କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସମ୍ବନ୍ଧୀୟ ଦକ୍ଷତା କ’ଣ?
କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ବ୍ୟବହାର କୌଶଳ ହେଉଛି ନିଜ କାମରେ ଏହି ସାଧନଗୁଡ଼ିକରୁ ଉପଯୋଗୀ ଓ ନିରାପଦ କାମ ପାଇବା ପାଇଁ ଜଣେ ବ୍ୟକ୍ତିଙ୍କର ଆବଶ୍ୟକ ଦକ୍ଷତା। ଜଣେ ବିପଣନ କର୍ମୀ, ଗ୍ରାହକ ଖାତା ପରିଚାଳକ କିମ୍ବା ସହାୟତା କର୍ମୀଙ୍କ ପାଇଁ ଏହାର ଅର୍ଥ ହେଉଛି ସ୍ପଷ୍ଟ ଅନୁରୋଧ ଲେଖିବା, କେଉଁ କାମ ପାଇଁ ସାଧନଟି ଉପଯୁକ୍ତ ତାହା ବାଛିବା, ସୂଚନାକୁ ସତର୍କତାର ସହ ପରିଚାଳନା କରିବା, ଫଳାଫଳ ଯାଞ୍ଚ କରିବା ଏବଂ ନିଜେ କ’ଣ ବଦଳାଇଲେ ତାହା ବୁଝାଇବା। ଏହାର ଅର୍ଥ ମଡେଲ୍କୁ ପ୍ରଶିକ୍ଷଣ ଦେବା କିମ୍ବା କୋଡ୍ ଲେଖିବା ନୁହେଁ।
ଏକ ଉପଯୋଗୀ ସାର୍ବଜନୀନ ସନ୍ଦର୍ଭ ହେଉଛି କାମ ପାଇଁ AIର ମୌଳିକ ଦକ୍ଷତା ମାନଦଣ୍ଡ, ଯାହା ଇଂଲଣ୍ଡର ଦକ୍ଷତା ସଂସ୍ଥା ଜାନୁଆରୀ 2026ରେ GOV.UKରେ ପ୍ରକାଶ କରିଥିଲା। ଏଥିରେ ଛଅଟି ମୌଳିକ ଦକ୍ଷତାକୁ ତିନୋଟି କ୍ଷେତ୍ରରେ ବିଭକ୍ତ କରାଯାଇଛି: ବୈଷୟିକ, ଅଣବୈଷୟିକ ଏବଂ ଦାୟିତ୍ୱସମ୍ପନ୍ନ କିମ୍ବା ନୈତିକ। ଏହି ଛଅଟି ଦକ୍ଷତା ହେଲା AI ସାଧନ ପାଇଁ ସ୍ପଷ୍ଟ ନିର୍ଦ୍ଦେଶ ଲେଖିବା, ନିୟମିତ ପ୍ରକ୍ରିୟା ଓ କାର୍ଯ୍ୟରେ ସହାୟତା ପାଇଁ AI ସାଧନ ବ୍ୟବହାର କରିବା, କାର୍ଯ୍ୟକୁ ସ୍ୱୟଂଚାଳିତ କରୁଥିବା ସରଳ ସଫ୍ଟୱେର୍ ବ୍ୟବହାର କରିବା, ଭଲ ଫଳ ପାଇବା ପାଇଁ AI ସାଧନର କାର୍ଯ୍ୟପଦ୍ଧତିରେ ପରିବର୍ତ୍ତନ କରିବା, AI ବ୍ୟବହାରର ବିପଦ ଓ ପରିଣାମ ବୁଝିବା ଏବଂ AI ସାଧନ ବ୍ୟବହାର କରି ସୂଚନା ବିଶ୍ଳେଷଣ କରିବା। ଶେଷ ଦକ୍ଷତାଟିରେ ଫଳାଫଳର ସଠିକତା ଯାଞ୍ଚ କରିବା ଓ ଭୁଲ ଚିହ୍ନଟ କରିବା ମଧ୍ୟ ସାମିଲ ବୋଲି ଏହି ମାନଦଣ୍ଡରେ କୁହାଯାଇଛି।
ସେହି ତାଲିକା ଏକ ଯୁକ୍ତିସଙ୍ଗତ ସର୍ବନିମ୍ନ ମାନଦଣ୍ଡ। ବାସ୍ତବରେ ସତର୍କ ବ୍ୟବହାରକାରୀଙ୍କୁ ଅସତର୍କ ବ୍ୟବହାରକାରୀଙ୍କଠାରୁ ଅଲଗା କରୁଥିବା ଦକ୍ଷତାଗୁଡ଼ିକ ତାହା ମଧ୍ୟରେ ହିଁ ରହିଛି: ସଠିକ୍ ପୃଷ୍ଠଭୂମି ଯୋଗାଇବା, ସାବଲୀଳ ଉତ୍ତରକୁ ପ୍ରମାଣର ବିକଳ୍ପ ଭାବେ ଗ୍ରହଣ ନ କରିବା ଏବଂ ଉତ୍ତରଦାୟିତ୍ୱ ଜଣେ ବ୍ୟକ୍ତିଙ୍କ ହାତରେ ରଖିବା। ଏହି ମାର୍ଗଦର୍ଶିକାର ଅବଶିଷ୍ଟ ଭାଗରେ AI ଦକ୍ଷତାକୁ କୌଣସି କାମ କରିବା ସମୟରେ ଦେଖିହେଉଥିବା ଆଚରଣ ଭାବେ ଧରାଯାଇଛି, କାରଣ ଜଣେ ପରିଚାଳକ କେବଳ ସେହି ରୂପରେ ହିଁ ଏହାକୁ ପ୍ରକୃତରେ ଦେଖିପାରିବେ, ସହାୟତା କରିପାରିବେ ଏବଂ ସମୀକ୍ଷା କରିପାରିବେ।
କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଶିଖିବା ପାଇଁ କେଉଁ ଦକ୍ଷତା ଆବଶ୍ୟକ?
ଆପଣ କେଉଁ ପ୍ରକାରର AI କାମ କହୁଛନ୍ତି, ଏହା ତାହା ଉପରେ ନିର୍ଭର କରେ। AI ବ୍ୟବସ୍ଥା ତିଆରି କରିବାକୁ ଗଣିତ, ପରିସଂଖ୍ୟାନ, ପ୍ରୋଗ୍ରାମିଂ ଓ ଯନ୍ତ୍ର ଶିକ୍ଷଣ ଇଞ୍ଜିନିୟରିଂ ଆବଶ୍ୟକ। ଅଣବୈଷୟିକ ଚାକିରିରେ AI ଉପକରଣ ଭଲ ଭାବେ ବ୍ୟବହାର କରିବାକୁ ସେଗୁଡ଼ିକ ମଧ୍ୟରୁ କିଛି ଦରକାର ନାହିଁ। ଏଥିପାଇଁ ସ୍ପଷ୍ଟ ଲେଖା, କାର୍ଯ୍ୟକ୍ଷେତ୍ରର ଜ୍ଞାନ, ସୂଚନାକୁ ପରଖିବାର କ୍ଷମତା ଏବଂ କାମ ଯାଞ୍ଚ କରିବାର ଅଭ୍ୟାସ ଆବଶ୍ୟକ। ଅଧିକାଂଶ ସନ୍ଧାନ ଫଳାଫଳ ଏହି ଦୁଇଟିକୁ ମିଶାଇ ଦିଅନ୍ତି, ତେଣୁ ଲୋକେ ପ୍ରାୟତଃ ଭାବନ୍ତି ଯେ କାର୍ଯ୍ୟକ୍ଷେତ୍ରରେ ChatGPT କିମ୍ବା Copilot ବ୍ୟବହାର କରିବା ପୂର୍ବରୁ ସେମାନଙ୍କୁ କୋଡିଂ ପାଠ୍ୟକ୍ରମ କରିବାକୁ ପଡ଼ିବ।
ଏହି ମାର୍ଗଦର୍ଶିକା ଦ୍ୱିତୀୟ ପ୍ରକାରକୁ ନେଇ: ବିପଣନ, ବିକ୍ରୟ, କାର୍ଯ୍ୟ ପରିଚାଳନା, ସହାୟତା, ମାନବ ସମ୍ବଳ, ଅର୍ଥ କିମ୍ବା ପରିଚାଳନା କାମ କରୁଥିବା ଲୋକଙ୍କ ପାଇଁ କାର୍ଯ୍ୟକ୍ଷେତ୍ରର କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଦକ୍ଷତା। ଯଦି ଆପଣ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ଇଞ୍ଜିନିୟର ହେବାକୁ ଚାହାନ୍ତି, ତେବେ ଏଠାରେ ଥିବା କୌଣସି ବିଷୟ ଅପେକ୍ଷା ବିଶ୍ୱବିଦ୍ୟାଳୟର ଏକ ପାଠ୍ୟକ୍ରମ, ତଥ୍ୟ ବିଜ୍ଞାନ କାର୍ଯ୍ୟକ୍ରମ କିମ୍ବା କୌଣସି ପ୍ରଦାନକାରୀଙ୍କ ବିକାଶକାରୀ ନିର୍ଦ୍ଦେଶାବଳୀରୁ ଆରମ୍ଭ କରିବା ଅଧିକ ଉପଯୁକ୍ତ, ଏବଂ Tosheo.ai ସେହି ଲକ୍ଷ୍ୟ ପାଇଁ ନିର୍ମିତ ନୁହେଁ।
କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସମ୍ବନ୍ଧୀୟ ଦକ୍ଷତା କ’ଣ Claude ଦକ୍ଷତା କିମ୍ବା ଏଜେଣ୍ଟ ଦକ୍ଷତା ସହ ସମାନ?
ନା। କେତେକ AI ଉତ୍ପାଦରେ, "ଦକ୍ଷତା" ଏକ ଉତ୍ପାଦ ସୁବିଧାର ନାମ ମଧ୍ୟ। Anthropicର ସହାୟତା କେନ୍ଦ୍ର Claudeରେ ଥିବା ଦକ୍ଷତାକୁ ନିର୍ଦ୍ଦେଶ, ସ୍କ୍ରିପ୍ଟ ଓ ସମ୍ବଳର ପ୍ୟାକେଜ୍ ଭାବେ ବର୍ଣ୍ଣନା କରେ, ଯାହାକୁ Claude ଲୋଡ୍ କରି ସ୍ୱତନ୍ତ୍ର କାର୍ଯ୍ୟ ଅଧିକ ନିୟମିତ ଭାବେ କରିପାରେ, ଯେପରିକି ସଂସ୍ଥାର କାର୍ଯ୍ୟପ୍ରବାହ ଅନୁସରଣ କରିବା କିମ୍ବା ବ୍ରାଣ୍ଡ ପରିଚୟ ଅନୁଯାୟୀ ଦଲିଲ ତିଆରି କରିବା। Claude ଅନୁରୋଧ ପାଇଁ କେଉଁ ଦକ୍ଷତା ପ୍ରାସଙ୍ଗିକ ତାହା ଯାଞ୍ଚ କରେ ଏବଂ ସେହି କାର୍ଯ୍ୟ ପାଇଁ ଆବଶ୍ୟକ ଜିନିଷ ମାତ୍ର ଲୋଡ୍ କରେ।
ସେଗୁଡ଼ିକ ସାଧନର ବିନ୍ୟାସ, ଏହା ବ୍ୟବହାର କରୁଥିବା ବ୍ୟକ୍ତିଙ୍କ ଦକ୍ଷତା ନୁହେଁ। ସେଗୁଡ଼ିକ ଉପଯୋଗୀ ହୋଇପାରେ: ଏକ ଦଳ ନିଜ ରିପୋର୍ଟର ଢାଞ୍ଚାକୁ ପ୍ୟାକେଜ୍ କରି ରଖିପାରେ, ଯାହାଦ୍ୱାରା ସାଧନଟି ପ୍ରତିଥର ତାହା ପ୍ରୟୋଗ କରିବ। କିନ୍ତୁ ସେହି ପ୍ୟାକେଜ୍ରେ କ’ଣ ରହିବ ତାହା ନିର୍ଦ୍ଧାରଣ କରିବା, ପ୍ରସ୍ତୁତ ଫଳାଫଳ ଠିକ୍ କି ନାହିଁ ବିଚାର କରିବା ଏବଂ ଫଳାଫଳର ଦାୟିତ୍ୱ ନେବା ପାଇଁ ତଥାପି ଜଣେ ବ୍ୟକ୍ତି ଆବଶ୍ୟକ। ପ୍ୟାକେଜ୍ ହୋଇଥିବା ଏକ କୌଶଳ ଦୁର୍ବଳ ନିର୍ଦ୍ଦେଶକୁ ଅଧିକ ସ୍ଥିର ଫଳ ଦେବାରେ ସାହାଯ୍ୟ କରିପାରେ; ଏହା ଯାଞ୍ଚ ହୋଇନଥିବା ଦାବିକୁ ସତ୍ୟ କରିପାରିବ ନାହିଁ। ଏହି ସାଇଟ୍ରେ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଦକ୍ଷତା କୁହାଗଲେ, ତାହା ମଣିଷର ଦକ୍ଷତାକୁ ବୁଝାଏ।
କର୍ମଚାରୀଙ୍କ ପାଇଁ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର କେଉଁ ଦକ୍ଷତାଗୁଡ଼ିକ ସବୁଠାରୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ?
ସାତଟି ବ୍ୟବହାରିକ ଦକ୍ଷତା ଅଧିକାଂଶ ଜ୍ଞାନଭିତ୍ତିକ କାମକୁ ସାମିଲ କରେ। ନୂଆ ବ୍ୟବହାରକାରୀ ସାଧାରଣତଃ ଯେଉଁ କ୍ରମରେ ଏଗୁଡ଼ିକର ସମ୍ମୁଖୀନ ହୁଅନ୍ତି, ମୋଟାମୋଟି ସେହି କ୍ରମରେ ଏଗୁଡ଼ିକ ଦିଆଯାଇଛି; ତେବେ ଅଭିଜ୍ଞ ବ୍ୟବହାରକାରୀ ପ୍ରତ୍ୟେକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କାମରେ ସାତଟିଯାକ ଅଭ୍ୟାସ କରନ୍ତି।
କାମ ବାଛିବା
କୌଣସି କାମ ପାଇଁ AI ସାଧନ ଆଦୌ ଉପଯୁକ୍ତ କି ନୁହେଁ, ତାହା ନିର୍ଦ୍ଧାରଣ କରିବା। ପ୍ରଥମ ଖସଡ଼ା ତିଆରି କରିବା, ଟିପ୍ପଣୀକୁ ପୁନର୍ଗଠନ କରିବା କିମ୍ବା ବିକଳ୍ପ ତିଆରି କରିବା ପାଇଁ ଏହା ପ୍ରାୟତଃ ଉପଯୁକ୍ତ। କିନ୍ତୁ କୌଣସି ବ୍ୟକ୍ତିଙ୍କ ବିଷୟରେ ନିଷ୍ପତ୍ତି ନେବା, ଆଇନଗତ ସ୍ଥିତି ଘୋଷଣା କରିବା କିମ୍ବା ଯାଞ୍ଚ ନକରି ଗ୍ରାହକଙ୍କୁ କୌଣସି ସଂଖ୍ୟା ପଠାଇବା ପାଇଁ ଏହା ଉପଯୁକ୍ତ ନୁହେଁ।
ପ୍ରସଙ୍ଗ ସହ କାମର ବିବରଣୀ ଦେବା
ଉପକରଣକୁ ପାଠକ, ଉଦ୍ଦେଶ୍ୟ, ମୂଳ ସାମଗ୍ରୀ, ସୀମାବଦ୍ଧତା ଓ ଚାହୁଁଥିବା ରୂପ ବିଷୟରେ ଜଣାଇବା। ଅଧିକାଂଶ ଦୁର୍ବଳ ଫଳାଫଳର ମୂଳ କାରଣ ହେଉଛି ଏପରି ଏକ ଅନୁରୋଧ, ଯାହା ଉପକରଣକୁ ଅନୁମାନ କରିବାକୁ ଛାଡ଼ିଦେଇଥାଏ।
ସୂଚନା ପରିଚାଳନା
କମ୍ପାନିର ନୀତି ଅନୁଯାୟୀ ଅନୁମୋଦିତ ଟୁଲ୍ରେ କେଉଁ ତଥ୍ୟ ଦିଆଯାଇପାରିବ ଓ କେଉଁ ତଥ୍ୟ ଦିଆଯାଇପାରିବ ନାହିଁ ଜାଣିବା, ଏବଂ ସନ୍ଦେହ ଥିଲେ କାଳ୍ପନିକ କିମ୍ବା ଅନୁମୋଦିତ ସାମଗ୍ରୀ ବ୍ୟବହାର କରିବା।
ଖସଡ଼ା ଲେଖନ ଓ ରୂପାନ୍ତରଣ
କୌଣସି ପ୍ରକାଶନ ମାଧ୍ୟମ ପାଇଁ ଲେଖା ତିଆରି କରିବା, ସଂକ୍ଷିପ୍ତ କରିବା, ପୁନର୍ଗଠନ କରିବା କିମ୍ବା ମାଧ୍ୟମ ଅନୁସାରେ ବଦଳାଇବାକୁ ସାଧନଟି ବ୍ୟବହାର କରିବା, ତା’ପରେ ଲେଖକଙ୍କ ନିଜସ୍ୱ ଶୈଳୀରେ ତାହାକୁ ସମ୍ପାଦନା କରିବା।
ବିଶ୍ଳେଷଣ ଓ ସାରାଂଶ ପ୍ରସ୍ତୁତି
ଦିଆଯାଇଥିବା ସାମଗ୍ରୀର ସାରାଂଶ କିମ୍ବା ତୁଳନା ମାଗିବା ଏବଂ ସାରାଂଶକୁ ସେହି ସାମଗ୍ରୀରେ ପ୍ରକୃତରେ କୁହାଯାଇଥିବା କଥା ଭିତରେ ସୀମିତ ରଖିବା।
ଉତ୍ତରର ଯାଞ୍ଚ
ଉତ୍ସ ଖୋଲିବା, ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ସଂଖ୍ୟାଗୁଡ଼ିକୁ ପୁନଃ ଗଣନା କରିବା, ମନଗଢ଼ା ଦାବି ହଟାଇବା ଏବଂ ଆତ୍ମବିଶ୍ୱାସର ସହ ଦିଆଯାଇଥିବା ଭୁଲ୍ ଚିହ୍ନଟ କରିବା। NIST ଏହାର ମୂଳ ଜୋଖିମକୁ ମନଗଢ଼ା ବର୍ଣ୍ଣନା ବୋଲି କହେ: ଆତ୍ମବିଶ୍ୱାସର ସହ ଦିଆଯାଇଥିବା କିନ୍ତୁ ତ୍ରୁଟିପୂର୍ଣ୍ଣ ବା ମିଥ୍ୟା ବିଷୟବସ୍ତୁ।
ସମ୍ପାଦନାର ବ୍ୟାଖ୍ୟା ଦେବା
କ’ଣ ବଦଳାଯାଇଛି ଏବଂ କାହିଁକି, ତାହା କହିପାରିବା। ଏହି ଦକ୍ଷତା ହିଁ ଅନ୍ୟ ଛଅଟିକୁ ପରିଚାଳକ କିମ୍ବା ସହକର୍ମୀଙ୍କ ଦ୍ୱାରା ସମୀକ୍ଷାଯୋଗ୍ୟ କରେ।
ବାସ୍ତବ କାମରେ ଭଲ AI ଦକ୍ଷତା କିପରି ଦେଖିବାକୁ ମିଳେ?
ବ୍ରାଇଟ୍ୱାଟର ଷ୍ଟୁଡିଓ ନାମକ ଏକ କାଳ୍ପନିକ 14-ଜଣିଆ ଡିଜାଇନ୍ ସଂସ୍ଥାକୁ ଧରନ୍ତୁ। ଗ୍ରାହକ ସମ୍ପର୍କ ପରିଚାଳକ ଲେଇଲାଙ୍କୁ ଜଣେ ଗ୍ରାହକଙ୍କ ପାଇଁ ସାପ୍ତାହିକ କାମର ବିବରଣୀ ଦରକାର। ଦିଆଯାଇଥିବା ତଥ୍ୟଗୁଡ଼ିକ ହେଲା: ମୂଳପୃଷ୍ଠାର ଡିଜାଇନ୍ ଅନୁମୋଦିତ ହୋଇଛି, ମୂଲ୍ୟ ପୃଷ୍ଠାଟି ଗ୍ରାହକଙ୍କ ଆଇନଗତ ସମୀକ୍ଷା ଅପେକ୍ଷାରେ ଅଛି, ଏବଂ 12 ନଭେମ୍ବରରେ ଉନ୍ମୋଚନ ହେବା ନିର୍ଭର କରେ ସେହି ସମୀକ୍ଷା 3 ନଭେମ୍ବର ସୁଦ୍ଧା ଶେଷ ହେବା ଉପରେ।
ଏକ ଦୁର୍ବଳ ଅନୁରୋଧ ହେଉଛି: "ପ୍ରକଳ୍ପ ଭଲ ଚାଲିଛି ବୋଲି କହି ଗ୍ରାହକଙ୍କ ପାଇଁ ଏକ ସ୍ଥିତି ବିବରଣୀ ଲେଖ।" ସାଧାରଣତଃ ମିଳୁଥିବା ଉତ୍ତର ଆଶାବାଦୀ ଓ ଅସ୍ପଷ୍ଟ ହୋଇଥାଏ। ଏଥିରେ ପ୍ରକଳ୍ପ "ନିର୍ଦ୍ଧାରିତ ସମୟରେ ଆରମ୍ଭ ହେବା ଦିଗରେ ଆଗେଇ ଚାଲିଛି" ଏବଂ "ସମସ୍ତ ପ୍ରମୁଖ ପୃଷ୍ଠା ସମ୍ପୂର୍ଣ୍ଣ ହୋଇଛି" ବୋଲି ଲେଖା ଥାଇପାରେ। ଦିଆଯାଇଥିବା ତଥ୍ୟ ଅନୁସାରେ ଉଭୟ କଥା ମିଥ୍ୟା। କ'ଣ ସତ, ସେ ବିଷୟରେ ଅନୁରୋଧରେ ଉପକରଣକୁ କିଛି କୁହାଯାଇନଥିଲା, ତେଣୁ ଏହା ବିଶ୍ୱାସଯୋଗ୍ୟ ଲାଗୁଥିବା ଆଶ୍ୱାସନ ଦେଇ ସେହି ଶୂନ୍ୟସ୍ଥାନ ପୂରଣ କଲା।
ଅଧିକ ସ୍ପଷ୍ଟ ଅନୁରୋଧ ହେଉଛି: "ଗ୍ରାହକ ସଂସ୍ଥାର ବିପଣନ ମୁଖ୍ୟଙ୍କ ପାଇଁ ଏକ ସଂକ୍ଷିପ୍ତ ସାପ୍ତାହିକ ସ୍ଥିତି ବିବରଣୀର ଚିଠା ଲେଖ। କେବଳ ଏହି ତଥ୍ୟଗୁଡ଼ିକ ବ୍ୟବହାର କର: [ତିନୋଟି ତଥ୍ୟ]। କାମଟି ସେମାନଙ୍କ ଆଇନଗତ ସମୀକ୍ଷା ଉପରେ ନିର୍ଭର କରୁଛି ବୋଲି ସ୍ପଷ୍ଟ କର ଏବଂ ଏକ ତାରିଖ ନିଶ୍ଚିତ କରିବାକୁ କୁହ। ସରଳ, ବନ୍ଧୁସୁଲଭ ଭାଷାରେ, 120 ଶବ୍ଦରୁ କମ୍। ତାଲିକାରେ ନଥିବା କୌଣସି ତଥ୍ୟ ଯୋଡ଼ ନାହିଁ।" ଏବେ ଉତ୍ତରଟି ପ୍ରାୟ ବ୍ୟବହାରଯୋଗ୍ୟ, କିନ୍ତୁ ଲୀଲା ତଥାପି ଏହାକୁ ଯାଞ୍ଚ କରନ୍ତି। ଧରନ୍ତୁ ଏଥିରେ ଲେଖାଅଛି ଯେ ଉନ୍ମୋଚନ "12 ନଭେମ୍ବରରେ ହେବ"। ସେ ଏହାକୁ ବଦଳାଇ "3 ନଭେମ୍ବର ସୁଦ୍ଧା ଆଇନଗତ ସମୀକ୍ଷା ସରିଲେ 12 ନଭେମ୍ବରରେ ହୋଇପାରିବ" କରନ୍ତି, କାରଣ ମୂଳ ଲେଖା ଏକ ସର୍ତ୍ତକୁ ପ୍ରତିଶ୍ରୁତିରେ ପରିଣତ କରିଦେଇଥିଲା।
ପୂର୍ବ ଅଂଶର ପ୍ରତ୍ୟେକ ଦକ୍ଷତା ସେହି ଛୋଟ କାମରେ ଦେଖିବାକୁ ମିଳେ। ଲେଇଲା ଏକ ସାଧନ ପାଇଁ ଉପଯୁକ୍ତ କାମ ବାଛିଲେ, ତାହାକୁ ପ୍ରକୃତ ତଥ୍ୟ ଦେଇ କାମ ବୁଝାଇଲେ, ଗୋପନୀୟ ଚୁକ୍ତି ବିବରଣୀ ବାଦ୍ ଦେଲେ, ଚିଠା ତିଆରି କଲେ, ଫଳକୁ ଦିଆଯାଇଥିବା ତଥ୍ୟ ସହ ଯାଞ୍ଚ କଲେ ଏବଂ ନିଜେ କରିଥିବା ଗୋଟିଏ ସଂଶୋଧନର କାରଣ ବୁଝାଇପାରିଲେ। ତାଙ୍କ ପରିଚାଳକ ସେହି ବ୍ୟାଖ୍ୟାର ସମୀକ୍ଷା କରିବେ। ପ୍ରଥମ ନିର୍ଦ୍ଦେଶର ଗୁଣବତ୍ତା ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ, କିନ୍ତୁ ଯାଞ୍ଚ ଓ ସଂଶୋଧନରେ ହିଁ ଦକ୍ଷତା ଦେଖାଯାଏ।
କାର୍ଯ୍ୟଭୂମିକା ଅନୁଯାୟୀ AI ଦକ୍ଷତା କିପରି ଭିନ୍ନ ହୁଏ?
ସାତଟି ଦକ୍ଷତା ସବୁଠି ସମାନ, କିନ୍ତୁ କାମ, ପ୍ରମାଣ ଓ ସବୁଠାରୁ ସାଧାରଣ ତ୍ରୁଟି ଭୂମିକା ଅନୁସାରେ ବଦଳେ। ସେଥିପାଇଁ ସାଧାରଣ ପ୍ରଶିକ୍ଷଣ ପ୍ରାୟତଃ ବାସ୍ତବ କାମଠାରୁ ଦୂରେଇ ରହିଥିବା ଭଳି ଲାଗେ: ଉଦାହରଣଗୁଡ଼ିକ ଅନ୍ୟ କାହାର କାମରୁ ଆସିଥାଏ। ସାଧାରଣତଃ କେଉଁଠି ଅଧିକ ଗୁରୁତ୍ୱ ଦିଆଯାଏ, ତାହା ସାରଣୀରେ ଦର୍ଶାଯାଇଛି। ଏହା ଏକ ସମ୍ପାଦକୀୟ ମାର୍ଗଦର୍ଶିକା, ଗବେଷଣାରୁ ମିଳିଥିବା ନିଷ୍କର୍ଷ ନୁହେଁ।
| କାର୍ଯ୍ୟଭୂମିକା | ସାଧାରଣତଃ ଦିଆଯାଉଥିବା ପ୍ରଥମ କାର୍ଯ୍ୟ | ସବୁଠାରୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଦକ୍ଷତା | ନଜର ରଖିବାକୁ ଥିବା ସାଧାରଣ ତ୍ରୁଟି |
|---|---|---|---|
| ବିପଣନ | ସଂକ୍ଷିପ୍ତ ବିବରଣୀରୁ ଏକ ପ୍ରଚାର ଇମେଲ୍ | ଦାବିଗୁଡ଼ିକର ଯାଞ୍ଚ | ମନଗଢ଼ା ଫଳାଫଳ, ସୀମିତ ଉପଲବ୍ଧତା କିମ୍ବା ସମର୍ଥନ |
| ବିକ୍ରୟ | ଫୋନ୍ ଆଲୋଚନାର ଟିପ୍ପଣୀରୁ ପରବର୍ତ୍ତୀ ଇମେଲ୍ | ପ୍ରସଙ୍ଗ ସହ କାମର ବିବରଣୀ ଦେବା | ପ୍ରତିନିଧି କେବେ ଦେଇନଥିବା ପ୍ରତିଶ୍ରୁତି |
| ଗ୍ରାହକ ସହାୟତା | ନୀତି ସମ୍ପର୍କିତ ଏକ ପ୍ରଶ୍ନର ଉତ୍ତର | ନୀତି ସହ ଉତ୍ତର ମେଳାଇ ଯାଞ୍ଚ | ଆତ୍ମବିଶ୍ୱାସର ସହ ଦିଆଯାଇଥିବା କିନ୍ତୁ ଭୁଲ୍ ନୀତି ସମ୍ବନ୍ଧୀୟ ବିବରଣୀ |
| ମାନବ ସମ୍ବଳ ଓ ନିଯୁକ୍ତି | ଭୂମିକାର ସଂକ୍ଷିପ୍ତ ବିବରଣୀରୁ ସାକ୍ଷାତକାର ପ୍ରଶ୍ନ | ସୂଚନା ପରିଚାଳନା | ଅନନୁମୋଦିତ ସାଧନରେ ଲଗାଯାଇଥିବା ବ୍ୟକ୍ତିଗତ ତଥ୍ୟ |
| ଅର୍ଥ | ବିଚ୍ୟୁତି ସାରଣୀର ଏକ ସଂକ୍ଷିପ୍ତ ବ୍ୟାଖ୍ୟା | ବିଶ୍ଳେଷଣ ଓ ସାରାଂଶ ପ୍ରସ୍ତୁତି | ତଥ୍ୟରେ ପ୍ରମାଣ ନଥିବା ଏକ କାରଣକୁ ଦର୍ଶାଇବା |
| କାର୍ଯ୍ୟ ପରିଚାଳନା | ଅସଜଡ଼ା ଟିପ୍ପଣୀରୁ ଏକ ପ୍ରକ୍ରିୟା ଦଲିଲ | ସମ୍ପାଦନାର ବ୍ୟାଖ୍ୟା ଦେବା | ପଢ଼ିବାକୁ ଭଲ ଲାଗୁଥିବା କିନ୍ତୁ ଏକ ପ୍ରକୃତ ନିୟନ୍ତ୍ରଣ ପଦକ୍ଷେପ ଛାଡ଼ି ଦେଉଥିବା ପଦକ୍ଷେପଗୁଡ଼ିକ |
ଏହା ଏକ ଚାକିରି ଭୂମିକା ସହ କିପରି ଜଡ଼ିତ, ଦେଖିବାକୁ ଚାହୁଁଛନ୍ତି କି?
ଦଳ ପାଇଁ ଯୋଜନାରେ ଥିବା ପରୀକ୍ଷାମୂଳକ ବ୍ୟବହାର ବିଷୟରେ ଜାଣନ୍ତୁ ↗କେଉଁ ଦକ୍ଷତାଗୁଡ଼ିକ ଲୋକଙ୍କ ପାଖରେ ରହେ?
କ’ଣ ସତ, କ’ଣ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଓ କିଏ ଉତ୍ତରଦାୟୀ—ଏସବୁର ବିଚାର ମଣିଷ ହାତରେ ରହେ। ଏକ ଉପକରଣ କାର୍ଯ୍ୟଦକ୍ଷତା ସମୀକ୍ଷାର ଖସଡ଼ା ଲେଖିପାରେ, କିନ୍ତୁ କ’ଣ ନ୍ୟାୟସଙ୍ଗତ ତାହା ପରିଚାଳକଙ୍କୁ ସ୍ଥିର କରିବାକୁ ପଡ଼ିବ। ଏହା ଚୁକ୍ତିର ସାରାଂଶ କରିପାରେ, କିନ୍ତୁ ଚୁକ୍ତିର ଅର୍ଥ କ’ଣ ତାହା ଜଣେ ଯୋଗ୍ୟ ବ୍ୟକ୍ତିଙ୍କୁ ସ୍ଥିର କରିବାକୁ ପଡ଼ିବ। ଏହା ଅସନ୍ତୁଷ୍ଟ ଗ୍ରାହକଙ୍କ ପାଇଁ ଉତ୍ତର ପ୍ରସ୍ତାବ କରିପାରେ, କିନ୍ତୁ ଉତ୍ତରଟି ସଚ୍ଚୋଟ ଓ ସହୃଦୟ କି ନାହିଁ ତାହା ଗ୍ରାହକ ସେବା କର୍ମଚାରୀଙ୍କୁ ସ୍ଥିର କରିବାକୁ ପଡ଼ିବ।
ନିଜ କାର୍ଯ୍ୟକ୍ଷେତ୍ରର ଜ୍ଞାନର ମୂଲ୍ୟ ମଧ୍ୟ ବଢ଼େ, କମେ ନାହିଁ। ଉତ୍ପାଦ, ଗ୍ରାହକ କିମ୍ବା ନିୟମ ବିଷୟରେ ଜାଣିଥିବା ବ୍ୟକ୍ତି ହିଁ ସାବଲୀଳ ଭାବେ ଲେଖାଯାଇଥିବା ଖସଡ଼ାଟି ଭୁଲ୍ ବୋଲି ଚିହ୍ନଟ କରିପାରନ୍ତି। ସମ୍ପର୍କ ବଜାୟ ରଖିବା, ବୁଝାମଣା କରିବା, ନୈତିକ ପସନ୍ଦ କରିବା ଏବଂ କିଛି ପଠାଇବାର ନିଷ୍ପତ୍ତି ନେବା—ଏସବୁ ଅନ୍ୟକୁ ଛାଡ଼ିଦେବା ଭଳି କାମ ନୁହେଁ। ଭଲ AI ଦକ୍ଷତା ପ୍ରଶିକ୍ଷଣ ଏହି ମାନବୀୟ ଦାୟିତ୍ୱଗୁଡ଼ିକୁ ଶୀଘ୍ର ପ୍ରସ୍ତୁତ ପ୍ରଥମ ଖସଡ଼ା ପଛରେ ଲୁଚାଇବା ବଦଳରେ ଅଧିକ ସ୍ପଷ୍ଟ କରେ। କେଉଁ ଚାକିରି ସବୁଠାରୁ ଅଧିକ ବଦଳିବ, ସେ ବିଷୟରେ ଯେକୌଣସି ପୂର୍ବାନୁମାନ କେବଳ କଳ୍ପନା, ଏବଂ ଏହି ମାର୍ଗଦର୍ଶିକା ସେପରି କୌଣସି ପୂର୍ବାନୁମାନ କରେ ନାହିଁ।
AI ସମ୍ବନ୍ଧୀୟ ଦକ୍ଷତା କିପରି ଶିଖିବେ?
ଅନ୍ୟ ଯେକୌଣସି କାର୍ଯ୍ୟଦକ୍ଷତା ଶିଖିବା ଭଳି ଆପଣ ଏଗୁଡ଼ିକୁ ଶିଖନ୍ତି: ପ୍ରକୃତ କାମ ଭଳି ଏକ କାର୍ଯ୍ୟ କରି, ସ୍ପଷ୍ଟ ମାନଦଣ୍ଡ ଅନୁସାରେ ନିର୍ଦ୍ଦିଷ୍ଟ ମତାମତ ପାଇ ଏବଂ ନୂଆ ଉଦାହରଣରେ ପୁଣି ଚେଷ୍ଟା କରି। AIକୁ ନିର୍ଦ୍ଦେଶ ଦେବା ବିଷୟରେ ପଢ଼ିବା ଘଣ୍ଟାଏ ପାଇଁ ସାହାଯ୍ୟ କରେ। ତା’ପରେ ସମୀକ୍ଷା ସହିତ ଅଭ୍ୟାସ ହିଁ କାମ କରିବାର ଧାରା ବଦଳାଏ।
ବାରମ୍ବାର କରିବାକୁ ପଡ଼ୁଥିବା ଗୋଟିଏ କାମ ବାଛନ୍ତୁ
ଆପଣ ପ୍ରତି ସପ୍ତାହରେ କରୁଥିବା ଏପରି କିଛି କାମ ବାଛନ୍ତୁ, ଯାହାର ଫଳାଫଳ ଯାଞ୍ଚ କରିବା ପାଇଁ ସ୍ପଷ୍ଟ ସଠିକ୍ ଉତ୍ତର ଥାଏ, ଯେପରିକି କାମର ସ୍ଥିତି ବିଷୟରେ ଅଦ୍ୟତନ ସୂଚନା, ଗ୍ରାହକଙ୍କୁ ଉତ୍ତର କିମ୍ବା ବୈଠକର ସାରାଂଶ।
ପ୍ରଥମେ ସୁରକ୍ଷିତ ସାମଗ୍ରୀ ବ୍ୟବହାର କରନ୍ତୁ
ଆପଣଙ୍କ ଉପକରଣ ଏବଂ କମ୍ପାନି ନୀତି କ’ଣ ଅନୁମତି ଦିଏ, ତାହା ବୁଝିବା ପର୍ଯ୍ୟନ୍ତ କାଳ୍ପନିକ କିମ୍ବା ପୂର୍ବରୁ ଅନୁମୋଦିତ ତଥ୍ୟ ସହ ଅଭ୍ୟାସ କରନ୍ତୁ।
ମାନଦଣ୍ଡ ଲେଖି ରଖନ୍ତୁ
ଆରମ୍ଭ କରିବା ପୂର୍ବରୁ, ଏକ ଭଲ ଫଳାଫଳରେ କ’ଣ ରହିବା ଦରକାର ଏବଂ କ’ଣ ରହିବା ଉଚିତ ନୁହେଁ, ତାହା ଲେଖି ରଖନ୍ତୁ। ଏହା ହିଁ ଆପଣଙ୍କ ଅଙ୍କଦାନ ମାନଦଣ୍ଡ ହେବ।
ଦୁର୍ବଳ ଓ ସ୍ପଷ୍ଟ କାର୍ଯ୍ୟନିର୍ଦ୍ଦେଶର ତୁଳନା କରନ୍ତୁ
ସମାନ କାମ ଦୁଇଥର କରନ୍ତୁ, ଥରେ ଅସ୍ପଷ୍ଟ ଅନୁରୋଧ ସହ ଏବଂ ଆଉ ଥରେ ସମ୍ପୂର୍ଣ୍ଣ ପ୍ରସଙ୍ଗ ସହ, ଏବଂ ଫଳାଫଳରେ କ’ଣ ବଦଳିଲା ଲେଖିରଖନ୍ତୁ।
ଯାଞ୍ଚ ଓ ସମ୍ପାଦନା କରନ୍ତୁ
ପ୍ରତ୍ୟେକ ତଥ୍ୟଭିତ୍ତିକ ଦାବିକୁ ଆପଣଙ୍କ ଉତ୍ସ ସହ ମେଳାଇ ଯାଞ୍ଚ କରନ୍ତୁ, ଭୁଲଗୁଡ଼ିକ ସୁଧାରନ୍ତୁ ଏବଂ ପ୍ରତ୍ୟେକ ପରିବର୍ତ୍ତନର କାରଣ ବୁଝାଇ ଗୋଟିଏ ଧାଡ଼ି ଲେଖନ୍ତୁ।
ମତାମତ ପାଆନ୍ତୁ
କାମଟି ଜାଣିଥିବା ଜଣେ ସହକର୍ମୀ କିମ୍ବା ସମୀକ୍ଷକଙ୍କୁ କେବଳ ଫଳାଫଳ ନୁହେଁ, ଆପଣଙ୍କ ଅନ୍ତିମ ସଂସ୍କରଣ ଓ ବ୍ୟାଖ୍ୟା ମଧ୍ୟ ପଢ଼ିବାକୁ କୁହନ୍ତୁ।
ଏକ ନୂଆ ଉଦାହରଣରେ ପୁଣି କରନ୍ତୁ
ସମାନ କାର୍ଯ୍ୟରେ ଦ୍ୱିତୀୟ ପ୍ରୟାସ ଆଂଶିକ ଭାବେ ସ୍ମୃତିଶକ୍ତିର ପରୀକ୍ଷା କରେ। ଏକ ନୂଆ କିନ୍ତୁ ସମାନ ଧରଣର କାର୍ଯ୍ୟରୁ ଜଣାପଡ଼େ ଯେ ସେହି କୌଶଳ ଅନ୍ୟ କାର୍ଯ୍ୟରେ ପ୍ରୟୋଗ କରାଯାଇପାରୁଛି କି ନାହିଁ।
AI ଦକ୍ଷତା ଶିଖିବା ପାଇଁ କେଉଁ ମାଗଣା ତାଲିମ ଉପଲବ୍ଧ ଅଛି?
ଅନେକ ମାଗଣା କିମ୍ବା କମ୍ ଖର୍ଚ୍ଚର ବିକଳ୍ପ ରହିଛି, ଏବଂ ବ୍ୟକ୍ତିଗତ ଭାବେ ଆରମ୍ଭ କରିବା ପାଇଁ ସେଗୁଡ଼ିକ ଭଲ ହୋଇପାରେ। 28 ଜାନୁଆରୀ 2026ରେ ବ୍ରିଟେନ୍ ସରକାର ନିଜର କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଦକ୍ଷତା ବୃଦ୍ଧି କାର୍ଯ୍ୟକ୍ରମର ସମ୍ପ୍ରସାରଣ ଘୋଷଣା କରିଥିଲେ। ଏଥିରେ ପ୍ରତ୍ୟେକ ବ୍ରିଟିଶ୍ ପ୍ରାପ୍ତବୟସ୍କଙ୍କ ପାଇଁ ଉପଲବ୍ଧ ମାଗଣା ଅନ୍ଲାଇନ୍ ମୌଳିକ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ପାଠ୍ୟକ୍ରମ ବିଷୟରେ କୁହାଯାଇଥିଲା, ଯାହାର ପ୍ରତ୍ୟେକଟି ସାରିବାକୁ 20 ମିନିଟ୍ରୁ କମ୍ ସମୟ ଲାଗେ। ସମସ୍ତ ଛଅଟି ମୌଳିକ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଦକ୍ଷତାର ମାନଦଣ୍ଡ ଅନୁସାରେ ମୂଲ୍ୟାଙ୍କିତ ପାଠ୍ୟକ୍ରମ ସମାପ୍ତ କରୁଥିବା ଶିକ୍ଷାର୍ଥୀଙ୍କ ପାଇଁ ଏକ ଡିଜିଟାଲ୍ ପ୍ରତୀକ ମଧ୍ୟ ରହିଛି।
16 ଅକ୍ଟୋବର 2026ରେ ଯାଞ୍ଚ କରାଯାଇଥିବା Googleର AIର ମୌଳିକ ବିଷୟ ପୃଷ୍ଠାରେ Courseraରେ ନିଜ ଗତିରେ ଶିଖିବା ପାଇଁ ଏକ ପାଠ୍ୟକ୍ରମ ବର୍ଣ୍ଣିତ ହୋଇଛି। ସେହି ପୃଷ୍ଠା ଅନୁଯାୟୀ, ଏହା ପାଞ୍ଚ ଘଣ୍ଟାରୁ କମ୍ ସମୟ ନିଏ, ଏଥିରେ AI ଉପକରଣ, ନିର୍ଦ୍ଦେଶ ଲେଖିବା ଓ ଦାୟିତ୍ୱପୂର୍ଣ୍ଣ ବ୍ୟବହାର ବିଷୟରେ ପାଠ୍ୟଖଣ୍ଡ ରହିଛି, ଏବଂ ସମ୍ପୂର୍ଣ୍ଣ କଲେ Googleର ପ୍ରମାଣପତ୍ର ମିଳେ। ଏଥିରେ ଆମେରିକା ଓ କାନାଡାରେ 7-ଦିନର ମାଗଣା ପରୀକ୍ଷାମୂଳକ ବ୍ୟବହାର ପରେ ମାସକୁ 49 ଆମେରିକୀୟ ଡଲାର ସଦସ୍ୟତା ଶୁଳ୍କ ଉଲ୍ଲେଖ ଅଛି; ଅନ୍ୟ ସ୍ଥାନରେ ମୂଲ୍ୟ ଭିନ୍ନ ହୋଇପାରେ। OpenAI, Anthropic, Google ଓ Microsoft ପରି ଉପକରଣ ପ୍ରଦାନକାରୀଙ୍କ ନିଜସ୍ୱ ସହାୟତା କେନ୍ଦ୍ର ମଧ୍ୟ ବିନା ମୂଲ୍ୟରେ ବ୍ୟବହାରିକ ମାର୍ଗଦର୍ଶନ ପ୍ରକାଶ କରନ୍ତି।
ଏହି ବିକଳ୍ପଗୁଡ଼ିକ ସାଧାରଣ ମୂଳଭିତ୍ତି ଶିଖାଇବାରେ ଉପଯୋଗୀ। କିନ୍ତୁ ସେଗୁଡ଼ିକ ଆପଣଙ୍କ ଦଳର ଭୂମିକା, ଉପକରଣ ଓ ସମୀକ୍ଷା ମାନଦଣ୍ଡ ବ୍ୟବହାର କରିପାରିବେ ନାହିଁ, କିମ୍ବା କୌଣସି ନିର୍ଦ୍ଦିଷ୍ଟ ବ୍ୟକ୍ତି ଏବେ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ କାମ ସମ୍ଭାଳିପାରିବେ କି ନାହିଁ ତାହା ପରିଚାଳକଙ୍କୁ କହିପାରିବେ ନାହିଁ। ଏହି ଅଭାବ ଯୋଗୁଁ ସାଧାରଣତଃ ଏକ ଦଳକୁ ସାଧାରଣ ପାଠ୍ୟକ୍ରମ ପରେ, କିମ୍ବା ତାହା ବଦଳରେ, କୌଣସି ପ୍ରକାରର ଭୂମିକାଭିତ୍ତିକ ଅଭ୍ୟାସ ଆବଶ୍ୟକ ହୁଏ।
ଜଣେ ପରିଚାଳକ ଦଳର ସମସ୍ତଙ୍କ AI ଦକ୍ଷତା କିପରି ବିକଶିତ କରିବା ଉଚିତ?
ପ୍ରଥମେ ଅଭ୍ୟାସ ପାଇଁ ଆବଶ୍ୟକ ବ୍ୟବସ୍ଥା କରନ୍ତୁ, ତା’ପରେ ଅଭ୍ୟାସ ଆରମ୍ଭ କରନ୍ତୁ। କେଉଁ ସାଧନ ଅନୁମୋଦିତ, ସେଥିରେ କେଉଁ ସୂଚନା ଦିଆଯାଇପାରିବ କିମ୍ବା ଫଳାଫଳର ସମୀକ୍ଷା କିଏ କରିବ—ଏସବୁ କେହି ନ ଜାଣିଲେ ଏକ ଦଳ AI ଦକ୍ଷତା ଗଢ଼ିପାରିବ ନାହିଁ। ପ୍ରଥମେ ଏଗୁଡ଼ିକ ସ୍ଥିର କରନ୍ତୁ, ଗୋଟିଏ ପୃଷ୍ଠାର ନୀତିରେ ହେଲେ ମଧ୍ୟ, ଏବଂ ସେଗୁଡ଼ିକ ସହଜରେ ମିଳିବାର ବ୍ୟବସ୍ଥା କରନ୍ତୁ।
ତା’ପରେ ପ୍ରତ୍ୟେକ ଭୂମିକା ପାଇଁ ଗୋଟିଏ କାମ ବାଛନ୍ତୁ, ସମସ୍ତେ ଦେଖିପାରିବା ଭଳି ଏକ ମାନଦଣ୍ଡ ସ୍ଥିର କରନ୍ତୁ ଏବଂ ଅଭ୍ୟାସ ପାଇଁ ଲୋକମାନଙ୍କୁ ନିୟମିତ ଭାବେ ଅଳ୍ପ ସମୟ ଦିଅନ୍ତୁ। ଅଧା ଦିନର କର୍ମଶାଳାରେ ଶିଖିଥିବା କଥା ପରବର୍ତ୍ତୀ ସପ୍ତାହ ସୁଦ୍ଧା ଭୁଲିଯିବା ଅପେକ୍ଷା, ବୈଠକ ମଝିରେ ଦଶରୁ ପନ୍ଦର ମିନିଟ୍ର ଅଭ୍ୟାସ ଜାରି ରଖିବା ସହଜ। କାମର ସମୀକ୍ଷା କରନ୍ତୁ, ପ୍ରବେଶ କରିବାର ରେକର୍ଡର ନୁହେଁ। ଆପଣଙ୍କ ସଂସ୍ଥା EU AI Act ଅଧୀନରେ ଆସୁଥିଲେ, କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସମ୍ପର୍କିତ ସାଧାରଣ ସାକ୍ଷରତାର ଏକ ବାଧ୍ୟବାଧକତାକୁ ମଧ୍ୟ ବିଚାର କରିବାକୁ ପଡ଼ିବ; ଏ ବିଷୟରେ ୟୁରୋପୀୟ ଆୟୋଗ କ’ଣ କହିଛନ୍ତି, ତାହା କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସାକ୍ଷରତା ମାର୍ଗଦର୍ଶିକାରେ ବୁଝାଯାଇଛି।
ସମସ୍ତଙ୍କ ଅଗ୍ରଗତି ସମାନ ହେବ ବୋଲି ଆଶା କରନ୍ତୁ ନାହିଁ। ଯେକୌଣସି ଦଳରେ କେହି କେହି ଯାଞ୍ଚ ନକରି ପ୍ରତିଦିନ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ବ୍ୟବହାର କରୁଥାନ୍ତି, କେହି ଏହାକୁ ସମ୍ପୂର୍ଣ୍ଣ ଏଡ଼ାଇଥାନ୍ତି, ଆଉ କିଛି ଲୋକ ଏହାକୁ ସତର୍କତାର ସହ ବ୍ୟବହାର କରନ୍ତି। ସେମାନଙ୍କୁ ଭିନ୍ନ ଭିନ୍ନ ସ୍ତରରୁ ଆରମ୍ଭ କରିବାକୁ ପଡ଼େ, ତେଣୁ କାହାକୁ ପାଠ୍ୟକ୍ରମ ଦେବା ପୂର୍ବରୁ ଏକ ସଂକ୍ଷିପ୍ତ ସ୍ତର ନିର୍ଣ୍ଣୟ ଯାଞ୍ଚ ଆବଶ୍ୟକ। କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଦକ୍ଷତା ବିକାଶ ମାର୍ଗଦର୍ଶିକାରେ ଏକ ପର୍ଯ୍ୟାୟକ୍ରମିକ କାର୍ଯ୍ୟକ୍ରମ ଦିଆଯାଇଛି।
କାହାର AI ବ୍ୟବହାର କରିବାର ଦକ୍ଷତା ଅଛି କି ନାହିଁ କିପରି ଜାଣିବେ?
ସେମାନେ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ କାର୍ଯ୍ୟରେ କରିଥିବା କାମକୁ, ଆଗରୁ ଦେଖିପାରୁଥିବା ମାନଦଣ୍ଡ ଅନୁସାରେ ପରଖିଲେ ଆପଣ ଜାଣିପାରିବେ। ନିଜକୁ ଦେଇଥିବା ମୂଲ୍ୟାୟନରୁ ସେମାନଙ୍କ ଆତ୍ମବିଶ୍ୱାସ ବିଷୟରେ ଜଣାପଡ଼େ। ପାଠ୍ୟକ୍ରମ ସମାପ୍ତିର ରେକର୍ଡରୁ ପାଠ୍ୟକ୍ରମଟି ସରିଛି ବୋଲି ଜଣାପଡ଼େ। କିନ୍ତୁ ଲୈଲାଙ୍କ ଗ୍ରାହକଙ୍କ ପାଇଁ ପ୍ରସ୍ତୁତ ସଦ୍ୟ ସୂଚନାରୁ କେହି ମନଗଢ଼ା ଦାବିଟି ହଟାଇଛନ୍ତି କି ନାହିଁ, ଏ ଦୁଇଟିରୁ କୌଣସିଟି ଦର୍ଶାଏ ନାହିଁ।
ଯେକୌଣସି ରିପୋର୍ଟରେ ସେହି ସୂଚକଗୁଡ଼ିକୁ ଅଲଗା ରଖନ୍ତୁ ଏବଂ କାମର ନମୁନା କ’ଣ ଦେଖାଏ ନାହିଁ ତାହା ସ୍ପଷ୍ଟ କରନ୍ତୁ: ଏହା ନିର୍ଦ୍ଦିଷ୍ଟ ପରିସ୍ଥିତିରେ ଗୋଟିଏ କାମ ସମ୍ବନ୍ଧୀୟ ପ୍ରମାଣ, ପ୍ରତ୍ୟେକ କାର୍ଯ୍ୟପ୍ରବାହରେ କାର୍ଯ୍ୟଦକ୍ଷତାର ପୂର୍ବାନୁମାନ ନୁହେଁ। AI ଦକ୍ଷତା ମୂଲ୍ୟାଙ୍କନ ମାର୍ଗଦର୍ଶିକାରେ କାମର ପରିକଳ୍ପନା, ମୂଲ୍ୟାଙ୍କନ ମାନଦଣ୍ଡ, ପୁନଃପ୍ରୟାସ ଏବଂ ଫଳାଫଳକୁ ସତ୍ୟନିଷ୍ଠ ଭାବେ କିପରି ରିପୋର୍ଟ କରିବେ ଆଲୋଚନା କରାଯାଇଛି।
Tosheo.ai କିପରି ସାହାଯ୍ୟ କରିବ ବୋଲି ଯୋଜନା କରାଯାଇଛି?
Tosheo.ai କୁ 5 ରୁ 200 ଜଣିଆ ଦଳ ପାଇଁ ନିଜେ ପଞ୍ଜୀକରଣ କରି ବ୍ୟବହାର କରିହେବା ଭଳି ଏଆଇ ଦକ୍ଷତା ତାଲିମ ଭାବେ ତିଆରି କରାଯାଉଛି। ଉତ୍ପାଦ ନିର୍ମାଣ-ପୂର୍ବ ପର୍ଯ୍ୟାୟରେ ଅଛି, ତେଣୁ ଏଠାରେ ଥିବା ସବୁକିଛି ଯୋଜନାଧୀନ ପରିସରର ଅଂଶ। ଯୋଜନା ଅନୁସାରେ ଜଣେ ପରିଚାଳକ ଦଳର କାର୍ଯ୍ୟଭୂମିକା ଓ ଦଳ ବ୍ୟବହାର କରୁଥିବା ଏଆଇ ସାଧନ, ଯେପରିକି ChatGPT, Claude, Gemini, Copilot, Notion AI କିମ୍ବା Canva AI ବାଛିବେ, ଚାହିଁଲେ କାର୍ଯ୍ୟପରିପ୍ରେକ୍ଷ୍ୟ ଦେବା ପାଇଁ 1 ରୁ 5 ଟି କମ୍ପାନି ଦସ୍ତାବିଜ ଅପଲୋଡ୍ କରିବେ ଏବଂ ଦଳକୁ ଆମନ୍ତ୍ରଣ କରିବେ।
ପ୍ରତ୍ୟେକ ଶିକ୍ଷାର୍ଥୀ 5-ମିନିଟ୍ର ଏକ ପ୍ରାରମ୍ଭିକ ଦକ୍ଷତା ଯାଞ୍ଚ ଦେବା ପରେ ନିଜ ଦକ୍ଷତା ଅନୁସାରେ ବଦଳୁଥିବା, ଭୂମିକାଭିତ୍ତିକ 10 ରୁ 15 ମିନିଟ୍ର ପାଠଗୁଡ଼ିକର ଏକ ପଥ ଅନୁସରଣ କରିବାର ଯୋଜନା ଅଛି: ଏକ ଛୋଟ ବ୍ୟାଖ୍ୟା, ନିଜ ଭୂମିକାରୁ ଏକ ସମାଧାନ ସହ ଉଦାହରଣ ଏବଂ ଏକ ପ୍ରକୃତ AI ସାଧନରେ ନିଜେ କରିବା କାର୍ଯ୍ୟ। ଦୃଶ୍ୟମାନ ମୂଲ୍ୟାଙ୍କନ ମାନଦଣ୍ଡ ଅନୁସାରେ AI ଏହାର ମୂଲ୍ୟାଙ୍କନ କରି ନିର୍ଦ୍ଦିଷ୍ଟ ମତାମତ ଦେବ। ଯେଉଁ ଅଙ୍କ ସହ ଶିକ୍ଷାର୍ଥୀ ଏକମତ ନୁହନ୍ତି, ତାହାର ସମୀକ୍ଷା ପାଇଁ ସେମାନେ ଅନୁରୋଧ କରିପାରିବେ। ପରିଚାଳକମାନେ ଦକ୍ଷତାର ଅଗ୍ରଗତି ଓ ପାଠ ସମାପ୍ତି ଦେଖିବେ, କଥୋପକଥନର ମୂଳ ରେକର୍ଡ ନୁହେଁ—ଏହି ଉଦ୍ଦେଶ୍ୟ ରହିଛି। ଏକ ଶେଷ ବ୍ୟବହାରିକ ମୂଲ୍ୟାୟନ ପରେ ଯାଞ୍ଚଯୋଗ୍ୟ URL ସହ ଏକ ସ୍ୱୀକୃତ ପ୍ରମାଣପତ୍ର ଦେବାର ଯୋଜନା ଅଛି।
ଆପଣ ପୂର୍ବରୁ ନିଯୁକ୍ତ କରିଥିବା ଲୋକଙ୍କ AI ଦକ୍ଷତା ବିକାଶ ପାଇଁ Tosheo.ai ଉଦ୍ଦିଷ୍ଟ। ନିଯୁକ୍ତି ସମୟରେ ପ୍ରାର୍ଥୀଙ୍କ ପରୀକ୍ଷା ନେବା ଏକ ଭିନ୍ନ କାମ, ଯାହାର ପରିଣାମ ମଧ୍ୟ ଭିନ୍ନ। ଏହା ତାଲିମ ଉତ୍ପାଦର ଅଂଶ ହେବା ପରିବର୍ତ୍ତେ ଏକ ନ୍ୟାୟସଙ୍ଗତ ଓ ସ୍ପଷ୍ଟ ଭାବେ ନିର୍ଦ୍ଧାରିତ ନିଯୁକ୍ତି ପ୍ରକ୍ରିୟାର ଅଂଶ ହେବା ଉଚିତ।
କେଉଁ ପରିସ୍ଥିତିରେ ଏହି ପଦ୍ଧତି ଉପଯୁକ୍ତ ସମାଧାନ ନୁହେଁ?
ଯଦି ଆପଣଙ୍କ ଲକ୍ଷ୍ୟ ବୈଷୟିକ AI କାମ, ଯେପରିକି ମଡେଲ୍ ତିଆରି, ସୂକ୍ଷ୍ମ ସମଯୋଜନ କିମ୍ବା ସଫ୍ଟୱେର୍ରେ AI ସୁବିଧା ଯୋଡ଼ିବା, ତେବେ କର୍ମକ୍ଷେତ୍ର ଦକ୍ଷତା ପ୍ରଶିକ୍ଷଣ ଠିକ୍ ଉପାୟ ନୁହେଁ। ତା’ ବଦଳରେ ପ୍ରୋଗ୍ରାମିଂ ଓ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ପାଠ୍ୟକ୍ରମ ଖୋଜନ୍ତୁ।
ଆପଣ ନିଜ କର୍ମଜୀବନ ପାଇଁ ବ୍ୟକ୍ତିଗତ ଭାବେ ଶିଖୁଥିଲେ, ଦଳ ପାଇଁ ଉତ୍ପାଦ ଅପେକ୍ଷା ଏକ ମାଗଣା ସାର୍ବଜନୀନ ପାଠ୍ୟକ୍ରମ କିମ୍ବା ସାଧାରଣ ପ୍ରମାଣପତ୍ର ଆପଣଙ୍କ ପାଇଁ ଅଧିକ ଉପଯୋଗୀ ହୋଇପାରେ। Tosheo.ai ଜଣେ ପରିଚାଳକ ଥିବା ଦଳଗୁଡ଼ିକ ପାଇଁ ଯୋଜନା କରାଯାଇଛି, ଏବଂ ଏହାର ମୂଲ୍ୟ ଯୋଜନାରେ ଅତି କମରେ ପାଞ୍ଚଟି ଦେୟଯୁକ୍ତ ବ୍ୟବହାରକାରୀ ଲାଇସେନ୍ସ ନେବାକୁ ହେବ।
ଯଦି ଆପଣଙ୍କ ସଂସ୍ଥାକୁ ଏକକ ସାଇନ୍-ଅନ୍, ଶିକ୍ଷଣ ପରିଚାଳନା ବ୍ୟବସ୍ଥା ସହ ସଂଯୋଗ, କ୍ରୟ ଚୁକ୍ତି କିମ୍ବା ଇଂରାଜୀ ଛଡ଼ା ଅନ୍ୟ ଭାଷାରେ ପାଠ ଦରକାର, ତେବେ ସେଗୁଡ଼ିକ ଯୋଜନା କରାଯାଇଥିବା ଆରମ୍ଭିକ ସେବାରେ ଅନ୍ତର୍ଭୁକ୍ତ ନୁହେଁ। ଆଉ ଯଦି ଦଳ ପାଖରେ ଏପର୍ଯ୍ୟନ୍ତ କୌଣସି ଅନୁମୋଦିତ ଉପକରଣ କିମ୍ବା ମୌଳିକ ନୀତି ନାହିଁ, ତେବେ ପ୍ରଥମେ ତାହା ଠିକ୍ କରନ୍ତୁ। ପ୍ରକୃତ କାମରେ ବ୍ୟବହାର କରିବାକୁ ଅନୁମତି ନ ଥିବା ଉପକରଣ ପାଇଁ ଲୋକଙ୍କୁ ପ୍ରଶିକ୍ଷଣ ଦେଲେ ଦକ୍ଷତା ବଦଳରେ ଦ୍ୱନ୍ଦ୍ୱ ସୃଷ୍ଟି ହୁଏ।
ଉତ୍ସ ଓ ପରିସର
GOV.UK ରେ ସ୍କିଲ୍ସ ଇଂଲଣ୍ଡ, କାର୍ଯ୍ୟ ପାଇଁ AI ମୌଳିକ ଦକ୍ଷତାର ମାନଦଣ୍ଡ, 28 ଜାନୁଆରୀ 2026 ↗
Anthropic ସହାୟତା କେନ୍ଦ୍ର, ଦକ୍ଷତାଗୁଡ଼ିକ କ’ଣ?, 16 ଅକ୍ଟୋବର 2026 ରେ ଯାଞ୍ଚ କରାଯାଇଛି ↗
Google, Google AIର ମୌଳିକ ବିଷୟ ପାଠ୍ୟକ୍ରମ ପୃଷ୍ଠା, 16 ଅକ୍ଟୋବର 2026ରେ ଯାଞ୍ଚ କରାଯାଇଛି ↗
NIST AI 600-1, ସୃଜନକାରୀ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ରୂପରେଖା, ଜୁଲାଇ 2024 ↗