ഉപയോഗത്തിൻ്റെ മേഖല നിർണ്ണയിക്കുകയും മുൻഗണന നൽകുകയും ചെയ്യുന്നു

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗ മേഖലകൾ വിശാലമായ ഒരു കുളത്തിൽ നിന്ന് ശേഖരിക്കാനും 'പ്രശ്നം/ആരാണ്/ഡാറ്റ/ഫലം/അളവ്' ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് അവ വ്യക്തമാക്കാനുമുള്ള കഴിവ്
• മൂല്യത്തിലും പ്രയോഗക്ഷമതയിലുമുള്ള അക്ഷങ്ങളിൽ ഉപയോഗ മേഖലകൾ സ്കോർ ചെയ്യാനും അവയെ നാല്-സോൺ മാട്രിക്സിൽ സ്ഥാപിക്കാനുമുള്ള കഴിവ്
• പെട്ടെന്നുള്ള നേട്ടങ്ങളിലൂടെയും വലിയ പന്തയങ്ങൾ ആസൂത്രണം ചെയ്യുന്നതിലൂടെയും ആദ്യ 90 ദിവസത്തെ തരംഗത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാനുള്ള കഴിവ്

ഒരു AI തന്ത്രത്തിൻ്റെ വിജയവും പരാജയവും പലപ്പോഴും ഒരൊറ്റ ചോദ്യത്തിലേക്ക് ചുരുങ്ങുന്നു: "എന്താണ് ഞങ്ങൾ അതെ എന്ന് പറയുന്നത്, എന്താണ് വേണ്ട എന്ന് പറയുന്നത്?" മിക്ക സ്ഥാപനങ്ങളിലും ഡസൻ കണക്കിന് ആശയങ്ങൾ പ്രചരിക്കുന്നു; എന്നാൽ വിഭവം പരിമിതമാണ്. ഈ യൂണിറ്റിൽ, AI ഉപയോഗ കേസുകൾ എങ്ങനെ ചിട്ടയായി തിരിച്ചറിയാമെന്നും മുൻഗണന നൽകാമെന്നും നിങ്ങൾ പഠിക്കും (ഒരു പ്രത്യേക ബിസിനസ്സ് പ്രശ്നം പരിഹരിക്കാൻ AI പ്രയോഗിക്കുന്ന ഒരു പ്രത്യേക സാഹചര്യം). "ഏറ്റവും കൂടുതൽ സംസാരിക്കപ്പെടുന്ന" ഒന്നിന് പകരം "ഏറ്റവും കൂടുതൽ മൂല്യം ഉൽപ്പാദിപ്പിക്കുന്ന ഒന്ന്" തിരഞ്ഞെടുക്കുക എന്നതാണ് ലക്ഷ്യം.

ഉപയോഗ മേഖലകൾ എങ്ങനെ ശേഖരിക്കാം?

ആദ്യം ഒരു കുളം ഉണ്ടാക്കുക. നല്ല ഉപയോഗ കേസുകൾ മൂന്ന് ഉറവിടങ്ങളിൽ നിന്നാണ് വരുന്നത്: പെയിൻ പോയിൻ്റുകൾ (തൊഴിലാളിയുടെ സമയമെടുക്കുന്ന, മടുപ്പിക്കുന്ന, പിശക് സാധ്യതയുള്ള ജോലി), അവസരങ്ങൾ (ഇതിന് വരുമാനമോ ഉപഭോക്തൃ അനുഭവമോ വർദ്ധിപ്പിക്കാൻ കഴിയുന്നിടത്ത്), ബെഞ്ച്മാർക്കിംഗ് (സമാന വ്യവസായത്തിൽ പ്രവർത്തിക്കുന്നത്). കുളം വീതിയിൽ സൂക്ഷിക്കുക; ഉന്മൂലനം പിന്നീട് വരുന്നു.

ഒരു നല്ല ഉപയോഗ കേസ് വിവരണത്തിൽ ഇനിപ്പറയുന്ന ഘടകങ്ങൾ ഉൾപ്പെടുന്നു: എന്ത് ബിസിനസ് പ്രശ്നം, ആർക്ക്, എന്ത് ഡാറ്റ, പ്രതീക്ഷിക്കുന്ന ഫലം, അത് എങ്ങനെ അളക്കാം. "ഉപഭോക്തൃ സേവനത്തിലെ AI" എന്നത് ഒരു ഉപയോഗ കേസല്ല; "ഇൻകമിംഗ് ഇ-മെയിലുകളെ അവരുടെ വിഷയത്തിനനുസരിച്ച് സ്വയമേവ തരംതിരിച്ച് ശരിയായ ടീമിലേക്ക് നയിക്കുന്നതിലൂടെ ഫോർവേഡിംഗ് സമയം ചുരുക്കുക" എന്നത് ഒരു ഉപയോഗ മേഖലയാണ്.

നുറുങ്ങ്: നല്ല ഉപയോഗ കേസുകൾ "ഉയർന്ന വോളിയം + ആവർത്തിക്കുന്ന + ടെക്‌സ്‌റ്റ്/ഡാറ്റ ഹെവി + ന്യായമായ തെറ്റ് സഹിഷ്ണുത" ജോലികളാണ്. ഒരു ജോലിക്ക് ഈ നാല് ആട്രിബ്യൂട്ടുകൾ എത്രയുണ്ടോ അത്രയധികം അതിൻ്റെ AI മൂല്യം വർദ്ധിക്കും.

മുൻഗണന: മൂല്യം/പ്രയോഗക്ഷമത മാട്രിക്സ്

ഏറ്റവും സാധാരണവും പ്രായോഗികവുമായ ഉപകരണം രണ്ട്-അക്ഷം മാട്രിക്സ് ആണ്:

• മൂല്യ അക്ഷം: ഇത് എത്രമാത്രം ബിസിനസ്സ് സ്വാധീനം സൃഷ്ടിക്കും? (വരുമാനം, ചെലവ്, അപകടസാധ്യത കുറയ്ക്കൽ, ഉപഭോക്തൃ അനുഭവം)
• സാധ്യതാ അക്ഷം: നമുക്ക് ഇത് എത്ര എളുപ്പത്തിൽ ചെയ്യാൻ കഴിയും? (ഡാറ്റ തയ്യാറാണോ, സാങ്കേതിക ബുദ്ധിമുട്ട്, അപകടസാധ്യത, മാറ്റത്തിൻ്റെ ഭാരം)

മേഖല

മൂല്യം

പ്രയോഗക്ഷമത

എന്ത് ചെയ്യണം?

പെട്ടെന്നുള്ള നേട്ടം

ഉയർന്നത്

ഉയർന്നത്

ഇപ്പോൾ ആരംഭിക്കുക

വലിയ പന്തയം

ഉയർന്നത്

താഴ്ന്ന

ആസൂത്രണം ചെയ്യുക, മുൻവ്യവസ്ഥകൾ സജ്ജമാക്കുക

ഫില്ലർ

താഴ്ന്ന

ഉയർന്നത്

സമയമുണ്ടെങ്കിൽ ചെയ്യൂ.

കെണി

താഴ്ന്ന

താഴ്ന്ന

അരുത്/ മാറ്റിവെക്കുക

തന്ത്രം: പെട്ടെന്നുള്ള വിജയങ്ങളിലൂടെ വേഗതയും ആത്മവിശ്വാസവും വളർത്തിയെടുക്കുക, വലിയ പന്തയങ്ങൾ ആസൂത്രണം ചെയ്യുന്നതിലൂടെ പരിപോഷിപ്പിക്കുക, അപകടങ്ങൾ ഒഴിവാക്കുക.

ഘട്ടം ഘട്ടമായി: ആശയം മുതൽ മുൻഗണന വരെ

1. കുളം വൃത്തിയാക്കുക. വകുപ്പുകളിൽ നിന്ന് ഉപയോഗ കേസുകളുടെ ഒരു വിശാലമായ ലിസ്റ്റ് ഉയർന്നുവരുന്നു (30-50 ആശയങ്ങൾ സാധാരണമാണ്).

2. സ്റ്റാൻഡേർഡ് ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് വിവരിക്കുക. ഓരോ ആശയവും "പ്രശ്നം / ആർ / ഡാറ്റ / ഫലം / അളവ്" ഫോർമാറ്റിൽ ഇടുക. മങ്ങിയവ വ്യക്തമാകും അല്ലെങ്കിൽ ഇല്ലാതാക്കപ്പെടും.

3. രണ്ട് അക്ഷങ്ങളിൽ സ്കോർ ചെയ്യുക. മൂല്യത്തിനും (1-5) സാധ്യതയ്ക്കും (1-5) ഓരോ ആശയവും സ്കോർ ചെയ്യുക. തെളിവുകളുടെ അടിസ്ഥാനത്തിലായിരിക്കുക.

4. മാട്രിക്സിലേക്ക് തിരുകുക. നാല് മേഖലകളിലേക്ക് വിതരണം ചെയ്യുക; പെട്ടെന്നുള്ള നേട്ടങ്ങൾ എടുത്തുകാണിക്കുന്നു.

5. ആദ്യ വേവ് തിരഞ്ഞെടുക്കുക. 2-4 ദ്രുത വിജയങ്ങൾ + 1 വലിയ പന്തയം കണ്ടെത്തൽ എന്നിവയിൽ നിന്ന് ആരംഭിക്കുക. അധികം ഇല്ല.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - പ്രലോഭിപ്പിക്കുന്നതും എന്നാൽ അപ്രായോഗികവുമാണ്. ഒരു ഇ-കൊമേഴ്‌സ് കമ്പനി "എഐ ഉപയോഗിച്ച് പൂർണ്ണമായും വ്യക്തിഗതമാക്കിയ സ്റ്റോർ ഫ്രണ്ട്" (ഉയർന്ന മൂല്യം) എന്ന ആശയവുമായി പ്രണയത്തിലായി. എന്നാൽ ഡാറ്റ വിഭജിക്കപ്പെട്ടു, സംയോജനത്തിന് 9 മാസമെടുക്കും (കുറഞ്ഞ സാധ്യത). മാട്രിക്സ് ഇത് "വലിയ പന്തയം" ആയി കാണിച്ചു. "ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് ഉൽപ്പന്ന വിവരണ പാഠങ്ങൾ സൃഷ്ടിക്കുക" എന്ന ദ്രുത ഏറ്റെടുക്കൽ കമ്പനി ആദ്യം ആരംഭിച്ചു; 6 ആഴ്‌ചയ്‌ക്കുള്ളിൽ ഉള്ളടക്ക ഉൽപ്പാദന സമയം 70% കുറഞ്ഞു, സമ്പാദ്യം വലിയ പന്തയത്തിന് ധനസഹായം നൽകി.

കേസ് 2 - ടെംപ്ലേറ്റിൻ്റെ ഉന്മൂലനം. ഒരു ഇൻഷുറൻസ് കമ്പനി 41 ആശയങ്ങൾ ശേഖരിച്ചു. സ്റ്റാൻഡേർഡ് ടെംപ്ലേറ്റിൽ ഘടിപ്പിച്ചപ്പോൾ, അവയിൽ 14 എണ്ണം യഥാർത്ഥത്തിൽ ഒരേ പ്രശ്നം വിവരിച്ചതായി കണ്ടു, അവയിൽ 9 എണ്ണത്തിന് അളക്കാവുന്ന ഫലമുണ്ടായില്ല. കുളം യഥാർത്ഥ ഉപയോഗ മേഖലകളുടെ 41 ൽ നിന്ന് 12 ആയി ചുരുങ്ങി; മുൻഗണനാക്രമം കൂടുതൽ വ്യക്തമായി.

കേസ് 3 - കെണിയിൽ നിന്ന് രക്ഷപ്പെടുക. ഒരു നിർമ്മാതാവ് ആവേശത്തോടെ "എഐയുമായി എക്സിക്യൂട്ടീവ് മീറ്റിംഗ് കുറിപ്പുകൾ സംഗ്രഹിക്കുക" എന്ന ആശയം മുന്നോട്ടുവച്ചു. മാട്രിക്സിലെ കുറഞ്ഞ മൂല്യവും (കുറച്ച് ആളുകൾ, കുറച്ച് സമയം ലാഭിച്ചു) ഇടത്തരം സാധ്യതാ ഔട്ട്പുട്ടും: ബാക്ക്ഫിൽ/ട്രാപ്പ് പരിധി. റിസോഴ്‌സ് പകരം "പ്രൊഡക്ഷൻ ലൈൻ തെറ്റ് റെക്കോർഡുകൾ വിശകലനം ചെയ്യുന്നതിനും ആവർത്തിച്ചുള്ള കാരണങ്ങൾ കണ്ടെത്തുന്നതിനും" ഉയർന്ന മൂല്യമുള്ള ഏറ്റെടുക്കലിലേക്ക് നയിക്കപ്പെട്ടു; വാർഷിക പ്രവർത്തനരഹിതമായ സമയം 11% കുറഞ്ഞു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ഉപയോഗ മേഖല നിർവചിക്കുന്നു:

നിങ്ങളുടെ റോൾ: AI ബിസിനസ്സ് അനലിസ്റ്റ്. ഇനിപ്പറയുന്ന ബിസിനസ്സ് പ്രശ്നം ഒരു ഉപയോഗ കേസായി വിവരിക്കുക: [പ്രശ്നം]. ടെംപ്ലേറ്റ്: (1) പരിഹരിക്കേണ്ട ബിസിനസ് പ്രശ്നം, (2) ആർക്ക്, (3) ഡാറ്റ ആവശ്യമാണ്, (4) പ്രതീക്ഷിക്കുന്ന അളക്കാവുന്ന ഫലം, (5) പ്രധാന അപകടസാധ്യത. ചോദ്യങ്ങളായി എന്തെങ്കിലും അവ്യക്തമായ പോയിൻ്റുകൾക്കായി എന്നോട് തിരികെ ചോദിക്കുക.

2) പൂൾ പ്രൊഡക്ഷൻ:

[വ്യവസായത്തിൽ] [ഡിപ്പാർട്ട്മെൻ്റിന്] 10 AI ഉപയോഗ കേസുകൾ നിർദ്ദേശിക്കുക. ഓരോന്നിനും ഒരു വാക്യ പ്രശ്ന വിവരണവും കണക്കാക്കിയ മൂല്യ തരവും (വരുമാനം, ചെലവ്, അപകടസാധ്യത, അനുഭവം) നൽകുക. ഉയർന്ന അളവിലുള്ള, ആവർത്തിച്ചുള്ള ജോലിയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക.

3) മൂല്യം/പ്രയോഗക്ഷമത സ്‌കോറിംഗ്:

ഇനിപ്പറയുന്ന ഉപയോഗ കേസുകൾ രണ്ട് അക്ഷങ്ങളിൽ 1-5 എന്ന സ്‌കോറിൽ സ്‌കോർ ചെയ്യുക: മൂല്യം (ബിസിനസ് ആഘാതം), സാധ്യതയും (ഡാറ്റ തയ്യാറാക്കൽ, സാങ്കേതിക ബുദ്ധിമുട്ട്, അപകടസാധ്യത). ഓരോ പോയിൻ്റിനും ഒരു വാക്യം ന്യായീകരണം എഴുതുക, അത് നാല് മേഖലകളിൽ സ്ഥാപിക്കുക (വേഗത്തിലുള്ള വിജയം, വലിയ പന്തയം, ഫില്ലർ, ട്രാപ്പ്). ഫീൽഡുകൾ: [ലിസ്റ്റ്]

4) ആദ്യ തരംഗ തിരഞ്ഞെടുപ്പ്:

ഈ മുൻഗണനാ പട്ടികയിൽ നിന്ന് ആദ്യ 90 ദിവസങ്ങളിൽ ആരംഭിക്കാൻ തരംഗത്തെ തിരഞ്ഞെടുക്കുക: 3 ദ്രുത വിജയങ്ങളും 1 വലിയ പന്തയം കണ്ടെത്തലും. ഓരോ ചോയിസിനും, എന്തുകൊണ്ട് ഇപ്പോൾ, ഏത് മെട്രിക് ഉപയോഗിച്ച് അളക്കും, ആദ്യ നാഴികക്കല്ല് എന്നിവ എഴുതുക. പട്ടിക: [ടെക്സ്റ്റ്]

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "എൻ്റെ കമ്പനിക്ക് AI ആശയങ്ങൾ നൽകുക."

ഫലം: സന്ദർഭമില്ലാത്ത ഒരു പൊതു പട്ടിക; അതിൻ്റെ മൂല്യവും പ്രയോഗക്ഷമതയും അനിശ്ചിതത്വത്തിലാണ്, തിരഞ്ഞെടുക്കാൻ കഴിയില്ല.

Güçlü: "ഞാൻ 150 ആളുകളുള്ള ഒരു അക്കൗണ്ടിംഗ് സേവന സ്ഥാപനമാണ്. ഇൻവോയ്സ് എൻട്രി, അനുരഞ്ജനം, ഉപഭോക്തൃ ഇമെയിലുകളോട് പ്രതികരിക്കൽ എന്നിവയാണ് ഞങ്ങളുടെ ഏറ്റവും കൂടുതൽ സമയം ചെലവഴിക്കുന്ന ജോലികൾ. ഈ മൂന്ന് മേഖലകൾക്കായി AI ഉപയോഗ കേസുകൾ നിർദ്ദേശിക്കുക, ഓരോന്നും 'പ്രശ്നം/ആരാണ്/ഡാറ്റ/ഫലം/അപകടം' എന്ന ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് വിവരിക്കുക. ആദ്യത്തെ 90 ദിവസത്തിനുള്ളിൽ ആരംഭിക്കുക."

ഫലം: സന്ദർഭോചിതവും ടെംപ്ലേറ്റ് ചെയ്തതും മുൻഗണന നൽകുന്നതും പ്രവർത്തനക്ഷമവുമായ തിരഞ്ഞെടുപ്പ്.

സാധാരണ തെറ്റുകൾ

• ഏറ്റവും കൂടുതൽ ചർച്ച ചെയ്യപ്പെടുന്ന ഒന്ന് തിരഞ്ഞെടുക്കുന്നു. ഏറ്റവും ജനപ്രിയമായ ആശയം ഏറ്റവും മൂല്യവത്തായ ആശയമല്ല; മാട്രിക്സ് വികാരത്തെ ശരിയാക്കുന്നു.
• മങ്ങിയ ഉപയോഗ മേഖല. "X വിത്ത് AI" പോലെയുള്ള വിവരണങ്ങൾ അളക്കാൻ കഴിയില്ല; സ്റ്റാൻഡേർഡ് ടെംപ്ലേറ്റ് ആവശ്യമാണ്.
• പ്രായോഗികതയെ അവഗണിക്കുന്നു. ഉയർന്ന മൂല്യമുള്ളതും എന്നാൽ ഡാറ്റ/സംയോജനം-അസാധ്യമായ ആശയങ്ങളിലേക്കും അന്ധമായി മുങ്ങുന്നത് അർത്ഥമാക്കുന്നത് മാസങ്ങളോളം വിലകെട്ട അധ്വാനമാണ്.
• ഒരേസമയം ആരംഭിക്കുന്ന നിരവധി. ആദ്യ തരംഗത്തെ 3-4 ആയി പരിമിതപ്പെടുത്തുന്നത് ശ്രദ്ധയും പഠനവും നൽകുന്നു.
• തെറ്റ് സഹിഷ്ണുത മറികടക്കുന്നു. പിശക് സഹിഷ്ണുത കുറവുള്ള പ്രദേശങ്ങൾ (ഉദാ. നേരിട്ടുള്ള മെഡിക്കൽ/നിയമപരമായ തീരുമാനമെടുക്കൽ) പെട്ടെന്നുള്ള വിജയങ്ങളായി തെറ്റിദ്ധരിക്കുന്നത് അപകടകരമാണ്.

മുന്നറിയിപ്പ്: AI ഒരു ഉപയോഗ കേസ് ലിസ്റ്റും സ്കോറിംഗും നിർദ്ദേശിച്ചേക്കാം; എന്നാൽ മൂല്യവും പ്രയോഗക്ഷമതയും സ്ഥാപനത്തിൻ്റെ യാഥാർത്ഥ്യവുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ എന്നും ഏത് തരംഗമാണ് തിരഞ്ഞെടുക്കേണ്ടതെന്നും തീരുമാനിക്കുന്നത് മാനേജരാണ്. കൂടാതെ, ഒരു ഉപയോഗ കേസ് സാങ്കേതികമായി "ചെയ്യാവുന്നത്" ആണെങ്കിലും, അത് ഒരു ധാർമ്മിക അല്ലെങ്കിൽ പാലിക്കൽ വീക്ഷണകോണിൽ നിന്ന് "ചെയ്തിട്ടില്ല"; ഞങ്ങൾ ഇത് 8, 9 യൂണിറ്റുകളിൽ ഉൾപ്പെടുത്തും.

ചുരുക്കത്തിൽ

പരിമിതമായ വിഭവങ്ങൾ ഏറ്റവും ഉയർന്ന മൂല്യത്തിലേക്ക് നയിക്കുന്നതിനുള്ള കലയാണ് ഉപയോഗ മുൻഗണന. ആദ്യം ഒരു വലിയ കുളം ശേഖരിക്കുക, "പ്രശ്നം/ആരാണ്/ഡാറ്റ/ഫലം/അളവ്" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് ഓരോ ആശയവും വ്യക്തമാക്കുക, തുടർന്ന് അത് മൂല്യത്തിലും സാധ്യതാ അക്ഷങ്ങളിലും സ്കോർ ചെയ്ത് മാട്രിക്സിൽ സ്ഥാപിക്കുക. പെട്ടെന്നുള്ള വിജയങ്ങളിലൂടെ ആക്കം കൂട്ടുക, വലിയ പന്തയങ്ങൾ ആസൂത്രണം ചെയ്തുകൊണ്ട് അതിനെ പരിപോഷിപ്പിക്കുക, മൂല്യം കുറഞ്ഞ കെണികൾ ഒഴിവാക്കുക. ആദ്യ തരംഗത്തെ 3-4 പ്രദേശങ്ങളിലേക്ക് പരിമിതപ്പെടുത്തുക. അടുത്ത യൂണിറ്റിൽ, നിങ്ങൾ തിരഞ്ഞെടുത്ത ഉപയോഗ കേസുകൾ യഥാർത്ഥത്തിൽ മൂല്യം ഉൽപ്പാദിപ്പിക്കുന്നുണ്ടോ എന്ന് ROI, മെട്രിക്സ് എന്നിവ ഉപയോഗിച്ച് എങ്ങനെ തെളിയിക്കാമെന്ന് ഞങ്ങൾ കാണും.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ സ്ഥാപനത്തിൽ നിന്ന് 10-15 AI ഉപയോഗ ആശയങ്ങൾ ശേഖരിക്കുക. സ്റ്റാൻഡേർഡ് ടെംപ്ലേറ്റിലേക്ക് ഓരോന്നും യോജിപ്പിക്കുക; മങ്ങിയവ വ്യക്തമാക്കുക അല്ലെങ്കിൽ ഇല്ലാതാക്കുക. മൂല്യത്തിലും സാധ്യതാ അക്ഷങ്ങളിലും ശേഷിക്കുന്ന 1-5 സ്കോർ ചെയ്ത് അവയെ ഒരു മാട്രിക്സിൽ സ്ഥാപിക്കുക. ആദ്യ 90 ദിവസത്തെ വേവ് (3 വേഗത്തിലുള്ള വിജയങ്ങൾ + 1 വലിയ പന്തയം വരെ) തിരഞ്ഞെടുത്ത് ഓരോ തിരഞ്ഞെടുപ്പിനും ഒരു വാക്യം ന്യായീകരിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ഉപയോഗ മേഖലകളുടെ ഒരു വലിയ കുളം ശേഖരിച്ചു.
• [ ] ഞാൻ ഓരോ ആശയവും സ്റ്റാൻഡേർഡ് ടെംപ്ലേറ്റിൽ ഘടിപ്പിച്ചു.
• [ ] ഞാൻ അവ്യക്തവും ആവർത്തിച്ചുള്ളതുമായ ആശയങ്ങൾ ഒഴിവാക്കി.
• [ ] തെളിവുകളുടെ അടിസ്ഥാനത്തിൽ ഞാൻ മൂല്യവും സാധ്യതയും സ്കോർ ചെയ്തു.
• [ ] ഞാൻ ആശയങ്ങൾ ഫോർ-സോൺ മാട്രിക്സിൽ സ്ഥാപിച്ചു.
• [ ] ഞാൻ ആദ്യ തരംഗത്തെ 3-4 മേഖലകളിലേക്ക് പരിമിതപ്പെടുത്തി.
• [ ] കുറഞ്ഞ പിശക് സഹിഷ്ണുത ഉള്ള പ്രദേശങ്ങൾ ഞാൻ പ്രത്യേകമായി അടയാളപ്പെടുത്തിയിട്ടുണ്ട്.