Bilgi İstemi Mühendisliği: Pazarlamacılar ve İçerik Üreticileri İçin Bir Kılavuz

ChatGPT ve diğer üretken AI araçları, bildiğimiz şekliyle iş dünyasını değiştirecek.

Ama benim sözüme güvenme.

OpenAI, OpenResearch ve Pennsylvania Üniversitesi'nden araştırmacılar, ABD iş gücünün %80'inin görevlerinin en az %10'unda üretken yapay zeka araçlarının etkisini göreceğini tahmin ediyor.

Bu, AI araçları geliştikçe, daha fazla şirket ve çalışanın bu araçları belirli görevleri otomatikleştirmek, verimliliği artırmak ve hatta bazı işleri tamamen değiştirmek için kullanacağı anlamına gelir.

Bir örnek, ChatGPT'yi kullanmaya başlayan, değerini gören ve "maliyetlerden tasarruf etmek ve işleri daha hızlı halletmek" için belirli yönetici ve müşteri iletişim görevlerinden ve hatta pazarlamayla ilgili görevlerden sorumlu çalışanlarını serbest bırakan bir şirkettir.

(Zaten oluyor)

Bu, büyük olasılıkla, yöneticiler, bu yapay zeka araçlarına tamamen güvenilmemesi gerektiği yönündeki uyarılara rağmen, yapay zeka aracının işi daha hızlı ve daha doğru bir şekilde yapabileceğini hissettiğinde gerçekleşir.

Ama gümüş bir astar var.

Üretken yapay zeka araçlarından anlamlı çıktılar almak, insan dokunuşu gerektirir. Programlama, yazma, çeviri ve analiz gibi görevler hala insan girdisine, yani "aracı yönlendirirken" kullandığımız kelimelere, koda ve içeriğe dayanmaktadır. Sonuç olarak, üzerinde çalışılan yeni bir kariyer yolu var: hızlı mühendislik.

Bu kılavuz, ne olduğu, etkili bilgi istemleri yazmaya ve iş akışınızda yapay zekayı kullanmaya ilişkin ipuçları ve ister pazarlamacı ister içerik oluşturucu olun, bu alanda başarılı olmak için ihtiyaç duyduğunuz beceriler dahil olmak üzere hızlı mühendislik hakkında bilmeniz gereken her şeyi açıklar .

Sizi hızla gelişen hızlı mühendislik alanında hızlı bir tura çıkaracağım. Önsözü atlayıp eğlenceli şeylere geçmek istiyorsanız, işte bu makalede tam olarak ele aldığım şey:

• Hızlı Mühendislik Nedir?
• Bir İstemin Anatomisi: Öğeler ve Teknikler
• Etkili Bilgi İstemi Mühendisliği için İpuçları
• Pazarlamacılar ve İçerik Oluşturucular için Hızlı Mühendislik

Hadi başlayalım!

Hızlı Mühendislik Nedir?

Bilgi istemi mühendisliği, belirli bir yanıt almak için üretken bir yapay zeka aracına beslediğiniz talimatı veya sorguyu oluşturma ve iyileştirme sürecidir.

Bu konsept, ChatGPT'nin 2022'nin sonlarında piyasaya sürülmesinden bu yana moda kelime statüsüne ulaştı. Forbes'tan Insider'a, teknoloji ve iş yayınları, bazı durumlarda 350.000 doları aşan bu yeni gizemli konum hakkında fışkırıyor.

Hızlı mühendis kariyer yolunun uzun vadeli uygulanabilirliği hala tartışmaya açık olsa da, bir şey değil:

Tüm sektörlerdeki şirketler, rekabet avantajı elde etmek için üretken yapay zeka araçlarından yararlanmak için çabalıyor.

Meta, Slack, Instacart, Shopify, Canva ve diğer teknoloji devleri, GPT tabanlı ürünlerle çoktan trene bindi. Ancak para, SaaS ile bitmiyor; sağlık, emlak ve medya genelindeki işletmeler de bunu kullanıyor.

Ancak herhangi bir GPT aracı kullandıysanız, sonuçlarının her zaman en yüksek kalitede olmadığını bilirsiniz. Elbette, bazı etkileyici yetenekleri var ve düzenli olarak gelişiyor gibi görünüyorlar, ancak bazen yanlış bilgiler veya alakasız cevaplar veriyorlar.

Basitçe söylemek gerekirse, istemlerinizin kalitesi, bu araçlardan aldığınız sonuçların kalitesini belirler. İyi tasarlanmış bir bilgi istemi, amacınızı yapay zeka modeline etkili bir şekilde iletir ve böylece sorunuza doğru şekilde yanıt veren yanıtlar üretir. Bu nedenle, özellikle içerik oluşturma veya pazarlama oyunundaysanız, bu araçları nasıl kullanacağınızı bilmek inanılmaz derecede değerlidir.

Bu parçanın özüne girmeden önce, hızlı mühendisliğin şu 4 temel adımını aklınızda tutmanızı istiyorum:

• Hedefi veya hedefi tanımlama: Tüm bilgi istemleri, yapay zekanın ne üretmesi beklendiğini belirten, açıkça tanımlanmış bir amaç veya hedef içerir.Bu, içeriğin biçimini, hedef kitlesini veya istenen tonunu belirtmek gibi şeyleri içerir.

• Bağlamı belirleme: Konuyla ilgili arka plan bilgileri ve diğer bağlamları sağlamak, yapay zeka modelinin istediğiniz çıktıyı daha iyi anlamasına yardımcı olarak modelin daha alakalı ve doğru yanıtlar üretmesini sağlar.

• Örnekler ve rehberlik sağlama: Bir bilgi istemine örnekler dahil etmek, AI modeline istenen içeriği nasıl oluşturması gerektiğine dair bir şablon verir.Bu, özellikle yapay zekanın belirli bir yapıyı takip etmesini veya belirli yönergelere bağlı kalmasını istediğinizde yararlıdır.
• Yineleme ve iyileştirme: Hızlı mühendislik, herhangi bir iletişim biçimi gibi, yinelemeli bir yaklaşımdır.Bir istemin farklı varyasyonlarını test etmeniz, ortaya çıkardığı içeriği değerlendirmeniz ve hedefinizi veya hedefinizi ne kadar iyi karşıladığına göre istemi iyileştirmeniz gerekir.

Ne zaman kendimi ChatGPT veya Jasper gibi bir araçtan kaliteli çıktı almakta zorlansam bulsam , yapay zekaya ihtiyacı olan her şeyi verdiğimi doğrulamak için bu 4 adıma geri dönüyorum. Unutmayın: Bu araçlar yalnızca sağladığımız girdiler kadar iyidir!

Şimdi, kaliteli girdiler tasarlamak için kullanabileceğiniz belirli bilgi istemi öğelerine ve yönlendirme tekniklerine bakalım.

Bir İstemin Anatomisi: Öğeler ve Teknikler

İstemler, üretici yapay zeka aracını istenen çıktıya yönlendirmek için birlikte çalışan birkaç temel bileşenden oluşur. Her bir bileşeni ve daha da önemlisi yapay zeka modelinin bunları nasıl yorumladığını anlamak, istediğiniz sonuçları almanıza yardımcı olacaktır.

Hızlı yazma sürecinde akılda tutulması gereken dört ana bileşen şunlardır:

Talimatlar

Talimat bölümü, yapay zekanın gerçekleştirmesini istediğiniz görevi ana hatlarıyla belirtir. Özetleme, ayıklama, çevirme, sınıflandırma veya metin oluşturma gibi istenen eylemin net ve özlü bir tanımını sağlar.

Talimatların netliği ve özgüllüğü, yapay zeka tarafından oluşturulan içeriğin alaka düzeyini ve doğruluğunu doğrudan etkiledikleri için çok önemlidir. Üretken yapay zekalar, kullanıcının amacını anlamak ve beklentileriyle uyumlu yanıtlar oluşturmak için bu talimatlara güvenir.

Aşağıdaki istemde, ChatGPT'ye oluşturmasını istediğim çıktıyla ilgili net talimatlar verdim: Başlık ve giriş paragrafı içeren 10 blog gönderisi fikri.

Bağlam

Bağlam, bir bilgi isteminin önemli bir bileşenidir. Yapay zeka modelinin, görevle ilgili arka plan bilgilerini ve konuyu kavramasına yardımcı olur. Konu, tür, üslup, hedef kitle veya herhangi bir özel kısıtlama veya yönerge hakkında ayrıntılar içerebilir.

Bağlam oluşturarak kullanıcılar, AI modeline bağlamsal olarak uygun ve verilen parametrelere uygun içerik üretmesi için rehberlik edebilir.

Aynı örnek istemde, istemi biraz bağlamla başlatıyorum: "Küçük işletmeler ve yeni başlayanlar için en iyi CRM platformları hakkında bir blog yazısı yazmam gerekiyor."

Giriş verileri

Girdi verileri, yapay zeka modelinin işleyip çıktıyı oluşturmak için kullanacağı gerçek içerik veya bilgileri ifade eder. Bazı durumlarda bu, yapay zekanın özetlemesi veya analiz etmesi gereken bir metin parçası olabilir; diğerlerinde, yapay zekanın yanıtını oluştururken göz önünde bulundurması gereken bir dizi veri noktası veya örnek olabilir.

Doğru ve ilgili girdi verilerinin sağlanması, yapay zeka tarafından oluşturulan içeriğin temelini oluşturduğu ve çıktının anlamlı ve bilgilendirici olmasını sağladığı için kritik öneme sahiptir.

Örnek istemimize bir kez daha baktığımızda, eklediğim giriş verilerinin, ChatGPT'nin içeriği nasıl biçimlendirmesini ve yazmasını istediğimi gösteren örnek bir çıktı olduğunu fark ediyoruz.

Çıkış göstergeleri

Çıktı göstergeleri, AI tarafından oluşturulan içeriğin biçimini, yapısını veya sunumunu tanımlamaya yardımcı olur. Madde işaretleri sayısını, bilgi sırasını veya gerekli uzunluğu belirtmek gibi çıktıyı düzenlemek için açık talimatlar içerebilirler.

Çıktı göstergeleri ayrıca AI modeline, okunması kolay, iyi yapılandırılmış ve kullanıcının istediği formatla uyumlu yanıtlar üretme konusunda rehberlik etmeye yardımcı olur.

Örnek istemde, öğe sayısı (toplam 10 fikir), bileşen parçaları (başlık ve giriş paragrafı) ve cümle sayısı (4- 5).

Kullanıcılar bu bileşenleri etkili bir şekilde içeren bir bilgi istemi oluşturduğunda, ChatGPT ve Jasper gibi üretici yapay zekalar, istemi yorumlamak ve kullanıcının gereksinimlerini karşılayan içerik oluşturmak için daha donanımlı hale gelir.

Bilgi isteminin anatomisini ve her bileşenin oynadığı rolü anlayarak, bilgi istemi mühendisliği becerilerinizi optimize edebilir ve yapay zeka güdümlü içerik oluşturma araçlarının tam potansiyelinden yararlanabilirsiniz.

Hızlı Mühendislik Teknikleri

Şimdi, yeni arkadaşımız ChatGPT'den biraz görsel destek alarak, hızlı mühendislik tekniklerinin ana türlerine bir göz atalım.

Sıfır Atış İstemi

Sıfır atış istemi, yapay zeka modeline, gerçekleştirmesi istenen görevi anlamasına yardımcı olacak herhangi bir örnek veya bağlamın sağlanmadığı bir istemdir. Modelin, genel bilgisi ve istemi yorumlama becerisi temelinde görevi tamamlaması beklenir.

Belirli bir sorunun tanımı veya yanıtı gibi bilgilere hızlı erişim aradığınızda, sıfır noktalı istemler harikadır.

Tek seferlik Bilgi İstemi

Tek seferlik bilgi istemi, AI modeline istenen görevi göstermek için tek bir örnek sağlar. Bu, modelin yanıtta kullanılacak kalıp veya biçim gereksinimlerini anlamasına yardımcı olur.

Bir matematik problemi gibi, yapay zekanın talimatlarınıza nasıl yanıt vermesini istediğinize dair belirli bir örneğiniz olduğunda, tek seferlik istemler daha etkilidir.

Birkaç atış İstemi

Birkaç adımlık bilgi istemi, tek adımlık bilgi istemine benzer, ancak yapay zeka modelinin istenen çıktıyı daha iyi anlamasına yardımcı olmak için birden çok örnek sağlar. Bu, modelin görevi daha etkili bir şekilde genelleştirmesini sağlar.

Tek seferlik bilgi isteminden harika sonuçlar alamadığınızı fark ederseniz, bunu daha fazla örnek içeren birkaç adımlık bilgi istemine dönüştürmek, çıktılarınızı istenen biçime yaklaştırmanıza yardımcı olabilir.

Düşünce Zinciri Uyarıları

Bir düşünce zinciri istemi, modelin önceki istemlere verdiği yanıtların, onun anlayışını ve sonraki istemlere verdiği yanıtları etkilediği bir dizi bağlantılı soru veya görevi içerir. Bu tür bilgi istemi, karmaşık görevler için veya bir görüşmede bağlamı korumak için kullanışlıdır.

Kişisel favorim, düşünce zinciri istemleri, her bir istemi ince ayar yaparak ve biçimlendirerek zaman kaybetmeden bir konunun derinliklerine dalmak istediğinizde harikadır. ChatGPT ve sohbet benzeri bir arayüze sahip diğer yapay zekalar, önceki girişlerden bilgi, talimat ve içerik taşıma ve bunları mevcut çıktıya dahil etme yeteneğine sahiptir.

Etkili Bilgi İstemi Mühendisliği için İpuçları

Bu AI araçlarının son derece teknik, bilimsel doğasına rağmen, hızlı mühendislik süreci bir bilim olduğu kadar hala bir sanattır. Jasper ve ChatGPT gibi yapay zeka araçlarını kullanmanın henüz çok başındayız, bu nedenle istemleri daha iyi çıktılar için optimize etmek yinelemeli ve sezgiseldir.

Kitlenizden gelen önceki geri bildirimlere dayanarak bir blog gönderisindeki, Twitter dizisindeki veya LinkedIn gönderisindeki ifadelerle oynadığınız gibi, üretken yapay zeka araçlarından elde ettiğiniz çıktılarla da aynısını yapmanız gerekir.

Bununla birlikte, OpenAI ve GitHub uzmanlarının bu sürece biraz bilim katmanıza yardımcı olmak için gözlemlediği birkaç genel kural vardır .

Birkaçına bir göz atalım.

İfadelerinizde Açık ve Spesifik Olun

Belirsiz, net olmayan ifadeler kullanmanın, yapay zeka araçlarınızdan elde edilen çıktıları sulandırması garanti edilir. Unutmayın, inanılmaz derecede karmaşık bir algoritmaya talimatlar veriyorsunuz, bu yüzden ona ihtiyaç duyduğu bağlamı ve talimatları verin.

Bilgi istemleri yazarken, istenen çıktının biçimlendirmesini ve uzunluğunu belirtmenin özellikle yararlı olduğunu görüyorum. İstenen çıktının ana konusunu ek bir bağlama bağlamak da yararlıdır.

İsteminizde Örnekler Sağlayın

İstediğiniz çıktının bir örneğini sağlamak, AI'ya metni nasıl biçimlendirmesi ve oluşturması gerektiğine dair kesin bir şablon verecektir.

Bu, özellikle tweet'ler veya diğer sosyal gönderiler gibi bir çıktı seçenekleri listesi oluşturmak için yapay zekayı kullandığınızda yararlıdır.

Ne Yapmak İstediğinizeOdaklanın

Üretken AI aracınızın yapmasını istemediğinizherşeyi listeleme tuzağına düşmek kolaydır , ancak bu, kesinlik ve özgüllüğün ilk temel kuralına aykırıdır. Bunun yerine talimatlarınızı olumlu ifade etmeyi deneyin.

Bilgi istemini yazmanız biraz daha uzun sürebilir, ancak tam olarak aradığınız çıktıları aldığınızda buna değecektir!

İstemlerle Test Etme ve Deneme Yapma

İstemleri test etmek ve yinelemek, daha iyi çıktılar elde etmek için üretken yapay zeka araçlarıyla çalışırken çok önemli bir adımdır. Kullanıcılar, çeşitli komut istemi yapılarını, ifadeleri ve bağlamı deneyerek yapay zekayı daha doğru, ilgili ve tutarlı yanıtlara yönlendirebilir. Bu süreç, girdi istemini daha açık hale getirmek için iyileştirmeyi veya yapay zekanın odağını daraltmak için ek bağlam veya kısıtlamalar sağlamayı içerir.

Farklı bilgi istemlerini yinelerken ve ortaya çıkan çıktıları analiz ederken, yapay zekanın çeşitli talimatları nasıl yorumladığını ve bunlara nasıl yanıt verdiğini anlarsınız. Bu yinelemeli yaklaşım, yapay zeka ile etkili bir şekilde nasıl iletişim kuracağınız konusunda size daha derin bir anlayış sağlar ve sonuç olarak üretken yapay zeka aracından daha iyi performans ve daha arzu edilen sonuçlara yol açar.

Pazarlamacılar ve İçerik Oluşturucular için Hızlı Mühendislik

Tamam, bazı durum tespiti yaptık ve hızlı mühendislik için bazı temel kavramların ve ipuçlarının üzerinden geçtik. Şimdi eğlenceli şeyler zamanı.

Pekala, eğlenceli şeyler için neredeyse zaman var - önce önemli bir sorumluluk reddi beyanı:

Anladım? İyi.

Bunun dışında, günlük çalışmalarımda karşılaştığım farklı pazarlama ve içerik oluşturma görevlerinde ChatGPT'yi nasıl kullandığıma dair birkaç örneğe bakalım.

Fikir ve Beyin Fırtınası

Üretken yapay zeka araçlarını kullanmanın en etkili yollarından biri fikir oluşturmak ve beyin fırtınası yapmaktır. Bu modelleri eğitmek için kullanılan büyük miktarda bilgiyle, anlamsal olarak ilgili bilgilerin listelerini kolayca ve verimli bir şekilde üretebilirler.

Küçük işletmeler ve yeni başlayanlar için en iyi CRM platformları konusunda blog yazısı başlıklarının bir listesini oluşturmak için ChatGPT'de kullandığım bir istem örneği:

Gördüğünüz gibi, bu tek seferlik istemi bağlamı, biçimlendirme talimatlarını ve bana sağlam çıktılar sağlaması için ihtiyaç duyduğu örnek içeriği içerecek şekilde tasarladım.

Sadece birkaç dakika içinde GPT-4, blog gönderimi oluşturmak için kullanabileceğim 10 farklı başlık-giriş kombinasyonu sağladı.

Arkaplan araştırması

Yaklaşık bir ay önce, makine öğreniminin ve yapay zekanın akademik yönü hakkında daha fazla şey öğrenmem gerektiğine karar verdim (bariz nedenlerden dolayı). Google'ı, Wikipedia'yı ve akademik dergileri kullanmayla ilgili tipik sürecim yerine, araştırma sürecini başlatmak için ChatGPT'yi asistanım olarak kaydetmeye karar verdim.

İşte böyle gitti.

Yaklaşık 20 saniye içinde, nerede çalıştıkları veya çalıştıkları da dahil olmak üzere, alandaki en iyi araştırmacıların bir listesine ve alaka düzeyine dair kısa bir açıklamaya sahip oldum.

Aracın önceki istemlerimi oluşturabileceğini ve yanıtları bağlam olarak kullanabileceğini bildiğim için devam etmeye karar verdim.

Oldukça havalı, değil mi?

Ancak, bir adım daha ileri götürebilirsiniz.

gerçek dışı.

ChatGPT, 5 dakikanın biraz altında, ilgi alanımla ilgili önde gelen uzmanlar, onların en önemli katkılarının bir listesi ve her katkının kısa bir özeti dahil olmak üzere çok miktarda bilgi toplamama yardımcı oldu.

Ve görebileceğiniz gibi, istemler basit ve anlaşılırdı.

ChatGPT'nin düşünce zinciri bilgi istemi yetenekleri, önceki istemlerden gelen bağlamı taşıdığı anlamına gelir, bu nedenle belirteç sayısını tüketen ayrıntılı istemler hakkında endişelenmeme gerek yok.

Kişi Yaratma

Alıcı kişisi geliştirme, kendimi erken aşamalarda takılıp kaldığım, yoğun zaman alan B2B pazarlama görevlerinden biridir. Ancak, geniş bir dil modeli ve basit bir istemle, topu yuvarlamak kolaydır.

Örneğin, Notion'ın kurumsal hesabının potansiyel alıcılarını derinlemesine incelemek için kullandığım örnek bir bilgi istemini burada bulabilirsiniz.

Şimdi, bunların gerçekten yararlı olabilmesi için yapılması gereken daha çok iş var; ürün araştırmasıyla doğrulama, kullanıcı anketleri, alıcı yolculuğunun haritasını çıkarma ve tüm bunlar.

Yine de, bir dakikadan kısa bir süre içinde GPT-4, her biri için bir hedef ve önemli noktalarla birlikte tamamlanmış 5 potansiyel alıcıdan oluşan bir liste oluşturdu. Oh, ve aliterasyon kullanımı da güzel bir bonus.

Anahtar Kelime Tanımlama

İyi tasarlanmış bir bilgi istemi ile ön anahtar kelime tanımlama sürecinizi de hızlandırabilirsiniz.

Örneğin, kısa bir süre önce kurumsal bir zaman izleme yazılımı şirketini hedeflemek için anahtar kelimeler bulmaya çalışıyordum. ChatGPT'nin alakalı kelimeleri benden çok daha hızlı bulabileceğini bildiğimden, ona şu istemi verdim:

Ve işte GPT-4'ün bana çıktı olarak verdiği şey:

Bir dakikadan kısa sürede 25'in üzerinde potansiyel anahtar kelimenin listesi!

Yine bu listeyi alır almaz ahrefs'e gittim ve sonuçları arama hacmi ve anahtar kelime zorluğu açısından inceledim. Yine de ChatGPT, daha fazla analiz için odaklanabileceğim potansiyel arama terimlerini belirlemek için harika bir başlangıç ​​noktası olduğunu kanıtladı.

Brief ve Çerçeve Oluşturma

Pazarlamacıların ve içerik oluşturucuların sık sık takıldıkları bir diğer nokta da brief ve çerçeve oluşturma aşamasıdır. Ancak üretken yapay zeka ile içerik pazarlama sürecini yalnızca üç şeyle başlatabilirsiniz:

Bir konu fikri, bir hedef kitle ve bir avuç anahtar kelime.

Bir örnek ister misin? Yakın zamanda, TikTok pazarlamasıyla ilgili bir blog gönderisi için hazırladığım bir özette biraz yapay zeka yardımı almak için kullandığım bir istem:

Gördüğünüz gibi, bu istemi yapay zekaya çıktının hedefi, bağlamı ve biçimlendirmesiyle ilgili ihtiyaç duyduğu tüm bilgileri sağlamak için tasarladım.

Bu durumda, biçimlendirme isteğimde biraz iddialı bile oldum, ChatGPT'den dahil ettiğim anahtar kelimeleri alt başlıklar olarak kullanmasını ve taslağı madde işareti biçiminde oluşturmasını istedim.

İşte bana verdiği çıktı:

Umduğum gibi, yapay zeka istemimi alıp kolayca bir brief'e dönüştürdü ve ben de kolayca bir blog gönderisine dönüştürdüm - elbette birkaç ince ayar ve revizyonla.

Hızlı Mühendislik Becerileri Oluşturun ve İçerik İş Akışınızı Optimize Edin

Bu makalenin ikinci yarısında gösterdiğim gibi, pazarlama ve içerik oluşturma, üretken AI araçlarından büyük ölçüde etkilenecek işlerin %20'sine kesinlikle giriyor.

Buna korku merceğinden bakmak yerine, onu pazarlamacının araç setindeki başka bir araç olarak ele almalısınız: arama motoru optimizasyonu, sosyal medya pazarlaması, talep oluşturma, hızlı mühendislik.

Şişirilmiş maaşlar bir yana, büyük dil modellerinden daha iyi sonuçlar ortaya çıkaran girdiler oluşturma yeteneği, pazarlamacılar ve içerik oluşturucular için öğrenmesi gereken önemli bir beceridir. ChatGPT API'nin benimsenmesi herhangi bir göstergeyse, SaaS ve ötesindeki kurumsal şirketlerin çoğu üretken yapay zeka araçlarını kullanacaktır.

Hızlı mühendisliğin henüz ilk günlerinde olduğumuzu ve her şeyin çok hızlı ilerlediğini unutmayın. Bu nedenle, Jasper ve ChatGPT gibi araçlarla ilgili en son gelişmelerden, özellikle de bunları günlük iş akışlarınızda nasıl uygulayabileceğiniz konusundan haberdar olduğunuzdan emin olun.

ChatGPT ve DALL-E gibi üretici yapay zeka araçlarının içerik pazarlamasında nasıl devrim yarattığına bir kez daha bakmak için Ross'un Foundation Insiders için Yapay Zeka içeriği iş akışı gönderisine göz atın.