4 Muster für die Mensch-KI-Interaktion für erfahrene ChatGPT-Nutzer

Es ist eineinhalb Jahre her, seit ChatGPT eingeführt wurde, aber nur wenige Menschen nutzen solche KI-Chatbots mit mehr als 30 % ihrer Leistung. Die meisten Menschen sind sich der Funktionen von generativer künstlicher Intelligenz wie umgekehrter Interaktion, selbstbewerteter Kriterien und gemeinsamer Aufgabenformulierung mit einem Menschen nicht bewusst. Als Folge davon verbringen sie viel Zeit damit, eine Aufgabe für die KI zu formulieren und mehrere Versionen der KI-Ausgabe zu analysieren, erhalten aber dennoch ein Ergebnis, das schlechter ist als ihre Erwartungen. In diesem Artikel wird untersucht, wie man dieses Problem beheben kann.

Einführung:**

Als aktives Mitglied einer lokalen Gemeinschaft für „KI im Management“ beobachte ich häufig, dass auch erfahrene Nutzer von ChatGPT und anderen GenAI-Assistenten von der herkömmlichen Art der Mensch-KI-Konversation ausgehen. Sie gehen davon aus, dass sie vollständige Anweisungen schreiben müssen und die KI wird erwartet, diesen Anweisungen einfach zu folgen.

Tatsächlich werden KI-Chatbots nur als Werkzeuge gesehen, um unsere Fragen zu beantworten, Text auf der Grundlage unserer Aufforderungen zu generieren oder unsere Daten zu verarbeiten. Wenn der Chatbot keine zufriedenstellenden Ausgaben liefert, müssen wir ihn entweder besser anweisen oder wir verzichten einfach auf ihn. Wir verzichten auch auf die KI, wenn wir keine Zeit haben, die Aufgabe im Detail zu beschreiben, oder wenn wir die Aufgabe selbst noch nicht vollständig verstanden haben.

Diese herkömmliche Perspektive beschränkt jedoch den Umfang und den Wert von generativer KI erheblich. Tatsächlich können große Sprachmodelle (LLMs) mit uns in einer Vielzahl von Rollen interagieren, die über die Beantwortung von Anfragen oder die Befolgung von Anweisungen hinausgehen. Außerdem müssen wir sie nicht immer besser anweisen oder „schulen“, um bessere Ausgaben zu erhalten.

Durch die Anwendung von KI-Rollen anders als einem Aufgabenausführer oder einem Experten können wir den Bereich der Probleme, bei denen die KI helfen kann, erweitern, qualitativ hochwertigere Ergebnisse erzielen und den kognitiven Aufwand für das Schreiben von Anweisungen verringern. Die Verwendung vielfältiger Rollen kann das wahre Potenzial der KI als Partner freisetzen.

Aus Einfachheitsgründen werde ich die unkonventionellen KI-Rollen in 4 Muster für die Mensch-KI-Interaktion gruppieren, weshalb dieser Artikel 4 Abschnitte hat. Es handelt sich jedoch nur um meine persönliche Vereinfachung. Meine Hauptidee ist nicht über bestimmte Rollen, sondern über die Erweiterung des Standardmodells für die Mensch-KI-Interaktion „Anfrage-Antwort“.

1. Strategie für die umgekehrte Interaktion

Das erste nicht offensichtliche Muster im Bereich der KI-Rollen ist die „umgekehrte Interaktion“, bei der die KI die Führung übernimmt, indem sie Fragen stellt.

Das Forschungspapier [1] untersucht das Muster der umgekehrten Interaktion im Kontext des Prompt-Engineerings neben anderen Techniken wie der Definition der Rolle eines Chatbots (Persona-Muster) und der Angabe von Ausgabeformaten (Vorlagenmuster). Das Muster der umgekehrten Interaktion wird auch als eine Prompting-Technik in kürzeren Blogbeiträgen wie diesem beschrieben:

Ich persönlich bin jedoch der Meinung, dass das Muster der umgekehrten Interaktion und das ähnliche Muster der kognitiven Überprüfung zu einer höheren Ebene der „Strategie“ gehören. Sie sollten in Betracht gezogen werden, noch bevor Prompts erstellt werden oder die Aufgabe endgültig festgelegt wird. Die Übernahme dieser Strategie beeinflusst viele andere Aspekte Ihrer Interaktion mit der KI.

Der Grund

Typischerweise reduziert dieser Ansatz die Zeit und den kognitiven Aufwand, die von einem Menschen erforderlich sind, was mit den Zielen eines typischen KI-Nutzers übereinstimmt. Ähnlich schätzt ein typischer Internetnutzer es, wenn ihm Inhalte oder Produkte vorgeschlagen werden, so dass er seine Anfragen nicht selbst formulieren muss.

Anwendungsfälle

• Ein KI-Chatbot wird oft als Mentor eingesetzt. Die Hälfte des Nutzens eines solchen Mentors liegt nicht in den Ratschlägen, die er gibt (die in meiner Erfahrung oft zu allgemein und nicht umsetzbar sind), sondern in seiner Fähigkeit, anregende Fragen zu stellen, die die Nutzer dazu anregen, Lösungen für ihre Probleme zu finden.
• Das Gleiche gilt für die Rolle eines KI-Coachs, der „mächtige“ offene Fragen stellt, um den Nutzern zu helfen, ihre Probleme und Herausforderungen zu identifizieren.
• Oder betrachten Sie die Rolle eines personalisierten KI-Tutors, der sich hauptsächlich darauf konzentriert, Lücken in den Kenntnissen und Fähigkeiten eines Nutzers zu identifizieren (indem er Fragen stellt), um diese Lücken später zu schließen.
• Ähnlich wie die Rolle eines Buddys setzt auch diese voraus, dass die KI Fragen stellt. Diese Art von Fragen erleichtert es einer Person, die Motivation zu finden, um ein beliebiges Ziel zu erreichen.

Beispiel für die Umsetzung

Wenn Sie beispielsweise ein breites Thema mit einem KI-Tutor schnell meistern möchten, können Sie damit beginnen, die Aufforderung „Stelle mir N offene Fragen zu <Thema>, um mein derzeitiges Verständnis herauszufinden“ zu geben. Anschließend können Sie eine Bewertung Ihrer Antworten anfordern und neue Fragen verlangen, die sich auf Ihre schwächsten Bereiche konzentrieren, die identifiziert wurden.

Dies führt zu einem adaptiven Lernen mit schnellem Feedback und beinhaltet eine transparente Priorisierung Ihrer Bildungsbedürfnisse, im Gegensatz zu traditionellen adaptiven Lernsystemen, bei denen die Prioritäten für den Lernenden undurchsichtig sind.

Ein Beispiel für ein Chat mit GPT-4 finden Sie hier. In diesem Beispiel wird ein Thema praktisch gelernt, so dass ChatGPT dem Benutzer Aufgaben statt Fragen gibt.

2. Kollaborative Aufgabendefinition und Kontextverbesserung

Ich sehe die umgekehrte Interaktion – wenn der KI-Chatbot Fragen stellt – auch als ein Werkzeug, um ein völlig anderes Ziel zu erreichen. Das Ziel der QA-Sitzung mit der KI ist es, schnell einen kontextbezogenen Aufgabenbereich zu schaffen, der für die weitere Verwendung des Chatbots in seiner herkömmlichen Rolle als Antwortgeber/Ausführender von entscheidender Bedeutung ist.

Der Grund

Mindestens kann dieser Ansatz Ihnen helfen, das Problem der „leeren Seite“ zu überwinden, das der Hauptgrund für Aufschieberitis bei komplexen Aufgaben ist. Dieses Problem tritt insbesondere auf, wenn Sie die KI auffordern, Probleme zu lösen, mit denen Sie noch nie zuvor konfrontiert waren.

Die Menschen denken (siehe den obigen Beitrag als Beispiel), dass das schnelle Schreiben eines Entwurfs einer Aufgabe für die KI helfen kann, mit dem Problem der leeren Seite umzugehen. Das kann helfen, aber die Ausgabe des Entwurfs der Aufgabe muss sorgfältig geprüft werden, und der größte Teil davon wird aufgrund der schlechten Qualität verworfen.

Eine bessere Lösung für dasselbe Problem ist es, zuerst Fragen von der KI zu erhalten, während die Ausgabe später erstellt wird. Der Grund dafür ist, dass das Auswählen von Fragen und das Beantworten derselben für uns viel einfacher ist als die Beschreibung einer Aufgabe von Grund auf neu. Der gesamte Lösungsweg für eine Aufgabe kann auf der Grundlage von KI-Fragen aufgebaut werden. Sie antworten auf sie und erhalten weitere Fragen auf der Grundlage Ihrer Antworten. Dies wird fortgesetzt, bis Sie der KI einen Satz wie „Jetzt schlage eine vollständige Lösung vor, die alles oben Genannte berücksichtigt“ sagen.

Anwendungsfälle

• Wenn Sie selten mit solchen Aufgaben zu tun haben oder mit dem Thema nicht vertraut sind, fehlen Ihnen möglicherweise die richtigen Worte und das Gesamtverständnis der Aufgabe. Dann können Sie die KI auffordern, mehrere Versionen der detaillierten Aufgabe für Sie vorzuschlagen, eine Version auszuwählen, die Ihren Bedürfnissen entspricht, und dann auf eine qualitativ hochwertige Ausgabe zu hoffen. Andernfalls gilt das Prinzip „Müll rein, Müll raus“.
• Wenn Sie ein Experte auf dem Gebiet der Aufgabe sind, kann es für Sie schwierig sein, einige Ebenen nach unten zu gehen und zu verstehen, welchen Kontext der „universelle Assistent“ benötigt, um die Ausgabe zu produzieren, die Sie erwarten. Lassen Sie ihn stattdessen selbst über seine Bedürfnisse sprechen!

Beispiel für die Umsetzung

Ein besonderer Fall für kontextbildende Fragen sind Fragen zur Klärung einer Aufgabe, wenn Sie diese noch nicht vollständig verstanden haben. Anfänglich können Sie etwas wie „Schlage Aufgabenformulierungen im Zusammenhang mit… vor“ anfordern, dann die Formulierung auswählen, die Ihren Bedürfnissen am nächsten kommt, und „Stelle mir Fragen, um diese Aufgabe weiter zu klären“ sagen (ähnlich wie das Muster der Fragenverfeinerung und das Muster der kognitiven Überprüfung, die im Artikel [1] diskutiert werden). Dann beantworten Sie einige der KI-Fragen und ignorieren absichtlich andere. Das Ignorieren ist auch wichtig für die Erstellung eines fokussierten Kontexts, der für die Aufgabe relevant ist.

Wenn ich „wähle <einige Elemente>“ oder „beantworte <einige Fragen>“ sage, meine ich die Verwendung von nur Zahlen der Listelemente. Alle State-of-the-Art-LLMs verstehen solche Zahlen gut, und es ist in Bezug auf die Zeitersparnis sehr nützlich.

Als konkretes Beispiel betrachten wir das Ziel, uns auf Vorstellungsgespräche mit Kandidaten vorzubereiten. Es ist keine einfache Aufgabe für die KI:

• Ein unerfahrener Nutzer kann die KI auffordern, auf der Grundlage von ein paar Sätzen über die Stelle Interviewfragen zu formulieren, und das Ergebnis wird wahrscheinlich unbefriedigend sein.
• Ein erfahrener Nutzer wird der KI so viele relevante Informationen wie möglich zur Verfügung stellen, wie z.B. ein Stellenbeschreibungsdokument und/oder eine Liste von Aufgaben. In diesem Fall neigt das Ergebnis jedoch dazu, zu allgemein zu sein. Ein großes Sprachmodell (LLM) formuliert zwar schön, aber im Wesentlichen fügt es nur Wörter aus den bereitgestellten Dokumenten in die „Interviewvorlagen“ ein, mit denen das Modell trainiert wurde. Das Modell hat die betreffende Stelle nie ausgeübt, daher kann es nicht von Natur aus verstehen, was in der Stellenbeschreibung besonders wichtig ist. Außerdem kann es nicht wissen, welche Eigenschaften eines Kandidaten für Sie persönlich wichtig sind (da es in dem Dokument keine solchen Informationen gibt).

Daher sollten wir die KI auffordern, klärende Fragen zu stellen. Ich würde sie wie folgt anweisen:

1. Extrahiere die Informationen, die für den oben genannten Zweck erforderlich sind, aus der Stellenbeschreibung (siehe das angefügte Dokument).
2. Stelle mir mehrere Fragen, die erforderlich sind, um die Besonderheiten der Stelle und meine persönlichen Vorlieben zu verstehen. Stelle sicher, dass die Fragen spezifisch und mit dem Dokument übereinstimmen. Die Liste der Fragen sollte nummeriert sein.
3. Stelle sicher, dass du die Stelle und meine Vorlieben auf der Grundlage meiner Antworten gut verstehst. Missachte alle Aspekte, die ich für unbedeutend halte. Formuliere dann Interviewfragen, die alle wichtigen Punkte abdecken, die zuvor hervorgehoben wurden.

Sie können ein Chat-GPT-4, das diesem Beispiel folgt, hier finden.

Wie man Verwirrung der KI vermeidet

Sie können den obigen Prozess fortsetzen, indem Sie weitere Klärungen zu bestimmten Punkten anfordern. Versuchen Sie jedoch, Verbosität und das Stellen von Fragen um der Fragen willen zu vermeiden, da das Ziel nicht nur darin besteht, Ihnen zu helfen, Ihre Aufgabe zu verstehen, sondern auch die KI effektiv zur Lösung der Aufgabe zu leiten. Zu viele Wörter im Kontext können die KI verwirren und sie von Ihrer beabsichtigten Richtung ablenken [4].

Um die Wahrscheinlichkeit von Verwirrung der KI zu verringern, können Sie kurz vor der Lösung der Aufgabe sagen: „Jetzt mache eine vollständige Formulierung meiner Aufgabe unter Berücksichtigung all dessen“, anstatt die Lösung sofort anzufordern. Diese Technik ist aus zwei Gründen nützlich:

• Die letzte Nachricht im Kontext wird die vollständige Aufgabe, während die neuesten Nachrichten von einem Chatbot-Algorithmus, der den Kontext für die KI vorbereitet, als wichtig angesehen werden. KI-Modelle haben „Aufmerksamkeit“.
• Wenn in der vorgeschlagenen Aufgabenbeschreibung etwas falsch ist, ist es besser, dies zu korrigieren, bevor Sie den letzten Schritt machen.

Wie man den eigenen Aufwand noch weiter reduziert

Ich bin mir sicher, dass Sie andere Fälle in Ihrer Praxis finden können, in denen die umgekehrte Interaktion für Sie speziell nützlich sein könnte. Diese Strategie kann sowohl für die Kontexterstellung als auch für das Fragen selbst (KI als Coach, Buddy, Mentor oder Lehrer) eingesetzt werden.

Wenn Sie jedoch häufig die Interaktion mit der KI umkehren, können Sie sich möglicherweise irgendwann müde fühlen, die KI ständig zu bitten, Fragen zu stellen. Daher können Sie die KI nur einmal bitten, dies zu tun. Für die Zuverlässigkeit ist es besser, dies in einem so genannten System-Prompt zu tun.

• Wenn Sie ChatGPT Plus verwenden, besteht die Anwendung eines System-Prompts darin, Ihren eigenen GPT zu erstellen und den Prompt in das Feld „Anweisungen“ einzugeben. Dann wird es separat von den Benutzeranfragen und den Antworten des Assistenten an die KI übergeben.
• Eine andere Möglichkeit, einen System-Prompt zu erstellen, erfordert keine teure Abonnementgebühr wie ChatGPT Plus. Jeder führende Anbieter von KI-Modellen bietet ein anderes Tool mit mehr Kontrolle als bei ChatGPT oder Claude.ai oder Google AI Studio. OpenAI hat den Playground und Anthropic hat die Console, beide Tools ermöglichen es Ihnen, einen System-Prompt festzulegen, eine KI-Modellversion auszuwählen und die Temperatur und andere Parameter festzulegen. Es ist weniger Geld erforderlich als für ein Abonnement. Außerdem bietet Anthropic neuen Nutzern ein kostenloses Guthaben von 5 $.

Hier ist ein Beispiel für einen Satz für einen System-Prompt: „Wenn der Benutzer etwas angefordert hat (eine Frage gestellt, eine Anweisung gegeben usw.), dann musst du eine bessere Version der Anfrage vorschlagen (eine detaillierte Version, die zu spezifischeren Ausgaben führen kann) und den Benutzer fragen, ob er deine Version verwenden möchte“. Dieser Satz ist eine Art Umsetzung des Musters der Fragenverfeinerung, Sie können darüber und über ähnliche Muster hier lesen:

3. KI-Interaktionen auf der Grundlage von menschlichen Rollen

Untersuchen Sie, wie Sie sonst noch mit anderen Menschen interagieren, jenseits des „Kunde-Ausführender“-Modells. Die Interaktion muss nicht umgekehrt sein. Ich meine, dass die Initiative und die Fragen nicht unbedingt von der KI kommen müssen. Tatsächlich geht es bei den zuvor erwähnten „Mentor-Mentee“- und „Lehrer-Schüler“-Modellen nicht nur darum, dass Fragen von ersteren kommen.

Hier sind einige andere mögliche Interaktionsmodelle zwischen Ihnen und der KI:

KI als Ihr Mitarbeiter: regelmäßiges Genehmigen und Korrigieren

Solche menschlichen Beziehungen bestehen nicht nur darin, dass ein Chef Anweisungen gibt und ein Mitarbeiter sie ausführt, ohne ein Wort zu sagen. Beispielsweise bringen Mitarbeiter oft ihre Ideen, detaillierte Pläne und vorläufige Ergebnisse zu ihren Vorgesetzten, um deren Genehmigung einzuholen.

Auf diese Weise sparen die Manager ihre Zeit, indem sie sich nur an bestimmten Stellen des Arbeitsprozesses beteiligen, sei es die Erstellung eines Quartalsberichts, die Entwicklung eines neuen Produkts oder sogar die Erstellung einer neuen Strategie. Sie haben jedoch ihre Finger am Puls und beteiligen sich wiederholt, da es unmöglich ist, alles vorherzusehen oder alle Details im Voraus zu klären. Während der Arbeit können sich die externen Umstände ändern, Mitarbeiter können Fristen verpassen, was eine Neuplanung erfordert, und so weiter.

Ähnlich können Sie sich als „KI-Bot-Manager“ betrachten, zum Beispiel:

1. Fordern Sie die KI auf, einen Entwurf eines Prompts für Sie zu erstellen, ihn zu kritisieren und erst dann seine Ausführung anzufordern.
2. Für die meisten Aufgaben in der realen Welt ist ein einzelner Prompt unzureichend. Die Aufgabe sollte in mehrere miteinander verbundene Unteraufgaben aufgeteilt werden. Fordern Sie die KI auf, diese Aufteilung durchzuführen.
3. Definieren Sie Ihre Rollen für die KI ausdrücklich: Sie sind der Manager und sie ist der Mitarbeiter mit bestimmten Fähigkeiten. Informieren Sie die KI, dass ihre Aufgabe darin besteht, jedes Zwischenergebnis zur Genehmigung zu senden: eine Liste von Ideen, einen Umsetzungsplan, den ersten Teil eines Textes (wenn das Ziel darin besteht, einen Text zu schreiben) und alle anderen Artefakte.
4. Am wichtigsten ist, dass Sie der KI kleine, spezifische Anweisungen geben, als ob sie Ihr neuer Mitarbeiter wäre, der noch nicht mit Ihren Vorlieben und Erwartungen vertraut ist. Wenn beispielsweise der erste Teil des Textes vorhanden ist, den Sie überarbeitet haben, weisen Sie die KI an, den zweiten Teil (nicht den gesamten Text auf einmal) unter Verwendung des ersten Teils als Modell in Bezug auf Stil und Terminologie zu schreiben.

Warum ist das wichtig? Durch die Vorgehensweise in kleinen Schritten erreichen Sie das gewünschte Ergebnis schneller.

Ich meine, dieser Ansatz ist schneller als der, bei dem Sie die Aufgabe zunächst im Detail beschreiben und dann das endgültige Ergebnis kritisieren. Wenn Manager so vorgehen würden, würden sie viel von ihrer Zeit verschwenden und vor allem viel Geld für die Arbeit von Mitarbeitern ausgeben, die nicht den Kundenanforderungen oder den Qualitätsanforderungen entsprechen.

KI als Ihr Co-Autor: Navigation durch den Co-Creation-Prozess

Stellen Sie sich vor, dass Sie einen großen Text schreiben möchten, wie z.B. einen Jahresbericht oder einen Blogbeitrag. Sie können im Internet viele Beispiele für Prompts finden, die Dutzende von Sätzen und Abschnitten wie Ziele, Vorlagen, Richtlinien und Stil des Textes enthalten. Alternativ können Sie der KI Beispiele von ähnlichen Texten zur Verfügung stellen, die Sie für die Aufgabe als vorbildlich erachten. Dies wird als Few-Shot-Prompting bezeichnet:

Im Allgemeinen sind beide Ansätze wirksam, insbesondere wenn das Schreiben solcher Texte für Sie eine Routineaufgabe ist. In diesem Fall sind Ihnen die erforderlichen Textvorlagen und -stile bereits bekannt und Sie kennen die möglichen Fallstricke, die zu vermeiden sind.

Wenn Sie jedoch keine Beispiele haben und sich zum ersten Mal mit einer solchen Aufgabe befassen, lautet mein Rat anders: Betrachten Sie die KI als Co-Autor. Führen Sie mehrere Iterationen der gemeinsamen Bearbeitung durch und arbeiten Sie mit der KI als gleichberechtigtem Partner zusammen.

Andernfalls führt dies wahrscheinlich zu Unzufriedenheit mit dem Ergebnis, auch nach mehreren Iterationen, und lässt Sie mit der langweiligen Aufgabe zurück, nur technische Korrekturen vorzunehmen, während die KI alle kreativen Aspekte der Arbeit übernimmt.

Wie setzt man das um?

Zunächst einmal wenden Sie die Techniken an, die zuvor für das „Manager-Mitarbeiter“-Modell beschrieben wurden (siehe Punkte 2-4 oben). Dazu gehört die Aufteilung der Aufgabe in Unteraufgaben mit Hilfe der KI, die Aufforderung, Zwischenergebnisse anzuzeigen, und die Verwendung Ihrer bearbeiteten Versionen als Vorlagen für neue Abschnitte.

Zweitens machen Sie Ihre Kommunikation mit der KI symmetrischer, indem Sie Sätze wie „Lass uns über <Problem/Ideen/Lösungen> diskutieren“ oder „Lass uns das gemeinsam angehen, indem wir uns abwechseln und Änderungen vorschlagen, bis ich ‚Fertig‘ sage“ verwenden.

Nehmen wir beispielsweise die Stufe der Erstellung von Unteraufgaben. Wenn Sie die erste Version der Liste der Unteraufgaben von der KI erhalten, schreiben Sie die Punkte um, die eine Klärung benötigen (vage Punkte sind das häufigste Problem). Geben Sie dann der KI Ihre überarbeitete Liste, weisen Sie sie an, bestimmte Punkte zu löschen, und fordern Sie eine neue Version der Liste an, die diese Anpassungen berücksichtigt.

4. Qualitätskriterien und Bewertungen als Ergebnis der Zusammenarbeit

Früher habe ich das Ziel erwähnt, „qualitativ hochwertige“ Ergebnisse zu erzielen, und jetzt ist es wichtig, zu definieren, was „Qualität“ in diesem Kontext bedeutet. Mein Vorschlag ist, die Qualitätskriterien in Ihrem Dialog mit der KI ausdrücklich zu definieren.

Indem Sie die Kriterien bereits am Anfang angeben, können Sie sehen, ob die KI diese Kriterien in ihrer ersten Entwurfsfassung berücksichtigt hat. Es ist jedoch oft schwierig für uns, unsere Kriterien im Voraus zu verstehen. Daher ist es in Ordnung, sie nach der Überprüfung der ersten Überarbeitung zu definieren.

Wenn die Ergebnisse auch nach der Festlegung von Kriterien noch nicht zufriedenstellend sind, können Sie die KI schnell in die richtige Richtung lenken, indem Sie auf die Kriterien hinweisen, die die letzte Überarbeitung nicht erfüllt. Nehmen wir beispielsweise an, dass die Liste der Kriterien die Erklärung für jede Aussage (Punkt 2) und die Einhaltung des gewünschten Geschäftsstils (Punkt 4) umfasst. Dann können Sie anfordern: „Verbessere den Text gemäß den Kriterien 2 und 4“. Die KI wird Sie verstehen und genau das verbessern, was benötigt wird.

Die Umsetzung solcher Kriterien verringert die Anzahl der Iterationen, die erforderlich sind, um ein Ergebnis zu erzielen, das allen Anforderungen entspricht, erheblich. Dieser Ansatz ist effizienter als die KI einfach mitzuteilen, dass Sie „unzufrieden“ sind oder eine Gesamtbewertung wie „3 von 10“ zu geben, was wahrscheinlich zu wiederholten erfolglosen Versuchen und Entschuldigungen von der KI führt.

Es gibt auch eine weniger offensichtliche Fähigkeit von generativer KI.

Bevor Sie eine neue Überarbeitung anfordern, können Sie die aktuelle Ausgabe quantitativ anhand bestimmter Kriterien bewerten. Sie können dies selbst tun, aber es ist einfacher, die KI zu bitten, sich selbst zu bewerten. Es gibt einen Begriff dafür: Modellbewertete Bewertung. Ich würde jedoch die Fähigkeit eines KI-Modells zur genauen quantitativen Bewertung nicht überschätzen.

Wenn erforderlich, können Sie die KI auch bitten, den Durchschnittswert über alle Kriterien zu berechnen. Ich habe dies mit ChatGPT ausprobiert, es aktiviert seine Analysefunktion und berechnet den arithmetischen Mittelwert genau.

Schließlich stellt sich die Frage: „Wo bekommen wir eigentlich Qualitätskriterien?“ Müssen Sie sie immer im Detail selbst beschreiben? Die dritte Fähigkeit ist, dass die KI hervorragend darin ist, Kriterien zu formulieren. Natürlich kann die KI viele irrelevante Punkte aus allgemeinen Überlegungen generieren, aber Sie können leicht nur die Punkte auswählen, die für Sie wichtig sind. Außerdem können Sie die KI bitten, diese Kriterien zu präzisieren, indem Sie ihr Beispiele wie „Erhöhe die Punktzahl, wenn…“ und „Verhänge eine Strafe, wenn…“ geben.

Betrachten Sie die KI im Allgemeinen als Ihren Co-Autor (Mitarbeiter), nicht nur beim gemeinsamen Lösen einer Aufgabe, sondern auch beim gemeinsamen Nachdenken darüber, wie die Lösung verbessert werden kann. Insbesondere das Nachdenken über Verbesserungen in Form von kriterienbasierten Bewertungen führt zu einer höheren Qualität und einem geringeren Aufwand.

Schlussfolgerung

Die Anwendung von KI-Chatbots kann erheblich erweitert werden, indem sie nicht nur als Ausführender von klar definierten Aufgaben, sondern auch in verschiedenen anderen Rollen betrachtet werden:

1. Als Coach, Buddy, Mentor oder Lehrer – wenn die Fragen selbst wichtig sind.
2. Als Gesprächspartner, der Ihnen hilft, eine Aufgabe zu formulieren – wenn Sie sich noch nicht klar über die Aufgabe sind, wenn Sie über das Thema nur wenig wissen oder wenn Sie aufgrund des Problems der „leeren Seite“ aufschieben.
3. Als Mitarbeiter, der Ihnen Ideen, Pläne und Zwischenergebnisse zur Genehmigung bringt.
4. Als Co-Autor, mit dem Sie auf Augenhöhe zusammenarbeiten und ein qualitativ hochwertiges Ergebnis in wenigen Iterationen erzielen, indem Sie korrigierte Teile als Vorlagen für die nächsten Teile verwenden.
5. Als Bewerter, der Ihnen hilft, Ihre Qualitätskriterien zu definieren und die Ergebnisse auf der Grundlage dieser Kriterien zu bewerten.

Wenn Sie bereit sind, Ihre Denkweise zu ändern und Ihre Interaktionen mit der KI durch die Annahme solcher weniger offensichtlichen Rollen und Muster neu zu überdenken, können Sie mehrere Vorteile erzielen:

• Sie erreichen Ihre Ziele, weil die KI Ihnen beim Denken hilft.
• Sie nehmen Ihnen nicht die interessantesten kreativen Arbeiten weg.
• Sie reduzieren Ihren Aufwand, um qualitativ hochwertige Ergebnisse zu erzielen.
• Sie verringern das Risiko, dass das erforderliche Qualitätsniveau nicht erreicht wird.

Es gibt noch mehr Möglichkeiten, generative KI zu nutzen, die über die Betrachtung als Ausführender Ihrer Aufgaben und als Antwortgeber auf Ihre Fragen hinausgehen. Forschungsarbeiten (z. B. [6]) bieten Rahmenwerke und Taxonomien, die viele Muster der Mensch-KI-Interaktion enthalten. In meiner Ansicht kann die praktische Anwendung dieser Muster jedoch besser verstanden werden, indem man an KI-Rollen denkt, anstatt sich auf solche Taxonomien zu verlassen.

Kennen Sie weitere Rollen für intelligente Chatbots, die Ihnen (als Benutzer) bei der Bewältigung Ihrer Herausforderungen helfen? Teilen Sie sie in den Kommentaren!

Referenzen

[1] A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT, Jules White et al., 21. Februar 2023.

[2] The Flipped Interaction Pattern: Unlocking the Power of Conversational AI, Hugo Blanc, 10. April 2023.

[3] Generative AI And Solving The ‚Blank Page‘ Problem, Bryan Scanlon, 20. Juli 2023.

[4] Large Language Models Can Be Easily Distracted by Irrelevant Context, Freda Shi et al., 6. Juni 2023

[5] Rule-Based vs. Model-Graded Evaluations in Gen AI, Rishi Yadav, 26. Januar 2024.

[6] Unpacking Human-AI interactions: From interaction primitives to a design space, Kostas Tsiakas, Dave Murray-Rust, 10. Januar 2024.