ଟିପ୍ପଣୀରୁ କାର୍ଯ୍ୟପ୍ରଣାଳୀ ଖସଡ଼ା କରନ୍ତୁ
ଖସଡ଼ା ଟିପ୍ପଣୀକୁ କ୍ରମିକ ସଂଖ୍ୟା ଥିବା କାର୍ଯ୍ୟପ୍ରଣାଳୀରେ ପରିଣତ କରନ୍ତୁ; ଟିପ୍ପଣୀରେ ନଥିବା କୌଣସି ପଦକ୍ଷେପ ଯୋଡ଼ନ୍ତୁ ନାହିଁ।
ପରିଚାଳନା କାର୍ଯ୍ୟ ଦଳଗୁଡ଼ିକ ପାଇଁ AI ପ୍ରଶିକ୍ଷଣ ଲୋକଙ୍କୁ ପ୍ରକ୍ରିୟା ସମ୍ବନ୍ଧୀୟ ଦଲିଲ, ଦାୟିତ୍ୱ ହସ୍ତାନ୍ତରର ସାରାଂଶ, ଯୋଗାଣକାରୀଙ୍କ ତୁଳନା ଏବଂ ସ୍ପ୍ରେଡ୍ସିଟ୍ କାମ ପାଇଁ AI ସହାୟକ ବ୍ୟବହାର କରିବା ଶିଖାଏ। ଫଳାଫଳ ଆଧାରରେ କେହି କାମ କରିବା ପୂର୍ବରୁ ତାହାକୁ ଯାଞ୍ଚ କରିବା ମଧ୍ୟ ଶିଖାଏ। ଅଙ୍କ ଦିଆଯାଉଥିବା କାର୍ଯ୍ୟ ସହ ଛୋଟ, ଭୂମିକାଭିତ୍ତିକ ପାଠ ମାଧ୍ୟମରେ ଏହା ଯୋଗାଇଦେବା ପାଇଁ Tosheo.ai ତିଆରି କରାଯାଉଛି।
ଉନ୍ମୋଚନ ସମୟରେ ଯୋଜନାଧୀନ ପରୀକ୍ଷାମୂଳକ ବ୍ୟବହାର: 7 ଦିନ, କାର୍ଡ ଆବଶ୍ୟକ, ସର୍ବାଧିକ 5 ବ୍ୟବହାରକାରୀ ଲାଇସେନ୍ସ।
ଆପଣ ନିଜ ଖାତା ଖୋଲିବା ଏବଂ ପରୀକ୍ଷାମୂଳକ ବ୍ୟବହାରର ସର୍ତ୍ତାବଳୀ ସମୀକ୍ଷା କରିବା ପାଇଁ Tosheo.ai ଆପ୍ରେ ଆଗକୁ ବଢ଼ିବେ।
ଖସଡ଼ା ଟିପ୍ପଣୀକୁ କ୍ରମିକ ସଂଖ୍ୟା ଥିବା କାର୍ଯ୍ୟପ୍ରଣାଳୀରେ ପରିଣତ କରନ୍ତୁ; ଟିପ୍ପଣୀରେ ନଥିବା କୌଣସି ପଦକ୍ଷେପ ଯୋଡ଼ନ୍ତୁ ନାହିଁ।
ନିଆଯାଇ ନଥିବା ନିଷ୍ପତ୍ତିଗୁଡ଼ିକୁ ପ୍ରକ୍ରିୟାର ଦାୟିତ୍ୱରେ ଥିବା ବ୍ୟକ୍ତିଙ୍କ ପାଇଁ ପ୍ରଶ୍ନ ଆକାରରେ ତାଲିକାଭୁକ୍ତ କରିବାକୁ ସହାୟକକୁ କୁହନ୍ତୁ।
ସାମ୍ପ୍ରତିକ ସୂଚନାଗୁଡ଼ିକୁ ସଂକ୍ଷିପ୍ତ କରି କ’ଣ ବଦଳିଛି, କେଉଁଠି କାମ ଅଟକିଛି ଓ ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପର ଦାୟିତ୍ୱ କାହାର ତାହା ଦର୍ଶାନ୍ତୁ।
ଦର ପ୍ରସ୍ତାବ କିମ୍ବା ବିକଳ୍ପଗୁଡ଼ିକୁ ସମାନ ଆଧାରରେ ସଜାନ୍ତୁ ଏବଂ ପ୍ରତ୍ୟେକ ମୋଟ ରାଶିକୁ ସ୍ୱତନ୍ତ୍ର ଭାବେ ପୁଣି ଗଣନା କରନ୍ତୁ।
ଏକ ସୂତ୍ର କିମ୍ବା ତାହାର ବ୍ୟାଖ୍ୟା ମାଗନ୍ତୁ, ତା’ପରେ କିଛି ଜଣାଶୁଣା ଧାଡ଼ିର ତଥ୍ୟ ଉପରେ ତାହା ପରୀକ୍ଷା କରନ୍ତୁ।
କମ୍ପାନି ଅନୁମୋଦନ କରିନଥିବା ସାଧନରେ ଯୋଗାଣକାରୀ, କର୍ମଚାରୀ ଓ ଗ୍ରାହକଙ୍କ ବିବରଣୀ ଦିଅନ୍ତୁ ନାହିଁ।
ନର୍ଥଗେଟ୍ ଫିକ୍ସଚର୍ସ ଏକ କାଳ୍ପନିକ ସଂସ୍ଥା। ଏହାର ଟିପ୍ପଣୀ ଅନୁଯାୟୀ, ଜଣେ ସ୍ଥଳ ପରିଚାଳକ ଯୋଗାଣକାରୀଙ୍କୁ ଫୋନ୍ କରି, ସ୍ଥଳରେ ମାଲ ଚଢ଼ାଇବା ଓ ଓହ୍ଲାଇବା ପାଇଁ ସ୍ଥାନ ଥିବା ନିଶ୍ଚିତ କରି, ସ୍ଥଳର ଯୋଗାଯୋଗ ବ୍ୟକ୍ତିଙ୍କୁ ଇମେଲ୍ ପଠାଇ ଏବଂ ମିଳିତ ଟ୍ରାକର୍ରେ ବୁକିଂ ଲେଖି ମାଲ ପହଞ୍ଚାଇବାର ବ୍ୟବସ୍ଥା କରନ୍ତି। ଏକ AI ଉପକରଣ ବ୍ୟବହାର କରି ଏହି ଟିପ୍ପଣୀଗୁଡ଼ିକୁ ଜଣେ ନୂଆ ସ୍ଥଳ ପରିଚାଳକଙ୍କ ପାଇଁ କାର୍ଯ୍ୟପଦ୍ଧତିରେ ପରିଣତ କରନ୍ତୁ। ଟିପ୍ପଣୀରେ ନଥିବା ପ୍ରତ୍ୟେକ ପଦକ୍ଷେପ ହଟାନ୍ତୁ। କାର୍ଯ୍ୟପଦ୍ଧତି, ପ୍ରକ୍ରିୟା ଦାୟିତ୍ୱରେ ଥିବା ବ୍ୟକ୍ତିଙ୍କ ପାଇଁ ଅତି କମ୍ରେ ଦୁଇଟି ଅନିର୍ଣ୍ଣିତ ପ୍ରଶ୍ନର ତାଲିକା ଏବଂ AI ଚିଠାରୁ ଆପଣ କ’ଣ ହଟାଇଲେ ସେ ବିଷୟରେ ଏକ ଛୋଟ ଟିପ୍ପଣୀ ଦାଖଲ କରନ୍ତୁ।
ପ୍ରତ୍ୟେକ ପଦକ୍ଷେପର ଆଧାର ଦିଆଯାଇଥିବା ଟିପ୍ପଣୀରେ ମିଳେ; କୌଣସି ଅନୁମୋଦନ, ବ୍ୟବସ୍ଥା କିମ୍ବା ସମୟ ମନଗଢ଼ା ନୁହେଁ।
ପଦକ୍ଷେପଗୁଡ଼ିକ କ୍ରମାନୁସାରେ ଅଛି, ନିର୍ଦ୍ଦିଷ୍ଟ ଏବଂ କାର୍ଯ୍ୟସ୍ଥଳରେ ଅନୁସରଣ କରିବା ପାଇଁ ଯଥେଷ୍ଟ ସଂକ୍ଷିପ୍ତ।
ଅମୀମାଂସିତ ପ୍ରଶ୍ନଗୁଡ଼ିକ ପ୍ରକୃତରେ କେଉଁ ନିଷ୍ପତ୍ତି ନିଆଯିବା ବାକି ଅଛି ତାହା ଚିହ୍ନଟ କରେ, ଏବଂ ଟିପ୍ପଣୀରେ କ’ଣ ହଟାଯାଇଛି ଓ କାହିଁକି ତାହା ବୁଝାଯାଇଥାଏ।
ଏଥିରେ ବ୍ୟବସାୟ ଚାଲୁ ରଖୁଥିବା ଦଲିଲ ଓ ନିଷ୍ପତ୍ତି ଅନ୍ତର୍ଭୁକ୍ତ: ଅସଜଡ଼ା ଟିପ୍ପଣୀକୁ ମାନକ କାର୍ଯ୍ୟପ୍ରଣାଳୀରେ ପରିଣତ କରିବା, ଏକ ସପ୍ତାହର ସଦ୍ୟ ସୂଚନାକୁ ଦାୟିତ୍ୱ ହସ୍ତାନ୍ତର ପାଇଁ ସାରାଂଶ କରିବା, ଯୋଗାଣକାରୀଙ୍କ ଦରପତ୍ର ତୁଳନା କରିବା, ସ୍ପ୍ରେଡ୍ଶିଟ୍ ସୂତ୍ର ବୁଝାଇବା, ଘଟଣାର ବିବରଣୀ ଲେଖିବା ଏବଂ ନୀତିରୁ ଯାଞ୍ଚତାଲିକା ତିଆରି କରିବା। ଏହି କାମଗୁଡ଼ିକ ଏତେ ପୁନରାବୃତ୍ତିମୂଳକ ଯେ ସହାୟକ ସାହାଯ୍ୟ କରିପାରେ, ଆଉ ଏତେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଯେ ଭୁଲ୍ର ପ୍ରଭାବ ଅନ୍ୟ କାମକୁ ମଧ୍ୟ ବ୍ୟାପେ।
ସେହି ଦ୍ୱିତୀୟ କଥାଟି ପ୍ରଶିକ୍ଷଣର ରୂପ ନିର୍ଦ୍ଧାରଣ କରେ। ବିପଣନ ଖସଡ଼ାରେ ଥିବା ଏକ ତ୍ରୁଟି ସାଧାରଣତଃ ଜଣେ ପାଠକଙ୍କ ନଜରରେ ପଡ଼େ। କିନ୍ତୁ କାର୍ଯ୍ୟପଦ୍ଧତିରେ ଥିବା ଏକ ତ୍ରୁଟିକୁ ଦଲିଲ ଉପରେ ଭରସା କରୁଥିବା ସମସ୍ତେ ଚୁପଚାପ ଅନୁସରଣ କରନ୍ତି। ତେଣୁ ପରିଚାଳନା କାର୍ଯ୍ୟ ପାଇଁ AI ପ୍ରଶିକ୍ଷଣରେ ଖସଡ଼ା ପ୍ରସ୍ତୁତି ପାଇଁ ଯେତିକି ସମୟ ଦିଆଯାଏ, ଯାଞ୍ଚ ପାଇଁ ମଧ୍ୟ ସେତିକି ସମୟ ଦିଆଯାଏ।
ସହାୟକକୁ ପ୍ରକୃତ ଟିପ୍ପଣୀଗୁଡ଼ିକ ଦିଅନ୍ତୁ, ଏକ ସୁସଂଗଠିତ ଚିଠା ମାଗନ୍ତୁ ଏବଂ ଖାଲି ସ୍ଥାନ ପୂରଣ କରିବା ବଦଳରେ କେଉଁ ତଥ୍ୟ ନାହିଁ ତାହାର ତାଲିକା କରିବାକୁ କୁହନ୍ତୁ। ଏଠାରେ ଦୋକାନର ଭିତର ସଜ୍ଜା ଓ ଉପକରଣ ସ୍ଥାପନ କରୁଥିବା ଏକ କାଳ୍ପନିକ 40 ଜଣିଆ କମ୍ପାନୀ, ନର୍ଥଗେଟ୍ ଫିକ୍ସଚର୍ସର ଏକ ପ୍ରସ୍ତୁତ ଉଦାହରଣ ଅଛି। ଦିଆଯାଇଥିବା ଟିପ୍ପଣୀରେ ଜଣେ କାର୍ଯ୍ୟସ୍ଥଳ ପରିଚାଳକ କିପରି ସାମଗ୍ରୀ ପହଞ୍ଚାଇବାର ବ୍ୟବସ୍ଥା କରନ୍ତି ତାହା ବର୍ଣ୍ଣିତ: ଯୋଗାଣକାରୀଙ୍କୁ ଫୋନ୍ କରିବା, ସ୍ଥଳରେ ମାଲ୍ ଉତାରିବା ସ୍ଥାନ ଅଛି ବୋଲି ନିଶ୍ଚିତ କରିବା, ସ୍ଥଳର ଯୋଗାଯୋଗ ବ୍ୟକ୍ତିଙ୍କୁ ଇମେଲ୍ କରିବା ଏବଂ ସମସ୍ତେ ବ୍ୟବହାର କରୁଥିବା ଅନୁସରଣ ତାଲିକାରେ ବୁକିଂ ଲେଖିବା।
ନିର୍ଦ୍ଦେଶ: "ଏହି ଟିପ୍ପଣୀଗୁଡ଼ିକୁ ଜଣେ ନୂଆ କାର୍ଯ୍ୟସ୍ଥଳ ପରିଚାଳକଙ୍କ ପାଇଁ କ୍ରମିକ ସଂଖ୍ୟା ଥିବା ଏକ କାର୍ଯ୍ୟପଦ୍ଧତିରେ ପରିଣତ କରନ୍ତୁ। କେବଳ ଟିପ୍ପଣୀରେ ଥିବା ପଦକ୍ଷେପଗୁଡ଼ିକ ବ୍ୟବହାର କରନ୍ତୁ। ଯେଉଁଠି କୌଣସି ପଦକ୍ଷେପ ଅସ୍ପଷ୍ଟ କିମ୍ବା କୌଣସି ନିଷ୍ପତ୍ତି ଦିଆଯାଇନାହିଁ, ସେଠାରେ ଉତ୍ତର ଗଢ଼ିବା ପରିବର୍ତ୍ତେ ତାହାକୁ ଶେଷରେ ଏକ ପ୍ରଶ୍ନ ଭାବରେ ତାଲିକାଭୁକ୍ତ କରନ୍ତୁ।"
ସେହି ଶେଷ ନିର୍ଦ୍ଦେଶଟି ନଥିବାରୁ ଏକ ଦୁର୍ବଳ ଖସଡ଼ାରେ "ବୁକିଂ କରିବା ପୂର୍ବରୁ ERP ରେ ଅର୍ଥ ବିଭାଗର ଅନୁମୋଦନ ନିଅନ୍ତୁ" ବୋଲି ଏକ ପଦକ୍ଷେପ ଏବଂ 24 ଘଣ୍ଟା ମଧ୍ୟରେ ବିତରଣ ନିଶ୍ଚିତ କରାଯାଏ ବୋଲି ଏକ ପ୍ରତିଶ୍ରୁତି ଯୋଡ଼ି ହୋଇଯାଏ। ଟିପ୍ପଣୀରେ ଏ ଦୁଇଟିରୁ କୌଣସିଟି ନାହିଁ। ଖସଡ଼ାଟି ପଢ଼ିବାକୁ ଭଲ ଲାଗେ, ଆଉ ଠିକ୍ ସେଇଥିପାଇଁ ଏହି ମନଗଢ଼ା ପଦକ୍ଷେପଗୁଡ଼ିକ ଚୂଡ଼ାନ୍ତ ଦଲିଲରେ ମଧ୍ୟ ରହିଯିବ।
ସମୀକ୍ଷିତ ଚିଠାଟି ଚାରୋଟି ପ୍ରକୃତ ପଦକ୍ଷେପକୁ ରଖେ ଏବଂ ତିନୋଟି ପ୍ରଶ୍ନରେ ଶେଷ ହୁଏ: କାର୍ଯ୍ୟସ୍ଥଳ ପରିଚାଳକ ଅନୁପସ୍ଥିତ ଥିଲେ କିଏ ବୁକିଂ କରନ୍ତି, ମାଲ ଚଢ଼ାଇବା ପାଇଁ ନିର୍ଦ୍ଦିଷ୍ଟ ସ୍ଥାନ ନଥିଲେ କ’ଣ ହୁଏ, ଏବଂ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ମୂଲ୍ୟରୁ ଅଧିକ ବୁକିଂ ପାଇଁ ଅନୁମୋଦନ ଆବଶ୍ୟକ କି ନାହିଁ। ସେହି ପ୍ରଶ୍ନଗୁଡ଼ିକ ପ୍ରକ୍ରିୟାର ଦାୟିତ୍ୱରେ ଥିବା ବ୍ୟକ୍ତିଙ୍କ ପାଖକୁ ଯାଏ। ଅପୂର୍ଣ୍ଣତାଗୁଡ଼ିକ ସ୍ପଷ୍ଟ ଦେଖାଯାଉଥିବାରୁ ପ୍ରକ୍ରିୟାଟି ଉନ୍ନତ ହୋଇଛି, ସହାୟକ ଭଲ ଅନୁମାନ କରିଥିବାରୁ ନୁହେଁ।
ଯାଞ୍ଚ କରିବା ପର୍ଯ୍ୟନ୍ତ ଗଠନ ଉପରେ ଭରସା କରନ୍ତୁ, ହିସାବ ଉପରେ ନୁହେଁ। ସହାୟକମାନେ ତୁଳନାକୁ ଭଲ ଭାବରେ ସଜାଇ ଉପସ୍ଥାପନ କରିପାରନ୍ତି, ତଥାପି କୌଣସି ଧାଡ଼ିର ଯୋଗ ଭୁଲ କରିପାରନ୍ତି, ରିହାତି ଦୁଇଥର ଲାଗୁ କରିପାରନ୍ତି କିମ୍ବା ବିତରଣ ଖର୍ଚ୍ଚ ସାମିଲ ଥିବା ମୂଲ୍ୟକୁ ସେହି ଖର୍ଚ୍ଚ ସାମିଲ ନଥିବା ମୂଲ୍ୟ ସହ ତୁଳନା କରିପାରନ୍ତି।
ଏକ କାଳ୍ପନିକ ଉଦାହରଣରେ, ନର୍ଥଗେଟ୍ ପାଖରେ 200ଟି ବ୍ରାକେଟ୍ ପାଇଁ ଦୁଇଟି ମୂଲ୍ୟ ପ୍ରସ୍ତାବ ଅଛି। ଯୋଗାଣକାରୀ କ ପ୍ରତିଟି ପାଇଁ 4.10 ନିଅନ୍ତି, ଯେଉଁଥିରେ ପହଞ୍ଚାଇବା ଖର୍ଚ୍ଚ ଅନ୍ତର୍ଭୁକ୍ତ; ଯୋଗାଣକାରୀ ଖ ପ୍ରତିଟି ପାଇଁ 3.90 ସହିତ ଏକକାଳୀନ ପହଞ୍ଚାଇବା ଶୁଳ୍କ 60 ନିଅନ୍ତି। AI ର ଏକ ତତ୍କାଳ ସାରାଂଶ ଖ ଶସ୍ତା ବୋଲି କୁହେ, କାରଣ ତାଙ୍କର ଏକକ ମୂଲ୍ୟ କମ୍। ପୁଣି ହିସାବ କଲେ, କ ପାଇଁ ଖର୍ଚ୍ଚ 820 ଏବଂ ଖ ପାଇଁ 840। ସାରଣୀଟି ସହାୟକ ଥିଲା; ନିଷ୍କର୍ଷଟି ଭୁଲ ଥିଲା। ଶିଖାଇବାକୁ ଥିବା ଅଭ୍ୟାସ ସରଳ: ମୋଟ ରାଶି ନିଜେ କିମ୍ବା ସ୍ପ୍ରେଡ୍ସିଟ୍ରେ ପୁଣି ହିସାବ କରନ୍ତୁ, ଏବଂ ପ୍ରତ୍ୟେକ ବିକଳ୍ପର ମୂଲ୍ୟ ସମାନ ଆଧାରରେ ନିର୍ଦ୍ଧାରିତ ହୋଇଛି କି ନାହିଁ ଯାଞ୍ଚ କରନ୍ତୁ।
ମୁଖ୍ୟ ବିପଦ ହେଉଛି ଅତ୍ୟଧିକ ନିର୍ଭରଶୀଳତା: ସୁନ୍ଦର ଭାବେ ଲେଖାଯାଇଥିବା ଫଳାଫଳକୁ ଗ୍ରହଣ କରିନେବା, କାରଣ ତାହାକୁ ବିଶ୍ୱାସ କରିବା ଅପେକ୍ଷା ଯାଞ୍ଚ କରିବାରେ ଅଧିକ ସମୟ ଲାଗିବ ବୋଲି ମନେହୁଏ। NISTର ଜେନେରେଟିଭ୍ AI ପ୍ରୋଫାଇଲ୍ରେ ମଣିଷ ଓ AI ମଧ୍ୟରେ ଆଦାନପ୍ରଦାନର ବିପଦ ମଧ୍ୟରେ ସ୍ୱୟଂଚାଳିତ ଫଳାଫଳକୁ ଠିକ୍ ବୋଲି ଧରିନେବାର ପ୍ରବଣତା ଓ ଅତ୍ୟଧିକ ନିର୍ଭରଶୀଳତା ସହିତ ମନଗଢ଼ା ତଥ୍ୟକୁ ମଧ୍ୟ ଉଲ୍ଲେଖ କରାଯାଇଛି। ଏଥିରେ ମନଗଢ଼ା ତଥ୍ୟର ଅର୍ଥ ହେଉଛି ଆତ୍ମବିଶ୍ୱାସର ସହ ଉପସ୍ଥାପିତ ହୋଇଥିବା, କିନ୍ତୁ ମିଥ୍ୟା ବିଷୟବସ୍ତୁ।
ପରିଚାଳନା ଦଳ ପାଇଁ ଏହାର ଅର୍ଥ ତିନୋଟି ସ୍ଥାୟୀ ନିୟମ। ନିଷ୍ପତ୍ତିରେ ବ୍ୟବହୃତ ହେଉଥିବା ପ୍ରତ୍ୟେକ ସଂଖ୍ୟାକୁ ପୁଣି ହିସାବ କରନ୍ତୁ। କୌଣସି ପ୍ରକ୍ରିୟାର ପ୍ରତ୍ୟେକ ପଦକ୍ଷେପର ଉତ୍ସ କିମ୍ବା ଦାୟିତ୍ୱପ୍ରାପ୍ତ ବ୍ୟକ୍ତିଙ୍କୁ ଚିହ୍ନଟ କରନ୍ତୁ। କମ୍ପାନୀ ଅନୁମୋଦନ କରିନଥିବା ଉପକରଣରେ ଯୋଗାଣକାରୀ, କର୍ମଚାରୀ ଓ ଗ୍ରାହକଙ୍କ ବିବରଣୀ ଦିଅନ୍ତୁ ନାହିଁ।
ପ୍ରବନ୍ଧକ ଭୂମିକା ଭାବେ ପରିଚାଳନା ବାଛନ୍ତି, ଦଳ ବ୍ୟବହାର କରୁଥିବା ସାଧନଗୁଡ଼ିକ ବାଛନ୍ତି ଏବଂ ଚାହିଁଲେ ପ୍ରଚଳିତ SOP ପରି ପାଞ୍ଚଟି ପର୍ଯ୍ୟନ୍ତ ଦଲିଲ ଅପଲୋଡ୍ କରିପାରନ୍ତି, ଯାହାଦ୍ୱାରା ଉଦାହରଣଗୁଡ଼ିକରେ ଦଳର ନିଜସ୍ୱ ପରିପ୍ରେକ୍ଷ୍ୟ ବ୍ୟବହାର ହେବ; ଅଭିବୃଦ୍ଧି ପ୍ଲାନ୍ରେ ଦଲିଲକୁ ଆଧାର କରି ବିଷୟବସ୍ତୁ ପ୍ରସ୍ତୁତ କରିବାର ସୁବିଧା ଦେବାକୁ ଯୋଜନା ରହିଛି। ପ୍ରତ୍ୟେକ ବ୍ୟକ୍ତି ପାଞ୍ଚ ମିନିଟ୍ର ଏକ ସଂକ୍ଷିପ୍ତ ଦକ୍ଷତା ଯାଞ୍ଚ ଦିଅନ୍ତି ଏବଂ 10 ରୁ 15 ମିନିଟ୍ ଅବଧିର ପାଠଗୁଡ଼ିକର ଏକ ଶିକ୍ଷଣ କ୍ରମ ପାଆନ୍ତି।
ପ୍ରତ୍ୟେକ ପାଠର ଶେଷରେ ଏକ ପ୍ରକୃତ AI ସାଧନରେ ନିଜେ କରିବା ପାଇଁ ଏକ କାମ ଥାଏ। ଦୃଶ୍ୟମାନ ମୂଲ୍ୟାୟନ ମାନଦଣ୍ଡ ଅନୁସାରେ AI ଏହାକୁ ଅଙ୍କ ଦିଏ ଓ ନିର୍ଦ୍ଦିଷ୍ଟ ମତାମତ ଦିଏ, ଏବଂ ଅଙ୍କର ସମୀକ୍ଷା ପାଇଁ ଅନୁରୋଧ କରାଯାଇପାରେ। ଅଭ୍ୟାସ ପରିସ୍ଥିତିଗୁଡ଼ିକ ଶିକ୍ଷାର୍ଥୀଙ୍କୁ ବାସ୍ତବଧର୍ମୀ ପରିସ୍ଥିତିରେ ରଖେ, ଯେପରିକି ଯୋଗାଣକାରୀଙ୍କ ସହ ବିବାଦ କିମ୍ବା ଏକ ଜରୁରୀ ପ୍ରକ୍ରିୟା ପରିବର୍ତ୍ତନ। ପରିଚାଳକମାନେ ଦକ୍ଷତାର ଅଗ୍ରଗତି ଓ ପାଠ ସମାପ୍ତି ଦେଖନ୍ତି, କଥୋପକଥନ ରେକର୍ଡ ନୁହେଁ। ଅପଲୋଡ୍ ହୋଇଥିବା ଦଲିଲଗୁଡ଼ିକ ପ୍ରତ୍ୟେକ କମ୍ପାନୀ ପାଇଁ ଅଲଗା ରଖାଯାଏ, ଖାତା ବନ୍ଦ ହେଲେ ମିଟାଯାଏ ଏବଂ ମଡେଲ୍ ପ୍ରଶିକ୍ଷଣରେ କେବେ ବ୍ୟବହୃତ ହୁଏନାହିଁ। Tosheo.ai ଏପର୍ଯ୍ୟନ୍ତ ନିର୍ମିତ ହୋଇନାହିଁ। ଏଠାରେ ବର୍ଣ୍ଣିତ ସବୁକିଛି ପ୍ରାରମ୍ଭିକ ଉନ୍ମୋଚନ ପାଇଁ ଯୋଜନା କରାଯାଇଥିବା ପରିସର, ଗ୍ରାହକ ପ୍ରଶିକ୍ଷଣ, ମୂଲ୍ୟାୟନ ଫଳ କିମ୍ବା ଫଳାଫଳର ରେକର୍ଡ ନୁହେଁ।
କେହି ଜଣେ ପୂର୍ବରୁ ସମୀକ୍ଷା କରିବା ଜାଣିଥିବା ଦଲିଲରୁ ଆରମ୍ଭ କରନ୍ତୁ, ତା’ପରେ ସଂଖ୍ୟା ସମ୍ପର୍କିତ କାମକୁ ଯାଆନ୍ତୁ, ତା’ପରେ ପ୍ରକୃତ ଚାଲୁ କାମକୁ ଯାଆନ୍ତୁ। ତଳେ ଦିଆଯାଇଥିବା କ୍ରମଟି ଏକ ପରାମର୍ଶ, ମାପି ନିର୍ଣ୍ଣୟ କରାଯାଇଥିବା ଫଳାଫଳ ନୁହେଁ।
ପ୍ରାରମ୍ଭିକ ସ୍ତର ଯାଞ୍ଚ, ତା’ପରେ କାଳ୍ପନିକ ପ୍ରକ୍ରିୟା ଟିପ୍ପଣୀକୁ ଅସମାଧିତ ପ୍ରଶ୍ନର ତାଲିକା ସହ ଏକ କାର୍ଯ୍ୟପଦ୍ଧତିରେ ପରିଣତ କରନ୍ତୁ।
ଦିଆଯାଇଥିବା ଏକ ସପ୍ତାହର ଅଦ୍ୟତନ ଆଧାରରେ ଦାୟିତ୍ୱ ହସ୍ତାନ୍ତର ଓ ସ୍ଥିତିର ସାରାଂଶ, ମୂଳ ତଥ୍ୟ ସହ ମିଳାଇ ଯାଞ୍ଚ କରାଯାଇଥିବା।
ଯୋଗାଣକାରୀ ଓ ବିକଳ୍ପଗୁଡ଼ିକର ତୁଳନା, ଯେଉଁଥିରେ ପ୍ରତ୍ୟେକ ମୋଟ ହିସାବ ସହାୟକ ବାହାରେ ପୁଣି ଗଣନା କରାଯାଏ।
ଏହି ପଦ୍ଧତିକୁ ଏକ ବାସ୍ତବ, କମ୍ ଝୁଁକି ଥିବା ପ୍ରକ୍ରିୟା ଦସ୍ତାବିଜରେ ପ୍ରୟୋଗ କରନ୍ତୁ ଏବଂ ତାହାର ଦାୟିତ୍ୱରେ ଥିବା ବ୍ୟକ୍ତିଙ୍କୁ ଫଳାଫଳ ସମୀକ୍ଷା କରିବାକୁ କୁହନ୍ତୁ।
ଯଦି ଆପଣ ଏପରି ସ୍ୱୟଂଚାଳିତ ବ୍ୟବସ୍ଥା କିମ୍ବା AI ଏଜେଣ୍ଟ ତିଆରି କରିବାକୁ ଚାହାନ୍ତି, ଯାହା ମଣିଷର ତଦାରଖ ବିନା ପ୍ରକ୍ରିୟା ଚଳାଏ, ତେବେ ଏହା ଠିକ୍ ବିକଳ୍ପ ନୁହେଁ; ତାହା ହେଉଛି କାର୍ଯ୍ୟପ୍ରବାହ ଓ ଉପକରଣ ସମ୍ବନ୍ଧୀୟ ପ୍ରକଳ୍ପ, ଏବଂ AI କାର୍ଯ୍ୟପ୍ରବାହ ମାର୍ଗଦର୍ଶିକାରୁ ଆରମ୍ଭ କରିବା ଅଧିକ ଉପଯୁକ୍ତ। ଏହା କୌଣସି ନିର୍ଦ୍ଦିଷ୍ଟ ERP, ଗୋଦାମ କିମ୍ବା ସମୟସୂଚୀ ପ୍ରଣାଳୀରେ ଥିବା AI ସୁବିଧାଗୁଡ଼ିକ ଶିଖାଏ ନାହିଁ।
କିଣିବା ପୂର୍ବରୁ SSO, LMS ସହ ସଂଯୋଗ କିମ୍ବା କ୍ରୟ ଚୁକ୍ତି ଦରକାର କରୁଥିବା ଦଳ ପାଇଁ ମଧ୍ୟ ଏହା ଉପଯୁକ୍ତ ନୁହେଁ; ଆରମ୍ଭ ସମୟରେ ଏଗୁଡ଼ିକ ମଧ୍ୟରୁ କିଛି ବି ରହିବ ନାହିଁ। ପାଠଗୁଡ଼ିକ କେବଳ ଇଂରାଜୀରେ ରହିବ, ଏବଂ ଉତ୍ପାଦଟି ଏଯାଏଁ ନିର୍ମାଣ ହୋଇନାହିଁ, ତେଣୁ ତୁରନ୍ତ ପ୍ରଶିକ୍ଷଣ ଦରକାର କରୁଥିବା ଦଳ ଏଠାରେ ଥିବା ମାଗଣା ମାର୍ଗଦର୍ଶିକାଗୁଡ଼ିକରୁ ଆରମ୍ଭ କରିବା ଉଚିତ।
ଛୋଟ ଓ ମଧ୍ୟମ ଆକାରର ଦଳରେ, ଏହା ମୁଖ୍ୟତଃ ସାଧାରଣ AI ସହାୟକ ମାଧ୍ୟମରେ କାର୍ଯ୍ୟପଦ୍ଧତିର ଖସଡ଼ା ତିଆରି, ନୂଆ ସୂଚନାର ସାରାଂଶ ପ୍ରସ୍ତୁତ, ବିକଳ୍ପଗୁଡ଼ିକର ତୁଳନା ଏବଂ ସ୍ପ୍ରେଡ୍ଶିଟ୍ରେ କାମ କରିବା ପାଇଁ ବ୍ୟବହୃତ ହୁଏ। ବଡ଼ ଆକାରର ସ୍ୱୟଂଚାଳନ ଓ ପୂର୍ବାନୁମାନ ବ୍ୟବସ୍ଥା ରହିଛି, କିନ୍ତୁ ସେଗୁଡ଼ିକ ସ୍ୱତନ୍ତ୍ର ସଫ୍ଟୱେର ପ୍ରକଳ୍ପ; କେବଳ କର୍ମଚାରୀ ପ୍ରଶିକ୍ଷଣ ଦ୍ୱାରା ସେଗୁଡ଼ିକ ମିଳେ ନାହିଁ।
Growth ପ୍ଲାନ୍ ପାଇଁ କମ୍ପାନୀର ଦଲିଲ ଆଧାରରେ ଉତ୍ତର ଦେବାର ସୁବିଧା ଯୋଜନାଧୀନ: ସର୍ବାଧିକ ପାଞ୍ଚଟି ଦଲିଲ, ପ୍ରତ୍ୟେକ କମ୍ପାନୀ ପାଇଁ ଅଲଗା ରଖାଯିବ, ଆକାଉଣ୍ଟ ବନ୍ଦ ହେଲେ ମିଟାଯିବ ଏବଂ ମଡେଲ୍ ପ୍ରଶିକ୍ଷଣ ପାଇଁ କେବେ ବ୍ୟବହାର ହେବ ନାହିଁ। ଭୂମିକାଭିତ୍ତିକ ପାଠ୍ୟକ୍ରମ ବ୍ୟବହାର କରିବାକୁ ଆପଣଙ୍କୁ କିଛି ଅପଲୋଡ୍ କରିବା ଆବଶ୍ୟକ ନାହିଁ।
ନା। ଯୋଜନାଧୀନ ପାଠକ୍ରମ ଲୋକଙ୍କୁ ନିଜ କାମରେ AI ସହାୟକ ଭଲ ଭାବେ ବ୍ୟବହାର କରିବା ଶିଖାଇବ। ମଣିଷ ବିନା କାମ କରୁଥିବା ସ୍ୱୟଂଚାଳିତ ବ୍ୟବସ୍ଥା କିମ୍ବା AI ଏଜେଣ୍ଟ ତିଆରି କରିବା ଏହାର ପରିସର ବାହାରେ।
ନା। ପରିଚାଳକଙ୍କ ପାଇଁ ଯୋଜନାଧୀନ ଦୃଶ୍ୟରେ ଦକ୍ଷତାର ଅଗ୍ରଗତି ଓ ପାଠ ସମାପ୍ତି ଦେଖାଯିବ, ମୂଳ ଚାଟ୍ ରେକର୍ଡ ନୁହେଁ।
ଯୋଜନାଧୀନ ମୂଲ୍ୟ ପ୍ରତି ବ୍ୟବହାରକାରୀ ଲାଇସେନ୍ସ ପାଇଁ ମାସିକ ଭିତ୍ତିରେ ରହିବ। ଟିମ୍ ଯୋଜନାରେ ଅତିକମରେ ପାଞ୍ଚଟି ଲାଇସେନ୍ସ ଏବଂ ଗ୍ରୋଥ୍ରେ ଅତିକମରେ 20ଟି ଲାଇସେନ୍ସ ଆବଶ୍ୟକ ହେବ। ଏହି ରାଶିଗୁଡ଼ିକ ପ୍ରାରମ୍ଭିକ ଅନୁମାନ ଏବଂ ମୂଲ୍ୟ ପୃଷ୍ଠାରେ ସେଗୁଡ଼ିକୁ ଅଦ୍ୟତନ କରାଯାଏ।
ଯୋଜନାରେ ଥିବା ଭୂମିକା ଅନୁଯାୟୀ ପାଠ, ବ୍ୟାବହାରିକ କାମ ଏବଂ ପ୍ରବନ୍ଧକଙ୍କ ପାଇଁ ଦୃଶ୍ୟ ବିଷୟରେ ଜାଣନ୍ତୁ।