AI の成功にはナレッジ マネジメントが不可欠なのはなぜですか?

精度を向上させる 1 つの方法は、AI に正しいコンテキスト

を提供し、幻覚を減らすことです。

人工知能がどのように仕事に革命を起こすか、つまり日常業務をより効率的にし、再現性を高め、個人の努力を増やすかについてのあらゆる会話の中で、次のことは簡単です。夢中になる: AI にできないことは何ですか?

名前は生成人工知能ですが、画像、コード、テキスト、音楽などを作成できる人工知能は、ゼロから生まれたわけではありません。人工知能モデルは、特に大規模言語モデル (LLM) の場合、提供された情報に基づいてトレーニングされます。通常、トレーニング データとして大量のテキストが必要です。 AI が正確で最新でよく整理された情報に基づいてトレーニングされている場合、正確で最新で関連性のある回答を返す傾向があります。 MIT の調査によると、ナレッジ ベースを LLM に統合すると、多くの場合、出力の品質が向上し、エラーが減少します。これは、人工知能と機械学習の進歩によってナレッジ マネジメントの必要性が取って代わられたわけではなく、むしろナレッジ マネジメントの重要性がさらに高まったことを意味します

#品質の入力と品質の出力

古くて不完全な情報に基づいてトレーニングされた LLM は、「幻覚」、つまり、わずかに的外れなものから完全に支離滅裂なものまで、不正確な結果を引き起こす傾向があります。幻覚には、質問に対する不正確な答えや、人や出来事に関する誤った情報が含まれます。

生成人工知能は、「ガベージイン、ガベージアウト」という古典的なコンピューティングルールにも当てはまります。 AI モデルのトレーニング データは AI モデルにとって非常に重要です。このデータが古い、構造が不十分、または穴がある場合、AI はユーザーを誤解させる回答を生成し始め、組織にトラブルや混乱を引き起こす可能性があります

錯覚を避けるには一連の知識が必要です、つまり:

正確で信頼できる、知識豊富なユーザーによって検証された情報品質
• 最新の状態を維持し、新しいデータ/エッジ ケースが出現したときに簡単に更新できます
• コンテキスト、つまり、ソリューションが求められ、提供されるコンテキストを捉える
• 継続的な改善と自立性

ディスカッションとコラボレーションをサポートするナレッジ マネジメント (The KM) アプローチ同僚と協力して AI の応答を確認し、プロンプト構造を改良して回答の品質を向上させることができるため、ナレッジ ベースの品質を向上させることができます。この相互作用は AI における強化学習の一種であり、人間は AI によって生成された出力の品質と精度に判断を適用し、AI (および人間) の向上を支援します。

正しい質問をする

LLM を使用する場合、クエリの構造は結果の品質に影響します。そのため、プロンプト エンジニアリング (AI から最良の結果を得るためにクエリを構成する方法を知る) が重要なスキルになり、生成 AI が会話の両側 (プロンプトと応答) を支援できる領域になっています。

Gartner の 2023 年 6 月レポート「ナレッジ管理のソリューション パスウェイ」によると、プロンプト エンジニアリング (人工知能に対する指示や問題を策定する行為) は、急速に重要なスキルになりつつあります。インテリジェント アシスタントと対話形式で反復的に対話することで、ナレッジ ワーカーの能力が向上し、人工知能が知識管理タスクを完了し、取得した知識を人間の同僚と共有できるようになります。

AI を使用した一元的な知識共有

ナレッジ マネジメントの実践を成功させるには、ナレッジを取得して共有することが重要です。 AI 主導のナレッジ キャプチャ、コンテンツ エンリッチメント、AI アシスタントは、学習と知識共有の実践を組織全体に導入し、日常のワークフローに組み込むのに役立ちます。

Gartner の Knowledge Management Solution Path によると、Stack Overflow for Teams などの製品は Microsoft Teams または Slack と統合して、永続的なナレッジ ストレージを Q&A フォーラムに提供できます。ユーザーはコミュニティに直接質問を投稿できます。回答は賛成または反対の投票で決定され、最良の回答がトップの回答として固定されます。回答されたすべての質問は検索可能で、他の知識源と同様に厳選することができます。このアプローチには、知識の共有がワークフローの中心となるというさらなる利点もあります

Gartner の別のレポート「生成 AI が開発者エクスペリエンスを向上させる評価」(2023 年 6 月) によると、組織は生成 AI で強化された実践コミュニティを確立することによって、生成 AI の使用を収集および普及することが推奨されています。開発：迅速なエンジニアリング技術やコード検証方法などのツールの実証済みの実践。さらに、レポートでは、組織が承認されたツール、ユースケース、プロセスを学習して適用することにより、生成 AI を適切に使用するために必要なスキルと知識を確実に取得することを推奨しています。新しいスキルを学ぶか、既存のスキルを拡張します。しかし、そこには複雑さの崖があります。ある時点を過ぎると、問題とその解決策のニュアンス、相互依存性、完全なコンテキストを処理する AI の能力が低下します。

最近のエピソードでは、 Stack Overflow ポッドキャストで、Google Cloud Duet のプロダクト マネージャーであるマルコス グラッペッジャ氏は、「LLM は、開発者がより多くのことを実行し、より迅速に行動できるようにすることに非常に優れています。」と述べ、これにはコンフォート ゾーンの言語とテクノロジを超えたテストと試みが含まれると述べました。しかし、Grappeggia は、LLM は日常の開発者にとって適切な代替品ではないとも警告しています...コードを理解していなければ、それは依然として失敗の原因です

#この複雑な崖がどこにあるのか独自の思考能力と経験的判断能力を備えた人間が必要です。あなたの目標は、人工知能を人間が作った知識に基づいて洗練および検証することによって、人工知能の計り知れない力を活用するナレッジ マネジメント戦略を開発することです。

以上がAI の成功にはナレッジ マネジメントが不可欠なのはなぜですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。