Microsoft tin rằng họ có giải pháp cho các lời nhắc AI được đưa ra, phản hồi không đúng trọng tâm và chu trình này lặp đi lặp lại.

Sự thiếu hiệu quả này làm tiêu tốn tài nguyên. "Vòng lặp thử và lỗi có thể gây cảm giác khó đoán và nản lòng," biến một công cụ đáng lẽ phải tăng năng suất thành một sự lãng phí thời gian. Các nhân viên tri thức thường dành nhiều thời gian hơn để quản lý tương tác thay vì hiểu tài liệu mà họ hy vọng học được.

Microsoft đã phát hành Promptions (prompt + options), một khung giao diện người dùng (UI) được thiết kế để giải quyết vấn đề này bằng cách thay thế các yêu cầu ngôn ngữ tự nhiên mơ hồ bằng các điều khiển giao diện chính xác, động. Công cụ mã nguồn mở này cung cấp một phương pháp để chuẩn hóa cách các lực lượng lao động tương tác với các mô hình ngôn ngữ lớn (LLM), chuyển từ trò chuyện không có cấu trúc sang các quy trình làm việc được hướng dẫn và đáng tin cậy.

Nút thắt về khả năng thấu hiểu

Sự chú ý của công chúng thường tập trung vào AI tạo văn bản hoặc hình ảnh, nhưng một thành phần lớn trong việc sử dụng của doanh nghiệp liên quan đến sự thấu hiểu—yêu cầu AI giải thích, làm rõ hoặc hướng dẫn. Sự khác biệt này rất quan trọng đối với các công cụ nội bộ.

Hãy xem xét một công thức bảng tính: một người dùng có thể muốn phân tích cú pháp đơn giản, người khác muốn hướng dẫn gỡ lỗi, và người khác muốn một lời giải thích phù hợp để dạy đồng nghiệp. Cùng một công thức có thể yêu cầu những giải thích hoàn toàn khác nhau tùy thuộc vào vai trò, chuyên môn và mục tiêu của người dùng.

Các giao diện trò chuyện hiện tại hiếm khi nắm bắt được ý định này một cách hiệu quả. Người dùng thường thấy rằng cách họ đặt câu hỏi không khớp với mức độ chi tiết mà AI cần. "Làm rõ những gì họ thực sự muốn có thể đòi hỏi các lời nhắc dài, được diễn đạt cẩn thận, rất mệt mỏi để tạo ra," Microsoft giải thích.

Promptions hoạt động như một lớp middleware để khắc phục vấn đề quen thuộc này với các lời nhắc AI. Thay vì buộc người dùng phải gõ các thông số kỹ thuật dài dòng, hệ thống phân tích ý định và lịch sử hội thoại để tạo ra các tùy chọn có thể nhấp – như độ dài giải thích, giọng điệu hoặc các lĩnh vực trọng tâm cụ thể – theo thời gian thực.

Hiệu quả so với sự phức tạp

Các nhà nghiên cứu của Microsoft đã thử nghiệm phương pháp này bằng cách so sánh các điều khiển tĩnh với hệ thống động mới. Các phát hiện đưa ra một cái nhìn thực tế về cách các công cụ như vậy hoạt động trong môi trường thực tế.

Những người tham gia liên tục báo cáo rằng các điều khiển động giúp họ dễ dàng diễn đạt các chi tiết cụ thể của nhiệm vụ mà không cần lặp đi lặp lại việc diễn đạt lại lời nhắc của họ. Điều này giảm bớt nỗ lực của kỹ thuật nhắc nhở (prompt engineering) và cho phép người dùng tập trung hơn vào việc hiểu nội dung hơn là quản lý cơ chế diễn đạt. Bằng cách hiển thị các tùy chọn như “Learning Objective” và “Response Format,” hệ thống đã thúc đẩy những người tham gia suy nghĩ kỹ hơn về mục tiêu của họ.

Tuy nhiên, việc áp dụng cũng đi kèm với những đánh đổi. Những người tham gia đánh giá cao khả năng thích ứng nhưng cũng nhận thấy hệ thống khó diễn giải hơn. Một số người gặp khó khăn trong việc dự đoán tùy chọn đã chọn sẽ ảnh hưởng đến phản hồi như thế nào, lưu ý rằng các điều khiển dường như không rõ ràng vì hiệu ứng chỉ trở nên rõ ràng sau khi kết quả xuất hiện.

Điều này làm nổi bật sự cân bằng cần đạt được. Các giao diện động có thể giúp hợp lý hóa các tác vụ phức tạp nhưng có thể tạo ra một đường cong học tập, nơi mà sự kết nối giữa một hộp kiểm và kết quả cuối cùng yêu cầu người dùng phải thích nghi.

Promptions: Giải pháp để khắc phục các lời nhắc AI?

Promptions được thiết kế để nhẹ, hoạt động như một lớp middleware nằm giữa người dùng và mô hình ngôn ngữ cơ bản.

Kiến trúc bao gồm hai thành phần chính:

• Mô-đun Tùy chọn: Xem xét lời nhắc của người dùng và lịch sử trò chuyện để tạo các yếu tố UI liên quan.

• Mô-đun Trò chuyện: Kết hợp các lựa chọn này để tạo ra phản hồi của AI.

Đặc biệt đáng chú ý đối với các nhóm bảo mật, "không cần lưu trữ dữ liệu giữa các phiên, điều này giữ cho việc triển khai đơn giản." Thiết kế không trạng thái này giảm thiểu các lo ngại về quản trị dữ liệu thường liên quan đến các lớp phủ AI phức tạp.

Chuyển từ "kỹ thuật nhắc nhở" (prompt engineering) sang "lựa chọn nhắc nhở" (prompt selection) mang đến một con đường dẫn đến các kết quả AI nhất quán hơn trong toàn bộ tổ chức. Bằng cách triển khai các khung UI hướng dẫn ý định người dùng, các nhà lãnh đạo công nghệ có thể giảm sự biến động của phản hồi AI và cải thiện hiệu quả làm việc của lực lượng lao động.

Thành công phụ thuộc vào việc hiệu chuẩn. Những thách thức về khả năng sử dụng vẫn còn liên quan đến cách các tùy chọn động ảnh hưởng đến đầu ra của AI và việc quản lý sự phức tạp của nhiều điều khiển. Các nhà lãnh đạo nên xem đây không phải là một giải pháp hoàn chỉnh để khắc phục kết quả của các lời nhắc AI, mà là một mẫu thiết kế để thử nghiệm trong các nền tảng nhà phát triển nội bộ và công cụ hỗ trợ của họ.