નફો:
- એક ઑડિટેબલ વર્કફ્લોમાં સામગ્રી, શોધ, ભલામણ, સેવા અને વિશ્લેષણાત્મક પગલાંને જોડતી ઑપરેશન ડિઝાઇન કરવાની ક્ષમતા
- KVKK/GDPR, ઉપભોક્તા કાયદા અને બજારના કરારોને દૈનિક કૃત્રિમ બુદ્ધિમત્તાના ઉપયોગમાં એમ્બેડેડ અનુપાલન માળખામાં રૂપાંતરિત કરવાની ક્ષમતા
- આર્ટિફિશિયલ ઇન્ટેલિજન્સ ગવર્નન્સ તરીકે નૈતિકતા, પારદર્શિતા અને જવાબદારીના સિદ્ધાંતોને સંસ્થાકીય બનાવવાની ક્ષમતા અને ટીમ માટે એક નિયમ બનાવવો
મોડ્યુલ પરીક્ષા
1. સ્ટોર માલિક કૃત્રિમ બુદ્ધિમત્તા દ્વારા સૂચવેલ નવી વેચાણ કિંમતને કોઈપણ કિંમત અને માર્જિન નિયંત્રણ વિના તમામ ઉત્પાદનો પર સીધો લાગુ કરે છે. આ અભિગમમાં મૂળભૂત ભૂલ શું છે?
- A) આર્ટિફિશિયલ ઇન્ટેલિજન્સ આઉટપુટને ખર્ચ, માર્જિન અને વ્યાપારી ચકાસણીને આધીન કર્યા વિના નિર્ણયમાં રૂપાંતરિત કરવું; જવાબદારી લોકોની છે તે અવગણવું ✔
- બી) કિંમતોમાં કૃત્રિમ બુદ્ધિનો ઉપયોગ કરવા માટે સખત પ્રતિબંધિત છે
- C) આર્ટિફિશિયલ ઇન્ટેલિજન્સ હંમેશા તેની કિંમત કરતાં ઓછી બતાવે છે
- ડી) કિંમત ઓફર કોષ્ટકમાં રજૂ કરવામાં આવી નથી
વર્ણન: કૃત્રિમ બુદ્ધિ કિંમત માટે આંકડાકીય ભલામણ પેદા કરે છે; જો કે, અંતિમ કિંમત કિંમત, માર્જિન, ઝુંબેશ અને સ્પર્ધાના નિયમો પર આધારિત છે અને જવાબદારી સ્ટોર માલિકની છે. ચકાસાયેલ આઉટપુટ એક અનચેક કરેલ ઉત્પાદન જેવું છે અને નુકસાન પહોંચાડી શકે છે.
2. ગ્રાહક સેવા અધિકારી ગ્રાહકોના નામ, ફોન નંબર અને સરનામાની માહિતી સહિતની ઓર્ડર લિસ્ટને સાર્વજનિક રૂપે ઉપલબ્ધ આર્ટિફિશિયલ ઇન્ટેલિજન્સ ટૂલમાં પેસ્ટ કરે છે અને કહે છે કે 'આ લોકોને ઝુંબેશ ટેક્સ્ટ લખો'. આ વર્તન સાથે મુખ્ય સમસ્યા શું છે?
- A) ઝુંબેશ લખાણ ખૂબ લાંબુ છે
- બી) કૃત્રિમ બુદ્ધિ અભિયાન લખાણ લખી શકતી નથી
- સી) ઝુંબેશ માત્ર ઈ-મેલ દ્વારા મોકલી શકાય છે
- D) KVKK/GDPR નું ઉલ્લંઘન કરીને વ્યક્તિગત ડેટાને સાર્વજનિક સાધનમાં અનામી રાખ્યા વિના સ્થાનાંતરિત કરીને ✔
સમજૂતી: નામ, ટેલિફોન, સરનામું અને ઓર્ડર માહિતી એ KVKK/GDPR ના કાર્યક્ષેત્રમાંનો વ્યક્તિગત ડેટા છે. તેને સાર્વજનિક સાધન પર અપલોડ કરવું એ ડેટાનો ભંગ છે. સાચો રસ્તો એ છે કે વ્યક્તિગત ડેટાને અનામી રાખવો અથવા તેને બિલકુલ શેર ન કરવો, ફક્ત ટેક્સ્ટ પોતે જ બનાવવો.
3. પ્રોડક્ટનું વર્ણન લખતી વખતે આર્ટિફિશિયલ ઇન્ટેલિજન્સમાંથી સૌથી વિશ્વસનીય પરિણામ મેળવવા માટે નીચેનામાંથી કયો સૌથી સાચો અભિગમ છે?
- A) ઉત્પાદનનું નામ આપો અને કૃત્રિમ બુદ્ધિને બાકીનું અનુમાન કરવા દો
- બી) વપરાશકર્તાને શક્ય તેટલા અતિશયોક્તિયુક્ત વિશેષણોનો ઉપયોગ કરવા માટે પૂછવું
- C) ઇનપુટ તરીકે ચકાસાયેલ સ્પષ્ટીકરણો, લક્ષ્ય પ્રેક્ષકો અને સ્વર નિયમો આપવા અને દાવાના આધારે આઉટપુટ તપાસવું ✔
- ડી) સ્પર્ધકના ઉત્પાદનના વર્ણનની બરાબર નકલ કરવી
સમજૂતી: કૃત્રિમ બુદ્ધિ ઉત્પાદનના વાસ્તવિક લક્ષણોને જાણતી નથી; મુદ્રિત ટેક્સ્ટમાં ચકાસાયેલ તકનીકી વિશિષ્ટતાઓ (સ્પેક્સ) અને લક્ષ્ય પ્રેક્ષકોને પ્રદાન કર્યા વિના બનાવટી દાવાઓ હોઈ શકે છે. સાચો અભિગમ એ છે કે ઇનપુટ તરીકે વાસ્તવિક સુવિધાઓ આપવી અને આઉટપુટને માન્ય કરવું.
4. ઈ-કોમર્સ SEO માં 'કીવર્ડ સ્ટફિંગ' શા માટે હાનિકારક છે?
- A) કારણ કે તે વાંચનક્ષમતા અને રૂપાંતરણ ઘટાડે છે અને શોધ/માર્કેટપ્લેસ અલ્ગોરિધમ દ્વારા દંડ કરી શકાય છે ✔
- બી) કારણ કે તે ટેક્સ્ટને લંબાવશે અને પૃષ્ઠને ધીમી ખોલવાનું કારણ બને છે
- સી) કારણ કે કીવર્ડ્સ હંમેશા ચૂકવવામાં આવે છે
- ડી) કારણ કે તે ફક્ત અંગ્રેજી સ્ટોર્સમાં સમસ્યાઓનું કારણ બને છે
સમજૂતી: કીવર્ડ સ્ટફિંગ એ બિનજરૂરી રીતે સમાન શબ્દ સાથે ટેક્સ્ટ ભરવાનું છે. તે માત્ર વાંચનક્ષમતા અને રૂપાંતરણને ઘટાડે છે, પરંતુ સર્ચ અને માર્કેટપ્લેસ અલ્ગોરિધમ્સ દ્વારા દંડ ફટકારીને દૃશ્યતા પણ ઘટાડી શકે છે. ટકાઉ એસઇઓ માટે ઉદ્દેશ-સંચાલિત અને કુદરતી ટેક્સ્ટની જરૂર છે.
5. છેતરપિંડી શોધ મોડેલે ઓર્ડરને 'ઉચ્ચ જોખમ' તરીકે ફ્લેગ કર્યો. યોગ્ય ઓપરેશનલ અભિગમ શું છે?
- A) ઓર્ડર તરત જ રદ કરો અને ખાતું કાયમી ધોરણે બંધ કરો
- બી) સ્કોરને અવગણો અને આપમેળે બધા ઓર્ડરની પુષ્ટિ કરો
- C) સ્કોરને સંકેત તરીકે લો અને માનવ સમીક્ષા, વધારાની ચકાસણી અને વાજબીતા સાથે અંતિમ નિર્ણય લો ✔
- ડી) ગ્રાહકને કોઈ સ્પષ્ટતા આપ્યા વિના રિફંડનો ઇનકાર કરવો
સમજૂતી: રિસ્ક સ્કોર એ આંકડાકીય સંકેત છે, નિર્ણાયક પુરાવા નથી. ખોટા ધનનું જોખમ છે (અયોગ્ય રીતે પ્રમાણિક ગ્રાહકોને અવરોધિત કરવા). ઉચ્ચ-અસરવાળા નિર્ણયો (ઓર્ડર રદ, ખાતું બંધ કરવું) માનવીય સમીક્ષા, વાજબીતા અને જો જરૂરી હોય તો વધારાની ચકાસણીને આધીન હોવા જોઈએ.
6. ભલામણ પ્રણાલીમાં 'સ્ટૉક અને માર્જિનને ધ્યાનમાં લીધા વિના સ્વચાલિત ભલામણ' કેમ જોખમી છે?
- A) કારણ કે ભલામણ પ્રણાલી હંમેશા ધીરે ધીરે કામ કરે છે
- બી) કારણ કે તે આઉટ-ઓફ-સ્ટોક અથવા બિનલાભકારી ઉત્પાદનોને પ્રકાશિત કરીને અનુભવ અને નફાકારકતાને વિક્ષેપિત કરી શકે છે ✔
- C) કારણ કે ભલામણ પ્રણાલી ફક્ત મોટા સ્ટોર્સમાં જ કામ કરે છે
- ડી) કારણ કે જ્યારે ગ્રાહકો ભલામણો જુએ છે ત્યારે ખરીદી કરવાનું બંધ કરે છે
સમજૂતી: જો ભલામણ એન્જિન માત્ર વર્તણૂકીય ડેટાને જુએ છે, તો તે આઉટ-ઓફ-સ્ટોક અથવા ઓછા માર્જિન/હાનિકારક ઉત્પાદનોને પ્રકાશિત કરી શકે છે. આ ગ્રાહકના અનુભવ અને નફાકારકતા બંનેમાં વિક્ષેપ પાડે છે. એટલા માટે સ્વચાલિત ભલામણોને ઇન્વેન્ટરી, માર્જિન અને બિઝનેસ નિયમ નિયંત્રણ સાથે જોડવી જોઈએ.
7. નીચેનામાંથી કયા પરિબળો બજારોમાં 'બાય બોક્સ' જીતવા પર સૌથી વધુ અસર કરે છે?
- A) માત્ર ઉત્પાદન વર્ણનની લંબાઈ
- બી) સ્ટોર એકલા કેટલા વર્ષોથી ખુલ્લું છે
- સી) ઉત્પાદન છબીની ફાઇલ કદ
- ડી) સ્પર્ધાત્મક અને ઓપરેશનલ પરિબળોનું સંયોજન જેમ કે કિંમત, ડિલિવરી કામગીરી, વિક્રેતા રેટિંગ અને ઇન્વેન્ટરી ✔
વર્ણન: બાય બોક્સ એ એક જ પ્રોડક્ટ વેચતા ઘણા વિક્રેતાઓમાંથી 'કાર્ટમાં ઉમેરો' બટન પર ક્લિક કરીને વેચનારની પસંદગી છે. કિંમત, ડિલિવરી સમય/પ્રદર્શન, વિક્રેતા રેટિંગ અને સ્ટોક ઉપલબ્ધતા જેવા સ્પર્ધાત્મક અને ઓપરેશનલ પરિબળો નિર્ણાયક છે. માત્ર સૌથી ઓછી કિંમત પૂરતી નથી.
8. આર્ટિફિશિયલ ઈન્ટેલિજન્સ વડે ઉત્પાદિત પ્રોડક્ટ ઈમેજમાં એક્સેસરી કે જે વાસ્તવમાં પ્રોડક્ટમાં નથી તે બતાવવામાં સમસ્યા શા માટે છે?
- A) કારણ કે છબીનું રીઝોલ્યુશન ઘટે છે
- બી) કારણ કે આર્ટિફિશિયલ ઈન્ટેલિજન્સ ઈમેજીસ હંમેશા રોયલ્ટી ફ્રી હોય છે
- C) કારણ કે તે ઉત્પાદનને ભ્રામક રીતે રજૂ કરીને ગ્રાહક કાયદાના ઉલ્લંઘન અને પ્લેટફોર્મ પ્રતિબંધો તરફ દોરી શકે છે ✔
- ડી) કારણ કે એસેસરીઝ સાથેની છબીઓ ઓછી ક્લિક કરવામાં આવે છે
વર્ણન: ઇમેજ ઉત્પાદનને યોગ્ય રીતે રજૂ કરે છે. ઉત્પાદનમાં શામેલ ન હોય તેવી આઇટમ બતાવવી એ ભ્રામક રજૂઆત છે; ઉપભોક્તા કાયદાની દ્રષ્ટિએ, તેને ગેરમાર્ગે દોરનારી વ્યાપારી પ્રથા ગણવામાં આવે છે અને તે વળતર/ફરિયાદો અને પ્લેટફોર્મ પ્રતિબંધોમાં પરિણમે છે. છબી વાસ્તવિક ઉત્પાદન સાથે બરાબર સુસંગત હોવી જોઈએ.
9. ઈ-કોમર્સ એનાલિટિક્સમાં 'બે મેટ્રિક્સ એકસાથે વધ્યા, એક બીજાનું કારણ છે' એમ કહીને આર્ટિફિશિયલ ઈન્ટેલિજન્સ પ્રત્યે શ્રેષ્ઠ વલણ શું છે?
- એ) સહસંબંધને પ્રત્યક્ષ કાર્યકારણ તરીકે સ્વીકારો અને પગલાં લો
- બી) બે મેટ્રિક્સને એકબીજાથી સ્વતંત્ર ગણો અને વિશ્લેષણને સંપૂર્ણપણે છોડી દો
- સી) સહસંબંધ કારણભૂત નથી તે જાણવું અને દાવાને નિયંત્રિત પરીક્ષણ અથવા વધારાના ડેટા સાથે પરીક્ષણ કરવું ✔
- ડી) કૃત્રિમ બુદ્ધિના દરેક કાર્યકારણના દાવાને હંમેશા સાચા તરીકે સ્વીકારો
સમજૂતી: બે મેટ્રિક્સ જે એકસાથે આગળ વધે છે તે સહસંબંધિત છે; આ કાર્યકારણને સૂચિત કરતું નથી. એક સામાન્ય બાહ્ય પરિબળ (દા.ત. ઝુંબેશ અવધિ) બંનેમાં વધારો કરી શકે છે. યોગ્ય વલણ એ નિયંત્રિત પરીક્ષણ (A/B) અથવા વધારાના ડેટા સાથે કાર્યકારણનું પરીક્ષણ કરવાનું છે.
10. ગ્રાહક સેવા ચેટબોટ 'રીટર્ન પોલિસી' વિશે વિશ્વસનીય જવાબો પ્રદાન કરે છે તેની ખાતરી કરવાની શ્રેષ્ઠ રીત કઈ છે?
- A) અદ્યતન અને મંજૂર જ્ઞાન આધાર પર જવાબોનો આધાર બનાવવો અને તેને અવકાશની બહાર મનુષ્યોમાં સ્થાનાંતરિત કરવો ✔
- બી) ચેટબોટને તેના સામાન્ય જ્ઞાનમાંથી મુક્તપણે પ્રતિભાવો જનરેટ કરવાની મંજૂરી આપવી
- C) દરેક પ્રશ્નનો 'નૉન-રિફંડપાત્ર' જવાબ ફિક્સ કરવો
- ડી) ચેટબોટ બધી રીટર્ન વિનંતીઓને આપમેળે મંજૂર કરે છે
વર્ણન: ચેટબોટ તેની પોતાની સ્મૃતિ (ભ્રામકતા)માંથી નીતિ 'મેક અપ' કરી શકે છે. યોગ્ય ઉકેલ એ છે કે સ્ટોરના વર્તમાન અને માન્ય જ્ઞાન આધાર પર જવાબોનો આધાર રાખવો અને તેને અવકાશની બહાર અને જોખમી પરિસ્થિતિઓ (વૃદ્ધિ)માં મનુષ્યોને ટ્રાન્સફર કરવાનો છે.
11. સ્પર્ધકોની કિંમતો પર દેખરેખ રાખતી વખતે 'સ્પર્ધકો સાથે સંમત થઈને સામાન્ય કિંમત નક્કી કરવી' કેમ ન કરવી જોઈએ?
- A) કારણ કે સામાન્ય કિંમત ગ્રાહકો દ્વારા નોંધવામાં આવી શકે છે
- બી) કારણ કે સ્પર્ધાના કાયદામાં ભાવ નિર્ધારણ/કાર્ટેલ પ્રતિબંધિત છે અને તેના કારણે ભારે દંડ થાય છે ✔
- C) કારણ કે સ્પર્ધક ભાવોનું અવલોકન તમામ સંજોગોમાં પ્રતિબંધિત છે
- ડી) કારણ કે કૃત્રિમ બુદ્ધિ સ્પર્ધકની કિંમતની ગણતરી કરી શકતી નથી
સમજૂતી: સ્પર્ધકો (કિંમત નિર્ધારણ/કાર્ટેલ) સાથે કિંમતો પર સંમત થવું સ્પર્ધા કાયદામાં પ્રતિબંધિત છે અને ભારે વહીવટી દંડ તરફ દોરી જાય છે. સ્પર્ધક ભાવોનું અવલોકન કરવું કાયદેસર છે; પરંતુ સ્પર્ધકો સાથે સંકલન ગેરકાયદેસર છે. કિંમતનો નિર્ણય સ્વતંત્ર રીતે અને એકપક્ષીય રીતે લેવો જોઈએ.
12. પ્રોડક્ટ શીર્ષક બનાવતી વખતે બજારના નિયમોનું પાલન કરવાના સંદર્ભમાં નીચેનામાંથી કયું સાચું છે?
- A) સમાન શીર્ષક કોઈપણ ફેરફારો વિના તમામ બજારોમાં વાપરી શકાય છે
- બી) પ્લેટફોર્મની અક્ષર મર્યાદા, ફોર્મેટ અને પ્રતિબંધિત અભિવ્યક્તિ નિયમો અનુસાર શીર્ષકને તપાસવું અને અનુકૂલન કરવું ✔
- C) શીર્ષકમાં શક્ય તેટલા ઉદ્ગારવાચક બિંદુઓ અને મોટા અક્ષરો ઉમેરવા
- ડી) પરવાનગી વિના શીર્ષકમાં બ્રાન્ડ નામનો ઉપયોગ કરવા માટે તે હંમેશા મફત છે
વર્ણન: દરેક માર્કેટપ્લેસની પોતાની અક્ષર મર્યાદા, પ્રતિબંધિત શબ્દસમૂહો અને શીર્ષક માટે ફોર્મેટિંગ નિયમો હોય છે (દા.ત. તમામ કેપ્સમાં બૂમો પાડવી, પ્રમોશનલ શબ્દસમૂહો, બ્રાન્ડ ક્લિયરન્સ). AI આઉટપુટનું આ નિયમો અનુસાર ઓડિટ થવું જોઈએ અને પ્લેટફોર્મને અનુકૂલિત થવું જોઈએ; એક લખાણ બધામાં ફિટ ન પણ હોઈ શકે.
13. જો AI એ તમને 'છેલ્લા ક્વાર્ટરમાં અમારો રૂપાંતરણ દર 4.2 ટકા હતો' કહીને વિશ્વાસપાત્ર નંબર આપ્યો છે, તો યોગ્ય અભિગમ શું છે?
- A) રિપોર્ટ અને પ્રેઝન્ટેશનમાં સીધો નંબર મૂકવો
- B) આર્ટિફિશિયલ ઇન્ટેલિજન્સ ને થોડી વધુ વાર પૂછો અને એવરેજ લો
- C) નંબરને સાચો તરીકે સ્વીકારવો કારણ કે તે અસ્ખલિત રીતે રજૂ કરવામાં આવ્યો છે
- ડી) જાણો કે નંબર નકલી હોઈ શકે છે અને તેને તમારા પોતાના વિશ્લેષણાત્મક સ્ત્રોતમાંથી ચકાસો ✔
સમજૂતી: જ્યાં સુધી આર્ટિફિશિયલ ઇન્ટેલિજન્સ પાસે તમારા ડેટાની ઍક્સેસ નથી, તે આ સંખ્યા (ભ્રામકતા) બનાવે છે. રૂપાંતરણ જેવા મેટ્રિક્સ ફક્ત તમારા પોતાના એનાલિટિક્સ ડેશબોર્ડ (Google Analytics, માર્કેટપ્લેસ ડેશબોર્ડ, ઈકોમર્સ એન્જિન) પરથી માન્ય કરવામાં આવે છે. તેના સ્ત્રોત સાથે તેની પુષ્ટિ કર્યા વિના નંબરનો ઉપયોગ કરવો ખોટું છે.
14. પ્રત્યાર્પણ પ્રક્રિયામાં કૃત્રિમ બુદ્ધિ-સમર્થિત સિસ્ટમની સ્થાપના કરતી વખતે 'ન્યાયી નિર્ણય' સિદ્ધાંત માટે સૌથી મહત્વપૂર્ણ માપ શું છે?
- A) નિર્ણયોને વાજબી અને વાંધાજનક રાખવા અને ઉચ્ચ અસરવાળી પરિસ્થિતિઓને માનવીય મંજૂરી સાથે જોડવી ✔
- બી) અપવાદ વિના તમામ વળતર આપમેળે નકારી કાઢો
- C) વળતરના નિર્ણયો બિલકુલ રેકોર્ડ ન કરવા
- ડી) ગ્રાહકને નિર્ણય લેવાનું કારણ ક્યારેય સમજાવવું નહીં
સમજૂતી: આપોઆપ રિફંડ/અસ્વીકાર નિર્ણયો વ્યવસ્થિત રીતે અમુક ગ્રાહક જૂથોને ગેરલાભ આપી શકે છે (પૂર્વગ્રહ). વાજબી નિર્ણય લેવા માટે, નિર્ણયો વાજબી, પ્રતિસ્પર્ધાપાત્ર હોવા જોઈએ અને ઉચ્ચ અસરવાળા કિસ્સાઓ માનવીય સમીક્ષાને આધીન હોવા જોઈએ. પારદર્શિતા અને ઓડિટેબિલિટી આવશ્યક છે.
15. પ્રોડક્ટ ઈમેજીસ અને બેનર ડીઝાઈનમાં બ્રાન્ડ સેફ્ટીના સંદર્ભમાં આર્ટિફિશિયલ ઈન્ટેલિજન્સનો ઉપયોગ કરતી વખતે કયો સિદ્ધાંત જરૂરી છે?
- A) ઉત્પાદિત દરેક ઇમેજને તપાસ્યા વિના પ્રકાશિત કરવી
- બી) એમ ધારી રહ્યા છીએ કે તે છબી પર જાણીતી બ્રાન્ડના લોગો ઉમેરવા માટે મફત છે
- સી) એ વિચારવું કે તે બિનમહત્વપૂર્ણ છે કે દ્રશ્ય વાસ્તવિક ઉત્પાદન સાથે સુસંગત છે
- ડી) કૉપિરાઇટ/ટ્રેડમાર્ક ઉલ્લંઘન અને ભ્રામક રજૂઆત માટે છબીઓ તપાસો અને તેમને બ્રાન્ડ ઓળખ સાથે સુસંગત રાખો ✔
વર્ણન: આર્ટિફિશિયલ ઇન્ટેલિજન્સ છબીઓ, અન્ય બ્રાન્ડના લોગો, કૉપિરાઇટ કરેલા પાત્રો અથવા અનધિકૃત કાર્ય ઘટકોનું નિર્માણ કરી શકે છે. બ્રાન્ડ સલામતી માટે, કૉપિરાઇટ અને ટ્રેડમાર્ક ઉલ્લંઘન માટે આઉટપુટનું નિરીક્ષણ કરવું આવશ્યક છે, અને ઉત્પાદિત છબી પ્રમાણિકપણે વાસ્તવિક ઉત્પાદનનું પ્રતિનિધિત્વ કરતી હોવી જોઈએ અને તમારી પોતાની બ્રાન્ડ ઓળખ સાથે સુસંગત હોવી જોઈએ.