യൂണിറ്റുകൾ
1. പൊതുഭരണത്തിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: റോളുകൾ, അതിരുകൾ, സ്ഥിരീകരണം, പൊതു ധാർമ്മികത 2. പൗര സേവനങ്ങളും ചാറ്റ്‌ബോട്ടും: 24/7 ആക്‌സസ് ചെയ്യാവുന്നതും കൃത്യവും ന്യായവുമായ സേവനം 3. അപേക്ഷ, ഔദ്യോഗിക കറസ്‌പോണ്ടൻസ്, അഡ്മിനിസ്ട്രേറ്റീവ് ടെക്‌സ്‌റ്റുകൾ: ഡ്രാഫ്റ്റ് മുതൽ അംഗീകാരം വരെ 4. നിയമനിർമ്മാണ ഗവേഷണവും സ്ഥിരീകരണവും: നിയമം, നിയന്ത്രണം, കേസ് നിയമം 5. നയ വിശകലനവും ആഘാത വിലയിരുത്തലും 6. റിപ്പോർട്ട് റൈറ്റിംഗും കോർപ്പറേറ്റ് ഡോക്യുമെൻ്റ് നിർമ്മാണവും 7. ഡാറ്റ അടിസ്ഥാനമാക്കിയുള്ള തീരുമാനവും പൊതു ഡാറ്റ വിശകലനവും 8. ഇ-ഗവൺമെൻ്റും പ്രോസസ് ഓട്ടോമേഷനും: അപേക്ഷ മുതൽ ഫലങ്ങൾ വരെ 9. സുതാര്യത, ഓപ്പൺ ഡാറ്റ, വിവരങ്ങളിലേക്കുള്ള പ്രവേശനം 10. ന്യായവും വിവേചനവും അൽഗോരിതമിക് അക്കൗണ്ടബിലിറ്റിയും 11. കെവികെകെ, സ്വകാര്യതയും ഉത്തരവാദിത്തമുള്ള പബ്ലിക് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഗവേണൻസ്
യൂണിറ്റ് 5 / 11

നയ വിശകലനവും ആഘാത വിലയിരുത്തലും

നേട്ടങ്ങൾ:

  • നിർവചനം, ഓപ്ഷനുകൾ, മാനദണ്ഡങ്ങൾ, ശുപാർശകൾ എന്നിവയുടെ ഒരു ചട്ടക്കൂടിൽ രൂപപ്പെടുത്തിക്കൊണ്ട് ഇത് AI-യുമായുള്ള നയപരമായ പ്രശ്‌നം രൂപപ്പെടുത്തുന്നു.
  • ഒരു സ്‌റ്റേക്ക്‌ഹോൾഡർ മാപ്പും ചെലവ്-ആനുകൂല്യ ചട്ടക്കൂടും നിർമ്മിക്കുന്നതിലൂടെ ഇത് അവഗണിക്കപ്പെട്ട ദുർബ്ബല ഗ്രൂപ്പുകളെയും മറഞ്ഞിരിക്കുന്ന ചിലവുകളും ദൃശ്യമാക്കുന്നു.
  • AI നിർമ്മിക്കുന്ന വിശകലനം ഡാറ്റയിൽ മാത്രമായി പരിമിതപ്പെടുത്തിയിരിക്കുന്നുവെന്നും മൂല്യം അനുസരിച്ച് രൂപപ്പെടുത്തിയതാണെന്നും വിവേചനാധികാരത്തോടെ അന്തിമ തീരുമാനം എടുക്കുന്നുവെന്നും അവനറിയാം.

പൊതുഭരണത്തിൻ്റെ ഏറ്റവും മാനസികമായ ജോലി ഒരു പ്രശ്നത്തിന് മുന്നിൽ ശരിയായ നയം സ്ഥാപിക്കുക എന്നതാണ്: "നഗരമധ്യത്തിലെ ഗതാഗതക്കുരുക്ക് എങ്ങനെ കുറയ്ക്കാം?", "യുവാക്കളുടെ തൊഴിലില്ലായ്മയ്ക്ക് എന്ത് പ്രോത്സാഹനം നൽകും?", "ഈ പുതിയ നിയന്ത്രണം വ്യാപാരികൾക്ക് എന്ത് ഭാരം ചുമത്തും?" ഈ ചോദ്യങ്ങൾ, അനിശ്ചിതത്വത്തിൻകീഴിൽ, കൃത്യമായ ഒരു ഉത്തരമില്ലാതെ എടുത്ത, മൾട്ടി-സ്റ്റേക്ക്ഹോൾഡർ, മൾട്ടി-മാനദണ്ഡം തീരുമാനങ്ങളാണ്. നയ വിശകലനം (ഒരു പൊതു പ്രശ്നം തിരിച്ചറിയൽ, ഓപ്‌ഷനുകൾ, അവയുടെ സാധ്യമായ ആഘാതങ്ങൾ, ചെലവുകൾ, നേട്ടങ്ങൾ എന്നിവ വ്യവസ്ഥാപിതമായി താരതമ്യപ്പെടുത്തി തീരുമാനമെടുക്കുന്നയാൾക്ക് ശുപാർശകൾ അവതരിപ്പിക്കുക), റെഗുലേറ്ററി ഇംപാക്ട് വിശകലനം (RIA - RIA; ഒരു പുതിയ നിയമം ആരെ, എങ്ങനെ, എത്രത്തോളം ബാധിക്കുമെന്ന് മുൻകൂട്ടി വിലയിരുത്തൽ) എന്നിവയാണ് ഈ തീരുമാനങ്ങളുടെ നട്ടെല്ല്. ഇവിടെ ഓപ്‌ഷനുകൾ സൃഷ്‌ടിക്കുന്നതിലും ഓഹരി ഉടമകളെയും സ്വാധീനങ്ങളെയും ലിസ്റ്റുചെയ്യുന്നതിലും എതിർവാദങ്ങൾ ദൃശ്യമാക്കുന്നതിലും വിശകലനം തയ്യാറാക്കുന്നതിലും AI വളരെ ശക്തമായ ചിന്താ പങ്കാളിയാണ്. എന്നാൽ തീരുമാനവും മൂല്യനിർണ്ണയവും ഉത്തരവാദിത്തവും മനുഷ്യൻ്റേതാണ്; നിങ്ങൾ തിരഞ്ഞെടുക്കുന്ന ഓപ്ഷനുകളെ AI ഗുണിക്കുന്നു.

നയ വിശകലനത്തിൻ്റെ അസ്ഥികൂടം

നല്ല നയ വിശകലനം ഒരു നിശ്ചിത ലോജിക്ക് പിന്തുടരുന്നു, ഈ ചട്ടക്കൂട് നിർമ്മിക്കാൻ AI നന്നായി പ്രവർത്തിക്കുന്നു:

  1. പ്രശ്നം തിരിച്ചറിയുക. ലക്ഷണമോ മൂലകാരണമോ? ആരാണ്, എവിടെ, എത്രത്തോളം ഇത് ബാധിക്കുന്നു? അക്കങ്ങൾ പ്രകാരം.
  2. ലക്ഷ്യങ്ങളും മാനദണ്ഡങ്ങളും സജ്ജമാക്കുക. ഞങ്ങൾ എങ്ങനെ വിജയം അളക്കും (ചെലവ്, പ്രവേശനം, ഇക്വിറ്റി, സാധ്യത, ദൈർഘ്യം)?
  3. ഓപ്ഷനുകൾ സൃഷ്ടിക്കുക. "ഒന്നും ചെയ്യരുത്" ഉൾപ്പെടെ കുറഞ്ഞത് 3-4 റിയലിസ്റ്റിക് ഓപ്‌ഷനുകളെങ്കിലും
  4. ഓരോ ഓപ്ഷൻ്റെയും ഇഫക്റ്റുകൾ വിലയിരുത്തുക. ആർക്കാണ് ഇത് പ്രയോജനം, ആർക്ക് ഇത് ഭാരമാണ്? ചെലവ്; അപകടസാധ്യതകൾ; പ്രയോഗക്ഷമത; അനാവശ്യ പാർശ്വഫലങ്ങൾ.
  5. താരതമ്യം ചെയ്ത് ശുപാർശ ചെയ്യുക. മാനദണ്ഡങ്ങൾക്കനുസൃതമായി പട്ടികകൾ; യുക്തിസഹമായ ഒരു നിർദ്ദേശം നൽകുക, എന്നാൽ ഇതരമാർഗങ്ങൾ സൂക്ഷിക്കുക.
  6. നിരീക്ഷണവും മൂല്യനിർണ്ണയ പദ്ധതിയും. നയം പ്രാബല്യത്തിൽ വന്നാൽ ഞങ്ങൾ എന്ത് നിരീക്ഷിക്കും, അത് എപ്പോൾ അവലോകനം ചെയ്യും?

ഈ ആറ് ഘട്ടങ്ങളിൽ ഓരോന്നിലും AI-ക്ക് ഡ്രാഫ്റ്റുകൾ സൃഷ്ടിക്കാൻ കഴിയും. അതിൻ്റെ ഏറ്റവും മൂല്യവത്തായ സംഭാവന ഘട്ടം 4-ൽ കാണാം: മനുഷ്യ മനസ്സ് സ്വന്തം നിർദ്ദേശങ്ങളുമായി പ്രണയത്തിലാകുകയും പ്രതികൂല ഫലങ്ങളും ബദലുകളും അവഗണിക്കുകയും ചെയ്യുന്നു; AI-യോട് ചോദിക്കുക "ഈ ഓപ്ഷൻ്റെ ഏറ്റവും ശക്തമായ എതിർവാദങ്ങൾ എന്തൊക്കെയാണ്, അത് ആരെയാണ് ദോഷകരമായി ബാധിക്കുക?" ചോദിക്കുന്നു: ഈ അന്ധമായ സ്ഥലം തുറക്കുന്നു.

നുറുങ്ങ്: "പിശാചിൻ്റെ വക്താവായി" AI ഉപയോഗിക്കുക: നിങ്ങൾക്ക് ഇഷ്ടപ്പെട്ട ഓപ്‌ഷൻ നൽകുകയും "ഇത് കുറയ്ക്കുന്ന 5 ശക്തമായ എതിർപ്പുകൾ എഴുതുക" എന്ന് പറയുകയും ചെയ്യുക. ഇത് ഓഡിറ്റിംഗിനെതിരായ നിങ്ങളുടെ വിശകലനത്തെ കഠിനമാക്കുന്നു.

ഡാറ്റ നയിക്കപ്പെടുന്നു, എന്നാൽ മൂല്യത്താൽ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു

നയപരമായ തീരുമാനങ്ങൾ സാങ്കേതികവും മൂല്യവത്തായതുമാണ്. "നമുക്ക് ബജറ്റ് എവിടെ ചെലവഴിക്കണം?" ചോദ്യത്തിൽ, AI-ക്ക് ചെലവ്-ആനുകൂല്യ കണക്കുകൂട്ടലുകൾ നടത്താൻ കഴിയും; എന്നാൽ "ഏത് ഗ്രൂപ്പിൻ്റെ ആവശ്യങ്ങൾക്കാണ് മുൻഗണന നൽകുന്നത്?" ഇത് ഒരു രാഷ്ട്രീയ/ധാർമ്മിക തിരഞ്ഞെടുപ്പാണ്, തിരഞ്ഞെടുക്കപ്പെട്ട അല്ലെങ്കിൽ അംഗീകൃത തീരുമാനമെടുക്കുന്നയാളുടേതാണ്. AI ഉൽപ്പാദിപ്പിക്കുന്ന സംഖ്യകൾ പരിശോധിച്ചുറപ്പിക്കുന്നത് ഉറപ്പാക്കുക: യഥാർത്ഥ ഡാറ്റയെക്കാൾ "ന്യായമായതായി തോന്നുന്ന" നിർമ്മിത നമ്പറുകൾ മോഡൽ സൃഷ്ടിച്ചേക്കാം.

ശ്രദ്ധിക്കുക: ഔദ്യോഗിക സ്ഥിതിവിവരക്കണക്കുകളോ സ്ഥാപനപരമായ ഡാറ്റയോ ഉപയോഗിച്ച് സ്ഥിരീകരിക്കാതെ, AI നൽകുന്ന, ചെലവ്, ജനസംഖ്യ, നിരക്ക് മുതലായവ പോലുള്ള ഏത് നമ്പറും വിശകലനത്തിൽ ഉൾപ്പെടുത്തിയിട്ടില്ല. ബോധ്യപ്പെടുത്തുന്ന ഒരു വ്യാജ നമ്പർ ഒരു മുഴുവൻ നയത്തെയും തെറ്റായ കാലിൽ എത്തിക്കുന്നു.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - അവഗണിക്കപ്പെട്ട ഓഹരി ഉടമ. ഒരു മുനിസിപ്പാലിറ്റി അതിൻ്റെ മാർക്കറ്റ് സ്ഥലങ്ങൾ പട്ടണത്തിന് പുറത്തേക്ക് മാറ്റാനുള്ള ഓപ്ഷൻ പരിഗണിക്കുകയായിരുന്നു. അവർ AI-ക്ക് പങ്കാളികളുടെ ഒരു ലിസ്റ്റ് സമർപ്പിച്ചപ്പോൾ, പ്ലാനിൽ ഉൾപ്പെടുത്തിയിട്ടില്ലാത്ത ഒരു ഗ്രൂപ്പ് ഉയർന്നുവന്നു: പൊതുഗതാഗതത്തിന് പരിമിതമായ പ്രവേശനമുള്ള പഴയ ഷോപ്പർമാർ. ആഘാത വിശകലനത്തിലേക്ക് ഈ ഗ്രൂപ്പ് ചേർത്തു; ഗതാഗത പിന്തുണയോടെയാണ് തീരുമാനം പരിഷ്കരിച്ചത്.

കേസ് 2 - വ്യാജ നമ്പർ പിടികൂടി. ഒരു പ്രോത്സാഹന വിശകലനത്തിൽ, YZ പറഞ്ഞു "ഈ മേഖലയിൽ 120 ആയിരം രജിസ്റ്റർ ചെയ്ത ബിസിനസ്സുകൾ ഉണ്ട്." അനലിസ്റ്റ് ഔദ്യോഗിക സ്ഥിതിവിവരക്കണക്കുകൾ നോക്കിയപ്പോൾ, എണ്ണം ~ 74 ആയിരം ആയിരുന്നു. പ്രോത്സാഹന ബജറ്റ് 60% അമിതമായി കണക്കാക്കുന്നത് പരിശോധന തടഞ്ഞു.

കേസ് 3 - എതിർവാദം വിശകലനത്തെ ശക്തിപ്പെടുത്തി. ഒരു ഡ്രാഫ്റ്റ് റെഗുലേഷൻ പാർലമെൻ്റിലേക്ക് പോകുന്നതിന് മുമ്പ്, ടീം AI യോട് "ഈ നിയന്ത്രണത്തോടുള്ള ഏറ്റവും ശക്തമായ 8 എതിർപ്പുകൾ" ആവശ്യപ്പെട്ടു. ഇതിൽ ആറെണ്ണം യഥാർത്ഥത്തിൽ പാർലമെൻ്റിൽ പരാമർശിക്കപ്പെട്ടു; സംഘം തയ്യാറായി എത്തിയതിനാൽ രണ്ട് സെഷനുകൾക്ക് പകരം ഒരു സെഷനിൽ ചർച്ച അവസാനിപ്പിച്ചു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) പോളിസി ഓപ്ഷൻ നിർമ്മാതാവ്:

നിങ്ങളുടെ റോൾ: സീനിയർ പോളിസി അനലിസ്റ്റ്. "ഒന്നും ചെയ്യരുത്" എന്നതുൾപ്പെടെ, ഇനിപ്പറയുന്ന പ്രശ്‌നത്തിന് കുറഞ്ഞത് 4 റിയലിസ്റ്റിക് പോളിസി ഓപ്‌ഷനുകളെങ്കിലും സൃഷ്‌ടിക്കുക. ഓരോ ഓപ്‌ഷനും ഒരു വാക്യത്തിൻ്റെ വിശദീകരണം നൽകുക. ഇതുവരെ വിലയിരുത്തരുത്, ഓപ്ഷനുകൾ ലിസ്റ്റ് ചെയ്യുക. നിങ്ങൾ അനുമാനങ്ങൾ എവിടെയാണെന്ന് അടയാളപ്പെടുത്തുക. പ്രശ്നം: [അക്കങ്ങൾ ഉപയോഗിച്ച് പ്രശ്നം വിവരിക്കുക]

2) മൾട്ടി-ക്രൈറ്റീരിയ ആഘാതം വിലയിരുത്തൽ പട്ടിക:

ഇനിപ്പറയുന്ന മാനദണ്ഡങ്ങൾ അടിസ്ഥാനമാക്കി ഒരു പട്ടികയിൽ ഇനിപ്പറയുന്ന പോളിസി ഓപ്ഷനുകൾ വിലയിരുത്തുക: ചെലവ്, സാധ്യത, ഇക്വിറ്റി ഇംപാക്റ്റ്, കാലാവധി, പ്രധാന അപകടസാധ്യത. ഒരു ചെറിയ ന്യായീകരണം എഴുതുക, ഒരു റേറ്റിംഗ് അല്ല. നിങ്ങൾ ഉപയോഗിക്കുന്ന ഓരോ നമ്പറും "ഔദ്യോഗിക ഡാറ്റ ഉപയോഗിച്ച് സ്ഥിരീകരിച്ചിരിക്കണം" എന്ന് പ്രസ്താവിക്കുക. പട്ടികയ്ക്ക് കീഴിൽ, വ്യക്തി തീരുമാനമെടുക്കേണ്ട മൂല്യനിർണ്ണയങ്ങൾ പ്രത്യേകം പട്ടികപ്പെടുത്തുക. ഓപ്ഷനുകൾ: [ലിസ്റ്റ്]

3) പിശാചിൻ്റെ അഭിഭാഷകൻ (പ്രതിവാദം):

താഴെപ്പറയുന്ന നയ നിർദ്ദേശം ഞാൻ വാദിക്കുന്നു. വിപരീതമായി ചെയ്യുക: ഈ നിർദ്ദേശം, അതിൻ്റെ ഏറ്റവും ദുർബലമായ പോയിൻ്റുകൾ, സാധ്യമായ അഭികാമ്യമല്ലാത്ത പാർശ്വഫലങ്ങൾ എന്നിവ നശിപ്പിക്കുന്ന 6 ശക്തമായ എതിർപ്പുകൾ എഴുതുക. നിങ്ങൾക്ക് ആരെയാണ് ഉപദ്രവിക്കാൻ കഴിയുന്നതെന്ന് പ്രത്യേകം വ്യക്തമാക്കുക. മൃദുവായിരിക്കരുത്, കഠിനനായിരിക്കുക. നിർദ്ദേശം: [നിർദ്ദേശം]

4) റെഗുലേറ്ററി ഇംപാക്ട് അനാലിസിസ് (RIA) ചട്ടക്കൂട്:

നിങ്ങളുടെ റോൾ: റെഗുലേറ്ററി ഇംപാക്ട് അനലിസ്റ്റ്. ഇനിപ്പറയുന്ന കരട് നിയമനിർമ്മാണത്തിനായി ഒരു RIA ചട്ടക്കൂട് നിർമ്മിക്കുക: (1) പ്രശ്നം പരിഹരിച്ചു, (2) ബാധിച്ച വിഭാഗങ്ങൾ (പൗരന്മാർ, വ്യാപാരികൾ, സ്ഥാപനങ്ങൾ), (3) ഭാരങ്ങളും ചെലവുകളും, (4) പ്രതീക്ഷിക്കുന്ന ആനുകൂല്യങ്ങൾ, (5) ഇതരമാർഗങ്ങൾ, (6) നിരീക്ഷണ സൂചകങ്ങൾ. ഓരോ സംഖ്യാ ക്ലെയിമും "സ്ഥിരീകരിക്കാൻ" എന്ന് അടയാളപ്പെടുത്തുക. ഡ്രാഫ്റ്റ്: [കരട് നിയമനിർമ്മാണ സംഗ്രഹം]

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബല: "ഞങ്ങൾ എങ്ങനെയാണ് ട്രാഫിക് പ്രശ്നം പരിഹരിക്കുക?"

ശക്തം: "സീനിയർ പോളിസി അനലിസ്റ്റ് റോളിൽ. നഗര കേന്ദ്രത്തിലെ ഗതാഗതക്കുരുക്കിന് 'ഒന്നും ചെയ്യരുത്' ഉൾപ്പെടെ 5 ഓപ്‌ഷനുകൾ സൃഷ്‌ടിക്കുക. ചെലവ്, സാധ്യത, ഇക്വിറ്റി ഇംപാക്റ്റ്, ദൈർഘ്യം, പ്രധാന അപകടസാധ്യത അളക്കൽ എന്നിവയെ അടിസ്ഥാനമാക്കി ഓരോന്നിനും ഒരു ടേബിളിൽ വിലയിരുത്തുക; നിങ്ങൾ ഉപയോഗിക്കുന്ന ഓരോ നമ്പറും 'ഔദ്യോഗിക ഡാറ്റ സ്ഥിരീകരിക്കണം' എന്ന് അടയാളപ്പെടുത്തുക. തുടർന്ന് ഏറ്റവും ശക്തമായി തോന്നുന്ന രണ്ട് ഓപ്ഷനുകൾക്ക്, അവയ്ക്ക് പ്രത്യേക വാദങ്ങൾ എഴുതുക. (ആരുടെ മുൻഗണന, ഏത് ഗ്രൂപ്പിൻ്റെ ഭാരം) അത് ഞങ്ങൾക്ക് തീരുമാനം വിടുന്നു."

വ്യത്യാസം: ശക്തമായ പ്രോംപ്റ്റ് ഒറ്റ പ്രവാഹത്തിൽ ഓപ്ഷൻ ജനറേഷൻ, മൾട്ടി-ക്രൈറ്റീരിയ മൂല്യനിർണ്ണയം, ഡാറ്റ മൂല്യനിർണ്ണയം, എതിർവാദം, മനുഷ്യ-തീരുമാന അതിർത്തി എന്നിവ സ്ഥാപിക്കുന്നു.

AI-യുടെ സംഭാവനയും പരിധിയും

പടി

AI സംഭാവന

മനുഷ്യ ഉത്തരവാദിത്തം

പ്രശ്ന നിർവചനം

ഡ്രാഫ്റ്റ്, ഡാറ്റ ശേഖരണം

കൃത്യമായ ഡാറ്റ, മൂലകാരണം

ഓപ്ഷൻ ജനറേഷൻ

വിപുലമായ ഓപ്ഷനുകളുടെ പട്ടിക

റിയലിസം ഫിൽട്ടർ

ആഘാതം വിലയിരുത്തൽ

പട്ടിക, എതിർ വാദം

നമ്പർ സ്ഥിരീകരണം, അഭിപ്രായം

നിർദ്ദേശം

കരട് ന്യായീകരണം

മൂല്യ വിധി, തീരുമാനം

നിരീക്ഷണ പദ്ധതി

ഇൻഡിക്കേറ്റർ ശുപാർശ

അംഗീകാരം, നടപ്പാക്കൽ

ഓഹരി ഉടമകളുടെ ഭൂപടവും ചെലവ്-ആനുകൂല്യ ബാലൻസും

ഒരു നല്ല നയ വിശകലനം "എന്താണ് ചെയ്യേണ്ടത്" എന്ന ചോദ്യത്തിന് മാത്രമല്ല, "ആരെ ബാധിക്കും, എങ്ങനെ?" എന്ന ചോദ്യത്തിനും ഉത്തരം നൽകുന്നു. ഒരു സ്‌റ്റേക്ക്‌ഹോൾഡർ (വ്യക്തി, ഗ്രൂപ്പ് അല്ലെങ്കിൽ പോളിസിയെ ബാധിക്കുന്ന അല്ലെങ്കിൽ ബാധിക്കുന്ന സ്ഥാപനം) സൃഷ്‌ടിക്കുന്നത്, അവഗണിക്കപ്പെട്ട പരാതികളും പ്രതിരോധത്തിൻ്റെ പോയിൻ്റുകളും മുൻകൂട്ടി ദൃശ്യമാക്കുന്നു. ഒരു പോളിസി ഓപ്‌ഷനും ഓരോ ഓഹരി ഉടമയുടെയും സാധ്യതയുള്ള നേട്ടങ്ങൾ/നഷ്‌ടങ്ങൾ എന്നിവയ്‌ക്കായി AI-യ്‌ക്ക് ഓഹരി ഉടമകളുടെ ഒരു വലിയ ലിസ്റ്റ് വേഗത്തിൽ സൃഷ്ടിക്കാൻ കഴിയും; എന്നാൽ മൂർത്തമായ ഇവൻ്റ്, പ്രാദേശിക യാഥാർത്ഥ്യങ്ങൾ, രാഷ്ട്രീയ സംവേദനക്ഷമത എന്നിവയിലേക്ക് ഈ ലിസ്റ്റിൻ്റെ അനുയോജ്യത നിങ്ങൾക്ക് ഫിൽട്ടർ ചെയ്യാൻ കഴിയും. അതുപോലെ, ചിലവ്-ആനുകൂല്യ വിശകലനം (ഒരു ഓപ്ഷൻ്റെ പണവും പണേതര ചെലവുകളും താരതമ്യം ചെയ്യുന്നത്) AI-ക്ക് ചട്ടക്കൂട് നിർമ്മിക്കാൻ കഴിയുന്ന ഒരു ചട്ടക്കൂടാണ്, എന്നാൽ നിങ്ങൾ സ്ഥാപനത്തിൻ്റെ സ്വന്തം ഡാറ്റ ഉപയോഗിച്ച് നമ്പറുകൾ പൂരിപ്പിക്കേണ്ടതുണ്ട്.

മിനി കേസ് - ഇരകളുടെ നിശബ്ദ സംഘം. ഒരു ജില്ലയിൽ, മാർക്കറ്റ് സ്ഥലം മാറ്റാൻ പദ്ധതിയിട്ടിരുന്നു; സാമ്പത്തിക വിശകലനം പോസിറ്റീവ് ആയിരുന്നു. AI ഉപയോഗിച്ച് സൃഷ്‌ടിച്ച സ്‌റ്റേക്ക്‌ഹോൾഡർ മാപ്പ്, പ്ലാനിൽ ഒരിക്കലും പരാമർശിച്ചിട്ടില്ലാത്ത ഒരു ഗ്രൂപ്പിനെ എടുത്തുകാണിച്ചു: കാൽനടയായി മാർക്കറ്റിലെത്തിയ ഏകദേശം 600 മുതിർന്ന പൗരന്മാർക്ക് പൊതുഗതാഗതത്തിലൂടെ 40 മിനിറ്റിനുള്ളിൽ പുതിയ സ്ഥലത്ത് എത്തിച്ചേരാനാകും. ഈ കണ്ടെത്തൽ തീരുമാനത്തിൽ ഒരു സർവീസ് ലൈൻ ആവശ്യകത ഉൾപ്പെടുത്താൻ പ്രേരിപ്പിച്ചു.

മിനി കേസ് - മറഞ്ഞിരിക്കുന്ന ചെലവ്. ഒരു ഡിജിറ്റലൈസേഷൻ പ്രോജക്റ്റിൻ്റെ ചിലവ്-ആനുകൂല്യ രൂപരേഖയിൽ, AI ഒരു ചെലവായി സോഫ്‌റ്റ്‌വെയർ ലൈസൻസ് മാത്രം കണക്കാക്കി. ഞങ്ങൾ ടീം, പരിശീലനം, ട്രാൻസിഷണൽ പ്രൊഡക്ടിവിറ്റി നഷ്ടം, കോൾ സെൻ്റർ ലോഡ് എന്നിവ ചേർത്തപ്പോൾ, ആദ്യ വർഷത്തെ ചെലവ് 60 ശതമാനം വർദ്ധിച്ചു, ടേൺറൗണ്ട് സമയം 1 വർഷത്തിൽ നിന്ന് 2.3 വർഷമായി ഉയർന്നു - അതിനനുസരിച്ച് തീരുമാനം യാഥാർത്ഥ്യമായി.

ടെംപ്ലേറ്റ് ജനറേറ്റിംഗ് സ്റ്റേക്ക്‌ഹോൾഡറും ചെലവ്-ആനുകൂല്യ ചട്ടക്കൂടും:

ടാസ്‌ക്: ഇനിപ്പറയുന്ന പോളിസി ഓപ്ഷനായി രണ്ട് ടേബിളുകൾ നിർമ്മിക്കുക. ഓപ്‌ഷൻ: [നയ വിവരണം]പട്ടിക 1 — ഓഹരി ഉടമയുടെ മാപ്പ്: ഓഹരി ഉടമ | സ്വാധീനത്തിൻ്റെ വഴി | സാധ്യമായ വരുമാനം | സാധ്യമായ നഷ്ടം | പ്രതിരോധത്തിൻ്റെ നില (കുറഞ്ഞ/ഇടത്തരം/ഉയർന്നത്).പട്ടിക 2 — ചെലവ്-ആനുകൂല്യ ചട്ടക്കൂട്: ഇനം | പണമോ? | കണക്കാക്കിയ ദിശ (+/-) | ഡാറ്റ ഉറവിടം [പൂരിപ്പിച്ചിരിക്കണം]. നിയമം: നമ്പർ സാങ്കൽപ്പികം; പണ ഇനങ്ങളുടെ മൂല്യം ശൂന്യമായി വിടുക, അവയുടെ ഉറവിടം ചോദിക്കുക. ഒരു പ്രത്യേക തലക്കെട്ടിൽ അവഗണിക്കപ്പെട്ടേക്കാവുന്ന പ്രതികൂല ഗ്രൂപ്പുകൾ വ്യക്തമാക്കുക.

മുന്നറിയിപ്പ്: AI നിർമ്മിക്കുന്ന സ്റ്റേക്ക്‌ഹോൾഡർ ലിസ്റ്റിൽ "ന്യായമായത്" എന്ന് തോന്നുന്ന പൊതു ഗ്രൂപ്പുകൾ അടങ്ങിയിരിക്കുന്നു; ഇത് പലപ്പോഴും പ്രാദേശിക, നിശബ്ദ, അസംഘടിത ഗ്രൂപ്പുകളെ മറികടക്കുന്നു. ഫീൽഡ് അറിയാവുന്നത് നിങ്ങളാണ് — ലിസ്റ്റ് പൂർത്തിയാക്കേണ്ടത് നിങ്ങളുടെ ജോലിയാണ്.

സാധാരണ തെറ്റുകൾ

  • AI-യുടെ നമ്പറുകൾ വിശ്വസിക്കുന്നു. ജനസംഖ്യ, ചെലവ്, നിരക്ക് മുതലായവ ഔദ്യോഗിക ഉറവിടത്തിൽ നിന്ന് പരിശോധിച്ചുറപ്പിക്കുക.
  • തിരഞ്ഞെടുത്ത ഓപ്ഷൻ മാത്രം വിശകലനം ചെയ്യുക. "ഒന്നും ചെയ്യാതിരിക്കുക" എന്നതും ഇതരമാർഗങ്ങളും പരിഗണിക്കുക; അല്ലെങ്കിൽ വിശകലനം പക്ഷപാതപരമായിരിക്കും.
  • മൂല്യനിർണ്ണയം AI-യെ ഏൽപ്പിക്കുന്നു. "ആരുടെ ആവശ്യങ്ങൾ ആദ്യം വരും" എന്നത് ഒരു രാഷ്ട്രീയ/ധാർമ്മിക തീരുമാനമാണ്, സാങ്കേതികമായ ഒന്നല്ല.
  • എതിർ വാദങ്ങൾ ഒഴിവാക്കുന്നു. നിങ്ങളുടെ സ്വന്തം നിർദ്ദേശത്തോട് ശക്തമായ എതിർപ്പുകൾ കാണുന്നത് വരെ കൗൺസിൽ/സൂപ്പർവൈസറുടെ അടുത്തേക്ക് പോകരുത്.
  • ഓഹരി ഉടമകളുടെ അപൂർണ്ണമായ പട്ടിക. പ്രത്യേകിച്ച് ശബ്ദമില്ലാത്ത/ദുർബലരായ ഗ്രൂപ്പുകളെ (പ്രായമായവർ, വികലാംഗർ, ഗ്രാമീണർ) ചോദ്യം ചെയ്യുക.
  • ഒരു മോണിറ്ററിംഗ് പ്ലാൻ സ്ഥാപിക്കുന്നില്ല. അളക്കാത്ത നയം വിലയിരുത്താനാവില്ല; തുടക്കം മുതൽ സൂചകങ്ങൾ നിർവചിക്കുക.

ചുരുക്കത്തിൽ

നയ വിശകലനത്തിൽ, ഓപ്‌ഷനുകൾ സൃഷ്‌ടിക്കുന്ന, ചാർട്ട് ഇംപാക്‌ടുകൾ സൃഷ്‌ടിക്കുന്ന, പങ്കാളികളെ ഓർമ്മപ്പെടുത്തുന്ന, ഏറ്റവും പ്രധാനമായി, നിങ്ങളുടെ സ്വന്തം നിർദ്ദേശത്തിനെതിരെ വാദങ്ങൾ സൃഷ്‌ടിക്കുന്ന ഒരു ശക്തമായ ചിന്താ പങ്കാളിയാണ് AI. എന്നാൽ ഓരോ സംഖ്യയും പരിശോധിച്ചുറപ്പിക്കണം, മൂല്യനിർണ്ണയങ്ങൾ ആളുകൾക്ക് വിട്ടുകൊടുക്കണം, അന്തിമ തീരുമാനവും ഉത്തരവാദിത്തവും അംഗീകൃത തീരുമാനമെടുക്കുന്നയാളിൽ തന്നെ തുടരണം. AI വിശകലനം വിപുലീകരിക്കുന്നു; തീരുമാനത്തെ ആഴത്തിലാക്കുന്നതും ഒപ്പിടുന്നതും നിങ്ങളാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ യൂണിറ്റിൻ്റെ അജണ്ടയിൽ ഒരു യഥാർത്ഥ നയ പ്രശ്നം തിരഞ്ഞെടുക്കുക. "പോളിസി ഓപ്‌ഷൻ ജനറേറ്റർ" ഉപയോഗിച്ച് കുറഞ്ഞത് 4 ഓപ്‌ഷനുകളെങ്കിലും എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യുക, "മൾട്ടി-ക്രൈറ്റീരിയ ഇംപാക്ട് അസസ്‌മെൻ്റ് ടേബിളുമായി" താരതമ്യം ചെയ്യുക, കൂടാതെ ഔദ്യോഗിക ഉറവിടം ഉപയോഗിച്ച് AI സൃഷ്ടിച്ച ഒരു നമ്പറെങ്കിലും സ്ഥിരീകരിക്കുക. അവസാനമായി, നിങ്ങൾ തിരഞ്ഞെടുത്ത ഓപ്‌ഷനിലേക്ക് "സാത്താൻ്റെ അഭിഭാഷകൻ" ടെംപ്ലേറ്റ് പ്രയോഗിക്കുകയും നിങ്ങൾ കണ്ടെത്തുന്ന ശക്തമായ എതിർപ്പ് ശ്രദ്ധിക്കുക.

ചെക്ക്ലിസ്റ്റ്

  • [ ] "ഒന്നും ചെയ്യരുത്" എന്നതുൾപ്പെടെ കുറഞ്ഞത് 4 ഓപ്ഷനുകളെങ്കിലും ഞാൻ പരിഗണിച്ചു.
  • [ ] ഔദ്യോഗിക ഉറവിടത്തിൽ നിന്നുള്ള എല്ലാ സംഖ്യാപരമായ ക്ലെയിമുകളും ഞാൻ പരിശോധിച്ചു.
  • [ ] ദുർബലരായ ഗ്രൂപ്പുകൾ ഉൾപ്പെടെ, ബാധിച്ച എല്ലാ പങ്കാളികളെയും ഞാൻ പട്ടികപ്പെടുത്തിയിട്ടുണ്ട്.
  • [ ] ഞാൻ തിരഞ്ഞെടുത്ത ഓപ്‌ഷനിനെതിരെ ഞാൻ വാദങ്ങൾ ഉന്നയിച്ചു.
  • [ ] മാനുഷിക തീരുമാനങ്ങൾക്കായി ഞാൻ മൂല്യനിർണ്ണയങ്ങൾ മാറ്റിവെച്ചു.
  • [ ] ഞാൻ നിരീക്ഷണവും അവലോകന സൂചകങ്ങളും നിർവചിച്ചു.