OMX Helsinki — S&P 500 — DAX — NASDAQ 100 — STOXX 600 — EUR/USD — EUR/SEK — BTC/USD — ETH/USD — 3 mēnešu Euribor — 12 mēnešu Euribor —

Uzvedņu veidošana — prasme, kas pārvērš mākslīgo intelektu no rīka par domāšanas partneri

Laba uzvedņu veidošana nav tehnisks triks, bet gan domāšanas prasme. Tā liek precizēt, ko jūs patiesībā vēlaties, kam tas paredzēts, kādā formā un ar kādiem nosacījumiem.

Pārbaudīts

1. Ievads: kāpēc uzvedņu veidošana kļuvusi par jaunu pamatprasmi?

Vēl pirms dažiem gadiem mākslīgā intelekta izmantošana daudziem šķita šaura tehnoloģiju speciālistu loka nodarbe. Tagad tas ir ikdienas rīks, kas raksta melnrakstus, analizē datus, palīdz apspriest idejas, atbalsta programmēšanu, apkopo dokumentus un dažkārt pat iejūtas pašmācīta psihologa, personīgā trenera vai mārketinga komandas palīga lomā.

Taču ātri kļuvis skaidrs viens: neskaidri uzdodot mākslīgajam intelektam jautājumu, reti izdodas izmantot tā iespējas pilnībā.

Te talkā nāk uzvedņu veidošana jeb prompt engineering — prasme formulēt mākslīgajam intelektam sniegtos norādījumus tā, lai atbildes būtu pēc iespējas precīzākas, noderīgākas un situācijai atbilstošākas.

Laba uzvedņu veidošana nav tikai tehnisks triks. Tā ir domāšanas prasme. Tā liek lietotājam precizēt, ko viņš patiesībā vēlas: kam atbilde paredzēta, kādā formā tā vajadzīga, ar kādiem nosacījumiem un kādu lēmumu vai darbību tai jāpalīdz īstenot.

Tāpēc uzvedņu veidošanu dēvē par nākotnes pamatprasmi. Tā līdzinās lasīšanai un rakstīšanai digitālajā laikmetā: varbūt ne visiem jākļūst par meistariem, taču pamatprincipus ir vērts saprast ikvienam.

OpenAI savās vadlīnijās uzsver, ka labas uzvednes ir skaidras, precīzas un sniedz modelim pietiekami daudz konteksta. Cita starpā ieteikts svarīgākos norādījumus ievietot sākumā, nodalīt norādījumus no fona materiāliem un noteikt vēlamo atbildes formātu.[1]

2. Ko īsti nozīmē uzvedņu veidošana?

Vienkārši sakot, uzvedņu veidošana nozīmē plānot mākslīgajam intelektam sniegto ievadi. Uzvedne var būt:

  • jautājums
  • uzdevuma apraksts
  • lomas piešķiršana
  • fona materiāls
  • vēlamā stila piemērs
  • dokuments, kuru lūgts analizēt
  • attēls, audioieraksts vai fails
  • norādījums par to, ko nedrīkst darīt

Google Cloud definē uzvedni kā dabiskā valodā izteiktu pieprasījumu, ko sniedz modelim, lai saņemtu atbildi. Uzvedne var ietvert jautājumus, norādījumus, kontekstu, piemērus un nepabeigtu ievadi, kuru modelis papildina.[2]

Tātad uzvedņu veidošana nenozīmē tikai „uzrakstīt labāku jautājumu”. Drīzāk tā ir uzdevuma formulēšana mākslīgajam intelektam saprotamā veidā.

Ja ierastajā darba vidē daudz ko izšķir labs darba uzdevuma apraksts, tad darbā ar mākslīgo intelektu laba uzvedne ir tā digitālais līdzinieks. Tā pasaka, kas tiek darīts, kāpēc, kam un pēc kādiem kvalitātes kritērijiem.

Slikta uzvedne saka:

„Padariet šo labāku.”

Laba uzvedne saka:

„Rīkojieties kā B2B mārketinga speciālists. Pārstrādājiet zemāk esošo LinkedIn ierakstu, lai tas būtu skaidrāks un profesionālāks. Mērķauditorija ir Somijas izaugsmes uzņēmumu vadītāji. Saglabājiet autora individuālo balsi, bet padariet ievadu saistošāku. Beigās piedāvājiet trīs virsraksta variantus.”

Atšķirība nav kosmētiska. Tā ir izšķiroša.

3. Uzvednes uzbūve: loma, konteksts, uzdevums un formāts

Laba uzvedne bieži sastāv no četrām pamatdaļām:

  1. Loma — kādā lomā mākslīgajam intelektam jāiejūtas?
  2. Konteksts — kādā situācijā uzdevums tiek veikts?
  3. Uzdevums — kas mākslīgajam intelektam jārada vai jāatrisina?
  4. Formāts — kādā formā atbilde ir vajadzīga?

Praktisks piemērs:

„Rīkojieties kā mārketinga speciālists. Mūsu uzņēmums pārdod ilgtspējīgu darba apģērbu būvniecības uzņēmumiem. Sagatavojiet trīs LinkedIn ierakstus, kuru mērķis ir rosināt diskusiju par darba drošību un ilgtspēju. Rakstiet kodolīgi, izvairieties no reklāmiska toņa un katram ierakstam izvēlieties savu skatpunktu.”

Šajā uzvednē mākslīgais intelekts saņem:

  • lomu: mārketinga speciālists
  • kontekstu: ilgtspējīgs darba apģērbs būvniecības nozarei
  • uzdevumu: trīs LinkedIn ieraksti
  • mērķi: diskusijas rosināšana
  • stila norādi: kodolīgi, bez reklāmiska toņa
  • struktūras prasību: katram ierakstam savs skatpunkts

Tas jau ir pavisam cits sākumpunkts nekā „sagatavojiet ierakstus sociālajiem tīkliem”.

Google Cloud uzvedņu izstrādes vadlīnijās norādīts, ka uzvednes efektivitāti ietekmē gan saturs, gan struktūra: modelim jāsaņem uzdevumam būtiskā informācija, bet informācijas secība, virsraksti un atdalītāji palīdz modelim labāk interpretēt pieprasījumu.[3]

4. Kāpēc laba uzvedne darbojas?

Mākslīgā intelekta modelis „nesaprot” pasauli tāpat kā cilvēks. Tas prognozē un ģenerē atbildes, balstoties uz apmācības datiem, lietotāja ievadi un sarunas kontekstu.

Tāpēc uzvedne darbojas kā karte. Jo precīzāka karte, jo lielāka iespēja nokļūt pareizajā vietā.

Laba uzvedne palīdz modelim četros veidos:

1. Tā norobežo uzdevumu

Mākslīgajam intelektam nav jāmin, vai vēlaties analīzi, sarakstu, e-pastu, tabulu vai idejas.

2. Tā sniedz kontekstu

Bez konteksta modelis rada vispārīgu tekstu. Ar konteksta palīdzību tas var atbildēt tieši atbilstoši jūsu situācijai.

3. Tā nosaka kvalitātes kritērijus

„Labs” var nozīmēt dažādas lietas: īss, padziļināts, pārdošanu veicinošs, neitrāls, tehnisks, visiem saprotams vai kritisks.

4. Tā mazina pārpratumus

Jo mazāk modelim jāmin, jo retāk rodas atbildes, kas neatbilst tēmai.

Tā ir uzvedņu veidošanas būtība: mākslīgais intelekts neaizstāj domāšanu, bet atalgo skaidru domāšanu.

5. Uzvedņu veidošana kā jauna pratība darba vidē

Par uzvedņu veidošanu bieži runā kā par tehnisku prasmi, taču patiesībā tā ir arī saziņas prasme. Tā apvieno:

  • rakstīšanu
  • problēmas definēšanu
  • kritisko domāšanu
  • konteksta sniegšanu
  • atgriezeniskās saites sniegšanu
  • iterāciju jeb pakāpenisku uzlabošanu

Šādā nozīmē uzvedņu veidošana līdzinās labai vadībai vai labi formulētam darba uzdevumam. Ja cilvēkam dodat neskaidru uzdevumu, visticamāk, saņemsiet neskaidru rezultātu. Tas pats attiecas uz mākslīgo intelektu.

Jaunuzņēmumu vidē tas ir īpaši interesanti. Mazām komandām laika ir maz, un katram rīkam jāpalīdz strādāt ātrāk. Labas uzvednes var palīdzēt komandai pārbaudīt idejas, sagatavot pārdošanas materiālu melnrakstus, analizēt klientu atsauksmes un apspriest stratēģiskas izvēles.

Taču tas var arī radīt efektivitātes ilūziju. Ja mākslīgais intelekts ātri saražo daudz teksta, viegli rodas sajūta, ka darbs virzās uz priekšu. Tomēr īstais jautājums ir: vai tas palīdz pieņemt labākus lēmumus?

Tas atgādina izaugsmes uzņēmumu vadības loģiku. Podkāsta „Startup-ministeriö” sarunās bieži uzsvērts, ka rīks, process vai darbības modelis nav pašmērķis — būtiski ir tas, vai ar tā palīdzību tiek sasniegts vēlamais rezultāts. Piemēram, epizodē par strauji augošu uzņēmumu vadīšanu Anssi Rusi uzsver vadības sistēmu kā veselumu, kurā cilvēki, procesi un rīki kalpo iecerētajam rezultātam.

Tas pats attiecas uz uzvedņu veidošanu. Uzvedne nav laba tāpēc, ka izskatās iespaidīga. Tā ir laba, ja palīdz paveikt labāku darbu.

6. Labas uzvednes pamatformula

Labu uzvedni var izveidot pēc šīs vienkāršās formulas:

1. Norādiet lomu

„Rīkojieties kā pieredzējis B2B pārdošanas vadītājs…”

Loma palīdz modelim izvēlēties skatpunktu, vārdu krājumu un akcentus.

2. Sniedziet kontekstu

„Mūsu uzņēmums pārdod SaaS risinājumu vidējiem rūpniecības uzņēmumiem Somijā.”

SaaS nozīmē programmatūru, ko izmanto kā mākoņpakalpojumu par abonēšanas maksu. Konteksts palīdz modelim saprast, par kādu uzņēmējdarbību ir runa.

3. Definējiet uzdevumu

„Sagatavojiet pārdošanas zvana plānu jaunu klientu piesaistei.”

Uzdevumam jābūt konkrētam.

4. Norādiet mērķi

„Mērķis ir panākt, lai klients rezervētu 30 minūšu demonstrāciju.”

Mērķis palīdz modelim noteikt prioritātes.

5. Nosakiet atbildes formātu

„Sniedziet atbildi tabulā: posms, mērķis, teikuma piemērs, vērā ņemamais risks.”

Formāts ietaupa laiku un padara atbildi lietderīgāku.

6. Pievienojiet nosacījumus

„Izvairieties no agresīvas pārdošanas valodas. Saglabājiet profesionālu un uzticēšanos veicinošu toni.”

Nosacījumi bieži ir tas, kas atšķir noderīgu atbildi no viduvējas.

7. Praktiskas uzvedņu veidošanas metodes

7.1 Lomas piešķiršana uzvednē

Lomas piešķiršana uzvednē nozīmē, ka lūdzat mākslīgo intelektu rīkoties noteikta speciālista lomā.

Piemērs:

„Rīkojieties kā pieredzējis personāla atlases speciālists un izvērtējiet šo darba sludinājumu no kandidāta skatpunkta.”

Tas labi darbojas, ja vēlaties noteiktu profesionālu skatījumu. Taču lomas piešķiršana uzvednē rada arī risku: loma var radīt pārmērīgu pašpārliecinātību. Norāde „rīkojieties kā jurists” nepadara mākslīgo intelektu par juristu. Tā var palīdzēt strukturēt jautājumus, taču juridiski nozīmīgi jautājumi jāpārbauda pie speciālista.

7.2 Konteksta sniegšana uzvednē

Konteksta sniegšana uzvednē nozīmē, ka modelim dodat pietiekami daudz fona informācijas.

Piemērs:

„Mēs esam Somijas jaunuzņēmums ar 12 darbiniekiem un pārdodam personālvadības programmatūru maziem un vidējiem uzņēmumiem. Mums ir 80 klienti, taču churn jeb klientu aiziešanas rādītājs pēdējā ceturksnī ir pieaudzis. Sagatavojiet iespējamo iemeslu sarakstu un ierosiniet, kādi dati mums būtu jāpārbauda vispirms.”

Šeit uzvedne nelūdz tikai vispārīgu analīzi. Tā apraksta situāciju.

7.3 Piemēru sniegšana

Mākslīgais intelekts bieži darbojas labāk, ja tam parāda vēlamā rezultāta piemēru.

Piemērs:

„Uzrakstiet trīs virsrakstus tādā pašā stilā kā šis: ‘Kāpēc labākie jaunuzņēmumi nepieņem darbiniekus steigā?’”

To bieži sauc par few-shot prompting: modelim sniedz dažus piemērus, pēc kuriem tas turpina ievērot to pašu paraugu.

7.4 Iterācija

Pirmā atbilde nav galarezultāts. Tas ir melnraksts. Prasmīgs uzvedņu veidotājs turpina:

  • „Padariet šo īsāku.”
  • „Pievienojiet kritiskāku skatījumu.”
  • „Pārformulējiet šo, izmantojot mazāk konsultantu žargona.”
  • „Piedāvājiet trīs struktūras variantus.”
  • „Kā šeit trūkst?”

Darbs ar mākslīgo intelektu bieži vairāk līdzinās rediģēšanai nekā pasūtījuma veikšanai.

7.5 Lūgums novērtēt atbildi

Viena efektīva pieeja ir lūgt mākslīgo intelektu novērtēt paša radīto.

Piemērs:

„Kritiski izvērtējiet iepriekšējo atbildi. Kuras vietas ir pārāk vispārīgas? Kas būtu jāprecizē, lai šis materiāls būtu noderīgs uzņēmuma vadītājam?”

Tas palīdz atrast vājās vietas.

7.6 Ierobežojumu noteikšana

Ja vēlaties no kaut kā izvairīties, pasakiet to.

Piemērs:

„Nelietojiet pārspīlētus apzīmējumus, neizdomājiet statistiku un nenorādiet avotus, ja tie nav sniegti.”

Tas ir īpaši svarīgi profesionālā saturā, kur uzticamība var ātri zust.

8. Piemēri: slikta uzvedne, labāka uzvedne, izcila uzvedne

1. piemērs: mārketings

Slikta uzvedne:

„Sagatavojiet sociālo tīklu ierakstu par mākslīgo intelektu.”

Rezultāts, visticamāk, būs vispārīgs, šablonisks un mazizteiksmīgs.

Labāka uzvedne:

„Uzrakstiet LinkedIn ierakstu par to, kāpēc maziem un vidējiem uzņēmumiem ir vērts apgūt mākslīgā intelekta izmantošanu ikdienas darbā.”

Tas jau ir skaidrāk.

Izcila uzvedne:

„Rīkojieties kā Somijas B2B mārketinga speciālists. Uzrakstiet LinkedIn ierakstu mazo un vidējo uzņēmumu vadītājiem par to, kāpēc mākslīgā intelekta ieguvumu rada ne tikai pats rīks, bet arī prasmīga uzvedņu veidošana. Sāciet ar konkrētu piemēru no ikdienas. Saglabājiet profesionālu, taču viegli uztveramu toni. Garums: 1 200 rakstzīmju. Noslēdziet ar jautājumu, kas rosina diskusiju.”

Šajā uzvednē ir loma, mērķauditorija, skatpunkts, stils, garums un struktūra.

2. piemērs: stratēģija

Slikta uzvedne:

„Kā panākt mūsu uzņēmuma izaugsmi?”

Labāka uzvedne:

„Piedāvājiet izaugsmes stratēģiju SaaS uzņēmumam ar 20 darbiniekiem.”

Izcila uzvedne:

„Rīkojieties kā konsultants, kurš specializējas strauji augošu uzņēmumu izaugsmes stratēģijās. Mūsu SaaS uzņēmumā strādā 20 cilvēki, un tā ARR jeb gada atkārtotie ieņēmumi ir 1,8 miljoni eiro. Mūsu klienti ir Somijas mazie un vidējie uzņēmumi. Izaugsme ir palēninājusies, taču klientu noturība ir laba. Izstrādājiet trīs izaugsmes variantus nākamajiem 18 mēnešiem: 1) pārdošanas apjoma palielināšana Somijā, 2) paplašināšanās Zviedrijā, 3) produkta iespēju paplašināšana esošajiem klientiem. Katram variantam novērtējiet ieguvumus, riskus, vajadzīgos resursus un pirmo 90 dienu darbības.”

Šeit mākslīgajam intelektam nav jāmin uzņēmuma situācija. Tas saņem analīzei būtiskos mainīgos.

3. piemērs: satura veidošana

Slikta uzvedne:

„Uzrakstiet rakstu par uzvedņu veidošanu.”

Labāka uzvedne:

„Uzrakstiet rakstu par uzvedņu veidošanu Somijas speciālistiem.”

Izcila uzvedne:

„Uzrakstiet 1 500 vārdu rakstu par uzvedņu veidošanu Somijas speciālistiem un uzņēmējiem. Izskaidrojiet jēdzienu vienkāršā valodā, izmantojiet konkrētus piemērus no darba dzīves un izceliet arī riskus. Strukturējiet tekstu ar apakšvirsrakstiem. Tonis: mūsdienīgs, skaidrs, lietpratīgs, bet ne akadēmisks. Noslēgumā apkopojiet piecas praktiskas atziņas.”

Tas jau ir pietiekami pilnīgs uzdevuma apraksts publicējama raksta izveidei.

9. Uzvedņu veidošana uzņēmumos un jaunuzņēmumos

Uzņēmumos uzvedņu veidošanas vērtība izpaužas trīs līmeņos:

  1. Individuālā produktivitāte
  2. Kopīga kvalitāte komandā
  3. Organizācijas mācīšanās

Individuālais līmenis

Atsevišķs darbinieks mākslīgo intelektu var izmantot, piemēram:

  • e-pasta vēstuļu melnrakstu sagatavošanai
  • pārskatu apkopošanai
  • pārdošanas sarunu izmēģināšanai
  • klientu atsauksmju analīzei
  • ideju radīšanai
  • tekstu rediģēšanai
  • Excel formulu vai koda izskaidrošanai

Tas bieži ir pirmais posms. Cilvēki izmēģina mākslīgo intelektu savā darbā un atklāj nelielus ieguvumus.

Komandas līmenis

Nākamais posms ir interesantāks: komanda sāk dalīties ar veiksmīgām uzvedņu veidnēm.

Piemēram, pārdošanas komandai var būt kopīga uzvedne, lai sagatavotos tikšanās reizei ar klientu:

„Analizējiet šo klienta uzņēmumu, pamatojoties uz tā tīmekļvietni un CRM piezīmēm. Sagatavojiet tikšanās reizei trīs iespējamās problēmjomas, piecus jautājumus un ieteikumu sarunas sākšanai.”

Mārketinga komandai var būt uzvedne kampaņu ideju izvērtēšanai. Produktu komandai var būt uzvedne lietotāju atsauksmju klasificēšanai.

Organizācijas līmenis

Trešajā posmā uzvedņu veidošana kļūst par procesu daļu. Tad uzņēmums vairs nejautā tikai: „Kā darbinieki izmanto ChatGPT?”

Tas jautā:

  • Kuros darba posmos mākslīgais intelekts patiešām uzlabo kvalitāti?
  • Kādu informāciju drīkst sniegt modelim?
  • Ko nedrīkst sniegt?
  • Kā tiek pārbaudītas atbildes?
  • Kurš atbild par galarezultātu?
  • Kuras uzvednes ir kopīgi standarti?
  • Kā tiek mērīti panākumi?

Tās ir lielas pārmaiņas. Mākslīgais intelekts no atsevišķa palīga kļūst par darba struktūras sastāvdaļu.

Jaunuzņēmumu pasaulē tā var būt konkurences priekšrocība. Neliela komanda var paveikt vairāk, ja prot gudri izmantot mākslīgo intelektu. Taču, tāpat kā jaunuzņēmumu vadībā kopumā, ar kopēšanu nepietiek. Raidījuma „Jaunuzņēmumu ministrija” epizodē par Supercell Ilkka Paananen brīdina akli nekopēt modeļus: tas, kas darbojas vienā uzņēmumā, ne vienmēr darbosies citā.

Tas pats attiecas uz uzvednēm. Cita uzņēmuma „ideālā uzvedne” jūsu situācijā var būt neveiksmīga, ja atšķiras mērķis, klients, dati un darba veids.

10. Riski: halucinācijas, maldīga pārliecība un neskaidra atbildība

Lielākais uzvedņu veidošanas risks ir tas, ka laba uzvedne pat sliktai atbildei var likt izklausīties pārliecinošai.

Mākslīgais intelekts var:

  • izdomāt avotus
  • sajaukt faktus
  • sniegt pārlieku pašpārliecinātus ieteikumus
  • noklusēt neskaidrības
  • radīt ticamu, bet kļūdainu tekstu
  • nostiprināt paša lietotāja pieņēmumus

To bieži dēvē par halucināciju: modelis rada apgalvojumus, kas izklausās patiesi, bet tādi nav.

Elina Lappalainen rakstā izdevumā HS Vision mākslīgais intelekts parādās kā interesants ikdienas palīgs, bet arī kā neuzticams padomdevējs. Rakstā mākslīgais intelekts pareizi atpazīst daļu dārza augu, taču kādai nezālei izdomā neesošu nosaukumu „lāča nags” un vēlāk atzīst, ka to ir „izrāvis no zila gaisa”. Raksta būtiskā atziņa ir tāda, ka mākslīgais intelekts var būt noderīgs un izklaidējošs, taču lietotājam jāspēj apšaubīt tā atbildes, īpaši jautājumos par veselību, drošību un citām svarīgām lietām.

Uzvedņu veidošanā tā ir būtiska mācība. Laba uzvedne neatceļ nepieciešamību kritiski izvērtēt avotus.

Tā var šo vajadzību pat palielināt, jo labāka uzvedne bieži rada atbildi, kas izklausās labāk. Tad lietotājam ir vēl svarīgāk jautāt:

  • Uz ko tas balstās?
  • Vai tam ir avoti?
  • Vai apgalvojums varētu būt novecojis?
  • Vai šis padoms ir drošs?
  • Vai trūkst kāda skatpunkta?
  • Vai atbilde nav pārāk pārliecinoša?

Īpaša piesardzība nepieciešama, ja tēma ir saistīta ar:

  • veselību
  • likumiem
  • finanšu lēmumiem
  • personas datiem
  • drošību
  • taisnīgumu personāla atlasē
  • ieguldījumiem
  • saziņu ar valsts iestādēm

Mākslīgais intelekts var palīdzēt sagatavoties, strukturēt informāciju un uzdot labākus jautājumus. Tas automātiski nav galīgā autoritāte.

11. No uzvedņu veidošanas uz konteksta veidošanu

Līdzās uzvedņu veidošanai ir parādījies jauns jēdziens: konteksta veidošana jeb context engineering.

Tas nozīmē, ka uzmanība no atsevišķas uzvednes pāriet uz plašāku jautājumu: kādu informāciju sniedz mākslīgajam intelektam, kādā secībā, kādā formā un ar kādiem ierobežojumiem?

Google Cloud vadlīnijās par MI aģentu sistēmām konteksta veidošana ir aprakstīta kā informācijas pārvaldības process, kurā katram aģentam piešķir tieši tā uzdevumam piemērotu kontekstu. Konteksts var ietvert dokumentāciju, lietotāja vēlmes, saites, sarunu vēsturi un darbības ierobežojumus.[4]

Tās ir lielas pārmaiņas.

Atsevišķa uzvedne ir kā labs jautājums. Konteksta veidošana ir kā visa rakstāmgalda sakārtošana: pareizie dokumenti, pareizās instrukcijas, pareizie ierobežojumi un pareizais mērķis ir pieejami modelim īstajā brīdī.

Uzņēmumiem tas nozīmē, piemēram:

  • iekšējo instrukciju pievienošanu mākslīgā intelekta rīkiem
  • drošu klientu datu izmantošanu
  • dokumentu izgūšanu mākslīgā intelekta atbalstam
  • darbplūsmu automatizēšanu
  • modeļa atbilžu izvērtēšanu
  • piekļuves tiesību pārvaldību
  • informācijas drošības un kvalitātes nodrošināšanu

Šajā posmā uzvedņu veidošana no individuālas prasmes kļūst par visas organizācijas spēju.

12. Nākotne: vai uzvedņu veidošana izzudīs vai kļūs nemanāma?

Interesants ir jautājums: vai nākotnē uzvedņu veidošana vēl būs vajadzīga, ja mākslīgā intelekta modeļi kļūs labāki?

Atbilde ir: gan jā, gan nē.

Jā, jo cilvēkam arī turpmāk būs jāprot pateikt, ko viņš vēlas. Jo sarežģītāks uzdevums, jo svarīgāk ir noteikt mērķi, kontekstu un panākumu kritērijus.

Nē, jo uzvedņu veidošana, visticamāk, kļūs mazāk tehniska. Modeļi labāk sapratīs nepilnīgas instrukcijas, pratīs uzdot precizējošus jautājumus un izmantos vairāk pamatinformācijas.

OpenAI Academy apraksta uzvedņu veidošanu kā sarunu, kurā būtiska ir izmēģināšana un pakāpeniska pilnveide. Vadlīnijās uzsvērts, ka nav viena ideāla uzvedņu veidošanas veida. Lietotājam mākslīgais intelekts būtu jāuztver kā kolēģis, kuram dod skaidru uzdevumu un kuru vajadzības gadījumā turpina vadīt.[5]

Tāpēc nākotnes prasme varbūt nebūs „es protu uzrakstīt sarežģītu uzvedni”. Drīzāk tā būs:

  • es protu definēt problēmu
  • es protu sniegt pietiekamu kontekstu
  • es protu kritiski izvērtēt atbildi
  • es protu turpināt sarunu
  • es protu izmantot mākslīgo intelektu savas kompetences papildināšanai

Uzvedņu veidošana neizzudīs. Tā kļūs par labas domāšanas, saziņas un darba plānošanas sastāvdaļu.

13. Secinājumi: ko no tā vērts iemācīties?

Uzvedņu veidošana ir daudz vairāk nekā moderns jēdziens. Tā ir prasme, kas palīdz mākslīgo intelektu no nejaušu atbilžu ģeneratora pārvērst par noderīgu darba partneri.

Svarīgākās atziņas ir šādas:

1. Laba uzvedne sākas ar skaidru domāšanu

Ja paši nezināt, ko vēlaties, mākslīgajam intelektam nākas minēt.

2. Loma, konteksts un formāts nosaka ļoti daudz

„Uzrakstiet par šo” ir vājš pieprasījums. „Uzrakstiet, norādot, kam, kāpēc, kādā tonī un kādā formā” jau ir noderīgs rīks.

3. Mākslīgo intelektu ir vērts vadīt pakāpeniski

Pirmā atbilde ir melnraksts. Labākais rezultāts bieži rodas, to pakāpeniski pilnveidojot.

4. Uzvedne neaizstāj kompetenci

Jo svarīgāka tēma, jo vairāk nepieciešama pārbaude, kritiska avotu izvērtēšana un cilvēka atbildība.

5. Uzņēmumos uzvedņu veidošanu ir vērts pārvērst standartizētā risinājumā

Labas uzvednes, kopīga prakse un skaidri kvalitātes kritēriji var ietaupīt laiku un uzlabot darba kvalitāti.

6. Nākotnē galvenais būs konteksts

Atsevišķa uzvedne ir tikai sākums. Lielākais ieguvums rodas, kad mākslīgais intelekts saņem pareizo informāciju īstajā laikā, droši un kontrolēti.

Galu galā uzvedņu veidošana ir neliels logs uz plašākām pārmaiņām. Darba dzīvē vairs nepietiek ar prasmi izmantot digitālos rīkus. Mums jāprot ar tiem sarunāties, tos vadīt un izvērtēt to radīto.

Tā ir jauna pamatprasme — nevis tāpēc, ka ikvienam jākļūst par mākslīgā intelekta ekspertu, bet tāpēc, ka gandrīz ikviena darbā domāšana, rakstīšana un lēmumu pieņemšana turpmāk tā vai citādi būs saistīta ar mākslīgo intelektu.

14. Uzvedņu veidnes praktiskajam darbam

14.1 Vispārīga speciālista uzvedne

Rīkojieties kā [loma].
Konteksts: [aprakstiet situāciju, mērķauditoriju un mērķi].
Uzdevums: [precīzi aprakstiet, ko vēlaties].
Atbildes formāts: [saraksts, tabula, raksts, plāns, analīze].
Stils: [lietpratīgs, kodolīgs, sirsnīgs, kritisks, pārdošanu veicinošs].
Nosacījumi: [no kā jāizvairās, kas jāņem vērā].
Noslēgumā: [lūdziet kopsavilkumu, risku izvērtējumu, nākamos soļus vai alternatīvas].

14.2 Uzvedne satura veidošanai

Rīkojieties kā pieredzējis satura stratēģis.
Uzrakstiet [satura veids] par tēmu [tēma].
Mērķauditorija ir [mērķauditorija].
Mērķis ir [mērķis].
Sāciet ar interesantu novērojumu vai piemēru.
Izmantojiet skaidrus apakšvirsrakstus un īsas rindkopas.
Tonis ir [tonis].
Izvairieties no [lietas, no kurām jāizvairās].
Noslēgumā sniedziet trīs praktiskas atziņas.

14.3 Uzvedne stratēģiskai analīzei

Rīkojieties kā augošu uzņēmumu stratēģiskais konsultants.
Analizējiet šo situāciju: [situācija].
Uzņēmuma lielums: [lielums].
Tirgus: [tirgus].
Mērķis: [mērķis].
Izstrādājiet trīs alternatīvus rīcības variantus.
Katram variantam izvērtējiet ieguvumus, riskus, nepieciešamos resursus, termiņus un pirmo 30 dienu darbības.
Beigās norādiet, kāda informācija vēl būtu jāiegūst pirms lēmuma pieņemšanas.

14.4 Uzvedne kritiskai pārbaudei

Kritiski izvērtējiet šo tekstu.
Atrodiet vietas, kas ir pārāk vispārīgas, neskaidras, var radīt kļūdas vai kurām nepieciešama atsauce uz avotu.
Vēl nepārrakstiet tekstu.
Vispirms sniedziet problēmu un uzlabojumu priekšlikumu sarakstu.
Noslēgumā ierosiniet, kā varētu uzlabot teksta struktūru.

14.5 Uzvedne jaunuzņēmuma komandai

Rīkojieties kā jaunuzņēmuma operatīvās darbības padomdevējs.
Mūsu situācija ir šāda: [situācija].
Mūsu mērķis nākamajām 90 dienām ir [mērķis].
Komandas rīcībā ir [resursi].
Sagatavojiet praktisku rīcības plānu ar iknedēļas prioritātēm, svarīgākajiem rādītājiem, riskiem un lēmumiem, kas jāpieņem nekavējoties.
Veidojiet reālistisku plānu un izvairieties no pārāk vispārīgiem padomiem.


Uzvedņu veidošanas būtība galu galā ir vienkārša: mākslīgais intelekts atbild labāk, ja cilvēks jautā labāk.

Taču labākajā gadījumā runa nav tikai par labākām atbildēm. Runa ir par labākiem jautājumiem. Tieši tāpēc uzvedņu veidošana var būt viena no šīs desmitgades svarīgākajām darba prasmēm.

Avoti

  1. Best practices for prompt engineering with the OpenAI API — OpenAI Help Center
  2. Ievads uzvedņu veidošanā — ģeneratīvais MI platformā Vertex AI, Google Cloud dokumentācija
  3. Uzvedņu veidošanas stratēģiju pārskats — ģeneratīvais MI platformā Vertex AI, Google Cloud dokumentācija
  4. Choose a design pattern for your agentic AI system — Google Cloud Documentation
  5. Prompting — OpenAI Academy
Atvērt MI asistenta tērzēšanu. Tērzēšana tiek ielādēta tikai tad, kad to atverat.