PAGE
PROGRESS
0%
·7 min read

AI mokymai nuo užduoties iki prototipo

AI mokymai nuo užduoties iki prototipo

AI training from a team task to a prototype  mygom

Projektų vadovė po susitikimo atsidaro užrašus ir rengia komandai veiksmų planą. Jai reikia atskirti susitarimus nuo pasiūlymų ir patikrinti atsakingus žmones. Praktiniai AI mokymai padeda komandai išbandyti tokią darbo užduotį, suformuluoti instrukcijas ir įvertinti rezultatą.

MYGOM mokymuose su vedėjų pagalba komanda kuria agento prototipą iš anksto pasirinktai užduočiai. Vertę suteikia ir pats bandymas: dalyviai išsiaiškina, kokios informacijos reikia, ką AI gali padaryti ir ką turi patikrinti žmogus.

AI mokymai prasideda nuo tinkamos užduoties

Vadovui verta pasirinkti darbą, kurio rezultatą darbuotojas gali palyginti su pradine medžiaga. Susitikimo veiksmų planas tam tinka geriau nei platus tikslas „pagerinti projektų valdymą“. Pirmuoju atveju komanda gali aiškiai nusakyti, ką bandys gauti.

Prieš mokymus suderiname darbines situacijas, įrankius, prieigas ir praktikai leidžiamus duomenis. Vedėjai padeda pasirinkti įveikiamą užduotį. Tai leidžia praktikai skirtą laiką naudoti bandymams, o ne ieškoti prisijungimų ar tinkamos medžiagos.

Užduočiai atsirinkti komanda gali užrašyti atsakymus į šiuos klausimus:

Dokumentų palyginimas ar informacijos susisteminimas taip pat gali tikti praktikai. Pasirinkimą lemia grupės pasirengimas ir turimi įrankiai. Mokymams nereikia pasirinkti sudėtingiausio įmonės proceso.

Konkretus pavyzdys parodo instrukcijos poveikį

Įsivaizduokime praktinę užduotį: darbuotojas turi susitikimo užrašus ir nori parengti veiksmų planą. Tai mokomasis pavyzdys, o ne kliento rezultato aprašymas. Prašymas „sutvarkyk užrašus“ nepasako, ką būtina išsaugoti ir ko negalima pridėti.

Aiškesnę instrukciją komanda galėtų suformuluoti taip:

Iš pateiktų užrašų parenk veiksmų lentelę komandai: užduotis, atsakingas žmogus, terminas. Jei atsakingas žmogus ar terminas nepaminėtas, žymėk „nenurodyta“. Nepridėk naujų susitarimų.

Instrukcija nusako šaltinį, rezultato formą ir elgesį, kai informacijos trūksta. Darbuotojas vis tiek turi palyginti atsakymą su užrašais. Tvarkingai pateikta užduotis netampa sutartu veiksmu vien dėl to, kad AI ją įrašė į lentelę.

„Anthropic“ konteksto parinkimo gairėse (opens in new tab) nagrinėja ne tik instrukcijas, bet ir įrankius, išorinius duomenis bei pokalbio istoriją. Praktikai tai suteikia aiškų klausimą: kokia informacija iš tikrųjų reikalinga pasirinktai užduočiai?

Komandinis žaidimas leidžia pastebėti savo klaidas

Dalyviai turi progą kartu priimti sprendimus ir vėliau grįžti prie jų pasekmių. MYGOM sukurtą žaidimą komandos žaidžia telefonuose. Scenarijaus kontekstą pritaikome įmonės darbui, o jo metu palaipsniui įtraukiame daugiau AI galimybių.

Pradžioje komanda dirba be AI, vėliau išbando pokalbį, išsaugotas instrukcijas, jungtis ir agentą. Dalyviai gali palyginti darbo eigą ir rezultatą. Svarbu pastebėti ir atvejus, kai įrankis pateikia klaidingą informaciją įtikinamai.

Aptarime vedėjai grįžta prie konkrečių komandos pasirinkimų. Grupė aiškinasi, kuri instrukcija padėjo ir kuri prielaida liko nepatikrinta. Išvadas dalyviai pritaiko savo užduočiai prieš pradėdami hakatoną.

Pavyzdžiui, komandai gali reikėti susitarti, kad nepaminėtas terminas visada turi likti neįvardytas. Tada darbuotojai gali tikrinti konkretų elgesį. Vien bendras priminimas „atsargiau naudoti AI“ nesuteiktų tokio aiškaus patikros kriterijaus.

Hakatone komanda išbando agento prototipą

Vedėjai padeda mažoms grupėms pereiti prie pasirinktos darbo situacijos. Dalyviai apibrėžia norimą rezultatą, parengia instrukcijas ir išbando sprendimą su sutartu pavyzdžiu. Praktikai naudojame iš anksto suderintus įrankius ir paruoštas jungtis.

Susitikimo užrašų užduočiai komanda galėtų parengti instrukcijas, kaip atrinkti sutartus veiksmus ir pažymėti trūkstamą informaciją. Dalyviai išbandytų jas su sutartu pavyzdžiu ir pagal rezultatą patikslintų. Hakatone taip pat naudojame paruoštas jungtis, kurias pasirenkame pagal užduotį ir iš anksto suderintus įrankius.

Vien išsaugota instrukcija dar nereiškia savarankiško agento. „OpenAI“ agentų kūrimo gidas (opens in new tab) agentą aprašo kaip sistemą, kuri valdo užduoties vykdymą ir naudoja įrankius nustatytose ribose. Mokymuose atskiriame šias galimybes ir vertiname, kurių reikia konkrečiam bandymui.

Komandai nereikia automatiškai jungti visų prieinamų įrankių. Aiškus rezultatas gali parodyti, kad daliai darbo pakanka pokalbio ir instrukcijų. Toks pasirinkimas irgi padeda suprasti, kur agento kūrimas būtų pagrįstas.

Komanda turi gebėti pakartoti darbo principą

Dalyviai išsineša mokymų aplinkoje išbandytą prototipą, jo instrukcijas ir tolesnės patikros sąrašą. AI mokymai vertingi tada, kai darbuotojas gali paaiškinti savo pasirinkimus. Kokią informaciją naudojo, kodėl taip suformulavo instrukciją ir pagal ką priėmė rezultatą?

Susitikimo užrašų užduočiai tolesnė patikra galėtų apimti kitokios struktūros tekstą arba prieštaringus susitarimus. Darbuotojas turėtų patikrinti, ar sprendimas pažymi neaiškumą. Mokymų rezultatas priklauso nuo pasirinktos užduoties, duomenų ir įrankių galimybių.

Vienos dienos praktika leidžia išbandyti pasirinktą darbo principą, tačiau nepatvirtina tinkamumo visoms įmonės situacijoms. Produkcinis diegimas, programavimas ir individualios integracijos į įmonės sistemas į mokymų apimtį neįeina. Prieš nuolatinį naudojimą komandai reikia papildomai patikrinti sprendimą.

Po praktikos vadovui verta su komanda sutarti, kas atliks kitą bandymą ir užfiksuos pastebėjimus. Kolega turėtų galėti naudoti tas pačias instrukcijas ir suprasti nustatytas ribas. Platesnius diegimo bei patikros klausimus aptariame AI agento kūrimo gide (opens in new tab).

Kada mokymų diena nėra tinkamiausias pasirinkimas

Formatas turi atitikti komandos gebėjimus ir problemą, kurią ji nori išspręsti.

Nuo ko pradėti

Pasirinkite pasikartojančią užduotį ir pasižymėkite, pagal ką darbuotojas patikrintų jos rezultatą. Jautrių ar asmens duomenų pradiniam aptarimui nereikia.

MYGOM komanda suderina praktikos apimtį, pasiruošimą ir įrankius pagal dalyvių patirtį. AI mokymai tuomet remiasi aiškia darbo situacija ir rezultatu, kurį komanda gali įvertinti.

Susisiekite su mumis (opens in new tab) ir aptarkime, kurią jūsų komandos užduotį verta išbandyti mokymuose.

Dirbkime kartu

Dirbkime kartu

Pasiruošę įgyvendinti savo idėjas? Mes esame čia, kad padėtume.