लाभ:
- यह भेद करने में सक्षम होने के कारण कि कृत्रिम बुद्धिमत्ता प्रस्तुति और डेटा विज़ुअलाइज़ेशन प्रवाह में समय बचाती है, और जोखिम के स्तर के आधार पर डेटा की सटीकता और ग्राफ़ की ईमानदारी के बारे में निर्णय मनुष्यों पर क्यों छोड़ दिया जाता है।
- एक सत्यापन अनुशासन लागू करने की क्षमता जो प्रत्येक आउटपुट को स्रोत, स्थिरता, ईमानदारी और संदर्भ चरणों के विरुद्ध जांचती है
- संवेदनशील डेटा को गुमनाम करने, विरूपण से बचने और शुरू से ही इस पेशे के लिए अंतिम जिम्मेदारी के सिद्धांतों का पालन करने की क्षमता
एक प्रस्तुति या चार्ट अक्सर निर्णय से अधिक किसी निर्णय का भाग्य निर्धारित करता है। जबकि निदेशक मंडल किसी निवेश के लिए "हाँ" कहता है, जबकि एक शिक्षक जाँचता है कि पाठ समझ में आया है या नहीं, जबकि एक नगर पालिका जनता को मनाती है; यह सब एक स्लाइड, एक रेखा, एक रंग पसंद के पीछे खड़ा है। इसके बीच में आर्टिफिशियल इंटेलिजेंस की एंट्री हो गई है. अब, कुछ वाक्यों के अनुरोध के साथ मसौदा प्रस्तुतियाँ, तैयार ग्राफिक्स, स्पीकर नोट्स और इन्फोग्राफिक्स तैयार किए जा सकते हैं। लेकिन यह शक्ति उतनी ही तेजी से गलत संदेश भी दे सकती है। यह मॉड्यूल एआई को आपके प्रेजेंटेशन और डेटा विज़ुअलाइज़ेशन व्यवसाय के लिए संपूर्ण सहायक बनाने में आपकी सहायता करेगा; लेकिन यह आपको अंतिम निर्णय और जिम्मेदारी निभाना सिखाता है।
इस पहली इकाई में, हम स्पष्ट करते हैं कि एआई इस क्षेत्र में क्या तेजी ला रहा है, इसे कहां रुकना चाहिए, आउटपुट को कैसे सत्यापित करना है, और आपको शुरू से ही किन नैतिक/गोपनीयता सीमाओं पर ध्यान देना चाहिए।
इस मामले में कृत्रिम बुद्धिमत्ता कहाँ खड़ी है?
सबसे पहले, आइए बस दो अवधारणाओं को परिभाषित करें। एक प्रेजेंटेशन एक दृश्य-मौखिक संपूर्ण (ज्यादातर स्लाइड) है जिसे आप एक विशिष्ट श्रोता को एक विशिष्ट क्रम में एक विचार या जानकारी समझाने के लिए तैयार करते हैं। डेटा विज़ुअलाइज़ेशन ग्राफ़, टेबल और पैनल हैं जो संख्याओं को आंखों के लिए समझने योग्य बनाते हैं। बार-बार उल्लिखित शब्द लार्ज लैंग्वेज मॉडल (एलएलएम) भी है: यह एक कृत्रिम बुद्धिमत्ता प्रणाली है जो "अगले सबसे संभावित शब्द" की भविष्यवाणी करके पाठ उत्पन्न करती है; चैटजीपीटी क्लाउड और जेमिनी जैसे टूल का इंजन है। मुद्दा यह है: बड़ा भाषा मॉडल कोई कैलकुलेटर या "तथ्य सत्यापन" मशीन नहीं है; एक प्रेरक पाठ और रूपरेखा जनरेटर है।
कृत्रिम बुद्धिमत्ता इस क्षेत्र में चार अलग-अलग भूमिकाओं में आपकी मदद करती है:
- लेखक/लेखक: प्रस्तुति योजना, स्लाइड शीर्षक, लेख पाठ, स्पीकर नोट्स, इन्फोग्राफिक पाठ तैयार करता है।
- डिज़ाइन सहायक: स्लाइड लेआउट का सुझाव देता है, छवियां उत्पन्न करता है (छवि उत्पन्न करने वाली कृत्रिम बुद्धिमत्ता के साथ), रंग और टाइपोग्राफी का सुझाव देता है, आइकन विचार देता है।
- विश्लेषक/कोडर: आपके डेटा को समझता है, सही चार्ट प्रकार की अनुशंसा करता है, चार्ट बनाने के लिए कोड (पायथन, उदाहरण के लिए matplotlib) लिखता है।
- समीक्षक/प्रूफरीडर: दर्शकों के दृष्टिकोण से तैयार प्रस्तुति की आलोचना करता है, अतिरिक्त को हटा देता है, और भ्रामक ग्राफिक्स को चिह्नित करता है।
इसके विपरीत, मनुष्यों पर छोड़े गए महत्वपूर्ण निर्णय इस प्रकार हैं: यह सुनिश्चित करना कि डेटा सटीक और अद्यतित है। संदेश की ईमानदारी. ग्राफ़ डेटा को विकृत नहीं करता है. दर्शकों और संदर्भ के लिए उपयुक्तता. गोपनीय/व्यक्तिगत डेटा साझा न करने का निर्णय। और अंत में, "यह प्रस्तुति मेरे नाम से आ रही है" की ज़िम्मेदारी।
युक्ति: एआई को "वरिष्ठ प्रशिक्षु" की तरह सोचें। वह तेज़ है, अथक है, बहुत उत्पादन करता है; लेकिन वह देखे गए हर नंबर पर भरोसा नहीं करता, आप हर ड्राफ्ट को नियंत्रित करते हैं।
जोखिम स्तर के अनुसार उपयोग करें
हर काम में एक जैसा जोखिम नहीं होता. उपयोग में आसान ट्रिपल स्केल के साथ वर्गीकृत करें:
जोखिम स्तर
नमूना कार्य
कृत्रिम बुद्धि की भूमिका
अनिवार्य मानव नियंत्रण
कम
आंतरिक टीम बैठक के लिए ड्राफ्ट स्लाइड योजना
मुफ़्त उत्पादन, तेज़ ड्राफ्ट
त्वरित समीक्षा
मध्यम
ग्राहक के लिए बिक्री प्रस्तुति, ब्लॉग इन्फोग्राफिक
स्केच + डिज़ाइन + ग्राफिक प्रस्ताव
डेटा सत्यापन, ब्रांड अनुपालन, भाषा नियंत्रण
उच्च
निवेशक प्रस्तुति, आधिकारिक रिपोर्ट, स्वास्थ्य/वित्तीय डेटा
कंकाल और भाषा ही मदद करते हैं
प्रत्येक संख्या, प्रत्येक चार्ट, प्रत्येक दावे को स्वतंत्र रूप से सत्यापित किया जाता है
नियम सरल है: जैसे-जैसे जोखिम बढ़ता है, कृत्रिम बुद्धिमत्ता द्वारा उत्पादित सामग्री की दर कम हो जाती है, और आपका सत्यापन बढ़ जाता है।
तीन मिनी मामले
केस 1 - समय की बचत। एक मार्केटिंग पेशेवर आम तौर पर 6 घंटे में अपनी तिमाही परिणाम प्रस्तुति तैयार करता है। उन्होंने कृत्रिम बुद्धिमत्ता को डेटा सारांश दिया और उससे एक स्लाइड योजना, शीर्षक और स्पीकर नोट्स तैयार करवाए; एक चार्ट प्रकार की अनुशंसा प्राप्त हुई. अवधि 6 घंटे से घटकर लगभग 2 घंटे हो गई। उन्होंने अपने अर्जित 4 घंटों में से 1 घंटा एक-एक करके संख्याओं की पुष्टि करने में लगाया। शुद्ध लाभ: लगभग 3 घंटे और अधिक सुसंगत विवरण।
केस 2 - पकड़ी गई त्रुटि। एक विश्लेषक ने कृत्रिम बुद्धिमत्ता को बिक्री डेटा दिया और कहा "विकास दिखाओ।" मॉडल ने 90 से शुरू होने वाले y-अक्ष के साथ एक लाइन चार्ट का सुझाव दिया; थोड़ी सी बढ़ोतरी बहुत बड़ी लग रही थी. विश्लेषक ने इस पर ध्यान दिया और अक्ष को 0 से शुरू किया। वास्तविक वृद्धि 4% थी, जबकि पहले चार्ट में 40% का आभास हुआ। एआई ने "प्रभावशाली" चुना; आदमी ने ईमानदार को चुना.
केस 3 - रिसाव रोका गया। एक मानव संसाधन कर्मचारी 320 लोगों की वेतन तालिका को वेब-आधारित कृत्रिम बुद्धिमत्ता उपकरण में पेस्ट करेगा और एक ग्राफ का अनुरोध करेगा। आखिरी क्षण में वह रुक गया; नाम और वेतन हटा दिए गए और केवल विभाग और अज्ञात औसत साझा किए गए। इस प्रकार, व्यक्तिगत डेटा कभी भी तीसरे पक्ष के सिस्टम में नहीं गया।
सत्यापन अनुशासन: चार चरण
प्रकाशन से पहले प्रत्येक AI आउटपुट को चार चरणों में पूरा करें:
- स्रोत: यह संख्या/दावा कहां से आया है? क्या यह मेरी अपनी दक्षता है या मॉडल द्वारा बनाई गई कोई बात? (मॉडल संख्या को "बना" भी सकता है; इसे मतिभ्रम कहा जाता है: वह जानकारी जो वास्तविक के रूप में प्रस्तुत की जाती है लेकिन वास्तविक नहीं है।)
- संगति: क्या चार्ट में संख्या तालिका और पाठ में संख्या के समान है? क्या कुल योग जुड़ता है?
- ईमानदारी: क्या चार्ट अक्ष, स्केल और प्रकार डेटा को वैसे ही दिखाते हैं जैसे वह है या इसे बढ़ा-चढ़ाकर/अस्पष्ट करते हैं?
- संदर्भ: क्या यह इस श्रोतागण के लिए सही भाषा, सही गहराई, सही लंबाई है?
आप एक अनुभवी प्रस्तुति संपादक हैं. नीचे दिए गए स्लाइड ड्राफ्ट को समीक्षा के लिए तैयार मानें, प्रकाशन के लिए तैयार नहीं। प्रत्येक दावे के लिए: (1) क्या स्रोत की पहचान की गई है? (2) क्या संख्याएँ मेल खाती हैं? (3) क्या कोई भ्रामक बयान हैं? (4) क्या यह दर्शकों के लिए उपयुक्त है? किसी भी समस्याग्रस्त बिंदु को इंगित करें और सुधार का सुझाव दें। दर्शक: [ ... ] | ड्राफ्ट:[...]
कमजोर संकेत/मजबूत संकेत
कमज़ोर:
मुझे बिक्री के बारे में एक अच्छी प्रस्तुति दें।
इस अनुरोध का कोई संदर्भ नहीं है: कोई श्रोता नहीं, कोई उद्देश्य नहीं, कोई डेटा नहीं, कोई अवधि नहीं, कोई स्वर नहीं। मॉडल भविष्यवाणी करता है, सार्वभौमिक है, और कुछ "अच्छा" उत्पन्न करता है जो संभवतः भ्रामक है।
मजबूत:
आपकी भूमिका: B2B बिक्री प्रस्तुति संपादक। श्रोता: 3-व्यक्ति क्रय समिति, गैर-तकनीकी। उद्देश्य: 12 महीने की पायलट डील को मंजूरी दिलाना। अवधि: 8 मिनट. मेरे पास जो डेटा है: [नीचे चिपका रहा हूं]। कार्य: 6 स्लाइडों के साथ एक योजना सुझाएँ। प्रत्येक स्लाइड के लिए, एक वाक्य वाला मुख्य संदेश लिखें + कौन सा चार्ट प्रकार उपयुक्त है और क्यों। कोई संख्या मत बनाओ; यदि आपको कोई ऐसा नंबर चाहिए जो डेटा में नहीं है, तो "[पुष्टि करें]" टाइप करें।
दूसरे में भूमिका, दर्शक, उद्देश्य, अवधि, डेटा और "निर्माण" का निषेध शामिल है; आउटपुट प्रयोग करने योग्य और श्रव्य दोनों है।
नैतिकता और गोपनीयता: प्रारंभ से तीन पंक्तियाँ
- ईमानदारी: चार्ट को डेटा विकृत नहीं करना चाहिए; "प्रभावशाली" के लिए सत्य को मत मोड़ो।
- गोपनीयता: व्यक्तिगत डेटा (नाम, वेतन, स्वास्थ्य, ग्राहक रिकॉर्ड) और व्यापार रहस्य वाले डेटा को किसी भी बाहरी माध्यम से दर्ज न करें जिसकी आपका संस्थान अनुमति नहीं देता है। यदि संदेह हो तो अज्ञात रखें (पहचान हटा दें) या प्रवेश न करें।
- पारदर्शिता: यदि आप एआई-जनित छवि/पाठ का उपयोग कर रहे हैं और यह दर्शकों को गुमराह कर सकता है (उदाहरण के लिए एक उत्पादन छवि जिसे गलती से "वास्तविक फोटो" मान लिया जाएगा), तो इसे इंगित करने के लिए तैयार रहें।
सावधानी: "एआई ने ऐसा कहा" कोई बहाना नहीं है। प्रस्तुति में प्रत्येक संख्या और प्रत्येक दावा मंच संभालने वाले व्यक्ति की ज़िम्मेदारी है।
सामान्य गलतियाँ
- सत्यापित किए बिना आउटपुट को कॉपी करना: मॉडल द्वारा उत्पादित संख्या को पुष्टि किए बिना स्लाइड पर रखना।
- संदर्भ के बिना अनुरोध: दर्शकों और उद्देश्य को लिखे बिना "अच्छी प्रस्तुति" के लिए पूछना।
- गोपनीय डेटा को इस प्रकार चिपकाना: बिना नाम बताए बाहरी टूल में संवेदनशील तालिका दर्ज करना।
- ईमानदारी से पहले सौंदर्यशास्त्र को रखना: 3डी केक का उपयोग करके इसे "अधिक प्रभावशाली" बनाने के लिए अक्ष को काटना।
- एक ही टूल में बंद होना: प्रत्येक कार्य को एक ही कृत्रिम बुद्धिमत्ता से हल करने का प्रयास करना और सही टूल का चयन करना छोड़ देना।
संक्षेप में
एआई प्रेजेंटेशन और डेटा विज़ुअलाइज़ेशन में प्रारूपण, डिज़ाइन, कोड और समालोचना भूमिकाओं में बहुत समय बचाता है; लेकिन डेटा की सटीकता, संदेश की ईमानदारी, ग्राफ़ की विकृति की कमी, गोपनीयता और अंतिम जिम्मेदारी मानव की है। जोखिम को तीन स्तरों पर वर्गीकृत करें, प्रत्येक आउटपुट को स्रोत-संगति-अखंडता-संदर्भ चरणों के माध्यम से सत्यापित करें, संवेदनशील डेटा को अज्ञात करें। कृत्रिम बुद्धिमत्ता आपके काम को गति देती है; यह आपकी जगह तय नहीं करता.
आवेदन कार्य
एक वास्तविक प्रस्तुति चुनें जिसे आप जल्द ही देंगे। (1) जोखिम स्तर (निम्न/मध्यम/उच्च) निर्धारित करें और एक वाक्य में लिखें कि क्यों। (2) "पावर प्रॉम्प्ट" ढाँचा भरें जो दर्शकों, उद्देश्य और अवधि को परिभाषित करता है। (3) प्रेजेंटेशन में आपके द्वारा उपयोग किए जाने वाले 3 नंबरों की सूची बनाएं और प्रत्येक का स्रोत लिखें; तय करें कि आप किस बाहरी वाहन में प्रवेश नहीं करेंगे।
चेकलिस्ट
- [ ] मैंने इस नौकरी का जोखिम स्तर निर्धारित किया और तदनुसार अपनी सत्यापन गहराई को समायोजित किया।
- [ ] मैंने अनुरोध में भूमिका, दर्शक, उद्देश्य, अवधि और डेटा संदर्भ दिया है।
- [ ] मैं हर मुद्दे और दावे का स्रोत जानता हूं; मैंने नकली लोगों को चिह्नित किया।
- [ ] मैं ग्राफ़ (अक्ष, स्केल, प्रकार) की ईमानदारी की जाँच करूँगा।
- [ ] मैंने संवेदनशील डेटा को अज्ञात रखा है या बाहरी टूल में कभी प्रवेश नहीं किया है।
- [ ] मैं स्वीकार करता हूं कि मेरी अंतिम जिम्मेदारी है।