چگونه هوش مصنوعی مولد می تواند شرح وظایف فراگیر را ارتقا دهد

زمینه مناسب و حفظ حریم خصوصی داده‌ها باید برای توسعه‌دهندگان در هنگام نوشتن برنامه‌های کاربردی روی هوش مصنوعی مولد برای موارد استفاده B2B مورد توجه قرار گیرد.

تعداد فزاینده‌ای از کارفرمایان مزایای بسیاری از هوش مصنوعی را در طول فعالیت‌های منابع انسانی خود تجربه می‌کنند – از شخصی‌سازی نامزدها، تجربیات مکالمه، الگوریتم‌های تطبیق و امتیازدهی و بینش‌های ایجاد شده توسط هوش مصنوعی.

با ظهور هوش مصنوعی مولد، محصولات فناوری HR شروع به ایجاد موارد استفاده برای بهینه‌سازی ارتباط بین استخدام‌کنندگان، مدیران، نامزدها و کارمندان و همچنین ساخت دستیاران برای افزایش بهره‌وری منابع انسانی کرده‌اند. این فناوری‌ها همچنین به تیم‌های منابع انسانی کمک می‌کنند تا استراتژی‌های حفظ و رشد کارکنان بهتری ایجاد کنند و به آن‌ها کمک می‌کنند تا به یک سازمان مبتنی بر مهارت تبدیل شوند.

در حالی که همه این نوآوری در حال انجام است، ثبات و فراگیری در شرح شغل همچنان یک چالش است و اغلب نادیده گرفته می شود.

هوش مصنوعی مولد می‌تواند به اطمینان حاصل شود که آگهی‌های شغلی به طور مداوم با سطح معیارهای مورد نیاز برای یک عملکرد خاص، از جمله مهارت‌ها و شایستگی‌های لازم، همراه با استفاده از زبان فراگیر و کاهش تعصب، مطابقت دارند. این امر به ویژه مفید است زیرا بازار کار همچنان قوی است و کسب‌وکارها به کارگران نیاز دارند.

هوش مصنوعی مولد که با ملاحظات زمینه‌ای مناسب ساخته شده است، این قابلیت را دارد که به‌طور مسئولانه توصیف‌های شغلی تطبیقی ​​و فراگیر را در مقیاس بزرگ تولید کند. این پست‌های بسیار شخصی‌سازی‌شده را تولید می‌کند که لحن و برند سازمان را حفظ می‌کند و این کار را در کسری از زمانی که برای یک انسان لازم است انجام می‌دهد.

بارگذاری این وظیفه در هوش مصنوعی مولد به منابع انسانی اجازه می‌دهد تا بر محتوایی تمرکز کند که فرهنگ و تجربه برند را شکل می‌دهد – حوزه‌هایی که فناوری در درک عناصر ظریف انسانی کوتاهی می‌کند

LLMها به زمینه مناسب نیاز دارند

مدل‌های تجاری زبان بزرگ (LLM) که برای هوش مصنوعی مولد استفاده می‌شوند، اساساً تقریبی از دانش گسترده موجود در زمینه ایجاد شرح شغل هستند. در حالی که استانداردهای صنعتی موجود به طور کلی توصیفات به خوبی بیان شده باشد، ممکن است فاقد زمینه خاص سازمان یا تیم باشد، که باعث می شود برای نامزدها غیرشخصی یا عمومی به نظر برسند. علاوه بر این، اگر از این مدل‌ها خواسته شود تا با استفاده از عناوین جنسیتی (مانند «آتش‌نشان»)، شرح شغلی ایجاد کنند، احتمالاً نتیجه غیرخنثی خواهد بود و نیاز به توجه دقیق به زبان را برای فراگیری نشان می‌دهد.

مدل‌های هوش مصنوعی مولد برای شکل‌دهی به نوشتن شرح شغل و تعیین کلمات و عباراتی که باید از آنها دوری کنند، به دستورهای دقیق نیاز دارند. به‌جای استفاده از عنوان شغلی مانند «آب‌وهواشناس»، برنامه باید از عبارت فراگیرتر «هواشناس» همراه با لحن گویا و نمونه‌های خوش ساخت استفاده شود. و انجام این کار در مقیاس در سراسر سازمان ممکن است آسان نباشد.

ممکن است برای تیم های منابع انسانی وسوسه انگیز باشد که یک آگهی شغلی قدیمی را برای نقشی مشابه برای صرفه جویی در زمان پیدا کنند، اما تلاشی که در قسمت جلویی انجام می شود در قسمت پشتی به شکل شرح شغلی که باعث تحریک می شود نتیجه خواهد داد. علاقه استعداد مناسب پستی که نامزدهای عالی را دور می‌کند، می‌تواند تأثیر منفی گران قیمت و طولانی‌مدتی بر کسب‌وکار داشته باشد.

شرح شغل مغرضانه چیست؟ شناسایی سوگیری برای منابع انسانی همیشه ساده نیست. این یک کار ذهنی است در حالی که برخی اصلاحات ممکن است آشکار باشد، تشخیص اینکه آیا سوگیری واقعاً حذف شده یا به طور سهوی معرفی شده است می تواند چالش برانگیز باشد. اینجاست که فناوری بسیار ارزشمند است و به انسان ها کمک می کند تا تعادل مناسب را سریع و دقیق ایجاد کنند. مدل‌های هوش مصنوعی، که از عملکرد گذشته درس می‌گیرند و از دستورالعمل‌های اساسی پیروی می‌کنند، می‌توانند نقش مهمی در ایجاد شرح‌های شغلی که با انصاف و فراگیری همسو باشد، ایفا کنند.

چالش های توسعه دهندگان

در طول اولین کنفرانس توسعه دهندگان OpenAI در اوایل نوامبر، این شرکت گفت که مدل های توربو GPT-4 دارای زمینه ۱۲۸k هستند. پنجره، به این معنی که می تواند معادل بیش از ۳۰۰ صفحه متن را در یک فرمان هضم کند. ChatGPT تقریباً به طور قطع یاد خواهد گرفت که چگونه پاسخ های مناسب را از این زمینه ارائه دهد، که واقعاً یک تغییر دهنده بازی است. و ChatGPT نیز بسیار ارزانتر شده است. از این منظر، توسعه‌دهندگان به این فکر می‌کنند که «خوب، چگونه می‌توانم به کاربرانم ارزش اضافه کنم؟»

در نسخه‌های قبلی ChatGPT، یافتن موارد استفاده تماماً به دنبال یافتن سناریویی برای تولید محتوا و ساختن یک برنامه در بالای ChatGPT بود. اما اکنون می توان زمینه را فهمید و بسیاری از چیزهای دیگر را کنار گذاشت. این یک شاخص واضح از وعده عظیم این فناوری است.

اما برخلاف این چشم انداز خوش بینانه، شرکت هایی که از هوش مصنوعی مولد استفاده می کنند باید با نگرانی های اخلاقی و حفظ حریم خصوصی دست و پنجه نرم کنند. حکمرانی، نظارت و مستندات اساسی، تدابیر امنیتی در برابر استقرار هوش مصنوعی تبعیض آمیز هستند. در گذشته، توسعه‌دهندگان می‌توانستند برای محافظت در برابر هوش مصنوعی تبعیض‌آمیز، تنها به این پادمان‌ها تکیه کنند. با این حال، چشم انداز به طور قابل توجهی تکامل یافته است، و این مستلزم آن است که توسعه دهندگان چیزهای بیشتری را در طراحی خود در نظر بگیرند. این یک بازی کاملاً جدید با توپ است.

امروزه بررسی‌های دقیق‌تری پیرامون چندین موضوع بزرگ وجود دارد، از جمله پنهان کردن اطلاعات قابل شناسایی شخصی، تزریق زمینه بدون نشت داده، و ذخیره اطلاعات مشتری در اکوسیستم خود در حالی که فقط جنبه‌های استنتاجی درخواست را به مدل‌های هوش مصنوعی مولد منتقل می‌کند. اینها برخی از پیچیدگی هایی است که توسعه دهندگان در حال حاضر با آن مواجه هستند.

چرا هوش مصنوعی مولد به نرده های محافظ نیاز دارد

همانند هر فناوری جدید یا در حال ظهور، صنعت و دولت در حال تلاش برای ایجاد حفاظ های اخلاقی و قانونی مناسب پیرامون هوش مصنوعی هستند. برای یک مهندس، ساخت بر اساس هوش مصنوعی مولد نیاز به آگاهی دقیق از هر دو کاربرد اخلاقی و عملی داده ها دارد.

محافظت از داده ها. ارسال رزومه یک متقاضی کار از طریق یک مدل زبان بزرگ بدون رضایت متقاضی، یا استفاده از آن برای نوشتن نامه رد به یک نامزد، در صورتی که اطلاعات هویتی شخصی به طور سهوی در اختیار LLM ها قرار گیرد، می تواند مشکل ساز باشد. حریم خصوصی داده هنگام ارسال جزئیات شخصی به پلتفرمی که از نظر فنی به یک راه‌اندازی موجود اختصاص ندارد، بسیار مهم است.

اطلاعات چگونه پنهان می شود؟ اعلان ها چگونه مهندسی مجدد می شوند؟ چگونه یک مهندس بدون ارسال اطلاعات قابل شناسایی شخصی، یک مثال خاص را درخواست می کند، و در راه بازگشت، چگونه داده ها با پارامترهای مناسب جایگزین می شوند تا آن را به کاربر نشان دهند؟

اینها همه سؤالاتی است که توسعه دهندگان باید هنگام نوشتن برنامه های کاربردی روی هوش مصنوعی مولد برای موارد استفاده B2B در نظر بگیرند.

یادگیری بخش‌بندی شده. یکی دیگر از عوامل مهمی که توسعه‌دهندگان باید در نظر بگیرند، تقسیم‌بندی داده‌های مشتری از دیدگاه آموزش مدل یا یادگیری ماشین است، زیرا تفاوت‌های ظریف نحوه نوشتن ایمیل از سازمانی به سازمان دیگر و حتی در بین کاربران مختلف در یک سازمان متفاوت است. مثال.

یادگیری هوش مصنوعی را نمی توان ترکیب کرد و عمومی کرد. بنابراین ادامه تقسیم بندی و یادگیری توسط یک مشتری، مکان یا بینندگان خاص بسیار مهم است.

بهینه سازی هزینه. داشتن قابلیت ذخیره و استفاده مجدد از داده ها مهم است، زیرا ورودی و خروجی داده می تواند برای موارد استفاده خاص که شامل تراکنش های حجمی است، گران باشد.

یک سند کوچک با تاثیر بسیار زیاد

برخی ممکن است نیاز به شرح شغل مکتوب در نیروی کار مدرن را زیر سوال ببرند، اما شرح شغل موثرترین راه برای برقراری ارتباط با نیازهای استعداد کارفرما و مهارت‌های زیربنایی برای نقش‌های خاص است.

وقتی اعلان‌های جای خالی به خوبی انجام شوند، نامزدها و کارمندانی را جذب می‌کنند که با ارزش‌ها، مأموریت و فرهنگ شرکت همسو هستند. یک چک حقوق و یک دفتر گوشه دیگر برای جلب توجه یک جوینده کار کافی نیست. آنها می خواهند برای شرکت هایی با فرهنگ درجه یک و ارزش های بی عیب و نقص کار کنند.

استفاده از سیگنال‌های زبانی متفکرانه و حساس به نامزدها مبنی بر اینکه کارفرما دارای یک محل کار فراگیر است که همه متقاضیان را در نظر می‌گیرد. به طور مشابه، با اطمینان از اینکه هوش مصنوعی مولد دارای زمینه مناسب است و داده‌های خصوصی خصوصی نگه داشته می‌شوند، توسعه‌دهندگان نقش مهمی در یک فناوری هیجان‌انگیز و امیدوارکننده که اخلاقی، فراگیر و عاری از تعصب است، ایفا می‌کنند.

Kumar Ananthanarayana معاون مدیریت محصول در Phenom، یک شرکت جهانی فناوری منابع انسانی مستقر است. در منطقه بزرگ فیلادلفیا.

—

Generative AI Insights مکانی را برای رهبران فناوری – از جمله فروشندگان و سایر مشارکت‌کنندگان خارجی – فراهم می‌کند تا چالش‌ها و فرصت‌های هوش مصنوعی مولد را بررسی و بحث کنند. این انتخاب گسترده است، از غواصی عمیق فناوری گرفته تا مطالعات موردی گرفته تا نظرات متخصص، اما همچنین ذهنی است، بر اساس قضاوت ما در مورد اینکه کدام موضوعات و درمان ها به بهترین وجه به مخاطبان فنی پیشرفته InfoWorld خدمت می کنند. InfoWorld وثیقه بازاریابی را برای انتشار نمی پذیرد و حق ویرایش تمام محتوای ارائه شده را برای خود محفوظ می دارد. تماس با doug_dineley@foundryco.com.