收益：
- 能够解释管理信息系统专家作为业务部门和 IT 之间桥梁的作用，以及人工智能在这座桥梁中产生价值的地方。
- 使用人工智能作为业务与 IT 通信的加速器时，能够区分哪些决策仍然是人类的责任
- 采用一种工作规则，通过业务规则、真实数据和利益相关者验证交叉验证每个人工智能输出
管理信息系统 (MIS) 是一组系统，使组织能够利用信息技术 (IT) 执行其业务流程。该领域的专家通常被称为“桥梁”：一方面是业务部门（销售、会计、人力资源、运营）用业务语言解释其想要的内容，另一方面是软件和基础设施团队将其翻译成代码和系统。 MIS 专业人员将这两个世界相互转化。销售经理的一句“我想更好地了解我的客户”变成了开发商可以执行的明确要求；这项工作的本质就是将开发人员的一句话“这个字段必须是外键”翻译成业务部门可以理解的解释。
人工智能 (AI) 正好适合这一桥梁工作，因为它主要包括生成、解释和构建文本：访谈记录、需求文档、数据字典、流程图、报告描述、演示文稿。这些都是AI可以加速的中间产品。但这个模块从一开始就明确了一个原则：人工智能加速了这些产品的起草；这是了解业务规则并负责决定其正确与否的人的工作。
桥的两边和人工智能的位置
业务部门方面是一个充满“什么”和“为什么”问题的世界：哪个问题、哪个目标、哪个优先级。 IT 方面是如何问题的世界：哪个表、哪个 API（英语应用程序编程接口；两个软件用来交换数据的标准接口）、哪个集成。 MIS专家的价值在于填补双方解释的缺失部分。业务部门经常忘记提及例外情况（“实际上对于海外客户来说，情况有所不同”）； IT 团队也看不到业务影响（“删除此字段会损坏报告”）。
人工智能在这方面通过三个具体方式提供帮助。第一个是快速草稿：在几分钟内从面试记录中提取初始要求列表。第二个是产生不完整的问题：“哪些情况没有在这个要求中定义？”当被问到时，它让我们想起了人们忽视的例外情况。第三，翻译：将技术描述翻译成业务语言，将业务语言的请求翻译成技术草案。这三者都节省时间；但它们都不是决定本身。
提示：将人工智能想象成“打字速度更快的实习生”。你总是检查实习生的输出，根据工作规则进行更正，并在其下面写上你的名字。责任仍然在你身上。
一步一步：人工智能驱动的桥梁研究
第 1 步——收集背景信息。用自己的话写出业务部门的问题；有什么系统、什么数据、有什么限制。这一步暂时不要给AI任何东西；先了解一下。
第 2 步 — 草图。通过将您收集的笔记提供给人工智能，它会列出第一批要求、可能的问题和假设。在这里，人工智能产生了“第一张快照”。
第 3 步 — 标记空格。收集人工智能生成的草稿中标记为“不确定”、“推测”和“需要确认”的每个点。此列表是向您的业务部门询问的问题的框架。
第 4 步 — 与利益相关者确认。把草稿拿到业务部门，一起填空。 AI做不到这一步；因为真正的业务规则只存在于从事这项工作的人的头脑中。
第 5 步 — 保护并传输。根据真实数据和现有系统仔细检查确认的需求，然后将其交给 IT 团队。
三个迷你案例：从数字来看
案例 1 — 节省时间，保持准确性。在一家零售公司，MIS 专家通常要花 3 天的时间根据 40 页的面试记录创建需求文档。借助人工智能，他半天就出了初稿；然而，利益相关者确认中发现，草案中的62项要求中有9项违反了业务规则。净收益：时间从 3 天减少到 1.5 天，但从未跳过验证步骤。
案例 2——幻觉的代价。在某物流公司，AI在需求稿中添加了一句“系统30天后自动删除记录”；不过，会议期间并没有讨论这样的事情。如果这句话没有被注意到，则可能会编写违反法定保留期限的删除规则。专家问道：“这个规定是从哪一次会议上得出的？”他通过提问发现了幻觉（模型自信地产生了现实中不存在的信息）。
案例 3——翻译的价值。一家制造公司的 IT 团队表示：“我们需要对主数据进行重复数据删除。”在人工智能的帮助下，MIS 专家将其翻译给业务部门：“同一个供应商在系统中出现了 3 条不同的记录，我们需要将它们合并为一条记录。”经过这次翻译后，业务部门才想起一个关键的例外：这两条记录实际上是同一家公司的两个分支机构，税号不同，不应该合并。
弱提示/强提示
弱提示：
根据这些笔记编写需求文档。[笔记]
这个提示给了模型很大的自由度；该模型填补了自己头脑中的空白，产生幻觉的风险增加了。
强力提示：
您的角色：您是一名经验丰富的 MIS 业务分析师。从下面的面试记录中起草一份要求。规则：- 仅使用记录中明确说明的信息；不要弥补缺失的内容。- 将每个需求写为可衡量的，格式为“系统应该...”。 - 用标签[不确定]分别列出注释中不清楚的每个点。- 将您所做的每个假设标记为[假设]。- 在末尾添加“询问利益相关者的 5 个问题”部分。采访笔记：【笔记】
强大的提示使模型保持在注释的范围内，禁止伪造并使需要验证的点可见。
四个可复制模板
1) 从业务语言翻译成技术草案：
将以下业务请求转化为技术需求草案。不要添加任何工作中未包含的技术细节；还列出您添加的每个假设。请求：[文本]
2）技术描述到业务语言的翻译：
将下面的技术解释翻译成不懂数据库的销售经理可以理解的简单土耳其语。用一句话强调业务影响。描述：[文字]
3）创建不完整的问题：
检查下面的要求列表，并提取未定义的情况（异常、限制、错误状态、授权）作为问题。不要回答，只列出需要问的问题。列表：[文本]
4）从会议摘要中提取行动：
来自以下会议记录：(a) 做出的决定，(b) 未解决的问题，(c) 负责的具体行动。备注中未注明或补足日期的，概不负责。注：[正文]
对比图：可以交给AI吗？
任务
AI加速了吗？
谁做出决定？
采访笔记初稿
是的，很强
MIS专家证实
写作要求可衡量
是的
利益相关者确认
业务规则的正确性
不
业务单位
范围和优先级决定
不
事业部+管理层
技术翻译
是的
IT团队确认
最终文件的批准
不
MIS专家标志
常见错误
- 按原样交付 AI 草案。该模型被认为是正确的，因为它书写流畅；不过，违反业务规则的句子也可以很流畅。根据业务规则过滤每个句子。
- 没有上下文就问。说“写要求”会迫使模型适应差距。你提供的背景越具体，幻觉就越少。
- 隐藏不确定性。最危险的错误是删除模型的“[UNCERTAIN]”标记，使文档看起来干净；不确定性并没有消失，它只是变得不可见。
- 跳过利益相关者验证。说“无论如何都是真的”并在时间压力下跳过确认是最昂贵的错误的根源。
- 将责任归咎于人工智能。 “这就是模型所写的”并不是一种辩护；而是一种辩护。签名属于MIS 专家。
注意：MIS 专家生成的需求是下面数十人将在一个月内编写的代码的基础。开头的一个小小的歧义最终变成了一次重大且昂贵的翻拍。这就是为什么在桥的起点处减速而在终点处加速的原因。
综上所述
MIS 专家是业务部门和 IT 部门之间的翻译人员，这项工作主要包括生成、解释和构建文本。人工智能极大地加快了这些中间体的起草速度：快速起草、不完整的问题生成和双向翻译。但业务规则、范围决策和最终批准的正确性始终取决于人类。像“快速打字实习生”一样使用人工智能：检查其输出，根据业务规则进行纠正，保持歧义可见，并与利益相关者确认。人工智能不能替代任何财务和合规关键决策中的主管专家批准。
应用任务
选择您自己组织的真实业务请求（或想象的场景）：例如，“销售团队希望一键收到每月营业额报告”。 (1) 用自己的话写出请求作为上下文。 (2) 产生带有上述“强力提示”的需求草案。 (3) 在单独的列表中列出模型生成的每个 [UNCERTAIN] 和 [ASSUMPTION] 标签。 (4) 将此列表转化为您要问利益相关者的 5 个问题。 (5) 最后，写一个场景，其中草稿中至少有一个句子可能违反业务规则，并解释您将如何注意到。
清单
- [ ] 我自己理解了工作要求，并在将其交给 AI 之前编写了上下文。
- [ ] 在提示中我给出了“禁止编造，标记歧义”的规则。
- [ ] 我分别收集了模型产生的所有不确定性和假设。
- [ ] 在没有与利益相关者确认的情况下，我没有最终确定草案。
- [ ] 我承认我对最终文件负责。
- [ ] 我没有将任何财务/合规性关键决策留给人工智能。