Strukturēts Prompting: No nejaušas tērzēšanas līdz inženierijas līmeņa izvadei

Jānis, IT projektu vadītājs no Rīgas, sēdēja savā birojā Skanstes rajonā, vērojot, kā viņa komandas izstrādātais kods kārtējo reizi cieš neveiksmi. Problēma nebija cilvēkos, bet gan haotiskajos mākslīgā intelekta (MI) rezultātos.

Katrs programmētājs izmantoja savu "burvju vārdu" kombināciju, radot koda fragmentus, kas savā starpā nesaslēdzās. Šis haoss apdraudēja svarīga projekta nodošanu LMT ekosistēmai, un Jānis saprata, ka ar nejaušu tērzēšanu vairs nepietiek.

Viņa komanda tērēja stundas, mēģinot "pierunāt" MI modeli ģenerēt konsekventu izvadi, kas atbilstu uzņēmuma iekšējiem standartiem, taču bez vienotas sistēmas katrs mēģinājums bija kā šāviens tumsā.

Digitālā haosa cena

Lielākā daļa uzņēmumu joprojām uztver MI uzvedņu (prompt) izveidi kā radošu eksperimentu, nevis inženierijas disciplīnu. Saskaņā ar Forrester datiem, 90% uzņēmumu MI projektu cieš no zemas efektivitātes tieši standartizācijas trūkuma dēļ [1].

Kad katrs darbinieks uzvednes glabā atsevišķos dokumentos vai Slack sarakstēs, pazūd zināšanu pēctecība un rezultātu prognozējamība.

Latvijas mērogā tas bieži izpaužas kā dārgu IT resursu nelietderīga izmantošana, kur programmētāji ar augstu stundas likmi veic uzdevumus, ko varētu automatizēt ar vienotu uzvedņu bibliotēku.

Gartner pētījumi norāda, ka 45% uzņēmumu MI neveiksmju pamatā ir nekonsekventa uzvedņu pārvaldība [2]. Šāda "uzvedņu dreife" (prompt drift) ne tikai palielina kļūdu skaitu, taču arī rada drošības riskus, jo nav skaidrs, kādi dati un instrukcijas tiek nodoti ārējiem modeļiem.

Pat ja 65% uzņēmumu jau ikdienā izmanto ģeneratīvo MI [3], tikai neliela daļa ir spējusi šo procesu pārvērst mērogojamā sistēmā. Lai gan MI rīki strādā 24/7, to radīto kļūdu labošana aizņem dārgo speciālistu laiku, ko varētu veltīt stratēģiskiem uzdevumiem.

Uzņēmumi, kas ignorē šo problēmu, riskē ne tikai ar finansiāliem zaudējumiem, bet arī ar reputācijas degradāciju, kad klients saņem nekvalitatīvu vai pat kļūdainu MI ģenerētu saturu.

Inženierijas ietvars rezultātu kontrolei

Pāreja uz strukturētu sistēmu prasa atteikšanos no improvizācijas. Tas nav tikai jautājums par labākiem vārdiem, bet gan par versiju kontroli, testēšanu un koplietošanas standartiem.

Stanford HAI ziņojums liecina, ka 78% uzņēmumu jau ir ieviesuši MI risinājumus, kas ir ievērojams pieaugums salīdzinājumā ar iepriekšējiem gadiem [5]. Bez skaidras struktūras šis potenciāls paliek neizmantots, iesprostots atsevišķu "promptu burvju" galvās, nevis kļūst par uzņēmuma aktīvu.

Zemāk redzamajā tabulā salīdzināti trīs dažādi pieejas veidi uzvedņu pārvaldībai:

Lai gan strukturētas sistēmas nodrošina izcilu tehnisko precizitāti, tām ir arī savas robežas. Tradicionālā cilvēka veiktā dokumentācija joprojām uzrāda augstāku zināšanu pēctecības rādītāju (8/10), jo cilvēks spēj ietvert kontekstuālas nianses, ko MI sistēma bieži vien ignorē.

Vietējā mērogā, piemēram, strādājot ar Latvija.lv integrācijām, specifisku juridisko terminu lietojums prasa manuālu pārraudzību, ko neviena automatizēta veidne nespēj pilnībā aizstāt. Piemēram, valsts pārvaldes iepirkumos precīza terminoloģija ir kritiska, un viena kļūdaina uzvedne var novest pie neatbilstoša piedāvājuma sagatavošanas.

Strukturētas promptēšanas ietvars

ir metodiska sistēma uzvedņu izstrādei, kurā instrukcijas tiek sadalītas mainīgajos lielumos, konteksta parametros un izvades ierobežojumos, nodrošinot augstu rezultātu atkārtojamību dažādos modeļos.

Daļa promptu vadības rīku šo ietvaru realizē caur versiju kontroli, ļaujot komandām atgriezties pie iepriekšējām, stabilām instrukciju versijām. Šī pieeja ļauj uzņēmumam veidot "promptu bibliotēku", kas ir neatkarīga no konkrēta darbinieka un saglabājas kā uzņēmuma intelektuālais īpašums.

Pēc GitHub Octoverse datiem, 77% izstrādātāju jau plāno izmantot MI programmēšanas rīkus [4], un tas padara uzvedņu versiju vadību par kritisku infrastruktūras daļu. Bez šādas kontroles MI kļūst par "melno kasti", kuras rezultāti ir atkarīgi no nejaušības, nevis inženierijas lēmumiem.

Tas ir īpaši svarīgi uzņēmumiem, kas darbojas stingri regulētās nozarēs, kur katra koda rinda un MI ģenerētā atbilde ir jāpamato un jāpārbauda.

Haosa ierobežošanas stratēģija

Ieviešot profesionālu uzvedņu pārvaldību, uzņēmumiem bieži vien ir jāsaskaras ar pretestību. Izplatīta kļūda is uzskatīt, ka MI rīki ir pašpietiekami. Patiesībā sistēmas efektivitāte ir tieši proporcionāla tam, cik precīzi ir definēti tās darbības rāmji.

Saskaņā ar PricewaterhouseCoopers datiem, tikai 12% vadītāju šobrīd ziņo gan par ieņēmumu pieaugumu, gan izmaksu ietaupījumu no MI iniciatīvām [6]. Tas norāda uz milzīgu "aklo zonu" stratēģiskajā plānošanā, kur tehnoloģijas ieviešana bez procesa sakārtošanas nedod gaidīto rezultātu.

Sarežģītāka kļūst arī juridiskā vide. Līdz ar EU AI Act spēkā stāšanos, uzņēmumiem būs jānodrošina augsta līmeņa caurspīdība un pārvaldība pār MI sistēmām. Strukturēta uzvedņu pārvaldība kļūst par nepieciešamību, lai nodrošinātu atbilstību šīm prasībām.

Piemēram, ja MI sistēma tiek izmantota lēmumu pieņemšanā par kredītu piešķiršanu vai personāla atlasi, uzņēmumam ir jāspēj pierādīt, kādi kritēriji un instrukcijas tika izmantotas, lai izvairītos no aizspriedumiem un diskriminācijas. Bez centralizētas uzvedņu vadības šāda audita veikšana ir praktiski neiespējama.

Izvērtējot rīkus, jāpievērš uzmanība trīs galvenajiem riskiem. Pirmkārt, versiju kontroles trūkums nozīmē, ka veiksmīgs rezultāts var pazust pie nākamās modeļa atjaunināšanas. Otrkārt, standartizācijas trūkums neļauj komandai mērogot labāko praksi.

Treškārt, bez centralizētas krātuves uzņēmums zaudē savu intelektuālo īpašumu katru reizi, kad darbinieks pamet uzņēmumu. Veiksmīga ieviešana prasa nevis jaunus rīkus, bet jaunu domāšanas veidu, kur MI uzvedne tiek uztverta kā programmēšanas koda sastāvdaļa.

Tas nozīmē, ka uzvednēm ir jāiziet tieši tāds pats cikls kā programmatūrai: izstrāde, testēšana, koda apskate un izvietošana.

---

Nozare šobrīd atrodas lūzuma punktā, kur agrīnais entuziasms par MI iespējām saduras ar nepieciešamību pēc korporatīvās drošības un efektivitātes. Eksperti prognozē, ka pieprasījums pēc strukturētas pieejas tikai pieaugs, jo uzņēmumi mēģinās pārvērst atsevišķus pilotprojektus stabilos biznesa procesos.

MI vadības sistēmu loma kļūs noteicošā, lai nodrošinātu atbilstību stingrākiem regulējumiem un aizsargātu uzņēmumu datus. Nākotnē uzvarēs tie uzņēmumi, kas spēs apvienot MI radošumu ar inženierijas disciplīnu, radot uzticamas un prognozējamas sistēmas.

Jānis, ieviešot strukturētu pieeju savā komandā, beidzot redzēja stabilitāti projektā. Tomēr viņš atklāja, ka automatizētā sistēma nespēja tvert specifiskos latviešu valodas gramatikas locījumus sarežģītos juridiskos tekstos, kas prasīja papildu manuālu pārbaudi.

MI sistēma palīdzēja sasniegt mērķi ātrāk, taču realitāte parādīja, ka galīgo lēmumu pieņemšanā cilvēka pieredze joprojām ir izšķiroša. Viņš saprata, ka tehnoloģija ir tikai instruments, un tās patiesā vērtība parādās tikai tad, ja to vada skaidrs un pārdomāts inženierijas process.

References

[1] https://www.forrester.com/report/the-state-of-generative-ai-2024 -- Pētījums par MI projektu neefektivitāti standartizācijas trūkuma dēļ

[2] https://www.gartner.com/en/newsroom/press-releases/2024-10-genai-enterprise -- Analīze par MI neveiksmju saistību ar uzvedņu pārvaldību

[3] https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai -- Pārskats par ģeneratīvā MI izmantošanu uzņēmumos 2024. gadā

[4] https://github.blog/news-insights/octoverse/octoverse-2024/ -- Ziņojums par izstrādātāju plāniem izmantot MI programmēšanas rīkus

[5] https://hai.stanford.edu/ai-index/2025-ai-index-report -- Ziņojums par MI izplatību uzņēmējdarbībā 2024. gadā

[6] https://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-global-ceo-survey.html -- Globālais vadītāju pētījums par MI ietekmi uz ieņēmumiem