अपनी टीम में AI कौशल का आकलन कैसे करें

AI कौशल से आपका क्या मतलब है?

मूल्यांकन के उद्देश्य से, AI कौशल ऐसा व्यवहार है जिसे आप किसी विशिष्ट काम में जाँच सकते हैं। उपयुक्त स्रोत देना, बिना आधार वाले दावे को पहचानना या अंतिम संपादन समझाना, यह कहने से अधिक स्पष्ट है कि कोई व्यक्ति AI में अच्छा है। भूमिका, टूल और परिस्थितियाँ बताएँ, ताकि समीक्षक समझ सके कि साक्ष्य वास्तव में किस बात से संबंधित है।

एक व्यापक श्रेणी अलग-अलग क्षमताओं को छिपा सकती है। कोई व्यक्ति स्पष्ट प्रॉम्प्ट लिख सकता है, लेकिन संदर्भ की जाँच करने में चूक सकता है; या गणना जाँचते हुए कारण की ऐसी व्याख्या स्वीकार कर सकता है जिसके समर्थन में कोई प्रमाण नहीं है। इन अवलोकनों को तुरंत एक समग्र अंक में समेटने के बजाय अलग-अलग रखें। AI कौशल मार्गदर्शिका सात व्यावहारिक कौशलों का वर्णन करती है, जिनका इस्तेमाल जानकारी-आधारित अधिकांश कामों में होता है; मूल्यांकन में स्पष्ट होना चाहिए कि किसी कार्य से इनमें से कौन-से कौशल सामने आने हैं।

यह आकलन किस लिए है?

कुछ भी तैयार करने से पहले उद्देश्य तय करें, क्योंकि उसी से तय होता है कि परिणामों का असर कितना होगा। सीखने का आकलन किसी व्यक्ति को यह समझने में मदद करता है कि उसे आगे किस चीज़ का अभ्यास करना चाहिए, और उसमें असफल होने का डर नहीं होना चाहिए। तैयारी की जाँच से प्रबंधक को यह तय करने में मदद मिलती है कि कार्यक्रम कहाँ से शुरू किया जाए। प्रमाणन आकलन दूसरों के सामने इस दावे का आधार देता है कि किसी व्यक्ति ने तय कामों में तय मानक पूरे किए हैं। भर्ती एक अलग मामला है, जिसकी चर्चा नीचे की गई है।

अलग-अलग उद्देश्यों को मिलाने से ज़्यादातर समस्याएँ पैदा होती हैं। अगर लोगों को लगता है कि शुरुआती आकलन का इस्तेमाल कार्य-प्रदर्शन की समीक्षा में होगा, तो वे जोखिम से बचेंगे, टूल का इस्तेमाल नहीं करेंगे या किसी सहकर्मी से मदद माँगेंगे, और नतीजे से आपको बहुत कम पता चलेगा। लोगों को बताएँ कि नतीजे का इस्तेमाल किसलिए होगा, उसे कौन देखेगा और उसके आधार पर क्या नहीं किया जाएगा।

आपको किन संकेतों को अलग-अलग रखना चाहिए?

आत्मविश्वास, प्रशिक्षण पूरा करना और करके दिखाया गया काम अलग-अलग सवालों के जवाब देते हैं। खुद को दिया गया अंक बताता है कि व्यक्ति कैसा महसूस करता है। प्रशिक्षण पूरा करने का रिकॉर्ड बताता है कि उसने कार्यक्रम का एक पड़ाव पूरा किया। व्यावहारिक कार्य उसे खास परिस्थितियों में खास फैसले लेकर दिखाने का अवसर देता है। इनमें से किसी को भी बिना स्पष्ट किए दूसरे का विकल्प नहीं मानना चाहिए।

एक उपयोगी मूल्यांकन रिपोर्ट में तरीका और उसकी सीमाएँ स्पष्ट होती हैं। अगर किसी शिक्षार्थी ने मसौदा तैयार करने का एक काल्पनिक कार्य पूरा किया है, तो यही लिखें। यह संकेत न दें कि वह हर गोपनीय या गंभीर परिणाम वाली कार्यप्रक्रिया को सुरक्षित ढंग से संभाल सकता है। NIST का AI जोखिम प्रबंधन ढाँचा स्वयं AI प्रणालियों के बारे में भी ऐसी ही बात कहता है: जिन परिस्थितियों में परीक्षण हुआ है, उनसे बाहर निष्कर्ष लागू करने की सीमाएँ दर्ज की जानी चाहिए। लोगों का मूल्यांकन करते समय भी यही अनुशासन लागू होता है।

व्यावहारिक कार्य कैसे चुनें?

भूमिका से जुड़ा काम चुनें और उत्तर का आकलन करने के लिए पर्याप्त स्रोत सामग्री दें। विपणन का काम करने वाला व्यक्ति किसी काल्पनिक अभियान के ईमेल में संशोधन कर सकता है। मानव संसाधन विभाग का सहकर्मी भूमिका के संक्षिप्त विवरण के आधार पर साक्षात्कार के प्रश्न सुधार सकता है। वित्त विभाग का सहकर्मी एक छोटी तालिका समझा सकता है और जिन कारणों के लिए प्रमाण नहीं हैं, उन पर निष्कर्ष देने से बच सकता है। ग्राहक सहायता कर्मचारी दी गई नीति के अंश का उपयोग करके ग्राहक के प्रश्न का उत्तर दे सकता है।

काम ऐसा बनाएँ कि उसका सुरक्षित ढंग से अभ्यास किया जा सके। शुरुआती अभ्यास में काल्पनिक या स्वीकृत जानकारी इस्तेमाल करें और वास्तविक लोगों, पैसों या ग्राहकों से संवाद से जुड़े निर्णयों से बचें। मकसद काम को परखना है, न कि किसी कौशल को मापने की कोशिश में ऐसा स्वचालित निर्णय लेना जिसका वास्तविक असर पड़े।

अच्छे अभ्यास कार्यों में ऐसी छिपी समस्या होती है जिसका असर पड़ता है। एक ऐसी वास्तविक समस्या रखें जिसे सीखने वाले को पकड़ना चाहिए, जैसे नीति का कोई विवरण जिसे उपकरण गढ़ सकता है या कोई आँकड़ा जिसकी दोबारा गणना ज़रूरी हो। जिस काम में गलती की कोई संभावना न हो, वह केवल यह मापता है कि कोई व्यक्ति उपकरण चला सकता है या नहीं।

मूल्यांकन का एक पूरा कार्य कैसा होता है?

यह लार्चवुड होम नाम के एक काल्पनिक फर्नीचर विक्रेता के यहाँ ग्राहक सहायता की भूमिका का पूरा उदाहरण है। सीखने वाले को ग्राहक का एक ईमेल मिलता है, जिसमें पूछा गया है कि क्या फटे हुए कुशन के साथ पहुँचा सोफ़ा बदला जा सकता है। साथ ही नीति का एक अंश मिलता है, जिसके अनुसार 14 दिनों के भीतर सूचित किए गए क्षतिग्रस्त सामान को मुफ़्त बदला जाता है और ग्राहक को एक तस्वीर भेजनी होती है। ग्राहक ने नुकसान की सूचना 9वें दिन दी थी।

निर्देश में लिखा है: "जवाब का मसौदा बनाने के लिए स्वीकृत AI सहायक का उपयोग करें। केवल दी गई नीति का उपयोग करें। टूल को दिए जाने वाले अपने निर्देश में ग्राहक का पता या ऑर्डर नंबर शामिल न करें। अपना निर्देश, टूल का मसौदा, अपना अंतिम जवाब और अपने संपादनों का कारण बताने वाले दो या तीन वाक्य जमा करें।"

समस्या यह है कि सामान्य इस्तेमाल वाले टूल अक्सर पैसे वापस करने का विकल्प, डिलीवरी की तारीख या सद्भावना के तौर पर वाउचर जोड़ देते हैं, जिसका नीति में ज़िक्र नहीं है। अच्छे उत्तर में केवल सामान बदलने की बात होती है, फ़ोटो माँगी जाती है, ऐसी कोई तारीख नहीं दी जाती जिसका आधार नीति में न हो, और किसी भी गढ़ी हुई पेशकश को हटाने का कारण समझाया जाता है। कमज़ोर उत्तर में टूल के मसौदे को मामूली बदलावों के साथ भेज दिया जाता है। दोनों पढ़ने में अच्छे लग सकते हैं; भेजना केवल एक को सुरक्षित है।

सबको दिखाई देने वाली मूल्यांकन मार्गदर्शिका में क्या शामिल होना चाहिए?

दिखाई देने वाली मूल्यांकन मार्गदर्शिका काम जमा करने से पहले मानदंड बताती है और हर स्तर पर काम कैसा होना चाहिए, यह समझाती है। उपयोगी श्रेणियों में संदर्भ, साक्ष्य, जानकारी को संभालना और समीक्षा के निर्णय शामिल हैं। बिना विवरण के कोई अंक देने के बजाय समझाएँ कि समीक्षक काम में क्या देखना चाहता है। प्रतिक्रिया पढ़ने के बाद शिक्षार्थी समझ सके कि उसे क्या सुधारना है।

नीचे दिए गए मूल्यांकन मानदंड लार्चवुड के कार्य के लिए उपयुक्त हैं। यह संपादकीय मूल्यांकन का ढाँचा है, मनोमितीय वैधता का दावा नहीं, और इसके लिए उत्तीर्ण होने का कोई सत्यापित अंक निर्धारित नहीं है।

काम को अंक कौन दे, AI या कोई व्यक्ति?

दोनों कर सकते हैं, बशर्ते मानदंड दिखाई दें और अंकों को चुनौती दी जा सके। काम को जानने वाला व्यक्ति सबसे भरोसेमंद समीक्षक होता है, लेकिन वह धीमा होता है और कई प्रस्तुतियों की समीक्षा करते समय उसके आकलन में असंगति हो सकती है। अंकन मानदंडों के आधार पर AI से मूल्यांकन तेज़ होता है और उससे स्पष्ट प्रतिक्रिया मिल सकती है, लेकिन पूरे विश्वास से दिया गया अंक सही होने का प्रमाण नहीं है। AI मूल्यांकनकर्ता उस संदर्भ को भी चूक सकते हैं जिसे संबंधित क्षेत्र का विशेषज्ञ समझ लेता है।

एक व्यावहारिक बीच का रास्ता है: अभ्यास कार्यों पर AI से प्रतिक्रिया, विवादित अंकों की दोबारा जाँच का अनुरोध करने का तरीका, और जहाँ परिणाम का असर पड़ता हो वहाँ इंसानी समीक्षा। Tosheo.ai की प्रस्तावित बनावट इसी तरीके पर आधारित है: कार्यों को स्पष्ट रूप से उपलब्ध अंक देने की मार्गदर्शिका के आधार पर AI अंक देगा और सीखने वालों की आपत्तियाँ समीक्षा सूची में भेजी जाएँगी। यह प्रक्रिया प्रस्तावित दायरे में है; यह इस बात का प्रमाण नहीं है कि लागू की गई अंक देने वाली प्रणाली की वैधता जाँची जा चुकी है।

समीक्षकों के आकलन में एकरूपता कैसे बनाए रखें?

अंक देने से पहले आकलन में एकरूपता लाएँ। दो समीक्षकों से कहें कि वे जमा किए गए उन्हीं तीन या चार नमूनों को अलग-अलग जाँचें। जहाँ उनके आकलन में अंतर हो, उसकी तुलना करें और सहमति बनाएँ कि अंक देने की मार्गदर्शिका में लिखी बातों का क्या अर्थ है। हर मानदंड के पास छोटे नोट के रूप में निर्णय लिखें, जैसे "सद्भावना के तौर पर दी गई रियायत को मनगढ़ंत पेशकश माना जाएगा, जब तक नीति इसकी अनुमति न देती हो"।

समय-समय पर किसी दूसरे व्यक्ति से एक छोटे नमूने की समीक्षा करवाकर दोबारा जाँचें। NIST के मापन संबंधी मार्गदर्शन में कहा गया है कि स्वतंत्र समीक्षा से आंतरिक पक्षपात कम हो सकता है। छोटी टीम में इसका सीधा-सा मतलब यह हो सकता है कि संस्थापक और एक वरिष्ठ सहकर्मी हर तिमाही कुछ एक जैसे जमा किए गए कामों की अलग-अलग समीक्षा करें।

बार-बार किए गए प्रयासों का क्या अर्थ निकालना चाहिए?

दूसरा प्रयास दिखा सकता है कि किसी व्यक्ति ने उस उदाहरण पर मिली प्रतिक्रिया को समझा है। लेकिन उसे कार्य याद होने का लाभ भी मिल सकता है। कोई व्यापक निष्कर्ष निकालने से पहले नया, लेकिन तुलनीय उदाहरण इस्तेमाल करें और उपकरण, स्रोत सामग्री या शिक्षार्थी को उपलब्ध सहायता में हुए बदलावों का रिकॉर्ड रखें।

जहाँ अंक मायने रखते हैं, वहाँ समीक्षा प्रक्रिया ऐसी रखें कि उसकी जाँच की जा सके और उस पर आपत्ति उठाने का तरीका भी दें। AI से मिली प्रतिक्रिया पर चर्चा करना उपयोगी हो सकता है, लेकिन किसी महत्वपूर्ण परिणाम पर अंतिम फ़ैसला उसी के आधार पर नहीं होना चाहिए।

नतीजों की रिपोर्ट कैसे देनी चाहिए?

बताएँ कि क्या देखा गया, किन परिस्थितियों में देखा गया और क्या अब भी अज्ञात है। एक संक्षिप्त और एक समान ढंग से रखा गया रिकॉर्ड किसी एक अंक से अधिक उपयोगी होता है। नीचे दिए गए प्रारूप का इस्तेमाल प्रत्येक व्यक्ति या प्रत्येक भूमिका के लिए किया जा सकता है।

कौशल का आकलन, AI के इस्तेमाल पर नज़र रखने से कैसे अलग है?

टूल का उपयोग और उसमें भागीदारी से प्रबंधक को यह समझने में मदद मिल सकती है कि कार्यक्रम का इस्तेमाल हो रहा है या नहीं। केवल इनसे यह नहीं पता चलता कि कोई व्यक्ति उचित निर्णय ले रहा है। बार-बार इस्तेमाल होने वाले टूल से भी ऐसा काम तैयार हो सकता है जिसकी कोई जाँच नहीं करता, जबकि सावधानी से सीखने वाला व्यक्ति उसका इस्तेमाल सिर्फ़ किसी सीमित, स्वीकृत काम के लिए कर सकता है।

उपयोग अपनाए जाने की समीक्षा करते समय काम के नमूनों, नीति से जुड़े सवालों और उपलब्ध सहायता को भी देखें। बताएँ कि कौन-से संकेत दिखाई दे रहे हैं और कौन-से नहीं मिल रहे हैं। उचित पद्धति और संदर्भ से जुड़े प्रमाण के बिना लॉगिन की आवृत्ति में बदलाव को उत्पादकता का दावा न बनाएँ।

प्रबंधकों को क्या देखने की सुविधा मिलनी चाहिए?

प्रबंधकों को लोगों की मदद करने के लिए पर्याप्त जानकारी चाहिए: किसने कौन-से कौशल दिखाए हैं, वे कहाँ अटक रहे हैं और क्या वे आगे बढ़ रहे हैं। उन्हें शायद ही कभी किसी व्यक्ति की AI टूल के साथ हुई हर बातचीत का मूल पाठ चाहिए होता है। इन रिकॉर्ड को पढ़ना निगरानी जैसा लगता है, खुलकर अभ्यास करने से हतोत्साहित करता है और ऐसी जानकारी सामने ला सकता है जिसे सीखने वाले को साझा नहीं करना चाहिए था।

तय करें कि कौन-सी जानकारी दिखाई देगी और किसी के भी काम शुरू करने से पहले यह स्पष्ट कर दें। इसी वजह से Tosheo.ai का प्रस्तावित प्रबंधक डैशबोर्ड कौशल में प्रगति और प्रशिक्षण पूरा होने की स्थिति दिखाने के लिए बनाया जा रहा है, न कि चैट के मूल रिकॉर्ड दिखाने के लिए।

यह किसी उम्मीदवार का आकलन करने से कैसे अलग है?

सीखने और भर्ती के उद्देश्य अलग हैं। प्रशिक्षण का कोई कार्य मौजूदा कर्मचारी को गलती करने और सुधारने की गुंजाइश दे सकता है। उम्मीदवार का आकलन एक निष्पक्ष, निर्धारित भर्ती प्रक्रिया का हिस्सा होना चाहिए, जिसमें उचित मानवीय समीक्षा हो और उम्मीदवारों को स्पष्ट जानकारी दी जाए। एक ही उदाहरण को यह मानकर दोबारा इस्तेमाल नहीं करना चाहिए कि दोनों के संदर्भ और परिणाम एक जैसे हैं। प्रशिक्षण के नतीजे का इस्तेमाल नौकरी से जुड़ा ऐसा निर्णय लेने के लिए नहीं होना चाहिए जिसके लिए उसे बनाया ही नहीं गया था।

आपको AI कौशल का आकलन कब नहीं करना चाहिए?

जब तक लोगों के पास मंज़ूर किया गया उपकरण और जानकारी के इस्तेमाल के बुनियादी नियम न हों, तब तक ऐसा आकलन न करें; वरना आप कौशल के बजाय उपकरण तक पहुँच और भ्रम को माप रहे होंगे। इसे छिपी हुई कार्य-प्रदर्शन समीक्षा के रूप में न करें। और इस साइट पर दी गई तैयारी की स्व-जाँच समेत, खुद दी गई जानकारी पर आधारित किसी प्रश्नावली का इस्तेमाल लोगों की रैंकिंग करने, प्रमाणपत्र देने या रोजगार संबंधी फैसले लेने के लिए न करें।

अगर आपको बड़े प्रभाव वाले निर्णयों के लिए प्रमाणित मनोमितीय साधन चाहिए, तो यहाँ बताया गया तरीका वह नहीं है। यह सीखने से जुड़ी बातचीत और कार्यक्रम की योजना बनाने का एक व्यावहारिक तरीका है। इसमें संदर्भ और सीमाओं पर NIST के मार्गदर्शन को ध्यान में रखा गया है, लेकिन वह मार्गदर्शन कर्मचारियों के आकलन के इस तरीके का न तो समर्थन करता है, न इसे मान्य ठहराता है।

प्रबंधक को आगे क्या करना चाहिए?

भूमिका से जुड़ा एक काम चुनें, अंक देने के मानदंडों वाली एक छोटी मार्गदर्शिका साझा करें और सीखने वाले के साथ उसके तर्क की समीक्षा करें। स्रोत, टूल और परिस्थितियों का रिकॉर्ड रखें। तय करें कि उपलब्ध साक्ष्य से क्या साबित होता है और किस बात के लिए एक और उदाहरण चाहिए। सीखने के बारे में उपयोगी बातचीत शुरू करने का यह एक व्यावहारिक तरीका है।

अगर बड़ा सवाल यह है कि टीम अभ्यास करने के लिए तैयार भी है या नहीं, तो तैयारी की जाँच-सूची से शुरू करें। इसमें टूल तक पहुँच, जानकारी के इस्तेमाल की सीमाएँ, समीक्षा के मानक और सहायता शामिल हैं। स्व-जाँच उस बातचीत को शुरू करने में मदद कर सकती है। दोनों चर्चा में मदद के साधन हैं, काम करके दिखाई गई क्षमता के विकल्प नहीं।

स्रोत और दायरा

NIST AI RMF का मूल ढाँचा, 16 अक्टूबर 2026 को जाँचा गया ↗

NIST AI RMF कार्यपुस्तिका: संचालन, 16 अक्टूबर 2026 को जाँचा गया ↗