छोटी कंपनी के लिए व्यवसाय में AI इस्तेमाल करने का वास्तव में क्या मतलब है?
5 से 200 लोगों की कंपनी के लिए, व्यवसाय में AI का मतलब ज़्यादातर ऐसे जनरेटिव सहायकों से है जो भाषा से जुड़े काम करते हैं: मसौदे बनाना, सारांश तैयार करना, दोबारा लिखना, जानकारी निकालना और समझाना। इसका मतलब शायद ही कभी कोई मॉडल बनाना या डेटा साइंस की टीम नियुक्त करना होता है। आम तौर पर ऐसा टूल आज दोपहर ही सब्सक्रिप्शन लेकर इस्तेमाल किया जा सकता है; समय इस बात के फैसलों में लगता है कि उसका इस्तेमाल कैसे होगा।
यह रुझान प्रकाशित शोध में भी दिखता है। ब्रिटेन सरकार के AI अपनाने संबंधी शोध में, जो फ़रवरी से मई 2025 के बीच व्यवसायों के साथ किए गए 3,500 साक्षात्कारों पर आधारित था, पहले से AI इस्तेमाल कर रहे 85% व्यवसायों ने कहा कि वे प्राकृतिक भाषा प्रसंस्करण और पाठ तैयार करने के लिए इसका इस्तेमाल करते हैं। यह किसी भी अन्य प्रकार के इस्तेमाल से बहुत आगे था। उसी सर्वेक्षण में पाया गया कि ब्रिटेन के लगभग हर छह में से एक व्यवसाय (16%) में कम-से-कम एक AI तकनीक का इस्तेमाल हो रहा था। दोनों आँकड़े तकनीक के लिए ज़िम्मेदार व्यक्ति की दी गई जानकारी पर आधारित हैं, इसलिए उन्हें अपने क्षेत्र का नियम मानने के बजाय उस समय की स्थिति की एक झलक मानें।
व्यावहारिक तौर पर इसका मतलब है कि कारोबार में AI मुख्यतः लोगों और प्रक्रियाओं का विषय है। किसे कौन-सा साधन, किन कामों के लिए और किस जानकारी के साथ इस्तेमाल करने की अनुमति है, और ग्राहक तक पहुँचने से पहले नतीजा कौन जाँचता है? जो कंपनी इन चार सवालों का स्पष्ट जवाब देती है, वह एक बुनियादी सहायक से भी उस कंपनी की तुलना में ज़्यादा लाभ लेगी जो महँगा सहायक खरीदकर सभी को अपने हाल पर छोड़ देती है।
व्यवसाय के लिए कौन-सा AI अच्छा है?
शुरुआत के लिए सबसे अच्छा टूल आम तौर पर वह सामान्य सहायक होता है जो आपकी टीम के रोजमर्रा के सॉफ़्टवेयर के अनुकूल हो और ऐसी व्यावसायिक योजना पर मिले जिसकी डेटा संबंधी शर्तें आपने पढ़ी हों। Microsoft 365 पर काम करने वाली कंपनी आम तौर पर पहले Copilot का मूल्यांकन करेगी; Google Workspace इस्तेमाल करने वाली कंपनी आम तौर पर Gemini का मूल्यांकन करेगी; कई टूल पर काम करने वाली या बहुत अधिक लंबा लेखन और विश्लेषण करने वाली टीम अक्सर ChatGPT और Claude की व्यावसायिक योजनाओं की तुलना करेगी। इनमें से कोई भी हर टीम के लिए सही जवाब नहीं है। योजनाओं की सुविधाएँ इतनी बार बदलती हैं कि आपको किसी रैंकिंग लेख के बजाय विक्रेता की मौजूदा योजना का पेज देखना चाहिए।
सुविधाओं की सूची से पहले डेटा से जुड़ी शर्तें देखें। व्यावसायिक और एंटरप्राइज़ प्लान में आम तौर पर मुफ़्त व्यक्तिगत खातों से अलग तरीके से डेटा संभाला जाता है। उदाहरण के लिए, Anthropic के गोपनीयता केंद्र में कहा गया है कि डिफ़ॉल्ट रूप से वह Claude for Work और API जैसे अपने व्यावसायिक उत्पादों के इनपुट या आउटपुट पर अपने मॉडल को प्रशिक्षित नहीं करता, जब तक कि ग्राहक प्रतिक्रिया न दे या किसी अन्य तरीके से इसकी अनुमति न दे। आप जो भी टूल चुनें, उसके लिए ऐसा ही पृष्ठ देखें और पुष्टि करें कि वह आपके खरीदे जा रहे प्लान पर लागू होता है।
विशेष कामों के टूल बाद में जोड़ें। आवाज़ को लिखित पाठ में बदलने वाला टूल, आपके सहायता केंद्र में AI की सुविधा या चित्र बनाने वाला टूल किसी टीम के लिए उपयोगी हो सकता है, लेकिन हर टूल के साथ कंपनी की जानकारी एक और जगह जाती है और शर्तों का एक और दस्तावेज़ पढ़ना पड़ता है। पहले एक सामान्य सहायक से शुरुआत करें, समझें कि आपकी टीम उसके परिणामों की समीक्षा कैसे करती है, फिर जहाँ किसी स्पष्ट काम के लिए ज़रूरत हो, वहाँ विशेष टूल जोड़ें। काम के लिए AI टूल चुनने की हमारी मार्गदर्शिका में मंज़ूरी से जुड़े सवालों पर अधिक विस्तार से चर्चा की गई है।
| अगर आपकी टीम मुख्य रूप से इसमें काम करती है | मूल्यांकन से शुरुआत करें | खरीदने से पहले जाँचें |
|---|---|---|
| Microsoft 365 (Outlook, Word, Excel, Teams) | व्यावसायिक सदस्यता वाला Microsoft Copilot | आपके लाइसेंस और अनुमतियों के तहत Copilot किन ऐप और डेटा तक पहुँच सकता है |
| Google Workspace (Gmail, दस्तावेज़, स्प्रेडशीट) | Workspace के लिए Gemini | यह Workspace के किस संस्करण में शामिल है और व्यवस्थापक क्या बंद कर सकते हैं |
| कई तरह के टूल, या लिखने और विश्लेषण का बहुत अधिक काम | ChatGPT या Claude की व्यावसायिक योजनाएँ | प्रशिक्षण के लिए डेटा के उपयोग की पहले से तय सेटिंग, डेटा रखने की अवधि, व्यवस्थापक के नियंत्रण और उपयोगकर्ता लाइसेंस की शर्तें |
| सीमित दायरे का एक काम, जैसे कॉल के नोट्स या चित्र | सामान्य सहायक के बाद, किसी खास काम का टूल | फ़ाइलें कहाँ रखी जाती हैं, उन्हें कौन देख सकता है और उन्हें कैसे मिटाया जा सकता है |
व्यवसाय में AI चरण दर चरण कैसे लागू करें?
AI को वैसे ही लागू करें जैसे आप काम करने का कोई नया तरीका अपनाते हैं: एक ज़िम्मेदार व्यक्ति, स्वीकृत कार्यों की छोटी सूची, लिखित सीमाएँ, समीक्षा का चरण और यह तय करने की तारीख कि आगे जारी रखना है या नहीं। नीचे दिए चरण ऐसी कंपनी के लिए उपयुक्त हैं जहाँ सूचना प्रौद्योगिकी विभाग नहीं है, और इनमें महीनों के बजाय कुछ हफ़्ते लगते हैं।
1. एक ज़िम्मेदार व्यक्ति तय करें
एक व्यक्ति तय करे कि कौन-से टूल मंज़ूर हैं, सवालों के जवाब दे और सूची को अद्यतन रखे। छोटी कंपनी में यह अक्सर परिचालन प्रमुख या कोई संस्थापक होता है, समिति नहीं।
2. बार-बार किए जाने वाले भाषा संबंधी कामों की सूची बनाएँ
हर टीम से ऐसे तीन काम पूछें जो वह हर हफ़्ते करती है और जिनमें पढ़ना या लिखना शामिल है: आपूर्तिकर्ताओं के ईमेल, बैठक के नोट्स, प्रस्तावों के शुरुआती मसौदे, उत्पादों के विवरण, नीतियों के सारांश। काम कितना बड़ा है, इससे ज़्यादा मायने यह रखता है कि वह कितनी बार होता है।
3. हर काम को उसके संभावित परिणामों के आधार पर अंक दें
यह दर्ज करें कि तैयार उत्तर गलत होने पर क्या होगा। आंतरिक बैठक के सारांश में गलती का असर कम होता है; ग्राहक को दिए गए मूल्य प्रस्ताव या वेतन की गणना के स्पष्टीकरण में गलती का असर अधिक होता है। कम और मध्यम असर वाले कामों से शुरुआत करें, जिनके लिए समीक्षक स्पष्ट रूप से तय हो।
4. एक टूल और एक योजना चुनें
ऐसा सहायक चुनें जो आपके मौजूदा सॉफ़्टवेयर के अनुकूल हो, उसका व्यावसायिक प्लान लें और डेटा से जुड़ी उसकी शर्तें पढ़ें। हर व्यक्ति को अपना अलग मुफ़्त खाता चुनने की छूट न दें।
5. सीमाएँ एक पन्ने पर लिखें
कौन-सी जानकारी टूल में डाली जा सकती है, कौन-सी बिल्कुल नहीं डालनी चाहिए (ग्राहकों के रिकॉर्ड, व्यक्तिगत डेटा, जारी न किए गए वित्तीय आँकड़े, पासवर्ड), कौन किस चीज़ की समीक्षा करेगा और कुछ गलत होने पर किसे बताना है।
6. सिर्फ़ प्रॉम्प्ट देना नहीं, समीक्षा करना भी सिखाएँ
लोगों को दिखाएँ कि संदर्भ कैसे दें और फिर कोई भी सामग्री कंपनी से बाहर भेजने से पहले तथ्यों, आँकड़ों और लहजे की जाँच कैसे करें। पहले काल्पनिक या स्वीकृत उदाहरणों पर अभ्यास करें।
7. चार से छह सप्ताह बाद समीक्षा करें
असली काम के नमूने देखें, पूछें कि लोगों ने क्या इस्तेमाल करना बंद किया और क्यों, फिर तय करें कि किन कामों को जारी रखना, बदलना या छोड़ना है। केवल उन्हीं नियमित प्रक्रियाओं का विस्तार करें जो कारगर रहीं।
किसी वास्तविक टीम में यह कैसे काम करता है?
ब्राइटवॉटर इंटीरियर्स नाम की एक काल्पनिक कंपनी का उदाहरण लें: ऑनलाइन फ़र्नीचर बेचने वाली 22 लोगों की कंपनी, जिसमें एक छोटी ग्राहक सेवा टीम, विपणन के दो कर्मचारी और एक संचालन प्रमुख हैं। संचालन प्रमुख इसकी ज़िम्मेदारी लेते हैं, व्यावसायिक योजना वाला एक AI सहायक चुनते हैं और शुरुआत के लिए दो कार्य स्वीकृत करते हैं: आपूर्तिकर्ता की विनिर्देश सूची से उत्पाद विवरण के मसौदे बनाना और ऑर्डर के नोट्स के आधार पर डिलीवरी से जुड़े सवालों के जवाब तैयार करना। ग्राहकों के नाम और पते टूल में नहीं डाले जाते; कर्मचारी केवल ऑर्डर की स्थिति और सवाल चिपकाते हैं।
विपणन के एक कर्मचारी का पहला प्रॉम्प्ट है: 'ओक की डाइनिंग टेबल के लिए उत्पाद विवरण लिखें।' जवाब सहज भाषा में है और उसकी गलतियाँ सीखने के काम आती हैं। वह मेज़ को 'ठोस ओक की लकड़ी से बनी' बताता है, जबकि विनिर्देश पत्र में निर्मित लकड़ी के बोर्ड पर ओक की परत लिखी है; वह दावा करता है कि 'आठ लोग आराम से बैठ सकते हैं', जबकि विनिर्देशों में छह लिखे हैं; और 'अगले दिन मुफ़्त डिलीवरी' का वादा करता है, जो ब्राइटवॉटर देता ही नहीं है।
निर्देश के समीक्षित संस्करण में उत्पाद के विवरण-पत्र का पाठ, ब्रांड की भाषा-शैली के नोट्स और तीन नियम दिए गए हैं: केवल विवरण-पत्र के तथ्यों का उपयोग करें, कोई जानकारी गायब हो तो अनुमान लगाने के बजाय उसे चिह्नित करें, और डिलीवरी की शर्तों का कभी उल्लेख न करें। नए मसौदे में 'ओक की लकड़ी की पतली परत' और 'छह लोगों के बैठने की जगह' लिखा है, और अंत में एक नोट है: 'विवरण-पत्र में मेज़ का वज़न नहीं दिया गया है; कृपया प्रकाशित करने से पहले पुष्टि करें।' विपणनकर्ता हर तथ्यात्मक वाक्यांश को विवरण-पत्र से मिलाकर जाँचता है और प्रकाशित करता है। समय की बचत वास्तविक है, लेकिन सीमित है; बड़ा लाभ यह है कि टीम के पास अब दोबारा इस्तेमाल करने योग्य निर्देश और ऐसी जाँच है जो उस तरह की गलती पकड़ती है जिसकी शिकायत ग्राहक कर सकता है।
Brightwater ने जानबूझकर ये काम नहीं किए: सहायक को सीधे ग्राहकों को जवाब भेजने देना, ऑर्डर का पूरा निर्यात किया हुआ डेटा उसमें पेस्ट करना, या दोनों कार्यों की समीक्षा होने से पहले पूरी कंपनी में इसे लागू करने की घोषणा करना। समीक्षा की आदत बन जाने पर ये निर्णय बाद में लिए जा सकते हैं।
छोटे व्यवसाय की AI रणनीति में क्या शामिल होना चाहिए?
छोटे व्यवसाय की AI रणनीति एक पन्ने में आ सकती है: आप AI का उपयोग क्यों कर रहे हैं, कौन-से टूल मंज़ूर हैं, कौन-से काम दायरे में हैं और कौन-से बाहर, कौन-सी जानकारी नहीं देनी है, किस चीज़ की समीक्षा कौन करेगा, लोग कैसे सीखेंगे, और आप कैसे तय करेंगे कि यह काम कर रहा है या नहीं। इससे लंबी रणनीति आम तौर पर इस बात का संकेत होती है कि निर्णय अभी लिए नहीं गए हैं।
यह जोखिम ढाँचों में बताए गए तरीके का छोटा रूप है। NIST का AI जोखिम प्रबंधन ढाँचा, जिसे NIST स्वैच्छिक इस्तेमाल के लिए बताता है, अपने मार्गदर्शन को शासन, रूपरेखा तैयार करने, मापन और प्रबंधन में बाँटता है। इसके शासन संबंधी मार्गदर्शन में भूमिकाओं और ज़िम्मेदारियों का दस्तावेज़ीकरण, संगठन की नीतियों के तहत कर्तव्य निभाने के लिए प्रशिक्षण और चिंताओं को उचित स्तर तक पहुँचाने के स्पष्ट रास्ते माँगे गए हैं। 20 लोगों की कंपनी को पूरे ढाँचे की ज़रूरत नहीं है, लेकिन वही चार आदतें लागू होती हैं: जानें कि ज़िम्मेदार कौन है, जानें कि कौन-से टूल इस्तेमाल हो रहे हैं, लोगों को उनके वास्तविक कामों के लिए प्रशिक्षित करें और समस्या उठाना आसान बनाएँ।
उद्देश्य
दो या तीन वाक्यों में बताएँ कि आप किस काम में AI की मदद चाहते हैं, जैसे मार्केटिंग में पहले मसौदे जल्दी बनाना या आपूर्तिकर्ताओं के दस्तावेज़ों के सारांश जल्दी तैयार करना।
मंज़ूर किए गए टूल और प्लान
टूल का नाम, उसकी योजना, उसका प्रशासन कौन करता है और लोगों को उसका उपयोग करने की अनुमति कैसे मिलती है।
आने और पूरे होकर निकलने वाले कार्य
स्वीकृत कार्यों और अभी अनुमति न दिए गए कार्यों की एक छोटी सूची, जैसे कोई भी ऐसा कार्य जिसमें किसी व्यक्ति के बारे में निर्णय लिया जाता हो।
जानकारी साझा करने की सीमाएँ
क्या दर्ज किया जा सकता है और क्या नहीं, ऐसे उदाहरणों के साथ जिन्हें लोग अपने काम से जोड़ सकें।
समीक्षा और अंतिम मंज़ूरी
कंपनी से बाहर भेजे जाने से पहले कौन किन आउटपुट की जाँच करता है, और किन बातों की जाँच करता है।
सीखना
लोग कैसे अभ्यास करेंगे और संदेह होने पर किससे पूछेंगे।
समीक्षा की तारीख
आप कब प्रमाणों की समीक्षा करेंगे और तय करेंगे कि क्या जारी रखना है।
देखना चाहते हैं कि यह किसी भूमिका से कैसे जुड़ता है?
टीम के लिए नियोजित परीक्षण के बारे में जानें ↗मुख्य जोखिम क्या हैं, और नतीजों की जाँच कौन करता है?
रोज़मर्रा के जोखिम हैं पूरे विश्वास के साथ की गई गलतियाँ, संवेदनशील जानकारी का गलत टूल में जाना, और लोगों का किसी उत्तर पर सिर्फ़ इसलिए भरोसा कर लेना क्योंकि वह पढ़ने में अच्छा लगता है। NIST की जनरेटिव AI जोखिम रूपरेखा में मनगढ़ंत जानकारी देना जनरेटिव AI के विशिष्ट जोखिमों में गिना गया है। इसे ऐसी गलत या झूठी सामग्री तैयार करने के रूप में परिभाषित किया गया है जिसे पूरे विश्वास के साथ पेश किया जाता है। इसमें स्वचालन पूर्वाग्रह, यानी स्वचालित प्रणालियों पर ज़रूरत से ज़्यादा भरोसे, का भी वर्णन है और बताया गया है कि यह दूसरे जोखिमों को बढ़ा सकता है। सरल शब्दों में: टूल कभी-कभी गलत होगा, और लोग उसकी बात मान लेने की ओर झुकते हैं।
ब्रिटेन का मार्गदर्शन भी यही दिशा दिखाता है। NCSC सार्वजनिक बड़े भाषा मॉडलों से पूछे जाने वाले सवालों में संवेदनशील जानकारी शामिल न करने की सलाह देता है। Acas नियोक्ताओं को सलाह देता है कि परिणामों की सटीकता, लहजे और पक्षपात की जाँच की जाए, मौजूदा डेटा गोपनीयता नीतियाँ AI के उपयोग पर लागू होती हैं, और बेहतर परिणाम पाने के लिए कर्मचारियों को प्रशिक्षण की ज़रूरत हो सकती है। यदि व्यक्तिगत डेटा शामिल है, तो AI और डेटा सुरक्षा पर ICO का मार्गदर्शन जवाबदेही, वैध आधार और डेटा सुरक्षा प्रभाव आकलन को शामिल करता है। यह मार्गदर्शिका सामान्य जानकारी है, कानूनी सलाह नहीं; अपनी स्थिति के लिए सलाह लें।
इसका उपाय साधारण और असरदार है। हर स्वीकृत कार्य के लिए एक समीक्षक तय हो, समीक्षक को पता हो कि क्या जाँचना है—स्रोत से तथ्यों का मिलान, आँकड़ों की दोबारा गणना, ऐसे वादे जिन्हें कंपनी पूरा नहीं कर सकती और पाठकों के अनुकूल लहजा—और महत्वपूर्ण परिणाम वाले हर काम को विषय समझने वाला व्यक्ति मंज़ूरी दे। AI के जवाबों की तथ्य-जाँच पर हमारी मार्गदर्शिका इसे ऐसी नियमित प्रक्रिया में बदलती है जिसका लोग अभ्यास कर सकते हैं।
शुरुआत के बाद लोग AI का उपयोग क्यों बंद कर देते हैं?
लोग इस्तेमाल करना तब छोड़ देते हैं जब उन्हें समझ नहीं आता कि AI उनके किन कामों में मदद कर सकता है, जब उन्हें पता नहीं होता कि वे उसमें क्या पेस्ट कर सकते हैं, या जब शुरुआत में मिले खराब नतीजे से उन्हें लगने लगता है कि उसकी जाँच करना समय की बर्बादी है। उपयोगकर्ता लाइसेंस खरीदने से इनमें से कोई समस्या हल नहीं होती। DSIT के शोध में, पहले से AI इस्तेमाल कर रहे व्यवसायों ने बताया कि औसतन उनके 30% कर्मचारी इसका इस्तेमाल कर रहे थे, और 77% ने कहा कि उनके आधे से भी कम कर्मचारी ऐसा कर रहे थे। उसी सर्वेक्षण में, AI बिल्कुल न अपनाने की सबसे अधिक बताई गई वजहें थीं: किसी स्पष्ट ज़रूरत की पहचान न होना और AI से जुड़े कौशल व विशेषज्ञता की कमी।
उपाय स्पष्ट है। हर भूमिका के लिए दो या तीन स्वीकृत काम दें, साथ में एक उदाहरण प्रॉम्प्ट और समीक्षा की जाँच-सूची दें। सीमाएँ इतनी संक्षिप्त रखें कि याद रह सकें, और लोगों को अभ्यास के लिए ऐसी सुरक्षित जगह दें जहाँ पहली कोशिश खराब होने पर कोई नुकसान न हो। AI अपनाने की हमारी मार्गदर्शिका लागू करने के बाद कम इस्तेमाल की समस्या को विस्तार से समझाती है, जिसमें यह भी शामिल है कि मैनेजर पहले महीने में क्या कर सकता है।
आपको कैसे पता चलेगा कि AI आपके व्यवसाय में काम आ रहा है?
कुछ तय कामों को मापें, सामान्य रूप से AI को नहीं। इसे लागू करने से पहले मोटे तौर पर नोट करें कि किसी काम में कितना समय लगता है और समीक्षक उसे कितनी बार वापस भेजता है। चार से छह हफ़्ते बाद उसी काम को देखें: क्या पहला मसौदा इस्तेमाल करने लायक होने के ज़्यादा करीब है, क्या समीक्षक को कम सुधार करने पड़ रहे हैं और क्या गलतियाँ ग्राहक तक पहुँचने से पहले पकड़ी जा रही हैं? ये बातें लॉगिन की गिनती से ज़्यादा उपयोगी हैं।
खुद बताए गए लाभों को लेकर सावधान रहें, अपने बताए लाभों को लेकर भी। DSIT सर्वेक्षण में, AI का इस्तेमाल करने वाले 56% व्यवसायों ने कर्मचारी उत्पादकता बढ़ने की बात कही, जबकि 77% ने बताया कि राजस्व में अभी कोई बदलाव नहीं आया है। रिपोर्ट खुद भी बताती है कि ये आँकड़े उत्तरदाताओं के अपने अनुमान हैं। अपनी कंपनी में प्रमाण सीधे काम से जुड़े रखें: पहले और बाद के कुछ नमूने, समीक्षक की टिप्पणियाँ और काम करने वाले लोगों के साथ एक छोटी बातचीत।
किसी व्यावसायिक समस्या के लिए AI कब गलत समाधान होता है?
जब मूल प्रक्रिया स्पष्ट न हो, परिणाम की जाँच करने वाला कोई न हो या काम किसी व्यक्ति के बारे में निर्णय लेना हो, तब AI से शुरुआत करना गलत है। अगर मूल्य-प्रस्ताव तैयार करने की आपकी प्रक्रिया में एकरूपता नहीं है, तो सहायक असंगत मूल्य-प्रस्ताव और तेज़ी से बनाएगा। अगर कंपनी में कोई यह नहीं बता सकता कि कर संबंधी व्याख्या सही है या नहीं, तो उसे लिखने का काम इस उपकरण को नहीं करना चाहिए। अगर किसी काम से तय होता है कि किसे नौकरी मिलेगी, किसकी पदोन्नति होगी, किस पर अनुशासनात्मक कार्रवाई होगी या किसे सेवा देने से मना किया जाएगा, तो उसके लिए एक सामान्य सहायक और सरसरी समीक्षा से कहीं अधिक सावधानी चाहिए।
जब काम की मात्रा बहुत कम हो, तब भी यह सही समाधान नहीं है। महीने में आपूर्तिकर्ता को एक ईमेल लिखने के लिए नया टूल, नीति और प्रशिक्षण लेना उचित नहीं है। और यह उस विशेषज्ञता का विकल्प नहीं है जो आपके पास नहीं है: AI किसी योग्य व्यक्ति को तेज़ी से काम करने में मदद कर सकता है, लेकिन किसी अयोग्य व्यक्ति के काम को भरोसे के लायक सुरक्षित नहीं बना सकता। किसी उपयोग को न अपनाने का फ़ैसला भी समीक्षा का पूरी तरह उचित नतीजा है।
प्रशिक्षण की क्या भूमिका है, और Tosheo.ai कहाँ काम आता है?
प्रशिक्षण वह कदम है जिसे अधिकांश छोटी कंपनियाँ छोड़ देती हैं, क्योंकि टूल आसान लगते हैं। कमी आमतौर पर यह जानने की नहीं होती कि कौन सा बटन दबाना है; बल्कि यह जानने की होती है कि कौन सा संदर्भ देना है, क्या शामिल नहीं करना है और किसी खास काम के लिए परिणाम कैसे जाँचना है। यह किसी सामान्य पाठ्यक्रम को देखने के बजाय वास्तविक कार्यों का अभ्यास करके और प्रतिक्रिया पाकर सबसे आसानी से सीखा जा सकता है।
Tosheo.ai को 5 से 200 लोगों की टीमों के लिए ठीक यही करने के उद्देश्य से विकसित करने की तैयारी है। शुरुआती पेशकश की योजना के अनुसार प्रबंधक भूमिकाएँ और टीम द्वारा इस्तेमाल किए जाने वाले AI टूल चुनेगा, और हर व्यक्ति एक छोटी शुरुआती कौशल जाँच देगा। इसके बाद वह 10 से 15 मिनट के पाठ पूरे करेगा, जिनके अंत में वास्तविक AI टूल पर एक व्यावहारिक कार्य होगा, जिसका मूल्यांकन स्पष्ट मानदंडों के आधार पर होगा। योजना है कि प्रबंधक कौशल में प्रगति और पाठ पूरा होने की स्थिति देख सकें, चैट का मूल रिकॉर्ड कभी नहीं। उत्पाद का निर्माण अभी शुरू नहीं हुआ है, इसलिए दिखाने के लिए ग्राहकों के नतीजे नहीं हैं। प्रस्तावित कीमतें मूल्य निर्धारण पृष्ठ पर हैं, और अगर आपको केवल एक नीति या शुरुआती कार्यों की सूची चाहिए, तो इस साइट की मुफ़्त मार्गदर्शिकाएँ पर्याप्त हो सकती हैं।
स्रोत और दायरा
DSIT, AI अपनाने पर शोध रिपोर्ट (फ़रवरी से मई 2025 तक मैदानी अध्ययन), जनवरी 2026 में प्रकाशित ↗
GOV.UK, AI अपनाने पर शोध के प्रकाशन का पृष्ठ, February 2026 में संशोधित ↗
NIST, AI जोखिम प्रबंधन ढाँचे का परिचय, जनवरी 2023 ↗
NIST, AI RMF कार्यपुस्तिका: संचालन ↗
NIST, AI 600-1 जनरेटिव AI प्रोफ़ाइल, जुलाई 2024 ↗
NCSC, ChatGPT और बड़े भाषा मॉडल: जोखिम क्या है?, 14 March 2023 ↗
Acas, एक तिहाई नियोक्ताओं का मानना है कि AI से उत्पादकता बढ़ेगी, 15 मई 2025 ↗
ICO, AI और डेटा संरक्षण पर मार्गदर्शन, दिनांक 15 मार्च 2023 ↗