.webp)
כולנו רוצים ללמוד איך אפשר לשלב מודלי שפה מתקדמים כמו- Chat GPT עם העבודה השוטפת שלנו, איך לבקש מהם ליצור עבורינו תוצרים שישרתו אותנו בעבודה ויחסכו עבורינו המון זמן. אבל לפעמים, אנחנו רוצים ליצור תוצר באמצעות מודל השפה, שאנחנו בעצמנו לא יודעים בדיוק איך להגדיר.
קחו דוגמא: נניח ואתם מחפשים לגייס עובד חדש לעסק שלכם ואתם רוצים ליצור מודעה שתעזור לכם לגייס את העובד המושלם,אבל אתם לא בקיאים במבנה ובקונבנציות שיש כיום ביצירת מודעת חיפוש עובד/ת- מה אתם עושים במצב הזה?
אפשרות ראשונה היא לבצע מחקר על מודעות חיפוש דומות מעולם התוכן שלכם, לבדוק מה המבנה שלהן, מילות מפתח שכיחות, ועוד המון פרמטרים שצריך לאתר במודעה שכזו. ואפשרות שניה היא פשוט לתת למודל השפה לעזור לכם.
איך אפשר להעזר כאן במודל השפה?
דמיינו שיש לכם תקציב ייעוץ, שבתקציב הזה אתם יכולים לגשת לכל איש מקצוע שהוא ולבקש ממנו ייעוץ והכוונה לגבי אותה המטלה שאתם מנסים ליצור. מצאתם את אותו היועץ? מעולה, עכשיו תשאלו את עצמכם, איך הייתי מנהל איתו שיחת ייעוץ בעולם האמיתי? והתשובה לשאלה הזאת היא בדיוק התהליך שמומלץ לעבור עם מודל השפה כאשר אתם רוצים את העזרה וההכוונה שלו בנושאים שאתם פחות בקיאים בהם.
למשל, אם היינו פונים ליועץ גיוס עובדים שיעזור לנו לכתוב מודעת גיוס מקצועית, הוא היה צריך להבין ולהכיר אותנו לעומק לפני שהוא היה יוצר לנו את מודעת החיפוש, הוא היה צריך לקבל עלינו מספיק רקע, להבין מה המטרות שלנו, להבין מי החברה, מי הצוות, מהו התפקיד, מהן הדרישות שלנו, מהי התרבות הארגונית ועוד המון שאלות שבמידה ויהיה לו את התשובות לגביהן- הוא יוכל ליצור לנו את המודעה המושלמת.
אז, כל מה שצריך לעשות זה רק לבצע ראיון
אז כמו בחיים האמיתיים, כאשר אנחנו ניגשים לייעוץ, אנחנו נבצע ראיון שבו היועץ המקצועי ישאל אותנו את כל מה שעליו לדעת על מנת לספק לנו את התוצר המבוקש. ובדיוק אותו הדבר גם פה- אנחנו צריכים להגדיר באופן ברור את תפקידו של הצ׳אט ואת התוצר שאנחנו נרצה לקבל, ולאחר מכן אנחנו יכולים לבקש ממנו לנהל איתנו ראיון מקצועי שבו הוא צריך לשאול אותנו את כל השאלות הרצויות, על מנת ליצור עבורינו תוצר מקצועי לפי הסטנדרטים הגבוהים שיש בתעשייה.
במידה ונעשה זאת, הצ׳אט ינהל איתנו ראיון שלם שבו הוא ישאל אותנו את כל מה שהוא צריך לדעת (ולפעמים קצת יותר) ולאחר שהוא יסיים הוא יוכל ליצור עבורינו בדיוק את מה שביקשנו. ובגישה כזאת אנחנו בעצם מבינים שאנחנו לא חייבים לדעת הכל, זה לא משנה אם אנחנו בקיאים במבנה של מה שאנחנו רוצים לקבל, כי מה שחשוב זה שמודל השפה יהיה בקיא בו- כי במצב שכזה הוא יוכל לעזור לנו לגשר על פערי המידע, ולעזור לנו לקבל תוצר שלם ומדויק יותר.
דוגמה נוספת מהעולם העסקי:
נניח שחברה מעוניינת ליצור הצעת מחיר מפורטת ללקוח פוטנציאלי, אבל היא לא בטוחה מה בדיוק צריך להיות במסמך הזה. במקרה כזה, ניתן לפנות למודל בינה מלאכותית ולבקש ממנו לנהל "ראיון" עם הגורמים הרלוונטיים בחברה. המודל ישאל שאלות לגבי המוצר או השירות, קהל היעד, מחירים, תנאי תשלום ועוד. לאחר מכן, על בסיס המידע שהוא אסף, המודל יוכל לחבר הצעת מחיר מקצועית ומקיפה.
טיפ למתקדמים
בחלק גדול מהמקרים כאשר מבקשים מהצ׳אט לנהל איתנו ראיון, הוא פשוט שואל את כל השאלות בהודעה העוקבת, שזה דבר לא כל כך טבעי ולא כך מתנהל ראיון בעולם האמיתי. ולכן, אחד ההגדרות שאנחנו נוטים להגדיר במצב שכזה, הוא לבקש ממנו לא לשאול אותנו את כל השאלות בהודעה אחת, אלא לפרק את ההודעות ולשאול כל שאלה בנפרד בהתאם לקטגוריה הרלוונטית שלה.
לסיכום, על ידי יצירת ראיון עם מודל הבינה המלאכותית, אנחנו נוכל לגשר על פערי מידע מהותיים לגבי נושאים שאנחנו פחות בקיאים בהם. נוכל להגיע לוצאות מדויקות יותר, לחסוך המון זמן יקר ובעיקר ליצור תוצר שלם שמכיל את כל הרכיבים שהתוצר שאנחנו רוצים ליצור אמור להכיל. אם תיישמו את הגישה הזו, אתם תוכלו ליצור מנעד רחב יותר של תוצרים בעזרת מודלי השפה המתקדמים, שיהיו מדויקים ויכילו את כל מה שהתוצר שלכם צריך להכיל.
