उत्पादन व्यवस्थापकांसाठी AI: संशोधन, तपशीलवार आवश्यकता आणि विवेकाधारित निर्णय

उत्पादन व्यवस्थापनात AI चा वापर कसा करता येईल?

उत्पादन व्यवस्थापकासाठी AI हा वेगाने, न थकता वाचणारा आणि पहिला मसुदा लिहिणारा म्हणून सर्वाधिक उपयोगी आहे. तो काही मिनिटांत भरपूर नोंदींवर प्रक्रिया करू शकतो, अभिप्रायाचे गट पाडू शकतो आणि उत्पादनाच्या तपशीलांचा प्राथमिक आराखडा तयार करू शकतो. उत्पादन व्यवस्थापकाचे मोल ज्या गोष्टींमुळे ठरते, त्यांत तो सर्वात कमकुवत आहे: कोणते पुरावे प्रातिनिधिक आहेत, धोरणाच्या दृष्टीने कोणता ग्राहक महत्त्वाचा आहे आणि व्यवसाय कोणती तडजोड स्वीकारू शकतो हे ओळखणे.

तुमच्या कंपनीने सामायिक करण्याची परवानगी दिलेली सामग्री वापरून सर्वसाधारण सहाय्यक या कामांमध्ये मदत करू शकतो:

AI ग्राहकांच्या मुलाखतींचा सारांश तयार करते तेव्हा कोणत्या चुका होतात?

सामान्यतः समस्या असते ती अतिशयोक्तीची. 'मुख्य मुद्दे' विचारले असता मॉडेल दोन व्यक्तींनी मांडलेला मुद्दा 'वापरकर्त्यांना काय हवे आहे' म्हणून सादर करते, मतभेद पुसून टाकते आणि कोणीही न बोललेले उद्धरण तयार करू शकते. अशा सारांशावर घेतलेला उत्पादनविषयक निर्णय अस्तित्वातच नसलेल्या पुराव्यावर आधारलेला असतो.

एक काल्पनिक उदाहरण. लेजरली हे बिले तयार करण्याचे एक छोटे ॲप आहे. उत्पादन व्यवस्थापकाकडे सहा ग्राहकांच्या मुलाखतींच्या नोंदी आहेत. दोन ग्राहकांनी देयकांसाठी स्वयंचलित स्मरणसूचना मागितल्या. एकाने सांगितले की अशा स्मरणसूचनांचा त्यांच्या ग्राहकांना त्रास होईल आणि ते त्या बंद करतील. तिघांनी स्मरणसूचनांचा उल्लेखच केला नाही आणि ते प्रामुख्याने संथ बँक ताळमेळाबद्दल बोलले.

'या मुलाखतींमधील मुख्य विषयांचा सारांश द्या' या ढोबळ सूचनेवर असे उत्तर आले: 'वापरकर्त्यांना पैसे भरण्याच्या स्वयंचलित स्मरणसूचना फार हव्या आहेत. एका ग्राहकाच्या शब्दांत, “स्मरणसूचनांसाठी मी जास्त पैसे देईन.” हिशेबांचा मेळ घालणे ही दुय्यम चिंता आहे.' उद्धृत केलेले वाक्य कोणीही म्हटले नव्हते. सर्वाधिक आधार असलेला हिशेबांचा मेळ घालण्याचा मुद्दा दुय्यम ठरवला गेला. आक्षेप गायब झाला.

अधिक चांगली सूचना: 'प्रत्येक विषयासाठी, त्याचा उल्लेख असलेल्या मुलाखतींची संख्या, त्या मुलाखतींचे ओळखक्रमांक आणि नोंदींमधून जसेच्या तसे घेतलेले एक उद्धरण द्या. त्या विषयाला विरोध करणारी कोणतीही मुलाखत असल्यास ती नमूद करा. विषयांना महत्त्वानुसार क्रम देऊ नका.' तपासलेल्या सारांशात असे लिहिले होते: खाते ताळमेळ, 6 पैकी 3 मुलाखतींमध्ये मांडलेला मुद्दा (I2, I4, I6); देयकांच्या स्मरणसूचना, 6 पैकी 2 मुलाखतींमध्ये मागणी (I1, I3), तर एक आक्षेप (I5). सारांश सामायिक करण्यापूर्वी उत्पादन व्यवस्थापकाने प्रत्येक उद्धरण नोंदींशी पडताळून पाहिले.

AI वापरून अधिक चांगले तपशीलपत्र कसे लिहिता?

तुमच्यासाठी तपशीलपत्र लिहिण्याऐवजी त्यात काय राहून गेले आहे हे शोधण्यासाठी AI वापरा. समस्येचे वर्णन आणि उद्दिष्टे स्वतः लिहिणाऱ्या उत्पादन व्यवस्थापकाला ती समजलेली असतात; तयार करून दिलेली आवृत्ती स्वीकारणाऱ्या व्यवस्थापकाला पुनरावलोकनात अनेकदा तिचे समर्थन करता येत नाही.

लेजरलीचे उदाहरण पुढे नेऊया. समजा संघाने स्मरणपत्रांची सुविधा तयार केलीच. उत्पादन व्यवस्थापक एका परिच्छेदाचे वर्णन लिहितो आणि विचारतो: 'या सुविधेने हाताळायलाच हवेत अशा अपवादात्मक परिस्थितींची यादी करा. बिल आकारणी, वेळ आणि ग्राहकाचा अनुभव यांनुसार त्यांचे गट करा.' उपयुक्त यादीत काही रक्कम भरलेली बिले, ग्राहकाने आक्षेप घेतलेली बिले, वेगळ्या प्रमाणवेळ क्षेत्रातील ग्राहक, सार्वजनिक सुटीच्या दिवशी पाठवण्यासाठी नियोजित केलेले स्मरणपत्र, संपर्क साधू नका असे सांगितलेला ग्राहक आणि स्मरणपत्र पाठवल्यानंतर बदललेले बिल यांचा समावेश असेल.

त्यानंतर उत्पादन व्यवस्थापक ठरवतो की कोणती अपवादात्मक प्रकरणे पहिल्या आवृत्तीच्या व्याप्तीत आहेत, कोणती स्पष्टपणे उद्दिष्टांबाहेर आहेत आणि कोणत्यांसाठी अभियांत्रिकी मत आवश्यक आहे. हा निर्णय आणि त्यामागील विचार हा तपशीलपत्रातील सर्वात महत्त्वाचा भाग आहे, आणि तो इतरांकडे सोपवण्यासारखा नाही.

AI उत्पादनाची रचना किंवा उत्पादन व्यवस्थापकाचे काम करू शकते का?

AI दोन्हींच्या काही भागांत मदत करू शकते. ते वापरकर्ता संवादपटलावरील मजकुराचा मसुदा लिहू शकते, मांडणीचे पर्याय सुचवू शकते, काही साधनांमध्ये प्राथमिक नमुने तयार करू शकते आणि पटकन अनेक वेगवेगळ्या आवृत्त्या बनवू शकते. पर्याय आजमावण्यासाठी हे उपयुक्त आहे; तरीही वापरकर्ते, ब्रँड आणि मर्यादा लक्षात घेता कोणता पर्याय योग्य आहे, हे डिझायनर किंवा उत्पादन व्यवस्थापकालाच ठरवावे लागते.

उत्पादन व्यवस्थापकाचे मुख्य काम निवड करणे हे आहे: कोणती समस्या, कोणते ग्राहक, कोणती तडजोड आणि काय तयार करायचे नाही. या निवडी मॉडेलकडे नसलेल्या संदर्भावर अवलंबून असतात, जसे की कंपनीचे धोरण, विशिष्ट ग्राहकांना दिलेली आश्वासने आणि अभियांत्रिकी संघाला दीर्घकाळ काय सांभाळता येईल. कोणत्या भूमिका बदलतील आणि किती वेगाने बदलतील याविषयी आम्ही भाकिते करत नाही.

AI उत्पादन व्यवस्थापक आणि AI वापरणारा उत्पादन व्यवस्थापक हे एकच आहेत का?

नाही. AI उत्पादन व्यवस्थापक म्हणजे सहसा AI सुविधा तयार करणारी व्यक्ती: प्रतिमानाने कसे वागावे हे ठरवणे, मूल्यमापनाची रचना करणे, अपयशाची प्रकरणे हाताळणे आणि अनुमान प्रक्रियेचा खर्च सांभाळणे ही तिची कामे असतात. हे एक विशेष क्षेत्र आहे आणि त्याचे स्वतंत्र अभ्यासक्रम व रोजगार बाजार आहेत.

हा मार्गदर्शक आपले सध्याचे काम अधिक चांगले करण्यासाठी AI साधने वापरणाऱ्या उत्पादन व्यवस्थापकांच्या अधिक मोठ्या गटासाठी आहे. तुम्ही AI सुविधा तयार करत असाल, तर तुम्हाला दोन्ही गोष्टी आवश्यक आहेत: या पानावरील दैनंदिन कौशल्ये आणि मॉडेलचे मूल्यमापन व वर्तन यांची स्वतंत्र पायाभूत समज; दुसऱ्या गोष्टीचा या पानावर समावेश नाही.

उत्पादनासंबंधी कोणते पुरावे AI साधनांमध्ये देऊ नयेत?

तुम्ही वापरत असलेल्या साधनासाठी तुमच्या कंपनीने मंजूर न केलेली कोणतीही माहिती. मुलाखतीच्या नोंदींमध्ये अनेकदा नावे, नियोक्ते आणि व्यक्तींची ओळख पटवणारे तपशील असतात; मजकूर पेस्ट करण्यापूर्वी ते काढून टाका आणि त्याऐवजी मुलाखतीचे ओळख क्रमांक वापरा. अद्याप जाहीर न केलेल्या विकास आराखड्यातील बाबी, किंमतींबाबतच्या योजना आणि कराराच्या अटी यांवर धोरणानुसार निर्बंध असू शकतात.

वैयक्तिक खात्याऐवजी कंपनीने मंजूर केलेले कार्यक्षेत्र वापरा आणि संशोधनाची ध्वनिमुद्रणे किंवा लिप्यंतरे अपलोड करण्यापूर्वी तुमच्या संस्थेचे AI धोरण तपासा. वैयक्तिक माहितीचा संबंध असेल तेव्हा, कोणतेही साधन वापरले तरी संस्थेवर माहितीच्या संरक्षणाची जबाबदारी असते.

उत्पादन संघाने AI वापरण्याचा सराव कसा करावा?

ज्या पूर्वीच्या निर्णयाचे पुरावे आणि परिणाम तुम्हाला आधीच माहीत आहेत, त्यावर सराव करा.

ही पद्धत कधी योग्य उपाय ठरत नाही?

तुमच्या संशोधनात मोजक्याच मुलाखती असतील, तर त्या स्वतः वाचा. AI वापरून एकत्रित सारांश तयार केल्याने फारसा वेळ वाचत नाही आणि नोंदी वाचल्याने मिळणारा संदर्भ सारांशातून मिळत नाही. एका व्यक्तीला काळजीपूर्वक वाचता येण्यापेक्षा अधिक मजकूर असेल तेव्हा AI उपयोगी ठरते; तरीही त्याने काय वाचावे हे दाखवावे, वाचनाची जागा घेऊ नये.

Tosheo.ai हा AI उत्पादन व्यवस्थापन किंवा मॉडेल मूल्यमापनाचा अभ्यासक्रम नाही. हे लोकांना दैनंदिन कामात सर्वसाधारण AI साधने वापरणे शिकवण्यासाठी विकसित करण्याचे नियोजन आहे. त्यात उत्पादन भूमिकेसाठी नियोजित अभ्यासक्रम, लहान धडे आणि शिकणाऱ्याला दिसणाऱ्या मूल्यमापन निकषांनुसार गुणांकन होणारी सराव कामे असतील. तुम्हाला AI उत्पादने विकसित करण्यासाठी कारकिर्दीचा अभ्यासक्रम हवा असल्यास विशेष अभ्यासक्रम हा अधिक योग्य पर्याय आहे.