Indicaciones basadas en reglas: cómo agilizar el manejo de errores y aumentar la eficiencia del equipo con ChatGPT

Personalmente, he logrado resultados sobresalientes al incorporar ChatGPT en el flujo de trabajo de nuestro equipo. Esto nos ha permitido simplificar la preparación de historias de usuarios y documentación técnica, reducir la necesidad de comunicación entre varios departamentos y disminuir nuestra dependencia de los analistas.

En este artículo, proporcionaré un ejemplo específico que ilustrará cómo logramos todos estos objetivos con la ayuda de ChatGPT y las indicaciones basadas en reglas.

Los desafíos de construir avisos efectivos

Al interactuar con ChatGPT y otros modelos generativos, el objetivo principal es lograr los mejores resultados posibles según las indicaciones. Sin embargo, existen algunos desafíos en la construcción de indicaciones que garantizarán que la IA siga las instrucciones correctamente. A menudo surgen problemas debido a la estructura del aviso, lo que hace que la IA no siga completamente la solicitud o se concentre en palabras "ruidosas" innecesarias.

La calidad de los resultados obtenidos de ChatGPT depende en gran medida de la precisión con la que el usuario formule el mensaje y proporcione instrucciones claras. Estimo que aproximadamente el 90% de las respuestas proporcionadas por ChatGPT son válidas y abordan completamente el problema o pregunta planteada. La única limitación en este proceso es el usuario, ya que depende de él aprender a formular indicaciones adecuadas para la red neuronal. Con este fin, he desarrollado mi propia fórmula de avisos basados en reglas.

¿Qué es una solicitud basada en reglas?

Obtener respuestas de calidad de ChatGPT requiere indicaciones específicas. Si bien puede hacerle una pregunta a ChatGPT y obtener una respuesta simple, exigir un resultado particular al designar a ChatGPT como un 'superdesarrollador' produce una respuesta superior. Aún mejor, estructurar su aviso como una tabla genera respuestas de mayor calidad. Sin embargo, los resultados más precisos se pueden lograr utilizando indicaciones basadas en reglas.

Para formular solicitudes basadas en reglas, debe seguir estos pasos:

1. Identifique el problema con precisión.
2. Determine los problemas y objetivos principales de la indicación (debe comprenderlos claramente).
3. Visualiza la solución en tu mente o en papel.
4. Divide las tareas complejas en pasos más pequeños.
5. Indique su mensaje en los términos más simples posibles, de acuerdo con una estructura clara y reglas específicas de redacción de mensajes.

Los avisos creados de esta manera, siguiendo un conjunto específico de reglas que discutiré en otro artículo, brindan respuestas válidas el 99% de las veces. Permíteme mostrarte cómo me ayudó, usando casos prácticos.

Bonificación: compartiré un ejemplo de aviso basado en reglas al final del artículo.

Cómo las indicaciones impulsaron la eficiencia de mi equipo: un estudio de caso

Recientemente, nuestro equipo tuvo un proyecto que requería que creáramos una integración capaz de sincronizar de manera eficiente las entidades entre dos sistemas, al mismo tiempo que manejaba los errores. Para garantizar el éxito, teníamos que cumplir requisitos específicos:

• Primero, necesitábamos asegurarnos de que nuestra solución fuera adecuada para el uso en producción y nos permitiera identificar rápidamente la causa raíz de cualquier problema de sincronización que pudiera surgir.
• En segundo lugar, tuvimos que colaborar con analistas de negocios para abordar múltiples casos relacionados con el comportamiento del usuario con cambios en la interfaz. Nuestro objetivo era ofrecer la funcionalidad que nuestros usuarios/equipo realmente necesitaban y esperaban.
• Por último, tuvimos que priorizar los casos técnicos que debían cubrirse primero. Necesitábamos determinar las técnicas más efectivas para resolver cada problema potencial mientras reducíamos el trabajo requerido para entregar la solución de acuerdo con el cronograma.

Para cumplir con estos requisitos, utilizamos ChatGPT y avisos basados en reglas. Pero inicialmente, tuvimos que convertir tareas complejas en objetivos más claros.

Goles primero

Para alcanzar nuestros objetivos, nos concentramos en algunos objetivos y métricas clave:

• Capacite a los desarrolladores al reducir la dependencia de los analistas comerciales: al optimizar la comunicación, nuestro equipo puede moverse más rápido e implementar soluciones más rápido, mejorando los plazos de desarrollo y la productividad.
• Proceso de descomposición de tareas optimizado: el equipo opera de manera más eficiente y completa el trabajo más rápido al simplificar el proceso de descomposición de tareas, lo que da como resultado plazos más cortos y un mayor rendimiento.
• Minimización del tiempo dedicado a evaluar opciones y decisiones técnicas: al reducir nuestro tiempo debatiendo enfoques específicos, el equipo puede disminuir los ciclos de desarrollo y completar las tareas antes, mejorando la eficiencia.
• Establecimiento de flujos de trabajo de equipo productivos y acelerados: optimizar la forma en que trabajamos juntos permite que el equipo complete las tareas más rápido mientras mantiene la calidad, lo que impulsa una mayor productividad.
• Centrado en abordar los desafíos técnicos y cumplir con los resultados objetivo: el equipo mejora la calidad del código al priorizar la excelencia técnica y los resultados, lo que genera menos defectos potenciales y menos complejidad con errores.

Alcanzar objetivos a través de ChatGPT y Prompt Engineering

Aprovechamos ChatGPT y optimizamos la forma en que creamos avisos para lograr nuestros objetivos clave. Dado que el manejo de errores y problemas de sincronización son principalmente técnicos y consistentes en todos los proyectos, vimos la oportunidad de probar la generación rápida de ChatGPT para impulsar el éxito.

Comenzamos escribiendo indicaciones para cada objetivo, enfocándonos primero en las necesidades de alta prioridad. Al utilizar las indicaciones de historias de usuarios con ChatGPT, producimos rápidamente historias de usuarios detalladas para revisarlas e incluirlas en nuestro próximo ciclo de desarrollo. Esto disminuyó nuestra necesidad de una mayor participación de los analistas de negocios, lo que nos permitió concentrarnos en el trabajo técnico.

La productividad de nuestro equipo aumentó, mientras que los plazos y ciclos de desarrollo cayeron. El número de reuniones requeridas para la retroalimentación también disminuyó significativamente. Eliminamos los cuellos de botella de comunicación al crear un cuestionario de manejo de errores que proporcionó preguntas valiosas para nosotros y las partes interesadas.

También usamos avisos para generar rápidamente artefactos críticos del proyecto para usarlos como documentación técnica y debates en equipo. Esto le dio a todos los miembros la información necesaria para tomar decisiones sobre el sistema, el proceso, el producto y la entrega sin pasos adicionales.

Al dedicar el 20 % de cada etapa de desarrollo a la creación y optimización de solicitudes, aplicamos el principio de Pareto (el 80 % de los resultados se derivan del 20 % de las causas) al desarrollo de software y la ingeniería de solicitudes. Esto simplificó nuestro flujo de trabajo y mejoró los resultados generales.

En general, utilizamos ChatGPT para crear múltiples avisos basados en reglas, acelerando la toma de decisiones con nuestro equipo y las partes interesadas y permitiendo la entrega a tiempo. Las indicaciones produjeron artefactos del proyecto y redujeron la dependencia de nuestro analista comercial, lo que nos permitió concentrarnos en el trabajo técnico. Nuestra velocidad mejorada, plazos más cortos y ciclos reducidos resaltan cómo la aplicación estratégica de IA para la generación de lenguaje natural puede impulsar la productividad y el logro de objetivos hacia el futuro de los flujos de trabajo.

El aprovechamiento de ChatGPT y la optimización rápida empoderaron a nuestros desarrolladores, optimizaron la descomposición de tareas, minimizaron el tiempo dedicado a debatir el flujo de trabajo y las opciones técnicas, establecieron un flujo de trabajo de equipo eficiente y se concentraron en resolver desafíos técnicos y cumplir con los resultados. los resultados hablan por si mismos. Nuestro éxito demuestra el valor de la IA para acelerar la transformación digital.

Bonificación: ejemplo de aviso basado en reglas

Tal como lo prometí, comparto un ejemplo real de una solicitud basada en reglas de Business Analyst que modificaré para que se use para los escritores de historias de usuario de manejo de errores.

Como resultado, dicho indicador produce los siguientes resultados:

Espero que esto sirva como una guía práctica para cualquiera que busque implementar avisos basados en reglas para el manejo de errores y problemas de sincronización en sus proyectos.