چطور یک «دفتر هوش مصنوعی» بسازیم که کار واقعی را به ای‌آی بسپاریم
هک رشد جهان هک رشد

چطور یک «دفتر هوش مصنوعی» بسازیم که کار واقعی را به ای‌آی بسپاریم

۲۸ آبان ۱۴۰۵ ⏱ ۸ دقیقه مطالعه 👁 ۰ بازدید ✍️ تحریریه رشدینو
✈️ اشتراک در تلگرام 💬 واتساپ 𝕏 توییتر
📌 نکات کلیدی و خلاصه خبر پاسخ سریع در یک نگاه

تیفانی کیازه، بنیان‌گذار جامعه AI Flow Club، روشی را توضیح می‌دهد که با ساختن یک پوشه از اسناد فرایندی، قالب‌ها و زمینه تاریخی، خروجی هوش مصنوعی را قابل پیش‌بینی و قابل واگذاری می‌کند؛ روشی که به آن «دفتر هوش مصنوعی» می‌گوید.

✨ تحلیل رشدینو نگاه اختصاصی تیم رشدینو

این راهنما در واقع نسخه تازه‌ای از همان اصل قدیمی «مستندسازی فرایند» است؛ تیم‌های ایرانی که هنوز دانش کاری خود را در ذهن افراد نگه داشته‌اند، با تبدیل آن به فایل‌های مارک‌داون و قالب‌های ثابت می‌توانند بدون استخدام نیروی جدید ظرفیت کار را بالا ببرند.

اگر از اینکه هر بار باید فرایندها، قالب‌ها و ترجیحاتتان را دوباره برای چت‌جی‌پی‌تی یا کلود توضیح دهید خسته شده‌اید و می‌خواهید بدانید چطور یک فضای کاری هوش مصنوعی بسازید که بتوانید کار واقعی را به آن بسپارید و هر بار همان نتیجه قابل اتکا را بگیرید، این راهنما برای شماست.

در این مقاله می‌بینید چطور یک «فضای کاری هوش مصنوعی» یا «دفتر هوش مصنوعی» از اسناد فرایندی، قالب‌ها و زمینه تاریخی بسازید تا چت‌جی‌پی‌تی، کلود و ابزارهای دیگر بتوانند روی آن تکیه کنند و کار واگذاشته‌شده را به‌شکل یکدست انجام دهند.

**چرا فضای کاری، واگذاری کار را ممکن می‌کند**

تیفانی کیازه از مسیر اتوماسیون به هوش مصنوعی رسید؛ اتوماسیونی که او آن را «توالی‌سازی» تعریف می‌کند: وقتی این اتفاق بیفتد، آن اتفاق می‌افتد. او در جامعه AI Flow Club خود به کارآفرینان می‌آموزد سیستم‌های هوش مصنوعی عامدانه خسته‌کننده و قابل پیش‌بینی بسازند؛ سیستم‌هایی که یک بار خوب فکر و بررسی می‌شوند و بعد نتیجه‌ای می‌دهند که می‌توان روی آن حساب کرد.

چون هوش مصنوعی همیشه خروجی قطعی و تکرارشدنی تولید نمی‌کند، هدف او این است که آن را کنترل‌شده، محدود و سودآور کند.

کار تنها زمانی می‌تواند به هوش مصنوعی سپرده شود که خروجی قابل پیش‌بینی باشد. تیفانی وضعیت ایده‌آل را به همبرگر مک‌دونالد تشبیه می‌کند: هر بار همان است و همین نکته مهم است. فضای کاری هوش مصنوعی این پیش‌بینی‌پذیری را فراهم می‌کند؛ با دادن یک جای واحد به هوش مصنوعی برای یافتن استانداردها، فرایندها و قالب‌های هر کاری که از او خواسته می‌شود.

**اول: فقط زمینه‌ای را بدهید که هر کار لازم دارد؛ از کوچک شروع کنید**

رایج‌ترین برداشت غلطی که تیفانی می‌بیند این باور است که هوش مصنوعی باید همه‌چیز را بداند: انگیزه‌های شخصی، شیوه کار فرد، اتفاقات زندگی‌اش و داده همه اپلیکیشن‌هایی که تا حالا استفاده کرده. صفحات کانکتورها و افزونه‌ها در چت‌جی‌پی‌تی و کلود این وسوسه را ایجاد می‌کند، چون اپ‌های آشنای زیادی در آن فهرست شده‌اند.

مشکل این است که مدل زبانی بزرگ فرض می‌کند هر چیزی که در گفت‌وگو مطرح شود قرار است استفاده شود. اگر کسی به هوش مصنوعی بگوید خسته است و از او بخواهد ایمیلی برای رد دعوت یک پادکست بنویسد، احتمالاً ایمیل می‌گوید فرستنده خسته است؛ در حالی که شاید فرستنده فقط می‌خواسته بگوید زمان‌بندی جور نیست.

داده متصل همین ریسک را دارد. یک کانکتور استرایپ می‌تواند برای تطبیق درآمد کمک کند، اما اگر هوش مصنوعی بداند کسب‌وکار هفته‌ای ۱۰ هزار دلار درآمد دارد، همین عدد ممکن است سر از پست‌های شبکه‌های اجتماعی دربیاورد. سیستم‌های «مغز دوم» برای دانستن یک داستان شخصی مفیدند، اما به گفته تیفانی هوش مصنوعی برای انجام کار به آن داستان نیازی ندارد. برای هر کار، پرسش درست این است که چه اطلاعاتی مرتبط است و ریسکش چیست اگر هوش مصنوعی بیشتر از حد بگوید.

زمینه دقیق، توکن هم صرفه‌جویی می‌کند. بدون قالب، درخواست خلاصه‌کردن یک جلسه، هوش مصنوعی را وادار می‌کند خودش تصمیم بگیرد خلاصه چه شکلی است، چه چیزی باید داشته باشد و چه چیزی ارزشمند است. نتیجه سندی طولانی‌تر است پر از اطلاعاتی که مرتبط‌اند اما لازم نبودند. اگر به خلاصه گفته نشود روی پیشرفت پروژه تمرکز کند، مثلاً پنج دقیقه صحبت شرکت‌کنندگان درباره تعطیلات آخر هفته هم در آن می‌آید.

تیفانی پیشنهاد می‌کند هم نوع اطلاعات لازم و هم ساختار خروجی را تعریف کنید. همین تعریف جلوی خواندن بیشتر از حد را هم می‌گیرد: برای خلاصه‌کردن یک تماس، فقط از متن تماس و قالب خلاصه تماس استفاده می‌کند، نه از فایل‌های نامرتبط مثل قواعد زمان‌بندی.

**چطور فضای کاری را بدون بار زیاد شروع کنیم**

یک ترند محبوب، استفاده از «پرامپت اصلی» بوده است؛ زندگینامه‌ای که با هر درخواست به هوش مصنوعی داده می‌شود. بعضی‌ها پرامپت اصلی ۹۰ صفحه‌ای نوشته‌اند. تیفانی می‌گوید این حجم اطلاعات زیادی بود، چون هوش مصنوعی به جزئیات کوچک دفن‌شده در یک سند بزرگ به‌اندازه کافی توجه نمی‌کند. نگهداری‌اش هم سخت است: اگر لحن برند باید عوض شود، پیدا کردن آن بخش و هر بخش دیگری که روی آن اثر می‌گذارد زمان زیادی می‌برد.

در عوض، تیفانی پیشنهاد می‌کند با یکی دو قطعه شروع کنید و مطمئن شوید هرکدام درست کار می‌کند. شروع کوچک امکان می‌دهد هر افزوده را تنظیم کنید و دقیقاً ببینید هوش مصنوعی چطور از آن اطلاعات استفاده می‌کند.

وقتی از روز اول ۵۵ سند در پوشه باشد، سخت است بفهمید هوش مصنوعی هنگام تولید نتیجه به کدام‌ها مراجعه کرده است. هر کسی که همین حالا این تعداد سند دارد باید صریحاً به هوش مصنوعی بگوید برای هر کار از کدام اسناد استفاده کند. آن‌وقت اگر نتیجه ضعیف بود، فقط دو جا برای بررسی وجود دارد: دستور یا زمینه.

یک پروژه کلود که همین حالا خوب کار می‌کند گزینه اول خوبی است. پروژه، پوشه‌ای با دستورها و فایل‌های متمرکز بر یک کار است، پس می‌تواند زیرپوشه‌ای از فضای کاری جدید شود که هر ابزار هوش مصنوعی به آن دسترسی دارد.

**دوم: انتخاب کنید فضای کاری کجا زندگی کند**

فضای کاری هوش مصنوعی یک پوشه روی کامپیوتر است با اطلاعاتی که در زیرپوشه‌ها سازمان‌دهی شده‌اند. تیفانی آن را به یک «کلاسور دیجیتال» تشبیه می‌کند؛ مثل همان کلاسوری که در اولین شغلش گرفت، با زبانه‌هایی که توضیح می‌داد هر موقعیت چطور باید اداره شود، مثلاً تماس با پذیرش. به‌جای زبانه‌ها، فضای کاری زیرپوشه دارد و هوش مصنوعی دقیقاً می‌داند دفعه بعد فایل لازم را کجا پیدا کند.

این فضای کاری با ابزارهایی کار می‌کند که به فایل دسترسی دارند؛ مثل کلود Cowork، کلود کد، ChatGPT Work و ChatGPT Codex. به گفته تیفانی، چت‌جی‌پی‌تی معمولی هم دسترسی به سیستم فایل دارد و گوگل درایو هم می‌تواند «منبع حقیقت» باشد، چون تقریباً به همه ابزارهای هوش مصنوعی وصل می‌شود.

تیفانی فضای کاری خود را در سیستم فایل کامپیوترش و به‌شکل فایل‌های مارک‌داون نگه می‌دارد. هر فایل فقط چند کیلوبایت است و همین مصرف توکن را پایین نگه می‌دارد. او مارک‌داون را «زبان اول هوش مصنوعی» می‌نامد: حتی بدون قالب‌بندی، خواندنش آسان است؛ علامت هشتگ سرتیتر را نشان می‌دهد و ستاره‌ها متن پررنگ را.

برای کسانی که نمی‌خواهند مارک‌داون خام بخوانند، تیفانی ابسیدین را پیشنهاد می‌کند که فایل‌ها را با قالب‌بندی تمیز نشان می‌دهد و اتصال میان اسناد را هم نمایش می‌دهد. همان اتصال‌ها به هوش مصنوعی اجازه می‌دهد هر چیزی را که یک کار نیاز دارد بیرون بکشد؛ مثلاً فرایند ایمیل می‌تواند به نمونه ایمیل‌ها، قالب ایمیل و قواعد تشخیص پیام‌هایی که ارزش پاسخ دارند وصل شود.

او ابسیدین را به نوشن ترجیح می‌دهد، چون هوش مصنوعی سریع‌تر اطلاعات را در آن پیدا می‌کند. جست‌وجوی نوشن در کلود فیلدهای زیادی را اسکن می‌کند و پایگاه‌داده‌های نوشن او گاهی ۲۰ یا ۳۰ ستون دارند. ابسیدین همان نوع فیلدها را در YAML، یک بلوک کوچک کد در بالای هر فایل، نگه می‌دارد و همچنان فایل را مثل یک پایگاه‌داده نمایش می‌دهد.

**همگام‌سازی تیمی با گیت‌هاب**

تیفانی فضای کاری‌اش را با گیت‌هاب همگام می‌کند. پوشه‌ای برای «دفتر تیم» روی کامپیوتر خود دارد و شریکش تیلور که در کاناداست، پوشه متناظر آن را روی کامپیوتر خود دارد. وقتی تیفانی تغییرات را به گیت‌هاب می‌فرستد، پوشه تیلور به‌طور خودکار به‌روز می‌شود و اگر هر دو یک سند را ویرایش کنند، گیت‌هاب تغییرات را ادغام می‌کند بدون اینکه یکی روی دیگری را پاک کند.

گیت‌هاب همچنین به ابزارهای جدید هوش مصنوعی دسترسی می‌دهد بدون اینکه کل سیستم فایل در اختیارشان قرار گیرد. وقتی «میوز» عرضه شد، تیفانی آن را به مخزن گیت‌هاب خود ارجاع داد، نه به کامپیوترش، و ابزار اطلاعات لازم را گرفت.

**سوم: دفتر را با اسناد فرایندی، قالب‌ها و زمینه تاریخی پر کنید**

تیفانی به فضای کاری نهایی «دفتر هوش مصنوعی» می‌گوید: پوشه‌ای از فایل‌ها که هوش مصنوعی از آن به‌عنوان نقطه شروع استفاده می‌کند. این دفتر سه نوع محتوا دارد.

اسناد فرایندی: سندی که گام‌های انجام کار را مشخص می‌کند و نقش دستورالعمل استاندارد عملیات را دارد. معیارهای تیفانی برای تصمیم‌گیری درباره اینکه کدام ایمیل‌ها ارزش پاسخ دارند یکی از این نمونه‌هاست.

قالب‌ها: قالب یا نمونه‌ای از یک خروجی تمام‌شده است یا سندی که هوش مصنوعی کپی و پر می‌کند. یک قالب پرکردنی می‌تواند فقط سرتیترهایی با فضای خالی زیرشان داشته باشد.

زمینه تاریخی: شامل موادی مثل لحن برند و سوابق انباشته در طول زمان است که به هوش مصنوعی اجازه می‌دهد از دل همه کارهای انجام‌شده بینش بگیرد.

قالب جلسه تیفانی سه بخش دارد: خلاصه آنچه بحث شد، تصمیم‌های گرفته‌شده و تصمیم‌گیرنده‌ها، و کارهای بعدی با تاریخ سررسید و مسئول هرکدام تا بتواند بررسی کند کار انجام شده یا نه. یک قالب می‌تواند به سادگی یک سند ورد باشد. تیفانی پیشنهاد می‌کند مجموعه‌ای از صورت‌جلسه‌های خوب را به هوش مصنوعی بدهید و از او بخواهید قالبش کند.

قالب محبوب او، قالب «افراد» است که هر مخاطب تازه را به یک رکورد قابل جست‌وجو تبدیل می‌کند. هر وقت کسی را می‌بیند، به هوش مصنوعی می‌گوید در پوشه افراد صفحه‌ای بسازد با نام، ایمیل، راه تماس، موضوع گفت‌وگو، علایق، موقعیت مکانی و کلیدواژه‌های توصیف‌کننده رابطه. هوش مصنوعی هر بار که دوباره همدیگر را می‌بینند، یک ورودی گزارش با تاریخ و موضوع اضافه می‌کند.

وقتی پروژه‌ای شروع می‌شود، تیفانی می‌تواند از هوش مصنوعی بپرسد چه کسانی را دیده که می‌توانند کمک کنند، یا فهرست همه کسانی را بخواهد که در اکتبر دیده و گزارش پایان ماه درباره رشد شبکه‌اش نسبت به اهدافش. چنین معیار شبکه‌سازی قبلاً به دفترچه و شمارش دستی نیاز داشت.

**زمینه تاریخی که در طول زمان انباشته می‌شود**

تماس هفتگی AI Flow Club نشان می‌دهد زمینه تاریخی چطور ارزش می‌سازد. هر سه‌شنبه اعضا درباره مشکلاتی که با آن روبه‌رو شده‌اند صحبت می‌کنند و لینک‌ها را به اشتراک می‌گذارند. بعد از آن، هوش مصنوعی خلاصه‌ای با قالب یکدست و خوانا تولید می‌کند که شبیه نوشته ربات نیست، با تایم‌استمپ‌های کلیدی ویدیوی تماس و همه لینک‌های به‌اشتراک‌گذاشته‌شده در چت.

چون هوش مصنوعی فهرست به‌روز همه منابع کتابخانه جامعه را نگه می‌دارد، خلاصه راهنماهای مرتبطی را هم که تیفانی قبلاً منتشر کرده شامل می‌شود. وقتی تماس اخیر درباره سیستم‌های هوش مصنوعی محلی بود، خلاصه راهنماهای او در همین موضوع را آورد بدون اینکه لازم باشد توکنی صرف جست‌وجو در جامعه سیرکل کند.

همین مرور، یک «دفتر نقل‌قول» از نکات روشن تماس‌ها و گفت‌وگوهای مشتری را هم به‌روز می‌کند؛ دفتری که می‌تواند به پست وبلاگ، موضوع خبرنامه، درس یا توصیه تبدیل شود. یکی از اعضای جامعه تیفانی به هوش مصنوعی می‌سپارد بعد از هر تماس تیمی به همه شرکت‌کنندگان ایمیل بزند با آنچه گفتند، آنچه توافق کردند انجام دهند و یک تشکر، همراه با قدردانی از کسی که منبعی به اشتراک گذاشته. او هر ایمیل را قبل از ارسال بازبینی می‌کند.

**طراحی قالب و فرایند جدید با کمک هوش مصنوعی**

هوش مصنوعی می‌تواند تشخیص دهد چه چیزی باید وارد دفتر شود. کلود، به‌ویژه، و چت‌جی‌پی‌تی با درجه کمتر، می‌توانند در گفت‌وگوهای گذشته جست‌وجو کنند و ببینند چه چیزی بیش از حد توضیح داده می‌شود و پیشنهاد کنند به قالب تبدیل شود. هر کاری به راهنمای رسمی نیاز ندارد، اما درخواستی که مرتب تکرار می‌شود کاندیداست.

برای طراحی خود قالب یا فرایند، تیفانی هشدار می‌دهد که اجازه ندهید هوش مصنوعی همه‌چیز را خودش تصمیم بگیرد، چون نتیجه تصادفی می‌شود. اول از او بهترین شیوه‌ها را بپرسید. مثلاً پیش از ساختن یک وب‌سایت بپرسید چه چیزی باید در سایت باشد، چه بخش‌هایی و به چه ترتیب و چرا، و بخواهید قبل از پاسخ کمی پژوهش کند. به اشتراک گذاشتن اهداف، محصولات یا حوزه تخصصی، برنامه را هدفمندتر می‌کند. اما تیفانی پیشنهاد می‌کند کمی مخالفت کنید، چون اولین پاسخ هوش مصنوعی عمومی‌ترین پاسخ است و بهترین کاربردش نقطه شروع برای اصلاح است.

❓ پرسش‌های متداول درباره این خبر

موضوع اصلی گزارش «چطور یک «دفتر هوش مصنوعی» بسازیم که کار واقعی را به ای‌آی بسپاریم» چیست؟

تیفانی کیازه، بنیان‌گذار جامعه AI Flow Club، روشی را توضیح می‌دهد که با ساختن یک پوشه از اسناد فرایندی، قالب‌ها و زمینه تاریخی، خروجی هوش مصنوعی را قابل پیش‌بینی و قابل واگذاری می‌کند؛ روشی که به آن «دفتر هوش مصنوعی» می‌گوید.

این رویداد چه اهمیتی برای فعالان کسب‌وکار و فناوری دارد؟

د خسته شده‌اید و می‌خواهید بدانید چطور یک فضای کاری هوش مصنوعی بسازید که بتوانید کار واقعی را به آن بسپارید و هر بار همان نتیجه قابل اتکا را بگیرید، این راهنما برای شماست. در این مقاله می‌بینید چطور یک «فضای کاری هوش مص

# هک رشد
🔗 اخبار مرتبط

بخوانید