- LinkedIn nhận thấy việc xây dựng prototype cho tính năng AI tạo sinh có thể thực hiện rất nhanh, nhưng đưa vào sản xuất thực tế lại là vấn đề hoàn toàn khác.
- Bài học 1: Đừng kỳ vọng quá nhiều vào đà tiến độ ban đầu. 80% thiết kế cơ bản hoàn thành trong tháng đầu nhưng phải mất thêm 4 tháng nữa mới đạt 95%.
- Bài học 2: Sử dụng kỹ thuật Retrieval Augmented Generation (RAG) giúp các mô hình ngôn ngữ lớn (LLM) hoạt động hiệu quả hơn bằng cách truy xuất thông tin từ API nội bộ và nguồn bên ngoài.
- Bài học 3: Mô tả API để giúp LLM sử dụng chúng dễ dàng hơn, tránh các vấn đề như "ảo giác".
- Bài học 4: Chia nhỏ công việc hợp lý, tránh phân mảnh quá nhiều gây khó khăn cho việc duy trì trải nghiệm người dùng đồng nhất.
- Bài học 5: Đánh giá chất lượng sẽ là thách thức vì cần xây dựng các hướng dẫn khách quan cho một sản phẩm mang tính chủ quan.
- Bài học bổ sung: Phát triển ứng dụng AI tạo sinh là sự cân bằng giữa độ trễ và độ chính xác. Cần thận trọng khi sử dụng LLM.
📌 LinkedIn rút ra 5 bài học quý giá từ quá trình phát triển tính năng AI tạo sinh đầu tiên, bao gồm: không nên kỳ vọng quá nhiều vào tiến độ ban đầu, sử dụng kỹ thuật RAG, mô tả API, chia nhỏ công việc hợp lý, thách thức trong đánh giá chất lượng và cân bằng giữa độ trễ và độ chính xác. Kinh nghiệm này sẽ hữu ích cho các công ty khác khi triển khai AI tạo sinh.
Citations:
[1]https://thenewstack.io/5-lessons-from-linkedins-first-foray-into-genai-development/