ଗ୍ରାହକ ସେବାରେ AI: ସହାୟତା କର୍ମଚାରୀମାନେ ଏହାକୁ କିପରି ଭଲ ଭାବେ ବ୍ୟବହାର କରିପାରିବେ

ଗ୍ରାହକ ସହାୟତା କର୍ମଚାରୀମାନେ ନିଜ କାମରେ AI କିପରି ବ୍ୟବହାର କରନ୍ତି?

ସହାୟତା କର୍ମଚାରୀମାନେ ଟିକେଟ୍ ସମ୍ବନ୍ଧୀୟ ପଢ଼ା ଓ ଲେଖା ପାଇଁ AI ବ୍ୟବହାର କରନ୍ତି, ଟିକେଟ୍‌ର ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ ନୁହେଁ। ଯେଉଁ କାମରେ କର୍ମଚାରୀ ନିଜ ପାଖରେ ଥିବା କୌଣସି ସୂଚନା ସହ ଫଳାଫଳକୁ ଶୀଘ୍ର ଯାଞ୍ଚ କରିପାରନ୍ତି, ସେଗୁଡ଼ିକ ଉପଯୋଗୀ: ଟିକେଟ୍‌ର ବାର୍ତ୍ତା ଶୃଙ୍ଖଳା, ସହାୟତା କେନ୍ଦ୍ରର ଲେଖା, ଟଙ୍କା ଫେରସ୍ତ ନୀତି କିମ୍ବା ଅର୍ଡର ରେକର୍ଡ।

ତଳେ ଥିବା ତାଲିକାଟି ମୋଟାମୋଟି ଭାବେ ସବୁଠାରୁ କମ୍ ବିପଦରୁ ସବୁଠାରୁ ଅଧିକ ବିପଦ କ୍ରମରେ ସଜାଯାଇଛି। ଗ୍ରାହକଙ୍କ ସହାୟତା ଅନୁରୋଧର ସାରାଂଶରେ ସାମାନ୍ୟ ଭୁଲ୍ ଥିଲେ କର୍ମଚାରୀଙ୍କର ଗୋଟିଏ ମିନିଟ୍ ନଷ୍ଟ ହୁଏ। ଭୁଲ୍ ରାଶି ଫେରସ୍ତ ଦେବାର ପ୍ରତିଶ୍ରୁତି ଥିବା ଉତ୍ତର ଯୋଗୁଁ କମ୍ପାନୀ ଟଙ୍କା ଓ ଗ୍ରାହକଙ୍କ ବିଶ୍ୱାସ ହରାଏ। ତାଲିକାର ଉପରୁ ଆରମ୍ଭ କରନ୍ତୁ ଏବଂ ଦଳରେ ଫଳପ୍ରଦ ଯାଞ୍ଚ ଅଭ୍ୟାସ ଗଢ଼ିଉଠିବା ପରେ ହିଁ ତଳକୁ ଯାଆନ୍ତୁ।

ଏହା କ'ଣ ଗ୍ରାହକ ସେବା ପାଇଁ ଏକ ଚାଟ୍‌ବଟ୍ କିଣିବା ସହ ସମାନ?

ନା। ସହାୟତା କର୍ମଚାରୀଙ୍କୁ ସହଯୋଗ କରିବା ପାଇଁ ବ୍ୟବହାର, ଯେଉଁଠାରେ ଜଣେ ବ୍ୟକ୍ତି ପ୍ରତ୍ୟେକ ଉତ୍ତର ପଢ଼ି ପଠାନ୍ତି, ଏକ ଦକ୍ଷତା ସମ୍ବନ୍ଧୀୟ ବିଷୟ। ଗ୍ରାହକଙ୍କୁ ସିଧାସଳଖ ଉତ୍ତର ଦେଉଥିବା ଚାଟ୍‌ବଟ୍ କିମ୍ବା AI ଏଜେଣ୍ଟ ହେଉଛି ଏକ ସଫ୍ଟୱେର୍ କ୍ରୟ, ସାଧାରଣତଃ ସହାୟତା ସେବା ପ୍ରଦାନକାରୀଙ୍କଠାରୁ, ଏବଂ ଏହା ସଠିକତା, ସମସ୍ୟାକୁ ଉଚ୍ଚସ୍ତରକୁ ପଠାଇବା ପଥ, ବ୍ୟବହାର ବିଷୟରେ ଜଣାଇବା ଏବଂ ଏହାର ଉତ୍ତର ପାଇଁ କିଏ ଉତ୍ତରଦାୟୀ ସେନେଇ ପ୍ରଶ୍ନ ଉଠାଏ। ସେହି ପ୍ରଶ୍ନଗୁଡ଼ିକ ସହାୟତା ପ୍ଲାଟଫର୍ମ ଓ ନୀତି ପାଇଁ ଦାୟିତ୍ୱରେ ଥିବା ବ୍ୟକ୍ତିଙ୍କର, ଜଣେ ବ୍ୟକ୍ତିଗତ ସହାୟତା କର୍ମଚାରୀଙ୍କର ନୁହେଁ।

ସୂଚନା ପ୍ରକାଶ ସମ୍ବନ୍ଧୀୟ ଏକ ପାର୍ଥକ୍ୟ ଜାଣିବା ଦରକାର। EU AI Actର ଅନୁଚ୍ଛେଦ 50 ଅନୁଯାୟୀ, ଲୋକଙ୍କ ସହ ସିଧାସଳଖ କଥାବାର୍ତ୍ତା କରୁଥିବା AI ବ୍ୟବସ୍ଥାଗୁଡ଼ିକୁ ପ୍ରଦାନକାରୀମାନେ ଏପରି ଭାବେ ତିଆରି କରିବା ଆବଶ୍ୟକ ଯେ ଲୋକମାନେ ଏକ AI ବ୍ୟବସ୍ଥା ସହ କଥା ହେଉଛନ୍ତି ବୋଲି ସୂଚିତ ହେବେ, ଯଦି ପ୍ରସଙ୍ଗରୁ ତାହା ସ୍ପଷ୍ଟ ନଥାଏ। ପ୍ରକାଶିତ ପାଠ୍ୟରେ ଏହି ବାଧ୍ୟତା ଲାଗୁ ହେବାର ତାରିଖ 2 ଅଗଷ୍ଟ 2026 ନିର୍ଦ୍ଧାରିତ ହୋଇଛି। ଅନ୍ୟ ସ୍ଥାନରେ ନିୟମ ଭିନ୍ନ। ଏହା ସାଧାରଣ ସୂଚନା, ଆଇନଗତ ପରାମର୍ଶ ନୁହେଁ; ଗ୍ରାହକଙ୍କ ସହ ସିଧାସଳଖ ବ୍ୟବହାର ପାଇଁ କିଛି ନିୟୋଜିତ କରିବା ପୂର୍ବରୁ ଜଣେ ଯୋଗ୍ୟ ପରାମର୍ଶଦାତାଙ୍କ ସହ ବର୍ତ୍ତମାନର ସ୍ଥିତି ଯାଞ୍ଚ କରନ୍ତୁ।

ଜଣେ ଗ୍ରାହକ ‘ମୁଁ କ’ଣ ଏକ ବଟ୍ ସହ କଥା ହେଉଛି?’ ବୋଲି ପଚାରିଲେ, ସଚ୍ଚୋଟ ଉତ୍ତରଟି ବ୍ୟବସ୍ଥା କିପରି ହୋଇଛି ତାହା ଉପରେ ନିର୍ଭର କରେ। ଯଦି ଜଣେ ଗ୍ରାହକ ସେବା କର୍ମଚାରୀ AI ସାହାଯ୍ୟରେ ଉତ୍ତରର ଚିଠା ତିଆରି କରି, ପରେ ତାହାର ସମୀକ୍ଷା କରି ପଠାଇଥାନ୍ତି, ତେବେ ଜଣେ ମଣିଷ ଉତ୍ତର ଦେଉଛନ୍ତି। ଯଦି ଏକ ପ୍ରଣାଳୀ ସ୍ୱୟଂଚାଳିତ ଭାବେ ଉତ୍ତର ଦିଏ, ତେବେ ତାହା ସ୍ପଷ୍ଟ କରନ୍ତୁ। କର୍ମଚାରୀଙ୍କ ସହାୟତା ପାଇଁ AI ବ୍ୟବହାର କରୁଥିବା ଦଳଗୁଡ଼ିକ ପ୍ରତ୍ୟେକ କର୍ମଚାରୀଙ୍କୁ ନିଜ ମତରେ ଉତ୍ତର ଦେବାକୁ ଛାଡ଼ିବା ବଦଳରେ, କ’ଣ କୁହାଯିବ ତାହା ଆଗରୁ ସ୍ଥିର କରିବା ଉଚିତ।

ଯାଞ୍ଚ କରାଯାଇଥିବା AI ଉତ୍ତର କିପରି ହୋଇଥାଏ?

ଯାଞ୍ଚ ହୋଇଥିବା ଉତ୍ତରରେ କେବଳ ସେହି ତଥ୍ୟ ବ୍ୟବହାର ହୁଏ, ଯାହାର ପ୍ରମାଣ ଏଜେଣ୍ଟ ଦେଖାଇପାରିବେ, ଏବଂ ନୀତି ବାହାରର ଯେକୌଣସି ବିଷୟକୁ ସେହି ନିଷ୍ପତ୍ତି ନେଇପାରୁଥିବା ବ୍ୟକ୍ତିଙ୍କ ପାଖକୁ ପଠାଯାଏ। ଏଠାରେ ଏକ କାଳ୍ପନିକ ଉଦାହରଣ ରହିଛି।

ଫର୍ନହିଲ୍ ହୋମ୍ ଏକ କାଳ୍ପନିକ ଅନଲାଇନ୍ ଘରୋଇ ସାମଗ୍ରୀ ଦୋକାନ। ଏହାର ଦିଆଯାଇଥିବା ନୀତି ଅନୁଯାୟୀ: ନଷ୍ଟ ସାମଗ୍ରୀ ବିଷୟରେ ଡେଲିଭରିର 7 ଦିନ ମଧ୍ୟରେ ଫଟୋ ସହ ଜଣାଇବାକୁ ହେବ; ଅନୁମୋଦନର 5 କାର୍ଯ୍ୟଦିବସ ମଧ୍ୟରେ ମୂଳ ଦେୟ ପଦ୍ଧତିରେ ଟଙ୍କା ଫେରସ୍ତ ହେବ; 7 ଦିନ ପରେ ବ୍ୟତିକ୍ରମ ପାଇଁ ଦଳ ମୁଖ୍ୟଙ୍କ ଅନୁମୋଦନ ଦରକାର। ଜଣେ ଗ୍ରାହକ ଡେଲିଭରିର 9 ଦିନ ପରେ ଲେଖନ୍ତି ଯେ ମଗ୍ ସେଟ୍‌ରେ ଦୁଇଟି ମଗ୍ ଭାଙ୍ଗିଯାଇଥିଲା। ସେ ରାଗିଛନ୍ତି, ସମ୍ପୂର୍ଣ୍ଣ ଟଙ୍କା ଫେରସ୍ତ ଚାହୁଁଛନ୍ତି ଏବଂ ହଇରାଣ ପାଇଁ କ୍ଷତିପୂରଣ ମାଗୁଛନ୍ତି।

ସହାୟତା କର୍ମଚାରୀଙ୍କ ନିର୍ଦ୍ଦେଶ: 'ଜଣେ ସହାୟତା କର୍ମଚାରୀ ସମୀକ୍ଷା କରିବା ପାଇଁ ଆପଣ ଏକ ଉତ୍ତରର ଚିଠା ଲେଖୁଛନ୍ତି। କେବଳ ତଳେ ଦିଆଯାଇଥିବା ନୀତି ଓ ଗ୍ରାହକଙ୍କ ବାର୍ତ୍ତା ବ୍ୟବହାର କରନ୍ତୁ। ନୀତି ଅନୁମତି ଦେଉନଥିବା କୌଣସି କଥା ପ୍ରସ୍ତାବ ଦିଅନ୍ତୁ ନାହିଁ। ଅନୁରୋଧଟି ନୀତିର ପରିସର ବାହାରେ ଥିଲେ, ନିଜେ ନିଷ୍ପତ୍ତି ନନେଇ ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପ କ’ଣ ହେବ ତାହା କୁହନ୍ତୁ। ଉତ୍ତରଟି 120 ଶବ୍ଦରୁ କମ୍ ରଖନ୍ତୁ, ଆନ୍ତରିକ ଓ ସରଳ ଭାଷାରେ ଲେଖନ୍ତୁ।' ଏହା ପରେ ନୀତିର ପାଠ୍ୟ ଓ ବାର୍ତ୍ତା ଦିଆଯାଇଛି।

ନିର୍ଦ୍ଦେଶ ଅସ୍ପଷ୍ଟ ଥିଲେ ସହାୟକ ଯେପରି ଲେଖିପାରେ, ସେପରି ଏକ ଦୁର୍ବଳ ପ୍ରଥମ ଖସଡ଼ା: 'ଆମେ ଅତ୍ୟନ୍ତ ଦୁଃଖିତ! ଆମେ ସମ୍ପୂର୍ଣ୍ଣ ଟଙ୍କା ଫେରସ୍ତ ପ୍ରକ୍ରିୟା ସାରିଦେଇଛୁ, ଯାହା ତୁରନ୍ତ ଆପଣଙ୍କୁ ମିଳିଯିବ, ଏବଂ ଆପଣଙ୍କ ଅସୁବିଧା ପାଇଁ ଆପଣଙ୍କ ଖାତାରେ 20% ରିହାତି କୋଡ୍ ଯୋଡ଼ିଦେଇଛୁ। ଏପରି ଆଉ କେବେ ହେବ ନାହିଁ।' ଏଥିରେ ଥିବା ପ୍ରତ୍ୟେକ ପ୍ରତିଶ୍ରୁତି ମନଗଢ଼ା। କୌଣସି ଟଙ୍କା ଫେରସ୍ତ ପ୍ରକ୍ରିୟା ହୋଇନାହିଁ, କିଛି ବି ତୁରନ୍ତ ମିଳିବ ନାହିଁ, ନୀତିରେ କୌଣସି ରିହାତି କୋଡ୍ ନାହିଁ, ଏବଂ ଶେଷ ବାକ୍ୟର ପ୍ରତିଶ୍ରୁତି କେହି ଦେଇପାରିବେ ନାହିଁ।

ସମୀକ୍ଷା କରାଯାଇଥିବା ଉତ୍ତର: 'ଦୁଇଟି ମଗ୍ ଭଙ୍ଗା ଅବସ୍ଥାରେ ପହଞ୍ଚିଥିବାରୁ ମୁଁ ଦୁଃଖିତ। ଆପଣ ଉତ୍ତରରେ କ୍ଷତିଗ୍ରସ୍ତ ମଗ୍ ଓ ବାକ୍ସର ଏକ ଫଟୋ ପଠାଇପାରିବେ କି? ସାମଗ୍ରୀ ପହଞ୍ଚିବାର 9 ଦିନ ପରେ ଆପଣଙ୍କ ବାର୍ତ୍ତା ଆମ ପାଖରେ ପହଞ୍ଚିଥିଲା, ଯାହା ଆମର ସାଧାରଣ 7-ଦିନର ସମୟସୀମା ବାହାରେ, ତେଣୁ ମୁଁ ଆମ ଦଳ ମୁଖ୍ୟଙ୍କୁ ଏହାକୁ ଏକ ବ୍ୟତିକ୍ରମ ଭାବେ ସମୀକ୍ଷା କରିବାକୁ କହିଛି। ସେ ନିଷ୍ପତ୍ତି ନେବା ପରେ ମୁଁ ଆପଣଙ୍କୁ ଜଣାଇବି। ଟଙ୍କା ଫେରସ୍ତ ଅନୁମୋଦିତ ହେଲେ, 5 କାର୍ଯ୍ୟଦିବସ ମଧ୍ୟରେ ଆପଣ ପ୍ରଥମେ ଦେୟ ଦେଇଥିବା ମାଧ୍ୟମକୁ ଏହା ଫେରାଯିବ।' ତା’ପରେ ସେବା ପ୍ରତିନିଧି ଉଚ୍ଚସ୍ତରୀୟ ସମୀକ୍ଷା ପାଇଁ ଟିପ୍ପଣୀ ଲେଖନ୍ତି, ଯାହାର ଖସଡ଼ା ମଧ୍ୟ AI ସହାୟତାରେ ତିଆରି କରି ଯାଞ୍ଚ କରାଯାଇଥାଏ, ଯାହାଫଳରେ ଦଳ ମୁଖ୍ୟ ତାରିଖଗୁଡ଼ିକ ଓ ଫଟୋ ପାଇଁ ଅନୁରୋଧ ଗୋଟିଏ ସ୍ଥାନରେ ପାଆନ୍ତି।

କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଦ୍ୱାରା ପ୍ରସ୍ତୁତ ଉତ୍ତରରେ ଯାହା ଲେଖାଯାଇଛି, ସେଥିପାଇଁ କିଏ ଦାୟୀ?

କମ୍ପାନୀ ଦାୟୀ, ଏବଂ ବାସ୍ତବ କ୍ଷେତ୍ରରେ ତାହା ପଠାଉଥିବା ପ୍ରତିନିଧି ମଧ୍ୟ ଦାୟୀ। କେଉଁ ବାକ୍ୟ ଏକ ମଡେଲରୁ ଆସିଛି ତାହା ଗ୍ରାହକ ଜାଣିପାରିବେ ନାହିଁ, ଏବଂ କମ୍ପାନୀ ସେମାନଙ୍କୁ ଯାହା କହେ ତାହା ଉପରେ ଭରସା କରିବାର ଅଧିକାର ସେମାନଙ୍କର ଅଛି।

କାନାଡାର ଛୋଟ ଦାବି ସମ୍ପର୍କିତ ଏକ ବହୁଳ ଉଦ୍ଧୃତ ରାୟ ଚାଟ୍‌ବଟ୍ ଦୃଷ୍ଟିକୋଣରୁ ଏହି କଥାକୁ ସ୍ପଷ୍ଟ କରେ। ମୋଫାଟ୍ ବନାମ ଏୟାର୍ କାନାଡା ମାମଲାରେ (2024 BCCRT 149, ରାୟ ତାରିଖ 14 February 2024), ବିମାନ କମ୍ପାନୀର ୱେବସାଇଟ୍ ଚାଟ୍‌ବଟ୍ ଜଣେ ଗ୍ରାହକଙ୍କୁ କହିଥିଲା ଯେ ସେ ଯାତ୍ରା ପରେ ଆତ୍ମୀୟଙ୍କ ମୃତ୍ୟୁଜନିତ ଯାତ୍ରା ପାଇଁ ରିହାତି ଭଡ଼ା ଦାବି କରିପାରିବେ। ଏହା ବିମାନ କମ୍ପାନୀର ନିଜସ୍ୱ ନୀତି ପୃଷ୍ଠାର ବିପରୀତ ଥିଲା। ବ୍ରିଟିଶ୍ କଲମ୍ବିଆ ଦେୱାନୀ ବିବାଦ ସମାଧାନ ନ୍ୟାୟାଧିକରଣ ବିମାନ କମ୍ପାନୀ ନିଜ ଚାଟ୍‌ବଟ୍ ପାଇଁ ଦାୟୀ ନୁହେଁ ବୋଲି ଦିଆଯାଇଥିବା ଯୁକ୍ତିକୁ ଖାରଜ କରିଥିଲେ। କମ୍ପାନୀ ନିଜ ୱେବସାଇଟ୍‌ର ସମସ୍ତ ସୂଚନା ପାଇଁ ଦାୟୀ ରହିବ ବୋଲି ରାୟ ଦେଇଥିଲେ ଏବଂ ଅବହେଳାପୂର୍ଣ୍ଣ ଭାବେ ଭ୍ରମାତ୍ମକ ସୂଚନା ଦିଆଯାଇଥିବା ନିର୍ଣ୍ଣୟ କରିଥିଲେ। ସେହି ମାମଲା ଏକ ସ୍ୱୟଂଚାଳିତ ଚାଟ୍‌ବଟ୍ ସମ୍ପର୍କିତ ଥିଲା, କୌଣସି ଏଜେଣ୍ଟର ଖସଡ଼ା ସମ୍ପର୍କିତ ନୁହେଁ, ଏବଂ ଏହା ଗୋଟିଏ ଅଧିକାରକ୍ଷେତ୍ରରେ ଗୋଟିଏ ନ୍ୟାୟାଧିକରଣର ରାୟ ମାତ୍ର। ଏଜେଣ୍ଟମାନଙ୍କ ପାଇଁ ବ୍ୟବହାରିକ ଶିକ୍ଷାଟି ଆହୁରି ସରଳ: କୌଣସି କଥା କମ୍ପାନୀ ନାମରେ ବାହାରକୁ ଯାଉଥିଲେ, ତାହାକୁ କମ୍ପାନୀର ବକ୍ତବ୍ୟ ଭାବେ ଗ୍ରହଣ କରନ୍ତୁ।

ସେଥିପାଇଁ ଯାଞ୍ଚ ପଦକ୍ଷେପକୁ ଛାଡ଼ିହେବ ନାହିଁ। ଆତ୍ମବିଶ୍ୱାସପୂର୍ଣ୍ଣ, ସାବଲୀଳ ଲେଖାରେ ହିଁ ତ୍ରୁଟି ସବୁଠାରୁ ସହଜରେ ନଜର ଏଡ଼ାଇଯାଏ। NISTର ଜନନକ୍ଷମ AI ସମ୍ବନ୍ଧୀୟ ରୂପରେଖା ଏହି ବିପଦକୁ ମନଗଢ଼ା ତଥ୍ୟ ସୃଷ୍ଟି ବୋଲି କହେ: ଆତ୍ମବିଶ୍ୱାସର ସହ ଉପସ୍ଥାପିତ, କିନ୍ତୁ ତ୍ରୁଟିପୂର୍ଣ୍ଣ କିମ୍ବା ମିଥ୍ୟା ବିଷୟବସ୍ତୁ, ଯାହା ପାଠକଙ୍କୁ ଭ୍ରମିତ କରିପାରେ।

ଗ୍ରାହକଙ୍କ କେଉଁ ସୂଚନା କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସାଧନରେ ଦିଆଯିବା ଉଚିତ ନୁହେଁ?

ସେହି ନିର୍ଦ୍ଦିଷ୍ଟ ସାଧନ ପାଇଁ ଆପଣଙ୍କ କମ୍ପାନୀ ଅନୁମୋଦନ କରି ନଥିବା ଯେକୌଣସି ତଥ୍ୟ। ସାଧାରଣ କାର୍ଯ୍ୟନୀତି ଭାବେ, ପେମେଣ୍ଟ କାର୍ଡ ନମ୍ବର, ପାସୱାର୍ଡ ଓ ସୁରକ୍ଷା ପ୍ରଶ୍ନର ଉତ୍ତର, ସ୍ୱାସ୍ଥ୍ୟ ସମ୍ବନ୍ଧୀୟ କିମ୍ବା ଅନ୍ୟ ସମ୍ବେଦନଶୀଳ ବିବରଣୀ ଏବଂ କାମ ପାଇଁ ଆବଶ୍ୟକ ନଥିବା ସମ୍ପୂର୍ଣ୍ଣ ଗ୍ରାହକ ରେକର୍ଡ ପ୍ରବେଶ କରନ୍ତୁ ନାହିଁ। ବ୍ୟକ୍ତିଗତ ଆକାଉଣ୍ଟ ନୁହେଁ, କମ୍ପାନୀର ଅନୁମୋଦିତ କାର୍ଯ୍ୟକ୍ଷେତ୍ର ବ୍ୟବହାର କରନ୍ତୁ।

ଗ୍ରାହକ ସେବା ପ୍ରତିନିଧିଙ୍କୁ ସହାୟତା କରୁଥିବା ଅଧିକାଂଶ କାମରେ ଗ୍ରାହକଙ୍କ ପରିଚୟ ଆଦୌ ଦରକାର ହୁଏ ନାହିଁ। ଏକ ଖସଡ଼ା ପାଇଁ 'ଗ୍ରାହକ ଜଣାଇଛନ୍ତି ଯେ ପହଞ୍ଚାଯିବାର 9 ଦିନ ପରେ ଦୁଇଟି ମଗ୍ ଭଙ୍ଗା ଥିବା ଦେଖିଛନ୍ତି' ଯଥେଷ୍ଟ; AI ର କାମ ସରିବା ପରେ ନାମ ଓ ଅର୍ଡର ନମ୍ବର ଯୋଡ଼ାଯାଇପାରିବ। ବ୍ୟକ୍ତିଗତ ତଥ୍ୟ ପ୍ରକ୍ରିୟାକରଣ କରାଯାଉଥିଲେ ସଂସ୍ଥାର ତଥ୍ୟ ସୁରକ୍ଷା ଦାୟିତ୍ୱ ରହିଥାଏ; AI ଓ ତଥ୍ୟ ସୁରକ୍ଷା ସମ୍ପର୍କିତ ବ୍ରିଟେନର ICO ମାର୍ଗଦର୍ଶନରେ ଠିକ୍ ଏହି ପ୍ରକାର ବ୍ୟବହାର ପାଇଁ ସ୍ୱଚ୍ଛତା, ସଠିକତା ଓ ନିରପେକ୍ଷତା ବିଷୟ ରହିଛି।

କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଗ୍ରାହକ ସେବା କର୍ମଚାରୀଙ୍କ ସ୍ଥାନ ନେବ କି?

ଆପଣଙ୍କ ଦଳ ପାଇଁ ଏହାର ନିର୍ଭରଯୋଗ୍ୟ ଉତ୍ତର କେହି ଦେଇପାରିବେ ନାହିଁ, ଏବଂ ଆମେ ତାହା ଦେଇପାରିବୁ ବୋଲି ଦାବି କରିବୁ ନାହିଁ। AI ଭଲ ଭାବେ ବ୍ୟବହାର କଲେ କାମ କିପରି ବଦଳେ, ତାହା ସ୍ପଷ୍ଟ: ନିୟମିତ ଚିଠା ଲେଖା ଶୀଘ୍ର ହୁଏ। ଫଳରେ ସହାୟତା କର୍ମଚାରୀ ନିଜ ସମୟର ଅଧିକ ଭାଗ ବିଚାରବୁଦ୍ଧି ଦରକାର କରୁଥିବା ଅନୁରୋଧରେ ଦେଇପାରନ୍ତି, ଯେପରିକି ବ୍ୟତିକ୍ରମ, ଅଭିଯୋଗ, ଅସନ୍ତୁଷ୍ଟ ଗ୍ରାହକ ଓ ନୀତିରେ ଅନ୍ତର୍ଭୁକ୍ତ ନଥିବା ସମସ୍ୟା।

ଯେଉଁ ଦକ୍ଷତାଗୁଡ଼ିକର ଗୁରୁତ୍ୱ କମେ ନାହିଁ, ବରଂ ବଢ଼େ, ସେଗୁଡ଼ିକ ହେଲା: ଏକ ଖସଡ଼ା କେତେବେଳେ ନୀତି ଉଲ୍ଲଂଘନ କରୁଛି ତାହା ଧରିପାରିବା ପାଇଁ ନୀତିକୁ ଭଲ ଭାବେ ଜାଣିବା, ଉପର ସ୍ତରକୁ ପଠାଯାଉଥିବା ସମସ୍ୟାକୁ ଏପରି ଲେଖିବା ଯେପରି ଦଳର ନେତା ଥରେ ପଢ଼ି ନିଷ୍ପତ୍ତି ନେଇପାରିବେ, ଏବଂ ଗ୍ରାହକଙ୍କୁ କେତେବେଳେ ଶୀଘ୍ର ମିଳୁଥିବା ପୂର୍ବନିର୍ଦ୍ଧାରିତ ଉତ୍ତର ବଦଳରେ ଜଣେ ମଣିଷଙ୍କ ସହାୟତା ଦରକାର ତାହା ବୁଝିପାରିବା। ଏହି ଦକ୍ଷତାଗୁଡ଼ିକ ଅଭ୍ୟାସ କରି ଶିଖାଯାଇପାରେ।

ଏକ ଗ୍ରାହକ ସହାୟତା ଦଳ AI ବ୍ୟବହାରର ଅଭ୍ୟାସ କିପରି କରିବା ଉଚିତ?

ପ୍ରଥମେ କାଳ୍ପନିକ ସହାୟତା ଅନୁରୋଧ ଉପରେ ଅଭ୍ୟାସ କରନ୍ତୁ ଏବଂ ପୂରା ଦଳ ଦେଖିପାରୁଥିବା ମୂଲ୍ୟାୟନ ମାନଦଣ୍ଡ ବ୍ୟବହାର କରନ୍ତୁ। ଥରେ ମାତ୍ର ହେଉଥିବା କର୍ମଶାଳା ଅପେକ୍ଷା ଏକ ସଂକ୍ଷିପ୍ତ, ବାରମ୍ବାର କରିହେଉଥିବା ଅଭ୍ୟାସ ପଦ୍ଧତି ଅଧିକ କାମ ଦିଏ।

କେଉଁ ପରିସ୍ଥିତିରେ AI କିମ୍ବା ଏହି ମାର୍ଗଦର୍ଶିକା ଉପଯୁକ୍ତ ସମାଧାନ ନୁହେଁ?

କିଛି ସହାୟତା ଅନୁରୋଧରେ ଆଦୌ AI ଖସଡ଼ା ବ୍ୟବହାର କରିବା ଉଚିତ ନୁହେଁ: ପ୍ରିୟଜନଙ୍କ ମୃତ୍ୟୁଜନିତ ଶୋକ, ସୁରକ୍ଷା ସମସ୍ୟା, ଆନୁଷ୍ଠାନିକ ଅଭିଯୋଗ, ଆଇନଗତ କାର୍ଯ୍ୟାନୁଷ୍ଠାନର ଧମକ, ନିଜ ବ୍ୟକ୍ତିଗତ ତଥ୍ୟ ସମ୍ପର୍କିତ ଅଧିକାର ନେଇ ବ୍ୟକ୍ତିଙ୍କ ଅନୁରୋଧ ଏବଂ ଅସହାୟ ଅବସ୍ଥାରେ ଥିବା ଗ୍ରାହକଙ୍କ ସହ ଜଡ଼ିତ ଯେକୌଣସି ବିଷୟ। ଏଥିରେ ଅଳ୍ପ ସମୟ ସଞ୍ଚୟ ହୁଏ, କିନ୍ତୁ ଭୁଲ କଥାଭଙ୍ଗୀ କିମ୍ବା ଭୁଲ ପ୍ରତିଶ୍ରୁତିର କ୍ଷତି ବହୁତ ଅଧିକ।

ଏହି ମାର୍ଗଦର୍ଶିକା ଚାଟ୍‌ବଟ୍ ସଫ୍ଟୱେର ବାଛିବା, ବିନ୍ୟାସ କରିବା କିମ୍ବା ମୂଲ୍ୟାଙ୍କନ କରିବା, ବଟ୍‌ର କଥୋପକଥନ ପ୍ରବାହ ଲେଖିବା କିମ୍ବା ସହାୟତା କେନ୍ଦ୍ରରେ ଥିବା କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସୁବିଧାଗୁଡ଼ିକୁ ସଜାଡ଼ିବାରେ ମଧ୍ୟ ସାହାଯ୍ୟ କରେ ନାହିଁ। ସେଥିପାଇଁ ଆପଣଙ୍କ ସହାୟତା କେନ୍ଦ୍ର ସଫ୍ଟୱେର ପ୍ରଦାନକାରୀଙ୍କ ନିର୍ଦ୍ଦେଶାବଳୀ ଓ ସହାୟତା ଦଳର ସହଯୋଗ ନେବା ଉଚିତ। Tosheo.ai ଲୋକମାନଙ୍କୁ ତାଲିମ ଦେବା ପାଇଁ ନିର୍ମାଣ କରାଯାଉଛି: ସହାୟତା ଭୂମିକା ପାଇଁ ଏକ ପାଠ୍ୟକ୍ରମ ଯୋଜନାରେ ଅଛି, ଯେଉଁଥିରେ ଛୋଟ ପାଠ ଏବଂ ଉପରୋକ୍ତ କାମ ପରି ଅଙ୍କ ଦିଆଯାଉଥିବା ଅଭ୍ୟାସ କାମ ରହିବ। ଏହା ଗ୍ରାହକଙ୍କ ସହ ସିଧାସଳଖ କାମ କରୁଥିବା କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାକୁ ନିୟୋଜିତ କିମ୍ବା ପରିଚାଳନା କରେ ନାହିଁ।

ଉତ୍ସ ଓ ପରିସର

Deeth Williams Wall LLP, E-TIPS ସଂଖ୍ୟା 24 03 06: Moffatt v Air Canada, 2024 BCCRT 149ର ସାରାଂଶ (ରାୟ ତାରିଖ 14 ଫେବୃଆରୀ 2024) ↗

EU AI Act, ଅନୁଚ୍ଛେଦ 50 ର ସ୍ୱଚ୍ଛତା ସମ୍ବନ୍ଧୀୟ ବାଧ୍ୟବାଧକତା, artificialintelligenceact.eu ମାଧ୍ୟମରେ ପାଠ୍ୟ (ଜୀବନର ଭବିଷ୍ୟତ ସଂସ୍ଥାନ), ଯାଞ୍ଚ ତାରିଖ 16 October 2026 ↗

ଯୁକ୍ତରାଜ୍ୟ ସୂଚନା ଆୟୁକ୍ତଙ୍କ କାର୍ଯ୍ୟାଳୟ, କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଓ ତଥ୍ୟ ସୁରକ୍ଷା ସମ୍ପର୍କିତ ମାର୍ଗଦର୍ଶନ, 15 ମାର୍ଚ୍ଚ 2023ରେ ଅଦ୍ୟତନ କରାଯାଇଛି ↗

NIST AI 600-1, ସୃଜନକାରୀ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ରୂପରେଖା, ଜୁଲାଇ 2024 ↗