Gerenciamento de produtos e IA generativa e ChatGPT: torne-se gerente de produtos 10x

1. Boas-vindas ao curso!: Todos, e bem-vindos. Aqui, falaremos sobre tecnologia de IA generativa, um termo que você provavelmente já ouviu ainda mais do que blockchain, DFI ou NFTs, já que agora é o tópico mais quente no cenário tecnológico. Começaremos com uma visão geral do cenário de EI Uma palestra opcional para aqueles que desejam explorar o cenário mais amplo de inteligência artificial, além da IA generativa Em seguida, teremos palestras sobre tecnologia generativa de IA e como as empresas podem se beneficiar da integração dela em seus produtos Obviamente, como esse é um curso de gerenciamento de produtos, vamos nos aprofundar em como a IA generativa afetará a produtividade de um gerente de produto Depois disso, você escolherá uma tarefa em que gostaria de ajuda da IA generativa e criaremos seu próprio assistente de IA, que você poderá usar imediatamente. Espero que você goste de aprender e ache as próximas palestras envolventes e esclarecedoras enquanto exploramos todas as possibilidades da IA generativa 2. Cenário de IA de hoje: Um. Bem-vindo de volta. Nesta palestra, apresentaremos uma visão geral do cenário da IA a partir de hoje Antes de tudo, vamos definir o que é IA. Em termos simples, a IA é a capacidade das máquinas de aprender, entender, raciocinar e interagir de forma semelhante a nós humanos. Isso permite que as máquinas resolvam novos conjuntos de problemas que não conseguiam antes. Por exemplo, a assistência por voz da AI Powers como a Siri recomenda filmes na Netflix, ajuda os médicos a diagnosticar doenças IA abrange uma variedade de tecnologias, desde regras automatizadas simples em dispositivos do dia a dia até sistemas avançados que aprendem e se que aprendem Embora a IA possa realizar tarefas específicas no nível humano ou acima dele, no momento da gravação deste vídeo, ela não possui inteligência ou consciência geral. Recentemente, a IA também fez progressos significativos nos campos criativos, gerando arte, música e literatura. Ok, agora que você entende o que é IA, vamos discutir como as máquinas realmente aprendem em sua essência, aprendizado de máquina. O principal componente da IA envolve ensinar computadores a reconhecer padrões e tomar decisões com base em dados. Esse processo é um pouco semelhante à forma como os humanos aprendem com a experiência. Mas, em vez de aprender com as experiências de vida, as máquinas aprendem com os dados. As máquinas aprendem de maneiras diferentes, categorizadas principalmente em três tipos Aprendizado supervisionado, aprendizado não supervisionado e aprendizado por reforço Isso é o que chamamos de metodologias fundamentais de aprendizagem Cada uma dessas metodologias tem sua própria abordagem aprendizado e é usada para diferentes tipos de tarefas aprendizado supervisionado envolve o treinamento de modelos de IA em dados rotulados Os rótulos são identificadores associados aos dados de entrada. Por exemplo, eles podem ser textuais em um conjunto de dados de fotos de animais, cada entrada de foto Seja rotulado com o nome da produção animal, como gato, cachorro, etc Outro exemplo são os rótulos numéricos que podem ser usados para prever os preços das casas com base nas características Aprendizado supervisionado essencial para aplicações em que o modelo aprende a prever resultados com base nos exemplos fornecidos Isso inclui reconhecimento de fala, classificação de imagens e sistemas especializados, sistemas IA que imitam as habilidades de tomada de decisão de um especialista humano em um domínio específico aprendizado não supervisionado se concentra em encontrar padrões ou estruturas em dados não rotulados Em outras palavras, ele descobre os padrões subjacentes nos dados sem orientação explícita O aprendizado não supervisionado é fundamental em domínios como sistemas de recomendação, sistemas que preveem as preferências do usuário e sugerem itens relevantes adequadamente em domínios como sistemas de recomendação, sistemas que preveem as preferências do usuário e sugerem itens relevantes adequadamente. Também é usado em certos aspectos da visão computacional que se concentram em permitir que as máquinas interpretem e respondam às informações visuais do ambiente circundante. A terceira metodologia é o aprendizado por reforço. Ele se concentra em modelos de treinamento para tomar decisões por tentativa e erro, recebendo feedback do ambiente e aprendendo ações ideais por meio de recompensas. É fundamental em robótica, veículos autônomos e algumas tarefas de planejamento e agendamento, como gerenciamento de recursos e sistemas automatizados de agendamento Observe que a maioria das áreas de aplicação depende de uma combinação de diferentes metodologias de aprendizado para aproveitar os pontos fortes de cada uma Essa abordagem geralmente proporciona melhor desempenho e soluções mais robustas. Por exemplo, muitos sistemas modernos de recomendação integram as três metodologias para aproveitar seus O aprendizado supervisionado fornece precisão com base em dados históricos, como prever e recomendar novos filmes ou produtos que um usuário possa gostar base em dados históricos com as preferências ou classificações do usuário Por outro lado, o aprendizado não supervisionado oferece informações sobre os usuários que podem não ser evidentes apenas por meio de avaliações Algoritmos de agrupamento, um tipo de técnica de aprendizado não supervisionado que organiza os dados em clusters ou grupos com base em semelhanças Pode descobrir que certos grupos de usuários tendem a assistir a gêneros de filmes semelhantes , mesmo sem avaliações explícitas, e recomendar filmes com base nesses clusters Por fim, caso desejemos que o mecanismo de recomendação seja dinâmico e adapte as recomendações com base em como os usuários interagem com diferentes conteúdos. Por exemplo, ao navegar, assistir a trailers, selecionar e assistir filmes, aprendizado por reforço entra em O sistema aprenderá interagindo com os usuários ao longo do tempo e ajustará suas recomendações com base no engajamento e no feedback do usuário Tudo bem. Nossa visão geral das áreas de aplicação de IA não estará completa sem as outras duas, que também aproveitam as três metodologias básicas de aprendizado Essas áreas de aplicação são processamento de linguagem natural ou PNL e IA generativa PNL implica compreender, interpretar e gerar linguagem humana e é usada em aplicações como tradução de idiomas, análise de sentimentos, fóruns de bate-papo e E, finalmente, IA generativa, o termo que se tornou extremamente popular em 2023 e do qual você provavelmente já ouviu falar antes É um termo abrangente que inclui várias técnicas focadas na criação de novos conteúdos originais que nunca existiram antes, como imagens ou textos que imitam ou são inspirados em exemplos do mundo real Nossa próxima palestra se concentrará em aprender mais sobre a tecnologia generativa de IA Mas antes de começarmos, vamos resumir o que aprendemos nesta palestra. IA é a capacidade das máquinas de aprender, entender, raciocinar e interagir de forma semelhante a nós humanos. Um componente essencial da IA, aprendizado de máquina envolve ensinar computadores a reconhecer padrões e tomar decisões com base em dados. As máquinas aprendem de maneiras diferentes, categorizadas principalmente em três tipos de metodologias básicas de aprendizado: aprendizado supervisionado, não supervisionado O aprendizado supervisionado ensina IA com dados rotulados. aprendizado não supervisionado encontra padrões de dados sem orientação, e o aprendizado por reforço envolve o aprendizado envolve A maioria das áreas de aplicação depende de uma combinação dessas metodologias de aprendizado para aproveitar a força de cada uma IA generativa é um termo genérico que inclui várias técnicas focadas na criação de novos conteúdos que nunca existiram antes, inspirados em exemplos do mundo real Tudo bem. E isso é tudo para a palestra, e nos vemos no próximo vídeo 3. Introdução à IA generativa (parte 1) composição: Olá, pessoal. Se você assistiu à palestra anterior, já tem uma ideia inicial do que é IA generativa Como essa palestra era opcional, deixe-me recapitular a definição para aqueles que decidiram ignorá-la IA generativa se refere a algoritmos que podem criar novos conteúdos, ideias ou previsões com base nos dados nos quais foram treinados Como a IA tradicional, que se concentra na identificação de padrões e na tomada de decisões, a IA generativa tem a capacidade de produzir novos dados, sejam textos, imagens, música ou até mesmo código Ele pode criar artigos, gerar relatórios comerciais, criar gráficos e muito mais, aprendendo com grandes quantidades de informações. Mas vamos detalhar essa definição de alto nível e analisar o ecossistema generativo de IA, que pode ser visualizado como um funil com várias camadas, cada uma representando um nível diferente de infraestrutura de No topo da final, temos aplicativos e agentes de IA. Essas são as ferramentas e plataformas os usuários finais interagem com o Direct Limb. O exemplo mais proeminente aqui é o chat GPT, um fórum de bate-papo gerador de texto desenvolvido pela Open AI que alcançou 1 milhão de usuários em apenas cinco dias após seu lançamento Tornando-o o crescimento mais rápido de todos os tempos. A acessibilidade pronta para uso torna uma IA generativa diferente de toda a IA que veio antes dela Os usuários não precisam de um diploma em aprendizado de máquina para interagir com ele ou ver seu valor. Quase qualquer pessoa que possa fazer perguntas e usá-las. Outro exemplo famoso de produto generativo de IA é o Mid Journey Ele gera conteúdo visual exclusivo com base em descrições de texto ou instruções fornecidas pelos usuários, mostrando os recursos criativos da IA na geração de resultados mostrando os recursos criativos da IA na geração de novos e Também há uma tendência crescente de as empresas mudarem seus roteiros de produtos incorporando recursos generativos de IA em seus produtos existentes para aprimorar a funcionalidade, melhorar a experiência do usuário e fornecer soluções e fornecer Aqui estão apenas alguns exemplos. A Microsoft lançou Microsoft 365 copilo em novembro de 2023, um conjunto de recursos generativos de IA integrados diretamente ao conjunto de aplicativos do Microsoft Office, como Word, Excel , Power Point, Outlook Ele usa modelos avançados de IA , como os desenvolvidos pela Open AI, para fornecer recursos que ajudam os usuários a gerar texto, resumir documentos, criar e analisar dados, criar apresentações, automatizar a elaboração de e-mails Iki então lançou um conjunto de ferramentas poderosas de IA aberta em outubro de 2023, adicionando ferramentas de leitura e escrita um mês depois, bem como ferramentas para ajudar a escrever perfis, anúncios de recrutamento e páginas de empresas Adobe, uma empresa de software que fornece soluções de marketing digital e mídia a seus usuários, lançou o aplicativo generativo de IA Firefly em Introduziu recursos com tecnologia Firefly seus principais produtos, como Photoshop Ok, acho que são exemplos suficientes por enquanto. Se você tem seu próprio produto ou recurso de IA generativa favorito , não se esqueça de compartilhar seu nome na seção de perguntas e respostas desta palestra E vamos continuar explorando os níveis do sistema AIC. Abaixo dos aplicativos e agentes de IA, encontramos modelos fundamentais Pense neles como os motores por trás da criatividade e inteligência de aplicativos e recursos generativos baseados em IA Um modelo básico é um modelo de IA em grande escala treinado em conjuntos de dados vastos e diversos retirados de várias fontes diferentes, incluindo livros, artigos, sites, imagens e outros conteúdos digitais, permitindo que o modelo aprenda com uma grande variedade de Como os modelos básicos são treinados em conjuntos de dados tão grandes, eles podem capturar um amplo espectro de conhecimento, tornando-os altamente versáteis e capazes de serem adaptados para várias tarefas Por exemplo, o modelo básico pode resumir rapidamente um longo trabalho de pesquisa sobre mudanças climáticas, escrever um roteiro de atendimento ao cliente para um varejista on-line e sugerir diferentes técnicas de meditação com base no nível de estresse de uma pessoa A desvantagem dessa ampla capacidade é que, por enquanto, IA generativa às vezes pode fornecer resultados menos precisos, destacando a importância de uma supervisão cuidadosa da IA e do supervisão cuidadosa da IA Os modelos básicos podem ser de diferentes tipos, incluindo modelos de linguagem grande, modelos geração de imagem, modelos de geração de vídeo e modelos de vários modelos Esses diferentes tipos de modelos fundamentais são todos baseados em princípios semelhantes de treinamento de dados em grande escala, mas são otimizados para diferentes resultados e casos de uso Vamos ver alguns exemplos. 4. Introdução à IA generativa (parte 2) composição: linguagem grandes são modelos avançados de aprendizado de máquina projetados especificamente para entender, gerar e manipular a linguagem humana Esses modelos são treinados em grandes quantidades de dados de texto, permitindo que eles prevejam a próxima palavra em uma sequência, gerem texto coerente, traduzam idiomas, respondam perguntas, resumam documentos e até conduzam o raciocínio e até Exemplos de modelos de linguagem grandes incluem a série GPT da OpenAI, desenvolvida em nuvem por uma empresa chamada modelos tropicais da Mistral, desenvolvida pela empresa também chamada Mistral , Lama, incluem a série GPT da OpenAI, desenvolvida em nuvem por uma empresa chamada modelos tropicais da Mistral, desenvolvida pela empresa também chamada Mistral, Lama, da meta e outras. Os recursos existentes dos grandes modelos de linguagem são realmente impressionantes, para dizer o mínimo. Por exemplo, o GPT four, o mais recente modelo de linguagem grande da OpenAI, exibe desempenho em nível humano na maioria dos exames profissionais e Notavelmente, ele passa por uma versão simulada do exame uniforme da Ordem dos Advogados, um teste de qualificação para advogados com uma pontuação entre os 10% melhores candidatos PIT quatro também mostra capacidades de compreensão de imagens em nível humano, bem como compreensão e explicação do humor. Os grandes modelos de linguagem podem entender objetos físicos, incluindo seu tamanho, forma e prioridades físicas. Finalmente, os grandes modelos de linguagem também foram avaliados em tarefas de teoria da mente. A teoria da mente é um conceito cognitivo e psicológico que se refere à capacidade atribuir estados mentais como crenças, desejos, intenções, emoções e conhecimentos a si mesmo e aos É fundamental para a cognição social humana, permitindo que os indivíduos interpretem e prevejam o comportamento dos outros, levando a uma comunicação e relacionamentos interpessoais mais diferenciados e eficazes permitindo que os indivíduos interpretem e prevejam o comportamento dos outros, levando a uma comunicação e relacionamentos interpessoais mais diferenciados e eficazes. A teoria da mente é normalmente avaliada por meio de várias tarefas e testes. Surpreendentemente, o GPT quatro resolveu quase todas as tarefas, 95% para ser exato Essas descobertas sugerem que a habilidade semelhante à teoria da mente, até agora, considerada exclusivamente humana pode ter surgido espontaneamente como um subproduto dos modelos de linguagem, considerada exclusivamente humana pode ter surgido espontaneamente como um subproduto dos modelos de linguagem, melhorando as habilidades linguísticas. Tudo bem, vamos parar aqui por enquanto. O formato dessas palestras não permite que eu analise todos os trabalhos de pesquisa detalhados, mas deixarei links na seção de recursos deste vídeo para sua referência futura Ok, voltando aos níveis do ecossistema de IA. Descendo o funil, encontramos o software e a infraestrutura da AI Cloud Essa camada inclui as plataformas e ferramentas que dão suporte ao treinamento, implantação e ao dimensionamento de modelos de IA Os exemplos incluem serviços em nuvem de provedores como AWS, Azure e Google Cloud, que oferecem o poder computacional e as estruturas necessárias para executar aplicativos de IA Essa camada é essencial para garantir que seus aplicativos generativos de IA possam ser escalados e executados de forma confiável No centro da infraestrutura de IA Cloud estão chips especializados, como GPUs e supercomputadores Esses chips são projetados para lidar com os cálculos intensivos necessários para treinar e executar modelos de IA Sem chips poderosos, seria impossível executar modelos complexos de IA em grande escala. Finalmente, na base do funil está a eletricidade. Pode parecer básico, mas a eletricidade alimenta tudo no ecossistema de IA, desde data centers, abrigando a infraestrutura de IA até os dispositivos com os quais os usuários interagem. eletricidade é a base que sustenta toda a pilha generativa de IA É provável que os últimos níveis do ecossistema não sejam algo em que você pense ao considerar a IA generativa Mas é importante reconhecer que a escalabilidade e a eficiência da IA generativa dependem muito desses recursos subjacentes À medida que os modelos de IA se tornam mais sofisticados e difundidos, a demanda por chips avançados e fontes de eletricidade confiáveis aumentará. Potencialmente criando gargalos que poderiam retardar o progresso e a inovação no campo Ok. E isso é tudo para esta palestra. Vamos resumir o que acabamos de abordar aqui. IA generativa se refere a algoritmos que podem criar novos conteúdos, ideias ou previsões com base nos dados nos quais foram treinados O ecossistema generativo de IA consiste em cinco camadas. A primeira camada são aplicativos e agentes de IA, que incluem ferramentas voltadas para o usuário como HAGBT e Mid Journey A segunda camada, os modelos fundamentais, consiste em modelos de IA em grande escala treinados em conjuntos de dados vastos e diversos retirados de várias fontes diferentes, como texto, imagens e Os modelos básicos podem criar artigos, gerar relatórios comerciais, criar gráficos e muito mais, tudo isso aprendendo com grandes quantidades de informações Os modelos básicos podem ser de diferentes tipos, incluindo modelos de linguagem grande, modelos geração de imagem, modelos de geração de vídeo e modelos de vários modelos Modelos como o GPT four já exibem habilidades avançadas, como raciocínio e resolução de tarefas de teoria da mente A terceira camada é o software e a infraestrutura AI Cloud, que são essenciais para treinar e implantar modelos de IA e são suportados por plataformas como AWS e Azure A quarta e a quinta camadas incluem chips especializados, como GPU e supercomputadores, que lidam com cálculos intensivos E a eletricidade, que alimenta todos os aspectos do ecossistema de IA. Por último, mas não menos importante, o desenvolvimento futuro da IA generativa pode enfrentar gargalos devido ao aumento da demanda por hardware avançado e E isso é tudo para esta palestra, ILCA na próxima 5. Quem pode se beneficiar mais da IA generativa?: Todo mundo. Bem vindo de volta. Agora que você sabe o que é a IA generativa e do que a tecnologia é capaz, vamos explorar como a IA generativa pode transformar a maneira como trabalhamos e o valor que ela pode trazer para indústrias e empresas Vamos começar. É provável que a IA generativa tenha o maior impacto no conhecimento, no trabalho, tarefas e nas atividades que envolvem principalmente funções cognitivas, como processamento, manuseio e geração de informações e conhecimentos, que normalmente são executados por profissionais do conhecimento Especificamente, isso inclui atividades que envolvem a tomada de decisões. E colaboração, que antes tinha o menor potencial de automação. McKinzie estima que o potencial técnico para automatizar a aplicação de conhecimentos aumentou 34 pontos percentuais, enquanto o potencial para automatizar o gerenciamento e o desenvolvimento de pessoas A McKinzie estima que o potencial técnico para automatizar a aplicação de conhecimentos aumentou 34 pontos percentuais, enquanto o potencial para automatizar o gerenciamento e o desenvolvimento de pessoas aumentou de 16% em 2017. 49% em 2023. capacidade da IA generativa de entender e usar a linguagem natural para uma variedade de atividades e tarefas explica em grande parte por que o potencial de automação aumentou tão Agora, vamos ver quais áreas de negócios podem tirar o máximo proveito da IA generativa Também vou me referir à pesquisa da McKin, que prevê que cerca de 75% do valor que os casos de uso de IA geram pode oferecer em quatro áreas: operações de clientes, marketing e vendas, engenharia de software e P&D. Vamos dar uma olhada em alguns exemplos de como a IA generativa pode transformar cada uma dessas Para operações de clientes, agentes e painéis de bate-papo com IA generativa podem fornecer respostas instantâneas e personalizadas a solicitações complexas de clientes, independentemente do idioma ou da localização do cliente . Por exemplo, a plataforma de atendimento ao cliente ZNDSk integrou o EI generativo em sua plataforma integrou o EI generativo em de suporte ao cliente para detectar automaticamente o que agentes e painéis de bate-papo com IA generativa podem fornecer respostas instantâneas e personalizadas a solicitações complexas de clientes, independentemente do idioma ou da localização do cliente. Por exemplo, a plataforma de atendimento ao cliente ZNDSk integrou o EI generativo em sua plataforma de suporte ao cliente para detectar automaticamente o que os clientes desejam e como. eles sentem que estão respondendo como agentes humanos fariam Seus agentes de EI também podem realizar tarefas completas, como reembolsos, alteração de senhas ou cancelamentos Estima-se que a aplicação IA generativa às funções de atendimento ao cliente aumente produtividade em um valor que varia 30 a 45% dos custos atuais da função Em marketing, a IA generativa pode reduzir significativamente o tempo necessário para a criação de ideias e elaboração de conteúdo, economizando tempo e esforços valiosos Por exemplo, a Coca Cola usa Open AIs, modelos generativos para criar conteúdo publicitário envolvente e postagens em mídias sociais Isso permite que a empresa mantenha uma voz e um estilo de marca consistentes em diferentes plataformas e , ao mesmo tempo adapte rapidamente o conteúdo para vários públicos Em vendas, a IA generativa pode ajudar a nutrir leads e automatizar Salesforce integra a IA generativa em sua plataforma de CRM para auxiliar representantes de vendas na criação de e-mails de divulgação personalizados, mensagens de A Salesforce integra a IA generativa em sua plataforma de CRM para auxiliar os representantes de vendas na criação de e-mails de divulgação personalizados, mensagens de acompanhamento e discursos de vendas. Por exemplo, a IA pode gerar mensagens personalizadas com base nas interações anteriores, preferências e histórico de engajamento dos leads . Além disso, empresas como a outreach dot IO usam IA generativa para automatizar o acompanhamento e manter engajamento contínuo com clientes em potencial até que estejam prontos para uma conversa direta com IA generativa tem o potencial de impactar significativamente a engenharia de software ao tratar computador como linguagens naturais De acordo com a análise da McKinney, o impacto direto da IA na produtividade da engenharia de software variaria de 20 a 45% dos gastos anuais atuais Esse valor surgiria principalmente da redução do tempo gasto em atividades como geração de rascunhos iniciais de código, correção de código e refatoração E análise da causa raiz. Um estudo empírico interno da McKinzy sobre equipes de engenharia de software descobriu que aqueles que foram treinados para usar ferramentas generativas de IA reduziram rapidamente o tempo necessário para gerar e refatorar o código, e engenheiros também relataram uma melhor experiência de trabalho com melhorias na felicidade e melhor experiência de trabalho treinados para usar ferramentas generativas de IA reduziram rapidamente o tempo necessário para gerar e refatorar o código, e os engenheiros também relataram uma melhor experiência de trabalho com melhorias na felicidade e na satisfação. A IA generativa tem um potencial significativo para aumentar a produtividade de P&D, fornecendo valores estimados de 10 a 15% dos custos gerais de P&D em setores IA generativa já está sendo usada para design generativo Onde pode acelerar o desenvolvimento de novos medicamentos e materiais gerando moléculas candidatas. Por exemplo, na Silka Medicine, uma empresa de biotecnologia usa modelos generativos de IA para identificar novos candidatos a medicamentos com mais eficiência, analisando vastos conjuntos de dados e gerando e gerando Ok, vamos falar sobre quais setores se beneficiarão mais com a IA generativa A boa notícia é que praticamente todos os setores têm a ganhar. Por exemplo, no setor bancário, a adoção da IA generativa poderia adicionar 200 bilhões a 340 bilhões de dólares por ano, aproveitando as eficiências já alcançadas pela as eficiências já adoção da IA generativa poderia adicionar de 200 bilhões a 340 bilhões de dólares por ano, aproveitando as eficiências já alcançadas pela inteligência artificial. Isso seria feito automatizando tarefas de menor valor no gerenciamento de riscos, como gerar relatórios necessários, rastrear atualizações regulatórias e coletar dados No setor de ciências biológicas, IA generativa deve desempenhar um papel importante no avanço descoberta e desenvolvimento de medicamentos prevendo estruturas moleculares, gerando relatórios de pacientes e até mesmo simulando Isso reduz drasticamente o tempo de lançamento de novos tratamentos no mercado e aprimora a medicina personalizada Então, como podemos ver, as empresas têm oportunidades reais melhorar o desempenho e aumentar as receitas por meio da implementação estratégica da IA generativa Ao implementar a IA generativa, não queremos dizer necessariamente desenvolver novos produtos de IA generativa Uma grande parte do uso da IA generativa dentro de uma organização virá de funcionários usando recursos integrados ao software que eles já usam Por exemplo, plataformas de e-mail podem oferecer opções para redigir mensagens iniciais. As ferramentas de produtividade podem criar esboços de apresentação com base em breves descrições e os sistemas de CRM podem sugerir estratégias para interagir com Esses recursos têm o potencial de aumentar significativamente a produtividade de cada profissional do conhecimento. Na palestra a seguir, falaremos com mais detalhes sobre como a implementação IA generativa pode impactar o trabalho das equipes de produto e dos gerentes de produto E, por enquanto, vamos resumir a palestra. É provável que a IA generativa tenha o maior impacto no conhecimento, no trabalho, tarefas e nas atividades que envolvem principalmente funções cognitivas De acordo com a pesquisa da McKinney, cerca de 75% do valor que os casos de uso de IA generativa poderiam oferecer se enquadra em quatro áreas: operações de clientes, marketing e vendas, engenharia de software e pesquisa e desenvolvimento. Quase todos os setores, do setor bancário à saúde, podem se beneficiar da EI generativa por meio maior A integração da IA generativa ao software existente pode aumentar significativamente produtividade sem a necessidade de desenvolver produtos de IA generativa totalmente novos É isso por enquanto, Ilsa no próximo vídeo 6. Como a IA generativa pode impactar a produtividade dos gerentes de produtos: Todo mundo. Bem vindo de volta. Como você está matriculado no curso de gerenciamento de produtos, não podemos deixar de discutir o tópico de como gerar IA afetará o trabalho e a produtividade dos gerentes de produto, já que os gerentes de produto são trabalhadores do conhecimento Aqueles que serão mais afetados pela IA generativa. Como a tecnologia é nova e está evoluindo rapidamente, muitos gerentes de produto e equipes de produto ainda estão explorando quais ferramentas escolher, como aproveitá-las ao máximo e com qual caso de uso começar. A McKinzy conduziu uma pesquisa interessante para McKinzy conduziu uma pesquisa interessante entender e medir o impacto da IA generativa no gerenciamento de produtos. Achei Então, deixe-me compartilhar mais sobre a pesquisa. A empresa recrutou 40 gerentes de produto com diferentes níveis de experiência dos EUA, Canadá, Europa e América Latina para participar de um estudo Antes de participarem do estudo, os PMs participaram de um breve workshop de treinamento para se familiarizarem com as ferramentas generativas Os participantes da pesquisa foram então convidados a desempenhar o papel de PM uma empresa fictícia e a trabalhar individualmente por meio de cinco atividades em seu próprio ritmo As atividades simularam o trabalho real de um gerente de em três fases do processo de produto em três fases do processo de gerenciamento de produtos, descoberta, validação e desenvolvimento, e exigiram que os gerentes criassem resultados, como um documento de pesquisa de mercado, um comunicado à imprensa com perguntas frequentes, um pager do produto, um documento compartilhado com as partes interessadas internas para produto em três fases do processo de gerenciamento de produtos, descoberta, validação e desenvolvimento, e exigiram que os gerentes criassem resultados, como um documento de pesquisa de mercado, um comunicado à imprensa com perguntas frequentes, um pager do produto, um documento compartilhado com as partes interessadas internas para explicar o porquê. por trás da iniciativa do produto, sua proposta de valor e como será o sucesso Os participantes também precisaram produzir documento de requisitos do produto e um backlog do produto Os participantes foram divididos em três grupos, cada um com acesso a diferentes ferramentas generativas de IA Um grupo teve acesso a ferramentas específicas de tarefas , como copy.ai Outro tinha acesso apenas ao chat GPT. E o terceiro grupo não tinha acesso a nenhuma ferramenta generativa de IA Cada grupo foi rotacionado e os horários de início e término foram registrados para medir o tempo gasto em cada tarefa Os PMs que usaram ferramentas generativas de IA, sejam ferramentas genéricas como CHAD GPT ou ferramentas específicas de tarefas levaram menos tempo, em média, para concluir as atividades do que os PMs que não as usaram, acelerando o tempo de lançamento dos produtos no mercado em cerca de 5% em um ciclo de vida de desenvolvimento de produtos de seis meses A economia de tempo foi impulsionada pelo uso da IA generativa para sintetizar pesquisas de usuários e escrever comunicados à imprensa na fase de descoberta, desenvolver documentos de requisitos de produtos na fase de validação e criar backlogs de produtos na Outra visão da pesquisa é que os gerentes de produto relataram uma melhoria significativa em sua experiência ao usar ferramentas generativas de IA 100% dos participantes disseram que o acesso à IA generativa melhorou sua experiência de gerenciamento de produtos Todos, exceto um dos PMs, relataram que as ferramentas foram úteis nas tarefas e que eles teriam alta ou certa probabilidade de usá-las em seu trabalho após o término do estudo Três em cada quatro acreditavam que qualidade de seus produtos melhorou em grande parte ou um pouco em comparação com o que eles alcançaram sem eles. Os PMs perceberam que as ferramentas automatizavam suas tarefas rotineiras mundanas e permitiam que se concentrassem em atividades mais estratégicas, como definir a visão do produto permitiam que se concentrassem em atividades mais estratégicas, como definir a visão do produto e criar um roteiro estratégico. E se engajando em atividades voltadas para o cliente. Ok, vamos passar para o terceiro insight da pesquisa. As ferramentas generativas de IA tiveram quase duas vezes mais impacto positivo em tarefas pesadas de conteúdo, sintetizando informações, criando e aprimorando conteúdo e discutindo ideias do que em tarefas leves de conteúdo, como coleta e como Especificamente, a produtividade do PM com tarefas pesadas de conteúdo melhorou em 40%. Quão incrível é isso? Ferramentas de uso geral, como o hA GPT foram usadas com mais facilidade pelos PMs do que as ferramentas específicas de tarefas, permitindo que os PMs iterassem com flexibilidade e usassem as ferramentas como parceiros na solução Esse resultado provavelmente ocorre porque as ferramentas gerais são mais familiares aos PMs e mais fáceis de usar do que as ferramentas especializadas Além disso, algumas ferramentas específicas de IA generativa foram projetadas para lidar com casos de uso mais diferenciados e exigem instruções personalizadas de entrada e instruções de texto que os PMs não estão Agora, e quanto à qualidade dos resultados produzidos usando ferramentas generativas de IA De acordo com os resultados da pesquisa, em média, ferramentas generativas de IA ajudaram os PMs produzir resultados mais precisos e completos No entanto, o impacto da IA generativa geralmente variou com base no nível de experiência dos PMs que a usam Os PMs mais experientes mantiveram uma alta qualidade de produção, enquanto os PMs juniores ganharam produtividade, mas às custas da A partir dessa descoberta de pesquisa, podemos supor que gerentes de produto experientes podem fornecer melhores instruções para a IA generativa e realizar avaliações mais eficazes dos resultados, dada sua experiência e um sistema de resultados, dada sua experiência e Mais PMS juniores, por outro lado, ainda estão aprendendo a criar resultados de alta qualidade E ainda não consigo escrever instruções completas para a IA generativa ou revisar efetivamente os resultados A conclusão final dos pesquisadores é que , embora IA generativa não possa substituir as habilidades fundamentais necessárias para ser gerente de produto, ela pode ajudar os gerentes de produto a desenvolver essas habilidades Eu costumo concordar com essa conclusão, e o que você acha? Compartilhe suas ideias na seção de perguntas e respostas. Então, como podemos ver nesta e nas palestras anteriores, IA generativa não é apenas uma tendência passageira, mas uma ferramenta poderosa que pode aprimorar muito nosso trabalho Finalmente, podemos conseguir um par extra de mãos e delegar tarefas repetitivas rotineiras, nos dá o tempo extra necessário para nos concentrarmos pensamento estratégico e na solução criativa de problemas Se você está hesitante em incluir EI generativa em sua rotina diária de trabalho ou não tem certeza de qual ferramenta usar, você está no A próxima série de palestras será muito prática. Você aprenderá a criar seu próprio assistente de IA para lidar com tarefas pesadas de gerenciamento de produto de conteúdo. Como sempre, compartilharei minha experiência trabalhando com essas ferramentas e demonstrarei como criar um dos assistentes de IA sem nenhuma codificação envolvida Vamos começar a praticar. Nos vemos no próximo vídeo. 7. Acompanhe: vamos construir seu assistente de IA de PM!: Todos, e bem-vindos de volta. Até agora, nossa discussão tem sido principalmente teórica. Então, sugiro que mudemos as coisas e tentemos automatizar uma de nossas tarefas de gerenciamento de produtos Essa é minha parte favorita porque, para ser honesto, eu uso o GeneratFi extensivamente para apoiar muitas das minhas tarefas, desde o brainstorming até a redação de roteiros de entrevistas ou descrições redação de roteiros de entrevistas Para auxiliar na verificação ortográfica e gramatical. Na palestra anterior, mencionamos que as ferramentas generativas de IA são mais eficazes para tarefas pesadas de conteúdo, que incluem a seguinte geração de conteúdo, por exemplo, escrever uma declaração de problema, equações de entrevista com usuários, guias de discussão, equações de pesquisa, documentos de requisitos de produtos documentos Eu também incluiria ideias de brainstorming aqui, análises e pesquisas Isso inclui tarefas como análise de entrevistas com clientes, informações sobre tíquetes de suporte, realização de pesquisas de mercado e competitivas e outras tarefas semelhantes. Recebendo feedback. Essa é uma categoria que ainda não discutimos. Por exemplo, você pode pedir feedback sobre seu currículo antes de uma entrevista de emprego ou solicitar conselhos sobre quais perguntas podem ser feitas. Você pode fazer o upload do seu portfólio de produtos e pedir sugestões sobre como melhorá-lo. Existem inúmeros exemplos em que você pode querer feedback. Pessoalmente, esse é um dos meus casos de uso favoritos para IA generativa No entanto, você deve ter cuidado com a privacidade dos dados, especialmente ao lidar com documentos sob Sempre verifique a política de uso de dados para ver como seus dados são tratados e se serão compartilhados com terceiros Em caso de dúvida, evite enviar o documento inteiro e em vez disso, faça o upload apenas de uma parte que não contenha informações confidenciais Ou descreva com suas próprias palavras sobre o que você deseja receber feedback. Depois de assistir a esta palestra, sua tarefa será decidir quais tipos de tarefas, geração de conteúdo, análise ou feedback você gostaria de automatizar com a IA generativa Ao fazer sua seleção, recomendo fortemente escolher uma tarefa com a qual você já esteja familiarizado e que tenha feito várias vezes. Como você verá em breve, você precisará fornecer instruções detalhadas para o modelo, portanto, ter experiência anterior ajudará na redação dessas instruções. Para os tutoriais, Aina e eu demonstraremos dois projetos: um aplicativo gerador de ideias de projetos paralelos para ajudar aspirantes a gerentes de produto a debater ideias de projetos do site e revisão do currículo do gerente de produto para ajudar a melhorar o currículo do gerente de produto para a primeira ou a próxima candidatura a emprego Para criar esses aplicativos, usaremos um dos modelos fundamentais da OpenAI, o GPT four, para criar GPTs four, para criar GPTs são versões personalizadas do GPT de bate-papo que os usuários podem personalizar para tarefas ou tópicos específicos Eles podem variar desde responder perguntas frequentes até realizar análises detalhadas de dados, gerando conteúdo criativo Ou até mesmo interagindo com aplicativos de terceiros para automatizar fluxos de trabalho Em situações do mundo real, no entanto, escolher o modelo básico certo para seu caso de uso pode ser um desafio Acontece que usar o modelo maior nem sempre é a melhor opção, pois pode ser mais caro, mais difícil de gerenciar e produzir resultados inconsistentes em diferentes tarefas Um modelo menor e mais focado pode ser mais adequado para determinados casos de uso. Mas como você decide qual modelo é o certo? Achei uma estrutura de seis etapas da IBM muito útil e é algo que eu uso em meus projetos. Deixo um link para a estrutura na seção de recursos para que você possa se aprofundar nela quando tiver a tarefa de selecionar o modelo básico correto Ok, de volta às mãos em parte da palestra. Agora é sua vez de escolher qual tarefa você gostaria de automatizar Compartilhe sua decisão na seção de perguntas e respostas e eu verei na próxima palestra 8. Acompanhe: preparando sua conta do ChatGPT e explorando a loja GPT: Um. Bem vindo de volta. A primeira coisa que precisamos fazer para criar nosso sistema de IA é criar uma conta no CHAD GPT Você precisará acessar a opção de assinatura paga para poder criar GPDs personalizados No entanto, se você ainda não quiser selecionar um plano BAD, você pode se inscrever no nível gratuito e ainda acompanhar os tutoriais A diferença é que você não poderá salvar suas instruções no GBT Em vez disso, você precisará criar um novo gráfico e colar as instruções sempre que precisar de ajuda de IA para essa tarefa. Fornecerei mais detalhes nos próximos tutoriais. Depois de criar sua conta, a próxima etapa é definir instruções personalizadas para o chat GPT Esse recurso permite que você personalize as respostas do GPT com base em suas preferências, e você pode modificar ou remover essas configurações a qualquer momento para Na tela principal, clique no ícone da sua conta. No canto superior direito e, em seguida, selecione personalizar o chat GPT. A primeira pergunta que você responderá é o que você gostaria que o GPT soubesse sobre você para fornecer respostas melhores Aqui, forneça informações sobre seu histórico, onde você trabalha atualmente e o que você faz. Você pode explicar isso em termos simples , como se estivesse escrevendo um ensaio sobre si mesmo. A segunda pergunta é: como você gostaria que o Chad GPT Aqui, forneça todos os detalhes que ajudem o Chad GPT a estruturar suas respostas Por exemplo, eu disse que prefiro respostas formuladas em linguagem coloquial sem usar palavras formais ou Como muitos dos meus alunos não são técnicos, pedi que ele usasse uma linguagem que pudesse ser facilmente compreendida por pessoas não técnicas que não fossem especialistas no tópico que estou ensinando. Você também pode escolher quais recursos planeja usar na maior parte do tempo. Reserve um tempo para pensar informações que você gostaria de fornecer ao chat GPT Ao terminar, clique em Salvar. Outra configuração que vale a pena explorar são os controles de dados. Você precisa decidir se deseja permitir que seu conteúdo seja usado para treinar modelos de IA aberta. Você pode ativar ou desativar essa configuração. A última etapa é opcional, mas eu recomendo fazer isso se for primeira vez que você personaliza GPTs Acesse Explore GPTs e navegue pelos aplicativos já disponíveis na loja Você pode pesquisar por categorias ou palavras-chave. Por exemplo, vamos procurar gerente de produto e ver o que aparece. Aqui está uma lista de GPTs personalizados relevantes, juntamente com breve descrição e o número de conversas para as quais cada GPT foi usado Clique no GPT de sua escolha e explore como ele funciona. Confira os iniciadores de conversa e veja o que acontece quando você clica em um deles. Ao explorar as GPTs existentes e ver como elas funcionam, você pode ter uma boa ideia de como criar sua própria Além disso, você pode encontrar um aplicativo útil que pode ser usado para suas próprias tarefas, em vez de criar um do zero. Na seção de perguntas e respostas deste vídeo, compartilhe quais GPTs personalizados você descobriu e o ILCA 9. Acompanhe: como criar GPTs personalizados: Todo mundo. Bem-vindo de volta. Vamos criar nosso primeiro GPT personalizado. Para começar, acesse as configurações da conta. Meu GPT é criar um GPT. Na primeira etapa, você verá um construtor de GPT que usa uma interface de conversação para ajudá-lo a criar seu GPT sem precisar preencher manualmente todos os A guia configurada permite que você forneça instruções mais detalhadas para sua GPT Normalmente, prefiro começar com o toque configurado imediatamente, e é isso que faremos neste tutorial. Comece definindo o nome e a descrição do seu GPT. Em seguida, você pode fazer o upload de um logotipo para o GPT ou criar um usando o Dali Abra o texto Sim para o modelo de imagem. Vamos manter os campos de instruções e de início de conversa por enquanto e explorar as três seções na parte inferior da página O recurso de conhecimento permite que você forneça conteúdo adicional para referência do seu GPT Você pode fazer upload de um ou vários documentos aqui para seu GPT acessar enquanto executa tarefas Para a geração de ID GPT, não usaremos nenhum conteúdo adicional, então deixaremos esta seção vazia A seção de recursos permite que você habilite a navegação na web, geração de imagens DL e a análise avançada de dados. Se você quiser que seu GPT execute funções adicionais. Para minha GPT, vou escolher navegação na web e a geração de imagens DL Ações personalizadas são comandos ou scripts que o GPT pode acionar para realizar uma variedade de funções, como interagir com APIs, manipular dados ou acionar fluxos Essencialmente, eles estendem a funcionalidade dos modelos GPT além da geração de texto Por exemplo, se um usuário perguntar sobre o clima atual, uma ação personalizada pode ser configurada para buscar dados meteorológicos em tempo real e retornar essas informações As ações personalizadas exigem conhecimento técnico, por isso não as incluiremos no GPT de geração de ID Agora, vamos retornar às seções de instruções, que descrevem a lógica central por trás de como a GPT personalizada funcionará Há certas diretrizes a serem seguidas ao escrever instruções para obter os melhores resultados. Vamos examiná-los. Essas diretrizes são aplicáveis não apenas para GPTs personalizados, mas também para qualquer bate-papo individual que você criar com o GPT de bate-papo Se você estiver no plano gratuito, não terá a mesma interface para escrever instruções seguras, pois a personalização GPTs não está incluída no Como solução alternativa, recomendo salvar o texto da instrução em um Google Doc Para que você possa acessá-lo mais tarde, quando estiver pronto para testar ou usar as instruções, basta abrir um novo bate-papo e copiá-lo e colá-lo. Você sempre pode acessar o histórico do bate-papo pelo menu do lado esquerdo. Agora vamos falar sobre como escrever as instruções. Comece descrevendo a finalidade e caso de uso do seu GPT personalizado Explique em quais tipos de perguntas ou tarefas ela deve ajudar e quais resultados você espera. Isso ajuda o modelo a manter foco na entrega de respostas relevantes. Por exemplo, para a geração de ID GPT, temos as seguintes instruções O script completo das instruções usadas para criar essa GPT está disponível na seção de recursos, então não se esqueça de conferir Em seguida, identifique o público-alvo do seu GPT. Isso inclui seu nível de habilidade, interesses e quaisquer necessidades ou preferências específicas. Terceiro, descreva o tom que você deseja que o GPT tenha. Isso pode ser amigável, profissional, casual ou engraçado, dependendo do seu público-alvo Especifique se você deseja que o GPT use linguagem de conversação ou mantenha um estilo mais formal Você também pode fornecer instruções comportamentais sobre como o GPT deve lidar com diferentes tipos de interações, como perguntas que ele não pode responder, lidar com tópicos delicados ou quando redirecionar os usuários para outros recursos O próximo conjunto de instruções para o GPT que estamos criando dependerá qual iniciador de conversa você escolheu Os iniciadores de conversa são exemplos de solicitações que os usuários podem usar para iniciar a interação para a geração de ID Temos dois iniciadores de conversa. Nossas instruções variarão dependendo de qual delas o usuário selecionar. Veja como lidamos com essa lógica. Primeiro, escrevemos. Se um usuário selecionar, me dê dez ideias para meu projeto paralelo como ponto de partida para a conversa, vá para as etapas de um a quatro abaixo Ao escrever instruções, é importante dividir as tarefas de várias etapas em etapas menores e mais gerenciáveis para garantir que o modelo possa segui-las Seja o mais detalhado possível, especialmente quando várias ações são necessárias em uma única etapa. Por exemplo, na primeira etapa, pedimos que o usuário forneça as seguintes informações sobre si mesmo. Em seguida, listamos as perguntas que queremos que o GPT faça uma por uma Também incluímos uma instrução comportamental para fazer cada pergunta sequencialmente, aguardando a resposta do usuário antes de passar para a próxima Na segunda etapa, instruímos o GPT a gerar dez ideias de projetos de site Essas ideias devem se cruzar em todas as quatro áreas que definimos Capitalizamos tudo para enfatizar as instruções. Na etapa três, especificamos as informações que precisam ser fornecidas para cada ideia. Observe que estruturamos as informações em uma lista para melhorar a clareza. Também é uma boa prática incluir um ou mais exemplos para reduzir a variabilidade na produção Aqui está um exemplo incluído nas instruções GPT de geração de ideias para a etapa três Por fim, a etapa quatro pergunta ao usuário se ele gostaria de refinar ou desenvolver ainda mais as ideias geradas Acabamos de abordar as instruções para iniciar a conversa. Me dê dez ideias para meu projeto paralelo. Instruções para o início da segunda conversa. Como posso criar meu projeto paralelo é muito mais simples. Pedimos ao GPT que forneça um link junto com o texto a seguir. Ótimo. Agora vamos testar nosso GPT em ação Mamãe. Temos algumas ótimas ideias quais podemos começar a trabalhar imediatamente ou fornecer instruções adicionais sobre imediatamente ou fornecer instruções adicionais como elas devem ser refinadas. Obviamente, um teste não será suficiente para finalizar seu GPT, então você precisará iterar várias vezes refinando e ajustando suas instruções com base nas Tudo bem. Isso encerra o tutorial sobre como criar seu primeiro GPT A geração de ID GPT está disponível para você testar e explorar Você encontrará o link para o aplicativo junto com as instruções usadas para personalizar o GPT na seção de recursos se apresse e revise as instruções que você deseja que seu GPT siga No próximo tutorial, abordaremos como implementar um cenário em que o modelo exija conhecimento além de ter sido treinado em S lá. 10. Acompanhe: usando arquivos de conhecimento para GPTs personalizados: Todos, bem-vindos de volta. Vamos continuar explorando como criar uma GPT personalizada. Você pode ter um caso de uso em que o modelo exija conhecimento além do que foi treinado. Imagine que você está criando uma GPT personalizada para ajudar a obter insights sobre os problemas do seu cliente e as oportunidades de melhoria do produto Embora o GPT four possa oferecer conselhos gerais sobre como realizar a descoberta de produtos, ele não tem acesso a detalhes específicos sobre seus clientes e produtos, como scripts de entrevistas com clientes, resultados de pesquisas com clientes, tickets de suporte e outras fontes relevantes A solução aqui é dar ao GPT acesso a essas fontes de dados para que ele possa recuperar informações relevantes e ajudar a gerar ideias de melhoria de produtos Para conseguir isso, o GPT precisa de um mecanismo para buscar e integrar informações específicas atualizadas de suas ferramentas internas em suas respostas, e é aí que entra a geração aumentada de recuperação geração aumentada de recuperação é o processo de recuperar informações contextuais relevantes de uma fonte de dados e passar essas informações para um grande modelo de linguagem junto com a solicitação do usuário Esses dados recuperados aumentam o conhecimento básico do modelo para melhorar a precisão e a relevância de sua saída Para implementar a geração aumentada de recuperação, você pode conectar seu GPT a fontes de dados ativas, como seu sistema de tíquetes ou banco de dados de clientes, ou usar o recurso de upload de conhecimento, em que arquivos contendo contexto adicional são indexados Os PTs então recuperam esses dados dinamicamente para fornecer informações mais relevantes com base nas Neste tutorial, aprenderemos como usar o recurso de upload de conhecimento. Vamos mergulhar nos detalhes. Eu criei um segundo GPT personalizado projetado para ajudar os gerentes de produto a melhorar seu currículo para primeira ou a próxima candidatura à função de gerente de produto Para este GPT, temos dois iniciadores de conversa. Quando você escolher, revise meu currículo para a função de gerente de produto. Você deverá fornecer várias informações . Seu currículo ou as partes sobre as quais você deseja feedback, uma descrição da vaga para a qual você está interessado em se candidatar e qualquer outra informação relevante sobre sua formação ou objetivos profissionais que ajudem a entender seu perfil. Depois que essas informações forem fornecidas, você receberá feedback, incluindo uma análise geral do seu currículo, feedback sobre sua experiência profissional, educação, formatação e estilo e outras recomendações Além disso, o GPT personalizado destacará força do seu perfil e as áreas de melhoria Agora vamos dar uma olhada na guia configurada para o GPT. Vamos direto para o recurso de conhecimento. Aqui, fiz o upload de seis documentos para o GPT consultar ao fazer suas recomendações Cinco desses documentos incluem informações sobre como criar RCV especificamente para uma função de gerente de produto O último documento contém exemplos de requisitos de trabalho para funções de gerente de produto, que eu coletei de trabalhos da Linkin em três regiões: EUA, América do Sul e APAC Quero que o GPT use esses documentos ao revisar o currículo enviado e obtenha informações sobre como o currículo deve ser estruturado e qual conteúdo deve ser incluído com base nas expectativas atuais do mercado de trabalho Vamos ver como faço referência aos documentos na seção de instruções. Nesta seção, incluí um parágrafo descrevendo como o GPT deve usar os arquivos de conhecimento Escrevi que, para fornecer recomendações, consulte a seção de conhecimento deste GPT Em seguida, listei os nomes dos documentos seguidos por uma breve descrição do que cada documento contém. E é isso. Não forneci detalhes adicionais sobre quando o GPT deveria se referir a cada arquivo específico ou quais informações exatas ele deveria extrair deles. Em vez disso, escrevi o seguinte. Para fornecer recomendações, consulte a descrição do cargo para o qual o usuário deseja se candidatar eu forneci, acesse o currículo fornecido em relação a essa descrição do cargo e, para cada um dos sete pontos listados acima, aqui me refiro ao formato de saída que o usuário verá destacando como o currículo pode ser aprimorado para maximizar as chances de ser selecionado para a entrevista Inicialmente, testei instruções mais detalhadas sobre quando o GPT deveria acessar cada um dos arquivos de conhecimento Por exemplo, em uma versão anterior que escrevi, ao revisar a seção de experiência profissional do currículo enviado, certifique-se de que ele esteja estruturado de acordo com as recomendações descritas neste arquivo Eu fiz isso para cada item na lista de saída. No entanto, ao testar essa versão, descobri que as recomendações não eram tão claras e tendiam a ser um tanto ambíguas Percebi que havia imposto muitas restrições ao GPT, tornando difícil para o modelo responder de forma natural e útil É por isso que modifiquei as instruções para a versão que você vê agora, o que resultou em resultados muito mais estruturados, concisos e precisos Você pode testar esse GPT sozinho e compartilhar suas ideias na seção de perguntas e respostas do Você encontrará o link para o GPT na seção de recursos. Também fiz o upload do texto completo das instruções que escrevi para este GPT para que você também possa consultá-las E, a propósito, se você estiver procurando por mais exemplos de como escrever instruções, recomendo conferir o GPT Builder da OpenAI O próprio GPT Builder é um GPT personalizado com instruções e ações O texto completo das instruções escritas para o GPT Builder está disponível na página de suporte da OpenAI, e achei muito útil revisar isso antes de escrever as minhas incluirei um link para esta página na seção de recursos, e pronto para este tutorial e o ALCO no próximo 11. Acompanhe: compartilhando seu GPT: Obrigada