Man mano che l’intelligenza artificiale generativa si afferma nel mainstream, un numero crescente di corsi e certificazioni stanno promettendo l’ingresso nel “lavoro caldo” del prompt engineering.
Avere competenze nell’uso del linguaggio naturale (come l’inglese) per “promuovere” contenuti utili da modelli di intelligenza artificiale come ChatGPT e Midjourney sembra qualcosa che molti datori di lavoro apprezzerebbero. Ma è così semplice come seguire un breve corso e cavalcare l’onda per ottenere uno stipendio a sei cifre?
Il tempestivo clamore ingegneristico
Un articolo del Washington Post pubblicato a febbraio ha contribuito molto a diffondere l’idea che i Prompt engineer siano “sussurratori di intelligenza artificiale” che “programmano in prosa”. Ha citato alcune cifre importanti sugli stipendi e ha citato un annuncio di lavoro della società Anthropic della Silicon Valley che chiedeva persone che abbiano “uno spirito da hacker creativo e amino risolvere enigmi”.
Articoli simili apparsi su Time, Forbes e Business Insider hanno ulteriormente alimentato la frenesia.
E per completare la transizione da “nerd” a “cool”, diversi influencer sono saliti a bordo per ritrarre la prompt engineering come una corsa all’oro aperta a chiunque sia disposto a studiare e imparare qualche trucco.
Ci sono davvero così tanti lavori per il Prompt engineer?
Quella pubblicità di Anthropic è ancora in giro. Sei mesi dopo, sembra più una trovata pubblicitaria aziendale che una ricerca di talenti.
Come molti commentatori avevano previsto, il prompt engineering non è esploso come carriera a sé stante. Al momento della stesura di questo articolo, non c’era un annuncio per un ruolo di “prompt engineer”. E solo quattro annunci menzionavano il prompt engineering nella descrizione del lavoro.
La situazione sembra migliore negli Stati Uniti. Ma anche lì, la nuova professione è stata in gran parte inglobata in altri ruoli come quello di ingegnere di machine learning o specialista di intelligenza artificiale.
Esistono poche statistiche affidabili sulla crescita (o sulla mancanza di crescita) del prompt engineer. La maggior parte dei dati sono aneddotici. La realtà è ulteriormente offuscata da società di consulenza come Deloitte che la promuovono come “l’alba di una nuova era” come parte della loro spinta commerciale sull’intelligenza artificiale.
Qual è la realtà?
Gran parte della confusione sull’utilità del prompt engineering deriva dal non riconoscere che esistono due diversi tipi di creatori di valore: esperti del settore ed esperti tecnici.
Esperti del settore
Il germe di verità nella narrativa “chiunque può farlo” è che gli esperti in un particolare argomento sono spesso i migliori suggeritori per un compito definito. Conoscono semplicemente le domande giuste da porre e riconoscono il valore delle risposte.
Ad esempio, nel branding e nel marketing, l’intelligenza artificiale generativa sta decollando per quelle che ho soprannominato attività creative generiche o di “tipo G” (come creare il logo Pepsi nello stile di Picasso). Quando gli esperti pubblicitari iniziano a modificare i suggerimenti, inventano rapidamente modi per fare cose che nemmeno i guru dell’intelligenza artificiale più abili possono fare. Questo perché i guru della tecnica spesso non sanno molto di copyright o marketing.
Esperti tecnici
D’altro canto, anche i guru della tecnologia che si confrontano “dietro le quinte” con l’enorme complessità dei modelli di intelligenza artificiale possono aggiungere valore come ingegneri tempestivi. Conoscono cose arcane su come funzionano i modelli di intelligenza artificiale.
Possono utilizzare tale conoscenza, ad esempio, per migliorare i risultati per tutti coloro che utilizzano l’intelligenza artificiale per ottenere dati dai documenti interni di un’azienda. Ma in genere hanno poca conoscenza del settore al di fuori dell’intelligenza artificiale.
Sia gli esperti del settore che gli esperti tecnici sono preziosi, ma hanno competenze e obiettivi diversi. Se un’organizzazione utilizza l’intelligenza artificiale generativa su larga scala, probabilmente ha bisogno di entrambe.
Perché le istruzioni sono difficili?
L’intelligenza artificiale generativa alla fine produce risultati per le persone. Un testo pubblicitario, un’immagine o una poesia non sono utili o inutili finché non hanno successo o falliscono nel mondo reale. E in molti scenari del mondo reale, gli esperti del settore sono gli unici a poter giudicare l’utilità dei risultati dell’intelligenza artificiale.
Tuttavia, queste valutazioni sono in definitiva soggettive. Sappiamo che 2 + 2 = 4. Quindi è semplice testare le istruzioni che impediscono all’IA di immaginare che la risposta sia 5. Ma quanto tempo ci vuole per capire se una campagna pubblicitaria progettata dall’intelligenza artificiale è più o meno efficace di una progettata dall’uomo (anche se hai a disposizione un esperto del ssettore)?
Vale la pena imparare il Prompt Engineering?
Al di là di giocare con alcuni suggerimenti e trucchi, imparare formalmente a scrivere suggerimenti sembra un po’ inutile per la maggior parte delle persone. Per prima cosa, i modelli di intelligenza artificiale vengono costantemente aggiornati e sostituiti. Tecniche di suggerimento specifiche che funzionano ora potrebbero funzionare solo a breve termine.
Le persone che desiderano arricchirsi grazie al prompt engineering farebbero meglio a concentrarsi sull’abbinamento dell’intelligenza artificiale e della formulazione dei problemi nella loro area di competenza. Ad esempio, se sei un farmacista potresti provare a utilizzare l’intelligenza artificiale generativa per ricontrollare le etichette di avvertenza sulle prescrizioni.
Nel frattempo, affinerai la tua scrittura esaustiva, acquisirai le competenze di base dell’AI generativa (che i datori di lavoro potrebbero apprezzare) e potresti colpire nel segno con un’applicazione vincente per il pubblico giusto.
Alla fine, vantarsi di sapere come indurre l’AI diventerà un dettaglio nel curriculum. Sarà paragonabile a vantarsi di sapere come utilizzare un motore di ricerca (che non è sempre stato così intuitivo) – e potrebbe farti sembrare un dinosauro se menzionato.
Autore
Cameron Shackell, Università di Tecnologia del Queensland
