La tentazione, quando si vuole portare l’AI dentro le operazioni quotidiane, è saltare subito ai prompt e agli agenti. Weiwei Hu, su Towards Data Science, sostiene il contrario: prima di affidare un lavoro ricorrente a un assistente AI bisogna definire il lavoro stesso. Il punto controintuitivo è che più il modello è bravo, più costano le definizioni mancanti: un output può suonare sicuro e puntare comunque nella direzione sbagliata. La differenza è tra un’interazione di chat (“analizza questo”) e un workflow operativo che parte da un job ben definito: quale risultato serve, quali fonti sono autorevoli, quali decisioni può prendere l’AI da sola, cosa significa un output che passa il controllo, quando fermarsi e chiedere.
I cinque asset
L’idea è smettere di collezionare prompt migliori e costruire invece cinque asset riutilizzabili, da migliorare con l’uso e portare con sé tra i diversi modelli e strumenti adottati nel tempo.
Il primo è il Repeated Work Asset: un inventario dei task che si ripetono regolarmente, seguono passi ripetibili, consumano tempo o portano rischio e valore. Serve a scegliere il lavoro giusto in base a frequenza, effort, rischio e valore, e a classificarlo come adatto a una conversazione una tantum, a un workflow riutilizzabile o meglio tenuto in mano a una persona.
Il secondo è il Task Asset, che trasforma una richiesta vaga in un incarico eseguibile: obiettivo, audience, materiali, fonti autorevoli, vincoli, passi, criteri di accettazione e il momento in cui il sistema deve fermarsi a chiedere. Rimuove le assunzioni nascoste che l’AI altrimenti riempirebbe da sola.
Il terzo è il Context Asset: un documento breve e aggiornato che dice chi sei, a cosa stai lavorando, di quali fonti fidarti, come decidi e quali output non vuoi mai. L’autore avverte di tenerlo conciso e attuale, separando le informazioni stabili da quelle temporanee e segnalando ciò che scade entro 30, 60 o 90 giorni, senza trasformarlo in un contenitore di vecchie chat.
Qualità e permessi
Il quarto asset è l’Acceptance Test Asset: sapere che aspetto ha un fallimento prima che l’output vada a un cliente o in produzione, usando esempi reali accettati e rifiutati per definire lo standard di qualità (senza inventarne uno non supportato dagli esempi) e coprendo casi normali, con informazioni mancanti, con informazioni in conflitto, edge case e casi che richiedono giudizio umano. Il quinto è il Permission Asset, che divide le attività in tre categorie — ciò che l’AI può fare da sola, ciò che può preparare in bozza per l’approvazione, e ciò che non deve mai fare da sola — con attenzione particolare alle azioni irreversibili come inviare email, cancellare file, modificare sistemi di produzione, acquistare o pubblicare. Un master prompt finale unisce i cinque asset in un workflow riutilizzabile.
- Prima di scalare gli agenti serve documentare il lavoro: task, contesto, standard di qualità e punti in cui l’AI deve fermarsi.
- I cinque asset (lavoro ripetuto, task, contesto, test di accettazione, permessi) sono riutilizzabili tra modelli e strumenti diversi.
- Le azioni irreversibili richiedono un asset di permessi esplicito, con approvazione umana e tracciamento.
Fonte: Prepare These 5 Assets Before Your AI Agents Take On More Work — https://towardsdatascience.com/prepare-these-5-assets-before-your-ai-agents-take-on-more-work/
Hai qualcosa da aggiungere? Unisciti alla discussione.