古斯科技负责人表示，招聘一批专家来发展AI是错误的方法 | TechCrunch

作为创始人规划一个日益以AI为中心的未来时，Gusto的联合创始人兼技术负责人Edward Kim表示，削减现有团队并招聘一批专门培训的AI工程师是“错误的做法。”

相反，他主张非技术人员“实际上可以比普通工程师更深刻地理解客户可能会遇到的情况以及他们的困惑”，这使他们处于更好地指导应该构建到AI工具中的功能的位置。

在TechCrunch的一次采访中，金（其薪酬初创公司）每年营收超过5亿美元在截至2023年4月的财政年度中，Gusto概述了其对人工智能的方法，其客户体验团队中的非技术人员编写了“配方”，这些配方指导着其AI助手Gus的操作方式（上个月宣布的与客户互动。

金还表示，公司注意到“那些不是软件工程师但略懂技术的人能够构建非常强大且具有变革性的AI应用”，例如CoPilot——这是一个客户体验工具，在六月份被推广给了Gusto的CX团队，并且每天已经可以看到2000到3000次的互动。

“我们实际上可以在这里培训许多Gusto的员工，帮助他们建立AI应用，”Kim说。

本采访经过编辑以精简和清晰。

盖斯是你发布给客户的第一个大型AI产品吗？

Gus是我们推出给客户的一个大型AI功能，它在很多方面将我们建立的许多单点功能整合在一起。因为在应用程序中开始出现的是充斥着各种AI按钮，比如“点击此按钮以执行某种AI操作。”而我们的则是，“点击这个按钮以便为我们生成一份工作描述。”

但 Gus 允许你移除所有这些，当我们在你觉得 Gus 可以做些对你有价值的事情时，Gus 可以不显眼地弹出提示说：“我可以帮你写工作描述？”这是一种更干净的方式与人工智能进行交互。

有些公司声称他们做人工智能已经有上百万年了，但在现在才得到关注，而另一些公司则表示它们是在最近几年才意识到这个机会。Gusto属于哪一类？

对我来说的重大变化是，当你谈到软件编程时，对大多数人来说这是不可接近的。你必须学会编写代码，并且要上很多年的学。机器学习更是难以接触。因为你必须是一名非常特殊的软件工程师，并具备数据科学技能集，还要知道如何创建人工神经网络等知识。

最近发生的主要变化是创建机器学习和人工智能应用程序的界面变得更加易于任何人使用。在过去，我们必须学习计算机语言并为此接受教育，而现在计算机正在学会更好地理解人类。这听起来可能不算什么大事，但如果你仔细想想，它使得构建软件应用变得容易得多。

这就是我们在Gusto看到的情况：那些不是软件工程师但对技术有一定了解的人能够构建非常强大且具有变革性的AI应用程序。我们实际上正在利用许多支持团队的成员来扩展Gus的功能，而他们根本不会编程。只是现在他们使用的界面使他们能够完成软件工程师一直以来做的事情，而不必学习如何编写代码。如果您想听的话，我可以分别举一个这样的例子。

那太好了。

有这么一个人，在这家公司已经工作了大约五年。他的名字是埃里克·罗德里格兹他实际上加入了客户支持团队，然后转到了我们的IT团队。在他所在的团队工作期间，他对人工智能产生了浓厚的兴趣，他的上司找到我，对我说：“他做了一个东西，我想让你看看。”我们第一次见面时，他就向我展示了他所创建的东西，那是一款为我们的（客户体验）团队打造的CoPilot工具，你可以向它提问，它会用自然语言直接给你答案。就像ChatGPT一样，只不过它可以访问我们内部的应用程序操作知识库。

到这个时候，我们把这项成果展示给我们的支持团队，他们非常喜欢。这完全改变了他们的工作流程以及工作效率。基本上，每当他们收到一个支持工单时，不再需要查阅我们建立的知识库，而是直接询问这个CoPilot工具，而CoPilot工具会回答他们的问题。虽然在CoPilot和客户之间仍然有一个客服人员，但很多时候他们可以直接从CoPilot工具获取答案，并将其复制粘贴给客户。他们会核实这些信息的准确性，大多数情况下都是准确无误的。

我们立即将埃里克调到了软件工程团队。他实际上直接向我汇报工作，你可能难以置信，但他现在是我们最好的工程师之一。因为他很早就开始尝试玩转人工智能，并且现在他在Gusto构建人工智能应用的前沿领域工作。

并非每个人像埃里克那样具有技术头脑，但在Gusto，我们找到了一种方法，利用公司非技术人员的专业领域知识，特别是客户支持团队的知识，帮助我们构建更强大的AI应用程序，并且特别地，使Gus能够完成越来越多的任务。

每当客服团队收到支持工单——换句话说，当我们的客户联系我们需要帮助时——如果某个问题反复出现，我们实际上会要求客服团队为Gus编写一份解决方案指南，也就是说，他们可以不用具备任何技术能力来教会Gus。他们可以让Gus引导客户解决这个问题，并且有时甚至可以直接采取行动。

我们建立了一个内部接口，一个面向内部的工具，在这个工具中，你可以用自然语言为Gus编写处理此类案件的指令。实际上，我们的支持团队可以通过无代码的方式告诉Gus调用特定的API来完成任务。

现在有很多讨论都在说：“我们要在这个领域淘汰所有这些工作，并且我们将聘请那些我们支付数百万美元的AI专家，因为他们拥有独特的技能。”而我认为这种做法是错误的。因为能够推动你们AI应用前进的人实际上是那些对该领域有专业知识的人，即使他们可能不具备技术专长。实际上，我们可以在这里提升Gusto许多员工的技能，帮助他们构建AI应用程序。

可怕的AI场景是这种自上而下的做法，高管们说“我们需要使用AI”，但却脱离了人们实际工作的情况。这听起来更像是自下而上的方法，你们构建了工具让团队能够告诉你们AI能为他们做些什么。

没错。实际上，那些更接近客户而非技术人员的人，他们每天都在与客户交流，因此对于客户的困惑和可能遇到的情况有更深的理解。所以他们在为Gus编写解决这些问题的指令方面比工程师或AI科学家更有优势。

我认为我接触过的其他人也注意到了同样的问题。最好的人工智能工程师实际上是那些成为领域专家并学会如何编写良好提示的人。

当你考虑未来几年这种情况如何发展时，你认为公司的各个团队的人数会保持大致相同，还是随着人工智能在公司内部的部署，这一情况会随着时间发生变化？

我认为这个角色会有一点变化。我认为你会看到我们的客户体验团队成员不会直接回答问题，而是实际编写食谱和进行类似提示调优的工作来改进AI。每个人都会向上移动抽象层次，这显然会让公司变得更加高效，并且也会为客户提供更好的体验，因为他们的问题可以立即得到解答。

这解锁了Gusto为客户做更多事情的可能。我们有一个巨大的路线图，上面列满了我们想要做的事情，但由于资源受限，我们现在无法做到。