērs.
  2. Veidnes: Veidne var būt gan gatava iznākuma paraugs, gan dokuments, ko AI dublē un aizpilda. Aizpildāma veidne var saturēt tikai virsrakstus ar