Mengapa AI Hebat Dimulai Dengan Manusia, Bukan Data: Pelajaran Dari GenAI Dalam Manajemen Proyek
Courtesy of Forbes

Rangkuman Berita: Mengapa AI Hebat Dimulai Dengan Manusia, Bukan Data: Pelajaran Dari GenAI Dalam Manajemen Proyek

Forbes
Dari Forbes
18 Desember 2024 pukul 14.15 WIB
125 dibaca
Share
Pendiri dan Kepala Inovasi serta AI di Projectum menjelaskan bahwa dalam pengembangan AI, banyak orang percaya bahwa semakin banyak data yang dimiliki, semakin baik hasilnya. Namun, setelah bekerja dengan AI generatif dalam manajemen proyek, ia menyadari bahwa keahlian manusia, terutama dari manajer proyek berpengalaman, lebih penting daripada hanya mengandalkan data mentah. Manajemen proyek melibatkan banyak aspek yang tidak bisa ditangkap oleh angka saja, seperti hubungan dengan klien dan dinamika tim. Oleh karena itu, pendekatan yang lebih efektif adalah menggunakan teknik pembelajaran sedikit (few-shot learning), di mana AI dilatih dengan contoh berkualitas tinggi dari para ahli, bukan hanya data dalam jumlah besar.
Dengan mengumpulkan wawasan dari manajer proyek senior, AI dapat memberikan respons yang lebih akurat dan relevan, mencerminkan kebijaksanaan dunia nyata. Pendekatan ini menawarkan beberapa keuntungan, seperti memberikan konteks yang lebih baik, menangkap pengetahuan tacit yang sulit dituliskan, dan efisiensi dalam pelatihan AI. Pada akhirnya, nilai sebenarnya dari AI terletak pada kemampuannya untuk belajar dari keahlian manusia dan menerjemahkannya menjadi panduan yang praktis dan sensitif terhadap konteks.

Pertanyaan Terkait

Q
Apa yang menjadi fokus utama dari artikel ini?
A
Artikel ini membahas pentingnya keahlian manusia dalam pengembangan AI, khususnya dalam konteks manajemen proyek.
Q
Mengapa data besar tidak selalu cukup untuk mengembangkan AI yang efektif?
A
Data besar tidak selalu cukup karena tidak dapat menangkap nuansa dan wawasan yang dibawa oleh para profesional berpengalaman.
Q
Apa itu few-shot learning dan bagaimana penerapannya dalam manajemen proyek?
A
Few-shot learning adalah teknik pelatihan AI yang menggunakan sedikit contoh berkualitas tinggi untuk mengajarkan model, yang lebih efektif dibandingkan dengan data besar.
Q
Mengapa pengetahuan tacit penting dalam pengembangan AI?
A
Pengetahuan tacit penting karena merupakan kebijaksanaan yang tidak tertulis yang diperoleh dari pengalaman bertahun-tahun, yang dapat meningkatkan kemampuan pengambilan keputusan AI.
Q
Apa saran penulis untuk pengembangan sistem AI yang lebih baik?
A
Penulis menyarankan untuk berkonsultasi dengan para ahli sebelum mengumpulkan dataset besar untuk memanfaatkan kebijaksanaan kolektif dalam pengembangan AI.

Rangkuman Berita Serupa

Masa Depan AI Sepenuhnya PribadiForbes
Teknologi
3 bulan lalu
106 dibaca

Masa Depan AI Sepenuhnya Pribadi

Memanfaatkan Kelimpahan AI: Strategi untuk Implementasi dan Dampak yang EfektifForbes
Teknologi
3 bulan lalu
90 dibaca

Memanfaatkan Kelimpahan AI: Strategi untuk Implementasi dan Dampak yang Efektif

AI Hanya Sebaik Data yang Mendukungnya—Dan Apa yang Bisa Anda Lakukan TentangnyaForbes
Teknologi
3 bulan lalu
104 dibaca

AI Hanya Sebaik Data yang Mendukungnya—Dan Apa yang Bisa Anda Lakukan Tentangnya

Mengapa Pemimpin Harus Membiarkan Karyawan Bereksperimen Lebih Banyak Dengan AIForbes
Teknologi
3 bulan lalu
131 dibaca

Mengapa Pemimpin Harus Membiarkan Karyawan Bereksperimen Lebih Banyak Dengan AI

Cara Menerapkan Agen AI Siap Produksi yang Menghasilkan Nilai Bisnis NyataForbes
Teknologi
4 bulan lalu
135 dibaca

Cara Menerapkan Agen AI Siap Produksi yang Menghasilkan Nilai Bisnis Nyata

Membangun Strategi Data untuk Implementasi AI yang SuksesForbes
Teknologi
4 bulan lalu
59 dibaca

Membangun Strategi Data untuk Implementasi AI yang Sukses