ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ। ਫਿਰ ਲੋੜ ਮੁਤਾਬਕ ਬਦਲਦਾ ਰਾਹ।

ਪਹਿਲੇ ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਬੰਧਕ ਕੀ ਕਰਦਾ ਹੈ?

ਮੈਨੇਜਰ ਛੋਟਾ ਜਿਹਾ ਸੈੱਟਅੱਪ ਪੂਰਾ ਕਰਕੇ ਸੱਦੇ ਭੇਜਦਾ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਕਿਰਿਆ ਇਸ ਟੀਚੇ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ ਕਿ ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਤੋਂ ਪਹਿਲੇ ਸੱਦੇ ਤੱਕ ਦਸ ਮਿੰਟ ਤੋਂ ਘੱਟ ਲੱਗਣ। ਇਹ ਡਿਜ਼ਾਈਨ ਦਾ ਟੀਚਾ ਹੈ ਜਿਸ ਨੂੰ ਅਸੀਂ ਪਰਖਾਂਗੇ, ਨਾ ਕਿ ਮਾਪਿਆ ਹੋਇਆ ਨਤੀਜਾ।

ਇੱਕ ਪਾਠ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ?

ਯੋਜਨਾ ਅਨੁਸਾਰ ਹਰ ਪਾਠ ਦੇ ਤਿੰਨ ਹਿੱਸੇ ਹਨ: ਇੱਕ ਛੋਟੀ ਵਿਆਖਿਆ, ਸਿੱਖਣ ਵਾਲੇ ਦੀ ਨੌਕਰੀ ਦੀ ਭੂਮਿਕਾ ਨਾਲ ਸੰਬੰਧਿਤ ਹੱਲ ਕੀਤੀ ਉਦਾਹਰਨ ਅਤੇ ਕਿਸੇ ਅਸਲ AI ਟੂਲ ਵਿੱਚ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਅਭਿਆਸੀ ਕੰਮ। ਸਿੱਖਣ ਵਾਲਾ ਆਪਣਾ ਅੰਤਿਮ ਨਤੀਜਾ ਅਤੇ ਉਸ ਵਿੱਚ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ ਬਾਰੇ ਇੱਕ ਛੋਟਾ ਨੋਟ ਵਾਪਸ Tosheo.ai ਵਿੱਚ ਕਾਪੀ ਕਰਦਾ ਹੈ, ਜਿੱਥੇ ਕੰਮ 'ਤੇ ਦਿਖਾਈ ਗਈ ਅੰਕ ਦੇਣ ਦੀ ਮਾਪਦੰਡ-ਸੂਚੀ ਅਨੁਸਾਰ ਉਸ ਨੂੰ ਅੰਕ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ।

ਹਾਰਬਰ ਲੇਨ ਲੌਜਿਸਟਿਕਸ ਦੇ ਇੱਕ ਕਾਲਪਨਿਕ ਸੰਚਾਲਨ ਤਾਲਮੇਲਕਰਤਾ ਦੀ ਮਿਸਾਲ ਲਓ। ਵਿਆਖਿਆ ਦੱਸਦੀ ਹੈ ਕਿ ਸਾਰ ਕਿਸ ਪਾਠਕ ਲਈ ਹੈ, ਇਹ ਸਪਸ਼ਟ ਕਰਨਾ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ। ਹੱਲ ਕੀਤੀ ਮਿਸਾਲ ਵਿੱਚ ਸਪਲਾਇਰ ਨੂੰ ਮਾਲ ਵਾਪਸ ਕਰਨ ਦੀ SOP ਨੂੰ ਗੋਦਾਮ ਦੇ ਕਰਮਚਾਰੀਆਂ ਲਈ ਸੰਖੇਪ ਕੀਤਾ ਗਿਆ ਹੈ। ਕੰਮ ਵਿੱਚ ਸਿੱਖਣ ਵਾਲੇ ਨੂੰ ਆਪਣੀ ਟੀਮ ਦੇ AI ਟੂਲ ਨਾਲ ਇੱਕ ਹੋਰ ਦਿੱਤੀ ਗਈ SOP ਦਾ ਨਵੇਂ ਕਰਮਚਾਰੀਆਂ ਲਈ ਸਾਰ ਬਣਾਉਣ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸੁਰੱਖਿਆ ਜਾਂਚ ਵਾਲਾ ਹਰ ਕਦਮ ਰੱਖਣਾ ਲਾਜ਼ਮੀ ਹੈ।

ਫੀਡਬੈਕ ਦਾ ਮਕਸਦ ਕੀਤੇ ਕੰਮ ਵੱਲ ਧਿਆਨ ਦਿਵਾਉਣਾ ਹੈ। ਲਾਭਦਾਇਕ ਟਿੱਪਣੀ ਇਸ ਤਰ੍ਹਾਂ ਹੁੰਦੀ ਹੈ: "ਤੁਹਾਡਾ ਸਾਰ ਸਪਸ਼ਟ ਹੈ ਅਤੇ ਨਵੇਂ ਕਰਮਚਾਰੀ ਲਈ ਸਹੀ ਲੰਬਾਈ ਦਾ ਹੈ, ਪਰ ਕਦਮ 4 ਹੁਣ ਕਹਿੰਦਾ ਹੈ 'ਪੈਲੇਟ ਦੀ ਜਾਂਚ ਕਰੋ' ਜਦਕਿ ਸਰੋਤ ਕਹਿੰਦਾ ਹੈ 'ਪੈਲੇਟ ਦੀ ਸੀਲ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਨੰਬਰ ਦਰਜ ਕਰੋ'। ਨੰਬਰ ਦਰਜ ਕਰਨ ਵਾਲਾ ਕਦਮ ਮੁੜ ਜੋੜੋ, ਫਿਰ ਦੁਬਾਰਾ ਜਮ੍ਹਾਂ ਕਰੋ।" ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਕਾਰਨ ਤੋਂ ਬਿਨਾਂ ਸਿਰਫ਼ ਅੰਕ ਦੇਣਾ ਉਹ ਤਜਰਬਾ ਨਹੀਂ ਹੈ ਜੋ ਅਸੀਂ ਦੇਣਾ ਚਾਹੁੰਦੇ ਹਾਂ।

ਪਾਠਾਂ ਦੀ ਸਮੱਗਰੀ ਕਿੱਥੋਂ ਆਉਂਦੀ ਹੈ?

ਪਾਠਾਂ ਨੂੰ ਵਰਤੋਂ ਵੇਲੇ ਤਿਆਰ ਕਰਨ ਦੀ ਯੋਜਨਾ ਹੈ। ਗੁਣਵੱਤਾ ਇਕਸਾਰ ਰੱਖਣ ਅਤੇ ਘੜੀ ਹੋਈ ਸਮੱਗਰੀ ਘਟਾਉਣ ਲਈ ਇਨ੍ਹਾਂ ਦਾ ਆਧਾਰ AI ਕੋਰਸਾਂ ਅਤੇ ਲੇਖਾਂ ਦਾ ਇੱਕ ਸਥਾਪਤ ਸੰਗ੍ਰਹਿ ਹੋਵੇਗਾ। ਹਰ ਕੰਮ ਲਈ ਅੰਕ ਦੇਣ ਦੇ ਮਾਪਦੰਡ ਸੰਭਾਲ ਕੇ ਰੱਖੇ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਹਰ ਮੁਲਾਂਕਣ ਦਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਕਿਸੇ ਅੰਕ ’ਤੇ ਇਤਰਾਜ਼ ਹੋਣ ’ਤੇ ਉਸ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਜਾ ਸਕੇ।

ਜੇ ਕੋਈ ਟੀਮ ਕੰਪਨੀ ਦੇ ਦਸਤਾਵੇਜ਼ ਅੱਪਲੋਡ ਕਰਦੀ ਹੈ, ਤਾਂ ਉਦਾਹਰਨਾਂ ਅਤੇ ਅਭਿਆਸ ਉਸ ਸੰਦਰਭ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ। ਗ੍ਰੋਥ ਪਲਾਨ ਲਈ ਕੰਪਨੀ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਆਧਾਰ ਵਜੋਂ ਵਰਤਣ ਦੀ ਸੁਵਿਧਾ ਦੀ ਯੋਜਨਾ ਹੈ। ਯੋਜਨਾ ਇਹ ਹੈ ਕਿ ਅੱਪਲੋਡ ਕੀਤੇ ਦਸਤਾਵੇਜ਼ ਹਰ ਕੰਪਨੀ ਲਈ ਵੱਖਰੇ ਰੱਖੇ ਜਾਣ, ਖਾਤਾ ਬੰਦ ਹੋਣ 'ਤੇ ਮਿਟਾ ਦਿੱਤੇ ਜਾਣ ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਕਦੇ ਨਾ ਵਰਤੇ ਜਾਣ। ਸਿਖਿਆਰਥੀ ਉਨ੍ਹਾਂ AI ਟੂਲਾਂ ਵਿੱਚ ਅਭਿਆਸ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਤੁਹਾਡੀ ਕੰਪਨੀ ਪਹਿਲਾਂ ਹੀ ਭੁਗਤਾਨ ਕਰਦੀ ਹੈ; ਉਹ ਗਾਹਕੀਆਂ ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਹਨ।