AI-potpomognuti rad sa znanjem

Sažetak

Radni tokovi vođeni specifikacijama nisu ograničeni na softversko inženjerstvo. Oni također pomažu strukturirati AI-potpomognuto akademsko pisanje, istraživanje, obrazovne sadržaje, tehničku dokumentaciju, pravno i regulatorno pisanje, rad na politikama te druge oblike rada sa znanjem.

Temeljni obrazac ostaje koristan čak i kada se pojedini AI-proizvodi mijenjaju:

• definirajte cilj i ograničenja
• sačuvajte relevantan kontekst u trajnim artefaktima
• nacrte stvarajte i dorađujte iterativno
• rezultat provjeravajte prema eksplicitnim standardima
• zadržite ljudsku odgovornost za procjenu i odobrenje
• automatizacijom upravljajte kroz pregled, kontrolu pristupa i sljedivost

Ova se stranica usredotočuje na ta stabilna načela, a ne na bilo koji pojedini AI-alat.

Autorska napomena / koristan mentalni model: Jedan praktičan način razmišljanja o AI-ju jest da ga promatramo kao suvremeno proročište. U računalnoj znanosti oracle je hipotetski sustav koji odgovara na određenu klasu pitanja. U kriptografiji se oracle može upitati bez otkrivanja njegova unutarnjeg rada. Pitanja ulaze, odgovori izlaze, a unutrašnjost ostaje skrivena. Zato su povjerenje, provjera, upravljanje i odgovornost važni.

Od interaktivnog AI-ja do agentnih radnih tokova

Mnogi ljudi s AI-potpomognutim radom prvi se put susreću kroz interaktivne web sustave. To je razuman početak.

Radni tokovi vođeni specifikacijama ne zahtijevaju agente za kodiranje, terminalske alate ni automatizaciju repozitorija. Interaktivni AI već može pomoći u korisnom ranom radu, poput izrade specifikacija, pregleda dokumenata, izoštravanja zahtjeva, izrade prvih nacrta i prijedloga teksta, prepoznavanja praznina te predlaganja načina provjere i alternativa.

Zato je interaktivni AI prirodna ulazna točka za ljude koji rade na jednokratnim dokumentima, ranim nacrtima ili manjim projektima. Istraživač ga može koristiti za poboljšanje strukture rada. Nastavnik ga može koristiti za izoštravanje ishoda učenja i razine težine. Tim za politike može ga koristiti za usporedbu mogućih struktura dokumenta prije nego što formalno pisanje uopće počne. Pravna ili regulatorna ekipa može ga koristiti za otkrivanje nedostajućih definicija, neriješenih pretpostavki ili ovisnosti u pregledu.

Ključna je ideja da specifikacija nije ograničena na funkcionalnosti softvera. U širem radu sa znanjem specifikacija može definirati:

• ciljeve
• ograničenja
• očekivanja kvalitete
• ciljanu publiku
• terminologiju
• zahtjeve za dokazima
• zahtjeve pristupačnosti
• obveze usklađenosti
• standarde objavljivanja

Akademski članak, na primjer, mogu voditi očekivanja o stilu citiranja, razini dokaza, dosljednosti terminologije, etičkim objavama, ciljnom časopisu i jezičnoj kvaliteti. Obrazovni materijal možda će morati slijediti ishode učenja, traženu razinu čitljivosti, usklađenost s kurikulumom, zahtjeve pristupačnosti i pravila vrednovanja. Tehnička dokumentacija može se morati uskladiti sa stvarnim ponašanjem proizvoda, strukturom objave, pravilima za snimke zaslona i politikama verzioniranja. Pravno ili političko pisanje može tražiti točno određenu jurisdikciju, odobrenu terminologiju, pregledne prijelaze i obvezne reference.

U svim tim slučajevima specifikacija pomaže rad pomaknuti od nejasnih promptova prema eksplicitnoj namjeri.

Markdown kao trajan format za znanje

U praksi mnogi timovi specifikacije, bilješke, preglede, nalaze, promptove i zapise o radnom toku pohranjuju u Markdownu. Markdown nije jedini koristan format, ali je često praktičan jer je:

• čitljiv bez specijaliziranog softvera
• dovoljno strojno čitljiv za automatizaciju
• prikladan za verzioniranje i pregled razlika
• prenosiv između alata i platformi
• izdržljiv kroz dulje vremensko razdoblje

Te su osobine važne u AI-potpomognutom radu jer je kontekst vrijedan samo ako ga se može sačuvati, ponovno pregledati i ponovno upotrijebiti. Markdown olakšava čuvanje više od samog završnog isporučivog dokumenta. Može sačuvati ciljeve, pretpostavke, ograničenja, nalaze pregleda, pravila objavljivanja, rezultate validacije i odluke zajedno s njihovim obrazloženjem.

To koristi ljudima jer poboljšava sljedivost i pregled. Koristi i AI-sustavima jer važan kontekst ostaje u formatu koji je razmjerno lako citirati, pretraživati, sažimati i ponovno dohvaćati.

Markdown ne treba tretirati kao čarobno rješenje. On sam po sebi ne jamči točnost, ažurnost ni dobru prosudbu. No često dobro služi kao trajan medij za organizacijsko pamćenje.

Iterativno usavršavanje normalan je slučaj

Stvarni AI-potpomognuti radni tokovi rijetko su linearni. Specifikacija je na početku često nepotpuna i postupno se razjašnjava kroz raspravu.

Realističan ciklus često izgleda ovako:

1. definirajte cilj
2. pripremite nacrt specifikacije
3. stvorite početni rezultat
4. pregledajte rezultat
5. poboljšajte specifikaciju
6. validirajte reviziju
7. ponavljajte dok rezultat ne bude prihvatljiv

To je važno jer mnogi ljudi AI-radni tok još uvijek zamišljaju kao jedan prompt iza kojeg slijedi gotov odgovor. U ozbiljnom radu kvaliteta obično ne nastaje tako. Mnogo češće nastaje kroz uzastopno razjašnjavanje.

Ljudi ostaju središnji sudionici tijekom cijelog tog ciklusa. AI može pomoći u generiranju, organiziranju, preoblikovanju, usporedbi i pregledu, ali ljudi ostaju odgovorni za:

• ciljeve
• prioritete
• kompromise
• odluke o odobrenju
• procjene kvalitete

U tom smislu čovjek nije samo pisac promptova. On djeluje kao pregledavatelj, urednik, domenski stručnjak i donositelj odluka.

Zašto interaktivni AI s vremenom doseže praktične granice

Interaktivni AI ostaje koristan i u zrelijim radnim tokovima, ali veći projekti često razotkriju dva ponavljajuća ograničenja: kontekst i alate.

Kontekst je ograničen. Čak i kada suvremeni sustavi mogu obraditi velike količine informacija, i dalje je nepraktično u jednom razgovoru stalno držati svaku specifikaciju, nalaz, izvor, komentar pregleda i pomoćni dokument. Kako projekt raste, problem nije samo ukupna količina. Problem je i relevantnost.

Zato mnogi agentni radni tokovi koriste ponovno dohvaćanje. Umjesto da pokušavaju sve držati stalno u aktivnom vidokrugu, sustav pohranjuje trajne zapise i po potrebi dohvaća najrelevantniji materijal. Cilj nije nužno dati više informacija odjednom, nego dati prave informacije onda kada su potrebne.

Drugo ograničenje su alati. Interaktivne web platforme obično nude pažljivo odabrane alate dizajnirane da pouzdano rade za široku publiku. Takav pristup ima stvarne prednosti:

• pouzdanost
• održavanje
• sigurnost
• dosljednost

Ali specijalizirani rad često treba specijalizirani softver. Opći sučeljski sloj nije uvijek dovoljan za radni tok koji ovisi o provjeri citata, OCR-u, sustavima za objavu, automatizaciji preglednika, statističkoj analizi ili pregledu usklađenosti.

To je jedan od razloga zbog kojih su se pojavili agentni radni tokovi. Omogućuju AI-sustavima da dohvaćaju usmjeren kontekst, pozivaju odgovarajuće alate, validiraju rad i nastavljaju iterirati kroz veće količine materijala.

Vještine, alati i specijalizirani sustavi

U AI-potpomognutom radu alati su često sučelja prema specijaliziranim sustavima, a ne njihove zamjene.

Primjeri uključuju:

• provjeru pravopisa i jezične kvalitete
• OCR
• automatizaciju preglednika
• izradu dijagrama
• validaciju citata
• statistički softver
• sustave za objavu
• sustave za obradu dokumenata

Akademski radni tok može se oslanjati na TeX ili LaTeX alate, upravitelje bibliografije, predloške časopisa i statističke pakete. Dokumentacijski radni tok može se oslanjati na provjeru poveznica, validatore pristupačnosti, procese za snimke zaslona i objavne cjevovode. Pravni ili politički radni tok može ovisiti o sustavima za upravljanje dokumentima, bibliotekama klauzula, preglednim sustavima ili regulatornim referentnim bazama.

AI-sustav pruža koordinaciju i rezoniranje, a specijalizirani alati obavljaju domenski specifičan posao.

Kako radni tokovi sazrijevaju, ponavljajuće upute često postaju ponovno upotrebljiva sredstva kao što su vještine, predlošci, procedure, definicije radnih tokova i pravila validacije. To je jedan od najvažnijih načina na koje organizacijsko znanje s vremenom postaje trajnije. Ono što započne kao ponavljajući razgovorni savjet često postane sredstvo koje se može ponovno koristiti i pregledavati.

Validatori i institucionalni standardi

Validatori su važan dio rada sa znanjem vođenog specifikacijama jer pomažu provjeriti zadovoljava li artefakt neki dio svoje specifikacije.

Ovisno o području, validatori mogu uključivati:

• validatore jezične kvalitete
• stilske validatore
• validatore citata
• validatore pristupačnosti
• validatore usklađenosti
• validatore objave

Validatore ne treba tretirati kao važnije od samog sadržaja. Oni ne zamjenjuju autorstvo, stručnost ni prosudbu. No često nadžive pojedine projekte i pomažu očuvati standarde kroz vrijeme.

Validator citata stvoren za jedan objavni radni tok kasnije može podržati mnoge objave. Validator terminologije može smanjiti nedosljednost među autorima i timovima. Validatori pristupačnosti i objave mogu pomoći u očuvanju institucionalnih očekivanja kvalitete čak i kada se mijenjaju suradnici i alati.

Nije realno očekivati da će svaki autor sam izgraditi takve validatore. U mnogim slučajevima to zahtijeva tehničku stručnost, domensko znanje, infrastrukturu i održavanje. Razumno je da sveučilišta, izdavači, istraživačke skupine, javne ustanove ili interni platformni timovi osiguravaju zajedničke validatore umjesto da svaki autor sve gradi od početka.

Trajni formati izvan teksta

Iako je Markdown često praktičan za tekstualne artefakte, važni su i drugi trajni formati.

SVG je često koristan format za dijagrame jer je tekstualan, skalabilan, razmjerno prikladan za verzioniranje te dostupan i za ljudsko uređivanje i za AI-potpomognutu obradu. Nije uvijek pravi izbor, ali dobro funkcionira kada dijagrame treba održavati kao žive artefakte, a ne kao neprozirne slike.

Opće je načelo šire od bilo koje pojedine vrste datoteke: formati koji ostaju pregledni, prenosivi i održivi obično podržavaju AI-potpomognute radne tokove bolje od formata koji skrivaju strukturu ili nepotrebno otežavaju pregled.

Lokalizacija i čitateljev kontekst

Radni tokovi vođeni specifikacijama vrijede i za višejezični rad. Specifikacije, nalazi pregleda, primjeri i artefakti radnog toka mogu svi trebati lokalizaciju.

Kada su dokumenti lokalizirani, praktično je lokalizirati i primjere gdje god je to moguće. Nepotrebni engleski citati povećavaju kognitivno opterećenje čitatelja koji inače čitaju na drugom jeziku.

Iznimke mogu uključivati:

• nazive tvrtki
• nazive proizvoda
• standarde
• naredbe
• kod
• nazive protokola

Cilj nije jezična čistoća. Cilj je smanjiti trenje za čitatelja i zapise o radnom toku zadržati razumljivima u njegovu radnom jeziku.

Sažeta studija slučaja radnog toka

Prateći transkript za ovu temu koristan je primjer kako se specifikacije razvijaju kroz raspravu. Poglavlje nije počelo s potpuno oblikovanom strukturom. Zahtjevi su se pojavili iterativno.

Skraćeni oblik te rasprave izgledao je otprilike ovako:

• početna ideja: “proširi tekst … dodaj praktičan uvid … uključi akademsko, obrazovno i možda pravno pisanje”
• kritika: “Ne bih to formulirao tako izravno … validatori imaju dugoročnu vrijednost”
• proširenje opsega: “najprije bih se usredotočio na interaktivni web AI”
• praktična ograničenja: “postoji granica količine konteksta koju AI može istodobno držati aktivnom …”
• arhitektura radnog toka: “uloga vještina … kao sučelja prema specijaliziranim programima”
• zabrinutosti oko upravljanja: “korištenje vještina trećih strana nosi ozbiljne sigurnosne posljedice”
• zabrinutosti oko lokalizacije: “i citati bi trebali biti lokalizirani na svaki jezik”
• konsolidacija: “riječ je o jednoj većoj temi … bolje je imati nekoliko opsežnijih članaka”

Taj slijed reprezentativniji je za stvarni AI-potpomognuti rad nego uglačana priča o uspjehu. Važna lekcija nije da je na kraju napisan savršen prompt. Važno je da su se zahtjevi, prigovori, uredničke odluke i zabrinutosti oko upravljanja postupno pretvorili u jasniju specifikaciju.

Upravljanje, povjerenje i sigurnost

Kako AI-sustavi prelaze od pasivne pomoći pri pisanju prema uporabi alata i izvršavanju radnih tokova, upravljanje postaje važnije, a ne manje važno.

Tradicionalna sigurnost softvera često se usredotočivala na izvršni kod. U AI-potpomognutim sustavima granica je šira. Na ponašanje sustava mogu utjecati same upute. Specifikacije, definicije radnih tokova, promptovi i opisi vještina mogu svi utjecati na to što sustav radi i kako to radi.

To ne znači da svaku tekstualnu datoteku treba tretirati kao inherentno opasnu. Ali znači da organizacije moraju pažljivo promišljati granice povjerenja. U AI-potpomognutim okruženjima neki tekstovi nisu samo opisni. Mogu postati operativni.

Vještine, integracije i granice povjerenja

Vanjske vještine, alati, paketi radnih tokova i integracije mogu biti korisni, ali istodobno otvaraju pitanja upravljanja.

Organizacije mogu sasvim razumno davati prednost:

• interno razvijenim vještinama
• institucionalno pregledanim radnim tokovima
• pouzdanim dobavljačima
• upravljanim integracijama

To je osobito važno kada vještina ili integracija može utjecati na dohvat materijala, transformaciju, objavu, vanjski pristup ili pozivanje alata. Dobro upravljan radni tok obično ne prati samo što AI može reći, nego i čemu može pristupiti, što može pokrenuti i što može promijeniti.

Veliki dobavljači poput OpenAI-ja, Microsofta i Oraclea mogu nuditi ekosustave alata i integracijske slojeve, ali trajno pitanje upravljanja nije koji trenutni proizvod postoji. Pitanje je razumije li organizacija granicu radnog toka koji usvaja i vjeruje li joj.

Zadržite autorizaciju izvan AI-zaključivanja

Korisno načelo dizajna jest da odluke o autorizaciji, kada god je to praktično moguće, ostanu izvan AI-sustava.

AI može pomoći odlučiti koja radnja izgleda prikladno, ali stvarnu dozvolu za provedbu te radnje treba osigurati sustav koji je izgrađen za autentikaciju, autorizaciju, reviziju i upravljanje vjerodajnicama. U praksi to često znači oslanjanje na:

• pružatelje identiteta
• kontrolu pristupa prema ulogama
• dozvole u bazama podataka
• API prolaze
• odobrenja radnih tokova
• sigurno rukovanje vjerodajnicama

Vjerodajnice trebaju ostati u sustavima namijenjenima upravljanju vjerodajnicama, a ne biti ugrađene u promptove, specifikacije ili improvizirane tekstove radnog toka.

To je razdvajanje važno jer smanjuje vjerojatnost da se uvjerljiva generirana uputa zamijeni za legitimni autoritet. Odobrenja i kontrola pristupa moraju ostati usidreni u sustavima dizajniranima za njihovu provedbu.

AI-prolazi kao sloj upravljanja

Neke se ustanove mogu odlučiti uvesti AI kroz kontrolirane prolaze, umjesto da svaki interni sustav izlože izravno.

AI-prolaz može podržavati:

• reviziju
• provedbu politika
• autentikaciju
• autorizaciju
• nadzor
• odobren pristup alatima

To nije univerzalni zahtjev i manji timovi mogu odabrati lakše kontrole. No to je razuman obrazac upravljanja za institucije kojima su potrebni sljedivost, središnji nadzor ili dosljedna provedba politika kroz više korisnika i radnih tokova.

Zašto upravljanje dobiva na vrijednosti kako automatizacija raste

Više automatizacije ne uklanja potrebu za pregledom. Povećava vrijednost odgovornog pregleda.

Kako AI-potpomognuti rad postaje brži, organizacije često trebaju snažnije, a ne slabije strukture za:

• odgovornost
• sljedivost
• validaciju
• odobravanje
• povjerenje
• očuvanje institucionalnog znanja

To je jedan od razloga zašto radni tokovi vođeni specifikacijama ostaju korisni i izvan trenutačnih trendova u alatima. Organizacijama daju način da sačuvaju namjeru, definiraju standarde, povežu rezultate s pregledom i upravljaju automatizacijom, bez pretvaranja da automatizacija čini upravljanje nepotrebnim.

Praktični naglasak

Najtrajnija lekcija jednostavna je:

AI-potpomognuti rad sa znanjem postaje pouzdaniji kada su ciljevi, ograničenja, standardi, validacija i autoritet eksplicitni.

To načelo vrijedi za softver, ali i za istraživanje, poučavanje, dokumentaciju, rad na politikama, pravno pisanje i druge ozbiljne procese pisanja i pregleda. Alati će se mijenjati. Potreba za specifikacijama, pregledljivim kontekstom, validacijom i upravljanim granicama povjerenja vjerojatno će ostati.

Kako raditi s AI-jem

• tretirajte AI kao sposobnog suradnika, a ne kao autoritet
• provjerite važne tvrdnje
• sačuvajte važan kontekst
• zapišite ciljeve i pretpostavke
• pregledajte rezultate
• odgovornost za odluke zadržite kod ljudi

Popratni materijal

Popratni materijal na docs/supporting-material/spec_driven_workflow_thread.html dokumentira dio rasprave i procesa usavršavanja koji stoji iza ovog članka. To je zapis radnog toka, a ne jedini izvor svake ideje u članku.

Transkript sadrži nedovršene ideje, promjenjiva stajališta, odbačene prijedloge, grube formulacije, tipfelere ili pogreške autokorekcije te druge tragove iterativnog usavršavanja. Zaključci članka i autorska razmišljanja zato nisu isto što i transkript.

Ova stranica uključuje i kasniju sintezu, uredničko dotjerivanje, iskustvo iz implementacije, lokalizacijske preglede, validacijski rad i osobno promišljanje. Neki su zaključci nastali tek nakon završetka zabilježene rasprave.