رئیس فناوری گوستو می‌گوید استخدام ارتشی از متخصصان رویکرد اشتباهی برای هوش مصنوعی است
در حالی که بنیان‌گذاران برای آینده‌ای به‌طور فزاینده‌ای مبتنی بر هوش مصنوعی برنامه‌ریزی می‌کنند، ادوارد کیم، یکی از بنیان‌گذاران و رئیس فناوری Gusto، گفت که حذف تیم‌های موجود و استخدام تعدادی مهندس هوش مصنوعی آموزش‌دیده «راه اشتباهی است».
در عوض، او استدلال کرد که اعضای تیم غیرفنی می‌توانند «در واقع درک عمیق‌تری نسبت به یک مهندس معمولی در مورد موقعیت‌هایی که مشتری می‌تواند خود را در چه موقعیت‌هایی قرار دهد، در مورد چه چیزهایی سردرگم هستند، داشته باشند» و آنها را در موقعیت بهتری برای هدایت ویژگی‌هایی که باید در ابزارهای هوش مصنوعی تعبیه شود.
در مصاحبه ای با TechCrunch، کیم – که استارتاپ حقوق و دستمزدش در سال مالی منتهی به آوریل 2023 بیش از 500 میلیون دلار درآمد سالانه ایجاد کرد – رویکرد Gusto به هوش مصنوعی را تشریح کرد و اعضای غیر فنی تیم تجربه مشتری خود “دستور العمل هایی” را نوشتند که راهنمایی می کند. دستیار هوش مصنوعی گاس (ماه گذشته اعلام شد) با مشتریان تعامل دارد.
کیم همچنین گفت که شرکت می‌بیند که «افرادی که مهندس نرم‌افزار نیستند، اما کمی ذهن فنی دارند، می‌توانند برنامه‌های هوش مصنوعی واقعاً قدرتمند و متحول کننده بازی بسازند»، مانند CoPilot – ابزاری برای تجربه مشتری که برای تیم Gusto CX در ماه ژوئن و در حال حاضر بین 2000 تا 3000 تعامل در روز را مشاهده می کند.
کیم گفت: “ما در واقع می توانیم بسیاری از افراد خود را در Gusto ارتقا دهیم تا به آنها در ساخت برنامه های هوش مصنوعی کمک کنیم.”
این مصاحبه برای طولانی بودن و وضوح ویرایش شده است.
آیا Gus اولین محصول بزرگ هوش مصنوعی است که برای مشتریان خود عرضه کرده اید؟
Gus عملکرد بزرگ هوش مصنوعی است که ما برای مشتریان خود راه اندازی کردیم و از بسیاری جهات بسیاری از قابلیت های نقطه ای را که ساخته ایم به هم مرتبط می کند. از آنجا که آنچه در برنامه‌ها اتفاق می‌افتد این است که آنها پر از دکمه‌های هوش مصنوعی هستند که عبارتند از: «این دکمه را فشار دهید تا کاری با هوش مصنوعی انجام دهید». حرف ما این بود: “این دکمه را فشار دهید تا بتوانیم شرح شغلی برای شما ایجاد کنیم.”
اما گاس به شما این امکان را می‌دهد که همه آنها را حذف کنید، و زمانی که ما احساس می‌کنیم گاس می‌تواند کاری را انجام دهد که برای شما ارزشمند است، گاس می‌تواند به شکلی محجوب ظاهر شود و بگوید: “هی، می‌توانم به شما کمک کنم شرح شغل بنویسید؟” این یک راه بسیار تمیزتر برای ارتباط با هوش مصنوعی است.
برخی از شرکت‌ها هستند که می‌گویند یک میلیون سال است که هوش مصنوعی انجام می‌دهند، اما تا به حال مورد توجه قرار نگرفته‌اند، و برخی دیگر می‌گویند که فقط در چند سال گذشته به این فرصت پی برده‌اند. آیا گوستو در یک اردوگاه می افتد یا در دیگری؟
تغییر بزرگ برای من این است که وقتی در مورد برنامه نویسی نرم افزار صحبت می کنید، برای اکثر مردم، این برنامه در دسترس نیست. شما باید یاد بگیرید که چگونه کدنویسی کنید، سالها به مدرسه بروید. یادگیری ماشینی حتی غیر قابل دسترس تر بود. زیرا شما باید یک مهندس نرم افزار بسیار خاص باشید و این مجموعه مهارت های علم داده را داشته باشید و بدانید که چگونه شبکه های عصبی مصنوعی و مواردی از این قبیل ایجاد کنید.
اصلی‌ترین چیزی که اخیراً تغییر کرده است این است که رابط ایجاد برنامه‌های ML و AI است [has become] برای هر کسی بسیار قابل دسترس تر است. در حالی که در گذشته، ما مجبور بودیم زبان کامپیوتر را یاد بگیریم و برای آن به مدرسه برویم. اکنون رایانه ها در حال یادگیری درک بیشتر انسان ها هستند. و به نظر می رسد که این مسئله چندان مهم نیست، اما اگر به آن فکر کنید، ساختن برنامه های نرم افزاری را بسیار در دسترس تر می کند.
این دقیقاً همان چیزی است که در Gusto دیده‌ایم: افرادی که مهندس نرم‌افزار نیستند، اما کمی ذهن فنی دارند، می‌توانند برنامه‌های هوش مصنوعی واقعا قدرتمند و متحول کننده بازی بسازند. ما در واقع از تعداد زیادی از تیم پشتیبانی خود برای گسترش قابلیت‌های Gus استفاده می‌کنیم و آنها اصلاً نمی‌دانند چگونه برنامه‌نویسی کنند. فقط رابطی که آنها اکنون استفاده می کنند به آنها اجازه می دهد همان کاری را که مهندسان نرم افزار همیشه انجام می دادند، بدون نیاز به یادگیری نحوه کدنویسی انجام دهند. اگر بخواهید، من می توانم از طریق یک مثال از هر یک از آنها صحبت کنم.
عالی میشه
این یک نفر است که حدود پنج سال در شرکت بوده است. نام او است اریک رودریگز، و او در واقع به تیم پشتیبانی مشتری پیوست [and then] به تیم فناوری اطلاعات ما منتقل شد. زمانی که او در آن تیم بود، علاقه زیادی به هوش مصنوعی پیدا کرد و رئیسش به سراغ من آمد و گفت: «هی، او این چیز را ساخته است. می خواهم آن را ببینی.» اولین باری که شخصاً با او ملاقات کردم، او آنچه را که ساخته بود به من نشان داد، که اساساً یک ابزار CoPilot برای ما بود. [customer experience] تیم، جایی که می‌توانید از آن سؤال بپرسید، و فقط به زبان طبیعی به شما پاسخ می‌دهد. درست مانند ChatGPT، با این تفاوت که به پایگاه دانش داخلی ما در مورد نحوه انجام کارها در برنامه ما دسترسی دارد.
در این مرحله، ما این را به تیم پشتیبانی خود نشان می دهیم، و آنها آن را دوست داشتند. این به طور کامل گردش کار آنها و میزان کارآمدی آنها را تغییر داد. اساساً، هر زمان که یک بلیط پشتیبانی دریافت می کنند، به جای اینکه از این پایگاه دانشی که ما ساخته ایم عبور کنند، در واقع از این ابزار CoPilot می پرسند و ابزار CoPilot در واقع به سؤال آنها پاسخ می دهد. هنوز یک انسان بین CoPilot و مشتری وجود دارد، اما بسیاری از اوقات آنها می توانند فقط پاسخ را از ابزار CoPilot دریافت کنند و سپس آن را برای مشتری کپی کنند. آنها صحت آن را تأیید می کنند، که بیشتر اوقات درست است.
بلافاصله انتقال دادیم [Eric] به تیم مهندسی نرم افزار او در واقع مستقیماً به من گزارش می دهد، باور کنید یا نه، و او یکی از بهترین مهندسان ما در حال حاضر است. زیرا او یکی از اولین کسانی بود که فقط با هوش مصنوعی بازی می کرد و اکنون در ساخت برنامه های هوش مصنوعی در Gusto پیشتاز است.
همه از نظر فنی مانند اریک نیستند، اما ما در Gusto راهی برای استفاده از تخصص دانش حوزه افراد غیر فنی در شرکت، به ویژه در تیم پشتیبانی مشتری، پیدا کرده‌ایم تا به ما در ساخت برنامه‌های هوش مصنوعی قدرتمندتر و به ویژه فعال کردن کمک کنیم. گاس برای انجام کارهای بیشتر و بیشتر.
هر زمان که تیم پشتیبانی مشتری یک بلیط پشتیبانی دریافت کرد – به عبارت دیگر، یکی از مشتریان ما با ما تماس می گیرد زیرا از تیم پشتیبانی ما در مورد چیزی کمک می خواهد – و اگر به طور مکرر مطرح شود، ما در واقع از تیم پشتیبانی مشتری می خواهیم که دستور العملی برای آن بنویسد. Gus، به این معنی که آنها در واقع می توانند گاس را بدون هیچ توانایی فنی آموزش دهند. آنها می‌توانند به گاس بیاموزند که آن مشتری را از طریق آن مشکل راهنمایی کند، و حتی گاهی اقدامی انجام دهند.
ما یک رابط داخلی ساخته‌ایم، یک ابزار روبه‌روی داخلی، که در آن می‌توانید دستورالعمل‌هایی را به زبان طبیعی برای Gus بنویسید که چگونه چنین موردی را مدیریت کند. و در واقع یک روش بدون کد برای تیم پشتیبانی ما وجود دارد که بتواند به گاس بگوید برای انجام یک کار، یک API خاص را فراخوانی کند.
در حال حاضر گفتگوهای زیادی در آنجا وجود دارد مانند: “ما همه این مشاغل را در این زمینه حذف می کنیم و این متخصصان هوش مصنوعی را استخدام می کنیم که میلیون ها دلار می پردازیم زیرا آنها این مجموعه مهارت منحصر به فرد را دارند.” و من فقط فکر می کنم که این راه اشتباهی برای انجام آن است. زیرا افرادی که می‌توانند برنامه‌های هوش مصنوعی شما را ارتقا دهند، در واقع کسانی هستند که تخصص حوزه آن حوزه را دارند، حتی اگر آنها تخصص فنی نداشته باشند. ما در واقع می توانیم بسیاری از افراد خود را در Gusto ارتقا دهیم تا به آنها در ساخت برنامه های هوش مصنوعی کمک کنیم.
سناریوی ترسناک هوش مصنوعی همان چیزی است که مدیران اجرایی می گویند: “ما باید از هوش مصنوعی استفاده کنیم” و ارتباط آن با واقعیت نحوه کار افراد قطع شده است. به نظر می رسد اینجا بیشتر از پایین به بالا است، جایی که شما ابزارهایی ساخته اید تا به تیم ها اجازه دهید به شما بگویند هوش مصنوعی چه کاری می تواند برای آنها انجام دهد.
دقیقا. در واقع، افراد غیر فنی که به مشتریان نزدیک‌تر هستند، هر روز با آنها صحبت می‌کنند، آنها در واقع درک بسیار عمیق‌تری نسبت به یک مهندس معمولی در مورد موقعیت‌هایی دارند که مشتری می‌تواند خود را در چه موقعیت‌هایی قرار دهد و در مورد چه چیزی گیج شده است. بنابراین آنها در واقع در موقعیت بهتری نسبت به مهندسان یا دانشمندان هوش مصنوعی برای نوشتن دستورالعمل برای گاس برای حل این مشکل هستند.
فکر می کنم افراد دیگری که با آنها صحبت کرده ام متوجه همین موضوع شده اند. بهترین مهندسان هوش مصنوعی در واقع افرادی هستند که متخصصان حوزه هستند که یاد گرفته‌اند چگونه پیام‌های خوب بنویسند.
همانطور که در مورد چگونگی انجام این کار در چند سال آینده فکر می کنید، آیا فکر می کنید که تعداد کارکنان شرکت در تیم های مختلف تقریباً مشابه به نظر می رسد یا فکر می کنید که در طول زمان با استقرار هوش مصنوعی در سراسر شرکت تغییر می کند؟
فکر می‌کنم نقش کمی پیشرفت می‌کند. من فکر می‌کنم بسیاری از افراد CX ما را خواهید دید که مستقیماً به سؤالات پاسخ نمی‌دهند، اما در واقع دستور العمل می‌نویسند و کارهایی مانند تنظیم سریع برای بهبود هوش مصنوعی انجام می‌دهند. همه قرار است فقط لایه انتزاعی را بالا ببرند، و سپس بدیهی است که کارایی بیشتری برای شرکت و همچنین تجربه مشتری بهتری به همراه خواهد داشت، زیرا بلافاصله به سؤالات خود پاسخ خواهند داد.
و این قفل Gusto را باز می کند تا کارهای بیشتری برای مشتریان ما انجام دهد. نقشه راه عظیمی از کارهایی وجود دارد که می خواهیم انجام دهیم، اما نمی توانیم زیرا در منابع محدود هستیم.