ตำแหน่งงานด้านการสร้างผลิตภัณฑ์ที่ได้ค่าตอบแทนสูงที่สุดในวงการเทคโนโลยีตอนนี้ ไม่สนใจว่าปริญญาของคุณจะบอกอะไร มันสนใจว่าคุณเคยสร้างอะไรออกมาบ้าง นี่คือเส้นทาง 12 เดือนที่แน่นอน
คนส่วนใหญ่คิดว่าคุณต้องมีปริญญาวิทยาการคอมพิวเตอร์เพื่อทำงานด้าน AI คนกลุ่มเล็กๆ ค้นพบแล้วว่าตำแหน่งงานด้านการสร้างผลิตภัณฑ์ที่ได้ค่าตอบแทนสูงที่สุดในวงการเทคโนโลยีตอนนี้ ไม่สนใจว่าปริญญาของคุณจะบอกอะไร - มันสนใจว่าคุณเคยสร้างอะไรออกมาบ้าง ความแตกต่างระหว่างสองกลุ่มนี้ไม่ใช่เรื่องวุฒิการศึกษา มันคือ พอร์ตโฟลิโอ
วิศวกร AI คือคนที่สร้างระบบที่เชื่อมต่อโมเดลภาษาขนาดใหญ่เข้ากับผลิตภัณฑ์จริง บอทช่วยเหลือที่แก้ปัญหาจริงได้ ระบบค้นหาภายในที่หาคำตอบที่ซ่อนอยู่ในเอกสารนับหมื่นชิ้น เอเยนต์ที่ทำงานแบบหลายขั้นตอนโดยไม่ต้องมีมนุษย์คอยดูแล
นี่ไม่ใช่งานวิจัย ไม่ใช่การฝึกโมเดลตั้งแต่เริ่มต้น มันคือการสร้างซอฟต์แวร์ที่ใช้งานจริงโดยมี AI เป็นแกนหลัก - และนี่คือหนึ่งในงานที่เป็นที่ต้องการมากที่สุดในตลาดทั้งหมด
นี่คือส่วนที่ไม่มีใครบอกคุณ สำหรับตำแหน่งเหล่านี้ส่วนใหญ่ พอร์ตโฟลิโอของโปรเจกต์ที่คุณเคยสร้าง มีน้ำหนักมากกว่าปริญญา ผู้จัดการฝ่ายจ้างงานจะบอกคุณอย่างตรงไปตรงมา: พวกเขาเคยเห็นวิศวกรที่เรียนด้วยตัวเองทำงานได้ดีกว่าผู้ถือปริญญาเอก เพราะการสร้างของจริงเป็นทักษะที่แตกต่างจากการเรียนหนังสือ ประตูแห่งวุฒิการศึกษาส่วนใหญ่เป็นเพียงภาพลวงตา และคนที่รู้ตัวเร็วจะได้เปรียบไปหลายปี
นี่คือเส้นทาง ไม่จำเป็นต้องมีปริญญา นี่คือสิ่งที่มันเป็นอย่างแน่นอน
ผู้สร้าง ไม่ใช่นักวิทยาศาสตร์
คนส่วนใหญ่เล็งเป้าผิด มีสองบทบาทที่มักสับสน นักวิจัย机器学习 เป็นผู้คิดค้นโมเดลใหม่และฝึกฝนโมเดลเหล่านั้น - งานนั้นจำเป็นต้องมีปริญญาขั้นสูงและคณิตศาสตร์หนักๆ จริงๆ และมันเป็นส่วนเล็กๆ ของตลาด วิศวกร AI คือคนที่นำโมเดลที่มีอยู่แล้วมาสร้างสิ่งที่มีประโยชน์ด้วย - งานนั้นให้รางวัลกับทักษะด้านซอฟต์แวร์ ความเข้าใจผลิตภัณฑ์ และวินัยในการสร้างของจริง มากกว่าวุฒิการศึกษาทางวิชาการเสียอีก
บทบาทนี้อยู่ตรงจุดตัดของสามสิ่ง: วิศวกรรมซอฟต์แวร์ ความเข้าใจการทำงานของโมเดลภาษาในทางปฏิบัติ และการคิดเชิงผลิตภัณฑ์ คุณไม่จำเป็นต้องเก่งทั้งสามด้านในวันแรก คุณแค่ต้องมีความสามารถและพัฒนาขึ้นเรื่อยๆ - และคุณต้องมีหลักฐาน
FIG 01 — คุณไม่จำเป็นต้องเก่งทั้งสามด้าน แค่มีความสามารถ พัฒนาได้ และมีหลักฐานยืนยัน
→ เส้นทางสร้างผลงาน 12 เดือน
หกเฟส สร้างผลงานทุกเฟส
สิบสองเดือนคือไทม์ไลน์ที่ทำได้จริง - และมันจะได้ผลก็ต่อเมื่อคุณสร้างผลงานตลอดเวลา โหนดสีอำพันด้านล่างคือเฟสที่จบลงด้วยการส่งมอบโปรเจกต์พอร์ตโฟลิโอ
Retrieval-Augmented Generation
โมเดลรู้แค่สิ่งที่มันถูกฝึกมาและสิ่งที่คุณป้อนให้มัน RAG จะดึงข้อมูลที่ถูกต้องจาก ข้อมูลของคุณ และวางไว้ให้โมเดล - เพื่อให้มันตอบคำถามเกี่ยวกับเอกสารของบริษัท คู่มือผลิตภัณฑ์ หรือฐานความรู้ได้อย่างแม่นยำ
คุณแบ่งเอกสารออกเป็นส่วนย่อย แปลงเป็น embeddings เก็บไว้ในฐานข้อมูลเวกเตอร์ และดึงส่วนที่เกี่ยวข้องมากที่สุดสำหรับคำถามใดๆ
FIG 02 — จัดทำดัชนีข้อมูลของคุณครั้งเดียว ดึงข้อมูลและสร้างคำตอบทุกครั้งที่มีคำถาม
โมเดลที่มีเครื่องมือและลูป
แอป RAG ตอบคำถาม เอเยนต์ทำงานให้สำเร็จ มันรับเป้าหมาย แบ่งเป็นขั้นตอน ใช้เครื่องมือเพื่อทำแต่ละขั้นตอนให้เสร็จ และตัดสินใจว่าจะทำอะไรต่อไปตามสิ่งที่เกิดขึ้น
คุณได้เรียนรู้การใช้เครื่องมือในเฟส 2 แล้ว - ตอนนี้คุณต้องนำมันมาไว้ในลูปและจัดการกับความเป็นจริงที่ยุ่งเหยิงว่าเอเยนต์บางครั้งวนเป็นวงกลม เรียกใช้เครื่องมือผิด หรือติดอยู่
FIG 03 — ช่องว่างระหว่างการสาธิตกับความน่าเชื่อถือ อยู่ที่ขั้นตอน Observe → Decide: การจัดการความล้มเหลว
สามโปรเจกต์ที่สร้างเสร็จ มีค่ามากกว่าปริญญาโท
ตอนนี้คุณมีโปรเจกต์จริงสามชิ้น: แอปพลิเคชัน RAG พร้อมการประเมินผล ระบบหลายเอเยนต์ที่แก้ปัญหาจริง และระบบที่ deploy แล้วพร้อมการตรวจสอบ เขียนแต่ละโปรเจกต์เป็นกรณีศึกษาที่ชัดเจน - ปัญหา แนวทาง สิ่งที่คุณวัดได้ สิ่งที่คุณจะทำต่างออกไป จากนั้นสมัครงาน โดยเริ่มจากตำแหน่งซอฟต์แวร์ที่เสริมด้วย AI เป็นก้าวแรกที่สมจริง
เมื่อสัมภาษณ์ถามให้คุณ "อธิบายเหตุผลว่าเอเยนต์ควรจัดการกับความล้มเหลวของเครื่องมืออย่างไร" หรือ "อธิบายว่าคุณจะประเมินระบบ RAG อย่างไร" คุณจะไม่ท่องทฤษฎี คุณจะอธิบายสิ่งที่คุณลงมือทำจริงๆ นั่นคือเกมทั้งหมด
ประตูแห่งวุฒิการศึกษาที่กั้นคนส่วนใหญ่เอาไว้ เป็นประตูที่บริษัทส่วนใหญ่หยุดบังคับใช้ไปแล้ว
