व्यवसायात जनरेटिव्ह AI चा सर्वाधिक वापर कोणत्या कामांसाठी होतो?

व्यवसायातील सर्वाधिक प्रचलित उपयोग हे भाषेशी संबंधित आहेत: मसुदे लिहिणे, सारांश तयार करणे, वेगळ्या वाचकवर्गासाठी मजकूर पुन्हा लिहिणे, दस्तऐवजांतून संरचित तथ्ये काढणे आणि सामग्री सोप्या शब्दांत समजावणे. ब्रिटन सरकारच्या AI स्वीकारावरील संशोधनात, आधीपासून AI वापरणाऱ्या व्यवसायांपैकी 85% व्यवसायांनी नैसर्गिक भाषा प्रक्रिया आणि मजकूर निर्मिती वापरत असल्याचे सांगितले. हे प्रमाण इतर कोणत्याही AI प्रकारापेक्षा खूप जास्त होते. AI वापरणारी किंवा वापरण्याचे नियोजन असलेली सर्वाधिक प्रचलित व्यावसायिक क्षेत्रे म्हणजे विपणन आणि प्रशासन (प्रत्येकी 72%) आणि माहिती तंत्रज्ञान (64%). हे आकडे 2025 च्या सुरुवातीला ब्रिटनमधील 3,500 व्यवसायांच्या सर्वेक्षणात त्यांनी स्वतः दिलेल्या माहितीवर आधारित आहेत.

बहुतेक टीमना प्रत्यक्षात हाच अनुभव येतो. कामासाठी आधीपासून सामग्री उपलब्ध असते आणि चांगले काम कसे असावे हे जाणणारी व्यक्ती असते, तेव्हा मजकूर तयार करणारे सहाय्यक सर्वाधिक उपयुक्त ठरतात. साधनाकडे नसलेल्या तथ्यांवर, एखाद्या विशिष्ट ग्राहकाबद्दल किंवा सहकाऱ्याबद्दलच्या निर्णयक्षमतेवर किंवा कोणीही तपासत नसलेल्या अचूकतेवर काम अवलंबून असेल, तेव्हा त्यांची कामगिरी सर्वात कमकुवत असते.

AI वापरण्यासाठी योग्य आणि अयोग्य काम यांतील फरक कसा ओळखता?

सुरुवातीचा चांगला वापर चार कसोट्यांवर उतरतो: ते काम वारंवार करावे लागते, कामासाठी मूळ माहिती उपलब्ध असते, निश्चित केलेली एखादी व्यक्ती परिणाम तपासू शकते आणि चूक हानी होण्यापूर्वी सापडते. यांपैकी एका कसोटीवर न उतरणारे कामही संघाला पुनरावलोकनाची सवय लागल्यानंतर पुढे करणे योग्य ठरू शकते. दोन कसोट्यांवर न उतरणारे काम सहसा सुरुवातीसाठी योग्य नसते.

प्रत्येक संभाव्य कामाला मंजुरी देण्यापूर्वी ते या कसोट्यांवर तपासा. 'सोमवारच्या बैठकीसाठी या आठवड्यातील सहाय्य विनंत्यांचा विषयानुसार सारांश तयार करा' हे काम चारही कसोट्यांवर उतरते. 'ग्राहकाच्या कायदेशीर तक्रारीला आमचे उत्तर लिहा' हे काम पात्र व्यक्तीने तपासल्याशिवाय तिसऱ्या आणि चौथ्या कसोटीवर उतरत नाही, त्यामुळे ते सुरुवातीचे काम म्हणून योग्य नाही.

ते पुन्हा होते का?

दर आठवड्याला किंवा दररोज कराव्या लागणाऱ्या कामांसाठी चांगली सूचना आणि तपासणी यादी लिहिण्याचा प्रयत्न सार्थ ठरतो. एकदाच करायच्या कामांसाठी तो क्वचितच सार्थ ठरतो.

मूळ संदर्भसामग्री उपलब्ध आहे का?

तांत्रिक तपशीलपत्र, बैठकीच्या नोंदी, धोरण किंवा माहितीचा तक्ता दिल्यास सहाय्यकाला कामासाठी तथ्यांचा आधार मिळतो. मग तो तथ्ये कशी वापरतो हे तुम्ही तपासता, त्याने स्वतः बनवलेली तथ्ये नव्हे.

कोणी ते तपासू शकते का?

तपासणी करणारी व्यक्ती आणि ती काय तपासेल हे नमूद करा. तयार झालेले उत्तर योग्य आहे की नाही हे संघातील कोणालाही ठरवता येत नसेल, तर ते काम सुरू करण्याची तयारी झालेली नाही.

ते चुकीचे ठरले तर काय होते?

ज्यातील चूक अंतर्गत पातळीवर पकडता येते अशा कामांना प्राधान्य द्या. ग्राहकांना, नियामकांना किंवा उमेदवारांना पाठवल्या जाणाऱ्या कोणत्याही गोष्टीचे अधिक काटेकोर पुनरावलोकन आवश्यक आहे.

वेगवेगळ्या कार्यसंघांसाठी जनरेटिव्ह AI चे कोणते उपयोग उपयुक्त ठरतात?

प्रत्येक कार्यक्षेत्रात या चाचण्यांना योग्य ठरणारी काही कामे असतात. तक्त्यात सुरुवातीसाठी काही कामे आणि प्रत्येकासोबत करायची पडताळणी दिली आहे. ही संपादकीय निवडीवर आधारित सुरुवातीची यादी आहे, क्रमवारी नाही; प्रत्येक संघाला स्वतःसाठी वेगळे पर्याय सापडतील. आमच्या भूमिकानुसार मार्गदर्शकांमध्ये प्रत्येक कार्यक्षेत्राची अधिक सखोल माहिती दिली आहे.

संघसुरुवातीसाठी योग्य वापराची उदाहरणेत्यासोबत करायची तपासणी
विपणनदिलेल्या संक्षिप्त माहितीतून पहिले मसुदे तयार करणे, नव्या माध्यमासाठी मजकूर पुन्हा लिहिणे, मोहिमेवरील अभिप्रायाचा सारांश तयार करणेप्रत्येक दावा दिलेल्या कार्यविवरणाशी किंवा मंजूर स्रोताशी जुळतो; ब्रँडच्या भाषाशैलीचे पुनरावलोकन झाले आहे
विक्रीग्राहक खात्यांवरील संशोधनाचे सारांश, संभाषणाच्या नोंदी नीट करणे, पाठपुराव्याच्या ईमेलचे मसुदेग्राहक खात्याची तथ्ये CRM मधील नोंदींशी पडताळलेली आहेत; बनवून सांगितलेली आश्वासने किंवा किंमती नाहीत
ग्राहक सहाय्यमाहितीसंग्रहावरून उत्तरांचे मसुदे, काम हस्तांतरित करण्यासाठी तक्रार नोंदींचे सारांश, भाषेचा सूर बदलून पुनर्लेखनधोरणातील ओळी सध्याच्या ज्ञानसंग्रहाशी जुळतात; संदेश साधन नव्हे, तर ग्राहक सहाय्य प्रतिनिधी पाठवतो
कार्यसंचालननोंदींवरून SOP तयार करणे, पुरवठादारांच्या दस्तऐवजांचे सारांश तयार करणे, बैठकीत ठरलेल्या कृतीपायऱ्या न लिहिलेल्या व्यक्तीने त्या तपासून पाहिल्या; करारातील मुद्दे मूळ स्रोतात वाचले
मानव संसाधन आणि कर्मचारीधोरणांचे साध्या इंग्रजीतील सारांश, नोकरीच्या जाहिरातींचे मसुदे, नवीन कर्मचाऱ्यांच्या रुजू होण्याच्या प्रक्रियेसाठी तपासण्या याद्याव्यक्तींविषयी निर्णय घेण्यासाठी वापर नाही; मजकुरात पक्षपात नसल्याची खात्री करण्यासाठी पुनरावलोकन केले आहे
वित्तदिलेल्या तक्त्यातील तफावत स्पष्ट करणे, विश्लेषणात्मक भाष्याचा मसुदा तयार करणे, सूत्रांसाठी मदतप्रत्येक आकड्याची पुन्हा गणना केली आहे; माहितीचा आधार असेल तरच कारणे नमूद केली आहेत

याचा एखाद्या भूमिकेशी कसा संबंध आहे हे पाहायचे आहे का?

टीमसाठी नियोजित चाचणी जाणून घ्या ↗

लहान व्यवसायासाठी AI चे कोणते उपयोग योग्य आहेत?

एखादी भूमिका नसल्यामुळे राहिलेली उणीव भरून काढणाऱ्या उपयोगांतून लघु व्यवसायांना सर्वाधिक फायदा होतो: पहिला मसुदा लिहिणे, दस्तऐवजाचा सारांश करणे किंवा संयमाने समजावून सांगणे. विपणन कर्मचारी नसलेला पाच व्यक्तींचा व्यवसाय मालकाच्या टिपणांवरून वृत्तपत्रिकांचे मसुदे तयार करू शकतो; कामकाज व्यवस्थापक नसलेला व्यवसाय मालकाच्या ध्वनिटिपणांवरून नव्या कर्मचाऱ्यांसाठी लेखी कार्यपद्धती तयार करू शकतो.

इतर कोणी ही तपासणी करू शकते हे दाखवून देईपर्यंत, बाहेर पाठवल्या जाणाऱ्या कोणत्याही गोष्टीचा आढावा मालकानेच घ्यावा. लघुउद्योगांसाठी AI वापराबद्दलच्या आमच्या मार्गदर्शकात सात जणांच्या एका कंपनीतील एका महिन्याचे सविस्तर उदाहरण आहे. त्यात कंपनीने ज्या कामासाठी AI न वापरण्याचा निर्णय घेतला, तेही समाविष्ट आहे.

व्याप्ती नीट ठरवलेला वापराचा प्रकार प्रत्यक्षात कसा असतो?

हाल्डेन लॉजिस्टिक्स ही मालवाहतुकीची व्यवस्था करणारी 45 जणांची काल्पनिक कंपनी ग्राहक सेवेत AI वापरू इच्छिते. 'ग्राहकांच्या ईमेलना AI ने उत्तरे द्यावीत' ही पहिली कल्पना दोन निकषांवर अपयशी ठरते: उत्तर पाठवण्यापूर्वी कोणीही ते तपासत नाही आणि माल पोहोचवण्याचे चुकीचे आश्वासन दिल्यास थेट आर्थिक नुकसान होते. संघ या कामाची व्याप्ती बदलून ती अशी ठरवतो: 'माल पाठवण्याच्या सद्यस्थितीवरून आणि आमच्या नेहमीच्या शब्दरचनेतून उत्तराचा मसुदा तयार करा; कर्मचारी त्यात बदल करून तो पाठवेल'.

पहिली सूचना, 'आपली पाठवलेली वस्तू कुठे आहे असे विचारणाऱ्या या ग्राहकाला उत्तर द्या', दिल्यावर साधन आपुलकीचे उत्तर तयार करते. त्यात पार्सल '2 ते 3 कामकाजाच्या दिवसांत पोहोचले पाहिजे' असे म्हटलेले असते—हे आश्वासन कोणीही दिलेले नसते. सुधारित सूचनेत पाठवणीच्या स्थितीची ओळ, विलंबासाठी मंजूर केलेले तीन मजकूरखंड आणि हा नियम दिलेला असतो: 'स्थितीच्या ओळीत पोहोचण्याची तारीख नसेल तर ती कधीही देऊ नका; नसेल तर दिवसअखेर माहिती देऊ असे सांगा'. सेवा प्रतिनिधी दोन प्रश्न तपासतो: प्रत्येक तारीख आणि आश्वासन स्थितीच्या ओळीत आहे का, आणि भाषाशैली या ग्राहकाला योग्य आहे का? दोन आठवड्यांनंतर संघ हा उपयोग सुरू ठेवतो आणि दुसरा उपयोग जोडतो: पर्यवेक्षकाने तक्रार हाताळण्यापूर्वी लांबलचक ईमेल संवादांचा सारांश तयार करणे.

व्यवसायाने कोणत्या प्रकारचे वापर टाळावेत किंवा पुढे ढकलावेत?

तयार केलेला मजकूर एखाद्या व्यक्तीबाबत निर्णय घेत असेल किंवा त्या निर्णयावर मोठा प्रभाव टाकत असेल, पुनरावलोकनाशिवाय पाठवला जात असेल किंवा त्यावर अवलंबून राहणाऱ्या व्यक्तीसमोर माहिती तथ्य म्हणून मांडत असेल, तर असे वापर पुढे ढकला. नोकरीच्या अर्जदारांची छाननी करणे, शिस्तभंगाची पत्रे तयार करणे, ग्राहकांना नियमनाच्या कक्षेत येणारा सल्ला देणे आणि संघाने उघडून न पाहिलेली आकडेवारी किंवा संदर्भ प्रकाशित करणे ही त्याची उदाहरणे आहेत. NIST च्या जनरेटिव्ह AI प्रोफाइलमध्ये जनरेटिव्ह AI च्या विशिष्ट धोक्यांपैकी बनावट माहिती रचणे आणि हानिकारक पूर्वग्रह यांचा समावेश आहे; नेमक्या अशाच बाबतीत या दोन्ही धोक्यांचे महत्त्व सर्वाधिक असते.

योग्य नियंत्रणे, विशेष साधने आणि काही बाबतीत कायदेशीर सल्ला असल्यास यांपैकी काही उपयोग योग्य ठरू शकतात. सर्वसाधारण सहाय्यकासोबत सुरुवात करण्यासाठी ही कामे नाहीत आणि हे पान कायदेशीर सल्ला नसून सर्वसाधारण माहिती आहे.

AI चा एखादा उपयोग रोजच्या कामाचा भाग कसा बनवता?

एखादा वापर प्रत्यक्ष रोजच्या कामाचा भाग होण्यासाठी त्याची सूचना लिहिलेली असावी, पुनरावलोकन करणारी व्यक्ती निश्चित असावी, तपासणीसूची असावी आणि आठवड्याच्या कामकाजात त्यासाठी जागा असावी. यांशिवाय तो केवळ एखाद्या उत्साही व्यक्तीने अधूनमधून करून दाखवलेला प्रयोग राहतो. हे सर्व कसे लिहून ठेवावे, जेणेकरून दुसऱ्या व्यक्तीलाही ते काम पुढे करता येईल, हे आमचे AI कार्यप्रवाहांचे मार्गदर्शक सांगते.

वापराची सवय लागण्यापूर्वी लोकांना त्यांच्या स्वतःच्या कामांवर सरावही करावा लागतो. प्रत्येक भूमिकेसाठी छोटे धडे देण्याच्या उद्देशाने Tosheo.ai तयार केले जात आहे. प्रत्येक धड्याच्या शेवटी प्रत्यक्ष AI साधन वापरून एक काम करायचे असेल आणि स्पष्टपणे दिसणाऱ्या गुणांकन निकषांनुसार त्याचे मूल्यमापन होईल. त्याची उभारणी अजून सुरू झालेली नाही आणि नियोजित दर किंमत पृष्ठावर दिले आहेत.

स्रोत आणि व्याप्ती

DSIT, AI स्वीकारावरील संशोधन अहवाल (प्रत्यक्ष संशोधन फेब्रुवारी ते मे 2025), जानेवारी 2026 मध्ये प्रकाशित ↗

NIST, AI 600-1 निर्मितीक्षम AI रूपरेषा, July 2024 ↗