റിപ്പോർട്ട് റൈറ്റിംഗും ഓട്ടോമേഷനും: ഡ്രാഫ്റ്റിംഗ്, സ്ഥിരത, ആഖ്യാന എഡിറ്റിംഗ്

നേട്ടങ്ങൾ:

• പരിശോധിച്ച ഡാറ്റ മാത്രം ഉപയോഗിച്ച് റിപ്പോർട്ട് വിഭാഗം വിഭാഗം പ്രിൻ്റ് ചെയ്യാനും പുതിയ നമ്പറുകൾ/ക്ലെയിമുകൾ സൃഷ്ടിക്കുന്നതിൽ നിന്ന് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിനെ നിരോധിക്കാനും ഉള്ള കഴിവ്
• വ്യത്യസ്ത വിഭാഗങ്ങളിലെ ഒരേ മെട്രിക്കിൻ്റെ പൊരുത്തക്കേടുകൾക്കായി സ്കാൻ ചെയ്യാനും ഉറവിടത്തിലേക്ക് പോയി ശരിയായ മൂല്യം നിർണ്ണയിക്കാനുമുള്ള കഴിവ്
• സംഗ്രഹ സമയത്ത് 'ഭാഗിക/കണക്കാക്കിയ/അംഗീകൃതമല്ലാത്ത' റിസർവേഷനുകൾ നിലനിർത്തിക്കൊണ്ട് ശരിയായ വാചകം തെറ്റിദ്ധരിപ്പിക്കുന്ന സംഗ്രഹമായി മാറുന്നത് തടയാനുള്ള കഴിവ്

എല്ലാ ഡാറ്റയും ശേഖരിച്ചു, കാർബൺ കണക്കാക്കി, ചട്ടക്കൂടിലേക്ക് മാപ്പ് ചെയ്തു, പങ്കാളികൾ ശ്രദ്ധിച്ചു; ഇനി ഇതെല്ലാം വായിക്കാവുന്ന സുസ്ഥിരതാ റിപ്പോർട്ടായി മാറണം. ഒരു CSRD റിപ്പോർട്ടിൽ നൂറുകണക്കിന് പേജുകളും ഡസൻ കണക്കിന് സൂചകങ്ങളും നിരവധി വിവരണ വിഭാഗങ്ങളും അടങ്ങിയിരിക്കുന്നു. ഇവിടെയാണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ (AI) ഏറ്റവും ദൃശ്യമായ സംഭാവന: ഡ്രാഫ്റ്റ് ടെക്‌സ്‌റ്റ് നിർമ്മിക്കുക, വ്യത്യസ്ത വിഭാഗങ്ങളെ യോജിപ്പുള്ളതാക്കുക, നീണ്ട സാങ്കേതിക ഉള്ളടക്കം സംഗ്രഹിക്കുക. എന്നാൽ ഇവിടെയാണ് ഏറ്റവും വലിയ അപകടസാധ്യത: ഒഴുക്കുള്ളതും മനോഹരവും തെളിവില്ലാത്തതുമായ വാചകം നിർമ്മിക്കുന്നതിൽ AI സമർത്ഥമാണ്. റിപ്പോർട്ട് വേഗത്തിൽ അച്ചടിക്കുമ്പോൾ കൃത്യതയും ഓഡിറ്റബിലിറ്റിയും എങ്ങനെ നിലനിർത്താമെന്ന് ഈ യൂണിറ്റിൽ നിങ്ങൾ പഠിക്കും.

നമുക്ക് ആദ്യം മുതൽ അടിസ്ഥാന തത്വം നൽകാം: AI വാചകം എഴുതുന്നു, മനുഷ്യൻ അതിനെ തെളിവുകളുമായി ബന്ധിപ്പിക്കുന്നു. സുസ്ഥിരതാ റിപ്പോർട്ടിലെ എല്ലാ സംഖ്യാപരമായ ക്ലെയിമുകളും ഒരു ഓഡിറ്റ് ട്രയലിനെ അടിസ്ഥാനമാക്കിയുള്ളതായിരിക്കണം, കൂടാതെ എല്ലാ ഗുണപരമായ ക്ലെയിമുകളും ഒരു വസ്തുതയെ അടിസ്ഥാനമാക്കിയുള്ളതായിരിക്കണം. AI-യുടെ ജോലി പദപ്രയോഗം സംഘടിപ്പിക്കുകയും കാര്യക്ഷമമാക്കുകയും സമന്വയിപ്പിക്കുകയും ചെയ്യുക എന്നതാണ്; അവകാശവാദത്തിൻ്റെ സത്യാവസ്ഥ ഹാജരാക്കാൻ വേണ്ടിയല്ല. "നന്നായി എഴുതിയത്", "കൃത്യവും വസ്തുനിഷ്ഠവും" എന്നിവ രണ്ട് സ്വതന്ത്ര ഗുണങ്ങളാണ്.

AI എവിടെയാണ് ശക്തം, റിപ്പോർട്ട് എഴുതുന്നതിൽ എവിടെയാണ് അപകടസാധ്യത?

അന്വേഷണം

AI സംഭാവന

റിസ്ക്

ആദ്യ ഡ്രാഫ്റ്റ് നിർമ്മിക്കുന്നു

ശൂന്യമായ പേജ് വേഗത്തിൽ പൂരിപ്പിക്കുന്നു

തെളിവുകളില്ലാതെ ക്ലെയിമുകൾ ചേർക്കാം

സ്ഥിരത പരിശോധന

ടേം/യൂണിറ്റ് വൈരുദ്ധ്യം പിടിക്കുന്നു

പിശകുകൾ "തിരുത്താൻ" കഴിയും

സംഗ്രഹിക്കുന്നു

നീളമുള്ള ഭാഗം ചുരുക്കുന്നു

ഗുരുതരമായ സൂക്ഷ്മത ഒഴിവാക്കാം

ടോൺ എഡിറ്റിംഗ്

ഔപചാരിക/വ്യക്തമായ ഭാഷ നൽകുന്നു

അതിശയോക്തിയിലേക്ക് വഴുതിവീണേക്കാം

വിവർത്തനം

ബഹുഭാഷാ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കുന്നു

സാങ്കേതിക പദം തെറ്റായി വിവർത്തനം ചെയ്യുന്നു

നിർണായക നിയമം ഇതാണ്: AI-ക്ക് ഒരു റിപ്പോർട്ട് നൽകുമ്പോൾ, അതിന് സാധുതയുള്ള ഇൻപുട്ടുകൾ മാത്രം നൽകുകയും പുതിയ നമ്പറുകൾ/ക്ലെയിമുകൾ സൃഷ്ടിക്കുന്നതിൽ നിന്ന് വിലക്കുകയും ചെയ്യുക. അല്ലെങ്കിൽ, AI മുമ്പത്തെ വാക്യങ്ങളിൽ നിന്ന് "യുക്തമെന്ന് തോന്നുന്ന" സംഖ്യകൾ ഉരുത്തിരിഞ്ഞു, എന്നാൽ ഉറവിടമില്ല.

നുറുങ്ങ്: ഒരു റിപ്പോർട്ട് തയ്യാറാക്കുമ്പോൾ, എല്ലായ്‌പ്പോഴും AI-ക്ക് ഈ നിയമം നൽകുക: "ഞാൻ നിങ്ങൾക്ക് നൽകിയ ഡാറ്റയല്ലാതെ മറ്റ് നമ്പറുകളോ ശതമാനങ്ങളോ തീയതികളോ ക്ലെയിമുകളോ ചേർക്കരുത്; എന്തെങ്കിലും നഷ്‌ടപ്പെട്ടാൽ, അവിടെ [ഡാറ്റ ആവശ്യമാണ്] എഴുതുക." ഈ ഒരൊറ്റ വാചകം റിപ്പോർട്ടിൽ കടന്നുകൂടിയ മിക്ക കെട്ടിച്ചമച്ച ആരോപണങ്ങളെയും തടയുന്നു.

ഘട്ടം ഘട്ടമായി: സുരക്ഷിതമായ റിപ്പോർട്ട് റൈറ്റിംഗ്

1. ആദ്യം അസ്ഥികൂടം നിർമ്മിക്കുക. വിഭാഗത്തിൻ്റെ തലക്കെട്ടുകളും ഓരോ വിഭാഗത്തിലും പരിശോധിച്ചുറപ്പിച്ച ഡാറ്റയും ആസൂത്രണം ചെയ്യുക. AI നല്ല ഉള്ളടക്കം/അസ്ഥികൂടം ഉത്പാദിപ്പിക്കുന്നു.

2. സെക്ഷൻ ബൈ സെക്ഷൻ, ഡാറ്റ ഉപയോഗിച്ച് ഫീഡ് ചെയ്യുക. ഓരോ പാർട്ടീഷനും വെവ്വേറെ പ്രിൻ്റ് ചെയ്യുക, ആ പാർട്ടീഷനുള്ള പരിശോധിച്ച ഡാറ്റ മാത്രം. മുഴുവൻ റിപ്പോർട്ടും ഒരേസമയം "മേക്ക് അപ്പ്" എന്ന് പറയരുത്.

3. ഒരു ക്ലെയിം-തെളിവ് പൊരുത്തം ഉണ്ടാക്കുക. ഓരോ സംഖ്യാ വാക്യത്തിനും അടുത്തുള്ള ഉറവിടം ശ്രദ്ധിക്കുക. ഉറവിടമില്ലാത്ത ഒരു വാചകം റിപ്പോർട്ടിൽ ഉൾപ്പെടുത്തില്ല.

4. സ്ഥിരത പരിശോധിക്കുക. ഒരേ മെട്രിക് വ്യത്യസ്ത വിഭാഗങ്ങളിൽ വ്യത്യസ്ത മൂല്യങ്ങളിൽ പ്രത്യക്ഷപ്പെടുന്നത് ഒരു സാധാരണ തെറ്റാണ്; ഇതിനായി സ്കാൻ ചെയ്യുന്നതിൽ AI മികച്ചതാണ്, പക്ഷേ മനുഷ്യൻ തിരുത്തൽ അംഗീകരിക്കുന്നു.

5. ഹൈപ്പിനും ഗ്രീൻവാഷിംഗിനും വേണ്ടി സ്കാൻ ചെയ്യുക. അവസാന റൗണ്ടിൽ, "അളവില്ലാത്ത/തെളിവില്ലാത്ത പ്രസ്താവന" (അടുത്ത യൂണിറ്റ് ഇതിലേക്ക് കുഴിച്ചിടുന്നു) എന്നതിനായി ഒരു കണ്ണുകൊണ്ട് ടെക്സ്റ്റ് മായ്‌ക്കുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഞങ്ങളുടെ സുസ്ഥിരതാ റിപ്പോർട്ടിൻ്റെ കാലാവസ്ഥാ വിഭാഗം എഴുതുക.

ഡാറ്റ ഇല്ല; AI ഒരു "സാധാരണ കാലാവസ്ഥാ എപ്പിസോഡ്" ഉണ്ടാക്കുന്നു, നിങ്ങൾക്ക് യഥാർത്ഥത്തിൽ ഇല്ലാത്ത ടെക്സ്റ്റിലേക്ക് നമ്പറുകളും ടാർഗെറ്റുകളും തിരുകുന്നു.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: ESG റിപ്പോർട്ട് റൈറ്റർ. എഴുതുക: റിപ്പോർട്ടിൻ്റെ "കാലാവസ്ഥ" വിഭാഗത്തിൻ്റെ കരട്. നിങ്ങൾ ഉപയോഗിക്കുന്ന ഒരേയൊരു ഡാറ്റ (ഒഴിവാക്കുക, പുതിയ നമ്പർ ചേർക്കുക):- സ്കോപ്പ് 1: 1,240 tCO2e (2024, പരിശോധിച്ചുറപ്പിച്ചത്)- സ്കോപ്പ് 2: 2,100 tCO2e (2024, ലൊക്കേഷൻ അടിസ്ഥാനമാക്കിയുള്ളത്)- സ്കോപ്പ് 3: ഭാഗികം, 60% കവർ ചെയ്തിരിക്കുന്നത് (Scope 30 മുതൽ 20 വരെ) 1+2-ൽ 42% കുറവ് (SBTi അംഗീകരിച്ചിട്ടില്ല, ബാധകമാക്കിയിട്ടില്ല) നിയമങ്ങൾ:- ഞാൻ നൽകുന്ന ഡാറ്റയല്ലാതെ നമ്പർ/ശതമാനം/തീയതി വ്യാജമാക്കരുത്; നഷ്‌ടപ്പെട്ടാൽ, [ഡാറ്റ ആവശ്യമാണ്] എഴുതുക.- സ്കോപ്പ് 3 ഭാഗികമാണെന്നും പ്രോക്‌സി ഉൾപ്പെടുന്നുവെന്നും വ്യക്തമാക്കുക.- ടാർഗെറ്റ് ഇതുവരെ അംഗീകരിച്ചിട്ടില്ലെന്ന് സത്യസന്ധമായി എഴുതുക, "അംഗീകാരം" എന്ന് പറയരുത്.- ടോൺ: വ്യക്തവും ഔപചാരികവും കുറവും.

സ്ഥിരതയും ഗുണനിലവാര നിയന്ത്രണവും ആവശ്യപ്പെടുന്നു

ചുവടെയുള്ള റിപ്പോർട്ട് ഡ്രാഫ്റ്റിൽ ഒരു സ്ഥിരത പരിശോധന നടത്തുക. തിരിച്ചറിയുക (അടയാളം, ശരിയല്ല):1) വ്യത്യസ്ത സ്ഥലങ്ങളിൽ വ്യത്യസ്ത മൂല്യങ്ങളോടെ ഒരേ മെട്രിക് സംഭവിക്കുന്ന സാഹചര്യങ്ങൾ2) യൂണിറ്റ് പൊരുത്തക്കേടുകൾ (kg/ton, kWh/MWh)3) മറ്റൊരു വിഭാഗവുമായി ഒരു വിഭാഗത്തിലെ ക്ലെയിമിൻ്റെ വൈരുദ്ധ്യം4) വ്യക്തമാക്കാത്ത ഉറവിടങ്ങളുള്ള സംഖ്യാ ക്ലെയിമുകൾ ഓരോ കണ്ടെത്തലും വിഭാഗം/വരി അവലംബം: [DRAFraft] റഫറൻസ്.

ഇനിപ്പറയുന്ന പ്രോംപ്റ്റ് മാനേജർക്ക് ഒരു നീണ്ട സാങ്കേതിക വിഭാഗത്തെ സംഗ്രഹിക്കുന്നു; എന്നാൽ അത് സൂക്ഷ്മത നിലനിർത്താൻ നിങ്ങളെ പ്രേരിപ്പിക്കുന്നു.

നിങ്ങളുടെ റോൾ: റിപ്പോർട്ട് എഡിറ്റർ. ടാസ്‌ക്: എക്‌സിക്യൂട്ടീവ് സംഗ്രഹത്തിനായി ചുവടെയുള്ള സാങ്കേതിക വിഭാഗം 150 വാക്കുകളായി കുറയ്ക്കുക. നിയമങ്ങൾ:- റൗണ്ടിംഗ് വഴി ഒരു സംഖ്യയും മാറ്റുകയോ പെരുപ്പിച്ചു കാണിക്കുകയോ ചെയ്യരുത്.- "ഭാഗിക/കണക്കാക്കിയ/സ്ഥിരീകരിക്കപ്പെടാത്തത്" പോലെയുള്ള റിസർവേഷനുകൾ ഒഴിവാക്കുക, സംഗ്രഹത്തിലേക്ക് നീങ്ങുക.- അനിശ്ചിതത്വം "നിശ്ചയം" ആയി അവതരിപ്പിക്കുക. വിഭാഗം: [CHAPTER]

ശ്രദ്ധിക്കുക: സംഗ്രഹിക്കുമ്പോൾ AI മിക്കപ്പോഴും "റിസർവേഷനുകൾ" തള്ളിക്കളയുന്നു. "സ്കോപ്പ് 3 ഡാറ്റ ഭാഗികമാണ്", "ലക്ഷ്യം ഇതുവരെ സ്ഥിരീകരിച്ചിട്ടില്ല", "ഡാറ്റയിൽ പ്രവചനം അടങ്ങിയിരിക്കുന്നു" തുടങ്ങിയ വാക്യങ്ങൾ സംഗ്രഹത്തിനായി ഇല്ലാതാക്കിയാൽ, ഒരു കൃത്യമായ വാചകം തെറ്റിദ്ധരിപ്പിക്കുന്ന സംഗ്രഹമായി മാറുന്നു. സംഗ്രഹങ്ങളിൽ സംവരണം നിലനിർത്തുന്നത് സംഖ്യകൾ സംരക്ഷിക്കുന്നത് പോലെ പ്രധാനമാണ്.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ചോർന്ന വ്യാജ ലക്ഷ്യം. ഒരു കമ്പനിയുടെ കാലാവസ്ഥാ വിഭാഗം ലളിതമായ ഒരു നിർദ്ദേശത്തോടെ എഴുതാൻ AI യെ ഏൽപ്പിച്ചു. YZ ഒരു "2040 നെറ്റ് സീറോ" ടാർഗെറ്റ് ചേർത്തു, അത് യഥാർത്ഥത്തിൽ സജ്ജീകരിച്ചിട്ടില്ല, കാരണം "സമാനമായ റിപ്പോർട്ടുകളിൽ ഇത് സൂചിപ്പിച്ചിരിക്കുന്നു." എഡിറ്റർ ഇത് പിടിച്ചു; ടാർഗെറ്റ് യഥാർത്ഥത്തിൽ എടുത്തിട്ടില്ല, പ്രസിദ്ധീകരിച്ചാൽ അത് തെറ്റായി ചിത്രീകരിക്കപ്പെടുമായിരുന്നു.

കേസ് 2 - പൊരുത്തമില്ലാത്ത മെട്രിക്. ഒരു റിപ്പോർട്ടിൻ്റെ സംഗ്രഹ വിഭാഗത്തിൽ, ജല ഉപഭോഗം "1.2 ദശലക്ഷം m³" എന്നും വിശദാംശ വിഭാഗത്തിൽ അത് "1.8 ദശലക്ഷം m³" എന്നും എഴുതിയിരിക്കുന്നു. AI-യുടെ സ്ഥിരത സ്കാൻ വൈരുദ്ധ്യം ഫ്ലാഗ് ചെയ്തു; ഉറവിടത്തിലേക്ക് പോയി, ശരിയായ മൂല്യം 1.8 ദശലക്ഷം m³ ആയി സംയോജിപ്പിച്ചു.

കേസ് 3 - ഇല്ലാതാക്കിയ റിസർവേഷൻ. "സ്കോപ്പ് 3 ൻ്റെ 60% ഒരു എസ്റ്റിമേറ്റ് ആണ്" എന്ന മുന്നറിയിപ്പ് ഒഴിവാക്കിക്കൊണ്ട് AI ഒരു എക്സിക്യൂട്ടീവ് സംഗ്രഹം എഴുതി, റിപ്പോർട്ട് പൂർണ്ണമായും അളന്നതായി കാണപ്പെട്ടു. പ്രീ-ഓഡിറ്റ് പരിശോധന റിസർവേഷൻ വീണ്ടും ചേർത്തു; അല്ലാത്തപക്ഷം സംഗ്രഹം റിപ്പോർട്ടിനേക്കാൾ കൂടുതൽ ഉറപ്പുള്ളതും തെറ്റിദ്ധരിപ്പിക്കുന്നതുമായിരിക്കും.

സാധാരണ തെറ്റുകൾ

• ഡാറ്റ നൽകാതെ ഒരു റിപ്പോർട്ട് അച്ചടിക്കുന്നു. ശൂന്യമായ പ്രോംപ്റ്റ് നമ്പറുകളും ലക്ഷ്യങ്ങളും ഉണ്ടാക്കാൻ AI-യെ നയിക്കുന്നു.
• മുഴുവൻ റിപ്പോർട്ടും ഒരേസമയം തയ്യാറാക്കുന്നു. ഓരോ വിഭാഗത്തിനും ഡാറ്റ നൽകി എഴുതുന്നത് നിയന്ത്രണം നിലനിർത്തുന്നു.
• സംഗ്രഹിക്കുമ്പോൾ റിസർവേഷനുകൾ നിരസിക്കുന്നു. "ഭാഗികം/കണക്കാക്കിയത്/സ്ഥിരീകരിക്കാത്തത്" എന്ന വാക്കുകളും സംഗ്രഹത്തിൽ നിലനിൽക്കണം.
• AI ഉള്ളത് അന്ധമായി പൊരുത്തക്കേട് ശരിയാക്കുന്നു. ഏത് മൂല്യമാണ് ശരിയെന്ന് AI-ക്ക് അറിയില്ല; മനുഷ്യൻ ഉറവിടത്തിലേക്ക് ഇറങ്ങുന്നു.
• "ഫ്ലുവൻ" എന്നത് "ശരി" എന്ന് തെറ്റിദ്ധരിക്കുന്നു. നന്നായി എഴുതിയ ഒരു വാചകം തെളിവുകളില്ലാത്തതാണെങ്കിൽ, അത് ഇപ്പോഴും റിപ്പോർട്ടിൽ ഉൾപ്പെടുത്തില്ല.

ചുരുക്കത്തിൽ

AI സംഭാവനയുടെ ഏറ്റവും ദൃശ്യമായതും എന്നാൽ അപകടസാധ്യതയുള്ളതുമായ മേഖലയാണ് റിപ്പോർട്ട് എഴുത്ത്. AI ശൂന്യമായ പേജ് വേഗത്തിൽ പൂരിപ്പിക്കുന്നു, വിഭാഗങ്ങൾ സ്ഥിരത നിലനിർത്തുന്നു, ദൈർഘ്യമേറിയ ഉള്ളടക്കം സംഗ്രഹിക്കുന്നു; എന്നാൽ ഇത് തെളിവുകളില്ലാതെ ക്ലെയിമുകൾ ചേർക്കാനും റിസർവേഷനുകൾ ഇല്ലാതാക്കാനും അതിശയോക്തി സൃഷ്ടിക്കാനും പ്രവണത കാണിക്കുന്നു. സുരക്ഷിതമായ രീതി: പരിശോധിച്ച ഡാറ്റ മാത്രം ഫീഡ് ചെയ്യുക, പുതിയ നമ്പറുകൾ സൃഷ്ടിക്കുന്നതിൽ നിന്ന് വിലക്കുക, വിഭാഗങ്ങൾ തിരിച്ച് പ്രിൻ്റ് ചെയ്യുക, സ്ഥിരതയ്ക്കായി സ്കാൻ ചെയ്യുക, എന്നാൽ ഉറവിടത്തിലേക്ക് തിരുത്താൻ മനുഷ്യനെ അനുവദിക്കുക. എല്ലാ അവകാശവാദങ്ങളും തെളിവുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണെങ്കിൽ, "നന്നായി എഴുതിയ" റിപ്പോർട്ട് ഒരു നല്ല റിപ്പോർട്ട് മാത്രമാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

സ്ഥിരീകരിക്കപ്പെട്ടതായി നിങ്ങൾ അനുമാനിക്കുന്ന 4-5 സംഖ്യാപരമായ ഡാറ്റാ ഇനങ്ങൾ ഉണ്ടായിരിക്കുക (ഒന്ന് "കണക്കാക്കിയത്", ഒരു "സ്ഥിരീകരിക്കാത്ത ലക്ഷ്യം"). മുകളിലെ ശക്തമായ പ്രോംപ്റ്റ് വഴി ഒരു റിപ്പോർട്ട് വിഭാഗം ഡ്രാഫ്റ്റിനായി AI-യോട് ആവശ്യപ്പെടുക. തുടർന്ന്: (1) നിങ്ങൾ നൽകാത്ത നമ്പറുകളൊന്നും ടെക്‌സ്‌റ്റിലേക്ക് ചോർന്നിട്ടില്ലെന്ന് പരിശോധിക്കുക, (2) "എസ്റ്റിമേറ്റ്", "സ്ഥിരീകരിക്കാത്ത" റിസർവേഷനുകൾ നിലനിർത്തിയിട്ടുണ്ടോയെന്ന് പരിശോധിക്കുക, (3) ടെക്‌സ്‌റ്റ് 150-വാക്കുകളുടെ സംഗ്രഹത്തിലേക്ക് ചുരുക്കി സംവരണങ്ങൾ സംഗ്രഹത്തിൽ തന്നെ തുടരുന്നുവെന്ന് സ്ഥിരീകരിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ റിപ്പോർട്ടിൽ പരിശോധിച്ച ഡാറ്റ മാത്രമാണ് നൽകിയത്.
• [ ] ഞാൻ AI-ക്ക് "പുതിയ നമ്പർ/ക്ലെയിം" നിയമം വ്യക്തമായി നൽകി.
• [ ] ഞാൻ റിപ്പോർട്ട് വിഭാഗം ഓരോ വിഭാഗത്തിലും പ്രിൻ്റ് ചെയ്തു, ഡാറ്റ ഉപയോഗിച്ച് അത് ഫീഡ് ചെയ്തു.
• [ ] ഞാൻ ഓരോ സംഖ്യാപരമായ അവകാശവാദവും ഒരു ഉറവിടം/ഓഡിറ്റ് ട്രയലുമായി ബന്ധിപ്പിച്ചു.
• [ ] ഞാൻ പൊരുത്തക്കേടുകൾക്കായി സ്കാൻ ചെയ്യുകയും ഉറവിടത്തിലേക്ക് തിരികെ പോയി ശരിയായ മൂല്യം നിർണ്ണയിക്കുകയും ചെയ്തു.
• [ ] സംഗ്രഹങ്ങളിൽ "ഭാഗിക/കണക്കാക്കിയ/സ്ഥിരീകരിക്കപ്പെടാത്ത" റിസർവേഷനുകൾ ഞാൻ സൂക്ഷിച്ചു.
• [ ] അവസാന റൗണ്ടിൽ അതിശയോക്തി കലർന്നതും അളക്കാനാവാത്തതുമായ ഭാവങ്ങൾ ഞാൻ ഒഴിവാക്കി.