לא צריך עוזר אידיאלי, צריך חתימה אנושית והובלת חשיבה

בהתחלה, כמו רובנו, התייחסתי למודל השפה כאל כלי טכני. השתמשתי בו כמו במנוע חיפוש משודרג: שואלת שאלה, מקבלת תשובה, וממשיכה הלאה.

אבל אז הבנתי שאני נופלת למלכודת "המנה הגנרית". מודל השפה מוציא תוצר שנראה בסדר גמור, אבל הוא חסר טעם, חסר עומק, ובעיקר - חסר את החתימה האנושית שלי. זה המצב שבו אני מקבלת את ה"תיבול הממוצע", במקום מנה שמתאימה בדיוק לטעם המקצועי והייחודי שלי.

השינוי קרה כשהבנתי שהיתרון שלי בעבודה מול מודל שפה, לא נמצא רק בכמות הידע שלו, אלא ביכולת שלי לכוון אותו לעבוד בדרך שמתאימה לי. במקום לבקש "עזרה" כללית, הבנתי שאני יכולה לבנות שותפות חכמה שבה אני מגדירה את הכיוון ומובילה את הדיאלוג.

למה מודל השפה "מתפזר" כשהוא מנסה לעשות הכל?

היום מודלי השפה כבר מסוגלים לעבד כמויות עצומות של מידע בבת אחת. חלון ההקשר (Context) גדל, והם "זוכרים" כמעט הכל. הבעיה היא כבר לא זיכרון, אלא איבוד החדות.

כשמבקשים מהמודל יותר מדי משימות שונות לתוך שיחה אחת (בייחוד אם היא ארוכה ומתגלגלת), הוא נוטה לעיתים להתבלבל. הניואנסים החשובים, קהל היעד ומה שבאמת חשוב לנו להשיג - פשוט נשחקים בדרך. כדי להוביל חשיבה איכותית, אני ממליצה להגדיר עוזרים מקצועיים וממוקדים. במקום עוזר אחד שעושה "קצת מהכל", אנחנו מייצרים מומחים לכל תחום.

איך בונים שותפות כזו? (מתודולוגיית ה-F.I.C)

החתימה האנושית נכנסת לתמונה כשאנחנו הופכים למובילי חשיבה. כדי ליצור סדר בדרך שבה ניגשים לדיאלוג עם מודל שפה, גיבשתי מתודולוגיה פשוטה, שנשענת על מחקרים מעולמות הכלכלה ההתנהגותית, הפסיכולוגיה והפדגוגיה:

המודל נולד מתוך עבודת עומק שכתבתי: החתימה האנושית: פדגוגיה של הערכה והובלת חשיבה בעידן ה-AI, והוא מורכב משלושה עוגנים שאני ממליצה שיתקיימו בכל עוזר שמגדירים לו משימה:

מסגור (Frame): לצאת מהטייס האוטומטי על פי פרופ' דניאל כהנמן ופרופ' עמוס טברסקי (Thinking, Fast and Slow, 2011), המוח שלנו עובד בשתי מערכות: מערכת 1 (מהירה ואוטומטית) ומערכת 2 (מאומצת ומבוקרת). העבודה מול מודלי שפה, נוטה לעיתים ל"טייס אוטומטי" - כותבים שאלה אינטואיטיבית מקבלים תשובה מהירה. שלב המסגור נועד לעצור את "הריצה האוטומטית" ולוודא שאנחנו אלו שמנווטים את האירוע. במקום לכתוב בשליפה, אנחנו מגדירים למודל השפה את מרחב הפעולה שיעבוד בה: נותנים לו "תפקיד" מקצועי (למשל: "עוזר הכנה לפגישות" / "עוזר תכנון שיעורים"), ובנוסף מגדירים לו הקשר כגון: קהל היעד, ואת גבולות ומטרות משימה.

החתימה האנושית כאן: היכולת להבין מה הבעיה האמיתית ולתת לה מסגרת שמודל השפה לא יכול להמציא לבד מהידע הכללי שלו.

כוונה (Intent): להכניס את הדי-אן-איי האישי הפסיכולוגים פרופ' אדווין לוק ופרופ' גארי לאת'ם (A Theory of Goal Setting & Task Performance, 1990), הראו כי הצבת מטרות ספציפיות משפרת ביצועים באופן משמעותי. ללא כוונה ברורה, הדיאלוג נשאר שטחי. בשלב הזה אנחנו מוודאים שהתוצר לא ייראה כמו העתק - הדבק גנרי. אנחנו לא נותנים למודל לרוץ לבד, אלא יחד איתו, מייצרים דיאלוג ומבקשים ממנו לשאול אותנו שאלות הבהרה לפני הביצוע, כדי שיוכל לדייק את הקול והסגנון הייחודי לנו. לדוגמא: "לפני שאתה נותן לי תשובה, שאל אותי שאלות כדי להבין אותי ואת הבקשה / המשימה / השאלה שלי בצורה טובה יותר". כאן אנחנו עוברים מ"מה" ל"איך". חשוב להוסיף את הקול האישי ע"י הסגנון שמאפיין אותנו (למשל: "דיבור בגובה העיניים", או "חד וממוקד").

החתימה האנושית כאן: הדיאלוג. אנחנו לא מחכים לתשובה, אלא מובילים שיחה שבה אנחנו מדייקים את מה שבאמת חשוב לנו.

בדיקה (Check): לקחת אחריות על התוצאה ד"ר גרנט וויגינס וג'יי מקטיי (Understanding by Design, 2005) הראו שהבנה אמיתית דורשת יכולת להסביר, לבקר ולדייק מידע, ולא רק לשחזר אותו. שלב הבדיקה הוא האחריות המקצועית שלנו על איכות התוצאה הסופית. בשלב זה, אנחנו מפעילים חשיבה ביקורתית: אנחנו בוחנים את הטקסט שמתקבל ע"י המודל, מבצעים בו תיקונים ומנחים אותו להציף טעויות אפשריות או חסרים בהצעה שלו. 

החתימה האנושית כאן: האחריות המקצועית. היכולת להטיל ספק בטקסט שנכתב ע"י מודל שפה ולשפר אותו יחד עם הניסיון שלנו מהשטח.

עוזרים "על המדף": צוות המומחים 

כדוגמה, שלושה עוזרים מקצועיים שעומדים לרשותי. כל אחד מהם מכיל בתוכו את מודל ה-F.I.C המלא. לאחר שבונים אותם (כ-GPTs / Gems / Projects), הם הופכים ל"מוצרי מדף" שמחכים לכם בכל פעם שתפתחו את השיחה המוכנה:

1. העוזר הפרקטי (ממחשבה לביצוע): מומחה בפירוק מחשבות מבולגנת או נושאים לימודיים מורכבים למערכי שיעור פעילים ורשימות משימות ישימות

2. הדיפלומט (דיוק ותקשורת): מומחה בניסוח מיילים והודעות ששומרים על הקול האישי שלכם, תוך ניתוח של האופן שבו המסר ייתפס בצד השני.

3. הסימולטור (הכנה ואתגור): שותף לחשיבה ביקורתית ששואל שאלות מאתגרות כדי שתגיעו מוכנים באמת לכל פגישה או שיחה חשובה.

רוצים לנסות? (פרומפט בסיס להעתקה)

פתחו שיחה חדשה והדביקו את התבנית הבאה.  (ניתן לייצר עוזר קבוע עם GPTs / Gems / Projects)

את/ה עוזר/ת ממוקד/ת בשם: [שם העוזר] התפקיד שלך: [הגדירו את המומחיות הספציפית] ההקשר: [מי הקהל? מה המגבלות? מה כבר קיים אצלי?]

איך עובדים איתי? (תהליך ה- Frame - Intent - Check)

1. בתחילה תשאל עד 5 שאלות הבהרה קצרות כדי שתבין את הכוונה שלי לעומק.

2. תציע שתי אפשרויות לתוצר: אחת קצרה ופרקטית, ואחת מורחבת.

3. את התוצאה תציג בתבנית שנוחה לקריאה מהירה.

4. בקרת איכות: בסיום, תציף 3 נקודות בעייתיות או דברים שכדאי לי לבדוק בעצמי לפני השימוש.
   

לסיכום: הכל מתחיל בהזמנה שלכם

בינה מלאכותית היא לא קסם, היא כלי עבודה. אם נסתפק בלבקש "מנה רגילה" בלי להגדיר מה באמת חשוב לנו, נקבל תוצר גנרי, משעמם ולעיתים קרובות גם לא מספיק מדויק.

האיכות המקצועית שלנו עולה כשאנחנו מפסיקים להיות צרכנים פסיביים והופכים למובילי חשיבה. כשאנחנו משאירים את החתימה האנושית שלנו בתוך התהליך דרך מודל ה-F.I.C, אנחנו בעצם מרכיבים את המנה המדויקת לנו - עם התיבול והתוספות ששום מודל שפה לא יכול לנחש לבד. ברגע שמובילים את התהליך נכון, מגלים שהעומס הטכני יורד, אבל הערך המקצועי שלנו רק עולה.

אם הגישה הזו מדברת אליכם, אתם מוזמנים להעמיק בתכנים באתר. ואם אתם רוצים להפוך את הובלת החשיבה לשיטת עבודה אצלכם בארגון, בואו נדבר. לעיון נוסף במקורות:

[F] Daniel Kahneman & Amos Tversky, Thinking, Fast and Slow, 2011

[I] Edwin A. Locke & Gary P. Latham, A Theory of Goal Setting & Task Performance, 1990

[C] Grant Wiggins & Jay McTighe, Understanding by Design, 2005