Pracując z AI, zatrzymuję się przed wpisaniem czegokolwiek do pola, aby zadać sobie pytanie: czego oczekuję od AI? 2x2 do ratunku! W którym pudełku jestem? Na jednej osi, ile kontekstu dostarczam: niewiele do całkiem sporo. Na drugiej, czy powinienem obserwować AI, czy pozwolić mu działać. Jeśli dostarczam bardzo mało informacji i pozwalam systemowi działać: 'zbadaj trendy inżynierów wdrożonych na miejscu', otrzymuję nieprzydatne wyniki: ogólne przeglądy bez istotnych szczegółów. Prowadzenie tego samego projektu z serią krótkich pytań prowadzi do iteracyjnej rozmowy, która odnosi sukces - eksploracji. „Które firmy wdrożyły inżynierów wdrożonych na miejscu (FDE)? Jakie są typowe tła FDE? Jakie typy struktur umów i biznesów nadają się do tej pracy?” Kiedy mam bardzo niską tolerancję na błędy, dostarczam obszerny kontekst i pracuję iteracyjnie z AI. W przypadku postów na bloga lub analizy finansowej dzielę się wszystkim (aktualnymi szkicami, wcześniejszymi tekstami, szczegółowymi wymaganiami), a następnie postępuję zdanie po zdaniu. Pozwolenie agentowi na swobodne działanie wymaga zdefiniowania wszystkiego z góry. Rzadko odnoszę tu sukces, ponieważ praca wstępna wymaga ogromnej klarowności - dokładnych celów, kompleksowych informacji i szczegółowych list zadań z kryteriami walidacji - zarysu. Te podpowiedzi kończą się wyglądaniem jak dokumenty wymagań produktowych, które pisałem jako menedżer produktu. Odpowiedź na pytanie 'czego oczekuję?' stanie się łatwiejsza, gdy systemy AI uzyskają dostęp do większej ilości moich informacji i poprawią się w wyborze istotnych danych. Gdy będę lepszy w artykułowaniu tego, czego naprawdę chcę, współpraca się poprawi. Mam na celu przeniesienie znacznie większej liczby moich pytań z lewego górnego pudełka - jak byłem szkolony z Google Search - do pozostałych trzech kwadrantów. Oczekuję również, że ten nawyk pomoże mi lepiej współpracować z ludźmi.