धोरण विश्लेषण आणि प्रभाव मूल्यांकन

नफा:

• ते AI सह धोरणात्मक समस्येची व्याख्या, पर्याय, निकष आणि शिफारशींच्या चौकटीत रचना करून त्याची रचना करते.
• हे स्टेकहोल्डर नकाशा आणि खर्च-लाभ फ्रेमवर्क तयार करून दुर्लक्षित वंचित गट आणि छुपे खर्च दृश्यमान बनवते.
• त्याला माहित आहे की AI द्वारे तयार केलेले विश्लेषण डेटापुरते मर्यादित आहे आणि मूल्यानुसार फ्रेम केलेले आहे आणि विवेकबुद्धीने अंतिम निर्णय घेतो.

सार्वजनिक प्रशासनाचे सर्वात मानसिक काम म्हणजे एखाद्या समस्येसमोर योग्य धोरण ठेवणे: "शहराच्या मध्यभागी वाहतूक कोंडी कशी कमी करता येईल?", "तरुणांच्या बेरोजगारीला कोणते प्रोत्साहन मदत करेल?", "या नवीन नियमामुळे व्यापाऱ्यांवर कोणता बोजा पडेल?" हे प्रश्न बहु-स्टेकहोल्डर आहेत, अनिश्चिततेखाली घेतलेले बहु-निकष निर्णय आहेत, ज्याचे कोणतेही अचूक उत्तर नाही. धोरण विश्लेषण (सार्वजनिक समस्या ओळखणे आणि पर्याय, त्यांचे संभाव्य परिणाम, खर्च आणि फायदे यांची पद्धतशीर तुलना करून निर्णयकर्त्याला शिफारसी सादर करणे) आणि नियामक प्रभाव विश्लेषण (RIA - RIA; नवीन कायद्याचा कोण, कसा आणि किती परिणाम होईल याचे आगाऊ मूल्यांकन) या निर्णयांचा कणा आहे. येथे AI पर्याय निर्माण करण्यात, भागधारकांची आणि प्रभावांची यादी करण्यात, प्रतिवाद दृश्यमान करण्यासाठी आणि विश्लेषणाचा मसुदा तयार करण्यात एक अतिशय शक्तिशाली विचार भागीदार आहे. पण निर्णय, मूल्यनिर्णय आणि जबाबदारी माणसाची आहे; AI पर्यायांचा गुणाकार करते, तुम्ही निवडता.

धोरण विश्लेषणाचा सांगाडा

चांगले धोरण विश्लेषण एका विशिष्ट तर्काचे पालन करते आणि AI हे फ्रेमवर्क तयार करण्यासाठी चांगले कार्य करते:

1. समस्या ओळखा. लक्षण किंवा मूळ कारण? त्याचा कोणावर, कुठे आणि किती परिणाम होतो? संख्यांनुसार.
2. ध्येय आणि निकष सेट करा. आम्ही यश कसे मोजू (खर्च, प्रवेश, इक्विटी, व्यवहार्यता, कालावधी)?
3. पर्याय निर्माण करा. "काहीही करू नका" यासह किमान 3-4 वास्तववादी पर्याय.
4. प्रत्येक पर्यायाच्या परिणामांचे मूल्यांकन करा. ते कोणासाठी फायदेशीर आहे, कोणावर ओझे आहे? खर्च धोके; लागू अवांछित दुष्परिणाम.
5. तुलना करा आणि शिफारस करा. निकषांनुसार टेबल; तर्कशुद्ध सूचना द्या पण पर्याय ठेवा.
6. देखरेख आणि मूल्यमापन योजना. एकदा धोरण लागू झाल्यावर आम्ही कशावर लक्ष ठेवू आणि त्याचे पुनरावलोकन कधी करणार?

AI या सहा चरणांपैकी प्रत्येकामध्ये ड्राफ्ट तयार करू शकते. त्याचे सर्वात मौल्यवान योगदान चरण 4 मध्ये दिसून येते: मानवी मन स्वतःच्या प्रस्तावाच्या प्रेमात पडते आणि नकारात्मक प्रभाव आणि पर्यायांकडे दुर्लक्ष करते; AI विचारा "या पर्यायासाठी सर्वात मजबूत प्रतिवाद कोणते आहेत, ते कोणाचे नुकसान करेल?" विचारत आहे: हे अंध स्थान उघडते.

टीप: AI चा वापर "सैतानाचा वकिल" म्हणून करा: तुमचा पसंतीचा पर्याय द्या आणि म्हणा "याला खाली आणणारे 5 सर्वात मजबूत आक्षेप लिहा." हे ऑडिटिंगच्या विरूद्ध तुमचे विश्लेषण कठोर करते.

डेटा चालविला परंतु मूल्याद्वारे मर्यादित

धोरणात्मक निर्णय मूल्याधारित तसेच तांत्रिक असतात. "आम्ही बजेट कुठे खर्च करावे?" प्रश्नामध्ये, AI खर्च-लाभाची गणना करू शकते; पण "कोणत्या गटाच्या गरजा प्राधान्य देतात?" ही एक राजकीय/नैतिक निवड आहे आणि ती निवडून आलेल्या किंवा अधिकृत निर्णयकर्त्याची आहे. एआय तयार करत असलेल्या क्रमांकांची देखील पडताळणी करण्याचे सुनिश्चित करा: मॉडेल वास्तविक डेटाऐवजी "वाजवी दिसणारे" मेड-अप नंबर तयार करू शकते.

लक्ष द्या: AI द्वारे दिलेली कोणतीही संख्या, जसे की किंमत, लोकसंख्या, दर इ., अधिकृत आकडेवारी किंवा संस्थात्मक डेटासह पुष्टी केल्याशिवाय विश्लेषणामध्ये समाविष्ट केले जात नाही. खात्रीलायक बनावट नंबर संपूर्ण धोरण चुकीच्या पायावर ठेवतो.

तीन लहान प्रकरणे

केस 1 - दुर्लक्षित भागधारक. एक नगरपालिका आपली बाजारपेठ शहराबाहेर हलवण्याच्या पर्यायावर विचार करत होती. जेव्हा त्यांनी AI ला भागधारकांची यादी सादर केली तेव्हा एक गट उदयास आला ज्याचा योजनेत समावेश केला गेला नाही: सार्वजनिक वाहतुकीवर मर्यादित प्रवेश असलेले वृद्ध खरेदीदार. हा गट प्रभाव विश्लेषणामध्ये जोडला गेला; परिवहन समर्थनासह निर्णय सुधारित करण्यात आला.

प्रकरण २ - बनावट क्रमांक पकडला गेला. प्रोत्साहन विश्लेषणामध्ये, YZ म्हणाले "या क्षेत्रात 120 हजार नोंदणीकृत व्यवसाय आहेत." जेव्हा विश्लेषकाने अधिकृत आकडेवारी पाहिली तेव्हा ही संख्या ~ 74 हजार होती. पडताळणीमुळे प्रोत्साहन बजेटला 60% ने वाढवण्यापासून रोखले.

केस 3 - प्रतिवादाने विश्लेषण मजबूत केले. मसुदा नियमन संसदेत जाण्यापूर्वी, संघाने AI ला "या नियमावरील 8 तीव्र आक्षेप" विचारले. यापैकी सहा जणांचा उल्लेख प्रत्यक्षात संसदेत झाला; टीम तयार असल्याने चर्चा दोन ऐवजी एकाच सत्रात झाली.

चार कॉपी करण्यायोग्य टेम्पलेट्स

1) पॉलिसी पर्याय निर्माता:

तुमची भूमिका: वरिष्ठ धोरण विश्लेषक. "काहीही करू नका" यासह खालील समस्येसाठी किमान 4 वास्तववादी धोरण पर्याय तयार करा. प्रत्येक पर्यायासाठी एक वाक्य स्पष्टीकरण द्या. अद्याप मूल्यांकन करू नका, फक्त पर्यायांची यादी करा. तुम्ही कुठे गृहीत धरता ते चिन्हांकित करा. समस्या: [संख्या असलेल्या समस्येचे वर्णन करा]

2) बहु-निकष प्रभाव मूल्यांकन सारणी:

खालील निकषांवर आधारित टेबलमधील खालील धोरण पर्यायांचे मूल्यमापन करा: खर्च, व्यवहार्यता, इक्विटी प्रभाव, कालावधी, मुख्य जोखीम. एक लहान औचित्य लिहा, रेटिंग नाही. तुम्ही वापरत असलेल्या प्रत्येक नंबरची "अधिकृत डेटासह पुष्टी" असणे आवश्यक आहे असे नमूद करा. सारणीखाली, व्यक्तीने कोणते मूल्य निर्णय घ्यायचे ते स्वतंत्रपणे सूचीबद्ध करा. पर्याय: [सूची]

३) सैतानाचा वकील (प्रतिवाद):

मी खालील धोरण प्रस्तावाची वकिली करतो. उलट करा: 6 सर्वात मजबूत आक्षेप लिहा ज्यामुळे हा प्रस्ताव नष्ट होईल, त्याचे सर्वात कमकुवत मुद्दे आणि संभाव्य अनिष्ट दुष्परिणाम. तुम्ही कोणाला हानी पोहोचवू शकता हे विशेषतः निर्दिष्ट करा. सौम्य होऊ नका, कठोर व्हा. सूचना: [सूचना]

4) नियामक प्रभाव विश्लेषण (RIA) फ्रेमवर्क:

तुमची भूमिका: नियामक प्रभाव विश्लेषक. खालील मसुदा कायद्यासाठी एक RIA फ्रेमवर्क तयार करा: (1) समस्येचे निराकरण, (2) प्रभावित विभाग (नागरिक, व्यापारी, संस्था), (3) ओझे आणि खर्च, (4) अपेक्षित लाभ, (5) पर्याय, (6) निरीक्षण निर्देशक. प्रत्येक संख्यात्मक दावा "पुष्टी करण्यासाठी" म्हणून चिन्हांकित करा. मसुदा: [मसुदा विधान सारांश]

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत: "आम्ही वाहतूक समस्या कशी सोडवू?"

सशक्त: "वरिष्ठ धोरण विश्लेषक भूमिकेत. शहराच्या मध्यभागी वाहतूक कोंडीसाठी 'काहीही करू नका' यासह 5 पर्याय तयार करा. खर्च, व्यवहार्यता, इक्विटी प्रभाव, कालावधी आणि मुख्य जोखीम उपायांवर आधारित प्रत्येकाचे मूल्यमापन करा; तुम्ही वापरता त्या प्रत्येक क्रमांकावर 'अधिकृत डेटाद्वारे पुष्टी करणे आवश्यक आहे' म्हणून चिन्हांकित करा. नंतर दोन पर्यायांसाठी जे सर्वात मजबूत दिसतील, त्यांच्या खाली सर्वात मजबूत दिसणाऱ्या सूचीमध्ये, सर्वात मजबूत मूल्य लिहा. निर्णय (ज्याचे प्राधान्य, कोणत्या गटाचे ओझे) जे निर्णय आपल्यावर सोडतात."

फरक: शक्तिशाली प्रॉम्प्ट एकाच प्रवाहात पर्याय निर्मिती, बहु-निकष मूल्यांकन, डेटा प्रमाणीकरण, प्रतिवाद आणि मानवी-निर्णय सीमा स्थापित करते.

AI चे योगदान आणि मर्यादा

पाऊल

AI योगदान

मानवी जबाबदारी

समस्येची व्याख्या

मसुदा, डेटा संग्रह

अचूक डेटा, मूळ कारण

पर्याय निर्मिती

विस्तृत पर्याय यादी

वास्तववाद फिल्टर

प्रभाव मूल्यांकन

टेबल, प्रतिवाद

क्रमांक पडताळणी, टिप्पणी

सूचना

मसुदा औचित्य

मूल्य निर्णय, निर्णय

देखरेख योजना

सूचक शिफारस

मान्यता, अंमलबजावणी

भागधारक नकाशा आणि खर्च-लाभ शिल्लक

एक चांगले धोरण विश्लेषण केवळ "काय केले पाहिजे" या प्रश्नाचे उत्तर देत नाही तर "कोण आणि कसे प्रभावित होईल?" या प्रश्नाचे देखील उत्तर देते. स्टेकहोल्डर (वैयक्तिक, गट किंवा संस्था जो पॉलिसीमुळे प्रभावित किंवा प्रभावित होतो) नकाशा तयार केल्याने दुर्लक्षित तक्रारी आणि प्रतिकाराचे मुद्दे आगाऊ दिसून येतात. पॉलिसी पर्यायासाठी एआय त्वरीत भागधारकांची एक मोठी यादी तयार करू शकते आणि प्रत्येक भागधारकाचा संभाव्य नफा/तोटा; परंतु आपण या यादीची योग्यता ठोस घटना, स्थानिक वास्तव आणि राजकीय संवेदनशीलता फिल्टर करू शकता. त्याचप्रमाणे, खर्च-लाभ विश्लेषण (एखाद्या पर्यायाच्या आर्थिक आणि गैर-मौद्रिक खर्चाची तुलना विरुद्ध त्याचे फायदे) ही एक फ्रेमवर्क आहे ज्यासाठी AI फ्रेमवर्क तयार करू शकते, परंतु तुम्हाला संस्थेच्या स्वतःच्या डेटासह संख्या भरावी लागेल.

मिनी केस - पीडितांचा मूक गट. एका जिल्ह्यात बाजाराची जागा हलविण्याचे नियोजन होते; आर्थिक विश्लेषण सकारात्मक होते. AI सह तयार केलेल्या स्टेकहोल्डर नकाशाने एका गटाला हायलाइट केले ज्याचा योजनेत कधीही उल्लेख केला गेला नाही: सुमारे 600 ज्येष्ठ नागरिक जे पायी बाजारात आले होते ते सार्वजनिक वाहतुकीद्वारे 40 मिनिटांत नवीन ठिकाणी पोहोचू शकतात. या निष्कर्षाने निर्णयामध्ये सेवा लाइन आवश्यकता समाविष्ट करण्यास प्रवृत्त केले.

मिनी केस - लपलेली किंमत. डिजिटलायझेशन प्रकल्पाच्या खर्च-लाभाच्या रूपरेषामध्ये, एआयने केवळ सॉफ्टवेअर परवान्याची किंमत म्हणून गणना केली. जेव्हा आम्ही संघ, प्रशिक्षण, संक्रमणकालीन उत्पादकता नुकसान आणि कॉल सेंटर लोड जोडले, तेव्हा पहिल्या वर्षाचा खर्च 60 टक्क्यांनी वाढला आणि टर्नअराउंड टाइम 1 वर्षावरून 2.3 वर्षांपर्यंत वाढला — त्यानुसार निर्णय यथार्थवादी बनला.

टेम्प्लेट तयार करणारे भागधारक आणि खर्च-लाभ फ्रेमवर्क:

कार्य: खालील पॉलिसी पर्यायासाठी दोन तक्ते तयार करा. पर्याय: [पॉलिसी वर्णन] तक्ता 1 — स्टेकहोल्डर नकाशा: स्टेकहोल्डर | प्रभावाचा मार्ग | संभाव्य कमाई | संभाव्य नुकसान | प्रतिकार पातळी (निम्न/मध्यम/उच्च). तक्ता 2 — खर्च-लाभ फ्रेमवर्क: आयटम | आर्थिक? | अंदाजे दिशा (+/−) | डेटा स्रोत [भरणे आवश्यक आहे]. नियम: संख्या काल्पनिक; मौद्रिक वस्तूंचे मूल्य रिक्त सोडा, त्यांचे स्त्रोत विचारा. वंचित गट निर्दिष्ट करा जे वेगळ्या शीर्षकामध्ये दुर्लक्षित केले जाऊ शकतात.

खबरदारी: AI तयार करत असलेल्या भागधारकांच्या यादीमध्ये "वाजवी" वाटणाऱ्या सामान्य गटांचा समावेश आहे; हे सहसा स्थानिक, मूक आणि असंघटित गटांना बायपास करते. तुम्हाला फील्ड माहीत आहे — यादी पूर्ण करणे तुमचे काम आहे.

सामान्य चुका

• AI च्या नंबरवर विश्वास ठेवा. अधिकृत स्त्रोताकडून लोकसंख्या, खर्च, दर इत्यादीसारख्या प्रत्येक आकृतीची पडताळणी करा.
• फक्त पसंतीच्या पर्यायाचे विश्लेषण करा. "काहीही न करणे" आणि पर्यायांचा देखील विचार करा; अन्यथा विश्लेषण पक्षपाती असेल.
• AI ला मूल्य निर्णय सोपवत आहे. "कोणाच्या गरजा आधी येतात" हा राजकीय/नैतिक निर्णय आहे, तांत्रिक नाही.
• प्रतिवाद वगळणे. जोपर्यंत तुम्हाला तुमच्या स्वतःच्या प्रस्तावावर तीव्र आक्षेप दिसत नाहीत तोपर्यंत कौन्सिल/पर्यवेक्षकाकडे जाऊ नका.
• भागधारकांची अपूर्ण सूची. विशेषत: आवाजहीन/असुरक्षित गट (वृद्ध, अपंग, ग्रामीण) प्रश्न करा.
• देखरेख योजना लागू न करणे. ज्या धोरणाचे मोजमाप होत नाही त्याचे मूल्यमापन करता येत नाही; सुरुवातीपासून निर्देशक परिभाषित करा.

सारांशात

धोरण विश्लेषणामध्ये, AI हा एक शक्तिशाली विचार भागीदार आहे जो पर्याय, चार्ट प्रभाव, स्टेकहोल्डर्सना आठवण करून देतो आणि सर्वात महत्त्वाचे म्हणजे तुमच्या स्वतःच्या प्रस्तावाविरुद्ध युक्तिवाद निर्माण करतो. परंतु प्रत्येक क्रमांकाची पडताळणी केली पाहिजे, मूल्यांचे निर्णय लोकांवर सोडले पाहिजेत आणि अंतिम निर्णय आणि जबाबदारी अधिकृत निर्णयकर्त्याकडेच राहिली पाहिजे. एआय विश्लेषण वाढवते; तुम्हीच निर्णय अधिक गहन करून त्यावर सही करता.

अर्ज कार्य

तुमच्या युनिटच्या अजेंडावर वास्तविक धोरण समस्या निवडा. "पॉलिसी ऑप्शन जनरेटर" सह किमान 4 पर्याय काढा, "मल्टी-निकष प्रभाव मूल्यांकन सारणी" शी तुलना करा आणि अधिकृत स्त्रोतासह AI द्वारे व्युत्पन्न केलेल्या किमान एक नंबरची पुष्टी करा. शेवटी, तुमच्या पसंतीच्या पर्यायावर "सैतानाचा वकील" टेम्प्लेट लागू करा आणि तुम्हाला आढळलेला तीव्र आक्षेप लक्षात घ्या.

चेकलिस्ट

• [ ] मी "काहीही करू नका" यासह किमान 4 पर्यायांचा विचार केला.
• मी अधिकृत स्त्रोताकडून प्रत्येक संख्यात्मक दाव्याची पडताळणी केली.
• [ ] मी असुरक्षित गटांसह सर्व प्रभावित भागधारकांची यादी केली आहे.
• [ ] मी माझ्या पसंतीच्या पर्यायाविरुद्ध युक्तिवाद केले.
• [ ] मी मानवी निर्णयासाठी मूल्य निवाडे राखून ठेवले आहेत.
• [] मी निरीक्षण आणि पुनरावलोकन निर्देशक परिभाषित केले.