Jak pracować z AI i zachować kontrolę nad jakością

Prosisz AI o przygotowanie podsumowania spotkania. Po chwili dostajesz uporządkowany tekst, listę zadań i terminy. Dokument wygląda tak dobrze, że łatwo od razu przesłać go zespołowi. Dopiero później ktoś zauważa, że jedna z zapisanych decyzji była zaledwie propozycją. Właśnie w takich sytuacjach widać, jak ważna jest umiejętność oceny odpowiedzi AI.

W raporcie „Future® 2027. Rynek pracy i kompetencje przyszłości” Kasia Syrówka opisuje rosnące znaczenie świadomej współpracy człowieka ze sztuczną inteligencją. W prognozowanym modelu pracy człowiek określa cel, interpretuje informacje i kontroluje jakość rezultatów. To kierunek zmian przedstawiony w publikacji, a zarazem dobry punkt wyjścia do uporządkowania własnej pracy już teraz.

Zacznij od określenia dobrego rezultatu

Polecenie „napisz ofertę” pozostawia modelowi wiele miejsca na domysły. Nie wiadomo, kto ma ją przeczytać, co dokładnie obejmuje usługa, jakie informacje są potwierdzone i jakiego działania oczekujesz od klienta. AI może przygotować płynny tekst, który niewiele ma wspólnego z Twoją rzeczywistą ofertą.

Zanim otworzysz narzędzie, zapisz, po czym poznasz, że zadanie zostało wykonane dobrze. W przypadku oferty będą to na przykład zgodność z zakresem usługi, prawidłowa cena, zrozumiały opis korzyści i jasno wskazany kolejny krok. Takie kryteria pomagają zarówno sformułować polecenie, jak i później sprawdzić odpowiedź.

W pracy biurowej podobną rolę może pełnić ustalenie, że podsumowanie spotkania ma osobno pokazywać decyzje, pomysły oraz sprawy wymagające potwierdzenia. Dzięki temu od początku wiesz, czego szukasz podczas kontroli dokumentu.

Sprawdzaj informacje w źródłach

Raport poświęca uwagę krytycznemu myśleniu i weryfikacji informacji. W codziennym zadaniu oznacza to bardzo konkretne czynności. Jeśli model wskazuje cenę, porównujesz ją z aktualnym cennikiem. Jeśli przypisuje komuś zadanie, wracasz do notatki ze spotkania. Jeśli podaje wynik obliczenia, sprawdzasz dane wejściowe i sam rachunek.

Możesz poprosić AI o wskazanie fragmentów materiału, na których opiera odpowiedź. Ułatwi to przegląd, ale nadal trzeba otworzyć źródło i sprawdzić, czy rzeczywiście potwierdza dany wniosek. Ponowne pytanie tego samego modelu „czy na pewno masz rację?” nie daje niezależnego potwierdzenia.

Warto też dostosować dokładność kontroli do skutków pomyłki. Robocza lista pomysłów na post wymaga innego przeglądu niż oferta zawierająca zobowiązania wobec klienta. W drugim przypadku liczy się każde ustalenie, które odbiorca może potraktować jako wiążącą obietnicę.

Ustal podział pracy na przykładzie jednego zadania

Wyobraź sobie przygotowanie wiadomości do uczestników szkolenia. To przykładowa sytuacja, na której można przećwiczyć podział odpowiedzialności. Człowiek wybiera aktualny program, potwierdzone terminy i instrukcję dołączenia. AI porządkuje te informacje w czytelny szkic. Osoba odpowiedzialna za organizację porównuje tekst z materiałami i zatwierdza wysyłkę.

Najważniejsze jest określenie granic zadania. Model może poprawić układ wiadomości, ale nie powinien uzupełniać brakującej godziny rozpoczęcia na podstawie podobnego wydarzenia. Brak danych powinien być widoczny, żeby można było go uzupełnić przed publikacją.

Możesz wykorzystać takie polecenie: „Na podstawie poniższych materiałów przygotuj szkic wiadomości do uczestników. Zachowaj podane daty, godziny i warunki udziału. Przy brakujących informacjach wpisz DO POTWIERDZENIA. Na końcu wypisz elementy wymagające sprawdzenia przed wysyłką”. To moja propozycja ćwiczenia, a nie instrukcja zaczerpnięta z raportu.

Mierz czas całego zadania

Wygenerowanie tekstu to dopiero część pracy. Do oceny przydatności AI dolicz przygotowanie materiałów, sprawdzanie odpowiedzi i wprowadzanie poprawek. Dopiero wtedy zobaczysz, czy dany sposób działania rzeczywiście pomaga.

Przy kilku podobnych zadaniach zapisz czas wykonania oraz rodzaje błędów. Jeśli za każdym razem poprawiasz ten sam fragment, być może potrzebujesz lepszego materiału wejściowego lub precyzyjniejszych kryteriów. Jeśli sprawdzanie odpowiedzi trwa dłużej niż samodzielne wykonanie zadania, warto zmniejszyć zakres powierzany AI.

Twoja wiedza o klientach, firmie i konkretnej sytuacji pozwala ocenić, czy odpowiedź nadaje się do wykorzystania. Rozwijanie tej oceny jest częścią nauki AI, podobnie jak pisanie poleceń.

Wybierz jedno zadanie z tego tygodnia i zapisz trzy kryteria, które musi spełnić jego wynik. Przy najbliższej pracy z AI użyj ich do oceny odpowiedzi przed jej wykorzystaniem.

Źródło: Kasia Syrówka, „Raport Future® 2027. Rynek pracy i kompetencje przyszłości”, wyd. Syrowka.com Katarzyna Izabela Syrówka, s. 17–23. Przykłady i ćwiczenie stanowią autorskie rozwinięcie wniosków z raportu.