Kama unajiuliza ni kwa nini mradi wako wa majaribio wa AI ulisimama, au kwa nini timu yako bado inapendelea maandishi ya kunata kuliko zana mahiri, hauko peke yako.
Ukweli ni kwamba, mipango mingi ya AI hushindwa si kwa sababu teknolojia haifanyi kazi, bali kwa sababu shirika haliko tayari kwa hilo. Hakuna bingwa. Hakuna mafunzo. Hakuna udhibiti. Hakuna uwazi kuhusu tatizo linalopaswa kutatuliwa.
Hivi majuzi nilikaa na Pete Terryn , Mkurugenzi wa Uendeshaji katika NuWave Technology Partners na mwanzilishi mwenza wa West Michigan AI Lab , kuzungumzia hilo hasa: kwa nini kuendesha AI ni vigumu kuliko watu wanavyofikiria—na kinachohitajika ili kuifanya iwe sawa.
Pete si mhandisi wa kujifunza mashine. Hajengi mifumo maalum kuanzia mwanzo. Lakini amesaidia kuendesha AI ndani ya shirika lake, na amejenga jumuiya inayostawi ya wataalamu wa AI huko West Michigan. Mazungumzo yetu yalijaa maarifa ya vitendo kuhusu kinachozuia makampuni na jinsi ya kuishinda.
Hapa ndio tulichojifunza.
Hatua ya kwanza: Chagua bingwa wa AI
Ukitaka kuendesha AI, unahitaji mtu wa kuimiliki. Na hapana, hawahitaji PhD. Pete hana ujuzi wa kiufundi, na yeye si mkodishaji. Anacho ni udadisi, uthabiti, na ari ya kuelewa jinsi AI inavyoweza kutatua matatizo.
Hilo ndilo linalomfanya kuwa bingwa kamili wa ndani.
Iwe ni mtu katika uongozi au mfanyakazi wa ngazi ya juu ambaye tayari anajaribu zana kama ChatGPT, jambo muhimu ni kumpa mtu huyo uwezo. Mpe nafasi, mpe muda, na mpe mamlaka ya shirika ya kujaribu na kufundisha.
Kama Pete alivyosema:
Nafasi zako za kutekeleza AI bila bingwa ni ndogo sana.
INAYOHUSIANA: Jinsi ya kukabili mabadiliko (na kwa nini timu yako inayachukia sana)
Hatua ya Pili: Kujenga matumizi halisi
Katika NuWave, Pete na timu yake hawakuanza na miradi mikubwa ya AI ya mwezi. Walianza kidogo: wakiandika sera yao ya matumizi inayokubalika kwa msaada kutoka kwa LLM. Kuanzia hapo, waliweka AI katika shughuli za dawati la usaidizi, wakiwapa mafundi wapya "ubongo wa pili" wa kugundua matatizo haraka na kupanga tiketi kwa busara zaidi.
Hilo ndilo jambo kuu: AI haibadilishi watu. Inawaongeza.
Hii inaakisi baadhi ya uzoefu wetu katika LaFleur. Miaka iliyopita, tuliunda mfumo wa utabiri ambao ulichambua fomu za uandikishaji wa kisheria ili kukadiria thamani ya kesi. Ilifanya kazi, lakini haikupata mvuto. Kwa nini? Hakuna aliyeamini inaweza kufanya kazi. Sio kweli. Teknolojia ilikuwepo, lakini makubaliano hayakuwepo.
Somo: AI inapaswa kutatua tatizo halisi , na watu wanapaswa kuamini kwamba inatatua tatizo hilo.
Hatua ya Tatu: Waelimishe kila mtu
Hili lilikuwa jambo kubwa zaidi la kibinafsi la Pete, na singeweza kukubaliana zaidi: mafunzo hayawezi kuishi katika kichwa cha mtu mmoja.
Hata timu za kiufundi zinaweza kupinga AI, hasa ikiwa hazijiamini kuitumia. Mashirika yanayoshinda hapa ndiyo yanayounda elimu pana na yenye mpangilio: fikiria chakula cha mchana na ujifunze, majukwaa ya uidhinishaji, Wiki za ndani, na mazungumzo mazuri ya kizamani.
Kwa kweli, Pete anaamini mafunzo ndiyo ufunguo wa kupitishwa kwa AI:
"Nilidhani kwamba kwa sababu tu nilikuwa nikijifunza, ingetekelezwa. Lakini lazima ufunze shirika."
INAYOHUSIANA: AI na makampuni ya sheria: Kujiandaa kwa ajili ya siku zijazo
Hatua ya nne: Kuwa mwangalifu kuhusu hatari
Ikiwa unatumia ChatGPT Pro na unafikiri data yako haitumiki kufunza mfumo—mshangao! Labda inatumika. Lazima uzime kipengele hicho mwenyewe. Na isipokuwa kama uko kwenye ChatGPT Teams au unatumia OpenAI inayoshikiliwa na Azure, taarifa zako bado zinaweza kupatikana.
Hilo ni hatari hasa kwa makampuni ya sheria na viwanda vinavyodhibitiwa.
Pete anapendekeza uendelee kutumia mifumo inayokupa kigezo cha wazi cha "usijifunze kwenye data yangu". Microsoft CoPilot na OpenAI zote hutoa kiwango hicho cha udhibiti, na ikiwa unatumia bidhaa ya kufunika (kama Harvey), unahitaji kuandika kwamba data yako haifunzi mfumo wa mtu yeyote.
Hii ndiyo aina ya mazungumzo tunayofanya zaidi na zaidi na wateja wetu wa kisheria. Kwa sababu kitu cha mwisho unachotaka ni kwamba PII ya mtu (taarifa zinazomtambulisha mtu binafsi) iwe katika mfumo wa lugha.
Zana za akili bandia tunazotumia (na kwa nini)
Zana za Pete zinazotumika sana zinaendana na kile tunachotumia ndani katika LaFleur:
- ChatGPT (Pro au Teams): Bora kwa kazi za kila siku na majibu ya kihisia.
- Mkanganyiko : Nguvu zaidi kwa utafiti na kupata taarifa za kisasa zenye nukuu.
- Claude : Inafaa kwa uandishi wa fomu ndefu na muhtasari.
- Google Gemini : Inaonyesha matumaini kama msaidizi aliyebinafsishwa—ikiwa uko tayari kuiruhusu ijifunze kutoka kwa barua pepe yako na historia ya utafutaji.
Binafsi, mimi hutumia Perplexity Pro na miunganisho ya SharePoint kutafuta faili za ndani. Pia ninatumia Copilot kudhibiti kalenda yangu na kupata hati katika mfumo ikolojia wa Microsoft. Na ndiyo, nina wasiwasi kidogo kuhusu Google kujua mengi, lakini ni vigumu kupuuza huduma hiyo.
Athari ya Dunning-Kruger, lakini ifanye iwe AI
Tulimaliza mazungumzo tukitafakari jinsi ilivyo rahisi kufikiri umeelewa kitu baada ya dakika tano ukitumia akili bandia. Ukweli ni kwamba: akili bandia ina nguvu, lakini bado ni kifaa. Na kifaa ni kizuri tu kama mtu anayekitumia.
"Unahitaji kutafiti majibu yako kabla ya kuyaunga mkono," Pete alionya. "Kwa sababu tu ChatGPT inasema hivyo, haimaanishi kuwa ni kweli."
Sote tunaishi katika mapinduzi ya AI kwa wakati halisi. Hiyo ina maana makosa, kujiamini kupita kiasi, na shaka fulani nzuri. Lakini ukianzia na bingwa, suluhisha matatizo halisi, fundisha timu yako, na ubaki na busara kuhusu hatari—utakuwa njiani.
Na kama uko West Michigan, angalia Mkutano wa Maabara ya AI ya West Michigan. Huenda ukakutana na Pete.
Unahitaji usaidizi wa kuendesha AI katika kampuni yako ya sheria au kampuni ya huduma za kitaalamu?
Tuzungumze. Ukaguzi na huduma za ushauri wa akili bandia za LaFleur hukusaidia kutathmini hatari yako, kujenga matumizi yako, na kutoa mafunzo kwa timu yako.
