จะก้าวสู่การเป็นที่ปรึกษาด้าน AI ได้อย่างไร? [วิดีโอและแบบทดสอบ]

คำตอบสั้นๆ: จงเป็นที่ปรึกษาด้าน AI โดยการทำงานให้สำเร็จอย่างน้อยหนึ่งรอบในเวิร์กโฟลว์จริง ไม่ใช่โดยการสะสมตำแหน่งงาน ฝึกฝนให้เชี่ยวชาญด้าน LLMs, การดึงข้อมูล และ ความเสี่ยงของแบบจำลองจากนั้นจึงดำเนินการค้นหาข้อมูล โครงการนำร่อง การเขียนรายงาน และการสนับสนุน หากไม่มีสิทธิ์เข้าถึงระบบ ข้อมูล หรือบุคคลที่จะทำงานนั้น ให้ปฏิเสธงานนั้นไป

ประเด็นสำคัญ:

จบวงจร: ดำเนินการค้นหาข้อมูลแบบเสียค่าใช้จ่าย โครงการนำร่องขนาดเล็ก การเขียนรายงาน และการสนับสนุนให้ใช้งานได้จริง

ตั้งชื่อข้อเสนอ: ระบุว่า "ฉันช่วย X ทำ Y โดยไม่ต้องใช้ Z" แล้วรับเงินค่าตอบแทน

ความรับผิดชอบ: ระบุผู้รับผิดชอบ บันทึกการตัดสินใจ และระบุว่าใครเป็นผู้ถูกตำหนิ

ความโปร่งใส: ควรวางแผนขั้นตอนการทำงานก่อน การสาธิตไม่ใช่การวินิจฉัยโรค

การต่อต้านการนำไปใช้ในทางที่ผิด: ห้ามสัญญาเรื่องความแม่นยำที่ไม่สามารถวัดได้ หรือรับประกันว่า AI แบบสร้างภาพจะแก้ไขข้อมูลที่ไม่ถูกต้องได้

งานที่ไม่มีใครอธิบายได้อย่างชัดเจน (และทำไมถึงเป็นงานเปิดรับสมัครของคุณ)

นี่ไม่ใช่พนักงานฝ่ายบริการข้อมูลที่เก่งกว่านิดหน่อยพร้อมแล็ปท็อปที่ดีกว่าหรอกนะ คือบางครั้งมันก็ดูเป็นแบบนั้นอยู่สักสัปดาห์หนึ่ง จากนั้นก็จะเป็นการสัมภาษณ์เพื่อค้นหาข้อมูลกับหัวหน้าฝ่ายการเงินที่เหนื่อยล้า การตรวจสอบความพร้อมของข้อมูลที่เผยให้เห็นว่ามีแค่สเปรดชีตสามแผ่นกับการภาวนา และการพูดคุยเกี่ยวกับการจัดการการเปลี่ยนแปลงว่าทำไม การสาธิตการดึงข้อมูลถึงล้มเหลวเมื่อเจอกับสิทธิ์การใช้งานในระบบจริง

รุ่นที่คุ้มค่าแก่การกล่าวถึงตั้งอยู่ระหว่างห้องที่แออัดสามห้อง:

• ผู้บริหารถามว่า "กลยุทธ์ AI ของเราคืออะไร?" โดยที่ยังไม่ตกลงกันด้วยซ้ำว่าธุรกิจต้องการอะไร

• ผู้สร้างที่สามารถสร้างต้นแบบได้ก่อนพักเที่ยง แล้วหายตัวไปโต้เถียงเรื่องความเสี่ยงของแบบจำลอง

• ผู้ประกอบการที่ต้องอยู่กับสิ่งที่คุณทิ้งไว้เบื้องหลัง

คุณคือส่วนเชื่อมโยงที่สำคัญ นั่นคือส่วนที่หายาก ถ้าคุณสามารถจัดเวิร์คช็อป เขียนขอบเขตงาน (SOW) ที่กระชับ และหยุดทีมที่พยายามยัดเยียดหลักสูตร LLM เข้าไปในขั้นตอนการทำงานที่แค่ต้องการช่องทำเครื่องหมายได้ คุณก็มีโอกาสได้งานมากกว่าคนอื่นๆ อีกครึ่งหนึ่งแล้ว.

มีวิธีนึกภาพที่ไม่สมบูรณ์แบบอยู่บ้าง แต่ผมก็จะใช้มันอยู่ดี: คุณเป็นช่างประปาที่ต้องอธิบายเรื่องน้ำให้คณะกรรมการฟังด้วย เดินเข้าไปในห้องด้วยความเหนื่อยล้า แต่การค้นพบสิ่งใหม่ๆ ก็ยังต้องเฉียบคมอยู่ดี.

อะไรบ้างที่ถูกเรียกเก็บเงิน (กลยุทธ์ การก่อสร้าง และส่วนกลางที่ไม่น่าดึงดูดใจ)

ลูกค้าไม่ได้จ่ายเงินให้คุณเพื่อ "รู้เรื่อง AI" พวกเขาจ่ายเงินเมื่อปัญหาที่เกิดขึ้นนั้นมีค่าใช้จ่ายสูง เกี่ยวข้องกับการเมือง หรือน่าอับอายมากพอที่การจ้างคนภายนอกมาช่วยจะคุ้มค่ากว่าการแก้ไขปัญหาภายในที่ติดขัดอยู่.

ถังสามใบรั่วซึมเข้าหากัน:

• กลยุทธ์ การคัดกรองกรณีการใช้งาน "เราควรทำหรือไม่" โครงร่างการกำกับดูแล การพูดคุยเกี่ยวกับความเสี่ยงของแบบจำลองที่ทำให้ฝ่ายกฎหมายต้องตื่นตัว ความไว้วางใจสูงและง่ายต่อการปลอมแปลงอย่างน่าตกใจหากคุณพูดแต่ในกรอบเท่านั้น อย่าทำเช่นนั้น

• สร้าง ต้นแบบ ระบบช่วยควบคุม การเรียกคืนข้อมูล การออกแบบเวิร์กโฟลว์ ระบบอัตโนมัติเบื้องต้น สิ่งเหล่านี้จะช่วยให้คุณได้เข้าไปมีส่วนร่วม แต่ก็อาจติดกับดักได้หากคุณกลายเป็นทีมงานที่รับหน้าที่ดำเนินการโดยไม่ได้รับค่าตอบแทน

• การบริหารจัดการและการส่งเสริมการเปลี่ยนแปลง คู่มือการปฏิบัติงาน การฝึกอบรม "ผลลัพธ์จะเป็นอย่างไร" น่าแปลกใจที่สิ่งเหล่านี้มักถูกกล่าวถึงมากที่สุด แต่กลับไม่ค่อยได้รับความสนใจมากนัก

อย่างรวดเร็วทางวิศวกรรม นั้นสำคัญแน่นอน แต่ก็อย่าให้ความสำคัญมากเกินไป มันเป็นเพียงเครื่องปรุง ไม่ใช่ตัวอาหารหลัก ความพร้อมของข้อมูล การวิเคราะห์ผู้มีส่วนได้ส่วนเสีย และกระบวนการค้นหาข้อมูลที่ชัดเจน จะช่วยให้โครงการต่างๆ ประสบความสำเร็จได้มากกว่าการแจ้งเตือนจากระบบที่ชาญฉลาดเสียอีก

ความขัดแย้งเล็กๆ น้อยๆ ที่ผมต้องเผชิญคือ คุณต้องมีความคล่องแคล่วมากพอที่จะบอกได้ว่าอะไรไร้สาระ และต้องมีสติมากพอที่จะไม่สร้างอะไรขึ้นมาก่อนที่จะถามว่าใครเป็นเจ้าของผลลัพธ์นั้น ผมว่านั่นแหละคือหัวใจสำคัญของงานฝีมือนี้ (พูดออกมาได้ไม่ดีนัก).

ห้าเส้นทางที่ไม่จำเป็นต้องมีเรื่องราวต้นกำเนิดในตำนาน

ไม่มีบันไดทางเดียวหรอก พวกมันมีถิ่นที่อยู่แตกต่างกันไป และพวกมันก็กัดกินคนไม่เหมือนกัน เลือกเอาตัวรอดจากที่ที่คุณรับมือได้เถอะ.

ไม่มีทางเลือกใดดีกว่ากันในแง่ศีลธรรม การทำงานอิสระดูโรแมนติกจนกว่าคุณจะประเมินมูลค่าการค้นพบผิดพลาด การทำงานภายในองค์กรดูปลอดภัยจนกว่าคุณจะกลายเป็นผู้เชี่ยวชาญเฉพาะด้านสำหรับทุกไอเดียเกี่ยวกับแชทบอท.

จะก้าวสู่การเป็นที่ปรึกษาด้าน AI ได้อย่างไร? เริ่มต้นด้วยปัญหาที่เกิดขึ้นจริง ไม่ใช่ตำแหน่งงาน

คำตอบที่ตรงไปตรงมาสำหรับคำถามที่ว่า "จะ成为ที่ปรึกษาด้าน AI ได้อย่างไร?" นั้นแทบจะตรงไปตรงมาจนน่าตกใจ หยุดเก็บรวบรวมข้อมูลส่วนบุคคล เริ่มเก็บรวบรวมปัญหาที่คุณสามารถแก้ไขได้แทน.

1. ฝึกฝนให้คล่องแคล่วจนสามารถเป็นอันตรายได้อย่างถูกวิธี เรียนรู้เกี่ยวกับ LLMs, การดึงข้อมูล, ผู้ช่วยนักบิน, ระบบอัตโนมัติขั้นพื้นฐาน และความเสี่ยงของแบบจำลอง คุณไม่จำเป็นต้องฝึกอะไรตั้งแต่เริ่มต้นเลย

2. นั่งทำงานใกล้กับขั้นตอนการทำงานจริง เช่น ฝ่ายปฏิบัติการขาย ฝ่ายสนับสนุน ฝ่ายปิดบัญชีการเงิน ฝ่ายค้นหาข้อมูล สังเกตดูว่างานกองทับซ้อนกันอยู่ที่ไหน

3. ทำขั้นตอนต่างๆ ให้ครบวงจร ได้แก่ การค้นหาข้อมูล การทดลองใช้งานขนาดเล็ก การเขียนรายงานเกี่ยวกับสิ่งที่ผิดพลาด และการให้ความรู้แก่ผู้ใช้งาน

4. ใส่ชื่อลงในข้อเสนอด้วย เช่น "ฉันช่วย X ทำ Y โดยไม่ต้องใช้ Z" ชื่อไม่สวยก็ได้ แต่ถ้าคลุมเครือก็ไม่ดี

5. รับเงินค่าจ้าง แม้ว่าเช็คใบแรกอาจจะไม่ค่อยดีนักก็ตาม งาน "พอร์ตโฟลิโอ" ที่ไม่ได้รับค่าตอบแทน มักจะยังคงไม่ได้รับค่าตอบแทนต่อไป

ถ้าพื้นฐานของคุณคือด้านวิศวกรรม จุดอ่อนของคุณมักจะเป็นเรื่องของผู้มีส่วนได้ส่วนเสียและภาษาที่ใช้เกี่ยวกับผลตอบแทนจากการลงทุน (ROI) ถ้าคุณมาจากด้านกลยุทธ์หรือการดำเนินงาน จุดอ่อนของคุณคือการรู้ว่าเมื่อใดที่การสาธิตเป็นเพียงการแสดงละคร ไม่ว่าอย่างไรก็ตาม: จงหยิบยกปัญหาจริงมาแก้ แก้ปัญหาให้เสร็จ และอธิบายโดยไม่ใช้คำพูดที่ไม่จำเป็น.

เกือบจะเขียนว่า "สร้างแบรนด์ส่วนตัว" แล้ว แต่จะไม่เขียนดีกว่า ข้อเสนอที่ชัดเจนและคนไม่กี่คนที่รับสายคุณนั้นดีกว่าเครื่องจักรผลิตคอนเทนต์ที่ไม่เคยสร้างรายได้เลย งานจริงนั้นซับซ้อนกว่าการนำเสนอมาก นี่แหละคือเส้นทางที่ถูกต้อง.

เลือกช่องทางที่เหมาะสมโดยไม่ต้องปิดประตูทิ้งไว้ข้างหลัง

เอาล่ะ เรื่องเฉพาะกลุ่มน่ะ.

คำแนะนำเฉพาะทางมักจะเป็น "เลือก ICP เดียว ไม่งั้นก็ล้มเหลว" หรือ "ทำแบบทั่วไป" ซึ่งทั้งสองอย่างนั้นเป็นความจริงเพียงครึ่งเดียวและค่อนข้างน่ารำคาญ กลุ่มเป้าหมายเฉพาะที่ได้ผลมักจะเป็น เวิร์กโฟลว์ + ผู้ซื้อไม่ใช่ตระกูลโมเดล หัวหน้าฝ่ายสนับสนุนที่จมอยู่กับตั๋วปัญหา ทีมปฏิบัติการที่มีการส่งต่องานที่ยุ่งเหยิง และฝ่ายบริหารความเสี่ยงที่ต้องการการกำกับดูแลที่ไม่ใช่ไฟล์ PDF 90 หน้าที่ไม่มีใครอ่าน

คุณสามารถเปลี่ยนแปลงได้ในภายหลัง ในช่วงแรก ความเชี่ยวชาญเฉพาะด้านเป็นเพียงตัวกรอง ไม่ใช่รอยสัก อย่าจำกัดตัวเองว่า "ฉันใช้แต่เครื่องมือที่เรียนรู้เมื่อเดือนที่แล้วเท่านั้น" เครื่องมือต่างๆ จะหมุนเวียนไปเรื่อยๆ การตัดสินใจเกี่ยวกับความพร้อมของข้อมูล การจัดการการเปลี่ยนแปลง และโอกาสที่โครงการนำร่องจะประสบความสำเร็จ... สิ่งเหล่านี้จะเปลี่ยนแปลงไปตามแต่ละบุคคล.

อีกเรื่องหนึ่งที่อยากจะบอก (เขียนผิดตำแหน่งไปหน่อย เพราะบันทึกของผมเขียนแบบนั้น): ช่องทางเฉพาะ (niche) เปรียบเสมือนประตูเปิด ไม่ใช่กรงขัง ถ้าคุณสามารถอธิบายขั้นตอนการทำงานของผู้ซื้อได้ คุณก็มีความเชี่ยวชาญมากพอแล้ว.

ลูกค้ากลุ่มแรก หลักฐาน และปัญหาที่ยุ่งยากในช่วงเริ่มต้นของการสร้างพอร์ตโฟลิโอ

นี่คือส่วนที่ไม่มีใครชอบ คุณต้องการหลักฐาน คุณไม่มีหลักฐานแบบที่ผู้ซื้อต้องการ งานแรกที่ได้รับค่าจ้างมักจะเป็นการตรวจสอบขั้นตอนการทำงานที่ซับซ้อน ไม่ใช่โมเดลที่ทะเยอทะยาน นั่นเป็นเรื่องปกติ.

เมื่อไม่มีกรณีศึกษาที่ดูดีมีระดับ อะไรจึงจะถือเป็นหลักฐานได้:

• การวิเคราะห์เชิงลึกที่จำกัดขอบเขต: ระบบ ความพร้อมของข้อมูล จุดที่หลักสูตร LLM จะเป็นประโยชน์ และจุดที่อาจ ทำให้เกิดความสับสนในการกำหนดนโยบาย

• เวิร์กช็อปที่สร้างกรณีการใช้งานที่จัดลำดับความสำคัญร่วมกับเจ้าของโครงการ ไม่ใช่การระดมความคิดแบบเหมาหัว

• โครงการนำร่องขนาดเล็กที่แสดงผลลัพธ์ก่อนและหลังในด้านระยะเวลาในการดำเนินการ - ให้ใช้ตัวเลขที่เป็นรูปธรรมและตรงไปตรงมา ไม่ใช่ตัวเลขที่สมมติขึ้น

• การเสริมศักยภาพ: คู่มือฉบับย่อที่ทีมยังคงใช้ได้แม้หลังจากที่คุณลาออกไปแล้ว

วิธีที่คุณจะเข้าถึงลูกค้ากลุ่มแรกได้: อดีตเพื่อนร่วมงานที่ไว้ใจคุณอยู่แล้ว (นี่คือวิธีที่คนส่วนใหญ่เริ่มต้น อย่าแสร้งทำเป็นว่ามันเป็นแบบนั้น); งานที่เกี่ยวข้องหากคุณทำงานด้านปฏิบัติการอยู่แล้ว; การทำงานพาร์ทไทม์ให้กับทีมที่ต้องการคนช่วยคิดสักวันต่อสัปดาห์.

อย่าสร้างพอร์ตโฟลิโอปลอมขึ้นมา แต่จงสร้างเรื่องราวที่กระชับและชัดเจนเกี่ยวกับปัญหา สิ่งที่คุณลองทำ สิ่งที่ล้มเหลว และสิ่งที่คุณจะทำต่อไป ผู้ซื้อที่เคยผิดหวังกับเรื่องไร้สาระจะสัมผัสได้ถึงการแสดง พวกเขามักจะให้ความเคารพกับ "สิ่งนี้ไม่สำเร็จเพราะชุดข้อมูลที่ใช้ในการค้นหาเป็นเหมือนลิ้นชักเก็บของรกๆ"

เป็นการพูดเกินจริงไปเล็กน้อย: ลูกค้าสามรายแรกของคุณสอนคุณได้มากกว่าคอร์สเรียนใดๆ ก็ตาม แต่ในอีกแง่หนึ่ง คอร์สเรียนที่บังคับให้คุณส่งเครื่องบินนำร่องก็ไม่ใช่เรื่องเล็กน้อยเช่นกัน ผมขอถอนคำพูดนั้นเล็กน้อย.

การกำหนดราคา ค่าธรรมเนียมล่วงหน้า และการปฏิเสธโดยไม่ให้ฟังดูจุกจิก

เรื่องการตั้งราคาเป็นเรื่องที่คนเก่งมักเขินอาย พวกเขามักลดราคาเพราะรู้สึกว่าตัวเองยังใหม่ แล้วสุดท้ายก็ไม่พอใจกับงานที่ทำ และสุดท้ายงานก็ออกมาไม่เรียบร้อย.

• จงประเมินมูลค่าของการตัดสินใจ ไม่ใช่จำนวนชั่วโมงเมื่อคุณทำได้ การค้นพบที่ช่วยคลี่คลายปัญหาใหญ่ไม่ใช่เรื่องที่จะใช้เวลา "สองสามวัน"

• สัญญาแบบเหมาจ่าย เหมาะสำหรับการสนับสนุนการทำงาน การตรวจสอบการกำกับดูแล และการให้คำปรึกษาแบบแบ่งส่วน แต่จะไม่เหมาะสมหากลูกค้าต้องการเร่งสร้างงานโดยไม่มีผู้รับผิดชอบจากฝั่งลูกค้า

• เอกสารขอบเขตงาน (SOW) ควรระบุให้ชัดเจนว่า "งานเสร็จสมบูรณ์" นั้นมีลักษณะอย่างไร หากคุณเขียนรายละเอียดไม่ได้ คุณก็กำหนดราคาไม่ได้ จบแค่นั้น

• ปฏิเสธไปเลย หากได้รับคำขอว่า "ช่วยเขียนกลยุทธ์ AI ให้เราหน่อย" โดยที่ไม่สามารถเข้าถึงระบบ ข้อมูล หรือบุคคลที่ทำงานนั้นได้

อัตราค่าบริการรายวันนั้นตรงไปตรงมา แต่ช่วยควบคุมขอบเขตงานไม่ให้หดตัวลง รูปแบบผสมผสานเป็นที่นิยม: คิดค่าบริการสำหรับการค้นหาข้อมูลเบื้องต้น จากนั้นคิดค่าบริการสำหรับโครงการนำร่องในราคาคงที่ และสุดท้ายคิดค่าบริการแบบเหมาจ่ายหากพวกเขายังต้องการคุณอยู่ ฉันจะไม่บอกตัวเลขที่ไม่เป็นความจริงให้คุณฟัง ใครก็ตามที่อ้างอัตราค่าบริการรายวันแบบตายตัวว่าเป็นข้อเท็จจริงนั้นกำลังขายอะไรบางอย่าง ลองเปรียบเทียบราคาบริการให้คำปรึกษาที่คล้ายคลึงกันในแวดวงของคุณดู เช่น ที่ปรึกษาผลิตภัณฑ์ หรือหัวหน้างานฝ่ายปฏิบัติการแบบแบ่งส่วน.

จริยธรรม ความเสี่ยง และคำสัญญาที่จะตามหลอกหลอนคุณ

ส่วนนี้มีอยู่เพราะผลกระทบจากความล้มเหลว อย่าสัญญาเรื่อง ความแม่นยำที่คุณวัดไม่ได้อย่าสัญญาว่าทั้งทีมจะหายไป "เมื่อนักบินผู้ช่วยเริ่มใช้งานจริง" อย่าสัญญาว่า AI ที่สร้างขึ้นจะแก้ไขปัญหาคุณภาพข้อมูลได้ ในความเป็นจริงแล้วมันจะยิ่งทำให้ปัญหานั้นรุนแรงขึ้น อย่าสัญญาเรื่องการรักษาความลับที่คุณยังไม่ได้นำไปปฏิบัติจริง: ข้อมูลไปอยู่ที่ไหน ใครเป็นผู้บันทึกข้อความแจ้งเตือน และข้อมูลใดบ้างที่ถูกเก็บรักษาไว้

ความเสี่ยงของแบบจำลองไม่ใช่สโลแกนที่คุณจะเอามาแปะไว้บนสไลด์ แต่มันคือ "สิ่งนี้จะ ผิดพลาดอย่างแน่นอนในกระบวนการทำงานที่มีการควบคุม" การกำกับดูแลเปรียบเสมือนน้องที่ไม่น่าดึงดูดใจนัก: การเข้าถึง การประเมิน การตรวจสอบโดยมนุษย์และบันทึกการตรวจสอบ หากคุณละเลยสิ่งเหล่านี้ คนอื่นก็จะค้นพบช่องโหว่ในขั้นตอนการผลิต

นอกจากนี้ยังมีหลักจริยธรรมที่สำคัญกว่านั้นอีก เช่น อย่าทำให้ลูกค้ากลัวจนต้องสมัครโปรแกรมขนาดใหญ่ ในเมื่อการปรับปรุงขั้นตอนการทำงานภายในสองสัปดาห์ก็เพียงพอแล้ว อย่าพยายามขายระบบค้นหาข้อมูลแบบกำหนดเองเพิ่ม ในเมื่อปัญหาที่แท้จริงคือการปรับปรุงสิทธิ์การค้นหาให้ดีขึ้น.

คำอุปมาที่อาจจะผิดเพี้ยนไปบ้าง: การให้คำปรึกษาด้าน AI โดยปราศจากจริยธรรมก็เหมือนกับเครื่องตรวจจับควันไฟที่ขายไม้ขีดไฟไปด้วย ดูน่ารักจนกระทั่งมันไม่น่ารักอีกต่อไป คุณจะถูกขอให้ "นำไปใช้งานจริง" หลังจากสาธิตได้อย่างน่าประทับใจ ควรใช้เวลาในการพูดคุยเรื่องการประเมินผลและใครจะเป็นผู้รับผิดชอบเมื่อโมเดลทำงานผิดพลาดให้ช้าลง.

เมื่อการสาธิตไม่ใช่การวินิจฉัยโรค

เครื่องมือช่างเย้ายวนใจ มันทำให้คุณดูทำงานได้รวดเร็ว ผู้มีส่วนได้ส่วนเสียต่างปรบมือให้ แล้ววันจันทร์ก็มาถึง.

การสาธิตจะตอบคำถามว่า "ระบบนี้สามารถสร้างผลลัพธ์ที่สมเหตุสมผลได้หรือไม่" ส่วนการวิเคราะห์จะตอบคำถามว่า "องค์กรนี้ควรใช้ระบบนี้ที่นี่หรือไม่ กับข้อมูลชุดนี้ กับบุคคลชุดนี้ และกับระดับความเสี่ยงที่ยอมรับได้" ซึ่งแตกต่างจากกีฬาประเภทอื่นๆ.

สังเกตสัญญาณเหล่านี้: ไม่มีใครสามารถแสดงกระบวนการปัจจุบันตั้งแต่ต้นจนจบให้คุณเห็นได้; "ฐานความรู้" เป็นเหมือนบึงในไดรฟ์ที่ใช้ร่วมกันซึ่งไม่มีเจ้าของ; ความสำเร็จคือ "เราเปิดตัวบางสิ่งไปแล้ว"; ผู้ช่วยนักบินนั่งอยู่ในเวิร์กโฟลว์ที่ล้มเหลวอยู่แล้วด้วยเหตุผลที่ไม่เกี่ยวข้องกับ AI.

งานของคุณส่วนใหญ่คือการทำให้ทุกอย่างช้าลง ไม่ใช่เพราะคุณเรื่องมาก แต่เพราะนักบินที่ไม่ดีจะทำให้ทุกอย่างพังทลาย ดำเนินการค้นหาข้อมูลอย่างจริงจัง วางแผนขั้นตอนการทำงาน ถามว่าใครจะเป็นผู้รับผิดชอบหากเกิดข้อผิดพลาด จากนั้นค่อยเลือกเครื่องมือ.

การตัดสินใจคือผลลัพธ์ ส่วนเอกสารที่จัดเรียงไว้คือเครื่องแต่งกาย ผมพูดอย่างนั้นทั้งที่รู้ดีว่าต้นแบบที่สมบูรณ์แบบยังคงเปิดประตูสู่โอกาสต่างๆ ได้มากกว่าบันทึกช่วยจำ ใช้การสาธิตเป็นหลักฐานประกอบการวินิจฉัย ไม่ใช่ใช้แทนกัน มันคุ้มค่าที่จะทดสอบ ขึ้นอยู่กับสถานการณ์ การทดสอบการเรียกใช้ข้อมูลแบบสดๆ อาจดีกว่าการนำเสนอเอกสารที่ขัดเกลามาอย่างดี อ่านสถานการณ์ให้ดี แล้วค่อยทดสอบต่อไป.

การดำเนินงาน สัญญา การส่งมอบ: งานครึ่งหนึ่งที่ไม่น่าดึงดูดใจนัก

ถ้าคุณทำงานอิสระหรือในรูปแบบสตูดิโอ ธุรกิจจะพยายามเข้ามาแย่งงานให้คำปรึกษาไป อีเมล ใบแจ้งหนี้ สัญญา "ช่วยคุยทางโทรศัพท์หน่อยได้ไหม"

อุปกรณ์ขั้นต่ำสำหรับผู้ใหญ่:

• สัญญาแบบง่ายๆ: ขอบเขตงาน, ทรัพย์สินทางปัญญา, การรักษาความลับ, การจัดการข้อมูล, การยุติสัญญา

• ต้องมีขอบเขตงาน (SOW) สำหรับทุกโครงการ แม้แต่กับคนที่คุณชอบ โดยเฉพาะอย่างยิ่งกับคนที่คุณชอบ.

• จังหวะการส่งมอบ: บันทึกประจำสัปดาห์ บันทึกการตัดสินใจ ความเสี่ยง แห้งแล้ง ทองคำ.

• ไฟล์ที่ไม่ปรากฏในโฟลเดอร์ดาวน์โหลดของคุณ รวมถึงกฎการเข้าถึงสำหรับระบบที่คุณใช้งาน

การส่งมอบงานคือจุดที่ชื่อเสียงสร้างตัวขึ้น ควรมาถึงพร้อมเอกสารประกอบการทำงาน อย่าหายตัวไประหว่างการอบรม เมื่อโครงการนำร่องมีปัญหา ควรแจ้งให้ทราบตั้งแต่เนิ่นๆ พร้อมเสนอทางเลือก ไม่ใช่มาขอโทษทีหลังโดยแฝงมาในรูปแบบของการอัปเดตสถานะ.

ถ้าคุณลาออกไปแล้วเหลือแค่คุณคนเดียวที่ดูแลทุกอย่าง คุณก็ไม่ได้ปรึกษาหารือกับใคร คุณกลายเป็นอุปสรรคที่คิดค่าจ้างรายวัน สอนงาน จัดทำเอกสาร แล้วส่งต่อให้คนอื่น.

เส้นทางนี้หมายความว่าอย่างไรกันแน่

ใช่แล้ว คำถามที่ว่า “จะ成为ที่ปรึกษาด้าน AI ได้อย่างไร?” คำตอบอาจจะค่อนข้างแห้งแล้งสักหน่อย เรียนรู้เทคโนโลยีให้ดีพอที่จะแยกแยะความแตกต่างระหว่างเรื่องแต่งกับเรื่องจริงได้ ลองทำงานในขั้นตอนจริง ทำงานให้เสร็จสมบูรณ์ คิดค่าบริการสำหรับการวิเคราะห์ปัญหา และปฏิเสธการแสดงละคร.

เส้นทางนี้ไม่ใช่หลักสูตร ประกาศนียบัตร หรือหัวข้อโปรไฟล์ที่เปลี่ยนชื่อใหม่ แต่มันคือโจทย์ปัญหาที่มีขอบเขตชัดเจนและได้รับค่าตอบแทน ซึ่งคุณได้ช่วยเหลือมนุษย์ในการตัดสินใจที่ดีขึ้นเกี่ยวกับกลยุทธ์ AI ระบบอัตโนมัติ หรือผู้ช่วยนักบินที่ยังไม่เคยมีอยู่มาก่อน แล้วก็ต่อด้วยโจทย์อื่นๆ อีก.

คุณไม่จำเป็นต้องเป็นคนที่ฉลาดที่สุดในการประชุมวิเคราะห์ความเสี่ยงของแบบจำลอง คุณแค่ต้องเป็นคนที่ยังสามารถอธิบายงานได้แม้หลังจากปิดสไลด์แล้ว นั่นเป็นสิ่งที่หาได้ยากกว่าที่ควรจะเป็น และแค่นั้นก็เพียงพอแล้วที่จะเริ่มต้น.

ตัวอย่างในโลกแห่งความเป็นจริง: การค้นหาข้อมูลเพื่อสนับสนุนลูกค้าเป็นเวลาสองสัปดาห์ ในฐานะงานบริการแบบเสียค่าใช้จ่ายครั้งแรก

สถานการณ์

มายาอายุ 34 ปี เธอทำงานด้านปฏิบัติการที่บริษัทโบรกเกอร์ประกันภัยระดับภูมิภาคมาหกปี เป็นคนที่เพื่อนร่วมงานโทรหาเมื่อการทดลองใช้ Copilot ให้คำตอบที่มั่นใจแต่ผิดพลาดเกี่ยวกับถ้อยคำในกรมธรรม์ เธอสามารถจัดอบรม เขียนสรุปสั้นๆ และบอกได้ว่าขั้นตอนการทำงานควรใช้ช่องทำเครื่องหมายแทนที่จะใช้แบบจำลอง เธอไม่สามารถฝึกอบรมอะไรตั้งแต่เริ่มต้นได้ และเธอก็ไม่ได้แสร้งทำเป็นว่าทำได้.

ในเดือนมีนาคม เธอจะลาออกไปลองทำงานฟรีแลนซ์ ไม่มีระบบดึงดูดลูกค้าขาเข้า มีแดน อดีตเพื่อนร่วมงาน ปัจจุบันดำรงตำแหน่งหัวหน้าฝ่ายสนับสนุนลูกค้าที่นอร์ธไลน์ บริษัทซอฟต์แวร์แบบ B2B ขนาด 180 คนในแมนเชสเตอร์ มีพนักงานรับสาย 4 คน มีไดรฟ์ที่ใช้ร่วมกันโดยไม่มีเจ้าของ ฝ่ายบริหารกำลังพูดถึงการทดลองใช้แชทบอทในที่ประชุมใหญ่ของบริษัทแล้ว แต่พนักงานรับสายก็หยุดเปิดดูเงียบๆ แดนต้องการความช่วยเหลือก่อนการประชุมคณะกรรมการบริหารครั้งต่อไป ไม่ใช่การเปลี่ยนชื่อตำแหน่งงานของเขา.

มายาไม่ได้ขาย "กลยุทธ์ AI" เธอขายการสำรวจข้อมูลแบบตายตัวในระยะเวลาสองสัปดาห์: วางแผนว่าการตอบคำถามในทางปฏิบัติเป็นอย่างไร ระบุว่า AI แบบสร้างข้อมูลอัตโนมัติจะช่วยได้ในส่วนใด และจะทำให้ยุ่งยากขึ้นในส่วนใด และแนะนำโครงการนำร่องที่มีขอบเขตจำกัดพร้อมผู้รับผิดชอบที่ระบุชื่อไว้ หากผลการค้นพบคือ "แก้ไขสิทธิ์และเขียนบทความที่ขาดหายไป" นั่นคือสิ่งที่ต้องส่งมอบ แดนจ่ายเงินตามการตัดสินใจ ไม่ใช่ตามต้นแบบที่เธอไม่ได้กำหนดขอบเขตไว้.

สิ่งที่ที่ปรึกษาต้องการ

• เอกสารแสดงขอบเขตงานหนึ่งหน้าซึ่งระบุ "สิ่งที่เสร็จสมบูรณ์": แผนผังขั้นตอนการทำงาน รายการกรณีการใช้งานที่ให้คะแนนพร้อมผู้รับผิดชอบ การตัดสินใจว่าจะดำเนินการต่อหรือไม่สำหรับโครงการนำร่อง และรายงานสองหน้าเกี่ยวกับสิ่งที่อาจทำให้เกิดปัญหา

• สามารถเข้าถึงข้อมูลคำถามที่ปิดไปแล้ว 12 รายการ ซึ่งเป็นคำถามประเภท "ฉันจะทำได้อย่างไร / นโยบายคืออะไร" โดยได้ลบชื่อลูกค้าออกแล้ว

• สิทธิ์การเข้าถึงแบบอ่านอย่างเดียวสำหรับศูนย์ช่วยเหลือ ไดรฟ์ที่ใช้ร่วมกัน และบันทึกการถอดเสียงแชทบอทที่ถูกทิ้งร้าง

• ใช้เวลา 45 นาทีต่อคน กับเจ้าหน้าที่สองคน หัวหน้าทีม และผู้ที่คาดว่าจะเป็นเจ้าของฐานความรู้ (อาจไม่มีใครเลยก็ได้ นั่นถือเป็นข้อค้นพบ)

• แดนเป็นผู้มีอำนาจตัดสินใจ โดยมีช่วงเวลาในสัปดาห์ที่สองเพื่อตอบรับหรือปฏิเสธข้อเสนอแนะ

• กฎเกี่ยวกับข้อมูลที่เป็นลายลักษณ์อักษร: ห้ามใช้ข้อมูลส่วนบุคคลของลูกค้าในเครื่องมือสำหรับผู้บริโภค ห้ามเขียนข้อมูลเพื่อการผลิต ต้องมีการตรวจสอบโดยมนุษย์สำหรับทุกสิ่งที่เกี่ยวข้องกับลูกค้า

• บันทึกการตัดสินใจแบบง่ายๆ แห้งแล้ง พร้อมใช้งานทันทีที่ใครถามว่า "ทำไมเราไม่เปิดใช้งานบอทไปเลยล่ะ?"

ตัวอย่างคำแนะนำ

มายาเขียนข้อความนี้ลงในรายละเอียดของงานด้วยภาษาธรรมดา ไม่ได้ใช้ช่องข้อความแจ้งเตือน:

คุณว่าจ้างผมให้วิเคราะห์ขั้นตอนการตอบคำถามลูกค้าของ Northline ไม่ใช่ให้ติดตั้งแชทบอท ภายในสิบวันทำการ ผมจะ (1) ติดตามกระบวนการปัจจุบัน (2) ระบุขั้นตอนที่ช้าเนื่องจากขาดบทความ สิทธิ์ หรือการส่งต่อ (3) ประเมินว่าส่วนใดที่ผู้ช่วยค้นหาสามารถร่างคำตอบได้ และส่วนใดที่แบบจำลองภาษาเป็นเครื่องมือที่ไม่เหมาะสม และ (4) แนะนำโครงการนำร่องหนึ่งโครงการพร้อมผู้รับผิดชอบ กฎการหยุด และชุดทดสอบ 12 ตั๋ว ผมจะไม่นำสิ่งใดไปให้ลูกค้าใช้งาน ผมจะไม่สัญญาว่าจะประหยัดค่าใช้จ่ายด้านบุคลากร หากการทดลองใช้แชทบอทไม่เหมาะสม ผมจะบอกด้วยหลักฐานจากตั๋ว ไม่ใช่จากกรอบการทำงาน.

หาก Northline ต้องการทดสอบการเรียกคืนข้อมูลในภายหลัง คำแนะนำสำหรับเครื่องมือก็จะกระชับเช่นกัน:

ร่างคำตอบสำหรับคำขอความช่วยเหลือนี้โดยใช้เฉพาะบทความในศูนย์ช่วยเหลือที่เชื่อมโยงไว้เท่านั้น อ้างอิงชื่อบทความ หากคำตอบไม่อยู่ในบทความเหล่านั้น ให้ระบุว่า "ไม่มีอยู่ในชุดข้อมูล" และหยุด อย่าสร้างเงื่อนไขการคืนเงิน ข้อยกเว้นเฉพาะภูมิภาค หรือตัวเลข SLA ขึ้นมาเอง.

ย่อหน้าที่สองนั้นเปรียบเสมือนเครื่องปรุงรส ส่วนรายละเอียดของงานนั้นเปรียบเสมือนอาหารจานหลัก.

ร่างเอกสารที่ดีควรมีลักษณะเช่นนี้: "ไม่พบข้อมูลในเอกสารหลัก ระยะเวลาการคืนเงินไม่ได้ระบุไว้ใน 40 บทความ โปรดแจ้งไปยังฝ่ายเรียกเก็บเงิน" ส่วนร่างเอกสารที่ไม่ดีควรมีลักษณะเช่นนี้: "คุณมีสิทธิ์ได้รับเงินคืนภายใน 14 วันตามปกติ ฉันได้ดำเนินการอนุมัติเรียบร้อยแล้ว" ความแตกต่างอยู่ที่ความเสี่ยงโดยรวม.

วิธีการทดสอบ

ก่อนที่มายาจะประกาศว่าการค้นพบเสร็จสิ้นแล้ว เธอได้ทำการทดสอบเล็กๆ ที่ไม่น่าดูนักกับเจ้าหน้าที่สองคนที่อยู่ในห้องนั้น.

• ปิดเคสทั้งหมด 12 เคส ประเภทเดียวกัน จับเวลาด้วยนาฬิกาจับเวลาในโทรศัพท์ ตั้งแต่เปิดเคสจนถึงข้อความ "ฉันมีข้อความที่จะส่งแล้ว"

• สำหรับแต่ละคำถาม: แชทบอทที่ถูกทิ้งไว้ให้คำตอบที่ใช้ได้หรือไม่ คำตอบที่ผิดอย่างมั่นใจ หรือไม่มีคำตอบใดๆ ที่เจ้าหน้าที่จะส่งให้เลย?

• หลังจากทดลองค้นหาข้อมูลแล้ว: ร่างเอกสารอ้างอิงถึงบทความจริงหรือไม่ และบทความนั้นกล่าวเช่นนั้นจริงหรือไม่?

• กรณีพิเศษที่เธอจงใจสร้างขึ้น ได้แก่ ข้อยกเว้นเฉพาะภูมิภาคที่ฝังอยู่ในความคิดของใครบางคน คำขอคืนเงิน ตั๋วที่แท้จริงแล้วเป็นข้อพิพาทเรื่องการเรียกเก็บเงิน และคำถามที่บทความนั้นล้าสมัยไปแล้วสองปี

• การยอมรับการมีส่วนร่วม: แดนสามารถชี้ให้เห็นถึงขั้นตอนต่อไปที่แนะนำ ผู้รับผิดชอบ และประโยคที่เขาสามารถพูดกับผู้บริหารได้โดยไม่พูดเกินจริง

ถ้าเธอไม่สามารถจับเวลาพื้นฐานได้ เธอก็จะไม่สามารถพูดถึงเวลาที่ประหยัดได้ในภายหลังได้ ถ้าไม่มีใครเป็นเจ้าของชุดข้อมูล โครงการนำร่องก็ไม่ใช่ "สร้างผู้ช่วยนักบิน" แต่มันคือ "ตั้งชื่อเจ้าของหรือหยุด"

ผลลัพธ์

ผลลัพธ์ที่แสดงนี้เป็นเพียงตัวอย่าง จากการทดสอบจำลอง ไม่ใช่ตัวเลขที่เผยแพร่อย่างเป็นทางการของ Northline.

ข้อสมมติฐาน: ตั๋วแบบนโยบาย 12 ใบ; เจ้าหน้าที่ 2 คน; การจับเวลาทำด้วยนาฬิกาจับเวลาในระหว่างการสังเกตการณ์ รวมถึงการค้นหาในไดรฟ์ที่ใช้ร่วมกัน; การทดลองการดึงข้อมูลใช้เฉพาะบทความศูนย์ช่วยเหลือที่แก้ไขแล้ว 40 บทความเท่านั้น; ร่างทุกฉบับต้องผ่านรายการตรวจสอบสามข้อ (นโยบายถูกต้อง อ้างอิงแหล่งที่มา ไม่มีข้อความเพิ่มเติมที่สร้างขึ้นเอง) ก่อนที่จะถือว่ายอมรับได้.

ผลการประเมินเบื้องต้น สัปดาห์แรก: เวลาเฉลี่ยในการสร้างข้อความตัวอย่างที่ใช้งานได้คือ 14 นาที ตั๋วแจ้งปัญหา 7 จาก 12 ใบจำเป็นต้องส่งข้อความแจ้งเตือนไปยังเพื่อนร่วมงานผ่าน Slack การทดลองใช้แชทบอทที่มีอยู่เดิมนั้นให้คำตอบที่เจ้าหน้าที่ยินดีส่ง 0 จาก 12 คำตอบ และคำตอบจากแชทบอทสองคำตอบนั้นได้สร้างเงื่อนไขการคืนเงินภายใน 14 วันขึ้นมาเอง ซึ่งไม่มีอยู่ในบทความใดๆ เลย.

หลังจากการฝึกอบรม 90 นาทีและการทดลองค้นหาบทความในคลังข้อมูล 40 บทความ เวลาเฉลี่ยในการร่างฉบับแรกคือ 6 นาที การตรวจสอบบทความที่อ้างอิงใช้เวลาเพิ่มอีก 3 นาที ดังนั้นเวลาสุทธิคือ 9 นาทีต่อตั๋วในตัวอย่างนี้ ซึ่งน้อยกว่าตั๋วหมายเลข 14 ถึง 5 นาที หรือ 60 นาทีสำหรับตั๋วทั้งหมด 12 ใบ 8 ใน 12 ฉบับร่างตรงตามรายการตรวจสอบในการตรวจสอบครั้งแรก 3 ฉบับเป็นปัญหา "ไม่มีในคลังข้อมูล" (บทความที่หายไป) หนึ่งฉบับพยายามสร้างข้อยกเว้นเฉพาะภูมิภาคขึ้นมา เจ้าหน้าที่ตรวจพบเนื่องจากคำแนะนำระบุให้เปิดแหล่งที่มา.

ตัวเลขเหล่านี้เป็นเพียงตัวอย่างประมาณการโดยอิงจากการทดสอบที่ระบุไว้ กลุ่มตัวอย่างขนาดเล็ก และตั๋วที่จัดการได้ง่ายกว่าข้อพิพาทเรื่องการเรียกเก็บเงิน ตัวเลขเหล่านี้ไม่ใช่เหตุผลในการลดจำนวนพนักงาน และไม่ใช่หลักฐานที่พิสูจน์ได้ว่า "AI ช่วยประหยัดเวลาในการจัดการได้ 36%" ในการใช้งานจริง เวลาในการตรวจสอบรวมอยู่ด้วยแล้ว แชทบอทที่พวกเขามีอยู่แล้วนั้นดูแย่กว่าทั้งในด้านคุณภาพและความเร็ว.

ผลลัพธ์ด้านอาชีพต่างหากที่สำคัญที่สุด มายาจากไปพร้อมกับรายงานประเมินผลงานที่ได้รับค่าตอบแทน แผนผังขั้นตอนการทำงาน คำปฏิเสธเกี่ยวกับแชทบอทตัวแรก คำตอบรับแบบมีเงื่อนไขสำหรับการทดลองใช้งานกับเจ้าของ และลูกค้าที่ยินดีรับสายของเธอ นั่นคือวงจรการทำงานที่สมบูรณ์ และเป็นเรื่องราวที่เธอสามารถเล่าได้โดยไม่ต้องเสริมแต่งใดๆ.

อะไรบ้างที่อาจผิดพลาดได้

• ผู้บริหารยังคงต้องการแชทบอทตัวเดิมเพราะการสาธิตดูสวยงาม การวินิจฉัยที่บอกว่า "ยังไม่พร้อม" อาจแพ้สไลด์ได้.

• บทความทั้ง 40 ชิ้นจะหมดอายุภายในหกสัปดาห์หากไม่มีใครเป็นเจ้าของ จากนั้นการค้นหาจะใช้การคาดเดาที่มีมารยาทดีกว่า.

• มายาเขียนรายละเอียดงานที่ไม่ชัดเจน ("ทำให้ระบบสนับสนุนพร้อมใช้งาน AI") และกลายเป็นทีมงานที่รับผิดชอบการดำเนินการโดยไม่ได้รับค่าตอบแทน.

• นโยบายการคืนเงินที่ผิดพลาดอย่างมั่นใจส่งถึงลูกค้าเพราะการตรวจสอบโดยมนุษย์ระบุว่า "เราจะเพิ่มส่วนนั้นในภายหลัง"

• ข้อความในใบเสร็จที่มีข้อมูลส่วนบุคคลของลูกค้าถูกคัดลอกไปวางในเครื่องมือสำหรับผู้บริโภค คำมั่นสัญญาเรื่องการรักษาความลับนั้นเป็นเพียงคำมั่นสัญญาด้วยวาจา.

• แดนเปลี่ยนงานในเดือนที่สอง ไม่มีเจ้าของ ไม่มีค่าตอบแทน ไม่มีใครคอยบอกว่านักบินกำลังพลาดพลั้ง.

• เธอรายงานการประหยัดเวลา 5 นาทีเป็นตัวชี้วัดผลการดำเนินงานของบริษัท ผู้มีส่วนได้ส่วนเสียจำตัวเลขได้ แต่ลืมขนาดของกลุ่มตัวอย่างไป.

ข้อคิดที่นำไปใช้ได้จริง

เส้นทางนี้คือเวิร์กโฟลว์ที่ใช้งานจริง ขอบเขตที่ต้องชำระเงิน การทดสอบที่คุณสามารถเรียกใช้ซ้ำได้ และความตรงไปตรงมาในการบอกว่าแบบจำลองภาษาเป็นเครื่องมือที่ไม่เหมาะสมเมื่อตั๋วแจ้งปัญหาบอกเช่นนั้น สิ่งที่คุณขายคือวิจารณญาณ วงจรการทำงานที่สมบูรณ์ครั้งแรกคือวิธีที่คุณจะกลายเป็นคนที่คู่ควรแก่การว่าจ้าง.

คำถามที่พบบ่อย

ที่ปรึกษาด้าน AI ทำอะไรบ้าง?

งานของคุณคือการแปลความหมาย คุณต้องค้นหาจุดที่เป็นปัญหาในห้องที่เต็มไปด้วยความสงสัย และนำร่องโครงการออกมาโดยไม่ทำให้ใครอับอาย นั่นอาจหมายถึงกลยุทธ์ การสร้าง การสนับสนุน หรือการกำกับดูแล รวมถึงการรู้ว่าเมื่อใดที่ LLM เป็นเครื่องมือที่ไม่เหมาะสม คุณอยู่ระหว่างผู้นำ ผู้สร้างที่สร้างต้นแบบอย่างรวดเร็ว และผู้ปฏิบัติงานที่ต้องอยู่กับสิ่งที่คุณทิ้งไว้ จัดเวิร์กช็อป เขียนขอบเขตงานให้กระชับ หยุดการยัดเยียด LLM เข้าไปในเวิร์กโฟลว์ที่ต้องการเพียงแค่ช่องทำเครื่องหมาย.

จะเริ่มต้นเป็นที่ปรึกษาด้าน AI ได้อย่างไร?

หยุดสะสมข้อมูลส่วนตัว เริ่มสะสมปัญหาที่คุณสามารถแก้ไขได้ ฝึกฝนให้เชี่ยวชาญเรื่อง LLMs, การดึงข้อมูล, ผู้ช่วยควบคุมระบบ, ระบบอัตโนมัติขั้นพื้นฐาน และการประเมินความเสี่ยงของแบบจำลอง จนคุณสามารถบอกได้ว่าอะไรคือเรื่องไร้สาระ โดยไม่ต้องฝึกแบบจำลองตั้งแต่เริ่มต้น นั่งทำงานข้างๆ เวิร์กโฟลว์จริง รันลูปให้ครบหนึ่งรอบ (การค้นหาข้อมูล, โครงการนำร่องขนาดเล็ก, การเขียนรายงานปัญหา, การแก้ไขปัญหา) ตั้งชื่อข้อเสนอว่า "ฉันช่วย X ทำ Y โดยไม่ต้องใช้ Z" แล้วรับเงิน ข้อเสนอที่ชัดเจนและคนไม่กี่คนที่รับสายของคุณดีกว่าเครื่องมือสร้างคอนเทนต์ที่ไม่เคยเรียกเก็บเงิน.

ฉันจำเป็นต้องฝึกฝนโมเดลหรือเชี่ยวชาญด้านการออกแบบข้อความแจ้งเตือนก่อนหรือไม่?

ไม่ คุณไม่จำเป็นต้องฝึกโมเดลตั้งแต่เริ่มต้น และการสร้างข้อความแจ้งเตือนอย่างรวดเร็วเป็นเพียงเครื่องปรุง ไม่ใช่ส่วนสำคัญที่สุด การเตรียมข้อมูลให้พร้อม การระบุผู้มีส่วนได้ส่วนเสีย และกระบวนการค้นหาข้อมูลที่ชัดเจน ช่วยประหยัดเวลาและทรัพยากรในโครงการได้มากกว่าข้อความแจ้งเตือนจากระบบที่ชาญฉลาด วิศวกรส่วนใหญ่มักต้องการภาษาที่เข้าใจง่ายเกี่ยวกับผู้มีส่วนได้ส่วนเสียและผลตอบแทนจากการลงทุน (ROI) ส่วนฝ่ายกลยุทธ์และปฏิบัติการจำเป็นต้องรู้ว่าเมื่อใดที่การสาธิตเป็นเพียงการแสดงละคร ไม่ว่าในกรณีใดก็ตาม ให้หยิบยกปัญหาจริงมาหนึ่งข้อ ทำให้เสร็จ และอธิบายโดยไม่ต้องมีส่วนเกิน.

ฉันควรเลือกเส้นทางอาชีพไหนดี ระหว่างงานฟรีแลนซ์ งานประจำในบริษัท สตูดิโอ หรือเอเจนซี่?

ไม่มีบันไดขั้นเดียวหรอก ฟรีแลนซ์อิสระจะได้กำไรจากการค้นหาและพัฒนาโปรเจกต์ แต่รูปแบบการทำงานจะเป็นแบบมีช่วงรุ่งเรืองสลับกับช่วงตกต่ำ สตูดิโอขนาดเล็กขายทีมงาน หัวหน้าทีม AI ภายในองค์กรได้เงินเดือน สิทธิ์ในการเข้าถึง และอิทธิพล แพ็คเกจให้คำปรึกษาแบบสำเร็จรูป เวิร์คช็อป และการตรวจสอบ ผู้รับเหมาของเอเจนซี่ได้ฐานลูกค้า และสามารถเข้ามาช่วยงานได้หากขอบเขตงานไม่ชัดเจน การทำงานอิสระดูโรแมนติกจนกว่าคุณจะตั้งราคาการค้นหาผิดพลาด การทำงานภายในองค์กรดูปลอดภัยจนกว่าคุณจะเป็นนักมายากลประจำที่คิดไอเดียแชทบอททุกอย่าง.

ฉันจะเลือกกลุ่มเป้าหมายเฉพาะทางในฐานะที่ปรึกษาด้าน AI ได้อย่างไร?

ช่องทางเฉพาะที่ได้ผลในที่นี้มักจะเป็นขั้นตอนการทำงานบวกกับผู้ซื้อ ไม่ใช่แบบจำลองครอบครัว ลองนึกถึงหัวหน้าฝ่ายสนับสนุนที่จมอยู่กับตั๋วงาน ทีมปฏิบัติการที่มีการส่งต่องานที่ยุ่งเหยิง หรือผู้ที่ดูแลความเสี่ยงที่ต้องการการกำกับดูแลที่ไม่ใช่เอกสาร PDF 90 หน้าที่ไม่มีใครอ่าน ในช่วงแรก ช่องทางเฉพาะเป็นเพียงตัวกรอง ไม่ใช่รอยสัก อย่าติดตัวเองกับเครื่องมือที่คุณเรียนรู้เมื่อเดือนที่แล้ว เครื่องมือต่างๆ เปลี่ยนแปลงไปเรื่อยๆ ในขณะที่การตัดสินใจเกี่ยวกับความพร้อมของข้อมูล การจัดการการเปลี่ยนแปลง และโอกาสที่โครงการนำร่องจะประสบความสำเร็จนั้นเปลี่ยนแปลงไป หากคุณสามารถอธิบายสัปดาห์ของผู้ซื้อได้ คุณก็มีความเชี่ยวชาญเพียงพอแล้ว.

จะก้าวเป็นที่ปรึกษาด้าน AI ได้อย่างไรโดยไม่ต้องมีกรณีศึกษาหรือแฟ้มผลงานที่ดูดี?

งานแรกที่ได้รับค่าตอบแทนมักจะเป็นการตรวจสอบเวิร์กโฟลว์ที่ซับซ้อน ไม่ใช่งานโปรเจกต์ใหญ่โต หลักฐานอาจเป็นการวิเคราะห์เชิงลึกที่จำกัดขอบเขต การจัดเวิร์คช็อปที่สร้างกรณีการใช้งานที่จัดลำดับความสำคัญร่วมกับผู้รับผิดชอบ โครงการนำร่องขนาดเล็กที่มีการเปรียบเทียบก่อนและหลังในเรื่องเวลาในการทำงานให้เสร็จ หรือคู่มือการทำงานที่ทีมยังคงใช้ต่อไปหลังจากที่คุณลาออกไปแล้ว คนส่วนใหญ่เริ่มต้นด้วยเพื่อนร่วมงานเก่า งานด้านปฏิบัติการที่เกี่ยวข้อง หรือการทำงานพาร์ทไทม์หนึ่งวันต่อสัปดาห์ อย่าสร้างพอร์ตโฟลิโอขึ้นมาเอง แต่จงสร้างเรื่องราวที่ชัดเจนเกี่ยวกับปัญหา สิ่งที่คุณลองทำ สิ่งที่ล้มเหลว และสิ่งที่คุณจะทำต่อไป.

ฉันควรตั้งราคาบริการให้คำปรึกษาด้าน AI และค่าบริการรายเดือนอย่างไรดี?

ควรคิดราคาตามการตัดสินใจ ไม่ใช่ตามจำนวนชั่วโมง เมื่อใดก็ตามที่คุณทำได้ การค้นพบที่ช่วยคลี่คลายปัญหาที่ยุ่งยากนั้นไม่ใช่เรื่องที่จะใช้เวลาเพียงไม่กี่วัน ค่าบริการรายเดือนเหมาะสำหรับการสนับสนุน การตรวจสอบการกำกับดูแล และการให้คำปรึกษาแบบแบ่งส่วน และไม่เหมาะสำหรับโครงการเร่งด่วนที่ไม่มีผู้รับผิดชอบอยู่ฝั่งตนเอง ขอบเขตงานควรระบุว่า "เสร็จสมบูรณ์" นั้นมีลักษณะอย่างไร เพราะหากคุณเขียนรายละเอียดไม่ได้ คุณก็คิดราคาไม่ได้ รูปแบบผสมผสานเป็นเรื่องปกติ: การค้นพบที่ได้รับค่าตอบแทน จากนั้นโครงการนำร่องที่กำหนดราคาตายตัว และสุดท้ายคือค่าบริการรายเดือน ควรกำหนดราคาให้ใกล้เคียงกับค่าใช้จ่ายของงานให้คำปรึกษาที่คล้ายคลึงกันในแวดวงของคุณ แทนที่จะไล่ตามอัตราค่าบริการรายวันที่ใช้ได้กับทุกคน.

อะไรบ้างที่ฉันไม่ควรรับปากกับลูกค้าเกี่ยวกับ AI แบบสร้างสรรค์?

อย่าสัญญาเรื่องความแม่นยำที่คุณวัดไม่ได้ อย่าสัญญาเรื่องทีมงานที่หายไปเมื่อระบบผู้ช่วยนักบินเริ่มทำงาน หรืออย่าสัญญาเรื่อง AI ที่สร้างขึ้นเองจะแก้ไขปัญหาคุณภาพข้อมูลที่มันจะยิ่งทำให้ปัญหานั้นรุนแรงขึ้น อย่าสัญญาเรื่องการรักษาความลับที่คุณยังไม่ได้นำไปปฏิบัติจริง: ข้อมูลไปอยู่ที่ไหน ใครเป็นคนบันทึกข้อความแจ้งเตือน และข้อมูลใดบ้างที่ถูกเก็บรักษาไว้ ความเสี่ยงของแบบจำลองคือแบบจำลองที่ผิดพลาดอย่างมั่นใจในขั้นตอนการทำงานที่มีการควบคุม หากละเลยการกำกับดูแล คนอื่นก็จะพบช่องโหว่ในขั้นตอนการผลิต อย่าทำให้ลูกค้ากลัวจนต้องเข้าร่วมโครงการขนาดใหญ่ ในเมื่อการออกแบบขั้นตอนการทำงานใหม่ภายในสองสัปดาห์ก็เพียงพอแล้ว.

เมื่อใดที่การสาธิตไม่ถือเป็นการวินิจฉัยโรค?

การสาธิตจะตอบคำถามว่าระบบนั้นสามารถสร้างผลลัพธ์ที่สมเหตุสมผลได้หรือไม่ การวิเคราะห์จะตอบคำถามว่าองค์กรนี้ควรใช้ระบบนั้นที่นี่หรือไม่ ด้วยข้อมูลชุดนี้ บุคลากรชุดนี้ และระดับความเสี่ยงที่ยอมรับได้ สังเกตสัญญาณต่างๆ เช่น ไม่มีใครสามารถแสดงกระบวนการตั้งแต่ต้นจนจบได้ ฐานความรู้ไม่มีผู้ดูแล หรือผู้ช่วยควบคุมนั่งอยู่ในขั้นตอนการทำงานที่ล้มเหลวอยู่แล้ว ชะลอการทำงานลง วางแผนขั้นตอนการทำงาน และถามว่าใครจะเป็นผู้รับผิดชอบหากเกิดข้อผิดพลาด จากนั้นจึงเลือกเครื่องมือ การตัดสินใจคือผลลัพธ์ ระบบคือเครื่องแต่งกาย.

ที่ปรึกษา AI อิสระจำเป็นต้องมีสัญญาและรูปแบบการส่งมอบงานแบบใดบ้าง?

ถ้าคุณทำงานแบบอิสระหรือในรูปแบบสตูดิโอ ธุรกิจจะพยายามกลืนกินงานให้คำปรึกษาของคุณ การจัดตั้งขั้นต่ำ: สัญญาอย่างง่ายที่ครอบคลุมขอบเขตงาน ทรัพย์สินทางปัญญา การรักษาความลับ การจัดการข้อมูล และการยุติสัญญา; เอกสารขอบเขตงาน (SOW) สำหรับแต่ละโครงการ; บันทึกประจำสัปดาห์ บันทึกการตัดสินใจ และความเสี่ยง; รวมถึงเอกสารประกอบที่ไม่ควรเก็บไว้ในโฟลเดอร์ดาวน์โหลดของคุณ ควรอ่านเอกสารให้ครบถ้วนก่อนเข้าร่วมงาน อย่าหายตัวไประหว่างการประชุมเชิงปฏิบัติการ เมื่อโครงการนำร่องล้มเหลว ให้แจ้งตั้งแต่เนิ่นๆ พร้อมเสนอทางเลือก หากคุณลาออกและมีเพียงคุณเท่านั้นที่สามารถดำเนินงานได้ คุณก็จะกลายเป็นคอขวดที่มีอัตราค่าจ้างรายวัน สอน จัดทำเอกสาร และส่งมอบงาน.

เอกสารอ้างอิง

1. NIST - nvlpubs.nist.gov

2. NIST - airc.nist.gov

3. ICO - ico.org.uk

4. NCSC - www.ncsc.gov.uk

5. Microsoft Learn - learn.microsoft.com

6. OpenAI - นักพัฒนา openai.com

7. OpenAI - การพัฒนาซอฟต์แวร์อย่างรวดเร็ว - developers.openai.com

ค้นหา AI รุ่นล่าสุดได้ที่ร้านค้าผู้ช่วย AI อย่างเป็นทางการ

เกี่ยวกับเรา