DI raštingumo atotrūkis auga. Štai kaip jį sumažinti.

Kas yra dirbtinio intelekto raštingumas?

Būti raštingam dirbtinio intelekto srityje reiškia sugebėti pakankamai gerai suprasti, kaip veikia dirbtinis intelektas, kad būtų galima juo veiksmingai naudotis, atpažinti jo ribas bei riziką ir priimti pagrįstus sprendimus dėl jo išvesties. Organizacijos „Digital Promise“ dirbtinio intelekto raštingumo sistema tai apibūdina kaip supratimo, naudojimo ir vertinimo derinį.

Tačiau pati svarbiausia dalis, skirianti naujoką nuo eksperto, yra vertinimas. Deja, įprastuose mokymuose tam skiriama mažai praktinio dėmesio. Po dviejų valandų seminaro beveik bet kas galėtų naudoti dirbtinį intelektą, kad sugeneruotų nugludintą atsakymą į klausimą.

Tačiau būti raštingam dirbtinio intelekto srityje reiškia sugebėti nustatyti, ar atsakymas yra:

• Tikslūs
• Užbaigta
• Naujausi
• Susiję
• Saugus veikti

Kodėl dirbtinio intelekto raštingumas dabar yra toks svarbus

Dirbtinis intelektas tapo plačiai prieinamas, tačiau paramą ir mokymus, kaip juo gerai naudotis, rasti sunkiau.

• Remiantis neseniai atliktais Dirbtinio intelekto valdymo centro bendradarbio Sam Manning tyrimais, apie 6,1 mln. JAV darbuotojų dirba darbą, kuriam būdinga didelė dirbtinio intelekto ekspozicija ir mažas gebėjimas prisitaikyti prie darbo pokyčių
• Remiantis „Gallup“ 2025 m. IV ketvirčio apklausa, 38 % teigia, kad jų organizacija pritaikė dirbtinį intelektą, tačiau tik 12 % juo naudojasi kasdien.

Šis atotrūkis tarp prieigos prie dirbtinio intelekto ir užtikrinto jo naudojimo suteikia galimybę ir individams, ir verslui įgyti pranašumą naudojant dirbtinio intelekto raštingumo mokymus, apimančius kur kas daugiau nei tik geresnių užklausų rašymą.

Tuo tarpu „McKinsey“ praneša, kad dirbtinio intelekto sklandumo – gebėjimo naudotis dirbtinio intelekto įrankiais ir juos valdyti – paklausa nuo 2023 m. vidurio iki 2025 m. vidurio išaugo beveik septynis kartus.

• Darbdaviai aiškiai pripažįsta dirbtinio intelekto raštingumo mokymų poreikį.
• Darbuotojai nori įgyti šių įgūdžių.

Tačiau kyla nerimo, kai vienintelis sėkmės matas yra maksimalus diegimas. Žmonės gali greitai išmokti naudotis dirbtiniu intelektu, tačiau tapti atidžiu, patyrusiu naudotoju reikia laiko ir praktikos.

Vertinimas: svarbiausias įgūdis

Daugumoje dirbtinio intelekto mokymų akcentuojama išvesties vertinimo svarba, tačiau beveik neskiriama laiko (arba visai neskiriama) tam paaiškinti, ką tai iš tikrųjų reiškia.

Praktikoje dirbtinio intelekto tikrinimui reikia trijų pagrindinių veiksmų:

• Atidus skaitymas
• Sunkių klausimų uždavimas
• Laiko skirimas šaltiniams, statistikai ir teiginiams dukart patikrinti.

Prieš vadovaudamiesi dirbtinio intelekto pateikiama informacija, nuspręskite, ar ji atitinka šiuos kriterijus:

• Ar ją galima atsekti iki patikimo šaltinio?
• Ar viskas dera tarpusavyje patikrinus atskiras dalis?
• Ar tai pakankamai nauja, kad būtų aktualu?

Nors dirbtinio intelekto sugeneruotas tekstas gali skambėti nugludintai ir profesionaliai, faktai gali būti neteisingi. Dirbtinis intelektas gali „haliucinuoti“ visiškai išgalvodamas dalykus (skaitykite „Kaip pastebėti dirbtinio intelekto haliucinacijas: 7 pavojaus signalai“), rasdamas neteisingą ar neįsamią informaciją arba neteisingai suprasdamas tai, ką rado, ir padarydamas klaidingą išvadą.

Norėdami įvertinti bet kokią išvestį, atlikite šį procesą:

Atsekti → Patvirtinti → Nuspręsti.

Pavyzdžiui, paprašykite dirbtinio intelekto parengti konkurentų kainų palyginimą. Norėdami įvertinti rezultatus:

• Atidarykite kiekvieną kainų puslapį (atsekti)
• Patikrinkite plano pavadinimus ir kainas (patvirtinkite)
• Užfiksuokite, ką dirbtinis intelektas suprato neteisingai arba praleido, ir atlikite reikiamus pataisymus (nuspręskite)

Štai dar keletas pavyzdžių, kaip vertinti dirbtinio intelekto išvestį.

Kodėl dauguma dirbtinio intelekto mokymų nepadeda išsiugdyti raštingumo

Vos per kelerius metus dirbtinis intelektas tapo iš specializuotos technologijos visuotine tema ir įrankiu. Vadovams suskubus ieškoti mokymo išteklių, pardavėjai suskubo juos sukurti. Paklausa buvo didelė, tačiau kompetencijos trūko, o galimos medžiagos kokybė ne siempre spėjo paskui.

Rezultatas – mokymų teatras, kuris vos nubrėžia svarbių temų paviršių ir pateikia visiems tinkančius vienkartinius nurodymus. Būkite skeptiški dėl mokymų, kur:

• Dėmesys skiriamas susipažinimui su įrankiais ir užklausų (promptų) kūrimui. Tokie seminarai ugdo supratimą, bet ne įžvalgumą, kuris atsiranda atliekant realias darbo eigas.
• Turinys neapima gilesnių, svarbesnių klausimų: kada naudoti dirbtinį intelektą, kada jo nenaudoti, kaip įvertinti išvestį arba kaip pritaikyti įmonės taisykles realioms užduotims.
• Trūksta praktikos laiko, užduotims specifinių instrukcijų ir grįžtamojo ryšio apie dalyvių pažangą ar tai, ką jie galėtų patobulinti.
• Svarbiausia yra dalyvavimas, o ne kompetencija.

Padidinti

Kaip iš tikrųjų ugdyti dirbtinio intelekto raštingumą

Kad taptų raštingi dirbtinio intelekto srityje, žmonėms reikia praktinių, konkrečiam vaidmeniui pritaikytų mokymų, kurių metu jie turėtų atlikti realias užduotis tikroviškoje darbo eigoje. Tam jiems reikia ir skirto laiko.

1. Praktiniai mokymai suteikia realios patirties, padedančios žmonėms išmokti, ką daryti įvairiose situacijose mažos rizikos aplinkoje. Kai vertinimas ir koregavimas yra darbo eigos dalis, dalyviai mokosi iš savo ir vieni kitų eksperimentų bei klaidų. Pradėkite užsiregistruodami naudoti vieną ar kelis dirbtinio intelekto įrankius, net ir nemokamu lygiu.
2. Konkrečiam vaidmeniui pritaikyti mokymai yra itin svarbūs, nes skirtingoms išvestims suprasti ir vertinti reikia skirtingų įgūdžių. Žmonėms, kurie niekada nėra kūrę suvestinės lentelės (angl. pivot table), būtų sunku žinoti, ar dirbtinis intelektas sukūrė gerą lentelę, arba kaip paskatinti jį antrą kartą atlikti darbą geriau. Tas pats pasakytina ir apie teisinių dokumentų, svetainės vaizdinės medžiagos, naujų medicininių tyrimų santraukos ar bet kokios konkrečiam darbui skirtos išvesties, kuriai reikia tam tikrų pagrindinių žinių, vertinimą. Pradėkite nuo keleto reguliarių užduočių, kurias būtų galima atlikti pasitelkiant dirbtinį intelektą nustatymo.
3. Realių užduočių skirstymas padeda žmonėms suprasti, kaip dirbtinis intelektas gali padėti jiems atlikti darbą ir ugdyti įgūdžius, kurių prireiks juo naudojantis. Jie sužinos, kurias užduotis tikslinga pavesti atlikti pačiam dirbtiniam intelektui, kurioms reikia daugiau priežiūros, o kurioms visada būtinas žmogaus sprendimas, taip pat – kada ir kaip užtikrinti konfidencialių klientų ir įmonės duomenų saugumą. Apsvarstykite galimybę suskirstyti užduotis pagal tai, kiek žmogaus peržiūros joms reikia. Pavyzdžiui:

1. Apsaugotas laikas yra paskutinis elementas, kurio reikia dirbtinio intelekto raštingumui ugdyti, bent jau pradžioje. Visi yra užimti, o tai visada atrodo kaip gera priežastis ir toliau viską daryti senoviškai, o ne skirti papildomo laiko naujam įrankiui išbandyti. Kaip ir daugelis gerų investicijų, mokymams praleistas laikas su kaupimu atsipirks, kai tik žmonės supras, kaip geriausiai bendradarbiauti su dirbtiniu intelektu. Kiekvieną dieną ar savaitę skirkite šiek tiek laiko sau, vieni arba su grupe.

Kur mokytis

Internete yra daug išteklių, teikiančių gerus pagrindinius mokymus. Ieškokite tokių, kurie reikalauja rašyti ir taisyti užklausas, lyginti išvestis, tikrinti teiginius, nustatyti trūkstamą kontekstą ir nuspręsti, kada atsakymui reikia žmogaus peržiūros. Štai keletas vietų, nuo kurių galite pradėti:

• Chalmerso technologijos universitetas siūlo nemokamą internetinį kursą „Darbas ir mokymasis su generuojamuoju dirbtiniu intelektu“, kuriame savarankiškos studijos derinamos su pasirinktinomis tiesioginėmis sesijomis. Pratimai pritaikyti įvairioms profesijoms, orientuoti į realaus gyvenimo užduotis ir vystosi nuo veiksmingo individualaus naudojimo iki užduočių delegavimo.
• „DeepLearning.AI“ kursas „Generative AI for Everyone“ – tai internetinės pamokos, kurioms vadovauja dirbtinio intelekto pradininkas Andrew Ng. Jame pateikiama generuojamojo dirbtinio intelekto apžvalga, paaiškinama, kaip jis veikia ir ką gali. Jame taip pat siūlomi praktiniai pratimai, padedantys išmokti pagrindų ir ne tik.
• „Perplexity.ai“ taip pat gali palaikyti tokius mokymus, kokius rekomenduoja šie ištekliai ir šis straipsnis: praktikuokite užduoti realistiškus klausimus, tikrinkite faktinių teiginių pagrindą, lyginkite šaltinius ir tobulinkite darbą peržiūrint žmogui. Žiniatinklyje atliktų tyrimų rezultatuose pateikiamos susietos citatos, todėl lengviau atsekti teiginius, statistiką ir citatas iki jų šaltinio. Be to, apsilankykite „Perplexity Academy“, kur rasite trumpų vaizdo įrašų rinkinį apie pagrindines temas, pavyzdžiui, geriausią užklausų rašymo praktiką, taip pat sudėtingesnes temas, tokias kaip pakartotinai naudojamų darbo eigų kūrimas reguliarioms užduotims ir „Perplexity“ prijungimas prie verslo įrankių.

Norėdami gauti daugiau pasiūlymų, kaip išmokti vertinti dirbtinį intelektą, atsisiųskite mūsų vadovą apie pasitikėjimo, tikslumo ir priežiūros sistemos kūrimą. Norėdami gauti informacijos, pritaikytos įvairioms pramonės šakoms ir tikslams, įskaitant užklausų pavyzdžius konkrečioms užduotims, visus mūsų vadovus rasite čia.

Dirbtinio intelekto raštingumas ugdomas per praktiką, atliekant realias darbo eigas. Seminarai gali padėti viską pradėti, tačiau jie nepakeičia realaus darbo atlikimo dirbtinio intelekto įrankyje, išvesties vertinimo, klaidų taisymo ir žmogaus nuovokos pritaikymo. Vykdant praktinius, konkrečiam vaidmeniui pritaikytus mokymus ir atliekant atitinkamas užduotis apsaugotose sesijose, dirbtinis intelektas pradės duoti įspūdingos grąžos.

Dažniausiai užduodami klausimai

Kokia dirbtinio intelekto raštingumo reikšmė?

Dirbtinio intelekto raštingumas – tai gebėjimas suprasti, naudoti, vertinti dirbtinio intelekto sistemas bei jų išvestį ir priimti dėl jų pagrįstus sprendimus. Tai viršija vien sėkmingų užklausų rašymą. Dirbtinio intelekto srityje raštingi žmonės gali atpažinti, kur dirbtinis intelektas yra naudingas, apsaugoti jautrią informaciją, patikrinti svarbius teiginius, suprasti atsakymo ribas ir žinoti, kada galutinį sprendimą privalo priimti žmogus.

Koks yra dirbtinio intelekto raštingumo pavyzdys?

Dirbtinio intelekto raštingumo pavyzdys – kai dirbtinio intelekto įrankis naudojamas konkurentų analizei parengti, o tuomet, prieš pritaikant šią analizę pardavimų pristatyme, atidaromas kiekvienas nurodytas šaltinis kainoms, produktų savybėms, datoms ir citatoms patikrinti. Svarbiausia raštingumo dalis – gebėjimas pastebėti, ką reikia patikrinti, pagrįsti tai patikimais įrodymais ir pataisyti arba atmesti nepagrįstus teiginius.

Kokie yra keturi dirbtinio intelekto raštingumo ramsčiai?

Dirbtinio intelekto raštingumo sistemos naudoja skirtingą terminologiją, tačiau praktišką trijų dalių modelį sudaro supratimas, naudojimas ir vertinimas. Dirbtinio intelekto srityje raštingas žmogus supranta, kaip veikia dirbtinis intelektas ir kur jis gali suklupti, veiksmingai naudoja jį atitinkamoms užduotims atlikti ir gali įvertinti išvestį dėl tikslumo, šališkumo, išsamumo, savalaikiškumo bei rizikos. Dažnai įtraukiamas ir gebėjimas atsakingai įsitraukti saugant duomenis, atsižvelgiant į asmenis, kuriuos paveikia dirbtinio intelekto naudojimas, ir užtikrinant atskaitomybę žmogui. Vertinimas yra svarbiausia dalis, skirianti ekspertus nuo pradedančiųjų.

Kaip galiu pagerinti savo dirbtinio intelekto raštingumą?

Pagerinkite dirbtinio intelekto raštingumą praktikuodamiesi su realiu, mažos rizikos darbu. Vadovai yra naudingi, tačiau jie nepakeičia praktinės patirties. Pasirinkite dirbtinio intelekto įrankį ir pasikartojančią užduotį, pavyzdžiui, dokumento apibendrinimą, konkurentų tyrimą ar užrašų tvarkymą. Tada atidiai peržiūrėkite išvestį atsekdami, iš kur kyla informacija, patvirtindami svarbius faktus bei citatas ir ištaisydami visas klaidas. Laikui bėgant išsiugdykite įprotį spręsti, kurioms užduotims dirbtinis intelektas gali padėti, kurioms reikia žmogaus peržiūros, o kurias turėtų atlikti žmonės. Tikslas – naudotis dirbtiniu intelektu užtikrintai, saugiai ir remiantis sveika nuovoka.

Kaip vertinate dirbtinio intelekto išvestį?

Pradėkite nuo teiginių, kurie yra svarbiausi. Patikrinkite, ar šaltinis egzistuoja ir palaiko tikslų teiginį. Patvirtinkite, kad vardai, datos, produktai ir skaičiai yra teisingi bei tiksliai pateikti. Įsitikinkite, kad informacija yra naujausia. Įtraukite kvalifikuotą recenzentą teisiniams, medicininiams, finansiniams, saugumo, užimtumo ar kitiems didelės svarbos sprendimams priimti. Dirbtinio intelekto sugeneruotos citatos gali pagreitinti procesą, tačiau citatą vis tiek reikėtų atidaryti ir patikrinti.