01 人性化方向
知道原因、方向和界限。
一種負責任的人類視角定義了作品為何應該存在、它必須為誰服務、什麼不能妥協以及結果是否仍然符合初衷。人類無需預先設計每個解決方案即可糾正漂移。
- 目的和預期效果
- 持久的原則和界限
- 優先事項和相應的選擇
- 最終接受或重定向
人工智慧可以從中推理出一個方向，而無需簡化為任務執行。
一個人的方向。
多重責任。
Flaey 透過賦予人工智慧真正的工程責任並保持驗證、交付和學習明確，將明確的人類目的轉化為工作軟體。
一種方法，而不是一種規定的設定。
本地專案和組織規模的系統不需要相同的工具、控製或基礎設施。他們確實需要同樣清楚地了解誰擁有方向、誰設計和建造、結果如何受到挑戰、結果如何實現使用以及經驗如何改變接下來發生的事情。
保持責任穩定。擴大保障措施規模。
當軟體變得更大或更重要時，Flaey不會成為不同的方法。責任模型保持不變。當可能的傷害、敏感性或不可逆性增加時，孤立、獨立、證據、批准和恢復就會變得更強。
組織規模不是風險模型。後果是。
一個人的方向。 多重責任。
02 人工智慧工程
負責完整的路線。
人工智慧檢視當前的現實，解釋方向並擁有貫穿產品、架構、使用者體驗、資料、實施和營運結果的連貫路徑。它產生一個完整的結果，而不是支離破碎的片段或需要其他人完成的建議。
- 現實和背景檢查
- 產品、架構與使用者體驗設計
- 實施與修正
- 驗證和操作設計
圍繞預期結果形成的連貫的、可測試的候選軟體。
03 驗證
挑戰足夠獨立建置的風險。
產生的程式碼和綠色自動化本身並不能證明。驗證根據目的、原則、當前現實、失敗行為和使用者結果對候選人進行測試。軟體越重要，獨立性和證據就應該越強。
- 技術和功能檢查
- 對假設和遺漏的嚴格審查
- 針對特定風險的故障測試
- 哪些內容已通過、哪些內容未通過的證據
拒絕、修改或晉升候選人的合理決定。
04 出貨
將準確接受的結果投入實際使用。
交付使開發結果可見，將預覽與正式驗收分開，僅發布實際批准的內容。它確認正在運行的內容並保持相應的恢復路徑。
- 可見的開發或預覽結果
- 受控推廣和發布
- 確認活動結果
- 回滾、恢復或補償
可追溯到被接受的候選人的工作軟體。
05 學習
讓真正的交付改善下一個。
使用實際行為、失敗和糾正來改進產品及其開發方式。大多數體驗仍然是本地的。只有有證據支持的可重複使用的經驗教訓才應成為持久的原則、保障措施或公眾知識。
- 產後觀察
- 將事件與結構教訓分開
- 基於證據的改進
- 刪除過時的規則和流程
一個更好的下一個開發週期，而無需累積官僚主義。
這些軌道圍繞著一個結果協同工作。
該方法是遞歸的，而不是嚴格的工具序列。拒絕將結果歸還給必須改進它的責任。
- 方向 人類定義目的、界限和預期效果。
- 理解 人工智慧檢查當前的產品和實施現實。
- 工程 人工智慧設計並建立完整的結果。
- 挑戰 驗證試圖反駁完整性和安全性。
- 使用 交付促進了已接受的結果並確認正在運行的內容。
- 學習 當證據證明其合理性時，觀察到的現實可以改進產品或方法。
從本地工具到對應的軟體。
Flaey 不需要每個專案都有企業機械，並且不允許簡單的設定隱藏嚴重的風險。根據結果、敏感性、可逆性和操作依賴性來選擇控制。
保持直接。
一個人和一個有能力的人工智慧環境可能涵蓋多個軌道。當後果有限時，預覽、集中測試、單獨審查和可恢復的發布可能就足夠了。
強化界限。
當故障影響許多人、受監管的資料或關鍵操作時，相同的軌道可以使用單獨的身份、環境、策略、正式證據、獨立接受和更強的恢復。
添加保證是因為結果需要它，而不是因為傳統流程需要它。
責任比工具更長久。
此方法可以在本地運行，或透過Cloudflare、AWS、Azure、Google Cloud或其他合適的環境運行。人工智慧模型、儲存庫和交付工具也可能發生變化。當替代者能夠履行相同的職責而不削弱所需的邊界時，它就是合適的。
如果明天每個現有供應商都發生變化，該方法仍然有意義嗎？
方法來源於實踐。
Pagayo 是應用和擴展此責任模型的地方。其當前的開發實踐和Pagayo Development Cloud展示了一種日益完善的實現。它們是證據和學習來源，而不是必需的堆疊。
看看Pagayo如何應用此方法從責任開始，而不是基礎建設。
首先明確人類指導、人工智慧工程、驗證、交付和學習。然後僅選擇實際軟體所需的工具和保護措施。