AI radni tokovi izvan softvera

O AI-potpomognutom radu često se govori kao da je njegov prirodni dom razvoj softvera. To je razumljivo. Softverski timovi brzo su prihvatili pomoćnike za kodiranje, a najvidljiviji primjeri često uključuju repozitorije, testove i automatizaciju.

Ali dublji obrazac je širi od samog softvera.

Ista logika vođena specifikacijama važi i za istraživanje, akademsko pisanje, obrazovne materijale, tehničku dokumentaciju, pravno pisanje, rad na politikama i druge oblike ozbiljnog rada sa znanjem. U svim tim područjima središnji problem nije samo brže stvaranje teksta. Pravi problem je kako složen rad održati usklađenim s namjenom, standardima, dokazima i pregledom.

Specifikacije nisu samo za funkcionalnosti

U softveru specifikacija često opisuje ponašanje sistema. Izvan softvera ona može opisivati željena svojstva dokumenta ili nekog drugog artefakta znanja.

To može uključivati:

• cilj
• ciljnu publiku
• granice opsega
• terminologiju
• ton
• prag kvaliteta
• očekivanja u vezi s dokazima
• zahtjeve pristupačnosti
• pravila usklađenosti ili objavljivanja

To je već poznato mnogim profesijama, čak i ako ne koriste izraz razvoj vođen specifikacijama.

Istraživači rade prema pravilima predaje i standardima dokazivanja. Nastavnici rade prema ishodima učenja i ograničenjima pristupačnosti. Dokumentacijski timovi rade prema strukturi, terminologiji, verzioniranju i pravilima za snimke ekrana. Pravni i politički timovi rade prema jurisdikciji, obaveznim klauzulama, odobrenjima i preglednim lancima.

Ono što AI mijenja jeste brzina kojom se nejasna namjera pretvara u uvjerljiv izlaz.

Zato eksplicitna specifikacija postaje korisnija, a ne manje korisna.

Interaktivni AI je razuman početak

Mnogi ljudi počinju s web AI sistemima. To nije ograničenje zbog kojeg bi se trebalo izvinjavati. Često je to pravo mjesto za početak.

Interaktivni AI već može pomoći pri:

• izradi specifikacije
• kritici nacrta
• prepoznavanju nedostajućih pretpostavki
• upoređivanju alternativnih struktura
• predlaganju ideja za validaciju
• preoblikovanju za drugu publiku ili ton

Za mnoge jednokratne dokumente to može biti dovoljno. Nastavnik koji priprema okvir nastavne jedinice ili istraživač koji preoblikuje sažetak rada možda neće trebati ništa naprednije.

Greška nije u tome da počnete tamo. Greška je u pretpostavci da je produktivan prvi korak ujedno i cijeli radni tok.

Zašto je očuvanje konteksta važno

Tradicionalni dokumentni procesi često očuvaju samo završni artefakt. Nacrt se zamjenjuje, komentari nestaju, a razloge za ključne odluke kasnije je teško rekonstruisati.

Radni tokovi vođeni specifikacijama i potpomognuti AI-em potiču očuvanje šireg pratećeg konteksta:

• specifikacije
• važnih pretpostavki
• nalaza pregleda
• rezultata validacije
• bilješki o dokazima
• odluka o odobrenju

Markdown je za takav materijal često praktičan format jer ga je lako čitati, upoređivati kroz razlike i ponovo koristiti u različitim sistemima. Nije jedini koristan format, ali je često vrlo trajan.

Ta trajnost je važna zato što AI-potpomognuti rad postaje pouzdaniji kada okolni kontekst ostaje pregledan, a ne nestaje u kratkotrajnim razgovorima.

Zašto stvarni radni tokovi postaju iterativni

Rasprave o AI-u ponekad su prikazane kao da korisnik napiše jedan snažan prompt i dobije jedan snažan rezultat.

Stvarni rad obično je neuredniji.

Cilj se mijenja. Ograničenja postaju jasnija. Pregled otkriva nedostajuće zahtjeve. Validacija razotkriva strukturni problem. Novi dionici unose zabrinutosti koje na početku nisu bile vidljive.

Zato realističan radni tok češće izgleda ovako:

1. definišite cilj
2. pripremite nacrt specifikacije
3. stvorite početni rezultat
4. kritički ga pregledajte
5. poboljšajte specifikaciju
6. validirajte rezultat
7. ponovite postupak

To nije neefikasnost. Tako ozbiljan rad obično postaje precizniji.

Ljudska uloga postaje jasnija, ne manja

AI može pomoći pri pripremi nacrta, organizovanju, prepisivanju, poređenju i pregledu. Može brzo predložiti alternative i razotkriti skrivene nedosljednosti.

Ali čovjek ostaje odgovoran za ono što je zaista najvažnije:

• izbor cilja
• određivanje prioriteta
• procjenu kompromisa
• odobrenje rezultata
• prihvatanje odgovornosti za objavu ili djelovanje

U praksi čovjek postaje eksplicitniji pregledalac, urednik i donosilac odluka.

S onu stranu razgovora: alati i validatori

Veći radni tokovi obično traže više od samog razgovora.

Neki projekti trebaju validaciju citata. Neki trebaju OCR. Neki pregled pristupačnosti. Neki izradu dijagrama, automatizaciju preglednika, statističke alate, objavne cjevovode ili TeX i LaTeX radne tokove.

Tu AI često najbolje radi kao koordinator, a ne kao zamjena. AI-sistem donosi rezonovanje i orkestraciju, a specijalizirani alati obavljaju domenski specifične zadatke.

Validatori su tu posebno važni. Ne zamjenjuju kvalitet sadržaja, ali pomažu očuvati stabilne standarde. Validator citata, provjera jezičkog kvaliteta, skup pravila pristupačnosti ili validator objave mogu nakon završetka prvobitnog rada služiti i mnogim budućim projektima.

To je jedan od razloga zašto validatori često postaju dugoročna organizacijska sredstva.

Lokalizirajte i primjere kada je moguće

Ako je sam radni tok višejezičan, gdje god je moguće višejezični trebaju biti i primjeri.

Čitaoci ne bi trebali u glavi prevoditi svaki ilustrativni odlomak dok pokušavaju razumjeti sam proces. Izuzeci, naravno, postoje za nazive kompanija, nazive proizvoda, standarde, naredbe, kod i nazive protokola, ali nepotreban engleski u lokalizovanim materijalima povećava kognitivno opterećenje bez stvarne koristi.

To je važno jer rad vođen specifikacijama nije samo pitanje strukture. Riječ je i o smanjenju izbjegljivog trenja za ljude koji taj proces zaista moraju koristiti.

Trajna lekcija

Glavna lekcija je jednostavna.

AI-potpomognut rad sa znanjem postaje pouzdaniji kada su namjera, očuvan kontekst, pregled i validacija eksplicitno zapisani i povezani sa stvarnim standardima.

To načelo važi za softver, ali važi i daleko izvan njega.

Povezano čitanje

• ../../wiki/ai-assisted-knowledge-work.md
• ../../wiki/spec-driven-development.md
• ../../learning/how-to-use-ai-workflows-for-non-software-knowledge-work.md
• governance-trust-and-security-in-ai-workflows.md