మీరు కాఫీ తాగడం పూర్తి చేయకముందే AI మీ ఈమెయిల్స్ రాయగలదు, మీ కోడ్ను డీబగ్ చేయగలదు మరియు వందల పేజీల నివేదికను సారాంశం చేయగలదు. ఆ వేగం నిజమే, మరియు అది ఆకర్షణీయంగా ఉంటుంది. కానీ దిశ లేని వేగం కేవలం వేగవంతమైన కదలిక మాత్రమే. చాలా మంది స్టీరింగ్ వీల్ను యంత్రానికి అప్పగిస్తున్నారు. వారు చదవకుండానే చాట్బాట్ అవుట్పుట్ను కాపీ చేసి పేస్ట్ చేస్తున్నారు. లాజిక్ను అర్థం చేసుకోకుండా AI-జనరేటెడ్ కోడ్ను అంగీకరిస్తున్నారు. వ్యూహాత్మక నిర్ణయాలు తీసుకోవాలని లాంగ్వేజ్ మోడల్ను అడుగుతారు, ఆపై ఫలితం ఎందుకు అర్థరహితంగా ఉందో అని ఆశ్చర్యపోతారు. అది ఒక సాధనాన్ని ఉపయోగించడం కాదు. అది ఒక కర్ర (crutch) మీద ఆధారపడటం.
సమస్య సాధారణంగా చిన్నగా మొదలవుతుంది. ఒక డెవలపర్ ఒక విసుగు పుట్టించే బగ్ను ఎదుర్కొన్నప్పుడు, స్వయంగా ఎర్రర్ను వెతకడానికి బదులుగా AIని "కేవలం దీన్ని ఫిక్స్ చేయి" అని అడుగుతాడు. ఒక మార్కెటర్ పది పది బ్లాగ్ పోస్ట్లను రూపొందించి, అవి నమ్మశక్యంగా ఉన్నాయని భావించి, వాస్తవాలను తనిఖీ చేయకుండానే ప్రచురిస్తాడు. ఒక మేనేజర్ మొత్తం ప్రాజెక్ట్ బ్రీఫ్ను ఒక అల్గారిథమ్కు అప్పగించి, ఆపై ఏ ఒక్క ట్రేడ్-ఆఫ్ను కూడా లోతుగా అర్థం చేసుకోకుండా మీటింగ్లో ఆ ప్లాన్ను ప్రెజెంట్ చేస్తాడు. ప్రతి సందర్భంలోనూ, ఆ వ్యక్తి ఆలోచించడం ఆపివేసాడు. వారు కేవలం టైపింగ్ను మాత్రమే కాదు, తీర్పును (judgment) కూడా అవుట్సోర్స్ చేశారు. అక్కడే నష్టం మొదలవుతుంది.
AI నిర్దిష్ట పనులలో అద్భుతంగా పనిచేస్తుంది. దానిని ఒక నైపుణ్యం కలిగిన సహాయకుడిలా చూడండి, నైపుణ్యానికి ప్రత్యామ్నాయంగా కాదు.
యంత్రం ఏమి చేయాలి:
డేటాను క్రమబద్ధీకరించడం (Organizing data). CRM నుండి ఎగుమతి చేసిన డేటా, గజిబిజిగా ఉన్న స్ప్రెడ్షీట్లు లేదా ఇరవై పేజీల మీటింగ్ ట్రాన్స్క్రిప్ట్లను దానికి అందించండి. అది వాటిని వర్గీకరించడానికి, ట్యాగ్ చేయడానికి మరియు ఫార్మాట్ చేయడానికి అనుమతించండి. మీరు గంటల తరబడి వెతకాల్సిన నమూనాలను (patterns) అది త్వరగా గుర్తించగలదు. కానీ ఆ నమూనాలు మీ వ్యాపారానికి ఏమి అర్థాన్ని ఇస్తాయో నిర్ణయించడం అది చేయకూడదు.
ప్రారంభ ఆలోచనలను రూపొందించడం (Drafting initial ideas). ఖాళీ పేజీని నింపడం కష్టమైన పని. AI మీకు ఒక అవుట్లైన్, ఒక రఫ్ ఈమెయిల్ టెంప్లేట్ లేదా డాక్యుమెంటేషన్ యొక్క మొదటి డ్రాఫ్ట్ను ఇవ్వడం ద్వారా ఆ ఇబ్బందిని తొలగించగలదు. ఇది పనిని ప్రారంభించే మొండితనాన్ని తగ్గిస్తుంది. డ్రాఫ్ట్ అనేది ముడి పదార్థం మాత్రమే, అది పూర్తి స్థాయి ఉత్పత్తి కాదు.
పునరావృత పనులను వేగవంతం చేయడం (Speeding up repetitive tasks). ఫైల్లను బల్క్గా రీనేమ్ చేయడం, JSON ఫార్మాటింగ్, బోయిలర్ప్లేట్ ఫంక్షన్లను రూపొందించడం లేదా స్టాండర్డ్ SQL క్వెరీలను రాయడం. ఇవి యాంత్రికమైన పనులు. వీటిని AIకి అప్పగించడం వల్ల, సృజనాత్మకత అవసరమయ్యే పనుల కోసం మీకు సమయం దొరుకుతుంది.
ఇవి కేవలం సహాయక పాత్రలు మాత్రమే. మీరు ఆ సాధనం మొత్తం భారాన్ని మోయాలని ఆశించిన క్షణమే, నాణ్యత పడిపోతుంది.
మీ మెదడు ఏమి చేయాలి:
విమర్శనాత్మక ఆలోచన (Critical thinking). AI హాలూసినేట్ చేస్తుంది (hallucinates). అది లేని లైబ్రరీ ఫంక్షన్లను సృష్టిస్తుంది, ఎప్పుడూ రాయబడని పరిశోధనా పత్రాలను ఉదహరిస్తుంది మరియు తప్పులను కూడా ఖచ్చితమైన వ్యాకరణంతో చెబుతుంది. మీరు అనుమానంతో (skepticism) వ్యవహరించకపోతే, మీరు తప్పులను పంపిస్తారు. ప్రతి అవుట్పుట్ను ఒక కొత్త ఇంటర్న్ చేసిన పనిని రివ్యూ చేసినట్లుగా చదవాలి: దేనినీ ఊహించవద్దు, ప్రతిదీ ధృవీకరించండి.
తుది నిర్ణయాలు (Final decisions). ఒక సాధనం మూడు మార్కెటింగ్ వ్యూహాలను జాబితా చేయవచ్చు, ఫీచర్ ప్రాధాన్యతలను సూచించవచ్చు లేదా బడ్జెట్ను డ్రాఫ్ట్ చేయవచ్చు. కానీ మీ టీమ్ సామర్థ్యం, మీ రిస్క్ తీసుకునే ధోరణి లేదా మీ కంపెనీ దాటకూడదని భావించే నైతిక హద్దుల గురించి దానికి తెలియదు. ఆ నిర్ణయాలకు శిక్షణ డేటా వెలుపల ఉండే సందర్భం (context) అవసరం. నిర్ణయం మీదే. దాని ఫలితానికి మీరే బాధ్యులు.
సంక్లిష్ట సమస్యల పరిష్కారం (Complex problem solving). కొత్త రకమైన బగ్లు, ఆర్కిటెక్చరల్ ఎంపికలు మరియు హ్యూమన్-సెంటర్డ్ డిజైన్ కేవలం ప్యాటర్న్ మ్యాచింగ్ ద్వారా పరిష్కారం కావు. AI తాను చూసిన వాటిని మళ్ళీ అమర్చుతుంది. ప్రపంచం ఇంకా స్పష్టంగా పరిష్కరించని సమస్యను మీరు ఎదుర్కొన్నప్పుడు, మీ స్వంత తర్కమే (reasoning) కీలకం.
ఆటోమేషన్ మీరు దానిని నడిపించినప్పుడు మాత్రమే బాగా పనిచేస్తుంది. దీనిని హైవేపై క్రూయిజ్ కంట్రోల్ (cruise control) లాగా భావించండి. ఇది వేగాన్ని స్థిరంగా ఉంచుతుంది, కానీ మీ చేతులు స్టీరింగ్ దగ్గరే ఉండాలి, మీ కళ్ళు రోడ్డుపై ఉండాలి, మరియు ట్రాఫిక్ అకస్మాత్తుగా మారిన వెంటనే మీరు నియంత్రణ తీసుకోవాలి. మీరు వెనుక సీటులో పడుకుని నిద్రపోతే, ప్రమాదం తప్పదు.
రిస్క్ అనేది కేవలం తక్షణ తప్పు మాత్రమే కాదు. అది దీర్ఘకాలిక క్షీణత (atrophy). విశ్లేషణాత్మక నైపుణ్యాలను ఉపయోగించనప్పుడు అవి మొద్దుబారిపోతాయి. ప్రతి ఫంక్షన్ను AI రాయనివ్వే జూనియర్ డెవలపర్, ఎవరైనా “నువ్వు ఈ విధానాన్ని ఎందుకు ఎంచుకున్నావు?” అని అడిగినప్పుడు కోడ్ రివ్యూలో ఇబ్బంది పడతాడు. ఆలోచనను అవుట్సోర్స్ చేసే రచయిత, ఇతర AI-సహాయక వ్యాసాల వలెనే సాదాసీదాగా, సాధారణంగా ఉండే శైలిని మాత్రమే ఉత్పత్తి చేస్తాడు. సొంతంగా మోడల్లను నిర్మించని డేటా అనలిస్ట్, తప్పుడు సంబంధాలను (spurious correlation) ఎలా గుర్తించాలో మర్చిపోతాడు. ఈ క్షీణత క్రమంగా జరుగుతుంది. నిజమైన సంక్షోభం వచ్చినప్పుడు మరియు మీరు ఆరు నెలల క్రితం మీరు వదిలేసిన మానసిక సామర్థ్యం కోసం వెతికినప్పుడు మాత్రమే మీరు దీనిని గమనిస్తారు.
కాబట్టి ఆ నైపుణ్యాలను ఉద్దేశపూర్వకంగా పదునుగా ఉంచుకోండి. సాంకేతికతను పూర్తిగా వదిలేయకుండానే ఇది ఎలా చేయవచ్చో ఇక్కడ ఉంది.
ముందుగా మీ స్వంత అవుట్లైన్ను రాయండి. AIని ఒక ప్రతిపాదనను డ్రాఫ్ట్ చేయమని లేదా కోడ్ను రూపొందించమని అడగడానికి ముందే, నిర్మాణాన్ని (structure) మీరే స్వయంగా గీసుకోండి. ఒక రఫ్ స్కెచ్ కూడా మీ ఆలోచనలను క్రమబద్ధీకరించడానికి మిమ్మల్ని ప్రేరేపిస్తుంది. అప్పుడు AI ఒక రచయితగా కాకుండా, ఒక ఎడిటర్గా మారుతుంది.
ప్రతి అవుట్పుట్ను తనిఖీ చేయండి. దానిని గట్టిగా చదవండి. ప్రాథమిక వనరులతో వాస్తవాలను సరిచూసుకోండి. AI మీకు ఒక Python ఫంక్షన్ను ఇస్తే, దాని లాజిక్ను లైన్ బై లైన్ అనుసరించండి. అది ఒక నివేదికను సారాంశం చేస్తే, ఆ సారాంశాన్ని అసలు పేజీలతో పోల్చి చూడండి. తప్పులు లేదని నిరూపితమయ్యే వరకు అవి ఉన్నాయని భావించండి.
మాన్యువల్ మోడ్ను షెడ్యూల్ చేయండి. ప్రతి వారం ఒక పనిని ఎంచుకుని, ఎటువంటి సహాయం లేకుండా దానిని పూర్తి చేయండి. ఆ ఈమెయిల్ను మీరే స్వయంగా రాయండి. ఆ స్క్రిప్ట్ను మీరే స్వయంగా డీబగ్ చేయండి. స్ప్రెడ్షీట్ ఫార్ములాను మొదటి నుండి మీరే తయారు చేయండి. ఆ శ్రమలో ఉన్నదే అసలైన ఉద్దేశ్యం. అది మీ నైపుణ్యాన్ని నిలకడగా ఉంచుతుంది.
రెండుసార్లు “ఎందుకు” అని అడగండి. AI ఒక పరిష్కారాన్ని సూచించినప్పుడు, కేవలం పైపైన మాత్రమే చూడకండి. ఈ సిఫార్సు ఎందుకు సరైనది? మీ పరిమితుల గురించి అది ఎలాంటి ఊహలు చేస్తోంది? మీరు మీ స్వంత మాటల్లో సమాధానం చెప్పలేకపోతే, ఆ సమాధానంపై ఆధారపడి పని చేసేంతగా మీకు అది అర్థం కాలేదని అర్థం.
AIని సరిగ్గా ఉపయోగిస్తే, అది మీరు సాధించగలిగే సామర్థ్యాన్ని పెంచుతుంది. అది శ్రమతో కూడిన పనులను చూసుకుంటుంది, తద్వారా మీరు మీ శక్తిని తీర్పు, సృజనాత్మకత మరియు వ్యూహం వైపు మళ్లించవచ్చు. ఇది తెలివితేటల లోపాన్ని కప్పిపుచ్చడానికి కాకుండా, తెలివితేటలను మరింత పెంచడానికి ఉపయోగపడుతుంది. సాధనాన్ని నివారించడం లక్ష్యం కాదు. మీ మనస్సు దానిని నియంత్రణలో ఉంచుకోవడమే లక్ష్యం.
మీ విశ్లేషణాత్మక నైపుణ్యాలే అసలైన ఆస్తి. సాఫ్ట్వేర్ కేవలం ఒక సహాయకారి మాత్రమే. దానిని మీ ఆలోచనలను బలపరచుకోవడానికి ఉపయోగించండి, వాటిని దాచడానికి కాదు.
మూలం: https://dev.to/fabiosarmento/ai-a-tool-not-a-crutch-11fe
ఈ చర్చను కొనసాగించాలనుకుంటున్నారా? GyaanSetu లెర్నింగ్ కమ్యూనిటీలో చేరండి: https://t.me/GyaanSetuAi