अपने काम में AI का इस्तेमाल करने में वास्तव में क्या-क्या करना होता है?
कार्यालय की ज़्यादातर भूमिकाओं में, काम पर AI के इस्तेमाल का मतलब तीन तरह की मदद है: आपकी दी हुई सामग्री से मसौदे बनाना, सामग्री को एक रूप से दूसरे रूप में बदलना और सोचने में ऐसे साथी की तरह काम करना जो विकल्प, सवाल और कमियाँ सुझाए। इसका मतलब शायद ही कभी किसी टूल को फैसला करने देना या बिना समीक्षा के अंतिम काम तैयार करने देना होता है।
मसौदा बनाने में ईमेल, सारांश, नौकरी के विज्ञापन, नीतियों की व्याख्या और रिपोर्ट के शुरुआती संस्करण तैयार करना शामिल है। रूप बदलने में लंबे दस्तावेज़ों को छोटा करना, नोट्स को सुव्यवस्थित अभिलेखों में बदलना, एक संदेश के अलग-अलग पाठकों के लिए संस्करण बनाना या किसी तालिका की सरल भाषा में व्याख्या करना शामिल है। विचार-विमर्श में सहयोगी की भूमिका में ऐसे प्रश्न शामिल हैं: 'संदेह करने वाला खरीदार इस बारे में क्या पूछेगा?' या 'इस योजना में क्या छूट गया है?'।
तीनों में, नतीजे की गुणवत्ता इस बात पर कहीं ज़्यादा निर्भर करती है कि आप टूल को क्या देते हैं और उससे मिले जवाब की जाँच कैसे करते हैं, न कि इस पर कि आप कौन-सा टूल इस्तेमाल करते हैं। इसलिए नीचे हर भूमिका की मार्गदर्शिका में वही आदतें दिखाई देती हैं, जिन्हें उस काम और उसके जोखिमों के हिसाब से ढाला गया है।
AI के इस्तेमाल के लिए पहला काम कैसे चुनें?
ऐसा काम चुनें जो आप अक्सर करते हैं, जिसे आप पहले से अच्छी तरह करना जानते हैं और जिसे जल्दी जाँच सकते हैं। आपका मौजूदा कौशल ही आपको आत्मविश्वास के साथ पेश की गई गलती पहचानने में मदद करता है, इसलिए किसी अनजान काम से शुरुआत करना ठीक नहीं है। नीचे दिए गए मानदंड ज़्यादातर लोगों के विकल्पों को दो या तीन कामों तक सीमित कर देते हैं।
यह बार-बार होता है
आप यह काम हर हफ़्ते या उससे अधिक बार करते हैं, इसलिए हर सुधार का लाभ बार-बार मिलता है और टूल को परखने के लिए पर्याप्त अभ्यास भी होता है।
आप गुणवत्ता परख सकते हैं
आपको पता है कि अच्छा संस्करण कैसा होता है; इसके लिए किसी और के बताने की ज़रूरत नहीं पड़ती।
स्रोत उपलब्ध है और साझा किया जा सकता है
कार्य के लिए ज़रूरी सामग्री मौजूद है और आपकी कंपनी की नीति उसे किसी स्वीकृत साधन में इस्तेमाल करने की अनुमति देती है।
गलती को सुधारा जा सकता है
आंतरिक मसौदा या ऐसा पहला संस्करण जिसे आप खुद संपादित करेंगे, न कि निदेशक मंडल के दस्तावेज़ों में दी जाने वाली कोई संख्या या नियामक को भेजा जाने वाला संदेश।
इसका समापन बिंदु स्पष्ट है
आप पहचान सकते हैं कि नतीजा कब तैयार है, जिससे उसकी तुलना ख़ुद किए गए काम से करना आसान होता है।
काम के लिए AI को दिए जाने वाले अच्छे निर्देश में क्या होना चाहिए?
काम के लिए एक अच्छे प्रॉम्प्ट में वह सब होता है जिसकी किसी सक्षम नए सहकर्मी को आपसे दोबारा पूछे बिना काम पूरा करने के लिए ज़रूरत होगी: उद्देश्य, पाठक, स्रोत सामग्री, सीमाएँ, प्रारूप और वे बातें जिन्हें चिह्नित करना है। जानकारी का अधूरा होना वह मुख्य कारण है जिससे AI का जवाब सामान्य-सा लगता है या उसमें मनगढ़ंत विवरण आ जाते हैं।
एक ही कार्य के लिए दो निर्देशों की तुलना करें। कमज़ोर निर्देश है: 'दफ़्तर की जगह बदलने के बारे में टीम के लिए एक सूचना लिखें।' बेहतर निर्देश है: 'दफ़्तर की जगह बदलने के बारे में हमारे 25 कर्मचारियों के लिए 150 शब्दों की सूचना लिखें। केवल नीचे दिए गए तथ्यों का उपयोग करें: दफ़्तर शुक्रवार 14 नवंबर को बदलेगा, नया पता नोट्स में है, मेज़ें गुरुवार 4pm तक खाली करनी हैं, सूचना प्रौद्योगिकी टीम मॉनिटर और डॉक ले जाएगी। भाषा सरल और सहज रखें। अंत में बताएँ कि सवाल किससे पूछें। ऐसी तारीखें, नियम या आश्वासन न जोड़ें जो नोट्स में नहीं हैं। ऐसे सवालों की सूची दें जो कर्मचारी पूछ सकते हैं, लेकिन जिनके जवाब नोट्स में नहीं हैं।'
आखिरी निर्देश हर जगह अपनाने लायक है। टूल से यह सूची बनाने को कहना कि वह किन बातों का जवाब नहीं दे सका, उस कमी को एक सुलझाए जा सकने वाले सवाल में बदल देता है जिसे वह अन्यथा अनुमान से भर देता। अंत में दी गई निर्देश लिखने की मार्गदर्शिका संरचना और नमूना प्रारूपों को और विस्तार से समझाती है।
AI से मिले नतीजों का इस्तेमाल करने से पहले उनकी जाँच कैसे करनी चाहिए?
परिणाम को स्रोत से मिलाकर जाँचें, न कि इस आधार पर कि वह आपको सही लग रहा है या नहीं। सहज भाषा में लिखे पाठ पर आसानी से भरोसा हो जाता है। NIST की जनरेटिव AI जोखिम रूपरेखा में मनगढ़ंत सामग्री को ऐसी गलत या झूठी सामग्री के रूप में बताया गया है जिसे पूरे विश्वास के साथ प्रस्तुत किया जाता है। इसमें लोगों और AI प्रणालियों के साथ काम करने से जुड़े जोखिमों में अत्यधिक निर्भरता और स्वचालन के पक्ष में पूर्वाग्रह भी शामिल हैं। ये दोनों कारण बताते हैं कि जाँच सोच-समझकर करनी चाहिए, केवल अपने अंदाज़े से नहीं।
एक छोटी नियमित प्रक्रिया ज़्यादातर कामों के लिए पर्याप्त है। पहले, हर तथ्यात्मक कथन, नाम, तारीख और आँकड़े को अपने दिए हुए स्रोत से मिलाएँ, और जिस बात का स्रोत न मिले उसे हटा दें या उसकी पुष्टि करें। दूसरे, संख्याओं की दोबारा गणना स्वतंत्र रूप से करें। तीसरे, देखें कि क्या जोड़ा गया है: ऐसे दावे, वादे, कारण या नियम जो इस तरह के दस्तावेज़ में सामान्य लगते हैं, लेकिन आपके मामले में सच नहीं हैं। चौथे, उसे लक्षित पाठक की तरह पढ़ें और भाषा का लहजा ठीक करें। अंत में, तय करें कि अंतिम संस्करण के लिए कौन जवाबदेह है—आमतौर पर आप ही होते हैं।
जाँच कितनी गहराई से करनी है, यह गलती के परिणाम पर निर्भर होना चाहिए। अपने नोट्स के लिए बने मसौदे को ग्राहक को भेजे जाने वाले संदेश से कम जाँच की ज़रूरत होती है, और उस संदेश को रिपोर्ट में जाने वाले किसी आँकड़े से कम।
अलग-अलग भूमिकाओं में AI का इस्तेमाल किन कामों के लिए करना अच्छा है?
नीचे दी गई तालिका में हर भूमिका के लिए एक उपयुक्त शुरुआती काम, सबसे ज़रूरी जाँच और काम का वह हिस्सा दिया गया है जो किसी व्यक्ति के पास ही रहना चाहिए। हर भूमिका के लिए उदाहरण सहित अपनी अलग मार्गदर्शिका है।
| भूमिका | शुरुआत के लिए अच्छा काम | सबसे अहम जाँच | ज़िम्मेदारी व्यक्ति के पास रखें |
|---|---|---|---|
| विपणन | स्वीकृत सामग्री से अलग-अलग माध्यमों के लिए संस्करण | हर दावे और आँकड़े का स्रोत दिए गए कार्य-विवरण में खोजकर मिलान किया गया | बाज़ार में पहचान तय करने और दावों पर अंतिम मंज़ूरी |
| बिक्री | आपकी कॉल के नोट्स से आगे की बातचीत के लिए ईमेल | कोई गढ़े हुए नतीजे या मामले के अध्ययन नहीं | कीमतें, शर्तें और प्रतिबद्धताएँ |
| मानव संसाधन | मौजूदा नीति का सरल भाषा में सारांश | पात्रताएँ नीति से शब्दशः मेल खाती हैं | व्यक्तिगत स्तर पर लोगों के बारे में निर्णय |
| भर्ती | भर्ती प्रबंधक के नोट्स से नौकरी का विज्ञापन | आवश्यकताओं से मेल; समावेशी भाषा | छँटाई, क्रम निर्धारण और अस्वीकृति |
| वित्त | जाँची गई तालिका के आधार पर अंतर का विश्लेषण | आँकड़ों की दोबारा गणना की गई; कोई अपुष्ट कारण नहीं | बताए गए आँकड़े और पूर्वानुमान |
| लेखांकन | अधूरे रिकॉर्ड मँगाने के लिए क्लाइंट को ईमेल | कर संबंधी कोई नियम या समय-सीमा नहीं जोड़ी गई | तकनीकी पद और अंतिम मंज़ूरी |
| ग्राहक सेवा | सहायता लेख और सहायता अनुरोध के आधार पर उत्तर का मसौदा | नीति और रिफंड की शर्तें सटीक हैं | अपवाद और नाराज़ ग्राहक |
| परियोजना प्रबंधन | काम के नोट से स्थिति का विवरण | तारीखें और ज़िम्मेदार व्यक्ति वास्तविक हैं | दोबारा योजना बनाना और प्राथमिकताओं के बीच समझौते |
| उत्पाद प्रबंधन | ग्राहकों की प्रतिक्रियाओं का विषयवार सारांश | विषयों का संबंध वास्तविक टिप्पणियों से जुड़ता है | प्राथमिकता तय करने के निर्णय |
| संचालन | आपके बताए चरणों से प्रक्रिया का दस्तावेज़ | चरण काम के वास्तविक तरीके से मेल खाते हैं | अपवाद और स्वीकृतियाँ |
| टीम का प्रबंधन करने वाले लोग | टीम की बैठक के लिए कार्यसूची और नोट्स | किसी बात को गलत व्यक्ति से नहीं जोड़ा गया | प्रतिक्रिया और प्रदर्शन का आकलन |
एक भूमिका से दूसरी भूमिका में क्या बदलता है?
भूमिकाएँ बदलने पर आदतें समान रहती हैं; जोखिम बदलते हैं। तीन सवाल अधिकतर अंतर स्पष्ट कर देते हैं: परिणाम गलत होने पर कौन प्रभावित होगा, काम में किस तरह की जानकारी शामिल है, और क्या परिणाम पर पहले से कोई नियम लागू है।
मानव संसाधन, भर्ती और प्रबंधन जैसी भूमिकाओं की सबसे अधिक जाँच होती है, क्योंकि वे लोगों के बारे में निर्णय लेती हैं या उन्हें प्रभावित करती हैं। EU AI Act के परिशिष्ट III में भर्ती और चयन के साथ-साथ पदोन्नति, सेवा समाप्ति, कार्य आवंटन और प्रदर्शन मूल्यांकन के निर्णयों में इस्तेमाल होने वाली AI प्रणालियों को उच्च जोखिम वाले उपयोगों में रखा गया है। विपणन और बिक्री जैसी दावे प्रकाशित करने वाली भूमिकाओं पर विज्ञापन और प्रत्यक्ष विपणन के नियम लागू होते हैं, चाहे पाठ किसी भी तरह तैयार किया गया हो। वित्त और लेखांकन जैसी आँकड़े प्रस्तुत करने वाली भूमिकाएँ पेशेवर मानकों और उन आँकड़ों पर भरोसा करने वाले लोगों के प्रति जवाबदेह होती हैं।
सहायता और ग्राहक खाता प्रबंधन जैसी ग्राहक-संपर्क वाली भूमिकाओं में एक अलग जोखिम होता है: AI से तैयार जवाब में नीति गलत बताई जाए, तो वह ऐसा वादा बन जाता है जिसे कंपनी को निभाना पड़ सकता है। हर मामले में भूमिका की मार्गदर्शिका बताती है कि कौन-सी जाँच सबसे ज़रूरी है और क्यों।
देखना चाहते हैं कि यह किसी भूमिका से कैसे जुड़ता है?
टीम के लिए नियोजित परीक्षण के बारे में जानें ↗एक ही काम तीन अलग-अलग भूमिकाओं में कैसा दिखता है?
एक काल्पनिक स्रोत का उदाहरण लें: फ़र्नहिल सॉफ़्टवेयर की एक नई सुविधा के जारी होने से जुड़े नोट्स। यह क्लीनिकों को समय-निर्धारण का सॉफ़्टवेयर बेचने वाली एक छोटी कंपनी है। नोट्स के अनुसार, इस सुविधा से क्लीनिक पाठ संदेश के ज़रिए अपॉइंटमेंट की याद अपने-आप दिला सकते हैं। यह प्रोफ़ेशनल योजना में शामिल है, 1 दिसंबर को शुरू होगी और फ़िलहाल अंग्रेज़ी के अलावा अन्य भाषाओं में उपलब्ध नहीं है।
विपणन का एक कर्मचारी AI से मौजूदा ग्राहकों के लिए किसी नई सुविधा के लॉन्च का ईमेल माँगता है। मसौदा कहता है कि अनुस्मारक 'तय समय पर न आने के मामलों को बहुत कम कर देते हैं'। संस्करण संबंधी नोट्स में ऐसे मामलों का कोई आँकड़ा नहीं है, इसलिए कर्मचारी वह पंक्ति हटाकर उसकी जगह बताता है कि सुविधा क्या करती है।
एक विक्रेता AI से ऐसे क्लिनिक को आगे का संदेश लिखने के लिए कहता है जिसने फ़ोन पर बातचीत में अनुस्मारकों के बारे में पूछा था। मसौदे में लिखा है कि यह सुविधा 'सभी योजनाओं में उपलब्ध है'। ऐसा नहीं है। विक्रेता इसे सुधारकर प्रोफ़ेशनल योजना करता है और भेजने से पहले ग्राहक की मौजूदा योजना जाँचता है।
एक ग्राहक सहायता प्रतिनिधि AI से सहायता केंद्र के लिए रिमाइंडर के बारे में जवाब का मसौदा बनाने को कहता है। मसौदा कहता है कि ग्राहक 'कोई भी भाषा चुन सकते हैं'। नोट्स में इसके उलट लिखा है। प्रतिनिधि इसे सुधारता है और जोड़ता है कि किसी भाषा का अनुरोध करने के लिए किससे संपर्क करें।
एक ही स्रोत, एक ही उपकरण, तीन अलग-अलग गलतियाँ, और हर गलती उस भूमिका में आम है। इसीलिए अपनी नौकरी के कामों पर अभ्यास करने से सामान्य उदाहरणों की तुलना में अधिक सीख मिलती है।
कार्यस्थल पर आपको AI टूल में कौन-सी जानकारी नहीं डालनी चाहिए?
सबसे पहले अपनी कंपनी की AI नीति का पालन करें; अगर कोई नीति नहीं है, तो ऐसी कोई भी जानकारी पेस्ट करने से पहले पूछें जो पहले से सार्वजनिक नहीं है। सामान्य नियम के तौर पर, ग्राहकों, उम्मीदवारों या सहकर्मियों के निजी डेटा, ग्राहक की गोपनीय सामग्री, अप्रकाशित वित्तीय जानकारी और किसी अनुबंध या गोपनीयता समझौते के दायरे में आने वाली हर चीज़ को लेकर सबसे अधिक सावधानी बरतें।
जवाब टूल और योजना पर भी निर्भर करता है। निजी खाते, कंपनी के कार्यक्षेत्र और किसी दूसरे अनुप्रयोग के भीतर मौजूद AI सुविधा में जानकारी सहेजने, उस तक पहुँच और मॉडल सुधारने के लिए सामग्री के इस्तेमाल की अलग-अलग शर्तें हो सकती हैं। केवल नाम हटाने से दस्तावेज़ की पहचान छिप नहीं जाती, खासकर छोटे संगठन में। AI नीति की मार्गदर्शिका बताती है कि टीम के लिए ये सीमाएँ कैसे तय करें।
आपको कैसे पता चलेगा कि काम में AI का इस्तेमाल करने की आपकी क्षमता बेहतर हो रही है?
आप कितना काम तैयार कर रहे हैं, इसके बजाय अपने संपादनों को देखें। काम पर AI के इस्तेमाल में कुशल हो रहा व्यक्ति आम तौर पर हर मसौदे में कम बदलाव करता है, क्योंकि उसके प्रॉम्प्ट बेहतर होते जाते हैं। वह गढ़े हुए विवरण जल्दी पकड़ लेता है और समझा सकता है कि उसने कोई बदलाव क्यों किया। वह यह भी जल्दी तय कर पाता है कि कब AI का बिल्कुल इस्तेमाल नहीं करना चाहिए।
इस पर नज़र रखने का एक सरल तरीका है दो या तीन हफ्तों तक छोटा-सा विवरण रखना: काम, प्रॉम्प्ट, आपने क्या बदला और क्यों। जल्द ही रुझान दिखने लगते हैं, जैसे कोई टूल हमेशा ऐसा आश्वासन जोड़ता है जिसे आपको हटाना पड़ता है, या किसी तरह के काम में पहला मसौदा हर बार इस्तेमाल करने लायक होता है। ये रुझान समय बचने के किसी भी सामान्य दावे से अधिक उपयोगी हैं, क्योंकि ये आपके अपने काम से निकलते हैं।
टीम को अपने काम में AI का उपयोग करना साथ मिलकर कैसे सीखना चाहिए?
टीम को मिलकर करने के लिए एक यथार्थपरक काम दें, सभी को AI की मदद से उसे करने दें और फिर मसौदों के बजाय संपादनों की तुलना करें। संपादनों की तुलना से पता चलता है कि कौन स्रोतों की जाँच करता है, कौन मनगढ़ंत दावे पकड़ता है और कौन लेखन शैली बनाए रखता है। इससे ये आदतें स्लाइड प्रस्तुति की तुलना में तेज़ी से फैलती हैं।
अभ्यास के लिए काल्पनिक या मंज़ूरशुदा कम जोखिम वाली सामग्री ही इस्तेमाल करें, तय करें कि कौन-से टूल मंज़ूर हैं, और ऐसा माहौल बनाएँ जहाँ गलती बताना सुरक्षित हो। EU AI Act के दायरे में आने वाले संगठनों के लिए, अनुच्छेद 4 AI प्रणालियों के प्रदाताओं और उन्हें लागू करने वालों से कहता है कि वे कर्मचारियों के ज्ञान और इस्तेमाल के संदर्भ को ध्यान में रखते हुए उनकी AI साक्षरता बढ़ाने के उपाय करें। यह सामान्य जानकारी है, कानूनी सलाह नहीं। नीचे लिंक की गई कर्मचारी प्रशिक्षण मार्गदर्शिका और 30 दिन की क्रियान्वयन योजना में अधिक विस्तृत कार्यक्रम दिया गया है।
किसी काम के लिए AI कब गलत साधन होता है?
जब आप परिणाम की जाँच न कर सकें, निर्णय किसी व्यक्ति की नौकरी, वेतन या उम्मीदवारी को प्रभावित करता हो, परिणाम रिपोर्ट में दर्ज होने वाला अंतिम आँकड़ा हो, या बातचीत में ऐसा व्यक्ति चाहिए जो कही गई बात की जवाबदेही ले सके, तब AI सही उपकरण नहीं है। यह तब भी सही उपकरण नहीं है जब काम सीधे करना ज़्यादा तेज़ हो, जैसे दो पंक्तियों का ऐसा जवाब जिसे लिखना आप पहले से जानते हैं।
स्रोत न होने पर भी सावधानी बरतें। किसी सामान्य सहायक से यह पूछने पर कि आपकी कंपनी की नीति, आपके ग्राहक के अनुबंध या मौजूदा कर नियम में क्या कहा गया है, आपको विश्वसनीय लगने वाला उत्तर मिलता है, मूल दस्तावेज़ नहीं। ऐसे मामलों में पहले स्रोत खोजें और AI का इस्तेमाल करें भी तो उसे पढ़ने में मदद लेने के लिए।
Tosheo.ai कहाँ काम आता है और कहाँ नहीं?
Tosheo.ai को लगभग 5 से 200 लोगों की टीमों के लिए ऐसे AI प्रशिक्षण के रूप में बनाया जा रहा है जिसे वे खुद शुरू और इस्तेमाल कर सकें। प्रबंधक भूमिकाएँ और टीम के इस्तेमाल किए जाने वाले AI टूल चुनता है। हर सीखने वाला संक्षिप्त शुरुआती स्तर-जाँच देता है और फिर अपनी भूमिका के अनुसार 10 से 15 मिनट के पाठों का क्रम पूरा करता है। हर पाठ के अंत में वास्तविक AI टूल के साथ एक व्यावहारिक कार्य होता है, जिसे स्पष्ट मूल्यांकन मानदंडों के आधार पर अंक दिए जाते हैं। योजना है कि प्रबंधक कौशल में प्रगति और पाठ पूरे होने की स्थिति देख सकें, चैट का मूल रिकॉर्ड नहीं। उत्पाद अभी बना नहीं है, इसलिए यह सब नियोजित दायरे का विवरण है।
यह हर खरीदार के लिए सही विकल्प नहीं है। इसे उन बड़े संगठनों के लिए नहीं बनाया गया है जिन्हें खरीदने के लिए सिंगल साइन-ऑन (SSO), LMS से एकीकरण या उद्यम अनुबंध चाहिए। शुरुआत में इनमें से कोई भी सुविधा शामिल नहीं होगी। यह व्यावहारिक इंजीनियरिंग प्रशिक्षण नहीं है, और पाठ केवल अंग्रेज़ी में उपलब्ध कराने की योजना है। अगर आप अकेले सीख रहे हैं, तो कोई सामान्य पाठ्यक्रम या इस साइट की मुफ़्त मार्गदर्शिकाएँ आपके लिए बेहतर हो सकती हैं। टीमों के लिए प्रस्तावित कीमतें कीमतों वाले पेज पर दी गई हैं।
स्रोत और दायरा
NIST, कृत्रिम बुद्धिमत्ता जोखिम प्रबंधन ढाँचा: जनरेटिव AI प्रोफ़ाइल (NIST AI 600-1), जुलाई 2024 ↗
यूरोपीय आयोग की AI अधिनियम सहायता सेवा, विनियमन (EU) 2024/1689 अनुच्छेद 4, AI साक्षरता ↗