ବ୍ୟବସାୟରେ ସୃଜନଶୀଳ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ସବୁଠାରୁ ପ୍ରଚଳିତ ବ୍ୟବହାରଗୁଡ଼ିକ କ’ଣ?

ବ୍ୟବସାୟରେ ସବୁଠାରୁ ସାଧାରଣ ବ୍ୟବହାର ହେଉଛି ଭାଷା ସମ୍ବନ୍ଧୀୟ କାମ: ଚିଠା ପ୍ରସ୍ତୁତ କରିବା, ସାରାଂଶ ଲେଖିବା, ଭିନ୍ନ ପାଠକଙ୍କ ପାଇଁ ପୁଣି ଲେଖିବା, ଦଲିଲରୁ ତଥ୍ୟ ବାହାର କରି ସୁସଂଗଠିତ ଭାବରେ ସଜାଇବା ଏବଂ ସରଳ ଭାଷାରେ ବିଷୟବସ୍ତୁ ବୁଝାଇବା। ବ୍ରିଟେନ୍ ସରକାରଙ୍କ AI ଗ୍ରହଣ ସମ୍ବନ୍ଧୀୟ ଗବେଷଣାରେ, ପୂର୍ବରୁ AI ବ୍ୟବହାର କରୁଥିବା ବ୍ୟବସାୟଗୁଡ଼ିକର 85% କହିଥିଲେ ଯେ ସେମାନେ ପ୍ରାକୃତିକ ଭାଷା ପ୍ରକ୍ରିୟାକରଣ ଏବଂ ପାଠ୍ୟ ସୃଷ୍ଟି ବ୍ୟବହାର କରୁଥିଲେ, ଯାହା ଅନ୍ୟ ଯେକୌଣସି ପ୍ରକାରର AI ତୁଳନାରେ ବହୁତ ଅଧିକ। AI ବ୍ୟବହାର କରୁଥିବା କିମ୍ବା କରିବାକୁ ଯୋଜନା କରୁଥିବା ବ୍ୟବସାୟର ସବୁଠାରୁ ସାଧାରଣ କାର୍ଯ୍ୟକ୍ଷେତ୍ର ଥିଲା ବିପଣନ ଓ ପ୍ରଶାସନ (ପ୍ରତ୍ୟେକ 72%) ଏବଂ ସୂଚନା ପ୍ରଯୁକ୍ତି (64%)। ଏହି ଆକଳନଗୁଡ଼ିକ 2025 ଆରମ୍ଭରେ ବ୍ରିଟେନ୍‌ର 3,500 ବ୍ୟବସାୟକୁ ନେଇ କରାଯାଇଥିବା ଏକ ସର୍ବେକ୍ଷଣରେ ସେମାନେ ନିଜେ ଦେଇଥିବା ତଥ୍ୟ ଉପରେ ଆଧାରିତ।

ଅଧିକାଂଶ ଦଳ ବାସ୍ତବ କାମରେ ଯାହା ଦେଖନ୍ତି, ତାହା ସହ ଏହା ମେଳ ଖାଏ। କାମ ପାଇଁ ପୂର୍ବରୁ କିଛି ସାମଗ୍ରୀ ଥିଲେ ଏବଂ ଭଲ ଫଳାଫଳ କିପରି ହେବା ଉଚିତ ତାହା ଜାଣିଥିବା ଜଣେ ବ୍ୟକ୍ତି ଥିଲେ, ଜନନକ୍ଷମ ସହାୟକଗୁଡ଼ିକ ସବୁଠାରୁ ଭଲ କାମ କରନ୍ତି। କାମଟି ଉପକରଣ ପାଖରେ ନଥିବା ତଥ୍ୟ, ନିର୍ଦ୍ଦିଷ୍ଟ ଗ୍ରାହକ କିମ୍ବା ସହକର୍ମୀଙ୍କ ବିଷୟରେ ବିଚାର, କିମ୍ବା କେହି ଯାଞ୍ଚ କରୁନଥିବା ସଠିକତା ଉପରେ ନିର୍ଭର କଲେ, ସେଗୁଡ଼ିକ ସବୁଠାରୁ ଦୁର୍ବଳ ହୋଇଥାନ୍ତି।

ବ୍ୟବହାର ପାଇଁ ଉପଯୁକ୍ତ ଓ ଅନୁପଯୁକ୍ତ ପରିସ୍ଥିତି ମଧ୍ୟରେ ପାର୍ଥକ୍ୟ କିପରି ଚିହ୍ନିବେ?

ପ୍ରଥମ ବ୍ୟବହାର ପାଇଁ ଏକ ଭଲ କାମ ଚାରିଟି ପରୀକ୍ଷାରେ ଉତ୍ତୀର୍ଣ୍ଣ ହୁଏ: ଏହା ବାରମ୍ବାର ହୁଏ, କାମ କରିବା ପାଇଁ ଉତ୍ସ ସାମଗ୍ରୀ ଅଛି, ଜଣେ ନିର୍ଦ୍ଦିଷ୍ଟ ବ୍ୟକ୍ତି ଫଳାଫଳ ଯାଞ୍ଚ କରିପାରିବେ ଏବଂ କ୍ଷତି ହେବା ପୂର୍ବରୁ ଭୁଲ ଧରାପଡ଼େ। ଏଗୁଡ଼ିକ ମଧ୍ୟରୁ ଗୋଟିଏରେ ବିଫଳ ହେଉଥିବା କାମ ମଧ୍ୟ ଦଳର ସମୀକ୍ଷା ଅଭ୍ୟାସ ଗଢ଼ିଉଠିବା ପରେ କରିବା ଉପଯୋଗୀ ହୋଇପାରେ। ଦୁଇଟିରେ ବିଫଳ ହେଉଥିବା କାମରୁ ଆରମ୍ଭ କରିବା ସାଧାରଣତଃ ଭଲ ନୁହେଁ।

ପ୍ରତ୍ୟେକ ସମ୍ଭାବ୍ୟ କାମକୁ ଅନୁମୋଦନ କରିବା ପୂର୍ବରୁ ପରୀକ୍ଷାଗୁଡ଼ିକ ମାଧ୍ୟମରେ ଯାଞ୍ଚ କରନ୍ତୁ। 'ସୋମବାର ବୈଠକ ପାଇଁ ଏହି ସପ୍ତାହର ସହାୟତା ଅନୁରୋଧଗୁଡ଼ିକୁ ବିଷୟ ଅନୁଯାୟୀ ସାରାଂଶ କର' ଚାରିଟିଯାକ ପରୀକ୍ଷାରେ ଉତ୍ତୀର୍ଣ୍ଣ ହୁଏ। 'ଜଣେ ଗ୍ରାହକଙ୍କ ଆଇନଗତ ଅଭିଯୋଗରେ ଆମ ଉତ୍ତର ଲେଖ' କାମଟି ଜଣେ ଯୋଗ୍ୟ ବ୍ୟକ୍ତି ସମୀକ୍ଷା ନକଲେ ତୃତୀୟ ଓ ଚତୁର୍ଥ ପରୀକ୍ଷାରେ ବିଫଳ ହୁଏ, ତେଣୁ ଏହା ଆରମ୍ଭ ପାଇଁ ଉପଯୁକ୍ତ କାମ ନୁହେଁ।

ଏହା କ’ଣ ପୁଣି ହୁଏ?

ସାପ୍ତାହିକ କିମ୍ବା ଦୈନିକ କାମ ପାଇଁ ଏକ ଭଲ ପ୍ରମ୍ପ୍ଟ ଓ ଯାଞ୍ଚତାଲିକା ଲେଖିବାର ପରିଶ୍ରମ ସାର୍ଥକ ହୁଏ। କେବଳ ଥରେ କରାଯାଉଥିବା କାମରେ ଏହା କ୍ୱଚିତ୍ ସାର୍ଥକ ହୁଏ।

ମୂଳ ସୂତ୍ର ସାମଗ୍ରୀ ଅଛି କି?

ବିଶେଷତା ବିବରଣୀ, ବୈଠକର ଟିପ୍ପଣୀ, ନୀତି କିମ୍ବା ତଥ୍ୟ ସାରଣୀ ସହାୟକକୁ କାମ କରିବା ପାଇଁ ତଥ୍ୟ ଦିଏ। ତେଣୁ ଆପଣ ଏହା ତଥ୍ୟ କିପରି ବ୍ୟବହାର କରୁଛି ତାହା ଯାଞ୍ଚ କରୁଛନ୍ତି, ତଥ୍ୟ ଗଢ଼ୁଛି କି ନାହିଁ ତାହା ନୁହେଁ।

କେହି କ’ଣ ଏହାକୁ ଯାଞ୍ଚ କରିପାରିବେ?

କିଏ ସମୀକ୍ଷା କରିବେ ଏବଂ କ’ଣ ଯାଞ୍ଚ କରିବେ ସ୍ପଷ୍ଟ କରନ୍ତୁ। ଫଳାଫଳ ଠିକ୍ କି ନୁହେଁ ଦଳର କେହି କହିପାରୁନଥିଲେ, କାମଟି ଏପର୍ଯ୍ୟନ୍ତ ପ୍ରସ୍ତୁତ ନୁହେଁ।

ଏହା ଭୁଲ୍ ହେଲେ କ’ଣ ହୁଏ?

ଏପରି କାର୍ଯ୍ୟ ବାଛନ୍ତୁ, ଯେଉଁଠି ଭୁଲ୍ ସଂସ୍ଥା ଭିତରେ ହିଁ ଧରାପଡ଼େ। ଗ୍ରାହକ, ନିୟାମକ କିମ୍ବା ଚାକିରି ପ୍ରାର୍ଥୀଙ୍କୁ ପଠାଯାଉଥିବା ଯେକୌଣସି ବିଷୟର ଅଧିକ କଡ଼ା ସମୀକ୍ଷା ଦରକାର।

ବିଭିନ୍ନ ଦଳ ପାଇଁ ସୃଜନଶୀଳ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ଉପଯୋଗୀ ବ୍ୟବହାର କ’ଣ?

ପ୍ରତ୍ୟେକ କାର୍ଯ୍ୟ ବିଭାଗରେ ଏପରି କିଛି କାମ ଅଛି ଯାହା ଏହି ପରୀକ୍ଷାଗୁଡ଼ିକ ସହ ଭଲ ମେଳ ଖାଏ। ସାରଣୀରେ ଆରମ୍ଭ କରିବାର କାମଗୁଡ଼ିକ ସହ ପ୍ରତ୍ୟେକଟି ସହିତ କରିବାକୁ ଥିବା ଯାଞ୍ଚ ଦିଆଯାଇଛି। ଏହା ସମ୍ପାଦକୀୟ ଭାବେ ପ୍ରସ୍ତୁତ ଏକ ପ୍ରାରମ୍ଭିକ ତାଲିକା, ଶ୍ରେଷ୍ଠତା କ୍ରମ ନୁହେଁ, ଏବଂ ପ୍ରତ୍ୟେକ ଦଳ ନିଜ ପାଇଁ ଭିନ୍ନ ଉପାୟ ଖୋଜିବ। ଆମର ଭୂମିକାଭିତ୍ତିକ ମାର୍ଗଦର୍ଶିକାଗୁଡ଼ିକରେ ପ୍ରତ୍ୟେକ ବିଭାଗ ବିଷୟରେ ଅଧିକ ବିସ୍ତାରରେ ଆଲୋଚନା କରାଯାଇଛି।

ଦଳଆରମ୍ଭ ପାଇଁ ଭଲ ବ୍ୟବହାର କ୍ଷେତ୍ରଏହା ସହିତ ଥିବା ଯାଞ୍ଚ
ବିପଣନସଂକ୍ଷିପ୍ତ ନିର୍ଦ୍ଦେଶରୁ ପ୍ରଥମ ଖସଡ଼ା ତିଆରି, ନୂଆ ମାଧ୍ୟମ ପାଇଁ ଲେଖା ପୁନର୍ଲିଖନ, ଅଭିଯାନର ମତାମତ ସଂକ୍ଷେପ କରିବାପ୍ରତ୍ୟେକ ଦାବି କାର୍ଯ୍ୟ ସଂକ୍ଷେପ କିମ୍ବା ଅନୁମୋଦିତ ଉତ୍ସ ସହ ମେଳ ଖାଉଛି; ବ୍ରାଣ୍ଡର ଭାଷାଶୈଳୀ ସମୀକ୍ଷା କରାଯାଇଛି
ବିକ୍ରୟଗ୍ରାହକ ଗବେଷଣାର ସାରାଂଶ, କଲ୍ ଟିପ୍ପଣୀ ସଜାଡ଼ିବା, ପରବର୍ତ୍ତୀ ଯୋଗାଯୋଗ ପାଇଁ ଇମେଲ୍ ଖସଡ଼ାଗ୍ରାହକ ସମ୍ବନ୍ଧୀୟ ତଥ୍ୟ CRM ସହ ମେଳ କରି ଯାଞ୍ଚ କରାଯାଇଛି; କୌଣସି ମନଗଢ଼ା ପ୍ରତିଶ୍ରୁତି କିମ୍ବା ମୂଲ୍ୟ ନାହିଁ
ଗ୍ରାହକ ସହାୟତାଜ୍ଞାନଭଣ୍ଡାରରୁ ଉତ୍ତରର ଖସଡ଼ା, ଦାୟିତ୍ୱ ହସ୍ତାନ୍ତର ପାଇଁ ସହାୟତା ଅନୁରୋଧର ସାରାଂଶ, ଭାଷାର ଶୈଳୀ ବଦଳାଇ ପୁନର୍ଲିଖନନୀତି ସମ୍ବନ୍ଧୀୟ ଧାଡ଼ିଗୁଡ଼ିକ ବର୍ତ୍ତମାନର ଜ୍ଞାନଭଣ୍ଡାର ସହ ମେଳ ଖାଉଛି; ସହାୟତା କର୍ମଚାରୀ ପଠାନ୍ତି, ସାଧନ ନୁହେଁ
କାର୍ଯ୍ୟ ପରିଚାଳନାଟିପ୍ପଣୀରୁ SOP ତିଆରି କରିବା, ଯୋଗାଣକାରୀଙ୍କ ଦଲିଲର ସାରାଂଶ କରିବା, ବୈଠକରେ ସ୍ଥିର ହୋଇଥିବା କାର୍ଯ୍ୟଗୁଡ଼ିକ ସଜାଇବାପଦକ୍ଷେପଗୁଡ଼ିକ ଲେଖି ନଥିବା ଜଣେ ବ୍ୟକ୍ତି ସେଗୁଡ଼ିକୁ ପରୀକ୍ଷା କରିଛନ୍ତି; ଚୁକ୍ତିର ବିଷୟଗୁଡ଼ିକ ମୂଳ ଦଲିଲରେ ପଢ଼ାଯାଇଛି
ମାନବ ସମ୍ବଳ ଓ କର୍ମଚାରୀସରଳ ଇଂରାଜୀରେ ନୀତିର ସାରାଂଶ, ନିଯୁକ୍ତି ବିଜ୍ଞାପନର ଚିଠା, ନୂତନ କର୍ମଚାରୀଙ୍କ ଯୋଗଦାନ ପ୍ରକ୍ରିୟାର ଯାଞ୍ଚ ତାଲିକାବ୍ୟକ୍ତିବିଶେଷଙ୍କ ବିଷୟରେ ନିଷ୍ପତ୍ତି ନେବାରେ ବ୍ୟବହାର ନୁହେଁ; ଭାଷାରେ ପକ୍ଷପାତ ନଥିବା ନିଶ୍ଚିତ କରିବାକୁ ସମୀକ୍ଷା କରାଯାଇଛି
ଅର୍ଥଦିଆଯାଇଥିବା ସାରଣୀରେ ତଫାତ ବୁଝାଇବା, ବିଶ୍ଳେଷଣମୂଳକ ଟିପ୍ପଣୀର ଖସଡ଼ା ଲେଖିବା, ସୂତ୍ର ସମ୍ବନ୍ଧୀୟ ସହାୟତାପ୍ରତ୍ୟେକ ସଂଖ୍ୟାର ପୁନଃଗଣନା କରାଯାଇଛି; ତଥ୍ୟ ସମର୍ଥନ କଲେ ହିଁ କାରଣ ଦର୍ଶାଯାଇଛି

ଏହା ଏକ ଚାକିରି ଭୂମିକା ସହ କିପରି ଜଡ଼ିତ, ଦେଖିବାକୁ ଚାହୁଁଛନ୍ତି କି?

ଦଳ ପାଇଁ ଯୋଜନାରେ ଥିବା ପରୀକ୍ଷାମୂଳକ ବ୍ୟବହାର ବିଷୟରେ ଜାଣନ୍ତୁ ↗

ଏକ ଛୋଟ ବ୍ୟବସାୟ ପାଇଁ AI ର କେଉଁ ବ୍ୟବହାରଗୁଡ଼ିକ ଉପଯୁକ୍ତ?

ଯେଉଁ ବ୍ୟବହାରଗୁଡ଼ିକ କୌଣସି ଭୂମିକା ପାଇଁ ଲୋକ ନଥିବାରୁ ସୃଷ୍ଟି ହୋଇଥିବା ଅଭାବ ପୂରଣ କରେ, ସେଗୁଡ଼ିକରୁ ଛୋଟ ବ୍ୟବସାୟ ସବୁଠାରୁ ଅଧିକ ଲାଭ ପାଆନ୍ତି: ପ୍ରଥମ ଖସଡ଼ା ଲେଖିବା, ଦଲିଲର ସାରାଂଶ କରିବା କିମ୍ବା ଧୈର୍ଯ୍ୟର ସହ ବୁଝାଇବା। ବିପଣନ କର୍ମୀ ନଥିବା ପାଞ୍ଚ ଜଣିଆ ସଂସ୍ଥା ମାଲିକଙ୍କ ଟିପ୍ପଣୀରୁ ସମ୍ବାଦପତ୍ରିକାର ଖସଡ଼ା ତିଆରି କରିପାରେ; ପରିଚାଳନା ପ୍ରବନ୍ଧକ ନଥିବା ସଂସ୍ଥା ମାଲିକଙ୍କ ରେକର୍ଡ କରାଯାଇଥିବା କଥାକୁ ନୂଆ କର୍ମଚାରୀଙ୍କ ପାଇଁ ଲିଖିତ କାର୍ଯ୍ୟପ୍ରଣାଳୀରେ ପରିଣତ କରିପାରେ।

ଅନ୍ୟ କେହି ଯାଞ୍ଚ କରିପାରନ୍ତି ବୋଲି ଦେଖାଇବା ପର୍ଯ୍ୟନ୍ତ ବାହାରକୁ ଯାଉଥିବା ସବୁ କାମର ସମୀକ୍ଷକ ଭାବେ ମାଲିକଙ୍କୁ ରଖନ୍ତୁ। ଛୋଟ ବ୍ୟବସାୟ ପାଇଁ AI ସମ୍ପର୍କିତ ଆମ ମାର୍ଗଦର୍ଶିକାରେ ସାତ ଜଣିଆ ଏକ ସଂସ୍ଥାର ଗୋଟିଏ ମାସର କାମର ବିସ୍ତୃତ ଉଦାହରଣ ରହିଛି, ଯେଉଁଥିରେ ସେମାନେ AI ବ୍ୟବହାର ନକରିବାକୁ ନିଷ୍ପତ୍ତି ନେଇଥିବା କାମ ମଧ୍ୟ ଅନ୍ତର୍ଭୁକ୍ତ।

ବ୍ୟବହାରର ଉଦ୍ଦେଶ୍ୟ ଓ ପରିସର ସ୍ପଷ୍ଟ ଭାବେ ନିର୍ଦ୍ଧାରିତ ହୋଇଥିବା ଏକ ପ୍ରୟୋଗ ବାସ୍ତବରେ କିପରି ହୋଇଥାଏ?

ହାଲଡେନ୍ ଲଜିଷ୍ଟିକ୍ସ ନାମକ ଏକ କାଳ୍ପନିକ 45-ଜଣିଆ ମାଲ ପରିବହନ ବ୍ୟବସ୍ଥାକାରୀ ସଂସ୍ଥା ଗ୍ରାହକ ସେବାରେ AI ବ୍ୟବହାର କରିବାକୁ ଚାହୁଁଛି। ପ୍ରଥମ ଧାରଣା, 'ଗ୍ରାହକଙ୍କ ଇମେଲ୍‌ର ଉତ୍ତର AIକୁ ଦେବାକୁ ଦିଅ', ଦୁଇଟି ଯାଞ୍ଚରେ ବିଫଳ ହୁଏ: ଉତ୍ତର ପଠାଯିବା ପୂର୍ବରୁ କେହି ତାହା ଯାଞ୍ଚ କରନ୍ତି ନାହିଁ, ଏବଂ ମାଲ ପହଞ୍ଚାଇବାର ଭୁଲ ପ୍ରତିଶ୍ରୁତି ସିଧାସଳଖ ଖର୍ଚ୍ଚ ସୃଷ୍ଟି କରେ। ଦଳ ଏହାର ପରିସର ବଦଳାଇ ନିର୍ଦ୍ଧାରଣ କରେ: 'ମାଲ ପଠାଣର ସ୍ଥିତି ଓ ଆମର ମାନକ ଭାଷା ଆଧାରରେ ଉତ୍ତରର ଚିଠା ଲେଖ; ସେବା କର୍ମଚାରୀ ତାହା ସମ୍ପାଦନ କରି ପଠାଇବେ'।

ପ୍ରଥମ ନିର୍ଦ୍ଦେଶ, 'ନିଜ ପଠାଯାଇଥିବା ସାମଗ୍ରୀ କେଉଁଠି ଅଛି ବୋଲି ପଚାରୁଥିବା ଏହି ଗ୍ରାହକଙ୍କୁ ଉତ୍ତର ଦିଅ', ଏକ ଆନ୍ତରିକ ଉତ୍ତର ତିଆରି କରେ, ଯେଉଁଥିରେ ପାର୍ସଲ୍ '2 ରୁ 3 କାର୍ଯ୍ୟଦିବସ ମଧ୍ୟରେ ପହଞ୍ଚିଯିବା କଥା' ବୋଲି କୁହାଯାଏ—ଏପରି ପ୍ରତିଶ୍ରୁତି କେହି ଦେଇନଥିଲେ। ସଂଶୋଧିତ ନିର୍ଦ୍ଦେଶରେ ସାମଗ୍ରୀ ପଠାଣର ସ୍ଥିତି ଦର୍ଶାଉଥିବା ଧାଡ଼ି, ବିଳମ୍ବ ବିଷୟରେ କହିବା ପାଇଁ ଅନୁମୋଦିତ ତିନୋଟି ବାକ୍ୟାଂଶ ଏବଂ ଏହି ନିୟମ ଦିଆଯାଏ: 'ସ୍ଥିତି ଦର୍ଶାଉଥିବା ଧାଡ଼ିରେ ପହଞ୍ଚିବା ତାରିଖ ନଥିଲେ କେବେବି ତାହା ଦିଅ ନାହିଁ; ତାରିଖ ନଥିଲେ, ଦିନ ଶେଷ ସୁଦ୍ଧା ଆମେ ସେମାନଙ୍କୁ ନୂତନ ସୂଚନା ଦେବୁ ବୋଲି କୁହ'। ଗ୍ରାହକ ସେବା କର୍ମଚାରୀ ଦୁଇଟି ପ୍ରଶ୍ନ ଆଧାରରେ ଯାଞ୍ଚ କରନ୍ତି: ପ୍ରତ୍ୟେକ ତାରିଖ ଓ ପ୍ରତିଶ୍ରୁତି ସ୍ଥିତି ଦର୍ଶାଉଥିବା ଧାଡ଼ିରେ ଅଛି କି, ଏବଂ ଭାଷାର ଭଙ୍ଗୀ ଏହି ଗ୍ରାହକଙ୍କ ପାଇଁ ଉପଯୁକ୍ତ କି? ଦୁଇ ସପ୍ତାହ ପରେ ଦଳ ଏହି ବ୍ୟବହାର ଜାରି ରଖେ ଏବଂ ଆଉ ଏକ ବ୍ୟବହାର ଯୋଡ଼େ: ଜଣେ ପର୍ଯ୍ୟବେକ୍ଷକ ଅଭିଯୋଗର ଦାୟିତ୍ୱ ନେବା ପୂର୍ବରୁ ଦୀର୍ଘ ଇମେଲ୍ କଥୋପକଥନର ସାରାଂଶ ତିଆରି କରିବା।

ଏକ ବ୍ୟବସାୟ କେଉଁ କାମରେ ଏହାର ବ୍ୟବହାରକୁ ଏଡ଼ାଇବା କିମ୍ବା ସ୍ଥଗିତ ରଖିବା ଉଚିତ?

ଯେଉଁ ବ୍ୟବହାରରେ ଫଳାଫଳ କୌଣସି ବ୍ୟକ୍ତିଙ୍କ ବିଷୟରେ ନିଷ୍ପତ୍ତି ନିଏ କିମ୍ବା ତାହାକୁ ଅଧିକ ପ୍ରଭାବିତ କରେ, ସମୀକ୍ଷା ବିନା ପଠାଯାଏ, କିମ୍ବା ତାହା ଉପରେ ନିର୍ଭର କରିବାକୁ ଥିବା ବ୍ୟକ୍ତିଙ୍କୁ ତଥ୍ୟକୁ ସତ୍ୟ ଭାବେ ଉପସ୍ଥାପନ କରେ, ସେହି ବ୍ୟବହାରଗୁଡ଼ିକୁ ସ୍ଥଗିତ ରଖନ୍ତୁ। ଉଦାହରଣସ୍ୱରୂପ, ଚାକିରି ଆବେଦନକାରୀଙ୍କ ପ୍ରାଥମିକ ଚୟନ, ଶୃଙ୍ଖଳାଗତ ଚିଠିର ଖସଡ଼ା ଲେଖିବା, ଗ୍ରାହକଙ୍କୁ ନିୟାମକ ନିୟମ ଅଧୀନରେ ଥିବା ପରାମର୍ଶ ଦେବା ଏବଂ ଦଳ ଖୋଲି ଦେଖିନଥିବା ପରିସଂଖ୍ୟାନ କିମ୍ବା ସନ୍ଦର୍ଭ ପ୍ରକାଶ କରିବା। NISTର ସୃଜନକାରୀ AI ବିବରଣୀରେ ଏହି ପ୍ରକାର AIର ନିର୍ଦ୍ଦିଷ୍ଟ ବିପଦଗୁଡ଼ିକ ମଧ୍ୟରେ ମିଥ୍ୟା ତଥ୍ୟ ଗଢ଼ି ସତ୍ୟ ଭାବେ ଦେଖାଇବା ଓ କ୍ଷତିକାରକ ପକ୍ଷପାତକୁ ସାମିଲ କରାଯାଇଛି; ଠିକ୍ ଏହି ପରିସ୍ଥିତିଗୁଡ଼ିକରେ ଉଭୟର ପ୍ରଭାବ ସବୁଠାରୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ।

ଉପଯୁକ୍ତ ନିୟନ୍ତ୍ରଣ, ବିଶେଷଜ୍ଞ ଉପକରଣ ଏବଂ କେତେକ କ୍ଷେତ୍ରରେ ଆଇନଗତ ପରାମର୍ଶ ସହିତ ଏଗୁଡ଼ିକ ମଧ୍ୟରୁ କେତେକ ଯୁକ୍ତିଯୁକ୍ତ ହୋଇପାରେ। ଏଗୁଡ଼ିକ ସାଧାରଣ ସହାୟକ ପାଇଁ ଆରମ୍ଭ କରିବା ଭଳି କାମ ନୁହେଁ, ଏବଂ ଏହି ପୃଷ୍ଠା ଆଇନଗତ ପରାମର୍ଶ ନୁହେଁ, ସାଧାରଣ ସୂଚନା ଦିଏ।

ବ୍ୟବହାରର ଏକ ସମ୍ଭାବନାକୁ ଦୈନନ୍ଦିନ କାମର ଅଂଶ କିପରି କରିବେ?

କୌଣସି ବ୍ୟବହାର ଲିଖିତ ନିର୍ଦ୍ଦେଶ, ନିର୍ଦ୍ଦିଷ୍ଟ ସମୀକ୍ଷକ, ଯାଞ୍ଚ ତାଲିକା ଓ ସାପ୍ତାହିକ କାର୍ଯ୍ୟସୂଚୀରେ ସ୍ଥାନ ପାଇଲେ ଦୈନନ୍ଦିନ କାମର ଅଂଶ ହୁଏ। ଏଗୁଡ଼ିକ ନଥିଲେ, ତାହା କେବଳ ଏକ ପ୍ରଦର୍ଶନ ହୋଇ ରହିଯାଏ, ଯାହାକୁ ଜଣେ ଉତ୍ସାହୀ ବ୍ୟକ୍ତି ବେଳେବେଳେ ଚଲାନ୍ତି। କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା କାର୍ଯ୍ୟପ୍ରବାହ ବିଷୟରେ ଆମ ମାର୍ଗଦର୍ଶିକା ଏହାକୁ କିପରି ଲେଖି ରଖିବେ ତାହା ଦେଖାଏ, ଯାହାଫଳରେ ଅନ୍ୟ କେହି ମଧ୍ୟ ସେହି କାମକୁ ଆଗେଇ ନେଇପାରିବେ।

ଏହା ଅଭ୍ୟାସରେ ପରିଣତ ହେବା ପୂର୍ବରୁ ଲୋକଙ୍କୁ ନିଜ କାମରେ ମଧ୍ୟ ଅଭ୍ୟାସ କରିବା ଦରକାର। ପ୍ରତ୍ୟେକ କାର୍ଯ୍ୟଭୂମିକା ପାଇଁ ଛୋଟ ପାଠ ଦେବା ଉଦ୍ଦେଶ୍ୟରେ Tosheo.ai ତିଆରି କରାଯାଉଛି। ପ୍ରତ୍ୟେକ ପାଠର ଶେଷରେ ଏକ ପ୍ରକୃତ AI ସାଧନରେ ବ୍ୟବହାରିକ କାମ ରହିବ, ଯାହାକୁ ସ୍ପଷ୍ଟ ଭାବେ ଦେଖାଯାଉଥିବା ମୂଲ୍ୟାୟନ ମାନଦଣ୍ଡ ଅନୁସାରେ ଅଙ୍କ ଦିଆଯିବ। ଏହାର ନିର୍ମାଣ ଏଯାଏଁ ଆରମ୍ଭ ହୋଇନାହିଁ, ଏବଂ ଯୋଜନା କରାଯାଇଥିବା ମୂଲ୍ୟ ମୂଲ୍ୟତାଲିକା ପୃଷ୍ଠାରେ ରହିଛି।

ଉତ୍ସ ଓ ପରିସର

DSIT, AI ଗ୍ରହଣ ସମ୍ପର୍କିତ ଗବେଷଣା ରିପୋର୍ଟ (କ୍ଷେତ୍ର ଗବେଷଣା February ରୁ May 2025), ପ୍ରକାଶିତ January 2026 ↗

NIST, AI 600-1 ସୃଜନଶୀଳ AI ପରିଚୟପତ୍ର, ଜୁଲାଇ 2024 ↗