નાની કંપની માટે વ્યવસાયમાં AIનો ખરેખર શું અર્થ થાય છે?
5 થી 200 લોકોની કંપની માટે, વ્યવસાયમાં AIનો ઉપયોગ મુખ્યત્વે ભાષાને લગતાં કામ કરતા જનરેટિવ સહાયકોનો ઉપયોગ છે: મુસદ્દા તૈયાર કરવા, સારાંશ કાઢવા, ફરી લખવા, માહિતી તારવવા અને સમજાવવા. તેનો અર્થ ભાગ્યે જ કોઈ મોડેલ બનાવવો કે ડેટા સાયન્સની ટીમ રાખવી થાય છે. સાધન તો સામાન્ય રીતે એવું હોય છે જેનું સબ્સ્ક્રિપ્શન તમે આજે બપોરે જ લઈ શકો; સમય તેના ઉપયોગ વિશેના નિર્ણયો લેવામાં જાય છે.
પ્રકાશિત સંશોધનમાં પણ આ રીત જોવા મળે છે. ફેબ્રુઆરીથી મે 2025 દરમિયાન વ્યવસાયો સાથે કરાયેલી 3,500 મુલાકાતો પર આધારિત યુકે સરકારના AI અપનાવવા અંગેના સંશોધનમાં, પહેલેથી AI વાપરતા 85% વ્યવસાયોએ જણાવ્યું કે તેઓ કુદરતી ભાષા પ્રક્રિયા અને લખાણ નિર્માણનો ઉપયોગ કરતા હતા, જે અન્ય કોઈ પણ પ્રકાર કરતાં ઘણું આગળ હતું. એ જ સર્વેક્ષણમાં જાણવા મળ્યું કે યુકેના લગભગ દર છમાંથી એક વ્યવસાય (16%) ઓછામાં ઓછી એક AI તકનીક વાપરતો હતો. બંને આંકડા તકનીક માટે જવાબદાર વ્યક્તિએ પોતે આપેલી માહિતી પર આધારિત છે, તેથી તેમને તમારા ક્ષેત્ર માટેના નિયમ તરીકે નહીં, પરંતુ તે સમયની સ્થિતિ તરીકે જુઓ.
વ્યવહારુ રીતે તેનો અર્થ એ છે કે વ્યવસાય માટે AI મુખ્યત્વે લોકો અને પ્રક્રિયાનો પ્રશ્ન છે. કોને કયું સાધન, કયાં કાર્યો માટે, કઈ માહિતી સાથે વાપરવાની છૂટ છે, અને પરિણામ ગ્રાહક સુધી પહોંચે તે પહેલાં કોણ તપાસે છે? આ ચાર પ્રશ્નોના સ્પષ્ટ જવાબ આપતી કંપનીને સામાન્ય સહાયકમાંથી પણ, મોંઘો સહાયક ખરીદીને દરેકને પોતાની રીતે સમજવા છોડી દેતી કંપની કરતાં વધુ લાભ મળશે.
વ્યવસાય માટે કયું AI ઉપયોગી છે?
શરૂઆત માટેનું શ્રેષ્ઠ સાધન સામાન્ય રીતે એવો સામાન્ય સહાયક હોય છે જે તમારી ટીમ રોજ વાપરતા સોફ્ટવેર સાથે બંધબેસે અને એવા વ્યવસાયિક પ્લાનમાં મળે જેની ડેટા અંગેની શરતો તમે વાંચી હોય. Microsoft 365 પર કામ કરતી કંપની સામાન્ય રીતે પહેલાં Copilotનું મૂલ્યાંકન કરશે; Google Workspace વાપરતી કંપની સામાન્ય રીતે Geminiનું મૂલ્યાંકન કરશે; અનેક સાધનોમાં કામ કરતી અથવા મોટા પ્રમાણમાં લાંબું લખાણ અને વિશ્લેષણ કરતી ટીમ ઘણી વાર ChatGPT અને Claudeના વ્યવસાયિક પ્લાનની સરખામણી કરશે. આમાંથી કોઈ પણ દરેક ટીમ માટે યોગ્ય જવાબ નથી, અને પ્લાનની સુવિધાઓ એટલી વાર બદલાય છે કે તમારે ક્રમવાર યાદી ધરાવતા લેખને બદલે વિક્રેતાનું વર્તમાન પ્લાન પાનું તપાસવું જોઈએ.
સુવિધાઓની યાદી પહેલાં માહિતી સંબંધિત શરતો જુઓ. વ્યવસાય અને મોટા ઉદ્યોગો માટેની યોજનાઓમાં સામાન્ય રીતે મફત વ્યક્તિગત ખાતાં કરતાં માહિતીની હેરફેર અલગ રીતે થાય છે. ઉદાહરણ તરીકે, Anthropicનું ગોપનીયતા કેન્દ્ર જણાવે છે કે ગ્રાહક પ્રતિસાદ ન આપે અથવા અન્ય રીતે મંજૂરી ન આપે ત્યાં સુધી તે મૂળભૂત રીતે Claude for Work અને API જેવાં તેનાં વ્યાવસાયિક ઉત્પાદનોમાં દાખલ કરેલી માહિતી કે તેમાંથી મળતાં પરિણામોનો ઉપયોગ તેનાં મોડેલોને તાલીમ આપવા માટે કરતું નથી. તમે જે સાધન પસંદ કરો તેના માટેનું આવું જ પાનું તપાસો અને ખાતરી કરો કે તે તમે ખરેખર ખરીદી રહ્યા છો તે યોજનાને લાગુ પડે છે.
વિશેષ કામનાં સાધનો પછી ઉમેરો. બોલેલી વાતને લખાણમાં ફેરવતું સાધન, તમારા સહાયતા કેન્દ્રમાંની AI સુવિધા અથવા ચિત્ર બનાવતું સાધન કોઈ એક ટીમ માટે ઉપયોગી હોઈ શકે છે, પણ દરેક સાધન એટલે કંપનીની માહિતી પહોંચે એવું વધુ એક સ્થળ અને વાંચવા માટે શરતોનો વધુ એક સમૂહ. એક સામાન્ય સહાયકથી શરૂઆત કરો, તમારી ટીમ તેના જવાબોની સમીક્ષા કેવી રીતે કરે છે તે સમજો, પછી જ્યાં કોઈ સ્પષ્ટ કાર્ય માટે જરૂર હોય ત્યાં વિશેષ સાધનો ઉમેરો. કામ માટે AI સાધનો પસંદ કરવા અંગેની અમારી માર્ગદર્શિકામાં મંજૂરી પહેલાં પૂછવાના પ્રશ્નોની વધુ વિગત છે.
| જો તમારી ટીમ મુખ્યત્વે આમાં કામ કરતી હોય | મૂલ્યાંકનથી શરૂઆત કરો | ખરીદતાં પહેલાં તપાસો |
|---|---|---|
| Microsoft 365 (Outlook, Word, Excel, Teams) | વ્યવસાયિક યોજના હેઠળનું Microsoft Copilot | તમારા લાઇસન્સ અને પરવાનગીઓ હેઠળ Copilot કઈ ઍપ્સ અને કયા ડેટા સુધી પહોંચી શકે છે |
| Google Workspace (Gmail, દસ્તાવેજો, સ્પ્રેડશીટ્સ) | Workspace માટે Gemini | Workspace ની કઈ આવૃત્તિમાં તે સામેલ છે અને સંચાલકો શું બંધ કરી શકે છે |
| વિવિધ સાધનોનો ઉપયોગ, અથવા મોટા પ્રમાણમાં લેખન અને વિશ્લેષણ | ChatGPT અથવા Claudeની વ્યવસાયિક યોજનાઓ | તાલીમ માટે ડેટાના ઉપયોગની મૂળભૂત ગોઠવણો, ડેટા જાળવણી, વહીવટી નિયંત્રણો અને વપરાશકર્તા લાઇસન્સની શરતો |
| એક મર્યાદિત કાર્ય, જેમ કે કૉલની નોંધો અથવા ચિત્રો | સામાન્ય સહાયક પછી, વિશિષ્ટ કામ માટેનું સાધન | ફાઇલો ક્યાં સંગ્રહાય છે, કોણ તેને જોઈ શકે છે અને તેને કેવી રીતે કાઢી નાખવી |
વ્યવસાયમાં AI નો અમલ પગલુંદરપગલું કેવી રીતે કરવો?
કામ કરવાની કોઈ પણ નવી પદ્ધતિ અમલમાં મૂકો તેમ AI અમલમાં મૂકો: એક જવાબદાર વ્યક્તિ, મંજૂર કાર્યોની ટૂંકી યાદી, લેખિત મર્યાદાઓ, સમીક્ષાનો તબક્કો અને આગળ ચાલુ રાખવું કે નહીં તે નક્કી કરવાની તારીખ. નીચેના પગલાં માહિતી ટેકનોલોજી વિભાગ વિનાની કંપની માટે યોગ્ય છે, અને તેમાં મહિનાઓ નહીં, અઠવાડિયાં લાગે છે.
1. જવાબદાર વ્યક્તિ નક્કી કરો
કઈ સાધનોને મંજૂરી આપવી તે એક વ્યક્તિ નક્કી કરે, પ્રશ્નોના જવાબ આપે અને યાદી અદ્યતન રાખે. નાની કંપનીમાં આ કામ સામાન્ય રીતે સંચાલનના વડા અથવા સ્થાપક કરે છે, સમિતિ નહીં.
2. વારંવાર કરવાં પડતાં ભાષા સંબંધિત કાર્યોની યાદી બનાવો
દરેક ટીમને દર અઠવાડિયે કરતી હોય અને જેમાં વાંચવાનું કે લખવાનું હોય એવી ત્રણ કામગીરી જણાવવા કહો: સપ્લાયરોને ઇમેઇલ, બેઠકની નોંધો, દરખાસ્તોના પ્રારંભિક મુસદ્દા, ઉત્પાદનનાં વર્ણનો, નીતિઓના સારાંશ. કામના કદ કરતાં તે વારંવાર થતું હોવું વધુ મહત્ત્વનું છે.
3. દરેક કાર્યને તેના પરિણામની અસર પ્રમાણે ગુણ આપો
પરિણામ ખોટું હોય તો શું થાય તે નોંધો. આંતરિક બેઠકના સારાંશની અસર ઓછી હોય છે; ગ્રાહકને આપેલા ભાવ કે પગારની ગણતરીના ખુલાસાની અસર મોટી હોય છે. શરૂઆત ઓછી અને મધ્યમ અસરવાળાં એવાં કાર્યોથી કરો, જેના સમીક્ષક કોણ હશે તે સ્પષ્ટ હોય.
4. એક સાધન અને એક પ્લાન પસંદ કરો
તમારા હાલના સૉફ્ટવેરને અનુરૂપ સહાયકની વ્યવસાયિક યોજના પસંદ કરો અને ડેટા અંગેની તેની શરતો વાંચો. દરેક વ્યક્તિને પોતાનું મફત ખાતું પસંદ કરવા ન દો.
5. મર્યાદાઓ એક પાનાં પર લખો
સાધનમાં કઈ માહિતી દાખલ કરી શકાય, કઈ ન કરી શકાય (ગ્રાહકોના રેકોર્ડ, વ્યક્તિગત ડેટા, જાહેર ન કરેલી નાણાકીય વિગતો, પાસવર્ડ), કોણ શેની સમીક્ષા કરે છે અને કંઈક ખોટું થાય તો કોને જાણ કરવી.
6. માત્ર પ્રોમ્પ્ટ નહીં, સમીક્ષા કેવી રીતે કરવી તે પણ શીખવો
લોકોને સંદર્ભ કેવી રીતે આપવો તે બતાવો, પછી કોઈપણ સામગ્રી સંસ્થાની બહાર જાય તે પહેલાં તથ્યો, આંકડા અને ભાષાનો સૂર કેવી રીતે તપાસવાં તે બતાવો. પહેલાં કાલ્પનિક અથવા મંજૂર ઉદાહરણો પર અભ્યાસ કરો.
7. ચારથી છ અઠવાડિયાં પછી સમીક્ષા કરો
વાસ્તવિક કામના નમૂનાઓ જુઓ, લોકોએ શું વાપરવાનું બંધ કર્યું અને શા માટે તે પૂછો, અને કયાં કાર્યો જાળવવાં, બદલવાં કે છોડવાં તે નક્કી કરો. માત્ર એવી નિયમિત કાર્યપદ્ધતિઓનો વિસ્તાર કરો જે ઉપયોગમાં અસરકારક નીવડી હોય.
વાસ્તવિક ટીમમાં આ કેવી રીતે કામ કરે છે?
બ્રાઇટવોટર ઇન્ટિરિયર્સ નામની એક કાલ્પનિક કંપની લો: ઑનલાઇન ફર્નિચર વેચતા 22 લોકો, જેમાં નાની ગ્રાહક સેવા ટીમ, બે માર્કેટિંગ કર્મચારીઓ અને એક સંચાલન વડા છે. સંચાલન વડા જવાબદારી સંભાળે છે, વ્યવસાયિક પ્લાન હેઠળનો એક સહાયક પસંદ કરે છે અને શરૂઆતનાં બે કાર્યો મંજૂર કરે છે: સપ્લાયરની વિશિષ્ટતાઓની પત્રક પરથી ઉત્પાદનના વર્ણનોના મુસદ્દા તૈયાર કરવા અને ઓર્ડરની નોંધો પરથી ડિલિવરી અંગેના પ્રશ્નોના જવાબોના મુસદ્દા તૈયાર કરવા. ગ્રાહકોનાં નામ અને સરનામાં સાધનમાં નાખવામાં આવતાં નથી; કર્મચારીઓ માત્ર ઓર્ડરની સ્થિતિ અને પ્રશ્ન જ પેસ્ટ કરે છે.
માર્કેટિંગ કર્મચારીની પહેલી સૂચના છે: 'ઓકના લાકડાના ભોજનમેજ માટે ઉત્પાદનનું વર્ણન લખો.' મળેલું લખાણ સહજ છે અને તેમાંની ભૂલો શીખવા માટે ઉપયોગી છે. તેમાં મેજને 'નક્કર ઓકના લાકડાનું' કહેવામાં આવ્યું છે, જ્યારે વિશિષ્ટતાઓના પત્રક મુજબ તે બનાવટી બોર્ડ પર ઓકના પાતળા પડથી બનેલું છે; તેમાં 'આઠ લોકો આરામથી બેસી શકે છે' એવો દાવો છે, જ્યારે વિશિષ્ટતાઓમાં છ લખ્યું છે; અને તેમાં 'બીજા જ દિવસે મફત પહોંચાડવાનું' વચન છે, જે બ્રાઇટવૉટર આપતું નથી.
સમીક્ષા કરેલા પ્રોમ્પ્ટમાં વિશિષ્ટતાઓની પત્રકનું લખાણ, બ્રાન્ડના ભાષાશૈલી વિશેની નોંધો અને ત્રણ નિયમો આપવામાં આવ્યા છે: ફક્ત પત્રકમાં આપેલી હકીકતો વાપરો, કોઈ વિગત ન હોય તો અનુમાન કરવાને બદલે તે દર્શાવો અને ડિલિવરીની શરતોનો ક્યારેય ઉલ્લેખ ન કરો. નવા મુસદ્દામાં 'ઓક લાકડાનું પાતળું આવરણ', 'છ લોકો બેસી શકે છે' લખ્યું છે અને અંતે નોંધ છે: 'વિશિષ્ટતાઓના પત્રકમાં ટેબલનું વજન આપેલું નથી; પ્રકાશિત કરતાં પહેલાં કૃપા કરીને તેની ખાતરી કરો.' માર્કેટિંગ કર્મચારી હકીકત દર્શાવતા દરેક વાક્યાંશને પત્રક સાથે ચકાસે છે અને પ્રકાશિત કરે છે. સમય ખરેખર બચે છે, પણ થોડો જ; મોટો ફાયદો એ છે કે હવે ટીમ પાસે વારંવાર વાપરી શકાય એવો પ્રોમ્પ્ટ અને ગ્રાહક ફરિયાદ કરે તેવી ભૂલ પકડી શકે એવી ચકાસણી છે.
બ્રાઇટવોટરે જાણીજોઈને શું ન કર્યું: સહાયકને ગ્રાહકોને સીધા જવાબ મોકલવા દેવા, ઓર્ડરનો નિકાસ કરેલો આખો ડેટા તેમાં પેસ્ટ કરવો, અથવા બંને કાર્યોની સમીક્ષા થાય તે પહેલાં આખી કંપનીમાં અમલીકરણની જાહેરાત કરવી. સમીક્ષા કરવાની ટેવ વિકસ્યા પછી આ નિર્ણયો લઈ શકાય છે.
નાના વ્યવસાય માટેની AI વ્યૂહરચનામાં શું હોવું જોઈએ?
નાના વ્યવસાય માટેની AI વ્યૂહરચના એક પાનામાં સમાઈ શકે છે: તમે AI શા માટે વાપરો છો, કયાં સાધનો મંજૂર છે, કયાં કાર્યો સામેલ છે અને કયાં નથી, કઈ માહિતી બહાર જ રાખવી જરૂરી છે, કોણ શાની સમીક્ષા કરે છે, લોકો કેવી રીતે શીખશે અને તે કામ કરે છે કે નહીં તે તમે કેવી રીતે નક્કી કરશો. તેનાથી લાંબી વ્યૂહરચના સામાન્ય રીતે એ સંકેત છે કે હજી નિર્ણયો લેવાયા નથી.
જોખમ વ્યવસ્થાપનનાં માળખાં જે વર્ણવે છે તેનું આ નાનું સ્વરૂપ છે. NISTનું AI જોખમ વ્યવસ્થાપન માળખું, જેને NIST સ્વૈચ્છિક ઉપયોગ માટેનું ગણાવે છે, તેનું માર્ગદર્શન શાસન, નકશાંકન, માપન અને વ્યવસ્થાપન હેઠળ ગોઠવે છે. તેનું શાસન સંબંધિત માર્ગદર્શન ભૂમિકાઓ અને જવાબદારીઓનું દસ્તાવેજીકરણ, સંસ્થાની નીતિઓ મુજબ લોકો પોતાની ફરજો બજાવી શકે તે માટે તાલીમ, અને ચિંતાઓ ઉચ્ચ સ્તરે રજૂ કરવા માટે સ્પષ્ટ માર્ગો રાખવાનું કહે છે. 20 વ્યક્તિઓની કંપનીને આખા માળખાની જરૂર નથી, પરંતુ એ જ ચાર ટેવો લાગુ પડે છે: કોણ જવાબદાર છે તે જાણો, કયાં સાધનો વપરાય છે તે જાણો, લોકો ખરેખર જે કાર્યો કરે છે તેની તાલીમ આપો અને સમસ્યા રજૂ કરવાનું સરળ બનાવો.
હેતુ
તમે AI પાસેથી કયા કામમાં મદદ ઇચ્છો છો તે વિશે બે કે ત્રણ વાક્યો, જેમ કે માર્કેટિંગમાં પ્રથમ મુસદ્દા ઝડપથી બનાવવા અથવા સપ્લાયરના દસ્તાવેજોના સારાંશ ઝડપથી તૈયાર કરવા.
મંજૂર કરેલાં સાધનો અને પ્લાન
ચોક્કસ સાધન, તેનો પ્લાન, તેનું સંચાલન કોણ કરે છે અને લોકોને તેનો ઉપયોગ કરવાની પરવાનગી કેવી રીતે મળે છે.
અંદર આવતાં અને બહાર જતાં કાર્યો
મંજૂર કાર્યો અને હજી મંજૂરી ન હોય તેવા કાર્યોની ટૂંકી યાદી, જેમ કે કોઈ વ્યક્તિ વિશે નિર્ણય લેતું કોઈ પણ કાર્ય.
માહિતી અંગેની મર્યાદાઓ
શું દાખલ કરી શકાય અને શું નહીં, તે લોકો પોતાના કામ સાથે સાંકળી શકે તેવાં ઉદાહરણો સાથે.
સમીક્ષા અને અંતિમ મંજૂરી
કંપનીની બહાર મોકલતાં પહેલાં કયા પરિણામોની તપાસ કોણ કરે છે અને તેમાં શું તપાસે છે.
શિક્ષણ
લોકો કેવી રીતે અભ્યાસ કરશે અને શંકા હોય ત્યારે કોને પૂછશે.
સમીક્ષાની તારીખ
તમે ક્યારે પુરાવાની સમીક્ષા કરશો અને શું ચાલુ રાખવું તે નક્કી કરશો.
આ કોઈ ભૂમિકા સાથે કેવી રીતે જોડાય છે તે જોવા માંગો છો?
ટીમ માટે આયોજન હેઠળના અજમાયશી ઉપયોગ વિશે જાણો ↗મુખ્ય જોખમો કયા છે અને પરિણામ કોણ તપાસે છે?
રોજિંદાં જોખમોમાં આત્મવિશ્વાસથી રજૂ થતી ભૂલો, ખોટા સાધનમાં જતી સંવેદનશીલ માહિતી અને લખાણ સારું લાગતું હોવાથી લોકોનો તેના પર વિશ્વાસ બેસી જવો સામેલ છે. NISTની જનરેટિવ AI પ્રોફાઇલમાં જનરેટિવ AIને લગતાં વિશિષ્ટ જોખમોમાં મનઘડંત માહિતીનો ઉલ્લેખ છે, જેની વ્યાખ્યા તે આત્મવિશ્વાસથી રજૂ કરાતી પરંતુ ભૂલભરેલી કે ખોટી સામગ્રીના નિર્માણ તરીકે કરે છે. તેમાં સ્વચાલન પ્રત્યેનો પક્ષપાત, એટલે કે સ્વચાલિત પ્રણાલીઓ પર વધુ પડતો ભરોસો, પણ સમજાવવામાં આવ્યો છે અને નોંધવામાં આવ્યું છે કે તે અન્ય જોખમો વધારી શકે છે. સરળ શબ્દોમાં: સાધન ક્યારેક ખોટું હશે, અને લોકો તેની વાત માનવા તરફ વળે છે.
યુનાઇટેડ કિંગડમનું માર્ગદર્શન પણ આ જ દિશા દર્શાવે છે. NCSC જાહેર ઉપયોગ માટેનાં વિશાળ ભાષા મોડેલોને પૂછાતા પ્રશ્નોમાં સંવેદનશીલ માહિતી ન સમાવવાની ભલામણ કરે છે, અને Acas નોકરીદાતાઓને સલાહ આપે છે કે મળેલા જવાબોની ચોકસાઈ, ભાષાનો સૂર અને પૂર્વગ્રહ તપાસવાં જોઈએ, હાલની ડેટા ગોપનીયતા નીતિઓ AIના ઉપયોગને લાગુ પડે છે અને શ્રેષ્ઠ જવાબો મેળવવા માટે કર્મચારીઓને તાલીમની જરૂર પડી શકે છે. જો વ્યક્તિગત ડેટા સામેલ હોય, તો AI અને ડેટા રક્ષણ અંગેનું ICOનું માર્ગદર્શન જવાબદારી, કાયદેસર આધાર અને ડેટા રક્ષણ પર થતી અસરના મૂલ્યાંકનને આવરી લે છે. આ માર્ગદર્શિકા સામાન્ય માહિતી છે, કાનૂની સલાહ નથી; તમારી પોતાની પરિસ્થિતિ માટે સલાહ લો.
ઉકેલ કંટાળાજનક છે, પણ અસરકારક છે. દરેક મંજૂર કાર્ય માટે એક સમીક્ષક નક્કી હોય, સમીક્ષક જાણતો હોય કે શું તપાસવું છે—સ્રોત સામે તથ્યો, ફરી ગણતરી કરેલા આંકડા, કંપની પાળી ન શકે એવાં વચનો અને વાચકોને યોગ્ય ભાષાનો સૂર—અને મહત્ત્વની અસર ધરાવતી દરેક બાબતને વિષય જાણતી વ્યક્તિની અંતિમ મંજૂરી મળે. AIના જવાબમાં તથ્યોની ચકાસણી માટેનું અમારું માર્ગદર્શન આને એવી નિયમિત પ્રક્રિયામાં ફેરવે છે જેનો લોકો અભ્યાસ કરી શકે.
શરૂઆત થયા પછી લોકો AIનો ઉપયોગ કેમ બંધ કરી દે છે?
જ્યારે લોકોને પોતાનાં કયાં કાર્યોમાં AI મદદ કરે છે તે દેખાતું નથી, કઈ માહિતી પેસ્ટ કરવાની મંજૂરી છે તેની ખાતરી નથી હોતી, અથવા શરૂઆતના ખરાબ પરિણામથી તેમને લાગે છે કે તેને તપાસવામાં સમય આપવો નકામો છે, ત્યારે તેઓ ઉપયોગ બંધ કરે છે. લાઇસન્સ ખરીદવાથી આમાંથી કોઈ સમસ્યા ઉકેલાતી નથી. DSITના સંશોધનમાં, પહેલેથી AI વાપરતા વ્યવસાયોએ જણાવ્યું કે સરેરાશ તેમના 30% કર્મચારીઓ તેનો ઉપયોગ કરતા હતા, અને 77% વ્યવસાયોએ કહ્યું કે તેમના અડધાથી ઓછા કર્મચારીઓ તેનો ઉપયોગ કરતા હતા. એ જ સર્વેક્ષણમાં, AI બિલકુલ ન અપનાવવાનાં સૌથી વધુ જણાવાયેલાં કારણો હતાં: તેની જરૂરિયાત ઓળખાઈ ન હોવી અને AI કૌશલ્યો તથા નિષ્ણાત જ્ઞાનનો અભાવ.
ઉપાય ચોક્કસ છે. દરેક ભૂમિકા માટે ઉદાહરણ પ્રોમ્પ્ટ અને સમીક્ષા માટેની ચકાસણી યાદી સાથે બે કે ત્રણ મંજૂર કાર્યો આપો, મર્યાદાઓ યાદ રહી શકે એટલી ટૂંકી રાખો અને લોકોને પ્રેક્ટિસ માટે એવી સુરક્ષિત જગ્યા આપો જ્યાં પ્રથમ પ્રયાસ ખરાબ થાય તો કોઈ નુકસાન ન થાય. AI અપનાવવા અંગેની અમારી માર્ગદર્શિકા અમલીકરણ પછી ઓછા વપરાશની સમસ્યાને વિગતે સમજાવે છે, જેમાં સંચાલક પ્રથમ મહિનામાં શું કરી શકે તે પણ સામેલ છે.
તમારા વ્યવસાયમાં AI અસરકારક છે કે નહીં તે તમે કેવી રીતે જાણો છો?
સામાન્ય રીતે AIને નહીં, પરંતુ અમુક ચોક્કસ કાર્યોને માપો. અમલ શરૂ કરતાં પહેલાં, કોઈ કાર્યમાં અંદાજે કેટલો સમય લાગે છે અને સમીક્ષક તેને કેટલી વાર પાછું મોકલે છે તે નોંધો. ચારથી છ અઠવાડિયાં પછી એ જ કાર્ય જુઓ: શું પહેલો મુસદ્દો ઉપયોગમાં લઈ શકાય એવો વધુ બન્યો છે, શું સમીક્ષકે ઓછા સુધારા કરવા પડે છે અને શું ભૂલો ગ્રાહક સુધી પહોંચતાં પહેલાં પકડાય છે? પ્રવેશોની સંખ્યા કરતાં આ અવલોકનો વધુ ઉપયોગી છે.
પોતે જણાવેલા ફાયદાઓ વિશે સાવચેત રહો, તમારા પોતાના ફાયદાઓ વિશે પણ. DSIT સર્વેક્ષણમાં, AI વાપરતા 56% વ્યવસાયોએ કર્મચારીઓની ઉત્પાદકતામાં વધારો નોંધાવ્યો, જ્યારે 77%એ જણાવ્યું કે આવકમાં હજી કોઈ ફેરફાર થયો નથી, અને અહેવાલ પોતે નોંધે છે કે આ આંકડા ઉત્તરદાતાઓએ આપેલા અંદાજ છે. તમારી કંપનીમાં પુરાવાને કામ સાથે સીધા જોડાયેલા રાખો: પહેલાં અને પછીના થોડા નમૂના, સમીક્ષકની નોંધો અને કામ કરતા લોકો સાથે ટૂંકી વાતચીત.
વ્યવસાયની સમસ્યા માટે AI ક્યારે ખોટો ઉકેલ છે?
મૂળ પ્રક્રિયા અસ્પષ્ટ હોય, પરિણામ કોઈ ચકાસી શકે તેમ ન હોય અથવા કામ કોઈ વ્યક્તિ વિશે નિર્ણય લેવાનું હોય ત્યારે AIથી શરૂઆત કરવી ખોટી છે. તમારી ભાવપત્રક બનાવવાની પ્રક્રિયામાં એકરૂપતા ન હોય, તો સહાયક વધુ ઝડપથી અસંગત ભાવપત્રકો બનાવશે. કરવેરા અંગેની સમજૂતી સાચી છે કે નહીં તે કંપનીમાં કોઈ નક્કી કરી શકતું હોય નહીં, તો સાધને તે લખવી જ ન જોઈએ. કોઈ કાર્યથી કોની ભરતી થશે, કોને બઢતી મળશે, કોની સામે શિસ્તભંગનાં પગલાં લેવાશે કે કોને સેવા આપવાનો ઇનકાર થશે તે નક્કી થતું હોય, તો સામાન્ય સહાયક અને ઝડપી સમીક્ષા કરતાં ઘણી વધુ સાવચેતીભર્યો અભિગમ જરૂરી છે.
કામનું પ્રમાણ બહુ ઓછું હોય ત્યારે પણ આ યોગ્ય ઉકેલ નથી. દર મહિને સપ્લાયરને એક ઇમેઇલ લખવા માટે નવું સાધન, નીતિ અને તાલીમ લેવાનું યોગ્ય નથી. અને તમારી પાસે ન હોય તેવી નિષ્ણાતતાનો તે વિકલ્પ નથી: AI લાયકાત ધરાવતી વ્યક્તિને ઝડપથી કામ કરવામાં મદદ કરી શકે છે, પણ લાયકાત ન ધરાવતી વ્યક્તિના કામને ભરોસો કરી શકાય એવું સુરક્ષિત બનાવી શકતું નથી. કોઈ ઉપયોગને નકારવો એ પણ સમીક્ષાનું સંપૂર્ણપણે યોગ્ય પરિણામ છે.
તાલીમની ભૂમિકા શું છે અને તેમાં Tosheo.ai ક્યાં આવે છે?
મોટાભાગની નાની કંપનીઓ તાલીમનું પગલું છોડી દે છે, કારણ કે સાધનો વાપરવામાં સરળ લાગે છે. ખામી ભાગ્યે જ કયું બટન દબાવવું તે જાણવામાં હોય છે; ખામી એ જાણવામાં હોય છે કે કયો સંદર્ભ આપવો, શું સામેલ ન કરવું અને ચોક્કસ કામ માટે પરિણામ કેવી રીતે તપાસવું. સામાન્ય અભ્યાસક્રમ જોવાને બદલે વાસ્તવિક કાર્યોનો અભ્યાસ કરીને અને પ્રતિસાદ મેળવીને આ શીખવું સૌથી સરળ છે.
Tosheo.ai 5 થી 200 લોકોની ટીમો માટે આ જ કામ કરવા વિકસાવવાની પ્રક્રિયામાં છે. શરૂઆતમાં મેનેજર ભૂમિકાઓ અને ટીમ વાપરે છે તે AI સાધનો પસંદ કરી શકે તેવું આયોજન છે. દરેક વ્યક્તિ ટૂંકી પ્રારંભિક કૌશલ્ય ચકાસણી આપે છે અને પછી 10 થી 15 મિનિટના પાઠો કરે છે, જેના અંતે વાસ્તવિક AI સાધન વડે પ્રત્યક્ષ કાર્ય કરવાનું હોય અને દેખાતા મૂલ્યાંકન માપદંડોના આધારે ગુણ આપવામાં આવે. મેનેજરોને કૌશલ્યની પ્રગતિ અને પૂર્ણતા દેખાય, મૂળ ચેટ રેકોર્ડ ક્યારેય નહીં, એવું આયોજન છે. ઉત્પાદનનું નિર્માણ હજી શરૂ થયું નથી, તેથી બતાવવા માટે ગ્રાહકોનાં પરિણામો નથી. આયોજન હેઠળની કિંમતો કિંમતના પાને છે અને જો તમને માત્ર નીતિ અથવા શરૂઆતનાં કાર્યોની યાદી જ જોઈતી હોય, તો આ સાઇટ પરની મફત માર્ગદર્શિકાઓ પૂરતી હોઈ શકે છે.
સ્રોતો અને વ્યાપ
GOV.UK, AI અપનાવવા અંગેના સંશોધનના પ્રકાશનનું પૃષ્ઠ, ફેબ્રુઆરી 2026 માં સુધારેલું ↗
NIST, AI જોખમ વ્યવસ્થાપન માળખાનું વિહંગાવલોકન, January 2023 ↗
NIST, AI જોખમ વ્યવસ્થાપન માળખાની કાર્યમાર્ગદર્શિકા: શાસન ↗
NIST, AI 600-1 જનરેટિવ AI પ્રોફાઇલ, July 2024 ↗
NCSC, ChatGPT અને વિશાળ ભાષા મોડેલો: જોખમ શું છે?, 14 March 2023 ↗
Acas, ત્રીજા ભાગના નોકરીદાતાઓ માને છે કે AI ઉત્પાદકતા વધારશે, 15 મે 2025 ↗
ICO, AI અને ડેટા સુરક્ષા અંગે માર્ગદર્શન, તારીખ 15 March 2023 ↗