तुमच्या संघातील AI कौशल्यांचे मूल्यमापन कसे करावे

AI कौशल्य म्हणजे नेमके काय?

मूल्यमापनाच्या दृष्टीने AI कौशल्य म्हणजे एखाद्या विशिष्ट कामात पाहून तपासता येईल असे वर्तन. योग्य संदर्भस्रोत देणे, आधार नसलेला दावा ओळखणे किंवा अंतिम बदलाचे स्पष्टीकरण देणे हे एखादी व्यक्ती AI चांगले वापरते असे म्हणण्यापेक्षा अधिक नेमके आहे. भूमिका, साधन आणि अटी स्पष्ट करा, म्हणजे पुरावा नेमका कशाशी संबंधित आहे हे तपासणाऱ्या व्यक्तीला समजेल.

एक ढोबळ वर्गवारी वेगवेगळ्या क्षमता लपवू शकते. एखादी व्यक्ती स्पष्ट सूचना लिहू शकते, पण संदर्भ तपासण्यात कमी पडू शकते; किंवा गणित तपासूनही कारणाचे पुराव्याविना दिलेले स्पष्टीकरण स्वीकारू शकते. ही निरीक्षणे लगेच एका एकूण गुणात बसवण्याऐवजी वेगवेगळी नोंदवा. AI कौशल्यांच्या मार्गदर्शकात ज्ञानाधारित बहुतांश कामांसाठी लागणारी सात व्यावहारिक कौशल्ये दिली आहेत; एखाद्या कार्यातून यांपैकी कोणती कौशल्ये तपासायची आहेत, हे मूल्यमापनात स्पष्ट असावे.

हे मूल्यमापन कशासाठी आहे?

कोणतीही रचना करण्यापूर्वी उद्देश ठरवा, कारण त्यानुसार परिणामांचे गांभीर्य बदलते. शिकण्यासाठीचे मूल्यमापन एखाद्याला पुढे कशाचा सराव करावा हे ठरवायला मदत करते आणि त्यात अपयशाची भीती वाटू नये. तयारीची चाचणी व्यवस्थापकाला कार्यक्रम कुठून सुरू करावा हे ठरवायला मदत करते. प्रमाणपत्रासाठीचे मूल्यमापन एखाद्या व्यक्तीने निश्चित कामांमध्ये निश्चित मानक पूर्ण केल्याच्या दाव्याला इतरांसमोर आधार देते. भरती हा वेगळा विषय आहे; त्याबद्दल पुढे दिले आहे.

वेगवेगळे उद्देश एकत्र केल्याने बहुतेक अडचणी निर्माण होतात. प्राथमिक कौशल्य तपासणीचे निकाल कामगिरीच्या मूल्यमापनात वापरले जातील असे लोकांना वाटल्यास, ते जोखीम टाळतील, साधन वापरणार नाहीत किंवा सहकाऱ्याची मदत घेतील. अशा निकालांतून फारशी उपयुक्त माहिती मिळत नाही. निकाल कशासाठी वापरला जाईल, तो कोण पाहील आणि त्याच्या आधारे काय केले जाणार नाही, हे लोकांना सांगा.

कोणते संकेत तुम्ही वेगळे ठेवावेत?

आत्मविश्वास, प्रशिक्षण पूर्ण करणे आणि प्रत्यक्ष करून दाखवलेले काम या गोष्टी वेगवेगळ्या प्रश्नांची उत्तरे देतात. स्वमूल्यांकनातून एखाद्या व्यक्तीला स्वतःबद्दल काय वाटते ते कळते. प्रशिक्षण पूर्ण केल्याच्या नोंदीतून तिने कार्यक्रमातील एक टप्पा गाठला आहे हे कळते. प्रत्यक्ष कामातून तिला ठरावीक परिस्थितीत विशिष्ट निर्णय घेऊन दाखवण्याची संधी मिळते. यांपैकी कोणत्याही गोष्टीचा दुसरीच्या जागी न सांगता वापर करू नये.

उपयुक्त मूल्यांकन अहवालात पद्धत आणि तिच्या मर्यादा स्पष्ट केलेल्या असतात. शिकणाऱ्याने काल्पनिक परिस्थितीवर आधारित मसुदा तयार करण्याचे एक काम पूर्ण केले असेल, तर तसेच सांगा. तो प्रत्येक गोपनीय किंवा महत्त्वाचे परिणाम घडवणारा कार्यप्रवाह सुरक्षितपणे हाताळू शकतो, असा अर्थ सूचित करू नका. NIST ची AI जोखीम व्यवस्थापन चौकट AI प्रणालींबाबतही असाच मुद्दा मांडते: चाचणी केलेल्या परिस्थितींपलीकडे निष्कर्ष लागू करण्याच्या मर्यादा नोंदवाव्यात. माणसांचे मूल्यांकन करतानाही हीच शिस्त लागू होते.

प्रत्यक्ष करून पाहण्याचे काम कसे निवडावे?

भूमिकेशी संबंधित काम निवडा आणि उत्तराचे मूल्यमापन करता येईल इतकी मूळ सामग्री द्या. विपणनातील व्यक्ती काल्पनिक मोहिमेच्या ईमेलमध्ये सुधारणा करू शकते. मनुष्यबळ विभागातील सहकारी भूमिकेच्या संक्षिप्त माहितीनुसार मुलाखतीचे प्रश्न सुधारू शकतो. वित्त विभागातील सहकारी छोट्या तक्त्याचे स्पष्टीकरण देऊ शकतो आणि पुरावा नसलेल्या कारणांबाबत निष्कर्ष काढणे टाळू शकतो. ग्राहक सहाय्य प्रतिनिधी दिलेल्या धोरणातील उताऱ्याच्या आधारे ग्राहकाच्या प्रश्नाचे उत्तर देऊ शकतो.

सरावाचे काम सुरक्षित ठेवा. सुरुवातीच्या सरावात काल्पनिक किंवा वापरण्यास मान्यता मिळालेली माहिती वापरा आणि खऱ्या व्यक्तींबद्दल, पैशांबद्दल किंवा ग्राहकांशी संवादाबद्दलचे निर्णय टाळा. उद्देश काम तपासणे हा आहे; कौशल्य मोजण्याच्या प्रयत्नात प्रत्यक्ष परिणाम घडवणारा स्वयंचलित निर्णय तयार करणे नाही.

चांगल्या सरावकामात लक्षात घेण्याजोगा सापळा असतो. शिकणाऱ्या व्यक्तीने ओळखायला हवा असा एक वास्तववादी दोष मुद्दाम ठेवा, जसे की साधन स्वतःहून बनवून सांगण्याची शक्यता असलेला धोरणाचा तपशील किंवा पुन्हा मोजण्याची गरज असलेला आकडा. चूक होण्याची शक्यताच नसलेले काम फक्त एखाद्याला साधन चालवता येते की नाही हे मोजते.

संपूर्ण मूल्यमापन कार्य कसे असते?

लार्चवुड होम या काल्पनिक फर्निचर विक्रेत्याकडील ग्राहक सहाय्य भूमिकेसाठी हे संपूर्ण उदाहरण आहे. शिकणाऱ्या व्यक्तीला ग्राहकाचा ईमेल मिळतो, ज्यात फाटलेली उशी असलेला सोफा बदलून मिळेल का, असे विचारले आहे. सोबत धोरणाचा उतारा दिला आहे: नुकसान झाल्याची तक्रार 14 दिवसांच्या आत केल्यास वस्तू मोफत बदलून मिळतात आणि ग्राहकाने फोटो पाठवणे आवश्यक आहे. ग्राहकाने 9 व्या दिवशी नुकसानीची तक्रार केली.

सूचना अशी आहे: "उत्तराचा मसुदा तयार करण्यासाठी मंजूर AI सहाय्यक वापरा. फक्त दिलेले धोरण वापरा. साधनाला दिलेल्या सूचनेत ग्राहकाचा पत्ता किंवा मागणी क्रमांक समाविष्ट करू नका. तुमची सूचना, साधनाचा मसुदा, तुमचे अंतिम उत्तर आणि केलेले बदल स्पष्ट करणारी दोन किंवा तीन वाक्ये सादर करा."

अडचण अशी आहे की सर्वसाधारण साधने अनेकदा धोरणात उल्लेख नसलेला परताव्याचा पर्याय, वितरणाची तारीख किंवा सदिच्छा म्हणून सवलत कूपन जोडतात. चांगल्या सादरीकरणात फक्त बदली वस्तू देण्यापुरतेच उत्तर ठेवले जाते, छायाचित्र मागितले जाते, धोरणाचा आधार नसलेली तारीख दिली जात नाही आणि कोणतीही कल्पित ऑफर का काढली हे स्पष्ट केले जाते. कमकुवत सादरीकरणात साधनाचा मसुदा किरकोळ बदल करून पाठवला जातो. दोन्ही वाचायला चांगले वाटू शकतात; पाठवणे मात्र त्यांपैकी एकच सुरक्षित असते.

सर्वांना दिसणाऱ्या गुणांकन मार्गदर्शिकेत काय असावे?

सर्वांना दिसणारी गुणांकन मार्गदर्शिका काम सादर करण्याआधी निकष स्पष्ट करते आणि प्रत्येक पातळीवरील काम कसे असते, ते सांगते. संदर्भ, पुरावे, माहितीची हाताळणी आणि पुनरावलोकनातील निर्णय हे उपयुक्त निकष आहेत. वर्णनाशिवाय केवळ गुण देण्याऐवजी पुनरावलोकन करणारी व्यक्ती कामात काय पाहते, ते स्पष्ट करा. अभिप्राय वाचल्यावर काय सुधारायचे, हे शिकणाऱ्याला समजले पाहिजे.

खालील मूल्यमापन निकष लार्चवुडच्या कामासाठी योग्य आहेत. ही संपादकीय मूल्यमापनाची चौकट आहे; मानसशास्त्रीय मापनाच्या दृष्टीने तिची वैधता सिद्ध झाल्याचा हा दावा नाही आणि तिच्यासाठी प्रमाणित उत्तीर्ण गुण निश्चित केलेले नाहीत.

कामाला गुण कोणी द्यावेत, AI ने की एखाद्या व्यक्तीने?

दोघांपैकी कोणीही करू शकते, मात्र निकष स्पष्ट दिसले पाहिजेत आणि गुणांकनावर आक्षेप घेता आला पाहिजे. कामाची जाण असलेली व्यक्ती सर्वात विश्वासार्ह पुनरावलोकनकर्ता असते, पण तिच्याकडून मूल्यमापन होण्यास वेळ लागतो आणि अनेक सादरीकरणांचे मूल्यमापन करताना सातत्य राहीलच असे नाही. गुणांकन निकषांनुसार AI कडून मूल्यमापन वेगाने होते आणि नेमका अभिप्राय मिळू शकतो; मात्र ठामपणे दिलेले गुण म्हणजे अचूकतेचा पुरावा नाही. तसेच, विषयतज्ज्ञाच्या लक्षात येणारा संदर्भ AI मूल्यमापनकर्त्यांच्या नजरेतून सुटू शकतो.

व्यवहार्य मध्यममार्ग म्हणजे सरावाच्या कामांसाठी AI कडून अभिप्राय, आक्षेप असलेल्या गुणांची पुन्हा तपासणी मागण्याची व्यवस्था आणि जिथे निकालाचे प्रत्यक्ष परिणाम होतात तिथे मानवी पुनरावलोकन. Tosheo.ai ची नियोजित रचना याच पद्धतीची आहे: स्पष्टपणे दिसणाऱ्या गुणांकन निकषांनुसार AI कामांना गुण देईल आणि शिकणाऱ्यांनी नोंदवलेले आक्षेप पुनर्तपासणीच्या रांगेत पाठवले जातील. ही प्रक्रिया नियोजित व्याप्तीचा भाग आहे; प्रत्यक्ष तयार केलेली गुणांकन यंत्रणा पडताळली गेल्याचा तो पुरावा नाही.

पुनरावलोकन करणाऱ्यांच्या मूल्यांकनात सुसंगतता कशी राखावी?

गुण देण्यापूर्वी मूल्यमापनात एकवाक्यता आणा. दोन परीक्षकांना तीच तीन किंवा चार नमुना सादरीकरणे स्वतंत्रपणे तपासून गुण द्यायला सांगा. त्यांचे गुण कुठे वेगळे आले याची तुलना करा आणि गुणांकन मार्गदर्शिकेतील शब्दांचा अर्थ निश्चित करा. प्रत्येक निकषाशेजारी निर्णय छोट्या टिपांच्या स्वरूपात लिहा, उदाहरणार्थ "धोरणात परवानगी नसेल तर सद्भावनेतून दिलेली सवलतही स्वतःहून बनवलेली ऑफर मानली जाईल".

अधूनमधून थोड्या नमुन्यांचे दुसऱ्या व्यक्तीकडून पुनरावलोकन करून पुन्हा तपासा. NIST च्या मापनविषयक मार्गदर्शनात नमूद केले आहे की स्वतंत्र पुनरावलोकनामुळे अंतर्गत पूर्वग्रह कमी होऊ शकतात. छोट्या संघात याचा अर्थ इतकाच असू शकतो की संस्थापक आणि एखादा वरिष्ठ सहकारी यांनी दर तिमाहीत एकदा सादर केलेल्या त्याच काही कामांचे स्वतंत्रपणे पुनरावलोकन करावे.

पुन्हा केलेल्या प्रयत्नांचा अर्थ कसा लावावा?

दुसऱ्या प्रयत्नातून त्या उदाहरणावरील अभिप्राय व्यक्तीला समजला आहे हे दिसू शकते. काम आठवत असल्याचाही फायदा त्याला होऊ शकतो. अधिक व्यापक निष्कर्ष काढण्यापूर्वी नवीन पण तुलनायोग्य उदाहरण वापरा आणि साधन, स्रोत सामग्री किंवा शिकणाऱ्याला उपलब्ध असलेली मदत यांमधील बदल नोंदवा.

जिथे गुण महत्त्वाचे असतात, तिथे पुनरावलोकन प्रक्रिया तपासता येईल अशी ठेवा आणि त्यावर आक्षेप घेण्याचा मार्ग द्या. AI ने दिलेला अभिप्राय चर्चेसाठी उपयोगी ठरू शकतो, पण महत्त्वाचे परिणाम घडवणाऱ्या निर्णयात तो अंतिम शब्द असू नये.

निकालांचा अहवाल कसा द्यावा?

काय दिसून आले, कोणत्या परिस्थितीत दिसून आले आणि काय अद्याप अज्ञात आहे ते नोंदवा. एका गुणापेक्षा छोटी, सातत्यपूर्ण नोंद अधिक उपयोगी असते. खालील नमुना प्रत्येक व्यक्तीसाठी किंवा प्रत्येक भूमिकेसाठी वापरता येतो.

कौशल्य मूल्यांकन आणि AI वापराचा मागोवा घेणे यात काय फरक आहे?

साधनाचा वापर आणि सहभाग यांवरून प्रशिक्षण कार्यक्रम वापरला जात आहे की नाही हे व्यवस्थापकाला समजू शकते. पण केवळ त्यावरून एखादी व्यक्ती योग्य निर्णय घेत आहे असे सिद्ध होत नाही. वारंवार वापरल्या जाणाऱ्या साधनातून तयार झालेले कामही कोणी तपासत नसेल, तर काळजीपूर्वक शिकणारी व्यक्ती ते केवळ एखाद्या मर्यादित, मंजूर कामासाठी वापरत असेल.

कामाचे नमुने, धोरणाविषयीचे प्रश्न आणि उपलब्ध मदत यांसोबत प्रत्यक्ष वापराचाही आढावा घ्या. कोणते संकेत दिसून आले आणि कोणते उपलब्ध नाहीत ते नमूद करा. योग्य पद्धत आणि संदर्भानुरूप पुराव्याशिवाय लॉगिन करण्याच्या वारंवारतेतील बदलावरून उत्पादकतेचा दावा करू नका.

व्यवस्थापकांना काय पाहता आले पाहिजे?

कर्मचाऱ्यांना मदत करता येईल इतकी माहिती व्यवस्थापकांना हवी असते: एखाद्याने कोणती कौशल्ये दाखवली आहेत, तो कुठे अडला आहे आणि त्याची प्रगती होत आहे का. एखाद्याने AI साधनाशी केलेल्या प्रत्येक संभाषणाचा मूळ मजकूर त्यांना क्वचितच हवा असतो. त्या नोंदी वाचणे म्हणजे पाळत ठेवली जात असल्यासारखे वाटते, मोकळेपणाने सराव करण्यास अडथळा येतो आणि शिकणाऱ्याने शेअर करायला नको होती अशी माहिती उघड होऊ शकते.

काय दिसेल हे ठरवा आणि कोणीही सुरुवात करण्यापूर्वी ते स्पष्ट करा. नेमक्या याच कारणासाठी Tosheo.ai चा नियोजित व्यवस्थापक डॅशबोर्ड कौशल्यातील प्रगती आणि पूर्ण केलेले धडे दाखवण्यासाठी तयार केला जात आहे, मूळ चॅट नोंदी दाखवण्यासाठी नाही.

हे उमेदवाराचे मूल्यांकन करण्यापेक्षा कसे वेगळे आहे?

शिकणे आणि भरती यांचे उद्देश वेगवेगळे असतात. प्रशिक्षणातील कृतीमुळे विद्यमान कर्मचाऱ्याला चूक करून सुधारण्याचा वाव मिळू शकतो. उमेदवाराचे मूल्यमापन न्याय्य आणि निश्चित केलेल्या भरती प्रक्रियेत व्हायला हवे, ज्यात योग्य मानवी पुनरावलोकन आणि उमेदवारांसाठी स्पष्ट माहिती असेल. संदर्भ आणि परिणाम सारखेच आहेत असे समजून तेच उदाहरण पुन्हा वापरू नये, आणि प्रशिक्षणाचा निकाल ज्या रोजगारविषयक निर्णयासाठी तयार केलेला नाही, त्या निर्णयासाठी तो वापरू नये.

AI कौशल्यांचे मूल्यमापन कधी करू नये?

लोकांकडे मंजूर साधन आणि माहिती हाताळण्याचे मूलभूत नियम येण्यापूर्वी अशी चाचणी घेऊ नका; अन्यथा तुम्ही कौशल्याऐवजी साधनांची उपलब्धता आणि गोंधळ मोजत असाल. कामगिरीचे मूल्यमापन लपवून करण्यासाठी अशी चाचणी घेऊ नका. तसेच, या संकेतस्थळावरील तयारीच्या स्वमूल्यांकनासह स्वतःच्या उत्तरांवर आधारित कोणतीही प्रश्नावली लोकांची क्रमवारी लावण्यासाठी, प्रमाणपत्रे देण्यासाठी किंवा रोजगारविषयक निर्णय घेण्यासाठी वापरू नका.

मोठे परिणाम करणाऱ्या निर्णयांसाठी वैधता सिद्ध झालेले मानसशास्त्रीय मापन साधन हवे असेल, तर येथे वर्णन केलेली पद्धत तशी नाही. शिकण्याविषयी संवाद आणि कार्यक्रमाचे नियोजन यांसाठी ही एक व्यावहारिक पद्धत आहे. ती संदर्भ आणि मर्यादांबाबतच्या NIST मार्गदर्शनाचा विचार करून तयार केलेली आहे; मात्र ते मार्गदर्शन या कर्मचारी-मूल्यमापन पद्धतीचे समर्थन करत नाही किंवा तिची वैधता प्रमाणित करत नाही.

व्यवस्थापकाने पुढे काय करावे?

भूमिकेशी संबंधित एक काम निवडा, गुणांकनासाठी निकषांची छोटी मार्गदर्शिका जाहीर करा आणि शिकणाऱ्या व्यक्तीसोबत तर्काचा आढावा घ्या. स्रोत, साधन आणि परिस्थिती यांची नोंद ठेवा. पुराव्यावरून काय सिद्ध होते आणि कशासाठी आणखी एक उदाहरण हवे ते ठरवा. शिकण्याविषयी उपयुक्त संवाद सुरू करण्याचा हा व्यावहारिक मार्ग आहे.

संघ सराव सुरू करण्यासाठी मुळात तयार आहे का, हा मोठा प्रश्न असेल, तर तयारी तपासणीसूचीपासून सुरुवात करा. त्यात साधनांचा प्रवेश, माहिती वापरण्याच्या मर्यादा, तपासणीचे निकष आणि मदत यांचा समावेश आहे. स्वमूल्यांकनामुळे हा संवाद सुरू करता येईल. ही दोन्ही साधने चर्चेला मदत करणारी आहेत; प्रत्यक्ष काम करून दाखवण्याला पर्याय नाहीत.

स्रोत आणि व्याप्ती

NIST AI RMF चा मुख्य भाग, 16 October 2026 रोजी तपासलेला ↗

NIST AI RMF कृती मार्गदर्शिका: प्रशासन, 16 October 2026 रोजी तपासलेली ↗