ChatGPT בעבודה: מפרומפט לתוצר שאפשר להשתמש בו
ההרצאה עוסקת בבינה מלאכותית (AI) ומחברת את הנושא לעבודה הארגונית בפועל. הרצאת ChatGPT בעבודה מראה שהערך אינו מגיע ממשפט קסם אחד.
תוצאה שימושית נוצרת כאשר מגדירים מטרה, הקשר, קלט, קהל וקריטריונים, ואז בודקים ומשפרים את הטיוטה.
למי ההרצאה מתאימה?
לעובדים, מנהלים וצוותי ידע שרוצים להשתמש ב-ChatGPT לכתיבה, סיכום, הכנה, מחקר וחשיבה במסגרת עבודה אחראית.
מה מקבלים בהרצאה?
מבנה פרומפט שמתחיל במשימה ולא בכלי. עבודה בשלבים: בריף, טיוטה, ביקורת ושיפור.
בדיקת
איך המפגש מתחבר לעבודה?
לפני המפגש מגדירים את הקהל, סביבת העבודה והשאלה המרכזית שעליה ההרצאה צריכה לענות. הדוגמאות נבחרות לפי התפקידים והכלים הזמינים.
המשתתפים מחברים כל הדגמה למשימת עבודה ממשית ובוחנים מה נדרש כדי להשתמש בה באופן אחראי.
מהלך המפגש
מדגימים אותה משימה לפני ואחרי הוספת הקשר וקריטריונים, ומראים כיצד מבקשים ביקורת ומאמתים טענה. אחרי המפגש המשתתפים בוחרים משימה חוזרת אחת ומפעילים עליה את התהליך המלא.
איכות, פרטיות ואחריות: דוגמאות והדגמות אינן תחליף למדיניות הארגון. לא מזינים מידע רגיש לכלי שלא אושר, לא משתמשים בתוצאה קריטית בלי בדיקה ולא מציגים נתון ללא מקור.
מסגרת NIST לניהול סיכוני AI מדגישה ניהול, מיפוי, מדידה וטיפול בסיכון לאורך מחזור החיים.
איך הופכים את הידע לתהליך עבודה?
יישום מקצועי של ChatGPT בעבודה: מפרומפט לתוצר שאפשר להשתמש בו אינו מתחיל בבחירת כלי או בהכרזה על פרויקט רחב. מתחילים בתוצאה עסקית או מקצועית שאפשר להסביר ולבדוק: החלטה שצריך לשפר, זמן טיפול שרוצים לקצר, מידע שצריך לארגן או איכות תוצר שרוצים להעלות.
לאחר מכן מגדירים מי בעל התהליך, מי משתמש בתוצאה, איזה מידע מותר להזין ומה נשאר באחריות אנושית. ההגדרה הזו מונעת מצב שבו המערכת מייצרת טיוטות מרשימות, אך אין דרך לקבוע אם הן נכונות, בטוחות או מועילות.
היא גם מאפשרת להשוות בין עבודה קיימת לעבודה בסיוע בינה מלאכותית על בסיס נתונים ולא על בסיס תחושה.
תוכנית יישום בשלושה שלבים
- מגדירים תוצאה, גבולות ובעלות בשלב הראשון מתארים את המשימה מתחילתה ועד סופה ומזהים את נקודות ההחלטה. קובעים אילו מקורות נחשבים מוסמכים, איזה מידע רגיש או חסוי אינו נכנס למערכת, מי רשאי לשנות את ההנחיות ומי מאשר את התוצר. כדאי לנסח גם תנאי עצירה: מידע חסר, סתירה בין מקורות, פעולה בלתי הפיכה או השפעה מהותית על אדם. כאשר הגבולות גלויים, העובדים אינם צריכים לנחש בכל שימוש מחדש מה מותר ומה אסור.
- בונים תרחיש בדיקה וקו בסיס בשלב השני בוחרים כמה מקרים אמיתיים ומייצגים, מסירים מהם מידע שאינו נחוץ ומכינים תוצאה אנושית להשוואה. מודדים את המצב הקיים: זמן עד תוצר מאושר, מספר תיקונים, טעויות חוזרות, תלות במומחה ושביעות רצון המשתמשים. את תוצרי הבינה המלאכותית בודקים באותם קריטריונים. חשוב לכלול גם מקרי קצה ותשובות שאינן ודאיות, משום שמערכת שנראית טובה בדוגמה פשוטה עלולה להיכשל דווקא במצבים שבהם נדרשת שיקול דעת.
- מתרגלים, מודדים ומשפרים בשלב השלישי עובדים במחזורים קצרים. המשתמשים מתרגלים על משימות מהעבודה, מתעדים אילו תיקונים ביצעו ומדווחים על תוצאה לא מדויקת, חריגה מהרשאה או קושי בהסבר. אחת לתקופה בוחנים אם ההנחיות, המקורות וההרשאות עדיין מתאימים. הרחבה לצוותים נוספים מתבצעת רק לאחר שהאיכות יציבה, האחריות ברורה וקיימת דרך לטפל בחריגים. כך ההטמעה הופכת ללמידה ארגונית ולא לאוסף שימושים פרטיים שאיש אינו מנהל.
איך בוחנים איכות ולא רק מהירות?
זמן עד טיוטה ראשונה הוא מדד חלקי בלבד. המדד החשוב יותר הוא זמן עד תוצר מאושר, לצד דיוק, שלמות, התאמה לקהל ושיעור התיקונים שנדרשו.
יש למדוד גם סיכון: חשיפת מידע, המצאת עובדות, שימוש במקור לא עדכני, החלטה ללא הסבר או פעולה שבוצעה בלי אישור. לכל מדד יעילות מומלץ להצמיד מדד איכות אחד לפחות.
אם המערכת חוסכת דקות אך מעבירה את העומס לבדיקת מומחה, ייתכן שלא נוצר שיפור אמיתי.
מה תפקיד המנהלים בתהליך?
המנהל אינו צריך לכתוב כל הנחיה בעצמו, אך עליו להגדיר את התוצאה, את גבולות הסיכון ואת חלוקת האחריות. עליו לאפשר זמן לתרגול, לבקש דוגמאות של הצלחות וכישלונות ולוודא שהעובדים יודעים מתי לעצור ולהתייעץ.
בתהליכים רגישים משלבים לפי הצורך אבטחת מידע, פרטיות, ייעוץ משפטי, משאבי אנוש ומערכות מידע. ניהול נכון יוצר שפה משותפת: מה נחשב שימוש מועיל, כיצד בודקים תוצאה ומי מוסמך לאשר מעבר מניסוי לשגרה.
למי שמבקש לעבור מהיכרות ליישום, סדנת בינה מלאכותית לארגונים או מסלול הדרכת בינה מלאכותית מאפשרים לתרגל על תהליכי עבודה אמיתיים, לבדוק תוצרים ולבנות דרך פעולה אחראית.
שאלות נפוצות
1. האם צריך ידע קודם?
לא. המושגים והדוגמאות מותאמים לרמת הקהל.
2. האם ההרצאה כוללת הדגמות?
בהתאם לכלים הזמינים ולמטרת המפגש. הדגמה נבחרת כדי להסביר תהליך עבודה ולא רק להציג פיצ'ר.
3. מה נשאר לאחר ההרצאה?
תבנית פרומפט ורשימת בדיקות לתוצר לפני שיתוף או פעולה.
4. אפשר להמשיך לסדנה?
כאשר המטרה היא תרגול ותוצר, אפשר להמשיך לסדנה מעשית או למסלול הדרכה.
מקורות מקצועיים להעמקה
- NIST, AI Risk Management Framework
- NIST, Generative AI Profile
- OECD, AI Principles
- Baldwin and Ford, Transfer of Training
השלב הבא: מעבירים את הידע לתרגול
ספרו לנו מי הקהל, מה חשוב שיבין ומהו הצעד הרצוי לאחר המפגש. THE IMPACT תתאים את התוכן, הדוגמאות וההמשך.
תרגול מקצועי במפגש במהלך המפגש המשתתפים עובדים על משימה אמיתית מתוך סביבת העבודה: ניסוח מסמך, סיכום חומר, בניית הצעה או הכנת תשובה מקצועית. תחילה מגדירים מטרה, קהל, מקורות, מגבלות וסגנון, ורק לאחר מכן בונים את ההנחיה.
משווים בין גרסה ראשונה לגרסה שנבדקה ושופרה, מסמנים עובדות שדורשות אימות ובוחנים אם התוצר ברור, מדויק ושימושי. התרגול מדגיש שהנחיה טובה אינה אוסף מילות קסם, אלא מפרט עבודה שמאפשר לעובד להבין מה ביקש ולבודק לדעת לפי אילו קריטריונים לאשר.
בסיום התרגול כל צוות מנסח תבנית הנחיה קצרה ורשימת בדיקה לשימוש חוזר. הרשימה כוללת בדיקת מקורות, פרטיות, התאמה לקהל, בהירות, טון ואישור אנושי.
כך המשתתפים יוצאים עם דרך עבודה שאפשר ליישם כבר ביום שאחרי ההרצאה, ולא רק עם אוסף דוגמאות שנראות מרשימות על המסך.
להמשך העשרה אפשר לבחור הרצאת בינה מלאכותית לארגון, להעמיק באמצעות סדנת בינה מלאכותית מעשית, לבחון מסלול הדרכות AI לארגונים, או לפנות לצוות THE IMPACT להתאמת התוכן.