Kako uporabljati AI-delovne tokove za neprogramsko delo z znanjem

Zakaj je to pomembno

Veliko ljudi danes uporablja AI za pripravo osnutkov, povzemanje, preoblikovanje, izdelavo struktur in pregledovanje dokumentov. To je lahko koristno, vendar se pogosto začne kot neformalna navada pozivov in odgovorov.

Za preprosta opravila je to lahko dovolj.

Za resno delo pa običajno ni.

Akademsko pisanje, izobraževalna gradiva, tehnična dokumentacija, pravno pisanje, pisanje politik in druge oblike dela z znanjem imajo korist od jasnejše strukture. Specifikacijsko vodeni delovni tok pomaga zato, ker pričakovanja naredi eksplicitna, še preden nastane preveč vsebine.

Začnite s specifikacijo, ne z osnutkom

Uporabna specifikacija za neprogramsko delo pogosto vključuje:

• cilj
• občinstvo
• meje obsega
• terminološka pravila
• pričakovanja kakovosti
• zahteve glede dokazov
• zahteve glede skladnosti ali odobritve
• omejitve objave

Primeri:

• raziskovalni članek lahko zahteva slog citiranja, pragove dokazov in pravila oblikovanja za revijo
• učni vodič lahko zahteva starostni razpon, predznanje, pričakovanja glede dostopnosti in učne izide
• memorandum o politiki lahko zahteva odobreno terminologijo, predpostavke o občinstvu in strukturo, usmerjeno v odločanje
• regulativni ali pravni dokument lahko zahteva jurisdikcijo, obvezne klavzule in pregledne kontrolne točke

Bistvo ni napisati najdaljše mogoče specifikacije. Bistvo je odstraniti dvoumnost, ki bi jo sicer zapolnile generične predpostavke.

Praktičen delovni tok

Večina resničnih delovnih tokov je iterativnih, ne linearnih.

Uporabite cikel, kot je ta:

1. določite cilj
2. pripravite lahek osnutek specifikacije
3. ustvarite osnutek
4. osnutek kritično pregledate
5. izboljšate specifikacijo
6. kjer je mogoče, izvedete validacijo ali preverjanja
7. ponavljate, dokler rezultat ni sprejemljiv

Specifikacija skozi samo delo pogosto postane jasnejša. To je normalno.

Najprej uporabite interaktivni AI, kadar zadošča

Za začetek ne potrebujete naprednega agentskega okolja.

Interaktivni spletni AI lahko že pomaga pri:

• pripravi specifikacij
• pregledu struktur
• odkrivanju manjkajočih delov
• primerjavi alternativnih struktur
• predlaganju validacijskih strategij
• prepisovanju za drug ton ali drugo občinstvo
• razkrivanju protislovij ali nejasnih predpostavk

To je naravna izhodiščna točka, ne manjvredna izbira.

Za mnoge avtorje, urednike, učitelje in analitike interaktivni AI ostaja uporaben tudi takrat, ko so drugje na voljo bolj napredni delovni tokovi.

Ohranite kontekst v trajnih artefaktih

Če je delo pomembno, ne hranite le končnega dokumenta.

Ohranite tudi:

• specifikacijo
• pomembne komentarje pregleda
• rezultate validacije
• opombe o dokazih
• nerešena vprašanja
• odločitve o odobritvi

Markdown je za to pogosto praktičen, ker je berljiv, prenosljiv, prijazen do razlik in preprost za ponovno uporabo v različnih orodjih. Ni edini veljaven format, je pa pogosto trajen.

Cilj je kontekst ohraniti v obliki, ki jo lahko ljudje pregledajo, AI-sistemi pa ponovno uporabijo.

Ko interaktivni AI začne postajati pretesen

Večji projekti pogosto razkrijejo dve omejitvi.

Prva je kontekst. Težko je v enem samem pogovoru ohranjati vsak vir, opombo, ugotovitev pregleda in omejitev.

Druga so orodja. Širše interaktivne platforme morda ne ponujajo točno tistih validatorjev ali domenske programske opreme, ki jih nek delovni tok potrebuje.

Tu postanejo uporabni bolj agentski delovni tokovi. Po potrebi lahko ponovno pridobijo relevantne dokumente, kličejo specializirana orodja in nadaljujejo delo čez večjo količino gradiva.

Pomembno načelo je preprosto:

Cilj ni nujno zagotoviti več informacij naenkrat, temveč zagotoviti prave informacije takrat, ko so potrebne.

Orodja razumite kot vmesnike do specializiranih sistemov

AI pogosto deluje najbolje takrat, ko koordinira specializirana orodja, namesto da bi jih poskušal nadomestiti.

Glede na področje lahko ta orodja vključujejo:

• preverjanje pravopisa in orodja za jezikovno kakovost
• OCR-sisteme
• validatorje citatov
• validatorje dostopnosti
• avtomatizacijo brskalnika
• orodja za diagrame
• verige TeX ali LaTeX
• statistično programsko opremo
• sisteme za objavo dokumentov

AI-sistem zagotavlja koordinacijo in sklepanje, specializirana orodja pa opravijo domensko specifično delo.

Validatorji pomagajo ohranjati standarde

Validatorji so preverjanja, ki ocenjujejo, ali dokument izpolnjuje določen del svoje specifikacije.

Primeri vključujejo:

• preverjanje jezikovne kakovosti
• preverjanje citatov
• preverjanje dostopnosti
• preverjanje objave
• preverjanje skladnosti
• preverjanje terminologije

Validatorji ne nadomeščajo človekovega pregleda. Ponavljajoče standarde naredijo bolj ponovljive.

To je posebej pomembno v organizacijah. Validatorji pogosto preživijo posamezne projekte in postanejo ponovno uporabna sredstva, ki skozi čas ohranjajo institucionalna pričakovanja.

Hkrati je povsem razumno, da si mnogi avtorji ne bodo gradili lastnih validatorjev. Univerze, založniki, raziskovalne ekipe in platformne ekipe jih lahko zagotovijo kot skupno infrastrukturo.

Človeška vloga ne izgine

AI lahko pomaga ustvarjati, preurejati, preoblikovati, primerjati in kritično presojati besedilo.

Ljudje pa ostajajo odgovorni za:

• določanje ciljev
• postavljanje prioritet
• sprejemanje kompromisov
• odobritev izhodov
• presojo, ali je rezultat res dovolj dober

V praksi človek navadno deluje kot pregledovalec, urednik, domenski strokovnjak in odločevalec.

Vaja

Izberite eno neprogramsko nalogo in zanjo napišite enostransko specifikacijo.

Dobri kandidati so na primer:

• list z navodili za predavanje
• raziskovalni povzetek
• memorandum o politiki
• tehnični vodič
• kontrolni seznam za skladnost

Vključite:

1. cilj
2. občinstvo
3. obseg
4. terminološka pravila
5. pričakovanja kakovosti
6. pričakovanja glede dokazov ali citatov
7. zahteve glede pregleda ali odobritve

Nato naj AI-pomočnik na podlagi te specifikacije pripravi osnutek.

Izhod najprej preglejte glede na specifikacijo in šele nato glede na slogovne preference. To zaporedje je pomembno.

Dodatno branje

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