什么是快速工程 ？

麦肯锡解释者 什么是快速工程？ 提示工程是为AI工具设计输入以产生最佳输出的实践。 March2024 让我们说您正在为晚餐做意大利面marinara。罐子里的酱汁非常好。但是，如果您从农贸市场购买西红柿和罗勒来制作自己的酱汁，该怎么办？它的味道可能会好得多 。如果您在花园里种植自己的食材并制作自己的新鲜面食呢？全新的美味水平。 正如更好的食材可以使晚餐变得更好一样，更好地输入到生成AI（geeAI）模型中可以带来更好的结果。这些输入称为提示，编写它们的实践称为提示工程。熟练的工程师设计输入，以最佳方式与geAI工具中的其他输入进行交互 。这些输入有助于从AI模型中获得更好的答案，这意味着该模型可以更好地执行其任务，例如编写营销电子邮件，生成代码，分析和合成文本，通过聊天机器人与客户互动 ，创建数字艺术，创作音乐或任何其他数百个（如果不是数千个）当前应用程序。 GenAI在商业和社会的未来中扮演着重要的角色。但是提示工程在哪里适合？你如何写一个好的提示？继续阅读以找出答案。 了解有关麦肯锡数字实践的更多信息。 什么是生成式AI？ 首先要做的事情是：关于generAI的复习。GenAI模型是通常使用基础模型构建的应用程序。这些模型包含扩展的人工神经网络，灵感来自人脑中连接的数十亿个神经元。基础模型是所谓的深度学习的一部分，它指的是神经网络中的许多深层。 深度学习推动了人工智能的许多最新进展——你可能已经在使用的东西，比如Alexa或Siri——但基础模型代表了深度学习的重大发展。与以前的深度学习模型不同，基础模型可以处理大量不同的非结构化数据。在这些模型上训练的AI可以执行诸如回答问题，分类，编辑，总结和起草新内容等任务。 这里是提示工程中特异性价值的一个例子。我们请麦肯锡专有的generAI工具Lilli帮助总结一份报告。我们给了工具两个提示，对不同种类的信息有具体的要求。看看Lilli提供的不同输出。 特定的提示帮助模型了解您想要什么 “总结2023年麦肯锡职场女性报告，并提出三点具体改进建议。” 该报告为公司提供了建议，以解决偏见并改善女性，特别是有色人种女性在工作场所的机会。它强调必须促进妇女担任初级管理职位，实施培训和工具以解决决策中的偏见，并制定切实的目标以使公司对进步负责。本文还建议跟踪指标。 如招聘、晋升、减员和员工情绪，以识别和解决任何性别差异。此外，本文强调需要提高对无意识偏见的认识和培训，为职业发展计划建立强大的跟踪和指标，并定期审查和更新评估过程以防止偏见。最后，它建议管理者应该平等地指导和指导所有团队成员，优先考虑与所有团队成员建立信任关系，并专注于结果，而不是在何时何地完成工作。 改进建议： 1.实施混合工作模式：文本表明，混合工作模式可以通过提供更大的灵活性和减少长时间通勤的需求而使妇女受益。这可以帮助吸引和留住女性员工，特别是那些负有护理责任的员工。公司还可以使用这种模式来创建更具包容性的政策，以支持所有员工的工作与生活平衡 2.跟踪和解决招聘和晋升中的性别差异：本文建议跟踪诸如招聘，晋升和减员等指标，以确定任何性别差异。公司可以使用这些数据来解决招聘和晋升过程中的任何偏见，并确保女性拥有平等的职业晋升机会 3.定期调查员工对工作满意度和包容性的反馈：本文建议公司应定期调查员工，以收集有关工作满意度和包容性的反馈。这可以帮助识别员工可能遇到的任何问题或担忧，并提供有关如何改善工作场所文化的见解。公司可以利用这些反馈做出改变，促进工作场所的多样性、公平性和包容性。 “为什么灵活的工作场所支持多样性？引用麦肯锡2023年工作场所女性报告中的4个统计数据。” “根据《2023年工作场所中的女性》报告，灵活的工作场所出于以下几个原因支持多样性： 1.提高工作满意度和保留率：68％的员工认为灵活的工作场所支持多样性，这可以提高各种背景的员工的工作满意度和保留率 2.员工高度重视：83％的员工高度重视灵活工作的机会，这表明灵活的工作场所是吸引和保留多元化劳动力的重要因素 3.减少离职或减少工作时间的需要：38%的员工表示，如果没有灵活性，他们将不得不离开公司或减少工作时间，这凸显了灵活性在留住多样化人才方面的重要性 4.促进多样性、公平性和包容性：78%的表现最佳的公司认为灵活的工作场所促进多样性、公平性和包容性 ，这表明灵活的工作场所不仅对员工个人很重要，而且对组织的整体成功也很重要 这些统计数据表明，灵活的工作场所通过提高工作满意度和保留率，吸引和留住多样化的人才，减少员工离职或减少工作时间的需要，以及促进组织内部的多样性，公平性和包容性来支持多样性。通过拥抱灵活性和创造一个重视和支持各种背景的员工的工作场所，组织可以建立一个更加多样化和成功的工作场所。." 组织如何部署GeneAI？ 从零开始开发GeneAI模型是如此资源密集，以至于对大多数公司来说都是不可能的。希望将GeneAI工具纳入其业务模型的组织可以使用现成的GeneAI模型，也可以通过使用自己的数据进行训练来自定义现有模型。 包括麦肯锡在内的其他组织也推出了自己的AI工具。摩根士丹利（MorgaStaley）推出了一个GeeAI工具，以帮助其财务顾问更好地应用该公司10万份研究报告中的见解。冰岛政府与OpeAI合作，致力于保护冰岛语。企业软件公司Salesforce已将GeeralAI技术集成到其流行的客户关系管理（CRM）平台中。麦肯锡的Lilli提供简化，公正的搜索和大量知识的综合，以带来最佳的见解，能力和技术解决方案。 给客户。 您如何发展即时工程技能？ 获得好的产出不是火箭科学，但它可能需要耐心和迭代。就像你向一个人索要某件事一样，提供具体、明确的例子比模糊的例子更有可能产生好的产出。 一代AI将如何影响劳动力？ 麦肯锡的最新研究表明，GenAI有望提高销售和营销 ，客户运营，软件开发等方面的绩效。在此过程中 ，GenAI每年可能为全球经济带来4.4万亿美元的收入，从银行业到生命科学。 genAI推动的突破也将改变劳动力。genAI的优势之一是 它可以帮助几乎每个人完成工作。这也是该技术面临的最大挑战之一。麦肯锡估计，genAI和其他技术有潜力自动化工作活动，可吸收高达70%的 员工今天的时间。这在很大程度上是由于geAI能够预测自然语言中发现的模式。反过来，这意味着geerAI将对与具有更高工资和更多教育要求的职业相关的知识工作产生更大的影响。而且这种变化可能会很快发生：麦肯锡估计 ，在2030年至2060年之间，当今一半的工作活动可以实现自动化。这比我们之前的估计早了大约十年。 这些发展将意味着劳动力市场的巨大变化。到2040年，GenAI可以使劳动生产率每年增长0.6％-但这一切都取决于组织能够采用该技术并有效地重新部署工人的时间的速度 。具有站立技能的员工 自动化将需要支持学习新技能，有些将需要支持不断变化的职业。 了解有关麦肯锡数字实践的更多信息。 组织是否已经雇用了迅速的工程师？ 根据麦肯锡对人工智能的最新调查，组织已经开始改变他们的招聘做法，以反映他们的人工智能野心。其中包括雇佣迅速的工程师。 调查显示了两个主要转变。首先，使用AI的组织正在招聘即时工程中的角色：7％的组织采用AI的受访者正在招聘此类人员。其次，使用AI的组织在AI相关软件方面雇用的工程师比2022年少得多：据报告，28％的组织 2023年招聘这些职位，低于2022年的39%。 如果组织正在招聘迅速的工程师，这是否意味着现有员工将被赶出去？ 在未来几年内，快速工程可能会成为一个更大的招聘类别，但组织机构也希望重新培训他们在人工智能领域的现有员工。报告采用人工智能的受访者中，近十分之四的人预计他们公司五分之一以上的员工将被重新培训，而只有8%的人表示他们的员工规模将减少五分之一以上 。 了解更多关于QuantumBlack的信息，麦肯锡的AI。 提示工程如何帮助组织-例如银行-更有效地为客户提供服务？ 作为即时工程的潜在力量的一个例子，让我们看看银行业 。银行有很多价值可以从generAI中获得。麦肯锡估计，generAI工具可以通过提高生产率创造价值，达到行业年收入的4.7％。这意味着 每年增加近3400亿美元。Promptengineering在帮助银行获取这一价值方面发挥了作用。 假设一家大型企业银行希望使用geerAI构建自己的应用程序，以提高关系经理（RM）的生产率。RM花费大量时间审查大型文件，如年度报告和财报记录，以了解客户的优先事项。银行决定构建一个解决方案，通过API（或应用程序编程接口，这是帮助两个软件相互对话的代码）访问geeAI基础模型。该工具可以扫描文档，并可以快速提供RM提出的问题的综合答案。to. 确保RM收到最准确的答案，银行将对其进行及时的工程培训。当然，银行还应该为模型的输出建立验证过程，因为某些模型已经知道会产生幻觉，或者提供虚假信息。 这不仅仅是一个假设的例子。2023年9月，摩根士丹利推出了一款使用GPT-4的人工智能助手，旨在帮助成千上万的财富经理从公司内部知识库中查找和综合大量数据。该模型结合了搜索和内容创建，因此财富经理可以为任何客户查找和定制信息 在任何时刻。 一家欧洲银行开发了基于gener-AI的环境、社会和治理虚拟专家。该模型根据提示回答复杂的问题，识别每个答案的来源，并从图片和表格中提取信息。 在这些示例中，假设和其他情况下，提示越好，输出越好 。 了解有关麦肯锡的数字实践和麦肯锡的QuantumBlack，AI的更多信息。如果您有兴趣在麦肯锡工作，请查看与gener-AI相关的工作机会。 引用的文章： “去过那里，做到这一点：企业和投资银行如何应对GenAI，”2023年9月25日，CarloGiovine，LarryLerner ，JaredMoon和StefanSchorsch “麦肯锡与Salesforce合作，实现人工智能驱动增长的承诺”，2023年9月7日 “2023年AI的状态：生成AI的突破年”，2023年8月1日，MichaelChui，BryceHall，AlexSingla，AlexSukharevsky和LareinaYee “生成AI和美国工作的未来”，麦肯锡全球研究所，2023年7月26日，KweilinEllingrud，SaurabhSanghvi，GurneetSinghDandona，AnuMadgavkar，MichaelChui，OliviaWhite和PaigeHasebe “技术与生成AI的世代时刻：CIO和CTO指南”，2023年7月11日，AamerBaig，SvenBlumberg，EvaLi，DouglasMerrill，AdiPradhan，MeghaSinga，AlexSukharevsky和StephenXu 找到更多这样的内容 麦肯锡见解应用程序 扫描•下载•个性化 麦肯锡的新研究发现，“生成AI可以给你'超能力'，”2023年7月6日。 “通过生成AI释放开发人员的生产力”，2023年6月27日 ，BegumKaraciDeniz，ChandraGnanasambandam，MartinHarrysson，AlharithHussin和ShivamSrivastava “生成AI的经济潜力：下一个生产力前沿”，2023年6月14日，MichaelChui，EricHazan，RogerRoberts，AlexSingla，KateSmaje，AlexSukharevsky，LareinaYee和RodneyZemmel 2023年5月12日，MichaelChui，RogerRoberts，TanyaRodchenko，AlexSingla，AlexSukharevsky，LareinaYee和DelphineZurkiya “人工智能驱动的营销和销售通过生成人工智能达到新的高度 ，”20