Umetnost postavljanja pitanja u vreme AI

Kako drugačija pitanja menjaju način na koji koristimo AI, razumemo posao i učimo?

Uvod

Kada sam na ovom blogu prvi put pisao o veštačkoj inteligenciji i semantičkoj pretrazi, jedna od teza bila je da „umetnost postavljanja pitanja“ postaje presudna veština.

Tada je to bio uvid o novoj tehnologiji. Danas je to preduslov za bolje poslovne rezultate. AI će odgovoriti na skoro svako pitanje, brzo i uverljivo. Zato se vreme sve češće gubi ili dobija na pitanju, a ne na odgovoru.

Ovaj tekst pokazuje tri stvari:

1. Kako da AI prvo postavi pitanja vama
2. Po čemu se poboljšano pitanje razlikuje od pravog pitanja
3. Kako da razložite posao pre nego što izaberete tehnologiju

Dodatno, u tekstu se nalazi video i propratni članak sa RTS-a na temu realnosti primene AI.

Kada AI prvo postavi pitanja

U poslednjih šest meseci obavezan segment mojih radionica, edukacija i treninga o poslovnoj primeni AI jeste jednostavna promena redosleda.

Polaznicima pokazujem kako da od AI prvo zatraže da im postavi pitanja. Mnogo manje vremena pokazujem kako da od AI dobiju bolji odgovor.

„Želim da ostvarim [cilj]. U prilogu su moji podaci. Pre nego što predložiš rešenje, postavi mi pitanja koja su ti potrebna da bi mi pomogao da dođem do tog cilja.“

Reakcije na efekte kada AI prvo postavlja pitanja su skoro uvek slične: „Promenio mi se pogled na to kako koristim AI. Sada to ima mnogo širi i dublji efekat.“

To na prvi pogled deluje kao mali trik sa promptom. Nije.
Menja se uloga korisnika. Umesto da samo naručuje odgovor, on počinje da proverava šta AI još mora da zna, koje pretpostavke postoje i da li je početno pitanje dovoljno dobro.

Master prompt: Neka AI prvo postavi pitanja

Želim da ostvarim [cilj]. U prilogu su podaci, primeri i ograničenja sa kojima radim.

Pre nego što predložiš rešenje:
1. Postavi mi pitanja koja su ti potrebna da razumeš zadatak, kontekst i kriterijume uspeha.
2. Navedi šta pretpostavljaš, a nisi proverio sa mnom.

Kada odgovorim na pitanja, izradi rešenje i na kraju navedi: koje pretpostavke i dalje nisu proverene, šta treba testirati u stvarnom radu i da li se tokom izrade pojavilo pitanje važnije od početnog.

Kompletno predstavljanje prompt inženjeringa zatim mogu da sažmem na jedan slajd: od lošeg do profesionalnog prompta, uz instrukciju AI da najpre zatraži kontekst koji nedostaje.

AI tako postaje sagovornik koji nam pomaže da preciznije definišemo ono što želimo da postignemo.

Samo oko 2% vremena na mojim radionicama o poslovnoj primeni AI posvećeno je samoj tehnologiji

Rezultat ovog pristupa je naizgled neobičan: od približno dva radna dana mojih radionica za kreiranje AI pilota (isto važi na radionicama za unapređenje postojećih AI primena), oko petnaest minuta direktno je posvećeno AI modelima, alatima i promptovima.

Ostatak vremena bavimo se poslom: ključnim koracima, specifičnostima zadataka i ciljanim rezultatom.

Razlog je jednostavan:

Kada se AI predstavi na adekvatan način, sama tehnologija obično nije glavna prepreka.

Problem je promena razmišljanja o tome šta je posao koji pokušavamo da unapredimo uz pomoć veštačke inteligencije.

Zašto:

AI donosi stvarni efekat tek kada način izvođenja posla svesno prilagodimo novom toku rada koji AI omogućava, a ne kada AI nasilno uguramo u stari proces.

Zato primena veštačke inteligencije ne počinje izborom i korišćenjem alata, već razumevanjem posla.

Dokaz:

Ako ste ranije kupili ERP (automatizacija poslova) ili CRM (automatizacija marketinga i prodaje) softver koji zaposleni uglavnom ne koriste, ili ste napravili/kupili AI softver za vaš posao koji se ne koristi, to znači da softver ne odgovara vašem stvarnom toku rada.

Zašto pitanje „kako“ dolazi prerano

Po mom iskustvu, razgovori o unapređenju posla najčešće kreću od tri prividno jednostavna pitanja, ali se ona ne postavljaju podjednako često:

Kako da uradim posao?
– pitanje od kojeg počinje velika većina ljudi.

Zašto radim taj posao baš na ovaj način?
– pitanje koje se postavlja znatno ređe.

Šta je potrebno da promenim da bi rezultat bio bolji?
– pitanje koje se postavlja veoma retko.

U poslednjih petnaest i više godina na radionicama i treninzima ponavljam da „kako“ nije najvažnije pitanje. To ne znači da pitanje „kako“ nije potrebno.

Problem nastaje kada to pitanje postavimo prerano:

• pre nego što razumemo ŠTA pokušavamo da postignemo,
• kada još ne znamo ZAŠTO postojeći posao izgleda baš tako,
• kada još nismo svesni da li uopšte rešavamo pravi problem.

U mnogim kompanijama sa kojima sam radio, zaposleni su prvenstveno učeni KAKO se posao radi, dok je menadžment najčešće usmeren na to KAKO da kompanija proda više i posluje isplativije.

Znatno manje se govori o tome ŠTA posao treba da proizvede i ZAŠTO se radi baš na postojeći način.

Ta promena ugla posmatranja, koja je neophodna u vreme AI, po mom iskustvu je veoma zahtevna. Ljudi često nisu navikli da razumeju čitav tok rada, proveravaju pretpostavke ili pitaju zašto određena procedura uopšte postoji: „To nije moj posao.“

Zato se na radionicama mnogo više bavimo poslom nego tehnologijom. AI postojeću nejasnoću čini vidljivijom, a ako ga uvedemo prerano, može i da je ubrza.

Kada uđemo u pogrešan voz, svaka stanica je pogrešna.

Ako krenemo od pogrešnog pitanja, svaki sledeći korak može izgledati kao napredak, iako nas udaljava od rezultata koji nam je potreban i od stvarnog pozitivnog efekta koji želimo da proizvedemo.

RTS: Veštačka inteligencija ne rešava loše postavljen posao: „Ne kreće se od alata, već od problema“

Pogrešna pitanja često izgledaju veoma praktično

Isplativa primena AI zahteva pravilan redosled:

1. prvo razumeti posao,
2. zatim promeniti ono što ne funkcioniše,
3. a tek onda birati gde AI treba da pomogne i na koji način.
4. Nakon svega toga, potrebno je prilagoditi tok rada novoj AI realnosti u procesima.

Realnost:

Dominantna praksa AI implementacije, po mojim iskustvima, preskače sva ova četiri koraka: AI se uvodi u postojeće procese, bez njihove promene.

Tipična početna pitanja – kako da iskoristimo ovaj alat, kako da uklonimo usko grlo, kako da automatizujemo proces, kako da uvedemo AI agente u tok rada – nisu pogrešna zato što su loše formulisana. Pogrešna su kada u sebi već nose neprovereno rešenje.

Ova pitanja pretpostavljaju da nam je potreban baš taj alat, da je usko grlo tamo gde ga trenutno vidimo i da postojeći proces treba sačuvati i automatizovati.

Usko grlo je mesto gde problem izlazi na površinu. Uzrok obično stoji na drugom mestu. Kada rešite ono što vidite, rešili ste jedan konkretan problem, a ispod njega ostaje još nekoliko koji troše isti novac i dalje.

Od pogrešnog, preko poboljšanog, do pravog pitanja

Najlakše je razumeti razliku ako isti poslovni problem posmatramo kroz tri verzije pitanja.

Preciznije pitanje nije uvek i pravo pitanje:

Pogrešno pitanje odmah pretpostavlja i rešenje i predmet rada: pretpostavlja da je postojeći proces potreban, da su sva odobravanja opravdana i da je automatizacija pravi sledeći korak.

Poboljšano pitanje dodaje cilj, ograničenja i kriterijume. Ne vezuje se za jedan alat. Ipak, još pretpostavlja da postojeći tok rada treba da ostane uglavnom isti.

Pravo pitanje menja predmet rada. Odgovor može pokazati da problem nije brzina odobravanja, već nejasna odgovornost, duplirane kontrole ili pravilo koje je ostalo iz vremena kada je posao izgledao drugačije.

Možda treba ukloniti dva koraka, jasno odrediti ko sme da odluči, promeniti kriterijume i tek tada automatizovati ono što je ostalo:

Često uopšte nije potrebno i moguće sve automatizovati.

Tri nivoa rada sa pitanjima

Rad sa pitanjima zato ima tri različita nivoa:

1. Izbegavanje pogrešnih pitanja: otkrivanje skrivenih pretpostavki i unapred izabranih rešenja,
2. Unapređenje dobrih pitanja: dodavanje cilja, konteksta, ograničenja i kriterijuma i
3. Otkrivanje pravih pitanja: provera da li rešavamo pravi problem i da li smo dobro definisali predmet rada.

Drugi nivo je najlakši za učenje. Pitanje možemo učiniti preciznijim tako što ćemo dodati podatke, rok, publiku, ograničenja i očekivani rezultat.

Treći nivo je teži. On traži da budemo spremni da napustimo pitanje koje smo već počeli da rešavamo.

Kada razgovor počne alatom, automatizacijom ili unapred izabranim rešenjem, pomaže vraćanje na osnovno:

ukloniti naziv rešenja iz pitanja, imenovati rezultat, proveriti stvarnost onako kako se posao zaista radi i pronaći ko donosi ključnu odluku.

Tek nakon toga ima smisla pitati gde AI može da pomogne. Ponekad će odgovor biti automatizacija. Ponekad će biti bolji podatak („čistiji“ podaci), jasnije pravilo, kraći proces ili preciznije definisana odgovornost. A ponekad će najbolji potez biti da se određeni posao više uopšte ne radi.

Poboljšano pitanje daje bolji odgovor unutar postojećeg okvira. Pravo pitanje proverava da li je taj okvir uopšte ispravan.

Šta kada se tokom rada pojavi drugo pitanje

Tokom ozbiljnog rada na uvođenju veštačke inteligencije u posao, često se pojavi pitanje koje nije bilo u početnom planu. Ono može da promeni definiciju problema, cilj rada ili odluku koju treba doneti.

Takvo pitanje ne treba automatski odbaciti kao temu izvan obima rada. Ponekad je upravo ono najvredniji rezultat celog procesa.

Primer pitanja: Kako da AI automatizuje pisanje izveštaja?

Počnete da radite na automatizaciji izveštaja, a onda shvatite da taj izveštaj u praksi niko ne čita niti na osnovu njega odlučuje.

Drugo pitanje: Zašto uopšte pišemo ovaj izveštaj i koja informacija donosiocima odluka zaista treba u realnom vremenu?

Tada postoje tri razumna poteza: promeniti cilj rada jer je novo pitanje važnije od početnog; sačuvati novo pitanje za sledeću fazu unapređenja posla i svesno nastaviti sa postojećim ciljem; ili zaustaviti rad jer je početno pitanje bilo pogrešno i dalji napor bi samo proizvodio kvalitetnije rešenje pogrešnog problema.

Tri pitanja koja ostaju kada uklonimo stručne nazive

Kada uklonimo stručne nazive, metodologije i alate, većina kvalitetnih početnih razgovora o poslu i učenju vraća se na tri osnovna pitanja:

1. šta je ovo u odnosu na ono što pokušavam da ostvarim,
2. zašto je to važno i kako treba da mu pristupim i
3. koliko duboko treba da idem.

To nije još jedan model koji treba da zapamtimo. To je redosled koji sprečava da prerano pređemo na izvršenje.

Prerano uvođenje veštačke inteligencije u tok posla drastično usporava dolazak do efikasne i isplative primene AI.

Kako se tri osnovna pitanja primenjuju na posao

Šta? (predmet i cilj)

Šta je stvarni posao – koji rezultat treba da proizvede, za koga i koji problem treba da reši. Posao ovde nije samo naziv radnog mesta. Može biti profesija, uloga, zadatak, proces, odgovornost ili način na koji organizacija stvara rezultat.

Zašto? (svrha i uzrok)

Prvo „zašto“ traži svrhu – zašto posao treba da postoji. Drugo „zašto“ traži uzrok – zašto je postojeći način rada nastao i opstao. Svrha nam govori šta treba sačuvati. Uzrok nam pomaže da otkrijemo šta možemo da promenimo.

Kako? (način izvođenja)

Kako posao danas funkcioniše i kako treba da ga obavljamo, koristimo ili menjamo da bismo proizveli potreban rezultat. Tek na ovom mestu biramo metode, alate i nivo automatizacije.

„Šta“ i „zašto“ usmeravaju. „Kako“ određuje način izvršenja.

Zato najveći deo mojih radionica za implementaciju AI pilota nije usmeren na samu tehnologiju, već na način izvođenja posla i probleme koje treba rešiti da bi primena AI odmah bila merljiva, efikasna i isplativa.

Posle nekoliko ovakvih implementacija ljudi sve lakše usvajaju AI sistemski: prepoznaju gde posao treba razjasniti, gde odluku treba urediti, a gde AI zaista može da proizvede merljiv rezultat.

Isti princip važi i za obrazovanje

U obrazovanju ljudi često prvo pitaju koji kurs treba da upišu, koju knjigu da pročitaju ili koji sertifikat da steknu. To su pitanja o načinu učenja pre nego što je utvrđeno šta im je potrebno, zašto im je važno i koliko duboko određenu oblast treba da razumeju.

Na fakultetu sam imao predmet na kojem je uslov za izlazak na ispit bio da svaki student napravi veliki broj kvalitetnih pitanja sa ponuđenim odgovorima. Nije bilo dovoljno prepisati definiciju ili napraviti trivijalno pitanje.

Da bih postavio dobro pitanje i osmislio uverljive pogrešne odgovore, morao sam da razumem kompletnu oblast koja je bila u osnovi pitanja. Taj predmet je postao jedan od dva koja sam najbolje spremio tokom studiranja.

Pouka nije da svi treba da prave testove. Pouka je da dobro pitanje zahteva strukturu znanja, a ne samo njegovu reprodukciju.

U TEDx predavanju “One Thing to Teach in the Age of AI“, Bryan Cassady navodi primer ispita na kojem studenti ne dokazuju da su savladali gradivo odgovaranjem na tuđa pitanja, već tako što formulišu pet dobrih pitanja koja pokazuju da razumeju oblast.

Za obrazovanje se ista tri pitanja, koja su tema ovog teksta, mogu postaviti ovako:

1. šta je ova oblast u odnosu na moje ciljeve,
2. zašto mi je važna
3. kako treba da je naučim da bih je koristio za ono što mi je potrebno.

Treće pitanje je posebno važno u vreme AI. Ne mora svaka osoba svaku oblast da savlada na isti način.

Možda je potrebno samo prepoznati oblast i znati kada je relevantna; razumeti njene osnovne principe; umeti proceniti tuđi rad; koristiti je uz pomoć AI; samostalno je primenjivati; ili je razviti do nivoa profesije.

Pitanje zato više nije samo „Šta treba da naučim?“, već „Koji nivo sposobnosti mi je zaista potreban?“

Primer: direktor kompanije ne mora da postane programer samo zato što AI danas olakšava izradu softvera (vibe coding). Ali, mora dovoljno da razume mogućnosti, ograničenja, rizike i poslovne posledice da bi donosio odgovorne odluke o primeni softvera u vremenu veštačke inteligencije.

AI pojačava i dobra i loša pitanja

AI može da pruži veoma dobar odgovor na pogrešno pitanje i da ga učini detaljnijim, ubedljivijim, profesionalnije napisanim i lakšim za sprovođenje.

To ne znači da je problem dobro postavljen. Zato pitanje u vreme AI postaje važnije, a ne manje važno.

AI ubrzava pravac koji mu zadamo. Zbog toga pravac treba proveriti pre nego što povećamo brzinu.

Zaključak

Sve što je do sada napisano može da se nauči. Provere, tri nivoa pitanja, redosled šta, zašto, kako.

Vredi se vratiti na mesto gde se u ovom tekstu prvi put pojavila reč inženjering. Na samom početku, uz promptove. Rad sa veštačkom inteligencijom najpre je dobio ime po onom delu koji može da se nauči, ponovi i preda drugome. Zato je taj deo i najlakše pretvoriti u obuku.

A to je petnaest minuta od dva radna dana moje radionice. Ostatak vremena trošimo na nešto što izvan tehničkih struka donedavno nije imalo svoje ime:

Arhitektura posla: odlučivanje šta uopšte treba da postoji, zašto, u kojim granicama i po čemu ćemo znati da je uspelo.

Ta reč se poslednjih godina sve češće čuje i tamo gde se ne gradi ništa opipljivo.

Inženjering posla: Kako se izvodi posao.

Razlog je praktičan. Izvođenje je pojeftinilo. Kada se izveštaj piše sat vremena umesto nedelju dana, cena greške seli se unapred, u odluku šta se uopšte radi.

Postavljanje pitanja zato nije postalo jednostavnije. Traži da priznate kada ne znate šta tražite. Novo je to što u tom poslu prvi put imate pomoć. AI može da razloži složen zadatak, da imenuje pretpostavku koju niste primetili i da vas natera da nameru izgovorite do kraja.

Zbog toga ovaj tekst i počinje zahtevom da AI prvo postavi pitanja vama.

Ovde metod prestaje.

Sun Cuovo delo nije nazvano „Pravila ratovanja“, već „Umetnost ratovanja“. Ne zato što pravila nisu važna, već zato što stvarna situacija uvek traži procenu: šta primeniti, šta prilagoditi, a šta napustiti kada se okolnosti promene.

Umetnost nastaje kada ste strategiju (šta, zašto) tako dobro razumeli i primenili, da primena (kako) ide glatko, po osećaju, do projektovanih ciljeva.

Isto važi za pitanja. Pravila i provere pomažu da poboljšate početno pitanje. Procena je ono što vam kaže da vas to pitanje više ne vodi tamo gde ste mislili.

U poslu to znači jednu naviku: pre nego što zatražite rešenje, proverite predmet rada.

U učenju drugu: pre nego što izaberete kurs, odredite koji nivo sposobnosti vam je zaista potreban.

Obe štede istu stvar, mesece uloženog rada na besprekorno izvedenom pogrešnom zadatku.

Pitanja koja ostaju vama

• Koje pitanje trenutno pokušavate da poboljšate, iako bi možda trebalo da ga napustite?
• Koji proces pokušavate da automatizujete pre nego što ste proverili da li je još potreban?
• Koju oblast učite, a da niste odlučili koliko duboko treba da je znate?
• Koje se novo pitanje pojavilo tokom rada, ali ste ga ignorisali zato što nije bilo u planu?

Promena ugla posmatranja o AI primeni u poslu je glavni cilj ovog teksta.

Veština nije samo u tome da postavite bolje pitanje. Veština je da primetite kada vam je potrebno drugo pitanje.

Ako želite da proverite da li imate dovoljno jasan naredni korak u poslovnoj primeni AI, mogu vam poslati besplatnu proveru u četiri pitanja.