Инженерное обеспечение Prompt становится важнейшей цифровой компетенцией для специалистов по проектам, поскольку инструменты генеративного искусственного интеллекта (GenAI), основанные на больших языковых моделях (LLM), продолжают набирать популярность. Многочисленные ресурсы PMI охватывают тему инженерного обеспечения Prompt через инициативу PMIxAI, и это было в центре внимания недавнего отчета « Разговор с машиной: основы инженерного обеспечения Prompt для специалистов по проектам » .
В сфере ИИ подсказки служат мостом между человеческим вводом и машинным выводом, определяя направление и качество взаимодействий. Подсказки — это то, как люди сообщают о своих намерениях системам GenAI, направляя инструмент для генерации релевантных и ценных ответов. Для профессионалов проекта, стремящихся использовать потенциал инструментов GenAI, овладение инженерией подсказок имеет важное значение.
Эффективно взаимодействуя с инструментами GenAI, специалисты по проектам могут повысить свои навыки, расширить деловую хватку и преобразовать свои методы работы. Отчет по оперативной инженерии и вебинар направлены на то, чтобы вооружить специалистов по проектам основами навыков оперативной инженерии, необходимых для навигации и использования инструментов GenAI, тем самым улучшая деятельность по проекту и оптимизируя успешные результаты.
Участники вебинара задали несколько интересных вопросов, которые не были освещены в презентации, поэтому данная статья призвана рассмотреть эти темы.
- Как убедиться, что конфиденциальная информация не утечет при использовании инструментов GenAI?
Использование GenAI несет в себе неотъемлемые риски непреднамеренного раскрытия различных типов конфиденциальной информации, включая данные клиентов, интеллектуальную собственность и конфиденциальные исследовательские данные. Хотя полное устранение риска утечки данных является сложной задачей, соблюдение определенных правил имеет решающее значение:
- Безопасное развертывание: Избегайте совместного использования конфиденциальных данных с общедоступными моделями GenAI. Используйте модели, развернутые на частных серверах или в облачной инфраструктуре вашей организации. Всегда проверяйте, открыта или закрыта модель, прежде чем продолжить.
- Очистка данных: перед вводом данных в любую модель ИИ тщательно очистите их, чтобы удалить любую конфиденциальную или персонально идентифицируемую информацию (PII), такую как имена, адреса или номера телефонов. Это сводит к минимуму риск непреднамеренного раскрытия.
- Используйте фиктивную информацию: При использовании GenAI для творческих задач или решения проблем используйте гипотетические или фиктивные данные вместо фактических организационных данных. Предоставление неопределенной информации все равно может дать ценные идеи без риска раскрытия конфиденциальной информации.
- Регулярное обучение по безопасности: посещайте регулярные обучающие сессии, чтобы повысить осведомленность о потенциальных проблемах управления данными и обеспечить надлежащее обращение с конфиденциальной информацией. Будьте бдительны и постоянно обновляйте свои знания, чтобы поддерживать стандарты конфиденциальности данных.
Помните, что сохранение бдительности и регулярная переоценка процессов имеют важное значение для защиты конфиденциальности данных. Будьте в курсе развития лучших практик для эффективного снижения рисков.
- Могу ли я загружать данные и отчеты в GenAI для проведения анализа?
Короткий ответ — да, вы можете загружать данные для анализа с помощью инструмента GenAI.
Многие инструменты GenAI, особенно в платных версиях или через специальные плагины, предлагают надежные функции для анализа данных, начиная от базового статистического анализа и заканчивая передовыми алгоритмами машинного обучения (ML). Однако есть важные соображения, которые следует учитывать профессионалам проектов при использовании GenAI для анализа данных.
- Во-первых, крайне важно четко определить задачу, создав четко определенную подсказку. Эта подсказка должна предоставить контекст данных и указать анализ или тенденции, которые вы ищете. Важно задавать правильные вопросы; эффективность GenAI зависит от того, чтобы ее направляли в правильном направлении.
- Во-вторых, конфиденциальность данных имеет первостепенное значение. Вы не можете просто ввести конфиденциальную информацию в открытую среду GenAI. Убедитесь, что инструмент GenAI находится либо в безопасных пределах ИТ-инфраструктуры вашей организации, либо анонимизируйте данные до такой степени, что неправомерное использование будет маловероятным. Большинство организаций имеют строгие правила относительно конфиденциальности, конфиденциальности и этики, когда речь идет об использовании GenAI. Ознакомьтесь с политиками и доступными ресурсами вашей организации, прежде чем приступать к анализу данных на основе GenAI.
- В-третьих, важно учитывать этические последствия использования GenAI для анализа данных. Хотя технологии GenAI могут предоставлять ценную информацию, они также несут потенциальные риски, включая предвзятость алгоритмов. Специалисты по проектам должны быть бдительны при оценке этических последствий своих методов анализа и принимать меры для смягчения любого потенциального вреда или предвзятости.
Принимая эти меры предосторожности, специалисты проекта могут эффективно использовать GenAI, обеспечивая при этом защиту конфиденциальной информации и соблюдение этических норм.
- Как я могу использовать GenAI для подготовки плана анализа уроков, извлеченных из проектов моей компании?
Использование GenAI для подготовки плана анализа уроков, извлеченных из проектов компании, включает несколько ключевых шагов для эффективной обработки данных и извлечения ценных идей:
- Сбор и организация данных имеют важное значение. Начните со сбора информации из отчетов по проектам, документации, отзывов команды и отзывов клиентов. Затем эти данные необходимо структурировать в организованные форматы (например, электронные таблицы, документы или презентации) для облегчения анализа.
- Определите четкие цели и ключевые показатели для руководства анализом. Сообщите GenAI, какие «уроки» вы ищете в данных. Примерами могут быть выявление повторяющихся проблем или оценка факторов успеха проекта.
- Узнайте правильный тип GenAI для необходимого вам анализа. Методы обработки естественного языка (NLP) используются для анализа текстовых данных, включая анализ настроений для оценки удовлетворенности или опасений заинтересованных сторон. Алгоритмы машинного обучения (ML), такие как модели кластеризации или классификации, помогают выявлять закономерности и тенденции в данных, в то время как предиктивная аналитика может прогнозировать потенциальные проблемы или возможности в будущих проектах на основе исторических данных. Адаптируйте свой выбор инструментов или их комбинацию на основе точных целей вашего анализа и проведите тщательное изучение данных вашего проекта.
- Уточняйте и проверяйте результаты. Тщательно изучайте результаты, полученные с помощью инструментов GenAI, при необходимости уточняйте их и подкрепляйте их своим опытом в управлении проектами, чтобы обеспечить точность и надежность.
Хотя GenAI может быть мощным инструментом для анализа уроков, извлеченных из проектов компании, крайне важно придерживаться фреймворков управления данными, установленных вашей организацией. Протоколы конфиденциальности должны строго соблюдаться при работе с данными прошлых проектов, поскольку они могут содержать конфиденциальную информацию.
- Как GenAI может оптимизировать ведение заметок во время совещаний, чтобы сэкономить время?