നിങ്ങളുടെ ജോലിയിൽ AI എങ്ങനെ ഉപയോഗിക്കാം: ഓരോ തൊഴിൽ ചുമതലയ്ക്കുമുള്ള മാർഗദർശി

നിങ്ങളുടെ ജോലിയിൽ AI ഉപയോഗിക്കുന്നതിൽ യഥാർഥത്തിൽ എന്തൊക്കെയാണ് ഉൾപ്പെടുന്നത്?

മിക്ക ഓഫീസ് ജോലികളിലും AI ഉപയോഗിക്കുന്നത് മൂന്ന് തരത്തിലുള്ള സഹായമാണ് അർഥമാക്കുന്നത്: നിങ്ങൾ നൽകുന്ന വിവരങ്ങളിൽനിന്ന് കരടുകൾ തയ്യാറാക്കൽ, ഉള്ളടക്കം ഒരു രൂപത്തിൽനിന്ന് മറ്റൊന്നിലേക്കു മാറ്റൽ, സാധ്യതകളും ചോദ്യങ്ങളും വിട്ടുപോയ കാര്യങ്ങളും നിർദേശിക്കുന്ന ചിന്താപങ്കാളിയായി പ്രവർത്തിക്കൽ. തീരുമാനമെടുക്കാനോ അവലോകനമില്ലാതെ അന്തിമജോലി തയ്യാറാക്കാനോ ഒരു ഉപകരണത്തെ അനുവദിക്കുന്നത് അപൂർവമായേ ഇതിൽ ഉൾപ്പെടൂ.

ഇമെയിലുകൾ, സംഗ്രഹങ്ങൾ, തൊഴിൽപരസ്യങ്ങൾ, നയവിശദീകരണങ്ങൾ, റിപ്പോർട്ടുകളുടെ ആദ്യരൂപങ്ങൾ എന്നിവ കരട് തയ്യാറാക്കലിൽ ഉൾപ്പെടുന്നു. നീണ്ട രേഖകൾ ചുരുക്കുക, കുറിപ്പുകൾ ക്രമബദ്ധമായ രേഖകളാക്കുക, ഒരേ സന്ദേശം വ്യത്യസ്ത വായനക്കാർക്കുള്ള പതിപ്പുകളാക്കുക, ഒരു പട്ടിക ലളിതമായ ഭാഷയിലുള്ള വിശദീകരണമാക്കുക എന്നിവ രൂപമാറ്റത്തിൽ ഉൾപ്പെടുന്നു. ചിന്തയിൽ പങ്കാളിയാകുന്ന റോളിൽ 'സംശയത്തോടെ സമീപിക്കുന്ന ഒരു വാങ്ങുന്നയാൾ ഇതിനെക്കുറിച്ച് എന്തു ചോദിക്കും?' അല്ലെങ്കിൽ 'ഈ പദ്ധതിയിൽ എന്താണ് വിട്ടുപോയിരിക്കുന്നത്?' തുടങ്ങിയ ചോദ്യങ്ങൾ ഉൾപ്പെടുന്നു.

മൂന്നിലും, ഏത് ഉപകരണം ഉപയോഗിക്കുന്നു എന്നതിനേക്കാൾ, അതിന് എന്ത് നൽകുന്നു, തിരികെ ലഭിക്കുന്നത് എങ്ങനെ പരിശോധിക്കുന്നു എന്നിവയെയാണ് ഫലത്തിന്റെ നിലവാരം കൂടുതൽ ആശ്രയിക്കുന്നത്. അതുകൊണ്ടാണ് താഴെയുള്ള ഓരോ തൊഴിൽ മാർഗദർശിയിലും ഒരേ ശീലങ്ങൾ ആവർത്തിക്കുന്നത്; ഓരോ ജോലിയുടെയും സ്വഭാവത്തിനും അപകടസാധ്യതകൾക്കും അനുസരിച്ച് അവ ക്രമീകരിച്ചിരിക്കുന്നു.

AI ഉപയോഗിച്ച് ആദ്യം ചെയ്യേണ്ട ജോലി എങ്ങനെ തിരഞ്ഞെടുക്കാം?

നിങ്ങൾ പതിവായി ചെയ്യുന്നതും നന്നായി ചെയ്യാൻ അറിയുന്നതും വേഗത്തിൽ പരിശോധിക്കാനാകുന്നതുമായ ഒരു ജോലി തിരഞ്ഞെടുക്കുക. ആത്മവിശ്വാസത്തോടെ അവതരിപ്പിക്കുന്ന ഒരു തെറ്റ് കണ്ടെത്താൻ നിങ്ങളെ സഹായിക്കുന്നത് നിങ്ങൾക്കുള്ള കഴിവാണ്. അതിനാൽ, പരിചയമില്ലാത്ത ഒരു ജോലിയിൽ നിന്ന് തുടങ്ങുന്നത് ഉചിതമല്ല. താഴെയുള്ള മാനദണ്ഡങ്ങൾ മിക്കവർക്കും തിരഞ്ഞെടുക്കാവുന്ന ജോലികളുടെ എണ്ണം രണ്ടോ മൂന്നോ ആയി ചുരുക്കും.

ജോലിക്കായി നൽകുന്ന നല്ലൊരു നിർദേശത്തിൽ എന്തെല്ലാം ഉണ്ടായിരിക്കണം?

കഴിവുള്ള ഒരു പുതിയ സഹപ്രവർത്തകന് കൂടുതൽ വിവരങ്ങൾക്കായി നിങ്ങളെ വീണ്ടും സമീപിക്കാതെ ജോലി ചെയ്യാൻ വേണ്ടതെല്ലാം നല്ലൊരു ജോലി നിർദേശത്തിൽ ഉൾപ്പെടും: ഉദ്ദേശ്യം, വായനക്കാർ, അടിസ്ഥാന വിവരങ്ങൾ, നിയന്ത്രണങ്ങൾ, ആവശ്യമായ രൂപം, പ്രത്യേകം ചൂണ്ടിക്കാട്ടേണ്ട കാര്യങ്ങൾ. വിവരങ്ങളുടെ കുറവാണ് AI സൃഷ്ടിക്കുന്ന ഉള്ളടക്കം പൊതുവായതായി തോന്നുന്നതിനും വിശദാംശങ്ങൾ കെട്ടിച്ചമയ്ക്കുന്നതിനുമുള്ള പ്രധാന കാരണം.

ഒരേ ജോലിക്കുള്ള രണ്ട് നിർദേശങ്ങൾ താരതമ്യം ചെയ്യുക. ദുർബലമായ പതിപ്പ് ഇതാണ്: 'ഓഫീസ് മാറുന്നതിനെക്കുറിച്ച് ടീമിനായി ഒരു അറിയിപ്പ് എഴുതുക.' കൂടുതൽ വ്യക്തമായ പതിപ്പ് ഇതാണ്: 'ഓഫീസ് മാറുന്നതിനെക്കുറിച്ച് ഞങ്ങളുടെ 25 ജീവനക്കാർക്കായി 150 വാക്കുകളുള്ള ഒരു അറിയിപ്പ് എഴുതുക. താഴെയുള്ള വസ്തുതകൾ മാത്രം ഉപയോഗിക്കുക: ഓഫീസ് മാറ്റം വെള്ളിയാഴ്ച 14 നവംബറിലാണ്, പുതിയ വിലാസം കുറിപ്പുകളിലുണ്ട്, വ്യാഴാഴ്ച വൈകുന്നേരം 4 മണിക്കകം മേശകളിലെ സാധനങ്ങൾ നീക്കണം, വിവരസാങ്കേതിക വിഭാഗം മോണിറ്ററുകളും ഡോക്കുകളും മാറ്റും. ലളിതവും സൗഹൃദപരവുമായ ശൈലി ഉപയോഗിക്കുക. സംശയങ്ങൾ ആരോട് ചോദിക്കണമെന്ന് പറഞ്ഞ് അവസാനിപ്പിക്കുക. കുറിപ്പുകളിലില്ലാത്ത തീയതികളോ നിയമങ്ങളോ ഉറപ്പുകളോ ചേർക്കരുത്. ജീവനക്കാർ ചോദിക്കാൻ സാധ്യതയുള്ളതും കുറിപ്പുകളിൽ മറുപടിയില്ലാത്തതുമായ കാര്യങ്ങൾ പട്ടികപ്പെടുത്തുക.'

അവസാന നിർദേശം എല്ലായിടത്തും സ്വീകരിക്കാവുന്നതാണ്. ഉത്തരം നൽകാനാകാത്ത കാര്യങ്ങൾ പട്ടികപ്പെടുത്താൻ ഉപകരണത്തോട് ആവശ്യപ്പെടുമ്പോൾ, അല്ലാത്തപക്ഷം അത് ഊഹിച്ച് പൂരിപ്പിക്കുമായിരുന്ന ഒരു വിടവ് നിങ്ങൾക്ക് പരിഹരിക്കാവുന്ന ചോദ്യമായി മാറുന്നു. അവസാനം ലിങ്ക് നൽകിയിരിക്കുന്ന നിർദേശരചനാ മാർഗദർശി ഘടനയെയും മാതൃകകളെയും കുറിച്ച് കൂടുതൽ വിശദീകരിക്കുന്നു.

AI നൽകുന്ന ഫലം ഉപയോഗിക്കുന്നതിന് മുമ്പ് എങ്ങനെ പരിശോധിക്കണം?

വായിക്കുമ്പോൾ ശരിയാണെന്ന് തോന്നുന്നുണ്ടോ എന്നതിന്റെ അടിസ്ഥാനത്തിലല്ല, ഉറവിടവുമായി താരതമ്യം ചെയ്ത് ഫലം പരിശോധിക്കുക. ഒഴുക്കുള്ള എഴുത്തിനെ വിശ്വസിക്കാൻ എളുപ്പമാണ്. ആത്മവിശ്വാസത്തോടെ അവതരിപ്പിക്കുന്നതും എന്നാൽ പിഴവുള്ളതോ അസത്യമായതോ ആയ ഉള്ളടക്കം സൃഷ്ടിക്കുന്നതിനെയാണ് NIST-യുടെ ജനറേറ്റീവ് AI പ്രൊഫൈൽ വിവരങ്ങൾ കെട്ടിച്ചമയ്ക്കൽ എന്ന് വിശേഷിപ്പിക്കുന്നത്. മനുഷ്യരും AI സംവിധാനങ്ങളും ഒരുമിച്ച് പ്രവർത്തിക്കുമ്പോഴുള്ള അപകടസാധ്യതകളിൽ അമിത ആശ്രയവും യാന്ത്രിക സംവിധാനങ്ങളുടെ ഫലങ്ങളെ അനുകൂലിക്കുന്ന പക്ഷപാതവും അത് ഉൾപ്പെടുത്തുന്നു. തോന്നലിനെ ആശ്രയിക്കുന്നതിന് പകരം ബോധപൂർവം പരിശോധിക്കാനുള്ള കാരണങ്ങളാണ് ഇവ രണ്ടും.

മിക്ക ജോലികൾക്കും ഒരു ചെറിയ പരിശോധനാക്രമം മതി. ആദ്യം, ഓരോ വസ്തുതാപരമായ പ്രസ്താവനയും പേരും തീയതിയും സംഖ്യയും നിങ്ങൾ നൽകിയ സ്രോതസ്സിൽ കണ്ടെത്തുക; കണ്ടെത്താനാകാത്തത് നീക്കുകയോ സ്ഥിരീകരിക്കുകയോ ചെയ്യുക. രണ്ടാമതായി, സംഖ്യകൾ സ്വതന്ത്രമായി വീണ്ടും കണക്കുകൂട്ടുക. മൂന്നാമതായി, കൂട്ടിച്ചേർത്തതെന്തെന്ന് പരിശോധിക്കുക: ഇത്തരമൊരു രേഖയിൽ സാധാരണമായി തോന്നുമെങ്കിലും നിങ്ങളുടെ കാര്യത്തിൽ സത്യമല്ലാത്ത അവകാശവാദങ്ങൾ, വാഗ്ദാനങ്ങൾ, കാരണങ്ങൾ, ചട്ടങ്ങൾ എന്നിവ. നാലാമതായി, ഉദ്ദേശിച്ച വായനക്കാരന്റെ കാഴ്ചപ്പാടിൽ വായിച്ച് ശൈലി ക്രമീകരിക്കുക. അവസാനമായി, അന്തിമ പതിപ്പിന്റെ ഉത്തരവാദിത്തം ആർക്കാണെന്ന് തീരുമാനിക്കുക; സാധാരണയായി അത് നിങ്ങൾക്കുതന്നെയായിരിക്കും.

ഒരു പിശകിന്റെ പ്രത്യാഘാതത്തിന് അനുസരിച്ചായിരിക്കണം പരിശോധനയുടെ ആഴം. സ്വന്തം കുറിപ്പുകൾക്കുള്ള കരടിന് വേണ്ട പരിശോധനയെക്കാൾ കൂടുതൽ ഒരു ഉപഭോക്താവിന് അയയ്ക്കുന്ന സന്ദേശത്തിന് വേണം; റിപ്പോർട്ട് ചെയ്യാനിരിക്കുന്ന ഒരു സംഖ്യയ്ക്ക് അതിലും കൂടുതൽ വേണം.

ഓരോ ജോലിയിലും AI പ്രയോജനകരമായി ഉപയോഗിക്കാവുന്ന ആവശ്യങ്ങൾ ഏതൊക്കെയാണ്?

താഴെയുള്ള പട്ടിക ഓരോ ജോലിഭൂമികയ്ക്കും അനുയോജ്യമായ ഒരു ആദ്യ ദൗത്യവും ഏറ്റവും പ്രധാനപ്പെട്ട പരിശോധനയും ഒരു വ്യക്തി തന്നെ ചെയ്യേണ്ട ജോലിഭാഗവും നൽകുന്നു. ഓരോ ജോലിഭൂമികയ്ക്കും ചെയ്തുകാണിക്കുന്ന ഉദാഹരണം ഉൾപ്പെടുന്ന പ്രത്യേക മാർഗദർശിയുണ്ട്.

ഒരു ജോലിയിൽ നിന്ന് മറ്റൊന്നിലേക്ക് മാറുമ്പോൾ എന്താണ് വ്യത്യാസപ്പെടുന്നത്?

ജോലികൾ മാറിയാലും ശീലങ്ങൾ ഒന്നുതന്നെ; അപകടസാധ്യതകളാണ് മാറുന്നത്. മൂന്ന് ചോദ്യങ്ങൾ മിക്ക വ്യത്യാസങ്ങളും വ്യക്തമാക്കും: ഫലം തെറ്റിയാൽ ആരെയാണ് ബാധിക്കുക, ജോലിയിൽ എന്ത് വിവരങ്ങളാണ് ഉൾപ്പെടുന്നത്, ഫലത്തെ നിയന്ത്രിക്കുന്ന ഒരു നിയമം ഇതിനകം നിലവിലുണ്ടോ.

മനുഷ്യവിഭവശേഷി, നിയമനം, മാനേജ്മെന്റ് തുടങ്ങിയ, ആളുകളെക്കുറിച്ച് തീരുമാനങ്ങൾ എടുക്കുകയോ അവയെ സ്വാധീനിക്കുകയോ ചെയ്യുന്ന ജോലികളാണ് ഏറ്റവും കൂടുതൽ സൂക്ഷ്മപരിശോധനയ്ക്ക് വിധേയമാകുന്നത്. നിയമനത്തിനും ഉദ്യോഗാർഥികളെ തിരഞ്ഞെടുക്കുന്നതിനും, സ്ഥാനക്കയറ്റം, പിരിച്ചുവിടൽ, ചുമതല നൽകൽ, പ്രകടന വിലയിരുത്തൽ എന്നിവയിലെ തീരുമാനങ്ങൾക്കും ഉപയോഗിക്കുന്ന AI സംവിധാനങ്ങളെ EU AI Act അതിന്റെ അനുബന്ധം III-ൽ ഉയർന്ന അപകടസാധ്യതയുള്ള ഉപയോഗങ്ങളിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. വിപണനവും വിൽപ്പനയും പോലെ അവകാശവാദങ്ങൾ പ്രസിദ്ധീകരിക്കുന്ന ജോലികൾ പരസ്യത്തിനും നേരിട്ടുള്ള വിപണനത്തിനും ബാധകമായ ചട്ടങ്ങൾ പാലിക്കണം; ഉള്ളടക്കം എങ്ങനെ തയ്യാറാക്കിയെന്നത് ഇതിൽ വ്യത്യാസമുണ്ടാക്കുന്നില്ല. ധനകാര്യവും അക്കൗണ്ടിംഗും പോലെ കണക്കുകൾ റിപ്പോർട്ട് ചെയ്യുന്ന ജോലികൾ തൊഴിൽപരമായ മാനദണ്ഡങ്ങൾ പാലിക്കേണ്ടതും ആ കണക്കുകളെ ആശ്രയിക്കുന്നവരോട് ഉത്തരവാദിത്തമുള്ളവയുമാണ്.

ഉപഭോക്തൃസഹായവും അക്കൗണ്ട് മാനേജ്മെന്റും പോലുള്ള, ഉപഭോക്താക്കളുമായി ഇടപെടുന്ന തൊഴിൽചുമതലകൾക്ക് മറ്റൊരു തരത്തിലുള്ള അപകടസാധ്യതയുണ്ട്: നയം തെറ്റായി വിവരിക്കുന്ന AI തയ്യാറാക്കിയ മറുപടി, കമ്പനി പാലിക്കേണ്ടിവരുന്ന ഒരു വാഗ്ദാനമായി മാറാം. ഓരോ സാഹചര്യത്തിലും ഏറ്റവും പ്രധാനപ്പെട്ട പരിശോധനകൾ ഏതൊക്കെയാണെന്നും എന്തുകൊണ്ടാണെന്നും ആ തൊഴിൽചുമതലയുടെ മാർഗദർശി വിശദീകരിക്കുന്നു.

ഒരേ ജോലി മൂന്ന് വ്യത്യസ്ത ജോലിചുമതലകളിൽ എങ്ങനെ വ്യത്യാസപ്പെടുന്നു?

ഒരു സാങ്കൽപ്പിക വിവരസ്രോതസ്സ് എടുക്കുക: ക്ലിനിക്കുകൾക്ക് സമയക്രമീകരണ സോഫ്റ്റ്‌വെയർ വിൽക്കുന്ന ചെറിയ കമ്പനിയായ ഫെൺഹിൽ സോഫ്റ്റ്‌വെയറിലെ പുതിയ സൗകര്യത്തിന്റെ പതിപ്പുവിവരണക്കുറിപ്പുകൾ. ഈ സൗകര്യം വഴി ക്ലിനിക്കുകൾക്ക് അപ്പോയിന്റ്‌മെന്റ് ഓർമപ്പെടുത്തലുകൾ ടെക്സ്റ്റ് സന്ദേശമായി സ്വയമേവ അയയ്ക്കാനാകുമെന്നും, ഇത് പ്രൊഫഷണൽ പ്ലാനിൽ ഉൾപ്പെടുന്നുവെന്നും, 1 December-ന് ലഭ്യമാകുമെന്നും, ഇംഗ്ലീഷല്ലാത്ത ഭാഷകളെ ഇതുവരെ പിന്തുണയ്ക്കുന്നില്ലെന്നും കുറിപ്പുകളിൽ പറയുന്നു.

നിലവിലുള്ള ഉപഭോക്താക്കൾക്ക് ഒരു പുതിയ ഉൽപ്പന്നമോ സവിശേഷതയോ അവതരിപ്പിക്കുന്ന ഇമെയിൽ തയ്യാറാക്കാൻ ഒരു വിപണനപ്രവർത്തകൻ AI-യോട് ആവശ്യപ്പെടുന്നു. ഓർമപ്പെടുത്തലുകൾ 'മുൻകൂട്ടി നിശ്ചയിച്ച സമയത്ത് എത്താതിരിക്കുന്നവരുടെ എണ്ണം ഗണ്യമായി കുറയ്ക്കുന്നു' എന്ന് കരടിൽ പറയുന്നു. എത്താതിരിക്കുന്നവരെക്കുറിച്ചുള്ള കണക്കുകളൊന്നും പതിപ്പിന്റെ കുറിപ്പുകളിലില്ല. അതിനാൽ വിപണനപ്രവർത്തകൻ ആ വരി നീക്കി, പകരം സവിശേഷത എന്താണ് ചെയ്യുന്നതെന്ന് വിവരിക്കുന്നു.

ഫോൺ സംഭാഷണത്തിൽ ഓർമപ്പെടുത്തലുകളെക്കുറിച്ച് ചോദിച്ച ഒരു ക്ലിനിക്കിന് തുടർസന്ദേശം തയ്യാറാക്കാൻ ഒരു വിൽപ്പനപ്രവർത്തകൻ AI-യോട് ആവശ്യപ്പെടുന്നു. ഈ സവിശേഷത 'എല്ലാ പ്ലാനുകളിലും ലഭ്യമാണ്' എന്ന് കരടിൽ പറയുന്നു. അത് ശരിയല്ല. വിൽപ്പനപ്രവർത്തകൻ അത് പ്രൊഫഷണൽ പ്ലാനിൽ ലഭ്യമാണെന്ന് തിരുത്തുകയും അയയ്ക്കുന്നതിന് മുമ്പ് ഉപഭോക്താവിന്റെ നിലവിലെ പ്ലാൻ പരിശോധിക്കുകയും ചെയ്യുന്നു.

ഓർമപ്പെടുത്തലുകളെക്കുറിച്ച് സഹായകേന്ദ്രത്തിനുള്ള മറുപടിയുടെ കരട് തയ്യാറാക്കാൻ ഒരു ഉപഭോക്തൃസഹായ ജീവനക്കാരൻ AIയോട് ആവശ്യപ്പെടുന്നു. ഉപഭോക്താക്കൾക്ക് 'ഏത് ഭാഷയും തിരഞ്ഞെടുക്കാം' എന്ന് കരട് പറയുന്നു. കുറിപ്പുകളിൽ പറയുന്നത് അതിന് വിപരീതമാണ്. ജീവനക്കാരൻ അത് തിരുത്തുകയും ഒരു ഭാഷ ആവശ്യപ്പെടാൻ ആരെ ബന്ധപ്പെടണമെന്ന് ചേർക്കുകയും ചെയ്യുന്നു.

ഒരേ ഉറവിടം, ഒരേ ഉപകരണം, മൂന്ന് വ്യത്യസ്ത പിശകുകൾ. ഓരോന്നും അതത് തൊഴിൽചുമതലയിൽ സാധാരണ സംഭവിക്കുന്നവ. അതുകൊണ്ടാണ് പൊതുവായ ഉദാഹരണങ്ങളേക്കാൾ സ്വന്തം ജോലിയിലെ പ്രവർത്തനങ്ങൾ പരിശീലിക്കുന്നത് കൂടുതൽ പഠിപ്പിക്കുന്നത്.

ജോലിസ്ഥലത്ത് AI ഉപകരണങ്ങളിൽ ഏതൊക്കെ വിവരങ്ങൾ നൽകാതിരിക്കണം?

ആദ്യം നിങ്ങളുടെ കമ്പനിയുടെ AI നയം പാലിക്കുക; അങ്ങനെയൊന്നില്ലെങ്കിൽ, ഇതിനകം പൊതുവായി ലഭ്യമല്ലാത്ത എന്തെങ്കിലും ഒട്ടിക്കുന്നതിനുമുമ്പ് അനുമതി ചോദിക്കുക. പൊതുവേ, ഉപഭോക്താക്കൾ, ഉദ്യോഗാർഥികൾ, സഹപ്രവർത്തകർ എന്നിവരെക്കുറിച്ചുള്ള വ്യക്തിഗത വിവരങ്ങൾ, ക്ലയന്റുകളുടെ രഹസ്യ രേഖകൾ, പ്രസിദ്ധീകരിക്കാത്ത സാമ്പത്തിക വിവരങ്ങൾ, കരാറിന്റെയോ രഹസ്യസംരക്ഷണ കരാറിന്റെയോ പരിധിയിൽ വരുന്ന എന്തും കൈകാര്യം ചെയ്യുമ്പോൾ ഏറ്റവും കൂടുതൽ ശ്രദ്ധിക്കുക.

ഉത്തരം ഉപകരണത്തെയും പ്ലാനിനെയും ആശ്രയിച്ചിരിക്കുന്നു. വ്യക്തിഗത അക്കൗണ്ട്, കമ്പനിയുടെ പ്രവർത്തനപരിസരം, മറ്റൊരു ആപ്ലിക്കേഷനിലുള്ള AI സവിശേഷത എന്നിവയ്ക്കെല്ലാം സംഭരണം, പ്രവേശനം, മോഡലുകൾ മെച്ചപ്പെടുത്താൻ ഉള്ളടക്കം ഉപയോഗിക്കുമോ എന്നീ കാര്യങ്ങളിൽ വ്യത്യസ്ത വ്യവസ്ഥകളുണ്ടാകാം. പേരുകൾ നീക്കിയതുകൊണ്ടുമാത്രം ഒരു രേഖയിൽനിന്ന് ആളുകളെ തിരിച്ചറിയാനാവില്ലെന്ന് ഉറപ്പാകുന്നില്ല; പ്രത്യേകിച്ച് ഒരു ചെറിയ സ്ഥാപനത്തിൽ. ഒരു ടീമിനായി ഈ പരിധികൾ എങ്ങനെ നിശ്ചയിക്കാമെന്ന് AI നയ മാർഗദർശി വിശദീകരിക്കുന്നു.

ജോലിയിൽ AI ഉപയോഗിക്കാനുള്ള നിങ്ങളുടെ കഴിവ് മെച്ചപ്പെടുന്നുണ്ടെന്ന് എങ്ങനെ അറിയാം?

എത്രമാത്രം ഉള്ളടക്കം സൃഷ്ടിച്ചു എന്നതല്ല, നിങ്ങൾ വരുത്തുന്ന തിരുത്തലുകളാണ് നോക്കേണ്ടത്. ജോലിയിൽ AI ഉപയോഗിക്കുന്നതിൽ വൈദഗ്ധ്യം നേടുന്ന ഒരാളുടെ നിർദേശങ്ങൾ മെച്ചപ്പെടുന്നതിനാൽ ഓരോ കരടിലും തിരുത്തിയെഴുതേണ്ട ഭാഗങ്ങൾ കുറയും; കെട്ടിച്ചമച്ച വിവരങ്ങൾ അവർ വേഗത്തിൽ കണ്ടെത്തുകയും വരുത്തിയ മാറ്റങ്ങളുടെ കാരണം വിശദീകരിക്കാൻ കഴിയുകയും ചെയ്യും. AI ഒട്ടും ഉപയോഗിക്കാതിരിക്കേണ്ടത് എപ്പോഴാണെന്ന് തീരുമാനിക്കുന്നതിലും അവർ വേഗത്തിലാകും.

ഇത് നിരീക്ഷിക്കാനുള്ള ലളിതമായ മാർഗം രണ്ടോ മൂന്നോ ആഴ്ച ഒരു ചെറിയ രേഖ സൂക്ഷിക്കുകയാണ്: ജോലി, നിർദേശം, നിങ്ങൾ മാറ്റിയത് എന്ത്, എന്തുകൊണ്ട് എന്നിവ. എപ്പോഴും നിങ്ങൾക്ക് നീക്കം ചെയ്യേണ്ട ഒരു ഉറപ്പ് ചേർക്കുന്ന ഉപകരണം, അല്ലെങ്കിൽ ആദ്യ കരട് സ്ഥിരമായി ഉപയോഗയോഗ്യമാകുന്ന ഒരുതരം ജോലി എന്നിങ്ങനെയുള്ള പതിവുകൾ വേഗം വ്യക്തമാകും. സമയം ലാഭിക്കുന്നതിനെക്കുറിച്ചുള്ള പൊതുവായ അവകാശവാദങ്ങളേക്കാൾ പ്രയോജനകരമാണ് ഈ പതിവുകൾ, കാരണം അവ നിങ്ങളുടെ സ്വന്തം ജോലിയിൽ നിന്നുള്ളവയാണ്.

ജോലിയിൽ AI ഉപയോഗിക്കാൻ ഒരു ടീം എങ്ങനെ ഒരുമിച്ച് പഠിക്കണം?

ടീമിന് പൊതുവായി ചെയ്യാവുന്ന യാഥാർഥ്യബോധമുള്ള ഒരു ജോലി നൽകുക. എല്ലാവരും AI ഉപയോഗിച്ച് അത് ചെയ്യട്ടെ. തുടർന്ന് കരടുകൾക്കുപകരം തിരുത്തലുകൾ താരതമ്യം ചെയ്യുക. ആരാണ് ഉറവിടങ്ങൾ പരിശോധിക്കുന്നത്, ആരാണ് കെട്ടിച്ചമച്ച അവകാശവാദങ്ങൾ കണ്ടെത്തുന്നത്, ആരാണ് എഴുത്തുശൈലി നിലനിർത്തുന്നത് എന്നിവ തിരുത്തലുകൾ താരതമ്യം ചെയ്യുമ്പോൾ വ്യക്തമാകും. സ്ലൈഡുകൾ കാണിക്കുന്നതിനെക്കാൾ വേഗത്തിൽ ഈ ശീലങ്ങൾ മറ്റുള്ളവരിലേക്കും പകരും.

പരിശീലനത്തിന് സാങ്കൽപ്പികമായതോ അംഗീകരിച്ച അപകടസാധ്യത കുറഞ്ഞതോ ആയ ഉള്ളടക്കം മാത്രം ഉപയോഗിക്കുക. ഏതൊക്കെ ഉപകരണങ്ങളാണ് അംഗീകരിച്ചിട്ടുള്ളതെന്ന് ധാരണയിലെത്തുക. തെറ്റ് റിപ്പോർട്ട് ചെയ്യുന്നത് സുരക്ഷിതമാക്കുക. EU AI Act ബാധകമായ സ്ഥാപനങ്ങളിൽ, ജീവനക്കാരുടെ അറിവും ഉപയോഗസാഹചര്യവും കണക്കിലെടുത്ത് അവരുടെ AI സാക്ഷരതയെ പിന്തുണയ്ക്കാൻ നടപടികൾ സ്വീകരിക്കണമെന്ന് AI സംവിധാനങ്ങളുടെ ദാതാക്കളോടും വിന്യസിക്കുന്നവരോടും അനുച്ഛേദം 4 ആവശ്യപ്പെടുന്നു. ഇത് പൊതുവിവരമാണ്, നിയമോപദേശമല്ല. താഴെ ലിങ്ക് നൽകിയിരിക്കുന്ന ജീവനക്കാരുടെ പരിശീലന മാർഗദർശിയും 30 ദിവസത്തെ നടപ്പാക്കൽ പദ്ധതിയും കൂടുതൽ സമഗ്രമായ പരിപാടി വിശദീകരിക്കുന്നു.

എപ്പോഴാണ് ഒരു ജോലിക്ക് AI അനുയോജ്യമായ ഉപകരണമല്ലാത്തത്?

ഫലം പരിശോധിക്കാൻ നിങ്ങൾക്ക് കഴിയാത്തപ്പോഴും, തീരുമാനം ഒരു വ്യക്തിയുടെ ജോലി, ശമ്പളം, നിയമനത്തിനുള്ള പരിഗണന എന്നിവയെ ബാധിക്കുമ്പോഴും, ലഭിക്കുന്ന ഫലം ഔദ്യോഗികമായി റിപ്പോർട്ട് ചെയ്യുന്ന അന്തിമ കണക്കാകുമ്പോഴും, പറയുന്ന കാര്യങ്ങൾക്ക് ഉത്തരവാദിത്തം ഏറ്റെടുക്കുന്ന ഒരു മനുഷ്യൻ സംഭാഷണത്തിൽ ആവശ്യമായിരിക്കുമ്പോഴും AI അനുയോജ്യമായ ഉപകരണമല്ല. എങ്ങനെ എഴുതണമെന്ന് നിങ്ങൾക്കറിയാവുന്ന രണ്ട് വരി മറുപടി പോലുള്ള ഒരു ജോലി നേരിട്ട് ചെയ്യുന്നതാണ് കൂടുതൽ വേഗമെങ്കിൽ, അപ്പോഴും അത് അനുയോജ്യമല്ല.

ഉറവിടമില്ലാത്തപ്പോഴും ജാഗ്രത പുലർത്തുക. നിങ്ങളുടെ സ്ഥാപനത്തിന്റെ നയമോ ഉപഭോക്താവിന്റെ കരാറോ നിലവിലെ നികുതിനിയമമോ എന്താണ് പറയുന്നതെന്ന് ഒരു പൊതുവായ സഹായിയോട് ചോദിച്ചാൽ ലഭിക്കുന്നത് വിശ്വസനീയമായി തോന്നുന്ന ഒരു മറുപടിയാണ്, യഥാർത്ഥ രേഖയല്ല. അത്തരം സാഹചര്യങ്ങളിൽ ആദ്യം ഉറവിടം കണ്ടെത്തുക. AI ഉപയോഗിക്കുന്നുണ്ടെങ്കിൽത്തന്നെ, അത് വായിക്കാൻ സഹായിക്കുന്നതിന് മാത്രം ഉപയോഗിക്കുക.

Tosheo.ai എവിടെയാണ് അനുയോജ്യമാകുന്നത്, എവിടെയാണ് അനുയോജ്യമല്ലാത്തത്?

ഏകദേശം 5 മുതൽ 200 വരെ ആളുകളുള്ള ടീമുകൾക്കായി സ്വയം ഉപയോഗിക്കാവുന്ന AI പരിശീലനമായാണ് Tosheo.ai വികസിപ്പിക്കുന്നത്. മാനേജർ തൊഴിൽ ചുമതലകളും ടീം ഉപയോഗിക്കുന്ന AI ടൂളുകളും തിരഞ്ഞെടുക്കുന്നു. ഓരോ പഠിതാവും ഹ്രസ്വമായ നിലവാരപരിശോധന നടത്തിയശേഷം, തൊഴിൽ ചുമതലയ്ക്കനുസരിച്ചുള്ള 10 മുതൽ 15 മിനിറ്റ് വരെയുള്ള പാഠങ്ങളുടെ പഠനപാത പിന്തുടരുന്നു. ഓരോ പാഠവും യഥാർഥ AI ടൂൾ ഉപയോഗിച്ചുള്ള പ്രായോഗിക ജോലിയോടെ അവസാനിക്കുന്നു. വ്യക്തമായി കാണാവുന്ന മൂല്യനിർണയ മാർഗരേഖ അനുസരിച്ചാണ് മാർക്ക് നൽകുന്നത്. മാനേജർമാർക്ക് നൈപുണ്യത്തിലെ പുരോഗതിയും പൂർത്തീകരണവും കാണാൻ കഴിയുന്ന രീതിയിലാണ് ആസൂത്രണം ചെയ്തിരിക്കുന്നത്, ചാറ്റുകളുടെ അസംസ്കൃത രേഖകളല്ല. ഉൽപ്പന്നം നിർമാണത്തിന് മുമ്പുള്ള ഘട്ടത്തിലാണ്, അതിനാൽ ഇതെല്ലാം ആസൂത്രണം ചെയ്ത പരിധിയാണ്.

ഇത് എല്ലാ വാങ്ങുന്നവർക്കും യോജിച്ച തിരഞ്ഞെടുപ്പല്ല. വാങ്ങലിന് സിംഗിൾ സൈൻ-ഓൺ, പഠനനിർവഹണ സംവിധാനങ്ങളുമായുള്ള സംയോജനം, അല്ലെങ്കിൽ വൻകിട സ്ഥാപനങ്ങൾക്കുള്ള കരാറുകൾ എന്നിവ നിർബന്ധമായ വലിയ സ്ഥാപനങ്ങൾക്കുവേണ്ടിയല്ല ഇത് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്; പുറത്തിറക്കുമ്പോൾ ഇവയൊന്നും ഉൾപ്പെടില്ല. ഇത് പ്രായോഗിക എൻജിനീയറിങ് പരിശീലനമല്ല, പാഠങ്ങൾ ഇംഗ്ലീഷിൽ മാത്രം നൽകാനാണ് പദ്ധതി. നിങ്ങൾ ഒറ്റയ്ക്ക് പഠിക്കുന്ന വ്യക്തിയാണെങ്കിൽ, ഒരു പൊതുവായ കോഴ്‌സോ ഈ സൈറ്റിലെ സൗജന്യ മാർഗദർശികളോ കൂടുതൽ അനുയോജ്യമായേക്കാം. ടീമുകൾക്കായി ആസൂത്രണം ചെയ്ത നിരക്കുകൾ നിരക്കുകളുടെ പേജിലുണ്ട്.

ഉറവിടങ്ങളും പരിധിയും

NIST, നിർമിതബുദ്ധി അപകടസാധ്യതാ നിർവഹണ ചട്ടക്കൂട്: ജനറേറ്റീവ് AI രൂപരേഖ (NIST AI 600-1), July 2024 ↗

യൂറോപ്യൻ കമ്മീഷൻ AI നിയമ സഹായകേന്ദ്രം, ചട്ടം (EU) 2024/1689 അനുബന്ധം III, ഉയർന്ന അപകടസാധ്യതയുള്ള AI സംവിധാനങ്ങൾ ↗

യൂറോപ്യൻ കമ്മീഷൻ AI നിയമ സഹായകേന്ദ്രം, ചട്ടം (EU) 2024/1689 അനുച്ഛേദം 4, AI സാക്ഷരത ↗