在构建以人工智能为核心的未来时，Gusto的联合创始人兼技术负责人Edward Kim提出了一个与众不同的观点。他认为，削减现有团队并雇佣一批经过特别训练的AI工程师并不是正确的做法。
Kim在与TechCrunch的一次访谈中表示，非技术团队成员可能比普通工程师更了解客户可能遇到的情况和困惑，这使得他们更有资格指导应该在AI工具中构建哪些功能。Gusto的方法是让其客户体验团队的非技术成员编写“配方”，这些“配方”指导其AI助手Gus（上个月宣布）与客户的互动方式。
Kim还提到，公司发现“那些不是软件工程师，但稍微有点技术头脑的人，能够构建真正强大和改变游戏规则的AI应用”，例如CoPilot——这是一个客户体验工具，于6月份推出给Gusto CX团队，每天的互动次数已经在2000到3000之间。
Kim表示，Gusto实际上可以对公司内部的很多人进行技能提升，帮助他们构建AI应用。这次访谈经过了内容的编辑，以便于理解和清晰。
Gus是Gusto向客户推出的主要AI功能，它在很多方面整合了之前构建的许多点功能。因为在应用程序中，你会开始看到它们充满了AI按钮，比如“按这个按钮用AI做某事”。而Gus则允许你去除所有这些按钮，当我们觉得Gus能为你做一些有价值的事情时，Gus可以以不显眼的方式出现并说:“嘿，我可以帮你写个职位描述吗?”这是与AI交互的更清洁的方式。
Kim认为，软件编程对大多数人来说并不易于接触，你必须学习如何编码，上很多年的学。机器学习更是难以接触，因为你必须是非常有特殊技能的软件工程师，并且拥有数据科学技能集，知道如何创建人工神经网络等。但最近发生的最大变化是，创建机器学习和AI应用的接口对任何人来说都变得更加易于接触。过去，我们必须学习计算机的语言，为此去上学，现在计算机正在学习更多地理解人类。这看起来可能不是什么大不了的事情，但如果你能考虑一下，它使得构建软件应用变得更加易于接触。
Gusto的实践表明，即使是非软件工程师，只要稍微有点技术头脑，也能够构建出真正强大和改变游戏规则的AI应用。公司正在利用其支持团队来扩展Gus的能力，而他们根本不需要知道如何编程。他们现在使用的接口允许他们做软件工程师一直在做的事情，而不需要学习如何编码。如果愿意，我可以举一个这样的例子。
在Gusto，即使是没有技术背景的人也能找到方法来利用他们的领域知识专长，特别是客户支持团队，帮助构建更强大的AI应用，特别是让Gus能够做越来越多的事情。每当客户支持团队收到支持票——也就是说，我们的客户之一联系我们，因为他们希望我们的支持团队帮助某事——如果它反复出现，我们实际上已经让客户支持团队为Gus编写了一个配方，这意味着他们实际上可以教Gus，而不需要任何技术能力。他们可以教Gus如何引导客户解决问题，有时甚至采取行动。
Gusto构建了一个内部界面，一个面向内部的工具，你可以用自然语言给Gus写指令，告诉他如何处理这样的情况。实际上，客户支持团队有一种无需编码的方式，可以告诉Gus调用某个API来完成任务。
目前有很多关于“我们将要在这个领域消除所有这些工作，我们正在雇佣这些AI专家，我们支付数百万美元，因为他们拥有这种独特的技能集”的讨论。我只是想，这是错误的做法。因为能够推进你的AI应用的人实际上是那些拥有该领域专业知识的人，尽管他们可能没有技术专长。Gusto实际上可以在这里提升很多人的技能，帮助他们构建AI应用。
Kim强调，选择ICL和IFT取决于各种因素，包括可用资源、数据量和特定应用需求。无论如何，研究突出了高质量训练数据对两种方法的重要性。这项名为“Is In-Context Learning Sufficient for Instruction Following in LLMs?”的研究将在2024年的NeurIPS会议上展示，相关代码已在GitHub上提供。
