如果AI工具正在各部门被复制:别再做一个工具,而是搭一个框架

如今用AI做一个业务工具,一天就够了。问题在于之后:各部门纷纷复制,很快就没人知道哪个才是最新版本。本文从AX的角度,整理了区分公共部分与可变部分的设计方法、计算交给系统而叙述交给AI的原则,以及扩展之前的判断标准。

AXAI转型全公司推广治理

做一个AI工具的成本,已经几乎降到了零。 取而代之的,是管理成本在悄悄累积。

“类似的已经有七个了”

在引入AI半年左右的公司里,我们常常看到这样的场景。

销售团队做了一个提案书初稿生成工具,用得很好。市场团队把它复制过来,改成写新闻稿用的。人事团队改成写招聘启事用的,企划团队改成写报告用的。几个月后,类似的工具就有了七个。

一开始看起来没什么问题,毕竟大家都用得挺好。可问题会一个接一个冒出来。

  • 公司简介改了,却要改七个地方。
  • 加了个人信息过滤,却只有两个工具里加上了。
  • 做工具的人一离职,就没人能改那个工具了。

有了AI,制作成本几乎消失了,但管理成本会随着工具数量一起增加。这相当于员工各自使用AI的“影子AI”以工具为单位扩散开来。

别再做一个工具,而是搭一个框架

解决办法很简单:只把随业务而变的部分拆出来,其余部分合而为一。

作为公共部分按业务替换
AI调用与处理引擎文档格式与目录
个人信息与安全过滤各业务的标准与术语
结果校验规则参考资料清单
界面与权限管理语气与篇幅

有新部门需要工具时,只需新增一个只填写右栏内容的配置文件。公司简介改了,只改公共部分这一处。安全过滤从一开始就覆盖所有业务。

对比图显示:把工具复制成七个,公司简介就要改七个地方;而在一个公共部分加上各业务配置文件的结构里,只需改一处。
靠复制增加的工具,与用一个框架扩展的工具。公司简介这类所有业务都会用到的内容,只放在公共部分这一处。

请AI帮忙做工具时,换一种提法就行。不要说“再做一个提案书生成工具”,而是说“做成这样的结构:用一个配置文件定义一种文档,生成、校验和界面就会自动接上”。目标是新增一项业务时,只需改动一个文件。

AI最擅长的是“照着做一个同样的”

这种设计之所以特别适合AI时代,是有原因的。

AI格外擅长按照既定框架,再做一个同样形态的东西。没有框架,它每次都从头做起,每次的成果都会略有不同;有了框架,AI要填的空就很明确,质量也更均匀。

所以,即使做第一个工具时多花一天,从第二个开始几乎不花成本。在试点成功了,接下来呢?中讨论的扩展策略里,这是执行“按功能扩展”最省钱的方法。

计算交给系统,叙述交给AI

搭框架时还要一并确定一条原则:有标准答案的计算,不交给AI。

销售额汇总、单价计算、库存数量、评估分数。把规则明确的计算交给AI,同样的输入也会得出略有差异的结果,完全没有必要。由现有系统或代码负责计算,AI只负责解读结果,写成人能读懂的文字。

系统要做的事AI要做的事
汇总本月销售额说明环比变化意味着什么
计算报价金额撰写报价单的说明文字
算出评估分数针对分数组合撰写反馈

守住这条边界,结果就不会摇摆,出错时也能马上找到错在哪里。边界一模糊,当AI自信地出错时中讨论的问题就会蔓延到数字上。

有了框架,修改也更容易

框架的好处不只在于扩展。

吸收业务部门的反馈或者规章发生变化时,有框架就只需改一处。如果是七个副本,就要改七次,而且总会漏掉一个。

修改的范围也会变得清楚。只需改某项业务的格式,就只改那项业务的配置文件;如果是涉及所有业务的问题,就改公共部分。能事先知道改什么会影响到哪里,这是副本和框架最大的区别。

不过,外观与验证是两回事

搭好框架之后,看起来像模像样的成果想做多少就能做多少。陷阱就在这里:看起来像样,和实际上正确,是两回事。

在用AI评价人的服务上,已经真正出过问题。在2022年外部研究人员进行的审计中,两家用于招聘的AI性格分析服务,对同一个人只是更换了简历格式(PDF或文本)或输入资料(简历或LinkedIn),就给出了差异相当大的性格分数,研究人员据此得出结论:这些服务不能被视为有效的测评工具。随着此类事件不断累积,纽约市对招聘用的自动化工具强制要求每年进行一次偏见审计,欧盟也在《人工智能法》中把用于招聘的AI列为高风险。在韩国,随着人工智能领域的基本法《AI基本法》施行,高影响领域的责任也加重了。

所以,请按风险高低给放进框架的业务分类。

  • 可以直接放进来的业务:起草、摘要、文字润色这类由人做最终确认的工作。
  • 验证后再放进来的业务:原样发给客户的文件,以及与合同、报价相关的文件。
  • 未经专家验证不能放进来的业务:招聘、评估、选拔,以及医疗、金融判断这类关系到人或钱的工作。

即使是同一个框架做出的工具,用途一变,验证的程度也要跟着变。原本作为内部参考而做的工具,一旦开始用于招聘或评估,就需要完全不同级别的验证。请从一开始就写明每个工具允许的用途。

扩展前的三项检查

做好一个AI工具后,在复制之前先问自己三个问题。

1. 类似的工具还会再做几个? 如果有三个以上,就先搭框架。

2. 哪些是公共的,哪些是各业务特有的? 试着填一填上面的两栏表格。如果很难填,说明对业务的理解还不够。

3. 公共部分由谁来管理? 没有人管理框架,框架最终也会变成一个副本。正如AI自建还是外包中所讨论的,公共部分最好放在公司内部。

结语

用AI做东西的速度越快,差距就越体现在第二个能做得多便宜。把一个做好并转化成框架,就能用做一个的力气运营好多个。

而且框架越大,边界越要清楚:哪些由系统计算,哪些由AI来写;哪些业务在放进框架之前必须验证。正是这些边界,把AI工具越来越多却仍然可控的组织,与失控的组织区分开来。

关于这个主题的亲身实验记录,写在做了一个心理测试,结果变成了二十个(韩语)中。

参考资料