A generatív AI a gyakorlatban · Lecke 06

Az eredmény kiértékelése

A generatív AI mindig magabiztosan fogalmaz, akkor is, amikor téved. Ezért a jó eredményt nem a hangnem alapján ismerjük fel, hanem előre meghatározott elvárások és tények mentén. Ebben a leckében megnézzük, hogyan válaszd el a jól hangzó választ a jó választól.

Vissza a tananyaghoz


A magabiztosság megtévesztő

A nyelvi modellek egyik jellemzője, hogy folyékonyan és határozottan fogalmaznak. Ez sok esetben előny, mert az eredmény gördülékeny és jól olvasható. Ugyanakkor csapda is, mert a magabiztos hangnem semmit nem árul el arról, hogy az állítás igaz-e. Egy téves adat ugyanolyan meggyőzően hangzik, mint egy helyes. Aki a hangnem alapján dönt, könnyen elfogad olyat, amit sosem fogadott volna el egy embertől, aki bizonytalanul mondja.

A kiértékelés kulcsa, hogy nem arra figyelsz, mennyire tetszik a válasz, hanem arra, hogy megfelel-e annak, amit előre elvártál. Ehhez persze tudnod kell, mit vártál. Ha ez nincs meg, akkor a szép szöveg vonzása visz el, és a végén jól hangzó, de valójában gyenge eredményt fogadsz el.


!

A jól hangzó és a jó nem ugyanaz. A gép azonos magabiztossággal ad vissza egy pontos és egy téves állítást. Ha csak a felszínt nézed, a kettőt nem tudod megkülönböztetni. A kiértékelés éppen arról szól, hogy a hangnem alól kiásod a tényleges tartalmat.


Előbb az elvárás, utána a válasz

A legjobb, ha még a kérés előtt tisztázod magadban, mitől lesz jó az eredmény. Milyen szempontokat kell lefednie, milyen hosszú legyen, mit nem tartalmazhat, és milyen tényeknek kell stimmelniük benne. Ha ezt előre rögzíted, akkor a kiértékelés egyszerű összevetés lesz. Nem kell a pillanat benyomására hagyatkoznod, mert van egy mércéd, amelyhez a választ hasonlítod.

Ez a sorrend azért fontos, mert a kész válasz mindig befolyásol. Ha csak utána gondolod végig, mit is akartál, a szöveg észrevétlenül átformálja az elvárásaidat. Amikor viszont előre leírod a mércét, megvéd attól, hogy a gép fogalmazása vezessen meg. Az elvárás horgony, amely a helyén tart.

Nem kell ezt minden apró feladatnál külön leírni. Sokszor elég, ha fejben tisztázod, mielőtt elindulsz. A nagyobb tétű munkánál viszont megéri egy-két mondatban rögzíteni is, akár csak magadnak. Így ha a válasz szép, de nem az elvárt szempontokat fedi le, azonnal látod az eltérést. A mérce nem bonyolult dokumentum, hanem néhány pont arról, minek kell szerepelnie és minek kell igaznak lennie ahhoz, hogy az eredményt jónak nevezd.


Mit érdemes végignézni

A kiértékelésnek van néhány visszatérő szempontja, amelyeket sorra vehetsz. Nem mind releváns minden feladatnál, de érdemes mindegyiket megfontolni, mielőtt elfogadod az eredményt.

  1. TeljességMinden fontos szempont szerepel, amit előre elvártál.
  2. TényszerűségA számok, nevek és állítások visszaellenőrizhetők és stimmelnek.
  3. Pontosság a feladatraValóban arra a kérdésre válaszol, amit feltettél, nem egy hasonlóra.
  4. HasználhatóságOlyan formában és mélységben van, hogy tovább tudsz vele lépni.

A kételkedés nem bizalmatlanság

Van, aki attól tart, hogy ha folyton ellenőriz, azzal elveszi a gép hasznát. A valóság épp fordított. Az AI attól lesz megbízható eszköz, hogy tudod, hol kell résen lenned, és így nyugodtan támaszkodhatsz rá a többi helyen. A kételkedés itt nem az eszköz elutasítása, hanem a felnőtt használat feltétele. Ugyanígy néznél át egy fontos anyagot akkor is, ha egy kolléga készítette.

A kiértékelés súlya a tét arányában változzon. Egy belső ötletlistánál elég egy gyors átfutás, egy ügyfélnek küldött, számokat tartalmazó anyagnál viszont alapos ellenőrzés kell. Ez a mérlegelés maga is készség, amely a gyakorlattal élesedik. Idővel ránézésre megérzed, hol kell megállnod.


Használd a gépet a saját ellenőrzésedhez

Érdekes fordulat, hogy az AI a saját eredményének ellenőrzésében is segíthet, ha jól használod. Megkérheted, hogy nézze át a választ egy adott szempontból, keressen benne ellentmondást, vagy sorolja fel, milyen állításokat nem tud a megadott forrásból alátámasztani. Ez nem helyettesíti az emberi kiértékelést, de rávilágíthat olyan pontokra, amelyeket egyébként átugranál. A gép egyfajta második szempárként működik, amelynek a jelzéseit te bírálod el.

Fontos azonban tudni, hogy ez a fajta önellenőrzés is tévedhet. A modell ugyanolyan magabiztosan mondhatja, hogy minden rendben, mint ahogy az eredeti választ adta. Ezért a saját ellenőrzésre kért kimenet is csak jelzés, nem ítélet. A végső döntés így is a tiéd marad, de a folyamat gazdagabb lesz, mert több szemszögből nézed ugyanazt az eredményt, mielőtt továbbengeded.


Összegzés

Az eredmény kiértékelése az a lépés, amely megkülönbözteti a felületes AI használatot a megbízhatótól. Ne a magabiztos hangnem győzzön meg, hanem a saját, előre rögzített elvárásod és a visszaellenőrizhető tények. Ha ezt a szokást beépíted, sokkal ritkábban fogsz jól hangzó, de gyenge eredményt továbbadni, és a bizalmad ott lesz erős, ahol tényleg megalapozott.

Egy utolsó gondolat a kiértékeléshez. A tapasztalattal együtt nő az érzéked ahhoz, hol szoktak a hibák előfordulni. Idővel megtanulod, hogy egy adott feladattípusnál mindig a számokat kell kétszer megnézni, egy másiknál a hangnem szokott elcsúszni, egy harmadiknál a teljesség a gyenge pont. Ez a tapasztalati tudás teszi a kiértékelést gyorssá, mert nem mindent nézel át egyformán, hanem oda figyelsz a leginkább, ahol a hiba valószínű. A jó kiértékelő nem lassú és gyanakvó, hanem célzott, és pontosan tudja, mit érdemes ellenőriznie.

A következő lecke az ellenőrzés másik oldalát járja körül, a földelést. Megnézzük, hogyan lehet a válaszokat konkrét forrásokhoz kötni, és miért marad a felelősség minden esetben az emberé.


← Előző lecke Következő lecke →

Workshop

AI Transformation Day

Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, prioritizált cselekvési lista.

Érdekel a program →