AI радни токови изван софтвера

О AI-потпомогнутом раду често се говори као да је његов природни дом развој софтвера. То је разумљиво. Софтверски тимови брзо су прихватили помоћнике за кодирање, а највидљивији примери често укључују репозиторијуме, тестове и аутоматизацију.

Али дубљи образац је шири од самог софтвера.

Иста логика вођена спецификацијама важи и за истраживање, академско писање, образовне материјале, техничку документацију, правно писање, рад на политикама и друге облике озбиљног рада са знањем. У свим тим областима средишњи проблем није само брже стварање текста. Прави проблем је како сложен рад одржати усклађеним са намером, стандардима, доказима и прегледом.

Спецификације нису само за функционалности

У софтверу спецификација често описује понашање система. Изван софтвера она може описивати жељена својства документа или неког другог артефакта знања.

То може укључивати:

• циљ
• циљну публику
• границе обима
• терминологију
• тон
• праг квалитета
• очекивања у вези са доказима
• захтеве приступачности
• правила усклађености или објављивања

То је већ познато многим професијама, чак и ако не користе израз развој вођен спецификацијама.

Истраживачи раде према правилима предаје и стандардима доказивања. Наставници раде према исходима учења и ограничењима приступачности. Документацијски тимови раде према структури, терминологији, верзионирању и правилима за снимке екрана. Правни и политички тимови раде према јурисдикцији, обавезним клаузулама, одобрењима и прегледним ланцима.

Оно што AI мења јесте брзина којом се нејасна намера претвара у уверљив излаз.

Зато експлицитна спецификација постаје кориснија, а не мање корисна.

Интерактивни AI је разуман почетак

Многи људи почињу са веб AI системима. То није ограничење због ког би требало да се правдате. Често је то право место за почетак.

Интерактивни AI већ може помоћи при:

• изради спецификације
• критици нацрта
• препознавању недостајућих претпоставки
• упоређивању алтернативних структура
• предлагању идеја за валидацију
• преобликовању за другу публику или тон

За многе једнократне документе то може бити довољно. Наставник који припрема оквир наставне јединице или истраживач који преобликује сажетак рада можда неће требати ништа напредније.

Грешка није у томе да почнете тамо. Грешка је у претпоставци да је продуктиван први корак уједно и цео радни ток.

Зашто је очување контекста важно

Традиционални документни процеси често очувају само завршни артефакт. Нацрт се замењује, коментари нестају, а разлоге за кључне одлуке касније је тешко реконструисати.

Радни токови вођени спецификацијама и потпомогнути AI-ем подстичу очување ширег пратећег контекста:

• спецификације
• важних претпоставки
• налаза прегледа
• резултата валидације
• белешки о доказима
• одлука о одобрењу

Markdown је за такав материјал често практичан формат зато што га је лако читати, упоређивати кроз разлике и поново користити у различитим системима. Није једини користан формат, али је често веома трајан.

Та трајност је важна зато што AI-потпомогнути рад постаје поузданији када околни контекст остаје прегледан, а не нестаје у краткотрајним разговорима.

Зашто стварни радни токови постају итеративни

Расправе о AI-у понекад су представљене као да корисник напише један снажан prompt и добије један снажан резултат.

Стварни рад је обично неуреднији.

Циљ се мења. Ограничења постају јаснија. Преглед открива недостајуће захтеве. Валидација разоткрива структурни проблем. Нови учесници уносе забринутости које на почетку нису биле видљиве.

Зато реалистичан радни ток чешће изгледа овако:

1. дефинишите циљ
2. припремите нацрт спецификације
3. створите почетни резултат
4. критички га прегледајте
5. побољшајте спецификацију
6. валидирајте резултат
7. поновите поступак

То није неефикасност. Тако озбиљан рад обично постаје прецизнији.

Људска улога постаје јаснија, не мања

AI може помоћи при припреми нацрта, организовању, преписивању, поређењу и прегледу. Може брзо предложити алтернативе и разоткрити скривене недоследности.

Али човек остаје одговоран за оно што је заиста најважније:

• избор циља
• одређивање приоритета
• процену компромиса
• одобрење резултата
• прихватање одговорности за објаву или деловање

У пракси човек постаје експлицитнији прегледалац, уредник и доносилац одлука.

С оне стране разговора: алати и валидатори

Већи радни токови обично траже више од самог разговора.

Неки пројекти траже валидацију цитата. Неки траже OCR. Неки преглед приступачности. Неки израду дијаграма, аутоматизацију прегледача, статистичке алате, објавне цевоводе или TeX и LaTeX радне токове.

Ту AI често најбоље ради као координатор, а не као замена. AI-систем доноси резоновање и оркестрацију, а специјализовани алати обављају доменски специфичне задатке.

Валидатори су ту посебно важни. Не замењују квалитет садржаја, али помажу да се очувају стабилни стандарди. Валидатор цитата, провера језичког квалитета, скуп правила приступачности или валидатор објављивања могу након завршетка првобитног рада служити и многим будућим пројектима.

То је један од разлога зашто валидатори често постају дугорочна организациона средства.

Локализујте и примере када је то могуће

Ако је сам радни ток вишејезичан, где год је могуће вишејезични треба да буду и примери.

Читаоци не би требало у глави да преводе сваки илустративни одломак док покушавају да разумеју сам процес. Изузеци, наравно, постоје за називе компанија, називе производа, стандарде, команде, код и називе протокола, али непотребан енглески у локализованим материјалима повећава когнитивно оптерећење без стварне користи.

То је важно зато што рад вођен спецификацијама није само питање структуре. Реч је и о смањењу избегљивог трења за људе који тај процес заиста морају да користе.

Трајна лекција

Главна лекција је једноставна.

AI-потпомогнут рад са знањем постаје поузданији када су намера, очуван контекст, преглед и валидација експлицитно записани и повезани са стварним стандардима.

То начело важи за софтвер, али важи и далеко изван њега.

Повезано читање

• ../../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