Kako koristiti AI radne tokove za nesoftverski rad sa znanjem

Zašto je to važno

Mnogi ljudi danas koriste AI za izradu nacrta, sažimanje, preoblikovanje, izradu struktura i pregled dokumenata. To može biti korisno, ali često počinje kao neformalna navika promptova i odgovora.

Za jednostavne zadatke to može biti dovoljno.

Za ozbiljan rad obično nije.

Akademsko pisanje, obrazovni materijali, tehnička dokumentacija, pravno pisanje, pisanje politika i drugi oblici rada sa znanjem imaju koristi od jasnije strukture. Radni tok vođen specifikacijama pomaže zato što očekivanja čini eksplicitnim prije nego što nastane previše sadržaja.

Počnite od specifikacije, ne od nacrta

Korisna specifikacija za nesoftverski rad često uključuje:

• cilj
• publiku
• granice opsega
• terminološka pravila
• očekivanja kvaliteta
• zahtjeve za dokazima
• zahtjeve za usklađenošću ili odobrenjem
• ograničenja objave

Primjeri:

• istraživački članak može zahtijevati stil citiranja, pragove dokaza i pravila oblikovanja časopisa
• nastavni vodič može zahtijevati dobni raspon, predznanje, očekivanja pristupačnosti i ishode učenja
• memorandum o politici može zahtijevati odobrenu terminologiju, pretpostavke o publici i strukturu usmjerenu ka odlučivanju
• regulatorni ili pravni dokument može zahtijevati jurisdikciju, obavezne klauzule i pregledne kontrolne tačke

Poenta nije napisati najdužu moguću specifikaciju. Poenta je ukloniti dvosmislenost koju bi inače ispunile generičke pretpostavke.

Praktičan radni tok

Većina stvarnih radnih tokova je iterativna, a ne linearna.

Koristite ciklus poput ovog:

1. definišite cilj
2. pripremite lagani nacrt specifikacije
3. izradite nacrt
4. kritički pregledajte nacrt
5. doradite specifikaciju
6. gdje god je moguće, provedite validaciju ili provjere
7. ponavljajte dok rezultat ne postane prihvatljiv

Specifikacija se često razjašnjava kroz sam rad. To je normalno.

Najprije koristite interaktivni AI kada je dovoljan

Za početak vam nije potrebno napredno agentsko okruženje.

Interaktivni web AI već može pomoći pri:

• pisanju specifikacija
• pregledu struktura
• otkrivanju nedostajućih dijelova
• upoređivanju alternativnih struktura
• predlaganju strategija validacije
• preoblikovanju za drugačiji ton ili drugu publiku
• razotkrivanju proturječnosti ili nejasnih pretpostavki

To je prirodna početna tačka, a ne inferioran izbor.

Za mnoge autore, urednike, nastavnike i analitičare interaktivni AI ostaje koristan čak i kada drugdje postoje napredniji radni tokovi.

Sačuvajte kontekst u trajnim artefaktima

Ako je rad važan, nemojte čuvati samo završni dokument.

Sačuvajte i:

• specifikaciju
• važne komentare pregleda
• rezultate validacije
• bilješke o dokazima
• neriješena pitanja
• odluke o odobrenju

Markdown je za to često praktičan jer je čitljiv, prenosiv, pogodan za pregled razlika i jednostavan za ponovnu upotrebu u različitim alatima. Nije jedini valjan format, ali je često trajan.

Cilj je kontekst sačuvati u obliku koji ljudi mogu pregledati, a AI-sistemi ponovo upotrijebiti.

Kada interaktivni AI počne postajati tijesan

Veći projekti često pokažu dva ograničenja.

Prvo je kontekst. Teško je u jednom razgovoru stalno održavati svaki izvor, bilješku, nalaz pregleda i ograničenje.

Drugo su alati. Šire interaktivne platforme možda ne nude upravo one validatore ili domenski softver koji su nekom radnom toku potrebni.

Tu korisniji postaju agentni radni tokovi. Oni po potrebi mogu ponovo dohvatiti relevantne dokumente, pozivati specijalizirane alate i nastaviti raditi kroz veću količinu materijala.

Važno načelo je jednostavno:

Cilj nije nužno pružiti više informacija odjednom, nego pružiti prave informacije onda kada su potrebne.

Alate shvatite kao interfejse prema specijaliziranim sistemima

AI često najbolje radi kada koordinira specijalizirane alate, umjesto da ih pokušava zamijeniti.

Ovisno o području, ti alati mogu uključivati:

• provjeru pravopisa i alate za jezički kvalitet
• OCR sisteme
• validatore citata
• validatore pristupačnosti
• automatizaciju preglednika
• alate za dijagrame
• TeX ili LaTeX lance alata
• statistički softver
• sisteme za objavu dokumenata

AI-sistem osigurava koordinaciju i rezonovanje, a specijalizirani alati obavljaju domenski specifičan posao.

Validatori pomažu očuvati standarde

Validatori su provjere koje procjenjuju zadovoljava li dokument neki dio svoje specifikacije.

Primjeri uključuju:

• provjere jezičkog kvaliteta
• provjere citata
• provjere pristupačnosti
• provjere objave
• provjere usklađenosti
• provjere terminologije

Validatori ne zamjenjuju ljudski pregled. Oni ponavljajuće standarde čine ponovljivijim.

To je posebno važno u organizacijama. Validatori često nadžive pojedine projekte i postanu ponovo upotrebljiva sredstva koja tokom vremena čuvaju institucionalna očekivanja.

Istovremeno je sasvim razumno da mnogi autori ne grade vlastite validatore. Univerziteti, izdavači, istraživački timovi i platformni timovi mogu ih osigurati kao zajedničku infrastrukturu.

Ljudska uloga ne nestaje

AI može pomoći u stvaranju, preuređivanju, preoblikovanju, upoređivanju i kritičkoj procjeni teksta.

Ljudi i dalje ostaju odgovorni za:

• definisanje ciljeva
• postavljanje prioriteta
• donošenje kompromisa
• odobravanje izlaza
• procjenu je li rezultat zaista dovoljno dobar

U praksi čovjek najčešće djeluje kao pregledalac, urednik, domenski stručnjak i donosilac odluka.

Vježba

Odaberite jedan nesoftverski zadatak i za njega napišite jednostraničnu specifikaciju.

Dobri kandidati uključuju:

• list s uputama za predavanje
• istraživački sažetak
• memorandum o politici
• tehnički vodič
• kontrolni popis usklađenosti

Uključite:

1. cilj
2. publiku
3. opseg
4. terminološka pravila
5. očekivanja kvaliteta
6. očekivanja o dokazima ili citatima
7. zahtjeve za pregledom ili odobrenjem

Zatim neka AI-pomoćnik na osnovu te specifikacije pripremi nacrt.

Izlaz najprije pregledajte prema specifikaciji, a tek potom prema stilskim preferencijama. Taj redoslijed je važan.

Dodatno čitanje

• ../../wiki/bs/ai-assisted-knowledge-work.md
• ../../wiki/bs/spec-driven-development.md
• ../../wiki/bs/markdown-in-product-development.md
• ../../wiki/bs/validation-layers.md
• ../../blog/bs/ai-workflows-beyond-software.md
• ../../blog/bs/governance-trust-and-security-in-ai-workflows.md