लाभ:
- एक अस्पष्ट ग्राहक प्रश्न को एक स्पष्ट, हल करने योग्य समस्या विवरण में बदलने और कृत्रिम बुद्धिमत्ता के साथ एक एमईसीई परिकल्पना वृक्ष (मुद्दा वृक्ष) स्थापित करने की क्षमता
- परिकल्पना उत्पन्न करने और ब्लाइंड स्पॉट का पता लगाने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करने की क्षमता, और अपने स्वयं के निर्णय से निर्णय लेने की क्षमता कि किस परिकल्पना का परीक्षण पहले किया जाएगा।
- समस्या संरचना में सामान्य नुकसानों को पहचानने और उनसे बचने की क्षमता (विपरीत शाखाएँ, पहले से समाधान मान लेना, गलत प्रश्न)।
किसी परामर्श परियोजना की सबसे महंगी गलती ग़लत प्रश्न हल करना है। ग्राहक पूछता है "हमारी बिक्री कम हो रही है, हमें क्या करना चाहिए?" आता है: लेकिन असली सवाल यह है कि "किस खंड में, क्यों और इसका कितना हिस्सा हमारे नियंत्रण में है?" यह हो सकता था। एक अनुभवी सलाहकार समस्या को सही ढंग से परिभाषित करने से शुरुआत करता है, न कि उत्तर ढूंढने से। इस स्तर पर कृत्रिम बुद्धिमत्ता आदर्श सोच भागीदार है: यह मिनटों के भीतर दर्जनों संभावित कारण, उप-प्रश्न और परिकल्पनाएँ उत्पन्न करती है। लेकिन कौन सा प्रश्न सही है इसका निर्णय लेने के लिए निर्णय की आवश्यकता होती है, और वह निर्णय आपका है।
इस इकाई में, हम दो उपकरणों को जोड़ेंगे जो कृत्रिम बुद्धिमत्ता के साथ परामर्श की रीढ़ हैं: परिकल्पना वृक्ष (मुद्दा वृक्ष, एक वृक्ष आरेख जो किसी समस्या को उप-प्रश्नों में विभाजित करता है) और एमईसीई सिद्धांत (पारस्परिक रूप से विशिष्ट, सामूहिक रूप से संपूर्ण - शाखाएं एक-दूसरे को ओवरलैप नहीं करती हैं और एक साथ मुद्दे को पूरी तरह से कवर करती हैं)।
अस्पष्ट प्रश्न से लेकर समाधान योग्य समस्या तक
एक अच्छे समस्या कथन में चार चीजें शामिल होती हैं: कौन (निर्णय निर्माता), क्या (निर्णय), मानदंड (सफलता किससे मापी जाती है), सीमा (दायरा और अवधि)। "बिक्री गिर रही है" एक शिकायत है; "3 सबसे प्रभावी लीवर कौन से हैं जो मौजूदा बजट के साथ, अगले 12 महीनों में बी2बी सेगमेंट में टर्नओवर को 10% तक बढ़ा देंगे?" एक समस्या कथन है. आप कृत्रिम बुद्धिमत्ता में यह परिवर्तन कर सकते हैं, लेकिन पहले आपको मूल स्थिति को स्पष्ट रूप से समझाना होगा।
आपकी भूमिका: प्रबंधन सलाहकार के लिए समस्या संरचना कोच। मैं आपको ग्राहक की मूल शिकायत दूँगा। आपका कार्य:1) इसे एक-वाक्य, मापने योग्य समस्या कथन में बदलना (निर्णय निर्माता, निर्णय, सफलता मानदंड, दायरा, अवधि शामिल होना चाहिए)। 2) उन 3 अंतर्निहित मान्यताओं को प्रकट करें जिन पर यह कथन आधारित है। 3) "गलत प्रश्न को हल करने" के जोखिम का मुकाबला करने के लिए 2 वैकल्पिक समस्या रूपरेखाओं का सुझाव दें। कच्ची शिकायत: "[ग्राहक के शब्दों में...]"
युक्ति: ग्राहक को समस्या विवरण वापस पढ़ें। "तो आपके लिए सफलता 12 महीनों में बी2बी टर्नओवर में 10% की वृद्धि है, सही है?" यह एकल वाक्य परियोजना की दिशा और उसके बाद की "हम यह नहीं चाहते थे" बहस को शुरू से ही हल कर देता है।
कृत्रिम बुद्धिमत्ता के साथ परिकल्पना वृक्ष का निर्माण
एक बार समस्या स्पष्ट हो जाए तो आप उसे सुलझा लें। वृक्ष की जड़ ही मुख्य प्रश्न है; शाखाएँ संभावित प्रतिक्रिया अक्ष हैं; पत्तियाँ परीक्षण योग्य परिकल्पनाएँ हैं। उदाहरण के लिए, "बी2बी टर्नओवर क्यों नहीं बढ़ रहा है?" प्रश्न को दो मुख्य शाखाओं में विभाजित किया जा सकता है: (1) नए ग्राहक अधिग्रहण कमजोर है, (2) मौजूदा ग्राहक राजस्व कम हो रहा है। प्रत्येक शाखा अपनी-अपनी उप-शाखाओं में विभाजित होती है। एक अच्छा पेड़ MECE है.
आपकी भूमिका: एमईसीई परिकल्पना वृक्ष विशेषज्ञ। मुख्य प्रश्न: "[समस्या कथन]" कार्य: इस प्रश्न को 2 से अधिक स्तरों में विभाजित न करें। नियम: - प्रथम स्तर की शाखाएँ एमईसीई (कोई ओवरलैप नहीं, कोई अंतराल नहीं) होनी चाहिए। - प्रत्येक पत्ती एक डेटा-परीक्षण योग्य परिकल्पना वाक्य होनी चाहिए ("... क्योंकि ..." के रूप में)। - प्रत्येक परिकल्पना के आगे, इसका परीक्षण करने के लिए आवश्यक एकल डेटा स्रोत लिखें। प्रारूप: इंडेंटेड बुलेट सूची। जांच: शीर्षक के तहत ओवरलैप / गैप के जोखिम पर "एमईसीई ऑडिट" शाखाओं को चिह्नित करें।
एआई आपको 3 सेकंड में 15 परिकल्पनाओं वाला एक पेड़ देता है। लेकिन आपका काम यहीं समाप्त नहीं होता है, यह शुरू होता है: आप चुनते हैं कि कौन सी शाखाएँ वास्तव में एमईसीई हैं, कौन सी परिकल्पना सबसे संभावित और परीक्षण करने में आसान है।
प्राथमिकता: किस परिकल्पना का पहले परीक्षण किया जाए
सभी परिकल्पनाओं का परीक्षण करने का समय नहीं है। दो अक्षों का उपयोग करें: प्रभाव (यदि यह सत्य है तो यह समाधान में कितना बड़ा योगदान देता है) और सहजता (परीक्षण करने के लिए यह कितना तेज़/सस्ता है)। उच्च प्रभाव + उच्च सुविधा वाले पहले आते हैं। इसे "त्वरित जीत स्वीप" कहा जाता है।
परिकल्पना
प्रभाव (1-5)
परीक्षण में आसानी (1-5)
प्राथमिकता
मूल्य निर्धारण प्रतिस्पर्धियों से पीछे है
5
4
पहले
बी2बी में बिक्री टीम अपर्याप्त है
4
3
फिर
उत्पाद सुविधा में अंतर है
4
2
अनुसंधान
ब्रांड जागरूकता कम है
3
2
पकड़ो
आप इस मैट्रिक्स को कृत्रिम बुद्धिमत्ता से भर सकते हैं; लेकिन अपने स्वयं के उद्योग ज्ञान के साथ प्रभाव और सुविधा स्कोर की समीक्षा करें। मॉडल अक्सर परीक्षण में आसानी को अधिक महत्व देता है।
आपकी भूमिका: प्राथमिकता विश्लेषक। निम्नलिखित परिकल्पनाओं की सूची को प्रभाव-सहज मैट्रिक्स में रखें। प्रत्येक परिकल्पना के लिए: प्रभाव (1-5), परीक्षण में आसानी (1-5), एकल डेटा स्रोत की आवश्यकता, अनुशंसा (पहले/बाद/जांच/पकड़)। नियम: सहजता से स्कोर को आशावादी बनाएं, तर्क लिखें। उच्चतम "प्रभाव × सहजता" गुणक वाली 2 परिकल्पनाओं को हाइलाइट करें। परिकल्पनाएँ: [सूची]
तीन मिनी मामले
केस 1 - गलत प्रश्न को सुधारा गया। एक खुदरा शृंखला ने पूछा, "हमारी कर्मचारी कारोबार दर ऊंची है, क्या हमें वेतन बढ़ाना चाहिए?" वह पूछता है. सलाहकार कृत्रिम बुद्धि के साथ समस्या फ्रेम खोलता है; मॉडल तीन अंतर्निहित धारणाओं को दर्शाता है: वेतन समस्या है, टर्नओवर सभी दुकानों में समान है, और भुगतान समाधान है। डेटा निकाला गया है: टर्नओवर दर का 70% 3 दुकानों में होता है और हमेशा उन्हीं दो प्रबंधकों की टीम में होता है। असली सवाल प्रबंधक के व्यवहार का है. 14 मिलियन टीएल की वेतन वृद्धि गलत समाधान होगा।
केस 2 - गैर-एमईसीई पेड़। एक सलाहकार मॉडल से पूछता है "मुनाफ़ा क्यों गिर रहा है?" वह पेड़ चाहता है. मॉडल शाखाओं को "आय कम है", "लागत अधिक है", "प्रतिस्पर्धा बढ़ गई है" देता है। पहली दो शाखाएँ एमईसीई (लाभ = राजस्व - लागत) हैं, लेकिन "प्रतिस्पर्धा में वृद्धि" एक कारण है और राजस्व/लागत एक प्रभाव है; शाखा स्तर मिश्रित हैं। सलाहकार पेड़ को ठीक करता है: स्तर एक केवल राजस्व और लागत है; प्रतिस्पर्धा आय की एक उप-शाखा का कारण बनती है।
केस 3 - प्राथमिकता का लाभ मिला। एक B2B सॉफ़्टवेयर कंपनी में, 12 परिकल्पनाएँ उत्पन्न होती हैं। प्रभाव-सुविधा मैट्रिक्स "ऑनबोर्डिंग प्रक्रिया लंबी है" परिकल्पना को उच्च प्रभाव-उच्च सुविधा बॉक्स में रखती है। एक सप्ताह के डेटा विश्लेषण से पुष्टि हुई: 30 दिनों में सक्रिय नहीं होने वाले ग्राहकों की रद्दीकरण दर 3 गुना अधिक है। थोड़ा सा हस्तक्षेप (निर्देशित स्थापना) रद्दीकरण को 22% तक कम कर देता है। सही परिकल्पना का परीक्षण करने से पहले परियोजना छोटी हो जाती है।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
मुझे इसकी एक सूची बनाओ कि इस कंपनी का मुनाफ़ा क्यों गिर रहा है।
मॉडल यादृच्छिक, अतिव्यापी और अप्रमाणित कारणों की गणना करता है; यह कोई सोच-विचार ढाँचा स्थापित नहीं करता है।
शक्तिशाली संकेत:
आपकी भूमिका: एमईसीई समस्या संरचना विशेषज्ञ। मुख्य प्रश्न: "कंपनी सिर्फ निर्माण करती है।
एक अच्छी समस्या संरचना के प्रश्नों की जाँच करें
जब आप अपना पेड़ ख़त्म कर लें, तो ये प्रश्न पूछें: आप कृत्रिम बुद्धिमत्ता से भी पूछ सकते हैं, लेकिन अंतिम निर्णय आप ही करेंगे:
- क्या मूल प्रश्न वास्तव में वही प्रश्न है जिसे ग्राहक तय करना चाहता है? - क्या प्रथम स्तर की शाखाएँ ओवरलैप होती हैं? (परस्पर अनन्य?)- क्या कुछ छूट गया है? (क्या यह एक साथ पूर्ण है?) - क्या प्रत्येक पत्ते का डेटा के साथ परीक्षण किया जा सकता है, या यह राय है? - क्या मैंने पहले से समाधान मान लिया है? (उदाहरण के लिए, "वेतन ही समाधान है")
सामान्य गलतियाँ
- प्रश्न में समाधान एम्बेड करें. "क्या हमें कीमत कम करनी चाहिए?" प्रश्न समाधान की कल्पना करता है और अन्य लीवरों को अदृश्य बना देता है। पहले "क्यों" पूछें.
- ओवरलैपिंग शाखाएँ. यदि "कॉर्पोरेट ग्राहक" और "बड़े ग्राहक" अलग-अलग शाखाएँ हैं, तो एक ही ग्राहक को दो स्थानों पर गिना जाएगा; एमईसीई टूट गया है.
- मिश्रण स्तर. कारण (प्रतिस्पर्धा) को प्रभाव (राजस्व में गिरावट) के समान स्तर पर रखने से पेड़ अतार्किक हो जाता है।
- अप्राप्य पत्तियाँ. "ख़राब प्रबंधन" एक निर्णय है, कोई परिकल्पना नहीं। "निर्णय का समय औसतन 40 दिन है, उद्योग में 12 दिन" परीक्षण योग्य परिकल्पना है।
- मॉडल के पेड़ को वैसे ही स्वीकार करना जैसे वह है। एआई एक त्वरित रूपरेखा देता है; एमईसीई ऑडिटिंग और प्राथमिकता आपका काम है।
सावधानी: एआई एक परिकल्पना वृक्ष को बहुत ही ठोस तरीके से प्रस्तुत करता है। अनुनय सटीकता नहीं है. एमईसीई के लिए हमेशा पेड़ का मैन्युअल निरीक्षण करें; पेन और कागज के साथ शाखाएँ खींचने से अक्सर ओवरलैप दिखाई देता है जो मॉडल से चूक गया।
संक्षेप में
परामर्श में, मूल्य सही उत्तर से पहले सही प्रश्न का है। एआई एक अस्पष्ट शिकायत को मापने योग्य समस्या विवरण में बदलने, अंतर्निहित धारणाओं को उजागर करने और एक परिकल्पना वृक्ष को जल्दी से तैयार करने में शक्तिशाली है। लेकिन यह आपको तय करना है कि पेड़ एमईसीई है या नहीं, परिकल्पनाओं की परीक्षणशीलता, और पहले किसका परीक्षण करना है। मॉडल एक ड्राफ्ट तैयार करता है; समस्या का स्वामित्व, नियंत्रण और प्राथमिकता देना सलाहकार का काम है।
आवेदन कार्य
वास्तविक या काल्पनिक ग्राहक शिकायत (एक वाक्य) चुनें। सबसे पहले, इसे एक मापने योग्य समस्या विवरण और एक मजबूत समस्या-निर्धारण संकेत के साथ तीन अंतर्निहित मान्यताओं में बदलें। फिर एमईसीई परिकल्पना वृक्ष प्रॉम्प्ट के साथ दो-स्तरीय वृक्ष बनाएं। कम से कम एक विरोध या अंतर को खोजने और ठीक करने के लिए पेड़ का मैन्युअल रूप से निरीक्षण करें। अंत में, प्रभाव-सहज मैट्रिक्स भरें और पहले परीक्षण करने के लिए दो परिकल्पनाओं का चयन करें।
चेकलिस्ट
- [ ] मैंने कच्ची शिकायत को कौन/क्या/मानदंड/दायरे/अवधि के साथ एक समस्या विवरण में बदल दिया।
- [ ] मैंने अंतर्निहित धारणाओं का खुलासा किया।
- [ ] मैंने एमईसीई के रूप में अपनी परिकल्पना वृक्ष के पहले स्तर का निरीक्षण किया।
- [ ] मैंने सत्यापित किया कि प्रत्येक पत्ता एक परीक्षण योग्य परिकल्पना है।
- [ ] मैंने यह सुनिश्चित किया कि मैं प्रश्न में समाधान को दबा न दूं।
- [ ] मैंने प्रभाव-सहज मैट्रिक्स को प्राथमिकता दी।
- [ ] मैंने मॉडल के पेड़ को आंख मूंदकर स्वीकार नहीं किया और इसे मैन्युअल रूप से ठीक किया।