Генеративный ИИ (GenAI) говорит как человек, но чтобы заставить его работать, сотрудники должны мыслить как машина. О том, как получить в свое распоряжение таких специалистов, рассказывают опрошенные порталом InformationWeek эксперты.

Генеративный ИИ захватывает мир и меняет все — от того, как преуспевает бизнес, до того, как работает Интернет. Компании по всему миру пытаются найти или вырастить талантливых специалистов, которые будут управлять с помощью ИИ. Однако выработать стратегию подбора кадров, помимо признания общей необходимости в них, не так-то просто.

«Учитывая скорость развития генеративного ИИ, ни для кого не секрет, что практически все бренды должны будут иметь в своих организациях специалистов в области ИИ, — говорит Ашу Дубей, соучредитель и генеральный директор компании Gleen AI. — Было бы разумно иметь в штате несколько сотрудников, имеющих опыт использования инструментов ИИ».

Но это легче сказать, чем сделать. До тех пор, пока в прошлом году OpenAI не выпустила бесплатную и очень публичную модель ChatGPT, большинство работников никогда не слышали о генеративном ИИ, не говоря уже о том, чтобы изучать его или приобретать опыт работы с ним.

Тем не менее, работать с ним не так уж сложно, верно? Ведь это разговорный чатбот. Да и все остальные модели генеративного ИИ работают на естественном языке.

Очевидно, что новый язык кодирования — человеческий. Пользователь может просто набрать или сказать, что ему нужно, в строке подсказки, и ИИ это сделает. Кажется, легко, но это не так.

Почему так много людей плохо справляются с генеративным ИИ? И, что еще важнее, как компаниям преодолеть этот дефицит кадров, если нельзя легко измерить или предсказать, кто сумеет хорошо общаться с ИИ-приложением?

На первый взгляд, проблема кажется абсурдной. Разве использование генеративного ИИ не должно быть таким же простым, как использование цифрового помощника, например Siri, Alexa или Google Assistant?

При более глубоком рассмотрении оказывается, что цифровые помощники больше похожи на персонализированные поисковые системы, чем на гораздо более развитые модели генеративного ИИ. Именно интеллект ИИ требует более вдумчивого обмена между человеком и машиной. Отсюда и поиск специализированных навыков формулирования подсказок.

«Инженер-подсказчик — это „шептун ИИ“. Тот, кто способен разложить контекст задаваемого вопроса — подсказки — и выразить его в терминах, понятных модели ИИ», — поясняет Навин Шарма, вице-президент и руководитель направления ИИ и аналитики компании Cognizant.

К сожалению, инженеры по подсказкам — такая же редкость, как и специалисты в области науки о данных на заре появления больших данных. И, возможно, они все равно не станут панацеей, учитывая, что рядовые сотрудники тоже должны уметь пользоваться ИИ, а развивающиеся ИИ-агенты скоро будут сами писать подсказки, то есть никому не нужно будет знать, как подсказывать.

Что же делать работодателям в этой непростой ситуации, и как им следует подбирать персонал для ее решения?

Когда стоит нанимать специалистов

«Инженерия подсказок становится чрезвычайно важным и мощным профессиональным навыком, но это не экспертная профессия, как инвестиционный банкир не разработчик моделей в Excel, а консультант по управлению не дизайнер в PowerPoint», — отмечает Кьел Карлссон, руководитель по стратегии и евангелизации науки о данных в Domino Data Lab.

Однако даже это не так, роль специалиста по подсказкам не совсем определена, а те немногие описания, которые были предложены, быстро меняются.

«Нынешняя роль профессионального инженера по подсказкам, скорее всего, будет развиваться в двух направлениях: это может быть рутинная работа в цепочке поставок ИИ, аналогичная работе маркировщика данных, и более высококвалифицированная работа, направленная на разработку приложений GenAI и оптимизацию их работы», — говорит Карлссон.

Большинство компаний смогут определить, где им скорее всего понадобятся инженеры по подсказкам, идентифицировав конкретные бизнес-кейсы ИИ с более жесткими требованиями.

«Нанимать инженеров по подсказкам имеет смысл компаниям, которые разрабатывают ИИ-продукты, — говорит Дубей. — Для таких компаний наем инженеров, обладающих базовыми знаниями в области формулирования запросов к ИИ, поможет им быстрее масштабироваться. Разумеется, такой кадровый резерв более ограничен (пока), что может означать более длительный цикл поиска квалифицированных кандидатов».

Чтобы восполнить дефицит кадров и ускорить процесс, добавьте в свою стратегию повышение квалификации наряду с подбором специализированных специалистов.

«Для компаний, которые хотят внедрить ИИ-инструменты в свои технологические стеки, возможно, будет проще обучить текущих сотрудников писать подсказки для таких платформ, как ChatGPT. Однако для частных решений, возможно, лучше разработать внутренние инструменты или найти альтернативные сервисы, которые могут создать инструменты для бренда», — объясняет Дубей.

Вы также можете создать команды разработчиков подсказок, которые помогут вам определить стратегию использования ИИ и подбора персонала, а также будут выполнять другие обязанности, такие как написание подсказок или создание библиотек подсказок.

«Разработка подсказок — это очень совместная практика, которая объединяет опыт экспертов в предметной области, инженеров по данным и инженеров-программистов, — говорит Джозеф Рив, менеджер по разработке ПО компании Amplitude. — Для создания лучших подсказок очень важно задействовать целый ряд специалистов, обладающих специфическим, уникальным пониманием отраслевых особенностей вашего бизнеса».

Когда следует повышать квалификацию сотрудников

Вы можете быстро обнаружить, что нанять инженера по подсказкам практически невозможно. В настоящее время это редкая птица. А если вы и найдете такого специалиста, то его стоимость может превысить ваш бюджет. Если это так, не отчаивайтесь и не ждите — повышайте квалификацию тех сотрудников, которые у вас есть и которых вы можете привлечь сейчас.

«Отличная новость заключается в том, что если вы умеете печатать, то сможете создавать подсказки, — говорит Рив. — Привлеките экспертов из разных подразделений вашей организации, занимающих различные должности — от менеджеров по продуктам до инженеров по данным, — и сосредоточьте их внимание на пяти этапах разработки подсказок: прототипирование, запуск в производство, интернационализация, оттачивание и оптимизация».

Важно помнить, что генеративный ИИ — это в конечном счете инструмент. Если научить пользоваться этим инструментом человека, не имеющего других навыков, это не приведет к развитию бизнеса.

«Судя по моему опыту применения инженерии подсказок в кодинге, сложные задачи требуют глубокого понимания концепций и ожидаемых от LLM [модели ИИ] результатов», — говорит Грег Бенсон, профессор информатики в Университете Сан-Франциско и главный научный сотрудник SnapLogic.

По его словам, при поиске инженера по подсказкам задача состоит в том, чтобы найти эксперта в предметной области, который понимает, как сформулировать вопрос с примерами в конкретной области, а не как вообще создавать подсказки. То есть человек, обладающий навыками разработки подсказок, не заменит предметных экспертов.

Интерес к моделям генеративного ИИ в сочетании с растущим знакомством со встроенными в бизнес-приложения моделями приведет к тому, что некоторые сотрудники научатся создавать подсказки самостоятельно. Не стоит рассчитывать на то, что сотрудники сами разберутся в этом вопросе, но следует поощрять тех, кто проявляет интерес и мотивацию к дальнейшему развитию своих навыков работы с подсказками. Кроме того, предоставляйте информацию или проводите обучение, чтобы помочь сотрудникам быстро повысить свою квалификацию.

Например, «компании могут написать внутренние рекомендации для своих сотрудников о том, что такое хорошая подсказка, чтобы помочь им повысить продуктивность», — говорит Джулиен Салинас, основатель и генеральный директор NLP Cloud, конкурента OpenAI.

Люди совершенствуют свои навыки подсказки, практикуясь. Рассмотрите возможность масштабирования индивидуальных результатов в групповые знания для дальнейшего повышения эффективности подсказок в масштабах всей компании.

«Повышение квалификации сотрудников позволяет задействовать глубинные знания и интуицию, что дает возможность оптимизировать использование технологий генеративного ИИ, — говорит Тамара Ашер, старший директор по стратегии и инновациям Slalom Consulting. — В нашей компании мы используем наши библиотеки подсказок ИИ в качестве инструмента совместной работы, направленного на повышение эффективности и точности различных организационных процессов».

Что бы вы ни решили, не думайте, что с удовлетворением текущих требований к навыкам работы с ИИ вы сможете вздохнуть спокойно.

«По мере того как компании будут становиться более зрелыми в области GenAI, потребность в навыках разработки подсказок будет уменьшаться и заменяться потребностью в других специализированных навыках, особенно для тонкой настройки моделей GenAI и введения их в эксплуатацию. Можно ожидать, что следующим поколением наиболее востребованных должностей станут инженеры по эксплуатации GenAI», — говорит Карлссон.