在構建以人工智能爲核心的未來時，Gusto的聯合創始人兼技術負責人Edward Kim提出了一個與衆不同的觀點。他認爲，削減現有團隊並僱傭一批經過特別訓練的AI工程師並不是正確的做法。

Kim在與TechCrunch的一次訪談中表示，非技術團隊成員可能比普通工程師更瞭解客戶可能遇到的情況和困惑，這使得他們更有資格指導應該在AI工具中構建哪些功能。Gusto的方法是讓其客戶體驗團隊的非技術成員編寫“配方”，這些“配方”指導其AI助手Gus（上個月宣佈）與客戶的互動方式。

人工智能 AI 機器人 (2)

Kim還提到，公司發現“那些不是軟件工程師，但稍微有點技術頭腦的人，能夠構建真正強大和改變遊戲規則的AI應用”，例如CoPilot——這是一個客戶體驗工具，於6月份推出給Gusto CX團隊，每天的互動次數已經在2000到3000之間。

Kim表示，Gusto實際上可以對公司內部的很多人進行技能提升，幫助他們構建AI應用。這次訪談經過了內容的編輯，以便於理解和清晰。

Gus是Gusto向客戶推出的主要AI功能，它在很多方面整合了之前構建的許多點功能。因爲在應用程序中，你會開始看到它們充滿了AI按鈕，比如“按這個按鈕用AI做某事”。而Gus則允許你去除所有這些按鈕，當我們覺得Gus能爲你做一些有價值的事情時，Gus可以以不顯眼的方式出現並說:“嘿，我可以幫你寫個職位描述嗎?”這是與AI交互的更清潔的方式。

Kim認爲，軟件編程對大多數人來說並不易於接觸，你必須學習如何編碼，上很多年的學。機器學習更是難以接觸，因爲你必須是非常有特殊技能的軟件工程師，並且擁有數據科學技能集，知道如何創建人工神經網絡等。但最近發生的最大變化是，創建機器學習和AI應用的接口對任何人來說都變得更加易於接觸。過去，我們必須學習計算機的語言，爲此去上學，現在計算機正在學習更多地理解人類。這看起來可能不是什麼大不了的事情，但如果你能考慮一下，它使得構建軟件應用變得更加易於接觸。

Gusto的實踐表明，即使是非軟件工程師，只要稍微有點技術頭腦，也能夠構建出真正強大和改變遊戲規則的AI應用。公司正在利用其支持團隊來擴展Gus的能力，而他們根本不需要知道如何編程。他們現在使用的接口允許他們做軟件工程師一直在做的事情，而不需要學習如何編碼。如果願意，我可以舉一個這樣的例子。

在Gusto，即使是沒有技術背景的人也能找到方法來利用他們的領域知識專長，特別是客戶支持團隊，幫助構建更強大的AI應用，特別是讓Gus能夠做越來越多的事情。每當客戶支持團隊收到支持票——也就是說，我們的客戶之一聯繫我們，因爲他們希望我們的支持團隊幫助某事——如果它反覆出現，我們實際上已經讓客戶支持團隊爲Gus編寫了一個配方，這意味着他們實際上可以教Gus，而不需要任何技術能力。他們可以教Gus如何引導客戶解決問題，有時甚至採取行動。

Gusto構建了一個內部界面，一個面向內部的工具，你可以用自然語言給Gus寫指令，告訴他如何處理這樣的情況。實際上，客戶支持團隊有一種無需編碼的方式，可以告訴Gus調用某個API來完成任務。

目前有很多關於“我們將要在這個領域消除所有這些工作，我們正在僱傭這些AI專家，我們支付數百萬美元，因爲他們擁有這種獨特的技能集”的討論。我只是想，這是錯誤的做法。因爲能夠推進你的AI應用的人實際上是那些擁有該領域專業知識的人，儘管他們可能沒有技術專長。Gusto實際上可以在這裏提升很多人的技能，幫助他們構建AI應用。

Kim強調，選擇ICL和IFT取決於各種因素，包括可用資源、數據量和特定應用需求。無論如何，研究突出了高質量訓練數據對兩種方法的重要性。這項名爲“Is In-Context Learning Sufficient for Instruction Following in LLMs?”的研究將在2024年的NeurIPS會議上展示，相關代碼已在GitHub上提供。