רוב המקצוענים מתמודדים עם אותו אתגר שחווה אביב. הם נכנסים לChatGPT, כותבים בקשה כמו "תסביר לי את הפונקציה הזו" או "איך אני משנה את הנוסחה", ומצפים לקבל תוצאות מדויקות ומותאמות. התוצאה הצפויה היא הסברים גנריים שלא מתחשבים בלוגיקה העסקית הספציפית או בדרישות הייחודיות של הארגון.

בנוסף לבעיות האיכות, קיימת בעיה חמורה יותר - רוב המשתמשים מעתיקים קודי formula מורכבים, לוגיקה עסקית, ונוסחאות התמחור לפלטפורמות חיצוניות מבלי להבין את הסיכונים הכרוכים בכך. הקוד שמוקלד נשמר במערכות חיצוניות, עלול לחשוף אלגוריתמים קניינים, ובמקרים קיצוניים אף להשפיע על ההנחיות העתידיות שהכלי יעניק למתחרים.

התקשורת עם מערכות בינה מלאכותית שונה מהותית מתקשורת בין אנשים. כאשר אנו מבקשים מעמית "תסביר לי מה הפונקציה הזו עושה", הוא מבין אוטומטית איזה הקשר עסקי, איזה שדות מעורבים, ומה המטרה של הנוסחה. מערכת בינה מלאכותית תתחיל מנקודת אפס ותנתח את הקוד מבלי להבין את המטרה העסקית.

במגזר העסקי, כל ארגון יש לו לוגיקה עסקית ייחודית, חישובי תמחור מותאמים, וכללי עסק ספציפיים. מידע זה חייב להיות מועבר במפורש למערכת כדי שתוכל לספק ניתוח רלוונטי והצעות שיפור מתאימות. איכות הפלט תלויה ישירות באיכות הקלט - גם מערכת מתקדמת לא תוכל לנתח נוסחה מורכבת מבקשה עמומה וחסרת הקשר.

השקעה בלימוד כישורי כתיבת הנחיה מקיפה יוצרת יתרונות עסקיים מידיים. מבחינה כלכלית, השיפור באיכות הפלט מפחית דרמטית את הזמן הנדרש לעריכה ושכתוב. במקום לבזבז שעות על שיפור תוצאות גנריות, הצוות יכול להשקיע את הזמן בפעילויות יצירתיות ואסטרטגיות יותר.

מבחינת איכות התוכן, הנחיה מקיפה מאפשרת קבלת תוצאות מותאמות בדיוק לצרכים הארגוניים. במקום תוכן כללי, לא מדוייק וללא חתירה למטרה, הארגון יכול ליצור חומרים שמשקפים את הטון, הערכים, והמסרים הייחודיים שלו. התוצאה היא שיפור משמעותי ברמת המקצועיות והעקביות של התקשורת הארגונית.

מבחינה תחרותית, ארגונים שמשקיעים בפיתוח יכולות מתקדמות זוכים ליתרון על מתחרים שעדיין מסתמכים על שיטות מקובלות. הם יכולים לייצר תוכן איכותי במהירות גבוהה יותר ולהגיב מהר יותר לשינויים בשוק.

יצירת הנחיה אפקטיבית דורשת הבנה של הרכיבים הקריטיים. הרכיב הראשון הוא הגדרת ההקשר - מידע רקע על הארגון, התעשייה, והמטרות הספציפיות. זה כולל פרטים כמו גודל הארגון, קהל היעד, והחזון העסקי.

הרכיב השני הוא הגדרת התפקיד והמומחיות הנדרשת. במקום לבקש "לכתוב משהו", יש להגדיר איזה מומחה צריך לטפל במשימה. למשל: "פעל כמנהל שיווק דיגיטלי עם 10 שנות ניסיון בתחום הטכנולוגיה".

הרכיב השלישי כולל הוראות ספציפיות - מבנה רצוי, אורך, סגנון כתיבה, ונקודות עיקריות. הרכיב הרביעי כולל דוגמאות ובקשות להבהרה שיכולות לכוון את המערכת לכיוון הרצוי.

לאחר שהבין את החשיבות של כתיבת הנחיה מקיפה, אביב החליט לשנות את הגישה שלו. במקום "תסביר לי מה הפונקציה הזו עושה", הוא התחיל לכתוב:

"פעל כמנהל מערכות Salesforce מומחה בפונקציות מתקדמות. אני צריך עזרה בניתוח ושיפור פונקציה קיימת בשדה מחושב. הפונקציה נועדה לחשב ציון איכות ליד בהתבסס על מקור הליד, גודל החברה ותקציב. אני רוצה להבין את הלוגיקה הנוכחית ולהציע שיפורים. התשובה צריכה לכלול: הסבר על כל חלק בנוסחה, זיהוי בעיות פוטנציאליות, והצעות לשיפור הדיוק. אל תכלול ערכים ספציפיים של התמחור או אלגוריתמים קנייניים."

התוצאות היו דרמטיות. במקום הסבר כללי, אביב קיבל ניתוח מפורט של הלוגיקה, זיהוי נקודות חולשה בנוסחה, והצעות קונקרטיות לשיפור שלקחו בחשבון את המטרה העסקית. הזמן שחסך בהבנת הפונקציה אפשר לו להתמקד בשיפורים מהותיים.

המעבר לשיטת עבודה מבוססת הנחיה מקיפה דורש בניית יכולות ארגוניות. השלב הראשון הוא הכשרת הצוות בעקרונות הבסיסיים של תקשורת אפקטיבית עם בינה מלאכותית, כולל סדנאות פנימיות וחיצוניות ותרגול מעשי.

השלב השני כולל פיתוח ספריית הנחיות (Prompts) ארגוניות המותאמות לתחומי הפעילות השונים - החל מתהליך הדרישה העסקית יכולות , בדיקות,תהליכים עסקיים ןאפילו חומרי שיווק. כל ההנחיות יכללו את המידע ההקשרי הרלוונטי ללא חשיפת מידע רגיש.

השלב השלישי מתמקד ביצירת תהליכי עבודה סטנדרטיים הכוללים הנחיות אבטחת מידע ומדידה שוטפת של יעילות התוצאות ושיפור שלהם.

הערכת ההצלחה דורשת מדדי ביצוע ברורים. מבחינה כמותית, ניתן למדוד קיצור בזמן ההכנה של חומרים, הפחתה בסיבובי עריכה, ושיפור בשביעות הרצון של הצוותים. מבחינה איכותית, חשוב למדוד התאמה לצרכים הארגוניים ועקביות המסרים.

בטווח הארוך, השקעה בכישורי הנחיות מתקדמות יוצרת יתרון תחרותי שקשה לחיקוי. ארגונים שמפתחים מומחיות פנימית יכולים להסתגל מהר יותר לטכנולוגיות חדשות ולהקדים את המתחרים בחדשנות ובמהירות הביצוע.