แทนที่จะเริ่มต้นกับเครื่องมือที่ส่งเสริมการแยกฟิชเชอร์แนะนำการสำรวจผลิตภัณฑ์ใหม่ของผลิตภัณฑ์ AI ที่ออกแบบมาเพื่อส่งเสริมการเชื่อมต่อของมนุษย์ เธออ้างอิง หุนหันพลันแล่น– ชุดและ ปีนขึ้นไปด้วยกัน เป็นตัวอย่างที่มีแนวโน้ม
ถึงกระนั้นความรับผิดชอบที่ยิ่งใหญ่ที่สุดอาจตกอยู่กับพนักงานแต่ละคน ฟิชเชอร์ส่งเสริมความคิดของการเติบโตและการมีส่วนร่วมอย่างแข็งขัน
“ ทุกครั้งที่ฉันพึ่งพา AI ฉันควรมองหาหุ้นส่วนความคิดกับเพื่อนร่วมงานของฉันและเครือข่ายขยายและสร้างการเชื่อมต่อใหม่” เธอกล่าว
Kirill Perevozchikovซีอีโอของ White Label PR ซึ่งเป็นหน่วยงานประชาสัมพันธ์ที่มุ่งเน้นไปที่การเล่นเกมและความบันเทิงนำเสนอตัวอย่างเล็ก ๆ น้อย ๆ แม้ว่า บริษัท ของเขาจะอยู่ห่างไกลเป็นครั้งแรก แต่เขาเชื่อว่าการสื่อสารในบุคคลนั้นยิ่งมีความสำคัญยิ่งขึ้นเมื่อตื่นขึ้นมาของ Genai
เพื่อสร้างและรักษาความสัมพันธ์ทีมของเขาจัดลำดับความสำคัญของการพบปะนักข่าวด้วยตนเองในการประชุมอุตสาหกรรมและกิจกรรมต่างๆ “ มันสำคัญมากที่จะเห็นนักข่าวแบบตัวต่อตัวดังนั้นพวกเขาจะเห็นว่าคนที่อยู่เบื้องหลังอีเมลที่พวกเขาได้รับไม่ใช่ AI จริง ๆ แล้วมันเป็นมนุษย์ที่แท้จริงและคุณสามารถดื่มเบียร์กับพวกเขาได้” เขากล่าว
ภาพลวงตาของความก้าวหน้า
LLMs อาจสร้างความคาดหวังเท็จเกี่ยวกับการก้าวและความคืบหน้าตาม Binny Gillผู้ก่อตั้งและซีอีโอของ Kognitos ผู้ขายกระบวนการทางธุรกิจ
ในขณะที่เวิร์กโฟลว์วิศวกรรมแบบดั้งเดิมนั้นเป็นเชิงเส้นเป็นหลัก Gill กล่าวว่า Genai เสนอการเร่งความเร็วเริ่มต้นอย่างรวดเร็วซึ่งสามารถสร้างความประทับใจว่างานเกือบจะเสร็จสมบูรณ์แล้วผลักพนักงานให้ก้าวไปข้างหน้าก่อนเวลาอันควร
“ และในขณะที่คุณทำอย่างนั้น AI ก็ไปและทำอะไรบางอย่างที่เคยทำมาแล้วในอดีตแล้วมันก็เป็นเหมือน ‘เมื่อไหร่ที่ฉันจะไปที่ 100?’ คุณก้าวไปข้างหน้าหนึ่งก้าวกลับไปสองก้าว เพื่อปลาความยุ่งยากนี้เป็นที่มาของความเหนื่อยล้าที่รวดเร็ว
เพื่อแก้ไขปัญหานี้กิลล์สนับสนุนให้นักพัฒนาของเขา“ ไว้วางใจ แต่ยืนยัน” แทนที่จะกำหนดการส่งมอบเสาหินที่แผ่กิ่งก้านสาขาได้เช่นแอพหรือรายงานที่เสร็จสมบูรณ์เขาแนะนำให้แบ่งมันออกเป็นส่วนประกอบขนาดเล็กที่สามารถตรวจสอบได้เพิ่มขึ้น
“ ถ้าคุณทำลายมันลง แต่ให้ AI ทำมันความยุ่งยากจะไม่เกิดขึ้นมากนัก” เขากล่าวเพราะแต่ละองค์ประกอบสามารถตรวจสอบได้ – และแก้ไขได้หากจำเป็น – โดยไม่ส่งผลกระทบต่อส่วนประกอบอื่น ๆ
แนวทางปฏิบัติที่ดีที่สุดบางอย่างสะท้อนให้เห็นว่ามนุษย์แก้ปัญหาได้อย่างไร เมื่อผู้คนติดอยู่กับงานที่ยากพวกเขามักจะได้รับประโยชน์จากการหยุดพักหรือนอนหลับ กิลล์แนะนำให้ใช้วิธีการที่คล้ายกันกับ Genai: เปิดหน้าต่างแชทใหม่เก็บงานก่อนหน้านี้ไว้เพื่ออ้างอิงและปล่อยให้โมเดลประมวลผลโครงการใหม่ด้วยบริบทใหม่
“ ตอนนี้ AI เริ่มเข้าใจโครงการอีกครั้งตั้งแต่เริ่มต้น (ดังนั้นคุณสามารถ) พูดว่า ‘อธิบายให้ฉัน’ และในขณะที่มันอธิบายราวกับว่ามันกำลังดูเป็นครั้งแรกมันสามารถสังเกตเห็นปัญหาบางอย่างได้” เขากล่าว
ในบางกรณีแม้อาจไม่สามารถแก้ไขปัญหาได้ Gill แนะนำให้สลับระหว่างรุ่นเช่นการย้ายจาก Claude ไปยัง Gemini Professional เพราะแต่ละรุ่น“ คิด” แตกต่างกัน
“ สิ่งที่รุ่นหนึ่งไม่สามารถแก้ไขได้อีกคนสามารถแก้ปัญหาได้แม้กับมนุษย์เราทำอย่างนั้นถ้ามนุษย์คนหนึ่งไม่สามารถ (แก้ปัญหา) ไปคุยกับคนอื่นและบางทีคุณอาจจะมีความคิด” เขากล่าว
McEwan ของการ์ตเนอร์เชื่อว่าแนวทางปฏิบัติที่ดีที่สุดเหล่านี้ไม่เพียง แต่ได้รับการสอนในการตั้งค่าห้องเรียน แต่ยังเสริมด้วยการฝึกอบรมและการฝึกสอนในงาน
“ นี่คือที่ซึ่งคุณค่าของพนักงานที่มีประสบการณ์มากขึ้นเข้ามา: ความสามารถในการมีส่วนร่วมกับพนักงานเหล่านั้นเพื่อโค้ชพนักงานจูเนียร์รอบ ๆ ผลงานบางอย่างและตรวจสอบงานของพวกเขาเพื่อความถูกต้อง-ซึ่งจะเกี่ยวข้องกับการฝึกสอนมากกว่าแค่นั่งในห้องเรียน” McEwan กล่าว
นำผ่านการเปลี่ยนแปลงของ Genai
นอกเหนือจากการปรับตัวของแต่ละบุคคลแล้ว บริษัท ในที่สุดก็มีความรับผิดชอบที่ยิ่งใหญ่ที่สุดในการจัดการกับความท้าทายที่เกี่ยวข้องกับ AI โจเซฟของฟอร์เรสเตอร์เน้นว่าการเปลี่ยนความคิดขององค์กรที่ลึกซึ้งยิ่งขึ้นเป็นสิ่งจำเป็น
“ องค์กรจำนวนมากพยายามที่จะนำตัวชี้วัดประสิทธิภาพการผลิตรอบ ๆ สิ่งที่เป็นการเปลี่ยนแปลงทางจิตวิทยาเป็นหลักเว้นแต่จะได้รับการจัดการกับองค์กรและระดับบุคคล – เป็นการเปลี่ยนแปลงทางจิตวิทยาเช่นเดียวกับการเปลี่ยนแปลงโครงสร้าง – มันจะไม่ทำงาน” เขากล่าว
จากการใช้นักพัฒนาเป็นตัวอย่างโจเซฟตั้งข้อสังเกตว่าหลายคนเปลี่ยนจากสภาพแวดล้อมการพัฒนาแบบบูรณาการแบบดั้งเดิม (IDEs) เป็นเครื่องมือพัฒนา AI-Assisted
“ มีการสนทนาระดับทีมภายในและการแบ่งปันความรู้เกี่ยวกับวิธีการดำเนินการอย่างไรไม่ใช่แค่จากมุมมองของกลไก เขากล่าวโดยเน้นถึงความจำเป็นในการรับรู้และเรียนรู้จากผู้ที่รวมเครื่องมือ AI เข้ากับเวิร์กโฟลว์ของพวกเขาสำเร็จ
ผู้ขายโมเดล AI ยังแบ่งปันความรับผิดชอบ กิลล์เตือนว่าหลายคนเป็นฟังก์ชั่นการใช้งานมากเกินไปที่ไม่ได้ใช้ในการใช้งานจริง “ ตอนนี้มีควันและกระจกจำนวนมากในตลาด” เขากล่าวอ้างถึง ‘AI-Washing’ ที่ซึ่งการสาธิตขัดเงาไม่ได้แปลเป็นโซลูชั่นการทำงานในการผลิต
เขาวาดขนานกับอุตสาหกรรมยานยนต์ยุคแรก “ คำแนะนำของฉันสำหรับ บริษัท AI ส่วนใหญ่คืออย่าไปขับรถด้วยตนเองในวันแรกไปกับพวงมาลัยที่มีการควบคุมการล่องเรือเล็กน้อย…ปล่อยให้มนุษย์สร้างความไว้วางใจให้กับ AI และให้ความสามารถในการทำทีละน้อยเมื่อเวลาผ่านไป”
Perevozchikov ของ White Label นำเสนอวิธีการทางเลือกในการจัดหาซอฟต์แวร์ AI: บริษัท ของเขาเป็นเครื่องมือที่ไม่เชื่อเรื่องพระเจ้าทำให้พนักงานสามารถใช้เครื่องมือ AI ที่ทำงานได้ดีที่สุดสำหรับพวกเขาเริ่มต้นด้วยระยะเวลาทดลองใช้
“ พวกเขาจะตัดสินใจว่าพวกเขาต้องการที่จะยึดติดกับมันหรือไม่ดังนั้นสิ่งนี้น่าสนใจเพราะพนักงานสามารถลองใช้เครื่องมือที่แตกต่างกันแล้วตัดสินใจว่าอะไรดีที่สุดสำหรับพวกเขาจากนั้นเราก็อนุมัติสิ่งนี้เป็นค่าใช้จ่ายของ บริษัท และพวกเขาก็ใช้มันต่อไป” เขากล่าว
การทดสอบอย่างต่อเนื่องนี้สร้างการแสดงและการขายที่ บริษัท ในระหว่างการโทรของทีม
“ ‘เฮ้นี่เป็นสิ่งที่ยอดเยี่ยมที่ฉันพบมาพูดคุยกันกันเถอะมาแบ่งปันแนวทางปฏิบัติที่ดีที่สุดกันเถอะ” เขากล่าว
Perevozchikov มองเห็นความเหนื่อยล้าอย่างรวดเร็วในการขยายความเหนื่อยล้าจากการซูมและสายพันธุ์อื่น ๆ ที่ผูกติดอยู่กับการทำงานระยะไกล
“ การมองอย่างกว้างขวางว่าเป็นปัญหาของคนที่ติดอยู่หน้าคอมพิวเตอร์มีประโยชน์จริง ๆ ทุกสิ่งที่สามารถนำพวกเขาออกไปในธรรมชาติเราควรสนับสนุนการมีเครื่องมือใหม่ที่ดีกว่านั้นดีมาก แต่การออกไปข้างนอกและการสัมผัสหญ้าเป็นสิ่งสำคัญจริงๆ” เขากล่าว