Adam M. Root-ի համար, AI- ի արտադրանքի կառավարման ուսանողը, նշանակական AI- ի ազդեցությունը գալիս է ճշգրիտ հարցերի հարցման, տեղադրման պլաստիկ ռեժիմերների օգտագործման եւ անձնական փորձարկման կենտրոնում: Չնայած այդ հիմնադրամը, նույնիսկ առավել առաջադեմ մոդելները սովորեցնում են արտադրել ցածր կամ չժանգարելի արդյունքներ: «Եթե դուք սկսեք սխալից, դուք կանգնեք սխալից», ասում է Root- ը: Maven- ում, Root- ը դիզայնում եւ ուսուցում է ապրանքի կառավարողների, դիզայնների եւ հիմնադրողներին, ովքեր ցանկանում են կառուցել AI- ի տունավոր արտադրանքը, իսկ նաեւ աշխատում են մի մասային արտադրանքի կառավարիչ - AI Product Strategy- ում: Հիմնական դասընթացները ներառում են AI- ի առաջին արտադրանքի ռեժիմ, դիզայնների համար prompt-driven արտադրանքի ռեժիմը, Agile AI- ի զարգացման եւ AI- ի արտադրանքի առեւտրային ռեժիմը - բոլորը ստեղծվել են, որպեսզի թիմերը կօգնեն փոխանցել կարդալությանից հզորության մեջ արագ փոխանցման AI միջավայրում: Շատ ընկերություններ այժմ փնտրում են գործիքային AI- ի ծախսելու համար, բայց ամենը վախենում են հասկանալ, թե ինչու իրենց գործառույթները երբեք չգիտեն, թե ինչպիսիք են պլանտոմսերի մակարդակներում: Բացի այն, թե ինչպիսիք են իրենց աշխատանքը բացառյալ բիզնես խնդիրով, թիմերը հաճախ փնտրում են գործիքներ, մոդելներ, կամ մատակարարներ, հույսով, որ տեխնոլոգիան միայն կախված է ազդեցությունը: Երբ այն կարող է արտադրել հպարտ տոմսերը, իրական բիզնես արժեքը փոքր է: Դա մի խուսափություն է, որը բարձրում է այն կարեւոր հարցը, թե ինչը իրականում կախված է scalable AI- ի հաջողությունը: Ինչպե՞ս գործարանները կախված են Agentic AI-ի ծախսելու համար Գործարանները պրակտիկ ճշգրտության մեջ են, որպեսզի ցույց են տալիս մանրամասն AI- ի արդյունքները, եւ այս ճշգրտությունը սովորաբար կօգնի նրանց կատարելու համար, նախքան հասկանալ, թե ինչ պետք է լուծել: Root- ը տեսնում է, որ նույն ճշգրտությունը մի քանի անգամ խաղում է: թիմերը կախված են արդյունքների հետ, առանց սեղմելով իրենց փորձերը բացառապես բնական խնդիրը: «Մի տեխնոլոգիանը չգիտվում է, որ պետք է այն անում», - ասում է նա: «Մարդը կարծում է, որ նրանք կարող են միացնել ավելի համակարգչային կամ աշխատել մի այլ մատակարարը եւ լուծել այն: Այն չի աշխատում: «Մարդային փորձը պետք է ապրում Agentic workflows- ի կենտրոնում: Ընկերությունները, որոնք կ Արդյունաբերական գործառույթներ: The PURSUIT Framework Նա օգտագործում է PURSUIT- ի սարքավորումներ, որոնք ապահովում են բիզնեսներին ճշգրտական ճանապարհը, որը առաջարկում է ճշգրիտ ուղեցույցներ, թե ինչպե՞ս փնտրել այդ ծախսերը: Այս սարքավորումները խոստանում են թիմերը, թե ինչպես պետք է որոշել խնդիրը, այնքան առաջ, որ նրանք փնտրեն մոդել կամ տվյալների սարքավորումներ: Ո՞վ է ճշգրիտ մարդային խնդիրը, որը մենք փորձում ենք լուծել, ներքեւ մակարդակային սխալները: Problem:  Ո՞վ է դա իրականում, եւ ինչն է նրանք արժեքում, վախենում եւ առաջատարում: User:  Ինչու է այս խնդիրը լուծել պլաստիկորեն կարեւոր եւ relevant հիմա: Rationale:  Ո՞րն է ամենամեծ, ամենամեծ փոխարինող արտադրանքի փորձը, որը լուծում է խնդիրը նշանակում է: Solution:  Ի՞նչ հավատերը պետք է ստանալ, որպեսզի մեր հավատերը հավատալեն կամ անխատեն: Understanding:  Ո՞ր մոդելներ, ճշմարտություններ, եւ բուժման ռեժիմներ արտահայտվում են հետազոտությունների հետ, եւ թե ինչպես պետք է ձեւավորել արտադրանքը: Insight: Ո՞րն է այն ռեժիմային արտադրանքի ուղղությունը, որը բոլորը միասին միասին միավոր է, պաշտպանելի պատմության մեջ: Thesis:  «Այս մարդիկ սկսում են գործիքով, ապա աշխատում են վերադառնալով», ասում է Root. Նա համար, ճիշտ հարցերը կարեւոր են նույնիսկ ավելի շատ, քան ճիշտ մոդելներ. թիմերը հաճախ փնտրում են հետազոտությունների, parallel մոդելերի կատարման եւ search aggregation- ի հետ, ոչ թե բացահայտելով, թե ինչ պետք է իմանալ: «Որբացեք ավելի լավ հարցեր, եւ դուք ստանում եք ավելի լավ արդյունքներ»: Root կառուցում է մարդային վերահսկողությունը ամեն գործարանային աշխատանքային թռիչքի սկսում, եւ հաճախ կանգնում է LLM- ն, որ իր գիտելիքի հասկանալը, նախքան սկսում է գործառույթները: Նա լրացուցիչ է այս հետազոտությունների համակարգիչներին, ինչպիսիք են Strella- ի գործիքների միջոցով, The Coming Wave: Multimodal եւ parallel համակարգեր Root- ը հավատում է, որ մի քանի AI մոդելների հետ միասին աշխատում է մի քանի AI մոդելներ: Այս մոդելները ապա կարող են համեմատել այն, ինչ նրանք գտնում են, եւ միասին համատեղել իրենց խոսակցությունը, որպեսզի արտադրել ավելի լավ պատասխաններ: AI- ը կարող է միասին տեսնել բազմաթիվ տեսակի տեղեկատվություն եւ թույլ տալ մի քանի մոդելների հետազոտել խնդիրը միասին, որպեսզի արտադրել ավելի հզոր եւ հզոր արդյունք: Հեղինակային տեխնոլոգիաներ, ինչպիսիք են Meta- ի Smart Glasses- ը, ցույց են տալիս, թե ինչպիսիք են բիզնեսները կարող են գնել եւ ինտեգրել իրական աշխարհի մոդելներ միասին: «Այսպես էլ, նոր հզորությունը չի լուծում հիմնական խնդիրները: Չնայած լավ նախագծված հարցեր, ստուգված մետաղադրամներ, եւ early-stage հզորություն, multimodal համակարգեր պարզապես արագացնել սխալ ռեժիմում. «Եթե դուք դեռ սկսեք, առանց ճիշտ հարցեր, դուք չեք ստանում ճիշտ լուծումը», - ասում է Root. Նա հավատում է, որ շուկայական ճշգրտումը 12-18 ամիս, քանի որ այս նորություն կդառնա տեղը գործնական իրականության. ընկերություններ, որոնք հեռացնել են հարցի մասնագետները, հույսով AI- ի հզորության կարող են գտնել, որ նրանք կփակել վերցնել վարձրված բուժում: Հատկողները, ովքեր վերցնում են թագավոր գիտելիքները, Պահպանված վտանգը եւ ցածր արժեքը «Ինչքան արագ AI- ի հսկողված ավտոմատացումը ներսում մակարդակային գործառույթների, փորձնական մասնագետները դեռ անջատելի են»: «Ինչի մասին ձեր մասնագետները չեն կարող են փոխվել AI- ի հետ», - ասում է նա: «Ես կարծում եմ, որ բիզնեսները նախընտրում են աշխատել հիմնական արտադրանքի կառավարիչներին, ովքեր կարող են փոխել սխալային օպերացիոն խնդիրները հավասար, ծախսելի աշխատանքային պլաստիկների համար: Որպես early-stage ընկերությունների համար, որոնք վաճառում են բիզնեսի շուկաններին, նա առաջարկում է աշխատել նորից կախված PM-ները, որոնք տեւել են տարիներ ինտերնետային պլաստիկների: «Ես ստանալ կախված գիտություն, որը պետք է քեզ տարի AI-ի հզորությունը մեծ է, բայց միայն այն ժամանակ, երբ սեղմվում են ուժեղ ռեժիմով եւ խոշոր ճշգրտության վրա: Մատակարարները, ովքեր սկսում են հզորության, անձնական փորձի եւ ավելի լավ հարցերի հետ, կարող են դիզայնել AI- ի գործառույթները, որոնք ոչ միայն գործառույթներ են, այլեւ չափազանց են: Adam Root Վիքիպահեստում Գտնել է իր Ավելի շատ տեսանյութեր. LinkedIn-ի մասին կայքը

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Այս աուդիոն պատրաստվել է պատմության բնօրինակ լեզվով:

Adam M. Root- ը: Ինչպես ստեղծել Agentic AI- ի աշխատանքային պլաններ, որոնք ծախսում են ընկերությունը

About Author

ՄԵԿՆԱԲԱՆՈՒԹՅՈՒՆՆԵՐ

ԿԱԽՎԵԼ ՏԵԳՍԵՐ

ԱՅՍ ՀՈԴՎԱԾԸ ՆԵՐԿԱՅԱՑՎԵԼ Է Մ

Related Stories

Hypernative Bolsters Bitcoin L2 Security as Stacks Ecosystem Gets Real-Time Protection

HyperCycle Announces Strategic Split into Two Distinct Operations

Toufi Saliba: The Architect Behind HyperCycle's Decentralized Network of AI

HyveDA Secures $50 Million in Pre-Deposits After Symbiotic Mainnet Launch

Hypernative Bolsters Bitcoin L2 Security as Stacks Ecosystem Gets Real-Time Protection

HyperCycle Announces Strategic Split into Two Distinct Operations

Toufi Saliba: The Architect Behind HyperCycle's Decentralized Network of AI

HyveDA Secures $50 Million in Pre-Deposits After Symbiotic Mainnet Launch

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps