写在前面：2024年，AIBP，这是我的一个新的职业目标。 我是法老猫，一个想养猫又心疼家具，只能起名法老猫的人。十二年政务行业软件从业者，做过开发、项目经理、技术团队管理。目前正在做大模型相关的产品应用。
记得一月份的时候同事问我：“你知道ChatGPT么？”，那时我只是从零碎的新闻里知道它是个可以对话的机器人，可以说一无所知。
之后开始去了解ChatGPT、Stable-Diffusion、Midjourney等这些在年初新兴的这些工具，真的是在AIGC的知识海洋里上窜下跳，工具让我体会到了当甲方的快乐，当然也有面向脑残乙方的挑战。每周给自己排了特定时间翻AIGC产品库，更新知识，体验产品。知识面够了，但是都算不上精通，成为了大模型的推广者，项目必聊大模型。
在刚开始使用ChatGPT的时候，总觉得它给我的和我想要的有一些差距，虽然它已经回答的很好了。然后开始了寻找答案：怎么用好ChatGPT。在寻找答案的过程中接触到了LangGPT，开始了解结构化提示词。
结构化提示词的核心在于构建一个清晰的沟通框架，让AI能够更好地理解我们的需求。这就像是在与一个智能助手对话时，我们不仅要告诉它我们想要什么，还要告诉它我们是如何思考这个问题的。通过这种方式，我们可以引导AI沿着我们的思维路径前进，而不是让它自由发挥。
我开始尝试将我的问题分解成几个部分，每个部分都包含具体的信息点。比如，如果我想了解一个复杂的科学概念，我会先问基础定义，然后逐步深入到应用场景、相关理论以及最新研究。这样的结构化提问不仅让AI的回答更加有条理，也让我能够更好地跟踪和理解信息。
在与ChatGPT的互动中，我也学会了如何通过调整提示词的语气和风格来影响AI的回答。例如，如果我需要一个严肃的学术性回答，使用正式的语言和术语；而如果我想要一个轻松的对话，我则会采用更加口语化和随意的表达方式。这种调整让我能够根据不同的情境和目的，获得最合适的交流体验。
此外，在提问中包含背景信息的重要性。很多时候，我们认为显而易见的上下文信息，AI可能并不理解。因此，我会在提问时提供足够的背景，确保AI能够准确把握问题的意图。这种策略不仅提高了沟通的效率，也减少了误解和沟通不畅的可能性。
随着对提示工程的深入理解，我开始尝试将这些原则应用到更广泛的领域。无论是在解决工作中的难题，还是在进行学术研究，甚至是在日常生活中寻求建议，我都发现通过精心设计的提示词，ChatGPT能够提供更加精准和有价值的帮助。
但是在阶段性的学习后，思路有了转变，从刚开始的认为AI提示工程很牛，到认为Prompt只是很小很小的一部分，Agent才是趋势，于是有了开始时提到的职业方向。做AIBP，来给我们的业务伙伴规划结合大模型的工作流，以及Agent设计的最佳实践。
AIBP（Artificial Intelligence Business Partner，人工智能业务伙伴）是一个结合了人工智能技术与业务伙伴角色的岗位。AIBP将运用人工智能领域的专业知识，为企业提供战略性建议，推动业务创新和优化人力资源管理。
为了这个工作思路，特地整理了工作职责、任职要求，以下是一个AIBP岗位的设计：
职位名称：人工智能业务伙伴（AIBP）
工作职责：
1. 人工智能战略规划：与公司高层和业务部门合作，了解业务需求和目标，制定人工智能战略规划，确保AI技术与公司整体战略紧密结合。
2. 项目评估与管理：评估潜在的人工智能项目，确保项目的可行性和符合公司战略目标。管理项目进度，确保项目按时完成并实现预期目标。
3. 技术支持与咨询：为业务部门提供人工智能技术方面的专业建议和支持，协助解决技术难题，推动技术创新。
4. 数据分析与优化：利用人工智能技术对公司数据进行深入分析，发现潜在的商业价值和优化方向，为业务决策提供数据支持。
5. 人力资源管理：运用人工智能技术优化人力资源管理流程，提高招聘、培训、绩效管理等方面的效率，降低人力成本。
6. 跨部门协作：与公司内各部门紧密合作，推动人工智能技术在各个业务领域的应用，实现业务目标。
7. 持续学习与发展：关注人工智能领域的最新动态和技术发展，不断提升自己的专业能力，为公司创造更多价值。
任职要求：
1. 教育背景：计算机科学、人工智能、数据科学或相关领域。
2. 技能要求：熟悉人工智能技术，如深度学习、自然语言处理、计算机视觉等；具备较强的数据分析和建模能力；熟练使用相关工具和编程语言，如Python、R、TensorFlow等。
3. 沟通能力：具备优秀的沟通和协调能力，能够与不同部门和层级的人员有效合作。
4. 解决问题能力：具备较强的分析和解决问题能力，能够在复杂环境中找到合适的解决方案。
5. 业务理解：对所在行业的业务有深入理解，能够将人工智能技术与实际业务场景相结合。
为什么要有AIBP这个岗位？
最近在与我们的项目甲方对接中，经常遇到两种人：（1）大模型不好用，做不了实际的工作、（2）大模型无敌，接下来企业不需要软件系统。
这两种极端思维在企业内部的碰撞，往往导致资源分配的混乱和战略方向的摇摆。一方面，企业需要认识到AI技术的潜力和局限性，合理规划技术投入，避免盲目跟风或过度依赖。另一方面，企业也需要建立一个稳健的技术架构，确保在引入AI技术的同时，传统软件系统的稳定性和业务连续性。
另外，在AI与传统业务融合还存在不少风险：
技术融合的难题：企业往往拥有复杂的IT系统，如何将AI技术无缝集成，确保系统间的兼容性，是许多企业面临的首要问题。
战略与执行的鸿沟：有了AI战略，如何确保其有效执行？企业需要明确的路线图和资源分配，以避免战略规划与实际操作之间的脱节。
数据的质量和治理：AI模型的“大脑”需要高质量的数据来“喂养”。企业在数据收集、处理和治理方面的能力，直接关系到AI项目的成败。
人才的培养与吸引：AI领域的专业人才稀缺，企业如何在激烈的人才竞争中脱颖而出，吸引并培养这些关键人才，是转型过程中不可忽视的一环。
而AIBP将是解决上面问题的一个新岗位，将成为企业大模型+数字化转型的加速器，不仅精通人工智能技术，更是业务战略的深度参与者。他们站在企业变革的最前沿，将AI的潜力转化为业务增长的新动力。
AIBP的工作不仅仅是技术的堆砌，而是将大模型技术与企业的实际需求紧密结合。通过深入理解业务流程，找到大模型和其他AI技术可以发挥作用的点，从而推动业务流程的优化和创新。同时，AIBP也将实践者，将这些战略转化为具体的项目和行动计划，确保大模型转型能够在业务中得到有效实施。
infoq原文链接：（https://xie.infoq.cn/article/7c087d058533fa9891167f4b3）