Imagen creada por mí con Microsoft Image Creator
 

Desde que OpenAI lanzó ChatGPT al público, ha surgido una avalancha de discusiones en línea sobre el nuevo trabajo de sus sueños: Prompt Engineering. Se promociona como "El trabajo más candente de la IA”, prometiendo salarios de seis cifras sin necesidad de experiencia en programación. Los entusiastas lo describen como un trabajo del futuro, Donde cualquiera puede ganar hasta $ 335K convenciendo a un genial robot sabelotodo para que dé las respuestas correctas. No es sorpresa, Instagram sabios que hacen dinero, carrera en YouTube predicadores, y los autoproclamados oráculos de TikTok han sido muy explícitos al respecto. Si bien esto suena como el trabajo de tus sueños, ¿es realmente realizable? Profundicemos en la realidad del mercado laboral detrás del revuelo para descubrirlo.

El análisis de los datos de anuncios de empleo proporciona información valiosa sobre las tendencias de la demanda laboral, las responsabilidades, las calificaciones y las expectativas salariales. Por eso, decidí echar un vistazo a los datos de los anuncios del llamado “El trabajo más candente de la IA”Sin especulaciones ni presunciones. Recopilé 73 datos de anuncios de empleo únicos publicados recientemente en plataformas populares de publicación de empleo en línea. Lea sobre mi metodología de recopilación de datos y acceda al conjunto de datos. esta página. Si bien 73 puede no ser un tamaño de muestra ideal, es un punto de partida integral para nuestro análisis. La revelación inicial es aleccionadora: hay escasez de empleadores que busquen "ingenieros rápidos".

Ahora, echemos un vistazo a los datos. El título de trabajo mencionado con más frecuencia es "ingeniero rápido". Sin embargo, también surgen otros títulos como “Analista de innovación de TI”, “Ingeniero independiente de ML/AI”, “Científico de datos” e “Ingeniero de IA”. Creé nubes de palabras para las calificaciones y responsabilidades mencionadas en las descripciones de los puestos. No creo que las nubes de palabras estén destinadas a revelar ideas extraordinarias, pero pueden representar una versión compacta de los puntos destacados importantes del texto. Como puede ver, en los anuncios de empleo los empleadores hablan de experiencia en informática, desarrollo de modelos, Python, diseño rápido, aprendizaje automático, modelos de lenguaje grandes, procesamiento de lenguaje natural e inteligencia artificial más que otras cosas.

1. Este es un tamaño de muestra significativamente mayor si lo comparamos con muchos de esos primeros artículos anecdóticos que construyeron todo su argumento sobre un salario de seis cifras sin codificación a partir de un solo anuncio de trabajo.
 

 

A continuación, utilicé ChatGPT y Claude para resumir el corpus de texto de los anuncios recopilados para identificar las calificaciones y calificaciones de ingeniería más importantes. Hice varias rondas de indicaciones con diferentes enfoques y luego verifiqué manualmente los datos para asegurarme de obtener resultados estables y válidos.

Cualificaciones esenciales exigidas para el trabajo de Prompt Engineer:

1. Competencia en programación Python (2-5 años de experiencia) incluyendo experiencia con marcos de IA/aprendizaje automático como TensorFlow, PyTorch, Keras.
2. Conocimiento práctico de PNL y LLM (2-5 años de experiencia) como BERT, GPT-3/4, T5, etc. Conocimiento de cómo funcionan estos modelos y cómo ajustarlos.
3. habilidades analíticas y de resolución de problemas fuertes. La capacidad de pensar críticamente, diseñar indicaciones efectivas, analizar el rendimiento del modelo y solucionar problemas es vital.
4. Experiencia en principios y técnicas de ingeniería rápida. como cadena de pensamiento, aprendizaje en contexto, árbol de pensamiento, etc. Esto permite guiar los modelos hacia los resultados deseados.
5. Excelentes habilidades de comunicación, tanto verbales como escritas. Esto es necesario para colaborar entre equipos, explicar conceptos técnicos y documentar el trabajo.

Y las responsabilidades esenciales de los trabajos de ingeniería puntuales son:

1. Diseño y optimización rápidos: Diseñar, desarrollar, probar y perfeccionar mensajes de texto generados por IA para maximizar la efectividad para diversas aplicaciones. Esto incluye el uso de técnicas como el aprendizaje por transferencia y el aprovechamiento de la experiencia lingüística para elaborar indicaciones diversas y de alta calidad.
2. Integración e Implementación: Garantizar una integración perfecta de indicaciones optimizadas en el producto o sistema general. Colaborar con ingenieros para implementar indicaciones y modelos en entornos de producción.
3. Evaluación y mejora del desempeño: Evaluar rigurosamente el rendimiento rápido utilizando métricas y comentarios de los usuarios. Realizar pruebas y análisis continuos para identificar áreas de optimización y pronta iteración.
4. Colaboración y recopilación de requisitos: Trabajar en estrecha colaboración con equipos multifuncionales como científicos de datos, creadores de contenido y gerentes de productos para comprender los requisitos y garantizar que las indicaciones se alineen con los objetivos comerciales y las necesidades de los usuarios.
5. El intercambio de conocimientos: Documentar procesos y resultados de ingeniería rápidos. Educar a los equipos sobre las mejores prácticas inmediatas. Mantenerse actualizado sobre los últimos avances de la IA para brindar innovación 

Es justo decir que la premisa de “sin experiencia en programación” del llamado “trabajo más popular de la IA” está lejos de la realidad, ya que las habilidades más demandadas en el mercado de la ingeniería rápida son el dominio de la programación y la experiencia en PNL y LLM. Y no se refieren a las habilidades de programación de Micky Mouse, sino que buscan expertos que estén familiarizados con los marcos de aprendizaje automático e inteligencia artificial. Los empleadores no solo exigen "familiaridad" con los LLM y la codificación, sino que, en promedio, buscan expertos con entre 2 y 5 años de experiencia trabajando con datos estructurados y no estructurados, codificación, PNL, ML e IA.

La lectura de las principales responsabilidades deja más claro por qué este puesto de trabajo exige un nivel tan alto de programación y habilidades de LLM. La ingeniería rápida, como trabajo profesional, no consiste en sentarse detrás de una computadora y jugar con modelos de IA generativa para darle la respuesta correcta. Se trata de construir sistemas de información empresarial que optimicen los insumos, los integren perfectamente con otros sistemas y productos de información y entreguen valores a los usuarios y clientes. En otras palabras, las empresas no buscan a alguien que pueda chatear con ChatGPT, quieren contratar expertos que puedan optimizar modelos similares a GPT e integrarlos con sus propios productos.

El análisis de los datos de los anuncios de empleo sobre los requisitos de grado indica una preferencia por formación técnica en informática, matemáticas, análisis, ingeniería, física o lingüística. Por lo general, se requiere una licenciatura en ciencias de la computación o un campo relacionado, y se prefieren o requieren títulos más avanzados para puestos de alto nivel. Los salarios son muy diferentes dependiendo de las responsabilidades y antigüedad. Puede ser tan bajo como 30 y tan alto como medio millón de dólares por año. En promedio, los anuncios de empleo con información salarial pagan entre 90 y 195 dólares al año.

A pesar del entusiasmo inicial, han surgido dudas sobre la viabilidad de la ingeniería rápida como el trabajo soñado. Como escribió Ethan Mollick, profesor de la Escuela Wharton, en un publicación en twitter El año pasado, “el ingeniero rápido no es un trabajo del futuro” porque “la IA se vuelve más fácil” y más inteligente a la hora de interpretar indicaciones básicas. Hace un mes Coursera publicó un bien pensado guía de carrera para ingeniería rápida (ver también así). Parece la Gen AI inicial la moda se está desvaneciendo lentamente, y estamos en una mejor posición para comprender el estado actual y las tendencias futuras de la IA. No me malinterpretes. La calidad de los resultados de la Generación AI depende en gran medida de los insumos. Aprender a utilizar e interactuar con estos modelos complejos se está convirtiendo en una habilidad importante para casi todo el mundo. Hay un número cada vez mayor de estudios científicos que sugieren que un enfoque sistemático de las indicaciones puede mejorar significativamente el resultado de estos modelos (ver 1, 2, 3, 4, 5, 6, 7). Sin embargo, la “ingeniería rápida” no es (y nunca fue) el trabajo soñado que algunas personas querían que fuera. Sin una experiencia significativa en programación, procesamiento de lenguaje natural, aprendizaje automático, desarrollo de productos e integración de software, nadie le pagará un salario de seis cifras simplemente por convertir ChatGPT en una respuesta correcta.

El presente y el futuro de la ingeniería de avisos y las aplicaciones de la Generación de IA parecen estar influenciados por dos tendencias importantes: en primer lugar, como mencionó Ethan Mollick, los modelos de la Generación de IA se están volviendo más hábiles a la hora de generar buenos resultados a partir de avisos simples y poco sofisticados, tal vez de forma similar a como funciona Internet. Los motores de búsqueda han mejorado a la hora de devolver resultados más relevantes a partir de consultas de búsqueda simples. En segundo lugar, los modelos Gen AI se están integrando cada vez más en los productos, servicios y plataformas de la empresa. Esta adaptación es crucial para el éxito de la economía de la IA. Por lo tanto, saber cómo optimizar, ajustar, personalizar e integrar los modelos Gen AI con los sistemas y productos de información actuales es y seguirá siendo un conjunto de habilidades valiosas. Es por eso que en los anuncios de empleo actuales, existe una gran demanda de programadores, diseñadores de sistemas y aquellos que puedan colaborar con otros miembros del equipo de desarrollo de productos.
 
 

Mahdi Ahmadi Es profesor clínico asistente en el departamento de Tecnología de la Información y Ciencias de la Decisión de la Universidad del Norte de Texas, donde enseño minería de datos, inteligencia empresarial y análisis de datos. Mi principal área de investigación es la aplicación de técnicas de aprendizaje automático y minería de datos en las empresas. También brindo consultas a empresas, instituciones de educación superior y organizaciones sin fines de lucro sobre sus problemas de análisis de datos.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.kdnuggets.com/prompt-engineering-an-integrated-dream?utm_source=rss&utm_medium=rss&utm_campaign=prompt-engineering-an-integrated-dream