AI-delovni tokovi onkraj programske opreme

O AI-podprtem delu se pogosto govori, kot da je njegov naravni dom razvoj programske opreme. To je razumljivo. Programske ekipe so pomočnike za kodiranje sprejele hitro, najbolj vidni primeri pa pogosto vključujejo repozitorije, teste in avtomatizacijo.

Toda globlji vzorec je širši od same programske opreme.

Enaka specifikacijsko vodena logika velja tudi za raziskovanje, akademsko pisanje, izobraževalna gradiva, tehnično dokumentacijo, pravno pisanje, delo na politikah in druge oblike resnega dela z znanjem. Na vseh teh področjih osrednji problem ni zgolj hitrejše ustvarjanje besedila. Pravi problem je, kako kompleksno delo ohraniti usklajeno z namenom, standardi, dokazi in pregledom.

Specifikacije niso samo za funkcionalnosti

V programski opremi specifikacija pogosto opisuje vedenje sistema. Zunaj programske opreme pa lahko opisuje predvidene lastnosti dokumenta ali drugega gradnika znanja.

To lahko vključuje:

• cilj
• ciljno občinstvo
• meje obsega
• terminologijo
• ton
• prag kakovosti
• pričakovanja glede dokazov
• zahteve glede dostopnosti
• pravila skladnosti ali objave

To je mnogim poklicem že dobro znano, tudi če za to ne uporabljajo izraza specifikacijsko vodeni razvoj.

Raziskovalci delajo z navodili za oddajo in standardi dokazovanja. Učitelji delajo z učnimi izidi in omejitvami dostopnosti. Ekipe za dokumentacijo delajo s strukturo, terminologijo, verzioniranjem in pravili za posnetke zaslona. Pravne in politične ekipe delajo z jurisdikcijo, obveznimi klavzulami, odobritvami in preglednimi verigami.

Kar AI spremeni, je hitrost, s katero se nejasen namen pretvori v verjeten izhod.

Prav zato postane eksplicitna specifikacija bolj uporabna, ne manj.

Interaktivni AI je razumen začetek

Veliko ljudi začne s spletnimi AI-sistemi. To ni omejitev, ki bi se je bilo treba sramovati. Pogosto je to pravo mesto za začetek.

Interaktivni AI lahko že pomaga pri:

• pripravi specifikacije
• kritiki osnutka
• prepoznavanju manjkajočih predpostavk
• primerjavi alternativnih struktur
• predlaganju idej za validacijo
• prilagajanju besedila občinstvu ali tonu

Za mnoge enkratne dokumente je to lahko dovolj. Učitelj, ki pripravlja zasnovo učne ure, ali raziskovalec, ki prenavlja povzetek članka, morda ne potrebujeta nič bolj naprednega.

Napaka ni v tem, da začnete tam. Napaka je v domnevi, da je produktiven prvi korak že kar celoten delovni tok.

Zakaj je ohranjanje konteksta pomembno

Tradicionalni dokumentni procesi pogosto ohranijo le končni rezultat. Osnutek se prepisuje, komentarji izginejo, razloge za pomembne odločitve pa je pozneje težko obnoviti.

Specifikacijsko vodeni AI-delovni tokovi spodbujajo ohranitev večjega dela spremljajočega konteksta:

• specifikacije
• pomembnih predpostavk
• ugotovitev pregledov
• rezultatov validacije
• opomb o dokazih
• odločitev o odobritvi

Markdown je za takšno gradivo pogosto praktičen format, ker ga je lahko brati, primerjati med različicami in ponovno uporabiti v različnih sistemih. Ni edini uporaben format, je pa pogosto zelo vzdržljiv.

Ta vzdržljivost je pomembna, ker AI-podprto delo postane zanesljivejše, ko ostane spremljajoči kontekst pregledljiv in ne izgine v kratkotrajnih pogovorih.

Zakaj resnični delovni tokovi postanejo iterativni

Razprave o AI so včasih predstavljene, kot da uporabnik napiše en močan poziv in dobi en močan rezultat.

Resnično delo je navadno bolj neurejeno.

Cilj se spremeni. Omejitve postanejo jasnejše. Pregled odkrije manjkajoče zahteve. Validacija razkrije strukturni problem. Novi deležniki prinesejo pomisleke, ki na začetku sploh niso bili vidni.

Zato realističen delovni tok pogosteje izgleda takole:

1. določite cilj
2. pripravite osnutek specifikacije
3. ustvarite začetni rezultat
4. kritično ga pregledate
5. izboljšate specifikacijo
6. rezultat validirate
7. ponovite postopek

To ni neučinkovitost. Tako resno delo praviloma postaja bolj natančno.

Človeška vloga postane jasnejša, ne manjša

AI lahko pomaga pri pripravi osnutkov, organiziranju, prepisovanju, primerjanju in pregledu. Hitro lahko predlaga alternative in razkrije skrite nedoslednosti.

Toda človek ostaja odgovoren za tisto, kar je v resnici najpomembnejše:

• izbiro cilja
• določanje prioritet
• presojo kompromisov
• odobritev rezultata
• sprejem odgovornosti za objavo ali ukrepanje

V praksi človek postane bolj ekspliciten pregledovalec, urednik in odločevalec.

Onkraj pogovora: orodja in validatorji

Večji delovni tokovi navadno potrebujejo več kot zgolj pogovor.

Nekateri projekti potrebujejo validacijo citatov. Nekateri potrebujejo OCR. Nekateri pregled dostopnosti. Nekateri ustvarjanje diagramov, avtomatizacijo brskalnika, statistična orodja, objavne cevovode ali delovne tokove TeX in LaTeX.

Tu AI pogosto najbolje deluje kot koordinator in ne kot zamenjava. AI-sistem prispeva sklepanje in orkestracijo, specializirana orodja pa opravijo domensko specifične naloge.

Validatorji so tu še posebej pomembni. Ne nadomeščajo kakovosti vsebine, pomagajo pa ohranjati stabilne standarde. Validator citatov, preverjanje jezikovne kakovosti, nabor pravil dostopnosti ali validator objave lahko po koncu prvotnega dela služijo še mnogim prihodnjim projektom.

To je eden od razlogov, da validatorji pogosto postanejo dolgoročna organizacijska sredstva.

Kadar je mogoče, lokalizirajte tudi primere

Če je sam delovni tok večjezičen, naj bodo po možnosti večjezični tudi primeri.

Bralcem ni treba v mislih prevajati vsakega ilustrativnega odlomka, medtem ko poskušajo razumeti sam proces. Izjeme seveda obstajajo pri imenih podjetij, imenih izdelkov, standardih, ukazih, kodi in imenih protokolov, vendar nepotrebna angleščina v lokaliziranih gradivih povečuje kognitivno obremenitev brez resne koristi.

To je pomembno zato, ker specifikacijsko vodeno delo ni le stvar strukture. Gre tudi za zmanjševanje odvečnega trenja za ljudi, ki morajo tak proces dejansko uporabljati.

Trajna lekcija

Glavna lekcija je preprosta.

AI-podprto delo z znanjem postane bolj zanesljivo, ko so namen, ohranjen kontekst, pregled in validacija eksplicitno zapisani in povezani z resničnimi standardi.

To načelo velja za programsko opremo, vendar velja tudi daleč onkraj nje.

Sorodno branje

• ../../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