Egyre inkább teret nyer az AI-first gondolkodás: az első kérdésünk sokszor már eleve az, hogy AI-jal nem lenne gyorsabb (és/vagy jobb)? Év végi cikkünkben személyes példát mutatunk be Julian King, Boston Consulting Group partner és igazgató gyakorlati tanácsain keresztül – hátha 2026-ban jól jönnek majd ezek a megoldások.
Julian King (a BCG ausztráliai és új-zélandi AI tevékenységének vezetője) szerint a promptolás művészete nagyon közel áll a tanácsadói munkához. A komplex feladatot kis, jól körül határolt kérdésekre kell bontani, hogy idővel ezekből rajzolódjanak ki nagyobb mintázatok. Ahogy mondja, ez nagyjából a tanácsadói tevékenység alapja is, hiszen a munkafolyamat hasonlóan épül fel: a nagy, amorf problémákat lebontjuk kisebb, megoldható részekre, majd azokból áll össze a nagy egész.
A kulcs egyszerű: írjunk konkrét promptokat konkrét problémákra.
Ne akarjunk mindent egy kérdésbe sűríteni. Minél kevesebbet várunk el egyetlen prompttól, annál megbízhatóbb választ kapunk. Ezek az apró építőkockák pedig végül meglepően nagy termelékenységnövekedést hoznak. A hírlevél hátralévő részében Julian King nyáron megjelent írását foglaltuk össze.
Gyakran megkapom, hogy futurista vagyok. Talán nem véletlen: asztrofizikusként mindig is lenyűgöztek az időt és teret alakító erők. A doktori kutatásomban több milliárd fényévre lévő gázfelhőket vizsgáltam a világ legnagyobb optikai távcsöveivel, hogy kiderítsem: vajon a fizika alapállandói valóban mindenhol és minden időben ugyanazok-e. Ez a munka vezetett el a statisztikához és a programozáshoz – illetve végső soron a BCG-hez, az AI-forradalom sűrűjébe.
A COVID-19 világjárvány idején a BCG járványügyi modellezési munkáját vezettem. Alapító tagja vagyok a BCG X-nek, a cég technológiai tervező és fejlesztő egységének, ahol AI-ügynökök gyakorlati alkalmazásán dolgozom. Az elmúlt évek ugrásszerű AI-fejlődése alapjaiban változtatta meg a munkavégzésemet. Ma az AI az első opció szinte minden feladatra. Mindig felteszem a kérdést: meg tudom csinálni az adott feladatot AI-jal gyorsabban vagy jobban? El tudok érni többet a használatával?
Ez azt jelenti, hogy egy átlagos napon akár 30-100 párbeszédet is lefolytatok generatív AI-eszközökkel.
Ha egy feladat tíz perc mély gondolkodást igényelne, de AI-jal a folyamat két percre csökkenthető, akkor a nyelvi modellt dolgoztatom a háttérben, miközben mással haladok. Taxiban ülve például gyakran beszélgetek GenAI-jal, hogy rendszerezzem a gondolataimat egy közelgő megbeszélés előtt.
Fontos, hogy tudatában legyünk: az AI nem dolgozik helyettünk automatikusan. A jó válaszokhoz fegyelmezett kérdezés szükséges.
1. Kérdezzünk kétszer
Ha egy AI-válasz elsőre jónak tűnik, ne álljunk meg. Tegyük fel ugyanazt a kérdést újra – vagy kérjük finomítást. „Válaszolj → pontosíts” – ez a játék neve. Szokjunk rá, hogy mindig feltegyük a kérdést még egyszer. Statisztikailag is megéri: ha az első válasz hibaaránya 30 százalék, a másodiké 20 százalék, akkor együtt már csak 6 százalék eséllyel tévedünk.
A tanulság egyszerű: egy virtuális kollégától várunk számítógépes pontosságot, miközben az emberek sosem tökéletesek. A saját munkánkat is újraírjuk, szerkesztjük, javítjuk – miért várnánk el mást egy virtuális kollégától?
2. Egyszerű promptok, jobb válaszok
Ahogy az emberek, úgy az LLM-ek sem multitasking-bajnokok. Minél több feladatot zsúfolunk egyetlen kérdésbe, annál gyengébb lesz a végeredmény. Hasonló eredményre jutottak a légiforgalmi irányítókat vizsgáló tanulmányok is: már az enyhén növekvő mentális terhelés is érezhető teljesítményromláshoz vezethet. Tehát: tervezzünk előre, és bontsuk a munkát egymásra épülő lépésekre.
3. A sorrend számít
Nem mindegy, milyen sorrendben kérdezünk. Az LLM-ek autoregresszívek: a modellek abból indulnak ki, amit már megkérdeztünk tőlük – nem abból, amit majd kérdezni fogunk. Mivel szigorúan „balról jobbra gondolkodnak”, nem látják előre a következő lépést, csak a múlt alapján tudnak jósolni. Ezért működik jól a generálás-finomítás, illetve a generálás-kritika-frissítés módszere.
4. Mondjuk el pontosan, mit akarunk
Az AI nem gondolatolvasó. Ha homályos a kérés, a válasz is az lesz. Ne mondjunk ellent magunknak – például ne kérjünk egyszerre részletességet és tömörséget. Határozzuk meg, mi tartozik bele a feladatba, és mi nem, akár adjunk mintaválaszokat. Az sem baj, ha a prompt több bekezdésből áll: a feladat formalizálása érezhetően javítja az eredményt.
Vagyis legyünk egyértelműek:
Egy hosszabb, részletes prompt nem hiba, hanem minőségbiztosítás.
5. A gép előbb gondolkodjon, csak utána ajánljon
Az AI-t előbb kell megkérni arra, hogy vezesse le a gondolatmenetét, és csak utána, hogy tegyen ajánlásokat – nem fordítva. Ha az AI előbb ajánl, majd utólag „magyarázza”, az gyakran csak utólagos racionalizálás. Ha az AI előbb végiggondolja a lehetséges opciókat, és meg is indokolja őket, a végső ajánlás sokkal inkább logikára és bizonyítékokra épül. Nem véletlen, hogy az újabb reasoning modellek erre törekednek: előbb gondolkodnak, csak utána cselekszenek.
Például jobb így (gondolkodás → ajánlás): „Hasonlítsd össze Boston olasz éttermeit, majd válaszd ki a legjobbat.”
Ehelyett: „Ajánlj egy jó olasz éttermet Bostonban, és indokold meg, miért az a legjobb!”
6. Előbb a tartalom, utána a forma
A túl erős formai elvárások gyakran a tartalom rovására mennek. Ha a modell minden energiáját a szabályos kódra vagy a hibátlan szerkezetre fordítja, kevesebb marad a valódi probléma megoldására. Érdemes ezért két lépésben dolgozni: előbb a tartalom legyen rendben, a formai finomhangolás jöhet utána. A nyelvi modellek kevésbé gondolkodnak hatékonyan, ha egyszerre várjuk el tőlük az érdemi mérlegelést és egy szigorú formátum betartását. A csapda elkerülhető, ha először természetes nyelvű választ kérünk, majd egy második körben alakíttatjuk át a választ strukturált formába.
7. Falatnyi válaszokat kérjünk
Minden modellnek van terjedelmi korlátja: a legtöbb nagy nyelvi modell nagyjából ezer szónál nem ad hosszabb választ, bármennyire is próbálkozunk. Ráadásul minél hosszabb a kimenet, annál inkább romlik a minőség. A megoldás kézenfekvő: a szöveget vagy a kódot érdemes kezelhető darabokra bontani, a hosszabb anyagokat a rövidebb részekből érdemes összerakni.
8. Vadásszuk le a hallucinációkat
Az AI néha magabiztosan állít valótlanságokat, bármilyen nagy adathalmazon is tanították be a nyelvi modelleket. Ezért mindent, ami kijön belőlük, érdemes kritikusan átnézni mielőtt készpénznek vennénk. A hallucinációk sokszor már azzal kiszúrhatók, ha egyszerűen rákérdezünk: biztos, hogy ez tényszerűen helyes? Nem állítottál olyat, ami nem igaz?
Ezért:
Meglepően gyakran beismeri, ha tévedett.
Végezetül a 3 legfontosabb tanulság:
És még egy igazán konkrét prompt:
Nagyon kellemes ünnepeket és boldog új évet kívánunk!
Nyitókép: Design Cells / Science Photo Libra / DCE / Science Photo Library via AFP
Ez a hírlevél csak egy a sok közül. A hvg360-on 10+ hírlevél közül választhatsz. Ezeket egyfelől szakmájukban kiemelkedő szerzők írják például a gazdaság, a menedzsment vagy a viselkedéstudomány területeiről, másfelől a HVG sokat látott újságíróit követhetitek: érdekes összefüggések adatokon keresztül, változó világunk jogi értelmezése, személyes történetek közéletről női szempontból, szemérmetlen dömpingű kultúrajánlat és külföldi lapok heti hírszemléje.
Az új admin egy marokkói arab férfi, aki a csoportot nyilvánosra állította.
