Yapay zeka yazılımları geleneksel olarak öngörülebilir şekilde talimatlara uydu. Ancak, ChatGPT gibi yaratıcı yapay zeka modellerinin ortaya çıkması yeni olanaklar sunmuştur. Bu modeller günlük dilde taleplere yanıt verir ve şaşırtıcı sonuçlar sunar. Yapay zekaya etkili işlemler formüle etmek, bir programlama dilini ustalaşmaktan daha kolay gibi görünse de, yapay zeka modellerinin artan yetenekleri, işlem mühendisliğini daha önce hiç olmadığı kadar zor hale getirmiştir. “Dans partnerini yönlendirmek” veya “bir canavara dokunmak” olarak adlandırılan işlem mühendisliği, yapay zeka modellerini istenilen sonuçları üretmeye zorlamayı içerir. Peki, bu gerçekte ne anlama gelmektedir?
İyi bir şekilde hazırlanmış bir işlem net bir talimatla başlar. Bir politika önerisine olumsuz yönler toplamak veya dostça bir pazarlama e-postası yazmak olsun, kesin bir komut önemlidir. Ayrıca, modelin adım adım düşünmesini teşvik eden ve talimatları mantıklı görevlere bölen işlemler daha iyi sonuçlar verir. Örneğin, yapay zekanın bir bilimsel kavramı açıklamasını istiyorsanız, açıklama sunmasını ve bu açıklamada kullanılan önemli terimleri tanımlamasını isteyebilirsiniz. Bu “düşünce zinciri” tekniği, modelin iç işleyişine ışık tutabilir.
Şeffaflık, yapay zeka kullanıcıları için çok önemlidir. Büyük modellerin geniş bir bilgi yelpazesi üzerinde eğitildiği göz önüne alındığında, talimatlarda yetkin metinlerin bulunması faydalı olabilir. Ayrıca, modeli belirli kaynaklara öncelik vermeye veya kaynaklarını listelemesini istemeye yönlendirmek, üretilen içeriğin güvenilirliğini artırabilir. Birçok yapay zeka modelinin sıcaklık ayarları bulunmaktadır ve bu ayarlar sonuçların rastgeleliğini etkiler. Daha yüksek sıcaklıklar, örneğin kurgusal yazı yazma gibi görevler için yaratıcılığı serbest bırakırken, aynı zamanda gerçek hatalarının olasılığını artırır.
Yapay zekayı rol yapmaya teşvik etmek değerli sonuçlar verebilir. Örneğin, reklam metni geliştirirken, pazarlamacılar AI modellerini bir satış yöneticisi, pazarlama patronu ve yaratıcı bir bireyin bakış açılarından yeniden yazmaya ve savunmaya yönlendirirler. En iyi sonuç daha sonra insan personel tarafından üzerinde çalışılır. Bu “kişilik” yaklaşımının kullanılması insan benzeri cevapları öne çıkarır, Bulgaristan’da faaliyet gösteren Promptly Engineering şirketinden Bilyal Mestanov tarafından belirtildiği üzere.
Yapay zekaya insan davranışlarını taklit etmesi için yönlendirmek, yapay zeka nezaketinin bir konusunu gündeme getirir. Bazıları, bir işleme nazik bir “lütfen” kelimesi eklemenin, modele benzer bir tonla yanıt vermesini etkileyebileceğini, ilgili kaynak materyali kullanabileceğini savunmaktadır. Benzer şekilde, yardımcı olurken minnettarlık ifade etmek, modelin doğru yolda olduğuna dair bir işaret olabilir. Ancak, aşırı minnettarlık işlem etkinliğini engelleyebilir, çünkü işlem gücünü saptırır, İngiliz bir pazarlama ajansı olan Discoverable’ın Josh Hewett’i uyarıda bulunuyor.
İyi tasarlanmış işlemler büyük bir değere sahiptir. Crispy Content gibi şirketler, 1.000 kelimelik makaleler üretmek için AI modellerine talimat veren şablonlar geliştiriyor. Kullanıcılar belirli anahtar kelimeler ve istenilen tonu girerken, şablonlar insan emeğinin yaklaşık €25.000 ($27.000) değerinde bir maliyetle hazırlanır. Üretim daha sonra bir insan editör tarafından incelenir. İnsan yazarlar tarafından yaklaşık €400’lük önceki maliyetten farklı olarak, işlem tabanlı makaleler sadece €4 maliyetle üretilir.
İşlem mühendisliği ajansları ve bu beceriyi öğreten online kurslar büyük talep görmektedir. 2022’nin sonlarından itibaren işlem mühendisleri için talep artmış ve büyümeye devam etmektedir. Dil veya beşeri bilimler alanlarında mezun olanlar, bu pozisyonlar için oldukça aranan niteliklere sahiptir. Yapay zeka ilerlemeleri, modellerin kullanıcı ihtiyaçlarını öngörmelerinde daha becerikli hale geldikçe, bir süre sonra işlem mühendisliğini gereksiz kılabilir, ancak şu anda işlem mühendisliği sanatını ustalaşabilenler rekabet avantajından faydalanacaklardır.
