Az utóbbi időben az AI-alapú tartalomgyártás soha nem látott méreteket öltött, ami rávilágít egy új problémára: a gyenge minőségű, úgynevezett ‘AI slop’ tartalmak túlburjánzására a vállalkozásokban. Gyakran előfordul, hogy termékmenedzserek, marketingesek vagy más munkatársak sablonos, felületes munkát adnak ki a kezükből, és sokszor már nincs idő vagy kapacitás minden anyagot alaposan ellenőrizni.
Felmerül tehát a kérdés: hogyan tudjuk a rengeteg elkészült szöveget hatékonyan és gyorsan minőségi szűrésen áteresztetni, emberi figyelem nélkül? A szakértő szerint a LLM-re, vagyis nagyméretű nyelvi modellek figyelmére kell támaszkodni, hiszen szinte végtelen „AI szempárt” használhatunk az anyagok átnézésére. Ehhez azonban már nem elég egy egyszerű utasítás; a felhasznált promptoknak (utasításoknak) kimondottan az adott szituációhoz, például PRD-k, blogposztok vagy marketinganyagok minősítéséhez kell igazodniuk.
A videó részletesen bemutatja, mire érdemes odafigyelni ilyen minőségellenőrző promptok megfogalmazásakor: kulcskérdések, értékelési tengelyek, például teljesség, tesztelhetőség, terjedelem, döntési pontok. Fontos, hogy a prompt adjon világos, gyakorlati visszacsatolást és érdemi pontszámot, amit az LLM vissza tud jelezni érthetően és egyértelműen.
Felvetődik, hogy az úgynevezett ‘AI detektorok’ önmagukban nem alkalmasak a problémára, és az igazi kihívás nem új keletű; mindig is volt gyenge, átgondolatlan munka, akár emberektől, akár gépektől származott. A hangsúly inkább a minőségi visszacsatoláson és annak fejlesztésén van – ez most már AI segítségével hatékonyabban valósítható meg.
