ਆਪਣੇ ਕੰਮ ਵਿੱਚ AI ਕਿਵੇਂ ਵਰਤੀਏ: ਹਰ ਭੂਮਿਕਾ ਮੁਤਾਬਕ ਮਾਰਗਦਰਸ਼ਕ

ਆਪਣੀ ਨੌਕਰੀ ਵਿੱਚ AI ਵਰਤਣ ਦਾ ਅਸਲ ਵਿੱਚ ਕੀ ਮਤਲਬ ਹੈ?

ਜ਼ਿਆਦਾਤਰ ਦਫ਼ਤਰੀ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਕੰਮ ’ਤੇ AI ਵਰਤਣ ਦਾ ਮਤਲਬ ਤਿੰਨ ਤਰ੍ਹਾਂ ਦੀ ਮਦਦ ਹੈ: ਤੁਹਾਡੀ ਦਿੱਤੀ ਸਮੱਗਰੀ ਤੋਂ ਖਰੜਾ ਬਣਾਉਣਾ, ਸਮੱਗਰੀ ਨੂੰ ਇੱਕ ਰੂਪ ਤੋਂ ਦੂਜੇ ਰੂਪ ਵਿੱਚ ਬਦਲਣਾ ਅਤੇ ਸੋਚਣ ਵਿੱਚ ਸਾਥੀ ਵਜੋਂ ਵਿਕਲਪ, ਸਵਾਲ ਅਤੇ ਕਮੀਆਂ ਸੁਝਾਉਣਾ। ਇਸ ਦਾ ਮਤਲਬ ਟੂਲ ਨੂੰ ਫ਼ੈਸਲਾ ਕਰਨ ਦੇਣਾ ਜਾਂ ਬਿਨਾਂ ਸਮੀਖਿਆ ਦੇ ਕੰਮ ਦਾ ਅੰਤਿਮ ਰੂਪ ਤਿਆਰ ਕਰਨ ਦੇਣਾ ਘੱਟ ਹੀ ਹੁੰਦਾ ਹੈ।

ਖਰੜੇ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਈਮੇਲਾਂ, ਸਾਰ, ਨੌਕਰੀ ਦੇ ਇਸ਼ਤਿਹਾਰ, ਨੀਤੀਆਂ ਦੀਆਂ ਵਿਆਖਿਆਵਾਂ ਅਤੇ ਰਿਪੋਰਟਾਂ ਦੇ ਮੁੱਢਲੇ ਰੂਪ ਸ਼ਾਮਲ ਹਨ। ਸਮੱਗਰੀ ਦਾ ਰੂਪ ਬਦਲਣ ਵਿੱਚ ਲੰਮੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਛੋਟਾ ਕਰਨਾ, ਨੋਟਾਂ ਨੂੰ ਸੁਚੱਜੇ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਬਦਲਣਾ, ਇੱਕ ਸੁਨੇਹੇ ਦੇ ਵੱਖ-ਵੱਖ ਪਾਠਕਾਂ ਲਈ ਰੂਪ ਬਣਾਉਣਾ ਜਾਂ ਸਾਰਣੀ ਨੂੰ ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਟਿੱਪਣੀ ਵਜੋਂ ਲਿਖਣਾ ਸ਼ਾਮਲ ਹੈ। ਵਿਚਾਰ ਕਰਨ ਵਿੱਚ ਸਾਥੀ ਦੀ ਭੂਮਿਕਾ ਵਿੱਚ ਅਜਿਹੇ ਸਵਾਲ ਸ਼ਾਮਲ ਹਨ ਜਿਵੇਂ 'ਸ਼ੱਕ ਕਰਨ ਵਾਲਾ ਖਰੀਦਦਾਰ ਇਸ ਬਾਰੇ ਕੀ ਪੁੱਛੇਗਾ?' ਜਾਂ 'ਇਸ ਯੋਜਨਾ ਵਿੱਚ ਕੀ ਘਾਟ ਹੈ?'।

ਇਨ੍ਹਾਂ ਤਿੰਨਾਂ ਵਿੱਚ ਨਤੀਜੇ ਦੀ ਗੁਣਵੱਤਾ ਇਸ ਗੱਲ ਨਾਲੋਂ ਕਿ ਤੁਸੀਂ ਕਿਹੜਾ ਟੂਲ ਵਰਤਦੇ ਹੋ, ਇਸ ਗੱਲ ਉੱਤੇ ਕਿਤੇ ਵੱਧ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਕਿ ਤੁਸੀਂ ਉਸ ਨੂੰ ਕੀ ਦਿੰਦੇ ਹੋ ਅਤੇ ਮਿਲੇ ਜਵਾਬ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰਦੇ ਹੋ। ਇਸੇ ਲਈ ਹੇਠਾਂ ਹਰ ਭੂਮਿਕਾ ਦੀ ਗਾਈਡ ਵਿੱਚ ਉਹੀ ਆਦਤਾਂ ਦਿੱਤੀਆਂ ਗਈਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਹਰ ਕੰਮ ਅਤੇ ਉਸ ਦੇ ਜੋਖਮਾਂ ਅਨੁਸਾਰ ਢਾਲਿਆ ਗਿਆ ਹੈ।

AI ਵਰਤਣ ਲਈ ਪਹਿਲਾ ਕੰਮ ਕਿਵੇਂ ਚੁਣੀਏ?

ਅਜਿਹਾ ਕੰਮ ਚੁਣੋ ਜੋ ਤੁਸੀਂ ਅਕਸਰ ਕਰਦੇ ਹੋ, ਜਿਸ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕਰਨਾ ਪਹਿਲਾਂ ਹੀ ਜਾਣਦੇ ਹੋ ਅਤੇ ਜਿਸ ਦੀ ਜਲਦੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹੋ। ਤੁਹਾਡਾ ਮੌਜੂਦਾ ਹੁਨਰ ਹੀ ਤੁਹਾਨੂੰ ਭਰੋਸੇ ਨਾਲ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਗਲਤੀ ਪਛਾਣਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ, ਇਸ ਲਈ ਅਣਜਾਣ ਕੰਮ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨਾ ਠੀਕ ਨਹੀਂ ਹੈ। ਹੇਠਾਂ ਦਿੱਤੇ ਮਾਪਦੰਡ ਜ਼ਿਆਦਾਤਰ ਲੋਕਾਂ ਦੀਆਂ ਚੋਣਾਂ ਨੂੰ ਦੋ ਜਾਂ ਤਿੰਨ ਸੰਭਾਵੀ ਕੰਮਾਂ ਤੱਕ ਸੀਮਤ ਕਰ ਦਿੰਦੇ ਹਨ।

ਕੰਮ ਲਈ ਇੱਕ ਚੰਗੇ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ?

ਕੰਮ ਲਈ ਇੱਕ ਚੰਗੇ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਉਹ ਸਭ ਕੁਝ ਹੁੰਦਾ ਹੈ ਜੋ ਇੱਕ ਕਾਬਲ ਨਵੇਂ ਸਹਿਕਰਮੀ ਨੂੰ ਤੁਹਾਡੇ ਕੋਲ ਮੁੜ ਪੁੱਛਣ ਆਏ ਬਿਨਾਂ ਕੰਮ ਕਰਨ ਲਈ ਚਾਹੀਦਾ ਹੋਵੇ: ਮਕਸਦ, ਪਾਠਕ, ਸਰੋਤ ਸਮੱਗਰੀ, ਪਾਬੰਦੀਆਂ, ਰੂਪ ਅਤੇ ਕਿਹੜੀਆਂ ਗੱਲਾਂ ਵੱਲ ਧਿਆਨ ਦਿਵਾਉਣਾ ਹੈ। ਜਾਣਕਾਰੀ ਦੀ ਘਾਟ ਮੁੱਖ ਕਾਰਨ ਹੈ ਕਿ AI ਦੀ ਲਿਖਤ ਆਮ ਜਿਹੀ ਲੱਗਦੀ ਹੈ ਜਾਂ ਵੇਰਵੇ ਘੜਦੀ ਹੈ।

ਇੱਕੋ ਕੰਮ ਲਈ ਦੋ ਪ੍ਰੌਮਪਟਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਕਮਜ਼ੋਰ ਰੂਪ ਇਹ ਹੈ: 'ਦਫ਼ਤਰ ਬਦਲਣ ਬਾਰੇ ਟੀਮ ਲਈ ਇੱਕ ਅੱਪਡੇਟ ਲਿਖੋ।' ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਰੂਪ ਇਹ ਹੈ: 'ਦਫ਼ਤਰ ਬਦਲਣ ਬਾਰੇ ਸਾਡੇ 25 ਕਰਮਚਾਰੀਆਂ ਲਈ 150 ਸ਼ਬਦਾਂ ਦਾ ਅੱਪਡੇਟ ਲਿਖੋ। ਸਿਰਫ਼ ਹੇਠਾਂ ਦਿੱਤੇ ਤੱਥ ਵਰਤੋ: ਦਫ਼ਤਰ ਸ਼ੁੱਕਰਵਾਰ 14 November ਨੂੰ ਬਦਲਿਆ ਜਾਵੇਗਾ, ਨਵਾਂ ਪਤਾ ਨੋਟਾਂ ਵਿੱਚ ਹੈ, ਵੀਰਵਾਰ 4pm ਤੱਕ ਡੈਸਕ ਖਾਲੀ ਕਰਨੇ ਹਨ, ਸੂਚਨਾ ਤਕਨਾਲੋਜੀ ਵਿਭਾਗ ਮਾਨੀਟਰ ਅਤੇ ਡੌਕ ਲਿਜਾਵੇਗਾ। ਭਾਸ਼ਾ ਸਾਦੀ ਅਤੇ ਦੋਸਤਾਨਾ ਹੋਵੇ। ਅਖ਼ੀਰ ਵਿੱਚ ਦੱਸੋ ਕਿ ਸਵਾਲ ਕਿਸ ਨੂੰ ਪੁੱਛਣੇ ਹਨ। ਨੋਟਾਂ ਵਿੱਚ ਨਾ ਦਿੱਤੀਆਂ ਮਿਤੀਆਂ, ਨਿਯਮ ਜਾਂ ਭਰੋਸੇ ਨਾ ਜੋੜੋ। ਉਹ ਸਾਰੇ ਸਵਾਲ ਸੂਚੀਬੱਧ ਕਰੋ ਜੋ ਕਰਮਚਾਰੀ ਪੁੱਛ ਸਕਦੇ ਹਨ ਪਰ ਜਿਨ੍ਹਾਂ ਦੇ ਜਵਾਬ ਨੋਟਾਂ ਵਿੱਚ ਨਹੀਂ ਹਨ।'

ਆਖ਼ਰੀ ਹਦਾਇਤ ਹਰ ਥਾਂ ਅਪਣਾਉਣ ਯੋਗ ਹੈ। ਟੂਲ ਨੂੰ ਇਹ ਸੂਚੀ ਬਣਾਉਣ ਲਈ ਕਹਿਣਾ ਕਿ ਉਹ ਕਿਸ ਗੱਲ ਦਾ ਜਵਾਬ ਨਹੀਂ ਦੇ ਸਕਿਆ, ਉਸ ਘਾਟ ਨੂੰ—ਜੋ ਉਹ ਨਹੀਂ ਤਾਂ ਅੰਦਾਜ਼ੇ ਨਾਲ ਭਰ ਦਿੰਦਾ—ਅਜਿਹੇ ਸਵਾਲ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਸੁਲਝਾ ਸਕਦੇ ਹੋ। ਅੰਤ ਵਿੱਚ ਦਿੱਤੇ ਲਿੰਕ ਵਾਲੀ ਹਦਾਇਤਾਂ ਲਿਖਣ ਦੀ ਗਾਈਡ ਬਣਤਰ ਅਤੇ ਨਮੂਨਿਆਂ ਬਾਰੇ ਹੋਰ ਵਿਸਥਾਰ ਦਿੰਦੀ ਹੈ।

ਤੁਹਾਨੂੰ AI ਤੋਂ ਮਿਲੇ ਨਤੀਜੇ ਨੂੰ ਵਰਤਣ ਤੋਂ ਪਹਿਲਾਂ ਕਿਵੇਂ ਜਾਂਚਣਾ ਚਾਹੀਦਾ ਹੈ?

ਤਿਆਰ ਕੀਤੇ ਨਤੀਜੇ ਨੂੰ ਸਰੋਤ ਨਾਲ ਮਿਲਾ ਕੇ ਜਾਂਚੋ, ਨਾ ਕਿ ਇਸ ਅਹਿਸਾਸ ਦੇ ਆਧਾਰ 'ਤੇ ਕਿ ਉਹ ਸਹੀ ਲੱਗਦਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਸੁਚੱਜੀ ਲਿਖਤ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ। NIST ਦੀ ਜਨਰੇਟਿਵ AI ਪ੍ਰੋਫਾਈਲ ਮਨਘੜਤ ਜਾਣਕਾਰੀ ਨੂੰ ਅਜਿਹੀ ਗ਼ਲਤ ਜਾਂ ਝੂਠੀ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਵਜੋਂ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਪੂਰੇ ਭਰੋਸੇ ਨਾਲ ਪੇਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਲੋਕਾਂ ਤੇ AI ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮਿਲ ਕੇ ਕੰਮ ਕਰਨ ਨਾਲ ਜੁੜੇ ਜੋਖ਼ਮਾਂ ਵਿੱਚ ਹੱਦੋਂ ਵੱਧ ਨਿਰਭਰਤਾ ਅਤੇ ਸਵੈਚਾਲਿਤ ਨਤੀਜਿਆਂ ਨੂੰ ਸਹੀ ਮੰਨ ਲੈਣ ਦੇ ਪੱਖਪਾਤ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੀ ਹੈ। ਇਹ ਦੋਵੇਂ ਅਹਿਸਾਸ ਦੀ ਬਜਾਏ ਸੋਚ-ਸਮਝ ਕੇ ਜਾਂਚ ਕਰਨ ਦੇ ਕਾਰਨ ਹਨ।

ਇੱਕ ਛੋਟੀ ਪ੍ਰਕਿਰਿਆ ਜ਼ਿਆਦਾਤਰ ਕੰਮ ਲਈ ਕਾਫ਼ੀ ਹੈ। ਪਹਿਲਾਂ, ਹਰ ਤੱਥ-ਆਧਾਰਿਤ ਬਿਆਨ, ਨਾਮ, ਮਿਤੀ ਅਤੇ ਅੰਕੜੇ ਨੂੰ ਆਪਣੇ ਦਿੱਤੇ ਸਰੋਤ ਨਾਲ ਮਿਲਾਓ, ਅਤੇ ਜੋ ਉਸ ਵਿੱਚ ਨਾ ਲੱਭੇ ਉਸ ਨੂੰ ਹਟਾਓ ਜਾਂ ਉਸ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਦੂਜਾ, ਅੰਕੜਿਆਂ ਦੀ ਗਿਣਤੀ ਸੁਤੰਤਰ ਤੌਰ ਉੱਤੇ ਮੁੜ ਕਰੋ। ਤੀਜਾ, ਵੇਖੋ ਕਿ ਕੀ ਜੋੜਿਆ ਗਿਆ ਹੈ: ਅਜਿਹੇ ਦਾਅਵੇ, ਵਾਅਦੇ, ਕਾਰਨ ਜਾਂ ਨਿਯਮ ਜੋ ਇਸ ਕਿਸਮ ਦੇ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਆਮ ਲੱਗਦੇ ਹਨ ਪਰ ਤੁਹਾਡੇ ਮਾਮਲੇ ਵਿੱਚ ਸੱਚ ਨਹੀਂ ਹਨ। ਚੌਥਾ, ਇਸ ਨੂੰ ਉਸ ਵਿਅਕਤੀ ਦੇ ਨਜ਼ਰੀਏ ਤੋਂ ਪੜ੍ਹੋ ਜਿਸ ਲਈ ਇਹ ਲਿਖਿਆ ਗਿਆ ਹੈ ਅਤੇ ਲਹਿਜ਼ਾ ਠੀਕ ਕਰੋ। ਅੰਤ ਵਿੱਚ, ਤੈਅ ਕਰੋ ਕਿ ਅੰਤਿਮ ਰੂਪ ਲਈ ਕੌਣ ਜਵਾਬਦੇਹ ਹੈ, ਜੋ ਆਮ ਤੌਰ ਉੱਤੇ ਤੁਸੀਂ ਹੀ ਹੁੰਦੇ ਹੋ।

ਜਾਂਚ ਕਿੰਨੀ ਡੂੰਘੀ ਹੋਵੇ, ਇਹ ਗ਼ਲਤੀ ਦੇ ਨਤੀਜੇ ਮੁਤਾਬਕ ਤੈਅ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਆਪਣੇ ਨੋਟਾਂ ਲਈ ਖਰੜੇ ਨੂੰ ਗਾਹਕ ਨੂੰ ਭੇਜੇ ਜਾਣ ਵਾਲੇ ਸੁਨੇਹੇ ਨਾਲੋਂ ਘੱਟ ਜਾਂਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਉਸ ਸੁਨੇਹੇ ਨੂੰ ਰਿਪੋਰਟ ਵਿੱਚ ਦਿੱਤੇ ਜਾਣ ਵਾਲੇ ਅੰਕੜੇ ਨਾਲੋਂ ਘੱਟ।

ਵੱਖ-ਵੱਖ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਕਿਹੜੇ ਕੰਮਾਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਢੁਕਵੀਂ ਹੈ?

ਹੇਠਾਂ ਦਿੱਤੀ ਸਾਰਣੀ ਵਿੱਚ ਹਰੇਕ ਭੂਮਿਕਾ ਲਈ ਸ਼ੁਰੂਆਤ ਵਾਸਤੇ ਇੱਕ ਢੁਕਵਾਂ ਕੰਮ, ਸਭ ਤੋਂ ਜ਼ਰੂਰੀ ਜਾਂਚ ਅਤੇ ਕੰਮ ਦਾ ਉਹ ਹਿੱਸਾ ਦਿੱਤਾ ਗਿਆ ਹੈ ਜੋ ਮਨੁੱਖ ਕੋਲ ਹੀ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ। ਹਰੇਕ ਭੂਮਿਕਾ ਲਈ ਆਪਣੀ ਮਾਰਗਦਰਸ਼ਿਕਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਹੱਲ ਕੀਤੀ ਉਦਾਹਰਨ ਦਿੱਤੀ ਗਈ ਹੈ।

ਇੱਕ ਭੂਮਿਕਾ ਤੋਂ ਦੂਜੀ ਭੂਮਿਕਾ ਵਿੱਚ ਕੀ ਬਦਲਦਾ ਹੈ?

ਭੂਮਿਕਾਵਾਂ ਬਦਲਣ ਨਾਲ ਆਦਤਾਂ ਇੱਕੋ ਜਿਹੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ; ਜੋਖਮ ਬਦਲਦੇ ਹਨ। ਤਿੰਨ ਸਵਾਲ ਜ਼ਿਆਦਾਤਰ ਫ਼ਰਕ ਸਮਝਾ ਦਿੰਦੇ ਹਨ: ਨਤੀਜਾ ਗ਼ਲਤ ਹੋਣ ’ਤੇ ਕੌਣ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦਾ ਹੈ, ਕੰਮ ਵਿੱਚ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਵਰਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਕੀ ਨਤੀਜੇ ’ਤੇ ਪਹਿਲਾਂ ਤੋਂ ਕੋਈ ਨਿਯਮ ਲਾਗੂ ਹੈ।

ਲੋਕਾਂ ਬਾਰੇ ਫ਼ੈਸਲੇ ਲੈਣ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀਆਂ ਭੂਮਿਕਾਵਾਂ, ਜਿਵੇਂ ਮਨੁੱਖੀ ਸਰੋਤ, ਭਰਤੀ ਅਤੇ ਪ੍ਰਬੰਧਨ, ਦੀ ਸਭ ਤੋਂ ਵੱਧ ਜਾਂਚ-ਪੜਤਾਲ ਹੁੰਦੀ ਹੈ। EU AI Act ਆਪਣੇ ਅਨੁਲੱਗ III ਵਿੱਚ ਭਰਤੀ ਅਤੇ ਚੋਣ ਲਈ, ਅਤੇ ਤਰੱਕੀ, ਨੌਕਰੀ ਤੋਂ ਹਟਾਉਣ, ਕੰਮ ਵੰਡਣ ਅਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਦੇ ਮੁਲਾਂਕਣ ਦੇ ਫ਼ੈਸਲਿਆਂ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ AI ਸਿਸਟਮਾਂ ਨੂੰ ਉੱਚ-ਜੋਖ਼ਮ ਵਰਤੋਂ ਵਿੱਚ ਰੱਖਦਾ ਹੈ। ਦਾਅਵੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਵਾਲੀਆਂ ਭੂਮਿਕਾਵਾਂ, ਜਿਵੇਂ ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਵਿਕਰੀ, ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਅਤੇ ਸਿੱਧੀ ਮਾਰਕੀਟਿੰਗ ਦੇ ਨਿਯਮਾਂ ਲਈ ਜਵਾਬਦੇਹ ਹਨ, ਭਾਵੇਂ ਲਿਖਤ ਕਿਸੇ ਵੀ ਤਰੀਕੇ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੋਵੇ। ਅੰਕੜੇ ਪੇਸ਼ ਕਰਨ ਵਾਲੀਆਂ ਭੂਮਿਕਾਵਾਂ, ਜਿਵੇਂ ਵਿੱਤ ਅਤੇ ਲੇਖਾਕਾਰੀ, ਪੇਸ਼ੇਵਰ ਮਿਆਰਾਂ ਅਤੇ ਉਹਨਾਂ ਲੋਕਾਂ ਲਈ ਜਵਾਬਦੇਹ ਹਨ ਜੋ ਇਹਨਾਂ ਅੰਕੜਿਆਂ ’ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹਨ।

ਗਾਹਕਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਵਾਲੀਆਂ ਭੂਮਿਕਾਵਾਂ, ਜਿਵੇਂ ਸਹਾਇਤਾ ਅਤੇ ਗਾਹਕ ਖਾਤਾ ਪ੍ਰਬੰਧਨ, ਵਿੱਚ ਵੱਖਰਾ ਜੋਖ਼ਮ ਹੁੰਦਾ ਹੈ: AI ਵੱਲੋਂ ਲਿਖਿਆ ਅਜਿਹਾ ਜਵਾਬ ਜੋ ਕਿਸੇ ਨੀਤੀ ਨੂੰ ਗ਼ਲਤ ਦੱਸਦਾ ਹੈ, ਇੱਕ ਵਾਅਦਾ ਬਣ ਜਾਂਦਾ ਹੈ ਜਿਸ ਨੂੰ ਕੰਪਨੀ ਨੂੰ ਨਿਭਾਉਣਾ ਪੈ ਸਕਦਾ ਹੈ। ਹਰ ਮਾਮਲੇ ਵਿੱਚ, ਭੂਮਿਕਾ ਲਈ ਮਾਰਗਦਰਸ਼ਕ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਹੜੀਆਂ ਜਾਂਚਾਂ ਸਭ ਤੋਂ ਜ਼ਰੂਰੀ ਹਨ ਅਤੇ ਕਿਉਂ।

ਇੱਕੋ ਕੰਮ ਤਿੰਨ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਕਿਵੇਂ ਵੱਖਰਾ ਦਿਸਦਾ ਹੈ?

ਇੱਕ ਕਾਲਪਨਿਕ ਸਰੋਤ ਦੀ ਮਿਸਾਲ ਲਓ: ਫਰਨਹਿਲ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਇੱਕ ਨਵੀਂ ਸਹੂਲਤ ਦੇ ਜਾਰੀਕਰਨ ਬਾਰੇ ਨੋਟਸ। ਇਹ ਇੱਕ ਛੋਟੀ ਕੰਪਨੀ ਹੈ ਜੋ ਕਲੀਨਿਕਾਂ ਨੂੰ ਸਮਾਂ-ਸਾਰਣੀ ਬਣਾਉਣ ਵਾਲਾ ਸਾਫ਼ਟਵੇਅਰ ਵੇਚਦੀ ਹੈ। ਨੋਟਸ ਦੱਸਦੇ ਹਨ ਕਿ ਇਹ ਸਹੂਲਤ ਕਲੀਨਿਕਾਂ ਨੂੰ ਟੈਕਸਟ ਸੁਨੇਹੇ ਰਾਹੀਂ ਮੁਲਾਕਾਤਾਂ ਦੇ ਆਪਣੇ-ਆਪ ਯਾਦ-ਸੁਨੇਹੇ ਭੇਜਣ ਦਿੰਦੀ ਹੈ, ਪ੍ਰੋਫੈਸ਼ਨਲ ਪਲਾਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ, 1 ਦਸੰਬਰ ਨੂੰ ਸ਼ੁਰੂ ਹੋਵੇਗੀ ਅਤੇ ਹਾਲੇ ਅੰਗਰੇਜ਼ੀ ਤੋਂ ਇਲਾਵਾ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦੀ।

ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਕਰਮਚਾਰੀ AI ਤੋਂ ਮੌਜੂਦਾ ਗਾਹਕਾਂ ਲਈ ਲਾਂਚ ਈਮੇਲ ਮੰਗਦਾ ਹੈ। ਖਰੜੇ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਹੈ ਕਿ ਯਾਦ-ਸੁਨੇਹੇ 'ਨਾ ਪਹੁੰਚਣ ਦੇ ਮਾਮਲੇ ਬਹੁਤ ਘਟਾਉਂਦੇ ਹਨ'। ਰਿਲੀਜ਼ ਨੋਟਸ ਵਿੱਚ ਨਾ ਪਹੁੰਚਣ ਦੇ ਮਾਮਲਿਆਂ ਬਾਰੇ ਕੋਈ ਡਾਟਾ ਨਹੀਂ ਹੈ, ਇਸ ਲਈ ਮਾਰਕੀਟਿੰਗ ਕਰਮਚਾਰੀ ਉਹ ਸਤਰ ਹਟਾ ਕੇ ਇਸ ਦੀ ਥਾਂ ਦੱਸਦਾ ਹੈ ਕਿ ਸੁਵਿਧਾ ਕੀ ਕਰਦੀ ਹੈ।

ਇੱਕ ਵਿਕਰੇਤਾ AI ਤੋਂ ਉਸ ਕਲੀਨਿਕ ਲਈ ਅਗਲਾ ਸੁਨੇਹਾ ਮੰਗਦਾ ਹੈ ਜਿਸ ਨੇ ਕਾਲ ਦੌਰਾਨ ਯਾਦ-ਸੁਨੇਹਿਆਂ ਬਾਰੇ ਪੁੱਛਿਆ ਸੀ। ਖਰੜੇ ਵਿੱਚ ਲਿਖਿਆ ਹੈ ਕਿ ਇਹ ਸਹੂਲਤ 'ਸਾਰੀਆਂ ਯੋਜਨਾਵਾਂ ਵਿੱਚ ਉਪਲਬਧ' ਹੈ। ਅਜਿਹਾ ਨਹੀਂ ਹੈ। ਵਿਕਰੇਤਾ ਇਸ ਨੂੰ ਸੋਧ ਕੇ ਪ੍ਰੋਫੈਸ਼ਨਲ ਯੋਜਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਗਾਹਕ ਦੀ ਮੌਜੂਦਾ ਯੋਜਨਾ ਜਾਂਚਦਾ ਹੈ।

ਗਾਹਕ ਸਹਾਇਤਾ ਕਰਮਚਾਰੀ AI ਨੂੰ ਯਾਦ-ਦਿਹਾਨੀਆਂ ਬਾਰੇ ਸਹਾਇਤਾ ਕੇਂਦਰ ਦੇ ਜਵਾਬ ਦਾ ਖਰੜਾ ਬਣਾਉਣ ਲਈ ਕਹਿੰਦਾ ਹੈ। ਖਰੜੇ ਵਿੱਚ ਲਿਖਿਆ ਹੈ ਕਿ ਗਾਹਕ 'ਕੋਈ ਵੀ ਭਾਸ਼ਾ ਚੁਣ ਸਕਦੇ ਹਨ'। ਨੋਟਾਂ ਵਿੱਚ ਇਸ ਦੇ ਉਲਟ ਲਿਖਿਆ ਹੈ। ਕਰਮਚਾਰੀ ਇਸ ਨੂੰ ਠੀਕ ਕਰਦਾ ਹੈ ਅਤੇ ਜੋੜਦਾ ਹੈ ਕਿ ਕਿਸੇ ਭਾਸ਼ਾ ਲਈ ਬੇਨਤੀ ਕਰਨ ਵਾਸਤੇ ਕਿਸ ਨਾਲ ਸੰਪਰਕ ਕਰਨਾ ਹੈ।

ਉਹੀ ਸਰੋਤ, ਉਹੀ ਟੂਲ, ਤਿੰਨ ਵੱਖਰੀਆਂ ਗ਼ਲਤੀਆਂ, ਹਰ ਇੱਕ ਆਪਣੀ ਭੂਮਿਕਾ ਵਿੱਚ ਆਮ ਤੌਰ ’ਤੇ ਹੋਣ ਵਾਲੀ। ਇਸੇ ਲਈ ਆਪਣੀ ਨੌਕਰੀ ਦੇ ਕੰਮਾਂ ਦਾ ਅਭਿਆਸ ਆਮ ਮਿਸਾਲਾਂ ਨਾਲੋਂ ਵੱਧ ਸਿਖਾਉਂਦਾ ਹੈ।

ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ ਤੁਹਾਨੂੰ AI ਟੂਲਾਂ ਵਿੱਚ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਪਾਉਣੀ ਚਾਹੀਦੀ?

ਪਹਿਲਾਂ ਆਪਣੀ ਕੰਪਨੀ ਦੀ AI ਨੀਤੀ ਦੀ ਪਾਲਣਾ ਕਰੋ; ਜੇ ਕੋਈ ਨੀਤੀ ਨਹੀਂ ਹੈ, ਤਾਂ ਅਜਿਹੀ ਕੋਈ ਵੀ ਚੀਜ਼ ਪੇਸਟ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪੁੱਛੋ ਜੋ ਪਹਿਲਾਂ ਹੀ ਜਨਤਕ ਨਹੀਂ ਹੈ। ਆਮ ਨਿਯਮ ਵਜੋਂ, ਗਾਹਕਾਂ, ਉਮੀਦਵਾਰਾਂ ਜਾਂ ਸਹਿਕਰਮੀਆਂ ਦੇ ਨਿੱਜੀ ਡੇਟਾ, ਗਾਹਕਾਂ ਦੀ ਗੁਪਤ ਸਮੱਗਰੀ, ਅਣਪ੍ਰਕਾਸ਼ਿਤ ਵਿੱਤੀ ਜਾਣਕਾਰੀ ਅਤੇ ਇਕਰਾਰਨਾਮੇ ਜਾਂ ਗੁਪਤਤਾ ਸਮਝੌਤੇ ਦੇ ਅਧੀਨ ਆਉਣ ਵਾਲੀ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਬਾਰੇ ਸਭ ਤੋਂ ਵੱਧ ਸਾਵਧਾਨ ਰਹੋ।

ਜਵਾਬ ਸਾਧਨ ਅਤੇ ਯੋਜਨਾ ਉੱਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਨਿੱਜੀ ਖਾਤੇ, ਕੰਪਨੀ ਦੇ ਕਾਰਜ-ਸਥਾਨ ਅਤੇ ਕਿਸੇ ਹੋਰ ਐਪਲੀਕੇਸ਼ਨ ਅੰਦਰਲੀ AI ਸਹੂਲਤ ਲਈ ਸਟੋਰੇਜ, ਪਹੁੰਚ ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਸਮੱਗਰੀ ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਵੱਖੋ-ਵੱਖ ਸ਼ਰਤਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਸਿਰਫ਼ ਨਾਮ ਹਟਾਉਣ ਨਾਲ ਦਸਤਾਵੇਜ਼ ਪਛਾਣ-ਰਹਿਤ ਨਹੀਂ ਬਣ ਜਾਂਦਾ, ਖ਼ਾਸ ਕਰਕੇ ਛੋਟੀ ਸੰਸਥਾ ਵਿੱਚ। AI ਨੀਤੀ ਦੀ ਮਾਰਗਦਰਸ਼ਿਕਾ ਦੱਸਦੀ ਹੈ ਕਿ ਟੀਮ ਲਈ ਇਹ ਹੱਦਾਂ ਕਿਵੇਂ ਤੈਅ ਕਰਨੀਆਂ ਹਨ।

ਤੁਹਾਨੂੰ ਕਿਵੇਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਕੰਮ ਵਿੱਚ AI ਵਰਤਣ ਦਾ ਤੁਹਾਡਾ ਹੁਨਰ ਸੁਧਰ ਰਿਹਾ ਹੈ?

ਆਪਣੀਆਂ ਸੋਧਾਂ ਨੂੰ ਦੇਖੋ, ਤਿਆਰ ਕੀਤੀ ਸਮੱਗਰੀ ਦੀ ਮਾਤਰਾ ਨੂੰ ਨਹੀਂ। ਕੰਮ ਵਿੱਚ AI ਵਰਤਣ ਵਿੱਚ ਨਿਪੁੰਨ ਹੋ ਰਿਹਾ ਵਿਅਕਤੀ ਆਮ ਤੌਰ 'ਤੇ ਹਰ ਖਰੜੇ ਦਾ ਘੱਟ ਹਿੱਸਾ ਮੁੜ ਲਿਖਦਾ ਹੈ ਕਿਉਂਕਿ ਉਸ ਦੀਆਂ ਹਦਾਇਤਾਂ ਸੁਧਰਦੀਆਂ ਹਨ, ਉਹ ਘੜੇ ਹੋਏ ਵੇਰਵੇ ਜਲਦੀ ਫੜ ਲੈਂਦਾ ਹੈ ਅਤੇ ਸਮਝਾ ਸਕਦਾ ਹੈ ਕਿ ਉਸ ਨੇ ਕੋਈ ਤਬਦੀਲੀ ਕਿਉਂ ਕੀਤੀ। ਉਹ ਇਹ ਫ਼ੈਸਲਾ ਵੀ ਜਲਦੀ ਕਰਨ ਲੱਗਦਾ ਹੈ ਕਿ ਕਦੋਂ AI ਬਿਲਕੁਲ ਨਹੀਂ ਵਰਤਣੀ।

ਇਸ ਦਾ ਪਤਾ ਰੱਖਣ ਦਾ ਇੱਕ ਸੌਖਾ ਤਰੀਕਾ ਦੋ ਜਾਂ ਤਿੰਨ ਹਫ਼ਤਿਆਂ ਲਈ ਛੋਟਾ ਰਿਕਾਰਡ ਰੱਖਣਾ ਹੈ: ਕੰਮ, ਦਿੱਤੀ ਹਦਾਇਤ, ਤੁਸੀਂ ਕੀ ਬਦਲਿਆ ਅਤੇ ਕਿਉਂ। ਰੁਝਾਨ ਛੇਤੀ ਨਜ਼ਰ ਆਉਣ ਲੱਗਦੇ ਹਨ, ਜਿਵੇਂ ਕੋਈ ਸਾਧਨ ਹਮੇਸ਼ਾ ਅਜਿਹਾ ਭਰੋਸਾ ਜੋੜ ਦਿੰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਤੁਹਾਨੂੰ ਹਟਾਉਣਾ ਪੈਂਦਾ ਹੈ, ਜਾਂ ਕਿਸੇ ਕਿਸਮ ਦੇ ਕੰਮ ਵਿੱਚ ਪਹਿਲਾ ਖਰੜਾ ਲਗਾਤਾਰ ਵਰਤਣਯੋਗ ਹੁੰਦਾ ਹੈ। ਸਮਾਂ ਬਚਣ ਬਾਰੇ ਕਿਸੇ ਵੀ ਆਮ ਦਾਅਵੇ ਨਾਲੋਂ ਇਹ ਰੁਝਾਨ ਵਧੇਰੇ ਲਾਭਦਾਇਕ ਹਨ, ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਡੇ ਆਪਣੇ ਕੰਮ ਤੋਂ ਸਾਹਮਣੇ ਆਉਂਦੇ ਹਨ।

ਟੀਮ ਨੂੰ ਮਿਲ ਕੇ ਆਪਣੇ ਕੰਮਾਂ ਵਿੱਚ AI ਵਰਤਣਾ ਕਿਵੇਂ ਸਿੱਖਣਾ ਚਾਹੀਦਾ ਹੈ?

ਟੀਮ ਨੂੰ ਇੱਕ ਸਾਂਝਾ, ਅਸਲੀ ਕੰਮ ਵਰਗਾ ਕਾਰਜ ਦਿਓ, ਹਰ ਕਿਸੇ ਨੂੰ AI ਨਾਲ ਉਸ ਨੂੰ ਕਰਨ ਦਿਓ ਅਤੇ ਫਿਰ ਖਰੜਿਆਂ ਦੀ ਬਜਾਏ ਸੋਧਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਸੋਧਾਂ ਦੀ ਤੁਲਨਾ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਕੌਣ ਸਰੋਤਾਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਕੌਣ ਘੜੇ ਹੋਏ ਦਾਅਵੇ ਫੜਦਾ ਹੈ ਅਤੇ ਕੌਣ ਲਿਖਣ ਦਾ ਅੰਦਾਜ਼ ਕਾਇਮ ਰੱਖਦਾ ਹੈ। ਇਹ ਆਦਤਾਂ ਸਲਾਈਡਾਂ ਦੀ ਪੇਸ਼ਕਾਰੀ ਨਾਲੋਂ ਇਸ ਤਰੀਕੇ ਨਾਲ ਛੇਤੀ ਫੈਲਦੀਆਂ ਹਨ।

ਅਭਿਆਸ ਲਈ ਕਾਲਪਨਿਕ ਜਾਂ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਘੱਟ-ਜੋਖਮ ਵਾਲੀ ਸਮੱਗਰੀ ਹੀ ਵਰਤੋ, ਤੈਅ ਕਰੋ ਕਿ ਕਿਹੜੇ ਟੂਲ ਮਨਜ਼ੂਰ ਹਨ, ਅਤੇ ਅਜਿਹਾ ਮਾਹੌਲ ਬਣਾਓ ਕਿ ਲੋਕ ਬਿਨਾਂ ਡਰ ਦੇ ਗ਼ਲਤੀ ਦੱਸ ਸਕਣ। EU AI Act ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਆਉਂਦੀਆਂ ਸੰਸਥਾਵਾਂ ਲਈ, ਧਾਰਾ 4 AI ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਪ੍ਰਦਾਤਾਵਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਵਰਤੋਂ ਵਿੱਚ ਲਿਆਉਣ ਵਾਲਿਆਂ ਤੋਂ ਮੰਗ ਕਰਦੀ ਹੈ ਕਿ ਉਹ ਕਰਮਚਾਰੀਆਂ ਦੇ ਗਿਆਨ ਅਤੇ ਵਰਤੋਂ ਦੇ ਸੰਦਰਭ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਿਆਂ, ਉਨ੍ਹਾਂ ਦੀ AI ਸਾਖਰਤਾ ਵਧਾਉਣ ਲਈ ਕਦਮ ਚੁੱਕਣ। ਇਹ ਆਮ ਜਾਣਕਾਰੀ ਹੈ, ਕਾਨੂੰਨੀ ਸਲਾਹ ਨਹੀਂ। ਹੇਠਾਂ ਲਿੰਕ ਕੀਤੀ ਕਰਮਚਾਰੀ ਸਿਖਲਾਈ ਮਾਰਗਦਰਸ਼ਿਕਾ ਅਤੇ 30-ਦਿਨਾਂ ਦੀ ਲਾਗੂ ਕਰਨ ਦੀ ਯੋਜਨਾ ਵਿੱਚ ਵਧੇਰੇ ਵਿਸਥਾਰ ਵਾਲਾ ਪ੍ਰੋਗਰਾਮ ਦਿੱਤਾ ਗਿਆ ਹੈ।

ਕੰਮ ਲਈ AI ਕਦੋਂ ਢੁਕਵਾਂ ਸਾਧਨ ਨਹੀਂ ਹੁੰਦਾ?

ਜਦੋਂ ਤੁਸੀਂ ਨਤੀਜਾ ਜਾਂਚ ਨਹੀਂ ਸਕਦੇ, ਜਦੋਂ ਫੈਸਲਾ ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਨੌਕਰੀ, ਤਨਖਾਹ ਜਾਂ ਉਮੀਦਵਾਰੀ 'ਤੇ ਅਸਰ ਪਾਉਂਦਾ ਹੈ, ਜਦੋਂ ਨਤੀਜਾ ਰਿਪੋਰਟ ਵਿੱਚ ਦਿੱਤਾ ਜਾਣ ਵਾਲਾ ਅੰਤਿਮ ਅੰਕੜਾ ਹੈ ਅਤੇ ਜਦੋਂ ਗੱਲਬਾਤ ਲਈ ਅਜਿਹੇ ਇਨਸਾਨ ਦੀ ਲੋੜ ਹੈ ਜੋ ਕਹੀ ਗਈ ਗੱਲ ਲਈ ਜਵਾਬਦੇਹ ਹੋਵੇ, ਤਾਂ AI ਗਲਤ ਟੂਲ ਹੈ। ਇਹ ਉਦੋਂ ਵੀ ਗਲਤ ਟੂਲ ਹੈ ਜਦੋਂ ਕੰਮ ਸਿੱਧਾ ਕਰਨਾ ਵਧੇਰੇ ਤੇਜ਼ ਹੋਵੇ, ਜਿਵੇਂ ਦੋ ਸਤਰਾਂ ਦਾ ਜਵਾਬ ਜੋ ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਹੀ ਲਿਖਣਾ ਆਉਂਦਾ ਹੈ।

ਜਦੋਂ ਕੋਈ ਸਰੋਤ ਨਾ ਹੋਵੇ, ਉਦੋਂ ਵੀ ਸਾਵਧਾਨ ਰਹੋ। ਕਿਸੇ ਆਮ ਸਹਾਇਕ ਨੂੰ ਇਹ ਪੁੱਛਣ ਉੱਤੇ ਕਿ ਤੁਹਾਡੀ ਕੰਪਨੀ ਦੀ ਨੀਤੀ, ਤੁਹਾਡੇ ਗਾਹਕ ਦਾ ਇਕਰਾਰਨਾਮਾ ਜਾਂ ਮੌਜੂਦਾ ਟੈਕਸ ਨਿਯਮ ਕੀ ਕਹਿੰਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਸਹੀ ਜਿਹਾ ਲੱਗਣ ਵਾਲਾ ਜਵਾਬ ਮਿਲਦਾ ਹੈ, ਦਸਤਾਵੇਜ਼ ਨਹੀਂ। ਅਜਿਹੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਪਹਿਲਾਂ ਸਰੋਤ ਲੱਭੋ ਅਤੇ ਜੇ AI ਵਰਤਣਾ ਹੀ ਹੈ, ਤਾਂ ਉਸ ਨੂੰ ਪੜ੍ਹਨ ਵਿੱਚ ਮਦਦ ਲਈ ਵਰਤੋ।

Tosheo.ai ਕਿੱਥੇ ਢੁਕਵਾਂ ਹੈ, ਅਤੇ ਕਿੱਥੇ ਨਹੀਂ?

Tosheo.ai ਨੂੰ ਲਗਭਗ 5 ਤੋਂ 200 ਲੋਕਾਂ ਦੀਆਂ ਟੀਮਾਂ ਲਈ AI ਸਿਖਲਾਈ ਵਜੋਂ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ, ਜਿਸ ਨੂੰ ਉਹ ਆਪ ਸ਼ੁਰੂ ਕਰਕੇ ਵਰਤ ਸਕਣਗੀਆਂ। ਮੈਨੇਜਰ ਭੂਮਿਕਾਵਾਂ ਅਤੇ ਟੀਮ ਵੱਲੋਂ ਵਰਤੇ ਜਾਂਦੇ AI ਟੂਲ ਚੁਣਦਾ ਹੈ। ਹਰ ਸਿੱਖਿਆਰਥੀ ਇੱਕ ਛੋਟੀ ਸ਼ੁਰੂਆਤੀ ਪੱਧਰ ਜਾਂਚ ਕਰਦਾ ਹੈ ਅਤੇ ਫਿਰ ਆਪਣੀ ਭੂਮਿਕਾ ਅਨੁਸਾਰ 10 ਤੋਂ 15 ਮਿੰਟ ਦੇ ਪਾਠਾਂ ਦੀ ਲੜੀ ਵਿੱਚ ਅੱਗੇ ਵਧਦਾ ਹੈ। ਹਰ ਪਾਠ ਅਸਲ AI ਟੂਲ ਨਾਲ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਅਮਲੀ ਕੰਮ ਨਾਲ ਮੁੱਕਦਾ ਹੈ, ਜਿਸ ਨੂੰ ਸਪਸ਼ਟ ਮੁਲਾਂਕਣ ਮਾਪਦੰਡਾਂ ਅਨੁਸਾਰ ਅੰਕ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ। ਯੋਜਨਾ ਹੈ ਕਿ ਮੈਨੇਜਰ ਹੁਨਰਾਂ ਵਿੱਚ ਤਰੱਕੀ ਅਤੇ ਕੰਮ ਪੂਰੇ ਹੋਣ ਦੀ ਸਥਿਤੀ ਦੇਖ ਸਕਣਗੇ, ਚੈਟ ਦੇ ਮੂਲ ਰਿਕਾਰਡ ਨਹੀਂ। ਉਤਪਾਦ ਹਾਲੇ ਬਣ ਕੇ ਤਿਆਰ ਨਹੀਂ ਹੈ, ਇਸ ਲਈ ਇਹ ਸਭ ਯੋਜਿਤ ਦਾਇਰੇ ਦਾ ਹਿੱਸਾ ਹੈ।

ਇਹ ਹਰ ਖਰੀਦਦਾਰ ਲਈ ਸਹੀ ਚੋਣ ਨਹੀਂ ਹੈ। ਇਹ ਉਨ੍ਹਾਂ ਵੱਡੀਆਂ ਸੰਸਥਾਵਾਂ ਲਈ ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ ਜਿਨ੍ਹਾਂ ਨੂੰ ਖਰੀਦ ਲਈ ਸਿੰਗਲ ਸਾਈਨ-ਆਨ (SSO), LMS ਨਾਲ ਜੋੜ ਜਾਂ ਵੱਡੀਆਂ ਸੰਸਥਾਵਾਂ ਲਈ ਇਕਰਾਰਨਾਮਿਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਪੇਸ਼ਕਸ਼ ਵਿੱਚ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ। ਇਹ ਖ਼ੁਦ ਅਭਿਆਸ ਕਰਨ ਵਾਲੀ ਇੰਜੀਨੀਅਰਿੰਗ ਸਿਖਲਾਈ ਨਹੀਂ ਹੈ, ਅਤੇ ਪਾਠ ਸਿਰਫ਼ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਰੱਖਣ ਦੀ ਯੋਜਨਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਆਪਣੇ ਆਪ ਸਿੱਖ ਰਹੇ ਹੋ, ਤਾਂ ਕੋਈ ਆਮ ਕੋਰਸ ਜਾਂ ਇਸ ਸਾਈਟ ਉੱਤੇ ਮੁਫ਼ਤ ਮਾਰਗਦਰਸ਼ਕ ਤੁਹਾਡੇ ਲਈ ਵਧੇਰੇ ਢੁਕਵੇਂ ਹੋ ਸਕਦੇ ਹਨ। ਟੀਮਾਂ ਲਈ ਯੋਜਨਾਬੱਧ ਕੀਮਤਾਂ ਕੀਮਤਾਂ ਵਾਲੇ ਪੰਨੇ ਉੱਤੇ ਹਨ।

ਸਰੋਤ ਅਤੇ ਦਾਇਰਾ

NIST, ਮਸਨੂਈ ਬੁੱਧੀ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਢਾਂਚਾ: ਜਨਰੇਟਿਵ AI ਪ੍ਰੋਫ਼ਾਈਲ (NIST AI 600-1), ਜੁਲਾਈ 2024 ↗

ਯੂਰਪੀ ਕਮਿਸ਼ਨ ਦਾ AI ਕਾਨੂੰਨ ਸਹਾਇਤਾ ਕੇਂਦਰ, ਨਿਯਮ (EU) 2024/1689 ਅਨੁਬੰਧ III, ਉੱਚ-ਜੋਖਮ ਵਾਲੇ AI ਸਿਸਟਮ ↗

ਯੂਰਪੀ ਕਮਿਸ਼ਨ ਦਾ AI ਕਾਨੂੰਨ ਸਹਾਇਤਾ ਕੇਂਦਰ, ਨਿਯਮ (EU) 2024/1689 ਧਾਰਾ 4, AI ਸਾਖਰਤਾ ↗