தயாரிப்பு மேலாளர்களுக்கான AI: ஆய்வு, விவரக்குறிப்புகள் மற்றும் தீர்மானிக்கும் திறன்

தயாரிப்பு மேலாண்மையில் செயற்கை நுண்ணறிவை எப்படிப் பயன்படுத்தலாம்?

ஒரு தயாரிப்பு மேலாளருக்கு, வேகமாகவும் சோர்வின்றியும் படித்துப் புரிந்துகொள்வதற்கும் முதல் வரைவை எழுதுவதற்கும் AI மிகவும் பயனுள்ளது. ஏராளமான குறிப்புகளை அலசி, கருத்துகளை வகைப்படுத்தி, சில நிமிடங்களில் தேவைக் குறிப்பின் அடிப்படைக் கட்டமைப்பை உருவாக்க முடியும். ஆனால் ஒரு தயாரிப்பு மேலாளரின் மதிப்பை நிர்ணயிக்கும் விஷயங்களில்தான் அது மிகவும் பலவீனமானது: எந்த ஆதாரம் ஒட்டுமொத்த நிலையைப் பிரதிபலிக்கிறது, எந்த வாடிக்கையாளர் நிறுவனத்தின் உத்திக்கு முக்கியமானவர், எந்தச் சமரசத்தை நிறுவனம் ஏற்றுக்கொள்ள முடியும் என்பவற்றை அறிதல்.

உங்கள் நிறுவனம் பகிர அனுமதிக்கும் தகவல்களைப் பயன்படுத்தி, பொதுப் பயன்பாட்டு உதவியாளர் உதவக்கூடிய பணிகள் இவை:

வாடிக்கையாளர் நேர்காணல்களை AI சுருக்கும்போது என்ன தவறுகள் ஏற்படுகின்றன?

பொதுவான பிரச்சினை மிகைப்படுத்துதல்தான். 'முக்கியக் கருத்துகள்' கேட்டால், இரண்டு பேர் கூறிய ஒன்றை 'பயனர்கள் விரும்புவது' என்று மாதிரி முன்வைக்கிறது; கருத்து வேறுபாடுகளை மறைத்துவிடுகிறது; யாருமே சொல்லாத மேற்கோளையும் உருவாக்கக்கூடும். அந்தச் சுருக்கத்தை அடிப்படையாகக் கொண்ட தயாரிப்பு முடிவு, இல்லாத ஆதாரத்தின் மேல் கட்டப்படுகிறது.

ஒரு கற்பனை எடுத்துக்காட்டு. லெட்ஜர்லி என்பது விலைப்பட்டியல் உருவாக்கும் ஒரு சிறிய செயலி. தயாரிப்பு மேலாளரிடம் ஆறு வாடிக்கையாளர் நேர்காணல்களின் குறிப்புகள் உள்ளன. இரண்டு வாடிக்கையாளர்கள் தானியங்கிப் பணம் செலுத்தும் நினைவூட்டல்களைக் கேட்டனர். ஒருவர், நினைவூட்டல்கள் தங்கள் வாடிக்கையாளர்களுக்கு எரிச்சலூட்டும் என்பதால் அவற்றை அணைத்துவிடுவோம் என்றார். மூவர் நினைவூட்டல்கள் பற்றிக் குறிப்பிடவில்லை; வங்கிக் கணக்குகளை ஒப்பிட்டுச் சரிபார்ப்பதில் ஏற்படும் தாமதம் பற்றியே பெரும்பாலும் பேசினர்.

'இந்த நேர்காணல்களின் முக்கியக் கருத்துகளைச் சுருக்கவும்' என்ற தளர்வான வழிமுறை இத்தகைய பதிலை உருவாக்கியது: 'பயனர்கள் தானியங்கிப் பணம் செலுத்தும் நினைவூட்டல்களை மிகவும் விரும்புகிறார்கள். ஒரு வாடிக்கையாளர் கூறியபடி, “நினைவூட்டல்களுக்காகக் கூடுதலாகப் பணம் செலுத்துவேன்.” கணக்குகளை ஒப்பிட்டுச் சரிபார்ப்பது இரண்டாம்பட்சக் கவலையே.' மேற்கோளில் உள்ள வாக்கியத்தை யாரும் சொல்லவில்லை. அதிக ஆதரவு இருந்த கருத்தான கணக்குகளை ஒப்பிட்டுச் சரிபார்ப்பது பின்னுக்குத் தள்ளப்பட்டது. எதிர்ப்பு கருத்து மறைந்துவிட்டது.

மேம்பட்ட வழிமுறை: 'ஒவ்வொரு கருப்பொருளுக்கும், அதைக் குறிப்பிடும் நேர்காணல்களின் எண்ணிக்கை, நேர்காணல் அடையாளங்கள், குறிப்புகளிலிருந்து அப்படியே நகலெடுக்கப்பட்ட ஒரு மேற்கோள் ஆகியவற்றைக் கொடு. அந்தக் கருப்பொருளுக்கு முரணாக உள்ள எந்த நேர்காணலையும் பட்டியலிடு. கருப்பொருள்களை முக்கியத்துவத்தின் அடிப்படையில் தரவரிசைப்படுத்தாதே.' சரிபார்க்கப்பட்ட சுருக்கம் இவ்வாறு இருந்தது: கணக்குப் பொருத்தம், 6 நேர்காணல்களில் 3-இல் குறிப்பிடப்பட்டது (I2, I4, I6); பணம் செலுத்துவதற்கான நினைவூட்டல்கள், 6-இல் 2-இல் கோரப்பட்டன (I1, I3), ஒரு எதிர்ப்புடன் (I5). சுருக்கத்தைப் பகிர்வதற்கு முன் தயாரிப்பு மேலாளர் ஒவ்வொரு மேற்கோளையும் குறிப்புகளுடன் ஒப்பிட்டுச் சரிபார்த்தார்.

AI உதவியுடன் சிறந்த தேவைக் குறிப்பை எழுதுவது எப்படி?

தேவைக் குறிப்பை உங்களுக்காக எழுதச் சொல்வதற்குப் பதிலாக, அதில் விடுபட்டுள்ளவற்றைக் கண்டறிய AI பயன்படுத்துங்கள். பிரச்சினை விளக்கத்தையும் இலக்குகளையும் தானே எழுதும் தயாரிப்பு மேலாளர் அவற்றைப் புரிந்திருப்பார்; உருவாக்கப்பட்ட பதிப்பை அப்படியே ஏற்றுக்கொள்பவரால், மதிப்பாய்வில் அதற்கான நியாயத்தைப் பெரும்பாலும் விளக்க முடியாது.

லெட்ஜர்லி எடுத்துக்காட்டைத் தொடர்வோம். குழு நினைவூட்டல்களை உருவாக்குவதாக வைத்துக்கொள்வோம். தயாரிப்பு மேலாளர் ஒரு பத்தியில் விளக்கத்தை எழுதி இவ்வாறு கேட்கிறார்: 'இந்த அம்சம் கையாள வேண்டிய விதிவிலக்கான சூழ்நிலைகளைப் பட்டியலிடுங்கள். கட்டணம், நேரம், வாடிக்கையாளர் அனுபவம் ஆகியவற்றின் அடிப்படையில் அவற்றைத் தொகுக்கவும்.' பயனுள்ள பட்டியலில், பகுதியளவு செலுத்தப்பட்ட கட்டணப் பட்டியல்கள், வாடிக்கையாளர் எதிர்ப்புத் தெரிவித்த கட்டணப் பட்டியல்கள், வேறு நேர மண்டலத்தில் உள்ள வாடிக்கையாளர்கள், பொது விடுமுறை நாளில் அனுப்பத் திட்டமிடப்பட்ட நினைவூட்டல், தன்னைத் தொடர்புகொள்ள வேண்டாம் என்று கேட்டுக்கொண்ட வாடிக்கையாளர், நினைவூட்டல் அனுப்பப்பட்ட பின் திருத்தப்பட்ட கட்டணப் பட்டியல் ஆகியவை இருக்கும்.

முதல் வெளியீட்டில் எந்த விதிவிலக்கு நிலைகள் சேர்க்கப்பட வேண்டும், எவை வெளிப்படையாக நோக்கத்தில் சேராதவை, எவற்றுக்குப் பொறியியல் கருத்து தேவை என்பதைத் தயாரிப்பு மேலாளர் பின்னர் தீர்மானிப்பார். அந்த முடிவும் அதற்குப் பின்னாலுள்ள காரணங்களும்தான் விவரக்குறிப்பின் மிக முக்கியமான பகுதி; அதை மற்றவரிடம் ஒப்படைக்கக் கூடாது.

தயாரிப்பு வடிவமைப்பையோ, தயாரிப்பு மேலாளரின் வேலையையோ AI செய்ய முடியுமா?

இரண்டிலும் சில பகுதிகளுக்கு AI உதவலாம். இடைமுக உரையை வரையலாம், தளவமைப்பு விருப்பங்களைப் பரிந்துரைக்கலாம், சில கருவிகளில் ஆரம்ப மாதிரிகளை உருவாக்கலாம், பல மாற்று வடிவங்களை விரைவாக உருவாக்கலாம். வெவ்வேறு வாய்ப்புகளை ஆராய இது உதவும். இருப்பினும், பயனர்கள், நிறுவன அடையாளம், கட்டுப்பாடுகள் ஆகியவற்றுக்கு எந்த விருப்பம் பொருந்தும் என்பதை வடிவமைப்பாளரோ தயாரிப்பு மேலாளரோ தீர்மானிக்க வேண்டும்.

தயாரிப்பு மேலாளரின் மையப் பணி தேர்வு செய்வதுதான்: எந்தச் சிக்கல், எந்த வாடிக்கையாளர்கள், எதைப் பெற எதை விட்டுக்கொடுப்பது, எதை உருவாக்காமல் இருப்பது. நிறுவனத்தின் உத்தி, குறிப்பிட்ட வாடிக்கையாளர்களுக்கு அளித்துள்ள உறுதிப்பாடுகள், பொறியியல் குழுவால் தொடர்ந்து சமாளிக்கக்கூடியவை போன்ற, மாதிரியிடம் இல்லாத சூழல் தகவல்களை இந்தத் தேர்வுகள் சார்ந்துள்ளன. எந்தப் பணிப் பங்குகள் மாறும், எவ்வளவு வேகமாக மாறும் என்பது குறித்து நாங்கள் கணிப்புகள் செய்வதில்லை.

AI தயாரிப்பு மேலாளரும் AI பயன்படுத்தும் தயாரிப்பு மேலாளரும் ஒருவரேதானா?

இல்லை. AI தயாரிப்பு மேலாளர் என்பது பொதுவாக AI அம்சங்களை உருவாக்குபவரைக் குறிக்கும்: மாதிரி எவ்வாறு செயல்பட வேண்டும் என்பதை வரையறுத்தல், மதிப்பீடுகளை வடிவமைத்தல், தோல்விச் சூழல்களைக் கையாளுதல், மாதிரியை இயக்கி வெளியீடு பெறுவதற்கான செலவை நிர்வகித்தல் ஆகியவை இதில் அடங்கும். தனக்கெனப் படிப்புகளும் வேலைவாய்ப்புச் சந்தையும் கொண்ட சிறப்புத் துறை அது.

தற்போதைய பணியைச் சிறப்பாகச் செய்ய AI கருவிகளைப் பயன்படுத்தும் பெரும் எண்ணிக்கையிலான தயாரிப்பு மேலாளர்களைப் பற்றியது இந்த வழிகாட்டி. நீங்கள் AI அம்சங்களை உருவாக்குகிறீர்கள் என்றால், இரண்டும் தேவை: இந்தப் பக்கத்தில் உள்ள அன்றாடத் திறன்களும், இந்தப் பக்கம் உள்ளடக்காத மாதிரி மதிப்பீடு மற்றும் செயல்பாடு குறித்த தனி அடிப்படை அறிவும்.

தயாரிப்பு தொடர்பான எந்த ஆதாரங்களைச் செயற்கை நுண்ணறிவுக் கருவிகளில் உள்ளிடக்கூடாது?

நீங்கள் பயன்படுத்தும் கருவிக்கு உங்கள் நிறுவனம் அனுமதிக்காத எதுவும். நேர்காணல் குறிப்புகளில் பெரும்பாலும் பெயர்கள், பணியமர்த்தும் நிறுவனங்கள் மற்றும் நபர்களை அடையாளம் காண உதவும் விவரங்கள் இருக்கும்; அவற்றை ஒட்டுவதற்கு முன் நீக்கிவிட்டு, அவற்றுக்குப் பதிலாக நேர்காணல் அடையாள எண்களைப் பயன்படுத்துங்கள். இன்னும் வெளியிடப்படாத தயாரிப்பு மேம்பாட்டுத் திட்ட விவரங்கள், விலைத் திட்டங்கள் மற்றும் ஒப்பந்த நிபந்தனைகள் ஆகியவற்றுக்குக் கொள்கையின்படி கட்டுப்பாடுகள் இருக்கலாம்.

தனிப்பட்ட கணக்குக்குப் பதிலாக நிறுவனம் அங்கீகரித்த பணித்தளத்தைப் பயன்படுத்துங்கள். ஆய்வுப் பதிவுகளையோ அவற்றின் எழுத்துப்படிகளையோ பதிவேற்றுவதற்கு முன், உங்கள் நிறுவனத்தின் AI கொள்கையைச் சரிபாருங்கள். தனிப்பட்ட தரவுகள் இடம்பெறும்போது, எந்தக் கருவியைப் பயன்படுத்தினாலும் நிறுவனத்துக்குத் தரவுப் பாதுகாப்புக் கடமைகள் உள்ளன.

ஒரு தயாரிப்புக் குழு AI பயன்பாட்டை எவ்வாறு பயிற்சி செய்ய வேண்டும்?

ஆதாரங்களும் முடிவும் உங்களுக்கு ஏற்கெனவே தெரிந்த ஒரு கடந்தகாலத் தீர்மானத்தைப் பயன்படுத்திப் பயிற்சி செய்யுங்கள்.

இந்த அணுகுமுறை எப்போது சரியான தீர்வாக இருக்காது?

உங்கள் ஆய்வில் சில நேர்காணல்கள் மட்டுமே இருந்தால், அவற்றை நீங்களே படியுங்கள். AI மூலம் தகவல்களைத் தொகுப்பதால் மிச்சமாகும் நேரம் குறைவே; குறிப்புகளைப் படிப்பது, ஒரு சுருக்கம் தர முடியாத பின்னணிப் புரிதலைத் தரும். ஒருவர் கவனமாகப் படிக்கக்கூடிய அளவைவிட அதிகத் தகவல்கள் இருக்கும்போதுதான் AI பயன்படுகிறது. அப்போதும்கூட, படிப்பதற்கு மாற்றாக இல்லாமல், எதைப் படிக்க வேண்டும் என்பதை அது சுட்டிக்காட்ட வேண்டும்.

Tosheo.ai என்பது செயற்கை நுண்ணறிவுத் தயாரிப்பு மேலாண்மை அல்லது மாதிரி மதிப்பீட்டுப் படிப்பு அல்ல. திட்டமிடப்பட்ட தயாரிப்புப் பணிப் பொறுப்புக்கான கற்றல் பாதை, குறுகிய பாடங்கள், வெளிப்படையான மதிப்பீட்டு அளவுகோல்களின்படி மதிப்பிடப்படும் பயிற்சிப் பணிகள் மூலம் அன்றாட வேலையில் பொதுவான செயற்கை நுண்ணறிவுக் கருவிகளைப் பயன்படுத்த மக்களுக்குக் கற்பிக்க இது உருவாக்கப்படவுள்ளது. செயற்கை நுண்ணறிவுத் தயாரிப்புகளை உருவாக்குவதற்கான தொழில் வாழ்க்கைப் பயிற்சி தேவைப்பட்டால், சிறப்புப் படிப்பு சிறந்த தேர்வாகும்.