Kaggle DI agentų kursas sutraukė 353 tūkst. žmonių: rinka jau mokosi ne promptų, o sistemų
·
DI agentų kursas šiandien nėra teorinis žaislas. Tai jau darbas, pinigai, duomenys ir kartais labai žemiškas klausimas: kas prisiims atsakomybę, kai DI pradės veikti už žmogų?
Google aprašė Kaggle AI Agents Intensive kursą su Google. Skaičius gražus ir šiek tiek bauginantis: 353 tūkst. žmonių mokėsi kurti ir diegti DI agentus.
Turiu prisipažinti, tokias naujienas skaitau ne kaip blizgančią vitriną. Skaitau kaip žmogus, kuris iš karto galvoja apie komandą pirmadienio rytą. Kas iš to bus naudinga? Kur bus painiava? Ir kur po mėnesio kas nors pasakys: „mes galvojom, kad čia automatiškai susitvarkys“.
KAS NUTIKO
Kursas buvo nemokamas ir orientuotas į agentų kūrimą bei diegimą. Tai nebe vien „parašyk gerą promptą“. Čia kalba eina apie įrankius, veiksmų eigas, testavimą ir realų paleidimą.
Prisimenu laiką, kai pakako pasakyti: „mokam naudotis ChatGPT“. Šiandien tai jau kaip pasakyti, kad moki atsidaryti Excel. Smagu, bet klausimas: ką su tuo padarai?
Čia svarbi detalė: kalbame ne apie dar vieną gražų demonstracinį video. Kalbame apie produktus, politiką, infrastruktūrą arba tyrimus, kurie keičia, kaip žmonės dirba su DI realiose organizacijose.
KODĖL TAI SVARBU
Rinka persikelia nuo pavienių promptų prie sistemų. Agentas turi tikslą, įrankius, atmintį, ribas, tikrinimą ir atsakomybę. Tai jau arčiau proceso projektavimo nei tekstų rašymo triuko.
DI jau išlipo iš „parašyk tekstą“ dėžutės. Jis naršo, jungiasi prie įrankių, analizuoja duomenis, planuoja veiksmus, kartais tvarko dokumentus ar padeda priimti sprendimą. Trumpai: jis artėja prie darbo proceso, ne tik prie pokalbio lango.
Ir čia smegenys mėgsta paslysti. Norisi sakyti: „ai, čia dar užsienyje“. Bet tas pats modelis ar funkcija rytoj atsiras kliento kompiuteryje, darbuotojo naršyklėje arba partnerio pasiūlyme.
KĄ TAI REIŠKIA VERSLUI
Lietuvos įmonėms čia aiškus ženklas: mokymai turi keistis. Komandoms reikia suprasti ne tik kaip paklausti DI, bet kaip suprojektuoti mažą agentinį procesą.
- mokyti darbo eigų, ne vien promptų
- įtraukti testavimą ir klaidų taisymą
- kalbėti apie duomenų ribas
- vertinti, ar agentas užbaigia užduotį
Geras vidinis pratimas: viena komanda pasirenka nuobodų pasikartojantį darbą ir per savaitę sukuria agento prototipą. Po to ne giriasi, o pamatuoja.
Man patinka paprastas testas: ar po šios naujienos tavo komanda turi vieną aiškesnį sprendimą? Jei ne, vadinasi dar tik skaitome. Skaityti galima. Tik nereikia apsimesti, kad tai jau strategija.
KUR GALI SKAUDĖTI
Rizika – mokymus paversti įrankių paradu. Penki nauji mygtukai dar nėra kompetencija. Kompetencija yra tada, kai žmogus moka procesą suskaidyti ir žino, kur DI gali suklysti.
Dažniausia klaida labai ūkiška. Žmonės įsijungia įrankį, pabando, nustemba, pasidžiaugia ir tada palieka viską savieigai. Po kelių savaičių paaiškėja, kad vieni darbuotojai kelia jautrius failus, kiti matuoja naudą iš jausmo, o treti net nežino, kas leidžiama.
Ne tragedija. Bet tvarkos reikia.
KĄ PASIDARYTI ŠIĄ SAVAITĘ
Šią savaitę peržiūrėkite savo DI mokymų planą. Jei jame nėra agentų ribų, testavimo ir matavimo, jis jau vėluoja.
Šaltinis: Google Blog.
DUK
Kas yra Kaggle AI Agents Intensive?
Tai nemokamas Google ir Kaggle kursas apie DI agentų kūrimą ir diegimą.
Kodėl 353 tūkst. dalyvių svarbu?
Tai rodo, kad rinka masiškai pereina nuo paprastų promptų prie agentinių sistemų kūrimo.
Ko mokyti darbuotojus?
Darbo eigų, įrankių naudojimo, testavimo, duomenų ribų ir žmogaus patvirtinimo taisyklių.
Jei nori DI naudoti praktiškai, pradėk nuo vieno proceso. Vienas pasikartojantis darbas. Vienas atsakingas žmogus. Vienas matavimas. Daugiau praktikos rasi MasterSprint.
