IA aplicada y liderazgo de ingeniería
En MyCareer.NJ diseñé una base compartida en AWS Bedrock y un portafolio de prototipos de IA aplicada. La infraestructura funciona en el entorno estatal. Las funciones para residentes no se lanzaron y no les atribuyo resultados de residentes.
¿Qué sistemas de IA aplicada diseñaste para MyCareer.NJ?
Diseñé seis líneas principales: un orientador laboral fundamentado, búsqueda semántica, comparación de currículum y habilidades, inteligencia laboral, notificaciones y automatización de contenido y accesibilidad. El portafolio más amplio incluyó trece prototipos secundarios sobre una base compartida en Bedrock.
¿Qué partes llegaron a producción?
La infraestructura compartida funciona en el entorno estatal. El orientador laboral y los demás conceptos para residentes siguieron siendo prototipos a la espera de un piloto estatal. Ninguna persona residente usó el orientador, por lo que no hay datos de resultados y no debe describirse como una función activa de MyCareer.NJ.
¿Cómo probaste los límites del orientador laboral?
El prototipo pasó por seis revisiones previas al piloto, unas ochenta pruebas adversarias que bloqueaban la integración y una evaluación de 210 respuestas conocidas. Probé inyección de instrucciones, programas y precios sin respaldo, datos faltantes, desvíos de tema, certeza insegura y comportamiento de respuesta en inglés y español. Esas pruebas comparan el prototipo con una suite definida. No hacen infalible a un modelo de lenguaje.
¿Qué estableció la revisión de los cincuenta estados?
Mi revisión, limitada en el tiempo, de servicios públicos de empleo en los cincuenta estados no encontró un orientador conversacional equivalente para residentes y fundamentado en registros de programas. Ese hallazgo orientó el prototipo. No prueba que no existiera un trabajo comparable de forma privada o que apareciera después.
¿Qué demuestra el asistente de este sitio?
Aplica la misma regla en una superficie pública más pequeña: recuperar material revisado, responder solo cuando la fuente respalda la respuesta y detenerse cuando no lo hace. La fuente, la llamada al modelo en el servidor, el comportamiento de rechazo y las pruebas de producción permanecen separados para que cada límite pueda revisarse.