Szabálykövető szoftver és valószínűségi modell
A megszokott irodai szoftver szabályokat követ. Ha az Excelben összeadok egy oszlopot, a gép ugyanarra a bemenetre mindig ugyanazt az eredményt adja, és ha téved, az programhiba. A generatív AI másképp működik. Óriási mennyiségű szövegen, képen és kódon tanult nyelvi modell áll mögötte, amely a kérésünkből kiindulva szórészletről szórészletre megjósolja, milyen folytatás illik a legjobban. Ezért tud levelet fogalmazni, értekezletet összefoglalni vagy ötleteket adni, és ezért adhat ugyanarra a kérésre kétszer kicsit eltérő választ.
Ebből a különbségből két gyakorlati következmény adódik. Az AI olyan feladatokban erős, ahol nincs egyetlen helyes kimenet, egy vázlatban, egy összefoglalóban, egy javaslatban. Ugyanakkor magabiztos hangon is írhat valótlant, mert a modell a valószínű folytatást keresi, és a valószínű nem mindig igaz. A szakma ezt hallucinációnak nevezi, és a napi munkában ez határozza meg, mennyi ellenőrzés kell egy AI által készített anyaghoz.
Megszokott szoftver
- Előre megírt szabályokat hajt végre
- Ugyanarra a bemenetre ugyanazt adja
- Menükön és gombokon keresztül használjuk
- A hiba programhiba, javítható
Generatív AI
- Mintázatokból állít elő új tartalmat
- Ugyanarra a kérésre eltérő változatot adhat
- Természetes nyelven kérünk tőle
- A tévedés a működés része, ellenőrizni kell
A kérés minősége
A generatív AI-jal végzett munka kulcsa a kérés, amit a szakma promptnak hív. Egy szűkszavú kérésre a modell általános, sablonos választ ad, mert nincs miből kitalálnia, mire van szükségünk. Amikor vállalatoknál képzést tartok, az első gyakorlat szinte mindig ugyanaz. A résztvevők megírják a saját kérésüket, aztán kiegészítik a céllal, a háttérrel, a forrással és az elvárt formával. Ugyanaz a modell a második változatra összehasonlíthatatlanul jobb eredményt ad.
Négy elem egy jó kérésben. A Microsoft a Copilot használatához négy elemet javasol. Célt, amely megmondja, mit szeretnénk elérni. Hátteret, amely elmondja, kinek és miért készül az anyag. Forrást, amely megnevezi, milyen dokumentumra, levélre vagy adatra támaszkodjon a modell. Elvárást, amely rögzíti a formát, a hosszt és a hangnemet.
Egy példa a gyakorlatból
Egy budapesti ingatlankezelő cégnél az ügyfélkapcsolati vezető, nevezzük Katalinnak, azzal fordult hozzám, hogy az AI használhatatlan levelet írt egy bérlői panaszra. A kérése egyetlen mondat volt, „írj választ erre a panaszra”. Együtt átírtuk. Megadtuk a célt, hogy a bérlő érezze, komolyan vesszük, és kapjon konkrét határidőt. Hozzátettük a hátteret, hogy háromszor jelezte már a fűtés hibáját. Csatoltuk a karbantartási naplót forrásként, és kértük, hogy a levél legfeljebb tíz mondat legyen, magázó hangnemben. A második változatot Katalin két szó átírásával küldte el.
A tanulság nem a trükkökről szól. Az AI ugyanazt az információt igényli, amit egy új kolléga igényelne, ha rá bíznánk a levelet. Aki ezt megérti, annak a promptírás nem külön tudomány, hanem a jó feladatkiosztás egyik formája.
Források és további olvasnivaló
Microsoft Learn, Work smarter with AI modul, What is AI? egység. Microsoft Copilot Lab, a jó kérés elemeiről. A promptírás technikáit Prompt engineering üzleti felhasználóknak című cikkemben írtam le részletesen, a nyelvi modell működését pedig ebben a cikkemben magyaráztam el vezetőknek.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, priorizált cselekvési lista.
Érdekel a program →