Consejos Profesionales Para Desarrollar Tus Habilidades en Gestión de Productos de IA

La importancia de una integración fluida de la IA [06:46]

Lorilyn enfatiza la necesidad de integrar la IA profundamente en el diseño de productos, evitando que se perciba como un simple «complemento».
La integración ideal de la IA hace que las funciones se sientan naturales y que los usuarios no las perciban explícitamente como “IA”.
La función «Evento instantáneo» de Superhuman ilustra este enfoque, permitiendo a los usuarios crear eventos de calendario desde correos electrónicos con un solo clic.
Inicialmente, la función estaba en una ubicación menos accesible para fines de prueba, utilizando el menú de comandos de Superhuman, “Comando K”.
Después de probar y aprender de los comentarios, el equipo la reubicó en lugares más intuitivos, como un botón en los correos y un acceso directo en el calendario.
Esta integración fluida garantiza que las funciones de IA se perciban útiles y accesibles cuando se necesitan.
Ahora, la función «Evento instantáneo» permite a los usuarios crear eventos simplemente haciendo clic en las fechas de los correos, cambiando el cursor a un icono de mano para indicar esta acción.
Probada inicialmente en el menú de comandos, la función ahora está totalmente integrada para facilitar su uso.
Los usuarios descubren y usan la función de manera natural, sin instrucciones explícitas, lo que se alinea con el objetivo de Lorilyn de una integración fluida de la IA.

Optimizando la IA para la velocidad y precisión [10:54]

Superhuman prioriza funciones proactivas como el resumen automático y las respuestas instantáneas, mostrándolas al instante para la comodidad del usuario.
La función de resumen automático ofrece un resumen de una línea de cada correo, lo que permite acceder a la información más rápido sin requerir acción del usuario.
Para las respuestas instantáneas, el equipo se enfrentó a la elección entre un «bot tortuga» (inteligente pero lento) y un modelo de «tío rápido y torpe» (rápido pero menos preciso).
A pesar de la mayor calidad del bot tortuga, el equipo optó por el modelo más rápido, priorizando la velocidad y la experiencia del usuario.
Optimizan este modelo rápido para mejorar la precisión, asegurando respuestas rápidas y razonablemente acertadas.
Equilibrar calidad y velocidad es esencial para decidir si las funciones deben ser proactivas o iniciadas por el usuario.

Toma de decisiones técnicas en IA [14:24]

Lorilyn utiliza una herramienta para comparar múltiples prompts y modelos uno junto al otro, evaluando el rendimiento con datos reales.
Crea un conjunto de datos a partir de la retroalimentación interna de usuarios (pulgar arriba/abajo) para reflejar escenarios reales.
Las evaluaciones se centran en la latencia, buscando respuestas en 1 a 2 segundos para satisfacer las necesidades del usuario.
A través de pruebas repetidas, identifica problemas (por ejemplo, mala interpretación del contexto en respuestas) y ajusta los prompts para mejorar la precisión.
Las pruebas iterativas ayudan a establecer criterios de éxito, equilibrando velocidad y precisión y aprendiendo los tipos específicos de precisión necesarios.

Dominando la ingeniería de prompts [16:38]

Lorilyn desarrolló habilidades de ingeniería de prompts mediante el aprendizaje en el trabajo y la experimentación.
Ocasionalmente, investigó en línea para soluciones específicas.
También recibió consejos de OpenAI, como usar técnicas como comandos en mayúsculas, repetir instrucciones e incluir ejemplos one-shot.
La afinación incluía agregar ejemplos para abordar casos desafiantes y mejorar la precisión.
Lorilyn utilizó una técnica en la que pedía al LLM que explicara su razonamiento para afinar los prompts.
Por ejemplo, pedía al LLM que dijera a quién estaba respondiendo y por qué.
Este proceso revelaba malentendidos en las respuestas del LLM, lo que le permitía hacer ajustes específicos en los prompts.
El método de «explícate» ayudó a clarificar el proceso de pensamiento del LLM, facilitando una mejor afinación de los prompts.

Desafíos empresariales en la integración de la IA en Superhuman [18:54]

Integrar la IA en Superhuman implicó equilibrar complejidades y desafíos.
Lorilyn comparó modelos de IA: GPT-4 (lento pero de alta calidad) vs. GPT-3.5 (más rápido pero menos inteligente).
Al principio, la lentitud de GPT-4 planteó desafíos importantes para escalar el resumen de correos electrónicos.
Superhuman priorizó la calidad y las necesidades del usuario, considerando la velocidad y la precisión.
Eligieron GPT-3.5 por su mejor latencia, empleando ingeniería de prompts para mantener los estándares de calidad.
El enfoque empresarial se basaba en asegurar que se cumplieran las necesidades del usuario, sin importar los costos.

Aprendizaje práctico y habilidades de IA aplicadas [20:54]

El aprendizaje práctico es esencial para la gestión de productos de IA.
Mantenerse al día con las tendencias y lanzamientos semanales es crucial.
Experimenta con herramientas de IA en la vida cotidiana para una comprensión práctica.
Ejemplo: usar ChatGPT para crear páginas para colorear personalizadas para niños.
Aplica IA en el ámbito profesional, como generar mensajes de ayuda concisos para usuarios.
Interactuar con nuevas tecnologías aumenta el conocimiento sobre las posibilidades de la IA.
No es necesario un curso específico; la clave es la aplicación práctica.

Puntos destacados de la entrevista