ਲਾਭ:
- ਇਹ ਸਮਝਣ ਦੀ ਯੋਗਤਾ ਕਿ ਨਕਲੀ ਖੁਫੀਆ ਤਬਦੀਲੀ ਅਕਸਰ ਮਨੁੱਖੀ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਕਾਰਨਾਂ ਕਰਕੇ ਅਸਫਲ ਹੁੰਦੀ ਹੈ, ਤਕਨੀਕੀ ਨਹੀਂ, ਅਤੇ ਵਿਰੋਧ ਦੇ ਅੰਤਰੀਵ ਚਿੰਤਾਵਾਂ ਨੂੰ ਪਛਾਣਦਾ ਹੈ
- ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ 'ਕਿਉਂ' ਕਹਾਣੀ, ਦਿਖਾਈ ਦੇਣ ਵਾਲੀ ਲੀਡਰਸ਼ਿਪ ਅਤੇ ਚੈਂਪੀਅਨਾਂ ਦੇ ਇੱਕ ਨੈਟਵਰਕ ਨਾਲ ਗੋਦ ਲੈਣ ਵਿੱਚ ਤੇਜ਼ੀ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ
- ਮੈਟ੍ਰਿਕਸ ਨਾਲ ਗੋਦ ਲੈਣ ਨੂੰ ਮਾਪ ਕੇ ਅਤੇ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਕੇ, ਨਿਰੰਤਰਤਾ ਦੇ ਤੌਰ 'ਤੇ ਤਬਦੀਲੀ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ, ਨਾ ਕਿ ਇੱਕ ਵਾਰ ਦੀ ਘੋਸ਼ਣਾ
AI ਪਰਿਵਰਤਨ ਦੀ ਕਠੋਰ ਹਕੀਕਤ ਇਹ ਹੈ: ਰਣਨੀਤੀ, ਤਕਨਾਲੋਜੀ ਅਤੇ ਬਜਟ ਸੰਪੂਰਨ ਹੋ ਸਕਦੇ ਹਨ; ਪਰ ਜੇਕਰ ਲੋਕ ਬਦਲਾਅ ਨੂੰ ਨਹੀਂ ਅਪਣਾਉਂਦੇ, ਤਾਂ ਇਹ ਸਭ ਵਿਅਰਥ ਹੈ। ਖੋਜ ਲਗਾਤਾਰ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਦੀਆਂ ਪਹਿਲਕਦਮੀਆਂ ਦੀ ਜ਼ਿਆਦਾਤਰ ਅਸਫਲਤਾ ਤਕਨੀਕੀ ਨਹੀਂ ਹੈ, ਪਰ ਮਨੁੱਖੀ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਹੈ। ਇਸ ਅੰਤਮ ਇਕਾਈ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਇੱਕ ਸੀਨੀਅਰ ਮੈਨੇਜਰ AI ਪਰਿਵਰਤਨ ਨੂੰ ਅਸਲ ਗੋਦ ਲੈਣ (ਲੋਕਾਂ ਦੁਆਰਾ ਇੱਕ ਨਵੀਨਤਾ ਦੀ ਅਸਲ ਅਤੇ ਨਿਰੰਤਰ ਵਰਤੋਂ) ਵਿੱਚ ਬਦਲਣ ਲਈ ਪਰਿਵਰਤਨ ਪ੍ਰਬੰਧਨ (ਲੋਕਾਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਇੱਕ ਨਵੇਂ ਤਰੀਕੇ ਵਿੱਚ ਤਬਦੀਲੀ ਨੂੰ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਨ ਦਾ ਅਨੁਸ਼ਾਸਨ) ਕਿਵੇਂ ਚਲਾ ਸਕਦਾ ਹੈ। ਟੀਚਾ ਤਕਨਾਲੋਜੀ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨਾ ਨਹੀਂ ਹੈ; ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਲੋਕ ਇਸਨੂੰ ਸੁਰੱਖਿਅਤ, ਇੱਛਾ ਨਾਲ ਅਤੇ ਸਹੀ ਢੰਗ ਨਾਲ ਵਰਤਦੇ ਹਨ।
ਲੋਕ ਵਿਰੋਧ ਕਿਉਂ ਕਰਦੇ ਹਨ?
ਵਿਰੋਧ ਅਕਸਰ ਮੂਰਖਤਾ ਜਾਂ ਜ਼ਿੱਦੀ ਨਹੀਂ ਹੁੰਦਾ, ਪਰ ਸਮਝਣ ਯੋਗ ਚਿੰਤਾਵਾਂ: ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਦਾ ਡਰ ("ਕੀ AI ਮੇਰੀ ਨੌਕਰੀ ਲੈ ਲਵੇਗਾ?"), ਯੋਗਤਾ ਚਿੰਤਾ ("ਮੈਂ ਇਹ ਨਹੀਂ ਸਿੱਖ ਸਕਦਾ"), ਵਿਸ਼ਵਾਸ ਦੀ ਕਮੀ ("ਮੈਂ ਇਸ ਦੇ ਆਉਟਪੁੱਟ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰ ਸਕਦਾ"), ਅਤੇ ਅਰਥ ਦਾ ਨੁਕਸਾਨ ("ਸਾਨੂੰ ਬਦਲਣ ਦੀ ਕਿਉਂ ਲੋੜ ਹੈ?")। ਇਹਨਾਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਵਿਰੋਧ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ; ਉਨ੍ਹਾਂ ਨੂੰ ਖੁੱਲ੍ਹ ਕੇ ਮਿਲਣ ਨਾਲ ਗੋਦ ਲੈਣ ਵਿਚ ਤੇਜ਼ੀ ਆਉਂਦੀ ਹੈ।
ਚਿੰਤਾ
ਅੰਤਰੀਵ ਸਵਾਲ
ਪ੍ਰਬੰਧਕ ਜਵਾਬ
ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ
ਕੀ ਮੈਂ ਆਪਣੀ ਨੌਕਰੀ ਗੁਆਵਾਂਗਾ?
ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸੋ ਕਿ ਭੂਮਿਕਾ ਨੂੰ ਕਿਵੇਂ ਅਮੀਰ ਬਣਾਇਆ ਜਾਵੇਗਾ
ਯੋਗਤਾ
ਕੀ ਮੈਂ ਇਹ ਸਿੱਖ ਸਕਦਾ ਹਾਂ?
ਸਿਖਲਾਈ, ਸਹਾਇਤਾ, ਸੁਰੱਖਿਅਤ ਟੈਸਟਿੰਗ ਖੇਤਰ
ਭਰੋਸਾ
ਕੀ ਮੈਂ ਆਉਟਪੁੱਟ 'ਤੇ ਭਰੋਸਾ ਕਰ ਸਕਦਾ ਹਾਂ?
ਸੀਮਾਵਾਂ ਸਿਖਾਓ, ਪ੍ਰਮਾਣਿਕਤਾ
ਭਾਵ
ਮੈਨੂੰ ਕਿਉਂ ਬਦਲਣਾ ਚਾਹੀਦਾ ਹੈ?
"ਕਿਉਂ" ਨੂੰ ਯਕੀਨ ਨਾਲ ਸਮਝਾਓ
ਸੁਝਾਅ: ਤਬਦੀਲੀ ਨੂੰ "ਨਕਲੀ ਬੁੱਧੀ ਮਨੁੱਖਾਂ ਦੀ ਥਾਂ ਲੈ ਰਹੀ ਹੈ" ਦੇ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਸਗੋਂ "ਨਕਲੀ ਬੁੱਧੀ ਲੋਕਾਂ ਦੀਆਂ ਨੌਕਰੀਆਂ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦੀ ਹੈ, ਬੋਰਿੰਗ ਹਿੱਸੇ ਨੂੰ ਸੰਭਾਲਦੀ ਹੈ, ਮਨੁੱਖਾਂ ਨੂੰ ਵਧੇਰੇ ਕੀਮਤੀ ਕੰਮ ਕਰਨ ਲਈ ਛੱਡ ਦਿੰਦੀ ਹੈ" ਦੇ ਰੂਪ ਵਿੱਚ ਫਰੇਮ ਕਰੋ। ਉਸੇ ਸੱਚ ਦੀ ਇਹ ਘੜੀ ਡਰ ਨੂੰ ਉਤਸੁਕਤਾ ਨਾਲ ਬਦਲ ਦਿੰਦੀ ਹੈ।
ਤਬਦੀਲੀ ਪ੍ਰਬੰਧਨ ਦੇ ਬੁਨਿਆਦੀ ਕਦਮ
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਲਈ ਅਨੁਕੂਲਿਤ ਕਲਾਸੀਕਲ ਪਰਿਵਰਤਨ ਮਾਡਲਾਂ (ਜਿਵੇਂ ਕਿ ਕੋਟਰ ਦੇ ਕਦਮ) ਦਾ ਸਾਰ:
- ਜ਼ਰੂਰੀ ਅਤੇ ਕਾਰਨ ਬਣਾਓ. ਹੁਣ ਕਿਉਂ, ਅਸੀਂ ਕਿਉਂ? ਇੱਕ ਆਕਰਸ਼ਕ ਕਹਾਣੀ.
- ਦਿਖਾਈ ਦੇਣ ਵਾਲੀ ਲੀਡਰਸ਼ਿਪ ਦਿਖਾਓ। ਸਿਖਰ ਪ੍ਰਬੰਧਨ ਨੂੰ ਸੰਦ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ; ਬਿਆਨਬਾਜ਼ੀ ਦੁਆਰਾ ਨਹੀਂ, ਪਰ ਉਦਾਹਰਣ ਦੁਆਰਾ।
- ਸ਼ੁਰੂਆਤੀ ਲਾਭਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਓ। ਛੋਟੀਆਂ ਪਰ ਅਸਲ ਸਫਲਤਾਵਾਂ ਬਾਰੇ ਜਸ਼ਨ ਮਨਾਓ ਅਤੇ ਫੈਲਾਓ।
- ਸਿੱਖਿਆ ਅਤੇ ਸਮਰਥਨ. ਹਰੇਕ ਲਈ ਯੋਗਤਾ ਅਤੇ ਸੁਰੱਖਿਅਤ ਟੈਸਟਿੰਗ ਮੈਦਾਨ।
- ਚੈਂਪੀਅਨ ਬਣਾਓ. ਹਰ ਟੀਮ ਵਿੱਚ ਵਲੰਟੀਅਰ, ਉਤਸ਼ਾਹੀ ਬਦਲਾਅ ਚੈਂਪੀਅਨ ਸ਼ਾਮਲ ਕਰੋ।
- ਇਸ ਨੂੰ ਸਥਾਈ ਬਣਾਉ. ਪ੍ਰਕਿਰਿਆਵਾਂ, ਟੀਚਿਆਂ ਅਤੇ ਸੱਭਿਆਚਾਰ ਵਿੱਚ ਨਵੇਂ ਵਿਹਾਰ ਨੂੰ ਸ਼ਾਮਲ ਕਰੋ।
ਕਦਮ ਦਰ ਕਦਮ: ਗੋਦ ਲੈਣ ਦੀ ਯੋਜਨਾ
1. ਹਿੱਸੇਦਾਰਾਂ ਅਤੇ ਚਿੰਤਾਵਾਂ ਦਾ ਨਕਸ਼ਾ। ਕੌਣ ਪ੍ਰਭਾਵਿਤ ਹੈ, ਕੀ ਚਿੰਤਾ ਹੈ?
2. ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲਾ "ਕਿਉਂ" ਦਿਓ। ਲੋਕਾਂ ਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਤਬਦੀਲੀ ਦੀ ਕਹਾਣੀ ਬਣਾਓ।
3. ਉਦਾਹਰਨ ਦੁਆਰਾ ਅਗਵਾਈ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰੋ। ਪ੍ਰਸ਼ਾਸਕਾਂ ਨੂੰ ਟੂਲ ਨੂੰ ਪ੍ਰਤੱਖ ਰੂਪ ਵਿੱਚ ਵਰਤਣ ਦਿਓ।
4. ਸਿੱਖਿਆ ਅਤੇ ਜੇਤੂਆਂ ਦਾ ਇੱਕ ਨੈਟਵਰਕ ਬਣਾਓ। ਵਲੰਟੀਅਰ ਪਾਇਨੀਅਰਾਂ ਨੂੰ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰੋ, ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰੋ।
5. ਮਾਪੋ, ਸੁਣੋ, ਵਿਵਸਥਿਤ ਕਰੋ। ਗੋਦ ਲੈਣ ਦੀ ਦਰ ਨੂੰ ਮਾਪੋ, ਫੀਡਬੈਕ ਇਕੱਠਾ ਕਰੋ, ਰੁਕਾਵਟਾਂ ਨੂੰ ਹਟਾਓ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਅਣਡਿੱਠ ਕੀਤਾ ਡਰ। ਇੱਕ ਲੇਖਾਕਾਰੀ ਫਰਮ ਨੇ "ਕੁਸ਼ਲਤਾ ਲਈ" ਆਪਣੇ ਏਆਈ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਪਰ ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਦੇ ਕਰਮਚਾਰੀਆਂ ਦੇ ਡਰ ਨੂੰ ਕਦੇ ਵੀ ਸੰਬੋਧਿਤ ਨਹੀਂ ਕੀਤਾ। ਸ਼ਬਦ ਫੈਲ ਗਿਆ, ਟੀਮ ਨੇ ਚੁੱਪਚਾਪ ਟੂਲ ਨੂੰ ਤੋੜ ਦਿੱਤਾ, ਗੋਦ ਲੈਣਾ 20% 'ਤੇ ਰਿਹਾ। ਪ੍ਰਬੰਧਨ ਪਿੱਛੇ ਹਟ ਗਿਆ ਅਤੇ ਇੱਕ ਖੁੱਲੀ ਮੀਟਿੰਗ ਕੀਤੀ, ਇਹ ਸਮਝਾਉਂਦੇ ਹੋਏ ਕਿ ਕਿਸੇ ਨੂੰ ਵੀ ਨਹੀਂ ਕੱਢਿਆ ਜਾਵੇਗਾ ਅਤੇ ਇਹ ਕਿ ਵਿਚੋਲਾ ਬੋਰਿੰਗ ਕੰਮ ਨੂੰ ਸੰਭਾਲੇਗਾ ਅਤੇ ਸਾਰਿਆਂ ਨੂੰ ਸਲਾਹ-ਮਸ਼ਵਰੇ ਵਿੱਚ ਲੈ ਜਾਵੇਗਾ। 3 ਮਹੀਨਿਆਂ ਵਿੱਚ, ਗੋਦ ਲੈਣ ਦੀ ਗਿਣਤੀ ਵਧ ਕੇ 75% ਹੋ ਗਈ। ਡਰ ਬਾਰੇ ਗੱਲ ਕਰਨਾ ਹੀ ਹੱਲ ਸੀ।
ਕੇਸ 2 — ਲੀਡਰਸ਼ਿਪ ਦੇ ਨਾਲ ਉਦਾਹਰਨ। ਇੱਕ ਟੈਕਨਾਲੋਜੀ ਕੰਪਨੀ ਦੇ ਸੀਈਓ ਨੇ ਆਪਣੀ ਹਫਤਾਵਾਰੀ ਰਿਪੋਰਟ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ AI ਟੂਲ ਦੀ ਜਨਤਕ ਤੌਰ 'ਤੇ ਵਰਤੋਂ ਕੀਤੀ ਅਤੇ ਆਪਣੀਆਂ ਗਲਤੀਆਂ ਵੀ ਸਾਂਝੀਆਂ ਕੀਤੀਆਂ ("ਦੇਖੋ, ਉਸਨੇ ਇੱਥੇ ਇੱਕ ਗਲਤੀ ਕੀਤੀ, ਮੈਂ ਇਸਨੂੰ ਠੀਕ ਕੀਤਾ")। ਇਸ ਦਿੱਖ ਲੀਡਰਸ਼ਿਪ ਨੇ ਸੁਨੇਹਾ ਭੇਜਿਆ ਕਿ "ਜੇਕਰ ਬੌਸ ਇਸਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ, ਤਾਂ ਇਹ ਗੰਭੀਰ ਹੈ" ਅਤੇ ਦਿਖਾਇਆ ਕਿ ਤਸਦੀਕ ਆਮ ਸੀ। ਗੋਦ ਲੈਣਾ ਤੇਜ਼ੀ ਨਾਲ ਫੈਲਦਾ ਹੈ, ਬਿਨਾਂ ਕਿਸੇ ਧੱਕੇ ਦੇ।
ਕੇਸ 3 - ਚੈਂਪੀਅਨ ਨੈੱਟਵਰਕ ਦੀ ਸ਼ਕਤੀ। ਇੱਕ ਰਿਟੇਲਰ ਨੇ ਹਰੇਕ ਸਟੋਰ ਤੋਂ ਇੱਕ ਵਲੰਟੀਅਰ "AI ਚੈਂਪੀਅਨ" ਚੁਣਿਆ; ਇਹਨਾਂ ਲੋਕਾਂ ਨੂੰ ਵਾਧੂ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਅਤੇ ਉਹਨਾਂ ਦੇ ਸਾਥੀਆਂ ਦੀ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਮਦਦ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ। ਰਿਮੋਟ ਟ੍ਰੇਨਿੰਗ ਟੀਮ ਦੀ ਬਜਾਏ ਉਹੀ ਕੰਮ ਕਰਨ ਵਾਲੇ ਦੋਸਤ ਤੋਂ ਸਿੱਖਣਾ 3x ਦੁਆਰਾ ਗੋਦ ਲੈਣ ਵਿੱਚ ਤੇਜ਼ੀ ਲਿਆਉਂਦਾ ਹੈ। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਧਿਆਪਕ ਗੁਆਂਢੀ ਮੇਜ਼ 'ਤੇ ਉਤਸ਼ਾਹੀ ਸਹਿਕਰਮੀ ਸੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਸਟੇਕਹੋਲਡਰ ਅਤੇ ਚਿੰਤਾ ਦਾ ਨਕਸ਼ਾ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਪ੍ਰਬੰਧਨ ਸਲਾਹਕਾਰ ਬਦਲੋ। ਇਸ AI ਪਹਿਲਕਦਮੀ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਸਟੇਕਹੋਲਡਰ ਸਮੂਹਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਅਤੇ ਹਰੇਕ ਸਮੂਹ ਨੂੰ ਹੋਣ ਵਾਲੀ ਪ੍ਰਾਇਮਰੀ ਚਿੰਤਾ ਦੀ ਪਛਾਣ ਕਰੋ (ਨੌਕਰੀ ਸੁਰੱਖਿਆ, ਯੋਗਤਾ, ਵਿਸ਼ਵਾਸ, ਅਰਥ)। ਹਰੇਕ ਚਿੰਤਾ ਲਈ ਇੱਕ ਸ਼ੁਭਕਾਮਨਾਵਾਂ ਲਿਖੋ। ਪਹਿਲਕਦਮੀ: [text]
2) "ਕਿਉਂ" ਕਹਾਣੀ:
ਇਸ AI ਸ਼ਿਫਟ 'ਤੇ ਕੰਮ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਦੱਸਣ ਲਈ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ "ਹੁਣ ਕਿਉਂ, ਅਸੀਂ ਕਿਉਂ" ਕਹਾਣੀ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ। ਡਰ ਨੂੰ ਉਤਸੁਕਤਾ ਨਾਲ ਬਦਲੋ; ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿਓ ਕਿ ਸਾਧਨ ਬੋਰਿੰਗ ਕੰਮ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ ਅਤੇ ਮਨੁੱਖ ਨੂੰ ਹੋਰ ਕੀਮਤੀ ਕੰਮ ਕਰਨ ਲਈ ਛੱਡ ਦਿੰਦਾ ਹੈ। ਬਦਲੋ: [ਟੈਕਸਟ]
3) ਚੈਂਪੀਅਨ ਪ੍ਰੋਗਰਾਮ:
ਇੱਕ "ਚੈਂਪੀਅਨ" ਪ੍ਰੋਗਰਾਮ ਤਿਆਰ ਕਰੋ ਜੋ ਟੀਮਾਂ ਵਿੱਚ AI ਗੋਦ ਲੈਣ ਵਿੱਚ ਤੇਜ਼ੀ ਲਿਆਵੇਗਾ: ਚੈਂਪੀਅਨ ਕਿਵੇਂ ਚੁਣੇ ਜਾਂਦੇ ਹਨ, ਉਹ ਕਿਹੜੀ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਉਹ ਕਿਹੜਾ ਕੰਮ ਕਰਦੇ ਹਨ, ਉਹ ਕਿਵੇਂ ਪ੍ਰੇਰਿਤ ਹੁੰਦੇ ਹਨ? ਇੱਕ ਸੰਖੇਪ ਅਤੇ ਕਾਰਵਾਈਯੋਗ ਯੋਜਨਾ ਲਿਖੋ।
4) ਗੋਦ ਲੈਣ ਦੀ ਮਾਪ ਯੋਜਨਾ:
ਇੱਕ AI ਟੂਲ ਨੂੰ ਅਪਣਾਉਣ ਨੂੰ ਮਾਪਣ ਲਈ ਮੈਟ੍ਰਿਕਸ ਦਾ ਸੁਝਾਅ ਦਿਓ: ਕਿਰਿਆਸ਼ੀਲ ਵਰਤੋਂ ਦਰ, ਵਰਤੋਂ ਦੀ ਬਾਰੰਬਾਰਤਾ, ਉਪਭੋਗਤਾ ਦੀ ਸੰਤੁਸ਼ਟੀ, ਰੁਕਾਵਟ ਫੀਡਬੈਕ। ਹਰੇਕ ਮੈਟ੍ਰਿਕ ਲਈ, ਲਿਖੋ ਕਿ ਇਸਨੂੰ ਕਿਵੇਂ ਇਕੱਠਾ ਕੀਤਾ ਜਾਵੇਗਾ ਅਤੇ ਕਿਸ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ "ਸਿਹਤਮੰਦ" ਮੰਨਿਆ ਜਾਵੇਗਾ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ: "ਲੋਕਾਂ ਨੂੰ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਮੈਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?"
ਸਿੱਟਾ: ਆਮ "ਸਿੱਖਿਅਤ ਕਰੋ, ਸੰਚਾਰ ਕਰੋ" ਸਿਫ਼ਾਰਸ਼ਾਂ; ਚਿੰਤਾਵਾਂ ਅਤੇ ਸੰਦਰਭ ਨਹੀਂ ਦੇਖਦਾ।
ਮਜ਼ਬੂਤ: "ਅਸੀਂ 150 ਲੋਕਾਂ ਦੇ ਇੱਕ ਕਾਲ ਸੈਂਟਰ ਵਿੱਚ ਇੱਕ AI ਸਹਾਇਤਾ ਟੂਲ ਤਾਇਨਾਤ ਕਰ ਰਹੇ ਹਾਂ। ਟੀਮ ਵਿੱਚ ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਦਾ ਇੱਕ ਮਜ਼ਬੂਤ ਡਰ ਹੈ। ਇਸ ਸਥਿਤੀ ਲਈ ਇੱਕ ਗੋਦ ਲੈਣ ਦੀ ਯੋਜਨਾ ਬਣਾਓ: ਮੈਂ ਸਟੇਕਹੋਲਡਰ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕਰਾਂ, ਮੈਂ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ 'ਕਿਉਂ' ਕਹਾਣੀ ਕੀ ਦੱਸਾਂ, ਮੈਂ ਇੱਕ ਚੈਂਪੀਅਨ ਪ੍ਰੋਗਰਾਮ ਕਿਵੇਂ ਸੈਟ ਕਰਾਂ, ਅਤੇ ਮੈਂ ਪਹਿਲੇ ਪੜਾਅ ਲਈ ਕਿਹੜੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਮਾਪਦਾ ਹਾਂ?
ਨਤੀਜਾ: ਕਹਾਣੀ-ਚੈਂਪੀਅਨ-ਮਾਪ ਦੇ ਨਾਲ ਇੱਕ ਕਾਰਵਾਈਯੋਗ ਗੋਦ ਲੈਣ ਦੀ ਯੋਜਨਾ ਜੋ ਸੰਦਰਭ ਅਤੇ ਅਸਲ ਚਿੰਤਾ ਵਿੱਚ ਅਧਾਰਤ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਮਨੁੱਖੀ ਮਾਪ ਨੂੰ ਛੱਡਣਾ. ਤਕਨਾਲੋਜੀ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਨਾ ਅਤੇ ਡਰ ਅਤੇ ਚਿੰਤਾਵਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਅਸਫਲਤਾ ਦਾ ਸਭ ਤੋਂ ਆਮ ਕਾਰਨ ਹੈ।
- ਡਰ ਬਾਰੇ ਗੱਲ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਜਦੋਂ ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਬਾਰੇ ਚਿੰਤਾ ਨੂੰ ਦਬਾਇਆ ਜਾਂਦਾ ਹੈ, ਇਹ ਚੁੱਪ ਤੋੜ-ਭੰਨ ਦੇ ਰੂਪ ਵਿੱਚ ਵਾਪਸ ਆਉਂਦਾ ਹੈ; ਇਸ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਸੰਬੋਧਨ ਕਰੋ।
- ਉਦਾਹਰਨ ਦੁਆਰਾ ਅਗਵਾਈ ਦੀ ਘਾਟ. ਪ੍ਰਬੰਧਕ ਜੋ ਕਹਿੰਦਾ ਹੈ "ਤੁਸੀਂ ਇਸਨੂੰ ਵਰਤਦੇ ਹੋ" ਪਰ ਇਸਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦਾ, ਉਹ ਆਪਣੇ ਸੰਦੇਸ਼ ਦਾ ਖੰਡਨ ਕਰਦਾ ਹੈ।
- ਸਿਰਫ਼ ਉੱਪਰੋਂ ਹੀ ਸੰਚਾਰ। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਿੱਖਿਆ ਇੱਕ ਨਜ਼ਦੀਕੀ ਸਹਿਯੋਗੀ (ਚੈਂਪੀਅਨ) ਤੋਂ ਮਿਲਦੀ ਹੈ, ਦੂਰ ਦੀ ਟੀਮ ਤੋਂ ਨਹੀਂ।
- ਗੋਦ ਲੈਣ ਨੂੰ ਨਹੀਂ ਮਾਪਣਾ। ਇੱਕ ਸੰਸਥਾ ਜੋ ਇਹ ਨਹੀਂ ਮਾਪਦੀ ਕਿ ਇਹ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਜਾਂ ਨਹੀਂ, ਰੁਕਾਵਟਾਂ ਨੂੰ ਨਹੀਂ ਦੇਖ ਸਕਦੀ.
ਧਿਆਨ ਦਿਓ: ਪਰਿਵਰਤਨ ਪ੍ਰਬੰਧਨ ਇੱਕ ਵਾਰ ਦੀ ਘੋਸ਼ਣਾ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਜਿਸ ਲਈ ਨਿਰੰਤਰਤਾ ਦੀ ਲੋੜ ਹੈ। AI ਤੁਹਾਨੂੰ ਗੋਦ ਲੈਣ ਦੀ ਯੋਜਨਾ ਜਾਂ ਸੰਪਰਕ ਟੈਕਸਟ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ; ਪਰ ਲੋਕਾਂ ਦੀਆਂ ਅਸਲ ਚਿੰਤਾਵਾਂ ਨੂੰ ਸੁਣਨਾ, ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਨਾ ਅਤੇ ਉਦਾਹਰਣ ਦੇ ਕੇ ਅਗਵਾਈ ਕਰਨਾ ਮਨੁੱਖੀ ਅਗਵਾਈ ਦੁਆਰਾ ਹੀ ਹੋ ਸਕਦਾ ਹੈ। ਨਾਲ ਹੀ, ਇਮਾਨਦਾਰ ਬਣੋ: ਲੋਕਾਂ ਨੂੰ ਨਵੀਆਂ ਭੂਮਿਕਾਵਾਂ ਲਈ ਤਿਆਰ ਕਰਨਾ ਨੈਤਿਕ ਅਤੇ ਵਧੇਰੇ ਟਿਕਾਊ ਹੈ, ਨਾ ਕਿ ਅਜਿਹੀਆਂ ਸਥਿਤੀਆਂ ਨੂੰ ਲੁਕਾਉਣ ਦੀ ਬਜਾਏ ਜਿੱਥੇ AI ਅਸਲ ਵਿੱਚ ਕੁਝ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਬਦਲ ਦੇਵੇਗਾ।
ਸਾਰੰਸ਼ ਵਿੱਚ
AI ਪਰਿਵਰਤਨ ਅਕਸਰ ਮਨੁੱਖੀ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਕਾਰਨਾਂ ਕਰਕੇ ਅਸਫਲ ਹੁੰਦੇ ਹਨ, ਨਾ ਕਿ ਤਕਨੀਕੀ ਕਾਰਨਾਂ ਕਰਕੇ। ਵਿਰੋਧ; ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਯੋਗਤਾ, ਭਰੋਸੇ ਅਤੇ ਅਰਥ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਇਹਨਾਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਖੁੱਲੇ ਤੌਰ 'ਤੇ ਮਿਲ ਕੇ ਹੱਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਉਹਨਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਕੇ। ਸਫਲ ਤਬਦੀਲੀ ਪ੍ਰਬੰਧਨ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲਾ “ਕਿਉਂ” ਦੱਸਦਾ ਹੈ, ਜੋ ਕਿ ਦ੍ਰਿਸ਼ਟੀਗਤ ਅਗਵਾਈ ਦੇ ਨਾਲ ਉਦਾਹਰਨ ਦੇ ਕੇ ਅਗਵਾਈ ਕਰਦਾ ਹੈ, ਸ਼ੁਰੂਆਤੀ ਜਿੱਤਾਂ ਦਾ ਜਸ਼ਨ ਮਨਾਉਂਦਾ ਹੈ, ਹਰ ਕਿਸੇ ਨੂੰ ਸਿੱਖਿਆ ਦਿੰਦਾ ਹੈ, ਚੈਂਪੀਅਨਾਂ ਦਾ ਇੱਕ ਨੈੱਟਵਰਕ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਸੱਭਿਆਚਾਰ ਵਿੱਚ ਨਵੇਂ ਵਿਹਾਰ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਗੋਦ ਲੈਣ ਨੂੰ ਮਾਪਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਸੁਣਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ. ਇਸ ਮੋਡੀਊਲ ਦੌਰਾਨ; ਦ੍ਰਿਸ਼ਟੀ ਤੋਂ ਰੋਡਮੈਪ ਤੱਕ, ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ ਦੀ ਤਰਜੀਹ ਤੋਂ ਲੈ ਕੇ ROI ਅਤੇ ਜੋਖਮ, ਪ੍ਰਸ਼ਾਸਨ, ਨੈਤਿਕਤਾ, ਪਾਲਣਾ, ਪ੍ਰਤਿਭਾ ਅਤੇ ਖਰੀਦਦਾਰੀ, ਅਸੀਂ ਇੱਕ ਫਰੇਮਵਰਕ ਸਥਾਪਤ ਕੀਤਾ ਹੈ ਜਿਸਦੀ ਪ੍ਰਬੰਧਕ ਨੂੰ AI ਪਰਿਵਰਤਨ ਨੂੰ ਅੰਤ-ਤੋਂ-ਅੰਤ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਤਕਨਾਲੋਜੀ ਸੰਦ ਹੈ; ਰਣਨੀਤੀ, ਸ਼ਾਸਨ ਅਤੇ ਲੋਕ ਲੀਡਰਸ਼ਿਪ ਅਸਲ ਫਰਕ ਲਿਆਉਂਦੀ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ AI ਪਹਿਲਕਦਮੀ ਦੀ ਚੋਣ ਕਰੋ ਅਤੇ ਟੈਂਪਲੇਟ 1 ਦੇ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਹਿੱਸੇਦਾਰਾਂ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਦਾ ਨਕਸ਼ਾ ਬਣਾਓ। 2. ਟੈਂਪਲੇਟ ਵਾਲੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਦੱਸਣ ਲਈ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ "ਕਿਉਂ" ਕਹਾਣੀ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ; ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਸੰਬੰਧੀ ਚਿੰਤਾਵਾਂ ਨੂੰ ਇਮਾਨਦਾਰੀ ਨਾਲ ਹੱਲ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ। ਇੱਕ ਚੈਂਪੀਅਨ ਪ੍ਰੋਗਰਾਮ ਦੇ ਤਿੰਨ ਪੜਾਅ ਅਤੇ ਦੋ ਮੈਟ੍ਰਿਕਸ ਲਿਖੋ ਜਿਸ ਦੁਆਰਾ ਤੁਸੀਂ ਗੋਦ ਲੈਣ ਨੂੰ ਮਾਪੋਗੇ। ਅੰਤ ਵਿੱਚ, "ਮੈਂ ਇੱਕ ਨੇਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਇਸ ਸਾਧਨ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਾਂ?" ਸਵਾਲ ਦਾ ਠੋਸ ਜਵਾਬ ਦਿਓ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਪ੍ਰਭਾਵਿਤ ਹਿੱਸੇਦਾਰਾਂ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਮੈਪ ਕੀਤਾ।
- [ ] ਮੈਂ ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਸੰਬੰਧੀ ਚਿੰਤਾ ਨੂੰ ਇਮਾਨਦਾਰੀ ਨਾਲ ਸੰਬੋਧਿਤ ਕੀਤਾ।
- [ ] ਮੈਂ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ "ਕਿਉਂ" ਕਹਾਣੀ ਬਣਾਈ ਹੈ।
- [ ] ਮੈਂ ਉਦਾਹਰਣ ਦੇ ਕੇ ਅਗਵਾਈ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ।
- [ ] ਮੈਂ ਇੱਕ ਚੈਂਪੀਅਨ ਨੈੱਟਵਰਕ ਤਿਆਰ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਗੋਦ ਲੈਣ ਨੂੰ ਮਾਪਣ ਲਈ ਮੈਟ੍ਰਿਕਸ ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਇੱਕ ਨਿਰੰਤਰਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਤਬਦੀਲੀ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਸੀ, ਨਾ ਕਿ ਇੱਕ ਵਾਰ ਦੀ ਘੋਸ਼ਣਾ ਵਜੋਂ।
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਨਕਲੀ ਬੁੱਧੀ ਵਿੱਚ ਇੱਕ ਸੀਨੀਅਰ ਮੈਨੇਜਰ ਦੀ ਅਸਲ ਭੂਮਿਕਾ ਹੇਠ ਲਿਖੀਆਂ ਵਿੱਚੋਂ ਕਿਹੜੀ ਹੈ?
- A) ਦਿਸ਼ਾ ਪ੍ਰਦਾਨ ਕਰਨਾ, ਸਰੋਤਾਂ ਦੀ ਵੰਡ ਕਰਨਾ, ਜੋਖਮ ਦੀਆਂ ਸੀਮਾਵਾਂ ਖਿੱਚਣਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਨੂੰ ਗ੍ਰਹਿਣ ਕਰਨਾ ✔
- ਅ) ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਐਲਗੋਰਿਦਮ ਨੂੰ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਚੁਣਨਾ ਅਤੇ ਕੋਡਿੰਗ ਕਰਨਾ
- C) ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਤਕਨਾਲੋਜੀ ਟੀਮ ਨੂੰ ਸੌਂਪੋ ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਉਡੀਕ ਕਰੋ
- ਡੀ) ਹਰੇਕ ਵਿਭਾਗ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਆਪਣੇ ਖੁਦ ਦੇ ਟੂਲ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਆਗਿਆ ਦੇਣਾ।
ਵਿਆਖਿਆ: ਪ੍ਰਸ਼ਾਸਕ ਦਾ ਕੰਮ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਜਾਂ ਕੋਡ ਲਿਖਣਾ ਨਹੀਂ ਹੈ; ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਦੇਣਾ, ਸਰੋਤਾਂ ਦੀ ਵੰਡ ਕਰਨਾ, ਜੋਖਮ ਦੀਆਂ ਸੀਮਾਵਾਂ ਖਿੱਚਣਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਗਲੇ ਲਗਾਉਣਾ। ਤਕਨੀਕੀ ਟੀਮ 'ਕਿਵੇਂ' ਸਵਾਲ ਹੱਲ ਕਰਦੀ ਹੈ, ਮੈਨੇਜਰ 'ਕਿਉਂ, ਕਦੋਂ, ਕਿਸ ਹੱਦ ਤੱਕ ਅਤੇ ਕੌਣ ਜ਼ਿੰਮੇਵਾਰ ਹੈ' ਸਵਾਲ ਹੱਲ ਕਰਦਾ ਹੈ। ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਤਕਨਾਲੋਜੀ ਪ੍ਰੋਜੈਕਟ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਵਪਾਰਕ ਤਬਦੀਲੀ ਦਾ ਮੁੱਦਾ ਹੈ, ਅਤੇ ਮਾਲਕੀ ਵਪਾਰਕ ਪਾਸੇ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
2. ਕਿਹੜੀ ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜੋ ਇੱਕ ਚੰਗੀ AI ਦ੍ਰਿਸ਼ਟੀ ਨੂੰ ਖਾਲੀ ਨਾਅਰੇ ਤੋਂ ਵੱਖ ਕਰਦੀ ਹੈ?
- ਏ) ਨਵੀਨਤਮ ਤਕਨਾਲੋਜੀ ਦਾ ਨਾਮ ਰੱਖਦਾ ਹੈ
- ਅ) ਇਹ ਵਪਾਰਕ ਨਤੀਜੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਮਾਪਣਯੋਗ ਹੈ ਅਤੇ ਇਸਦਾ ਸਮਾਂ ਦੂਰੀ ਹੈ ✔
- C) ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਜ਼ੋਰਦਾਰ ਅਤੇ ਆਮ ਬਣੋ
- ਡੀ) ਪ੍ਰਤੀਯੋਗੀਆਂ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੇ ਸਮਾਨ
ਵਿਆਖਿਆ: ਇੱਕ ਚੰਗੀ ਦ੍ਰਿਸ਼ਟੀ ਵਪਾਰਕ ਨਤੀਜੇ (ਤਕਨਾਲੋਜੀ ਨਾਲ ਨਹੀਂ) ਨਾਲ ਜੁੜੀ ਹੋਈ ਹੈ, ਮਾਪਣਯੋਗ ਹੈ, ਅਤੇ ਇਸਦਾ ਸਮਾਂ ਦੂਰੀ ਹੈ। 'ਅਸੀਂ AI ਵਿੱਚ ਆਗੂ ਹੋਵਾਂਗੇ' ਬੇਅੰਤ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਵਪਾਰਕ ਨਤੀਜੇ ਸ਼ਾਮਲ ਨਹੀਂ ਹਨ; 'ਅਸੀਂ ਪਹਿਲੇ ਜਵਾਬ ਦੇ ਸਮੇਂ ਨੂੰ ਅੱਧਾ ਕਰ ਦੇਵਾਂਗੇ ਅਤੇ ਤਿੰਨ ਸਾਲਾਂ ਵਿੱਚ ਲਾਗਤ ਨੂੰ 15% ਤੱਕ ਘਟਾਵਾਂਗੇ' ਠੋਸ, ਮਾਪਿਆ ਗਿਆ ਹੈ ਅਤੇ ਇਸਦਾ ਸਮਾਂ ਦੂਰੀ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਦ੍ਰਿਸ਼ਟੀ ਤੋਂ 'ਨਕਲੀ ਬੁੱਧੀ' ਸ਼ਬਦ ਨੂੰ ਹਟਾਉਂਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਇੱਕ ਅਰਥਪੂਰਨ ਵਪਾਰਕ ਟੀਚਾ ਛੱਡ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
3. ਨਕਲੀ ਖੁਫੀਆ ਪਰਿਪੱਕਤਾ ਮੁਲਾਂਕਣ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ ਸੰਸਥਾਵਾਂ ਲਈ ਅਦਿੱਖ ਪੂਰਵ-ਸ਼ਰਤਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਕਿਹੜੇ ਮਾਪ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕਮਜ਼ੋਰ ਹੋਣ 'ਤੇ ਨਿਵੇਸ਼ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?
- ਏ) ਸਿਰਫ ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਬ੍ਰਾਂਡ ਦੇ ਮਾਪ
- ਅ) ਸਿਰਫ਼ ਹਾਰਡਵੇਅਰ ਅਤੇ ਦਫ਼ਤਰੀ ਢਾਂਚਾ
- C) ਡੇਟਾ ਅਤੇ ਸ਼ਾਸਨ ✔
- ਡੀ) ਪ੍ਰਤੀਯੋਗੀ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਕੀਮਤ
ਵਰਣਨ: ਪਰਿਪੱਕਤਾ ਨੂੰ ਪੰਜ ਮਾਪਾਂ (ਰਣਨੀਤੀ, ਡੇਟਾ, ਤਕਨਾਲੋਜੀ, ਪ੍ਰਤਿਭਾ, ਸ਼ਾਸਨ) ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ। ਡੇਟਾ ਅਤੇ ਪ੍ਰਸ਼ਾਸਨ ਅਕਸਰ ਅਦਿੱਖ ਪੂਰਵ-ਸ਼ਰਤਾਂ ਹੁੰਦੀਆਂ ਹਨ: ਇੱਕ ਮਹਿੰਗਾ ਮਾਡਲ ਬਣਾਉਣਾ ਜਦੋਂ ਡੇਟਾ ਗੜਬੜ ਅਤੇ ਮਾੜੀ ਗੁਣਵੱਤਾ ਵਾਲਾ ਹੁੰਦਾ ਹੈ ਇੱਕ ਖਾਲੀ ਗੋਦਾਮ ਵਿੱਚ ਇੱਕ ਸ਼ੈਲਫ ਖਰੀਦਣ ਵਰਗਾ ਹੁੰਦਾ ਹੈ; ਸ਼ਾਸਨ ਦੇ ਬਿਨਾਂ, ਜੋਖਮ ਚੁੱਪਚਾਪ ਇਕੱਠਾ ਹੋ ਜਾਂਦਾ ਹੈ. ਇਸ ਲਈ ਨਿਰਭਰਤਾ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਅੰਤਰ ਬੰਦ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਡੇਟਾ ਅਤੇ ਪ੍ਰਸ਼ਾਸਨ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।
4. ਮੁੱਲ/ਪ੍ਰਯੋਗਯੋਗਤਾ ਮੈਟ੍ਰਿਕਸ ਦੇ 'ਉੱਚ ਮੁੱਲ + ਘੱਟ ਪ੍ਰਯੋਗਯੋਗਤਾ' ਖੇਤਰ ਵਿੱਚ ਵਰਤੋਂ ਦੇ ਕੇਸ ਲਈ ਸਹੀ ਪਹੁੰਚ ਕੀ ਹੈ?
- ਏ) ਪੂਰੇ ਪੈਮਾਨੇ 'ਤੇ ਤੁਰੰਤ ਤੈਨਾਤ ਕਰੋ
- ਅ) ਪੂਰੀ ਤਰ੍ਹਾਂ ਛੱਡ ਦੇਣਾ ਕਿਉਂਕਿ ਇਹ ਬੇਕਾਰ ਹੈ
- C) ਘੱਟ ਤਰਜੀਹ ਭਰਨ ਵਾਲੇ ਕੰਮ ਵਜੋਂ ਖਾਲੀ ਸਮੇਂ ਵਿੱਚ ਕਰਨਾ
- D) ਇੱਕ ਵੱਡੀ ਬਾਜ਼ੀ ਦੇ ਰੂਪ ਵਿੱਚ ਯੋਜਨਾ ਬਣਾਉਣਾ ਅਤੇ ਇਸਦੀਆਂ ਪੂਰਵ-ਸ਼ਰਤਾਂ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨਾ, ਇਸ ਦੌਰਾਨ ਤੇਜ਼ ਲਾਭਾਂ ਨਾਲ ਅੱਗੇ ਵਧਣਾ ✔
ਵਰਣਨ: ਇਸ ਖੇਤਰ ਨੂੰ 'ਵੱਡਾ ਬਾਜ਼ੀ' ਕਿਹਾ ਜਾਂਦਾ ਹੈ: ਇਸਦਾ ਉੱਚ ਮੁੱਲ ਹੈ ਪਰ ਡੇਟਾ, ਏਕੀਕਰਣ ਜਾਂ ਤਕਨੀਕੀ ਮੁਸ਼ਕਲ ਦੇ ਕਾਰਨ ਤੁਰੰਤ ਨਹੀਂ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਸਹੀ ਪਹੁੰਚ ਇਸਦੀ ਯੋਜਨਾ ਬਣਾਉਣਾ ਅਤੇ ਇਸ ਦੀਆਂ ਪੂਰਵ-ਲੋੜਾਂ (ਡੇਟਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ, ਏਕੀਕਰਣ) ਸਥਾਪਤ ਕਰਨਾ ਹੈ; ਅੰਨ੍ਹੇਵਾਹ ਗੋਤਾਖੋਰੀ ਕਰਨ ਦਾ ਮਤਲਬ ਹੈ ਮਹੀਨਿਆਂ ਦੀ ਵਿਅਰਥ ਮਿਹਨਤ। ਇਸ ਦੌਰਾਨ, 'ਤੁਰੰਤ ਜਿੱਤਾਂ' (ਉੱਚ ਮੁੱਲ + ਉੱਚ ਵਿਵਹਾਰਕਤਾ) ਦੇ ਨਾਲ ਗਤੀ ਬਣਾਈ ਜਾਂਦੀ ਹੈ ਅਤੇ ਇਸ ਵੱਡੀ ਬਾਜ਼ੀ ਨੂੰ ਵਿੱਤੀ ਸਹਾਇਤਾ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।
5. ਇੱਕ AI ਪਾਇਲਟ ਦੇ ਮੁੱਲ ਨੂੰ ਸਾਬਤ ਕਰਨ ਲਈ, ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਚੀਜ਼ ਕੀ ਹੈ?
- A) ਸਫਲਤਾ ਮੈਟ੍ਰਿਕ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ ਅਤੇ ਮੌਜੂਦਾ ਸਥਿਤੀ ਦੀ ਬੇਸਲਾਈਨ ਨੂੰ ਮਾਪੋ ✔
- ਅ) ਸਭ ਤੋਂ ਮਹਿੰਗਾ ਵਾਹਨ ਖਰੀਦਣਾ
- C) ਇੱਕੋ ਸਮੇਂ ਪੂਰੀ ਸੰਸਥਾ ਨੂੰ ਪਾਇਲਟ ਖੋਲ੍ਹਣਾ
- ਡੀ) ਪਾਇਲਟ ਖਤਮ ਹੋਣ ਤੋਂ ਬਾਅਦ ਭਵਿੱਖਬਾਣੀ ਦੇ ਨਾਲ ਨਤੀਜਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨਾ
ਵਿਆਖਿਆ: ਬੇਸਲਾਈਨ ਸੁਧਾਰ ਤੋਂ ਪਹਿਲਾਂ ਮੌਜੂਦਾ ਸਥਿਤੀ ਦਾ ਮਾਪ ਹੈ। ਬੇਸਲਾਈਨ ਤੋਂ ਬਿਨਾਂ, ਇਹ ਦਾਅਵਾ ਸਾਬਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਕਿ ਅਸੀਂ 'ਸੁਧਾਰ' ਹਾਂ; 'ਕਿੰਨਾ ਸੁਧਾਰ ਹੋਇਆ?' ਸਕੇਲਿੰਗ ਫੈਸਲੇ ਵਿੱਚ. ਸਵਾਲ ਦਾ ਜਵਾਬ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ। ਇਸ ਲਈ, ਪਾਇਲਟ ਸ਼ੁਰੂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ, ਸਫਲਤਾ ਮੈਟ੍ਰਿਕ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਮੌਜੂਦਾ ਸਥਿਤੀ ਨੂੰ ਸੰਖਿਆਵਾਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਤੁਸੀਂ ਉਸ ਮੁੱਲ ਦਾ ਪ੍ਰਬੰਧਨ ਅਤੇ ਬਚਾਅ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਮਾਪ ਨਹੀਂ ਸਕਦੇ।
6. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ROI ਗਣਨਾ ਵਿੱਚ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਕਿਹੜੀਆਂ ਲਾਗਤ ਆਈਟਮਾਂ ਨੂੰ ਅਕਸਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇਹ ਸੋਚਣ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ ਕਿ ਪ੍ਰੋਜੈਕਟ ਲਾਭਦਾਇਕ ਹੈ?
- A) ਸਿਰਫ਼ ਆਮ ਖਰਚੇ ਜਿਵੇਂ ਕਿ ਦਫ਼ਤਰ ਦਾ ਕਿਰਾਇਆ ਅਤੇ ਬਿਜਲੀ
- ਅ) ਲੁਕਵੇਂ ਖਰਚੇ ਜਿਵੇਂ ਕਿ ਏਕੀਕਰਣ, ਚੱਲ ਰਹੀ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਅਤੇ ਰੱਖ-ਰਖਾਅ ✔
- C) ਸਿਰਫ ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਵਿਗਿਆਪਨ ਦਾ ਬਜਟ
- ਡੀ) ਕੋਈ ਨਹੀਂ; ਲਾਇਸੈਂਸ ਫੀਸ ਹੀ ਅਸਲ ਕੀਮਤ ਹੈ
ਸਪੱਸ਼ਟੀਕਰਨ: ਸੰਸਥਾਵਾਂ ਆਮ ਤੌਰ 'ਤੇ ਸਿਰਫ਼ ਲਾਇਸੰਸ/ਵਰਤੋਂ ਫੀਸ ਦੀ ਗਿਣਤੀ ਕਰਦੀਆਂ ਹਨ; ਜਦੋਂ ਕਿ AI ਵਿੱਚ, ਲੁਕਵੇਂ ਖਰਚੇ ਆਮ ਤੌਰ 'ਤੇ ਏਕੀਕਰਣ, ਡੇਟਾ ਤਿਆਰ ਕਰਨ, ਚੱਲ ਰਹੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ, ਰੱਖ-ਰਖਾਅ ਅਤੇ ਤਬਦੀਲੀ ਪ੍ਰਬੰਧਨ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਇਹ ਅਕਸਰ ਲਾਇਸੈਂਸ ਤੋਂ ਵੱਧ ਹੁੰਦੇ ਹਨ। ਜਦੋਂ ਇਹਨਾਂ ਚੀਜ਼ਾਂ ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਜਿਸਨੂੰ 'ਲਾਭਦਾਇਕ' ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਅਸਲ ਵਿੱਚ ਘਾਟੇ ਵਿੱਚ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਲਾਭ ਵਾਲੇ ਪਾਸੇ, ਇਹ ਸਵਾਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਬਚਿਆ ਸਮਾਂ ਅਸਲ ਵਿੱਚ ਮੁੱਲ ਵਿੱਚ ਬਦਲਦਾ ਹੈ।
7. ਏਆਈ ਜੋਖਮਾਂ ਵਿੱਚ 'ਮਾਡਲ ਡ੍ਰਾਈਫਟ' ਦਾ ਕੀ ਅਰਥ ਹੈ ਅਤੇ ਇਸ ਲਈ ਨਿਰੰਤਰ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਕਿਉਂ ਹੈ?
- ਏ) ਭੌਤਿਕ ਸਰਵਰਾਂ ਦੇ ਵਿਚਕਾਰ ਮਾਡਲ ਨੂੰ ਮੂਵ ਕਰਨਾ
- ਅ) ਮਾਡਲ ਦੀ ਲਾਇਸੈਂਸ ਫੀਸ ਸਮੇਂ ਦੇ ਨਾਲ ਵਧਦੀ ਜਾਂਦੀ ਹੈ
- C) ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਸਮੇਂ ਦੇ ਨਾਲ ਚੁੱਪਚਾਪ ਘਟਦੀ ਜਾਂਦੀ ਹੈ ਕਿਉਂਕਿ ਸੰਸਾਰ ਬਦਲਦਾ ਹੈ ✔
- ਡੀ) ਮਾਡਲ ਦਾ ਆਉਟਪੁੱਟ ਹਮੇਸ਼ਾ ਇੱਕੋ ਜਿਹਾ ਰਹਿੰਦਾ ਹੈ
ਵਿਆਖਿਆ: ਮਾਡਲ ਡ੍ਰਾਈਫਟ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਮਾਡਲ ਖਤਮ ਹੋ ਜਾਂਦਾ ਹੈ ਅਤੇ ਸੰਸਾਰ ਦੇ ਬਦਲਣ ਦੇ ਨਾਲ-ਨਾਲ ਇਸਦਾ ਪ੍ਰਦਰਸ਼ਨ ਚੁੱਪਚਾਪ ਘਟ ਜਾਂਦਾ ਹੈ (ਨਵੇਂ ਉਤਪਾਦ, ਨਵੇਂ ਵਿਵਹਾਰ, ਨਵੇਂ ਧੋਖਾਧੜੀ ਦੇ ਪੈਟਰਨ)। ਇੱਕ ਮਾਡਲ ਜੋ ਇੱਕ ਵਾਰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਹੈ ਹਮੇਸ਼ਾ ਲਈ ਵਧੀਆ ਕੰਮ ਨਹੀਂ ਕਰਦਾ; ਇਸ ਲਈ ਨਿਯਮਤ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਨਿਗਰਾਨੀ ਜ਼ਰੂਰੀ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਧੋਖਾਧੜੀ ਦਾ ਪੈਟਰਨ ਇੱਕ ਨਵੇਂ ਪੈਟਰਨ ਦੇ ਸਾਹਮਣੇ ਚੁੱਪਚਾਪ ਕਮਜ਼ੋਰ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਨੁਕਸਾਨ ਦੀ ਨਿਗਰਾਨੀ ਕੀਤੇ ਬਿਨਾਂ ਤੇਜ਼ੀ ਨਾਲ ਵਧਦਾ ਹੈ।
8. ਏਆਈ ਗਵਰਨੈਂਸ ਵਿੱਚ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਵੇਲੇ ਸਹੀ ਪਹੁੰਚ ਕੀ ਹੈ?
- ਏ) ਹਰੇਕ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਪਹਿਲਕਦਮੀ ਨੂੰ ਉਸੇ ਭਾਰੀ ਪ੍ਰਵਾਨਗੀ ਦੇ ਅਧੀਨ ਕਰਨਾ, ਇਸਦੇ ਜੋਖਮ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ
- ਅ) ਖਤਰੇ ਦੇ ਪੱਧਰ ਦੁਆਰਾ ਟੀਅਰਿੰਗ ਪ੍ਰਵਾਨਗੀ: ਘੱਟ ਜੋਖਮ ਤੇਜ਼, ਉੱਚ ਜੋਖਮ ਸਖਤ ਨਿਯੰਤਰਣ ✔
- ਗ) ਟੀਮਾਂ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਪੂਰੀ ਆਜ਼ਾਦੀ ਦੇਣਾ
- ਡੀ) ਸਾਰੀਆਂ ਮਨਜ਼ੂਰੀਆਂ ਨੂੰ ਸਿਰਫ਼ ਤਕਨਾਲੋਜੀ ਟੀਮ 'ਤੇ ਛੱਡਣਾ
ਵਰਣਨ: ਚੰਗਾ ਸ਼ਾਸਨ ਗਤੀ, ਸੁਰੱਖਿਆ ਅਤੇ ਇਕਸਾਰਤਾ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਦਾ ਹੈ। ਹਰੇਕ ਕੰਮ (ਇੱਥੋਂ ਤੱਕ ਕਿ ਘੱਟ-ਜੋਖਮ) ਲਈ ਇੱਕੋ ਭਾਰੀ ਪ੍ਰਵਾਨਗੀ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਟੀਮਾਂ ਨੂੰ ਸ਼ੈਡੋ ਵਰਤੋਂ ਵਿੱਚ ਧੱਕਦਾ ਹੈ; ਕੋਈ ਪ੍ਰਵਾਨਗੀ ਜੋਖਮ ਨੂੰ ਇਕੱਠਾ ਨਹੀਂ ਕਰਦੀ। ਸਹੀ ਪਹੁੰਚ ਜੋਖਿਮ ਦੇ ਪੱਧਰ ਦੁਆਰਾ ਮਨਜ਼ੂਰੀ ਨੂੰ ਪਰਤ ਕਰਨਾ ਹੈ: ਘੱਟ-ਜੋਖਮ ਵਾਲਾ ਕੰਮ ਤੇਜ਼ੀ ਨਾਲ ਚੱਲਣਾ ਚਾਹੀਦਾ ਹੈ, ਸਿਰਫ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਕੰਮ ਦੀ ਭਾਰੀ ਜਾਂਚ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਗਤੀ ਅਤੇ ਨਿਯੰਤਰਣ ਦੋਵੇਂ ਬਣਾਏ ਜਾਂਦੇ ਹਨ.
9. ਨੈਤਿਕਤਾ ਅਤੇ ਕਾਨੂੰਨੀ ਪਾਲਣਾ ਵਿਚਕਾਰ ਸਬੰਧ ਬਾਰੇ ਕਿਹੜਾ ਸੱਚ ਹੈ?
- ਏ) ਨੈਤਿਕਤਾ ਅਤੇ ਕਾਨੂੰਨੀ ਪਾਲਣਾ ਇੱਕੋ ਚੀਜ਼ ਹਨ; ਜੋ ਇੱਕ ਨੂੰ ਮਿਲਦਾ ਹੈ ਉਹ ਦੂਜੇ ਨੂੰ ਵੀ ਮਿਲਦਾ ਹੈ।
- ਅ) ਕਾਨੂੰਨੀ ਪਾਲਣਾ ਨੈਤਿਕਤਾ ਨਾਲੋਂ ਉੱਚੀ ਲਾਈਨ ਹੈ
- C) ਕਾਨੂੰਨੀ ਪਾਲਣਾ ਘੱਟੋ-ਘੱਟ ਹੈ; ਨੈਤਿਕਤਾ ਇੱਕ ਉੱਚੀ ਲਾਈਨ ਹੈ ਅਤੇ ਹਰ ਚੀਜ਼ ਜੋ ਕਾਨੂੰਨੀ ਹੈ ਨੈਤਿਕ ਨਹੀਂ ਹੋ ਸਕਦੀ ✔
- D) ਨੈਤਿਕਤਾ ਕੇਵਲ ਉਦੋਂ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ ਜਦੋਂ ਕਾਨੂੰਨ ਇੱਕ ਪਾੜਾ ਛੱਡਦਾ ਹੈ
ਵਰਣਨ: ਕਾਨੂੰਨੀ ਪਾਲਣਾ ਘੱਟੋ-ਘੱਟ ਹੈ; ਨੈਤਿਕਤਾ ਇੱਕ ਉੱਚੀ ਲਾਈਨ ਹੈ। ਕੁਝ ਕਾਨੂੰਨੀ ਪਰ ਅਨੈਤਿਕ ਹੋ ਸਕਦਾ ਹੈ; ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਨਕਲੀ ਖੁਫੀਆ ਵਿਸ਼ੇਸ਼ਤਾ ਜੋ ਉਪਭੋਗਤਾ ਦੇ ਵਿਵਹਾਰ ਵਿੱਚ ਹੇਰਾਫੇਰੀ ਕਰਦੀ ਹੈ, ਦੀ ਮਨਾਹੀ ਨਹੀਂ ਹੋ ਸਕਦੀ, ਪਰ ਇਹ ਅਨੈਤਿਕ ਹੈ। ਜ਼ਿੰਮੇਵਾਰ ਅਦਾਰੇ 'ਕੀ ਇਹ ਮਨ੍ਹਾ ਹੈ?' ਨਹੀਂ 'ਕੀ ਇਹ ਸੱਚ ਹੈ?' ਉਹ ਪੁੱਛਦਾ ਹੈ। ਨੈਤਿਕਤਾ ਨੂੰ ਅੰਤ ਤੱਕ ਨਹੀਂ ਛੱਡਿਆ ਜਾ ਸਕਦਾ; ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
10. EU AI ਕਾਨੂੰਨ ਵਿੱਚ 'ਉੱਚ ਜੋਖਮ' ਮੰਨੇ ਜਾਣ ਵਾਲੇ ਸਿਸਟਮ ਲਈ ਮੁੱਖ ਮਾਪਦੰਡ ਕੀ ਹੈ?
- ਏ) ਸਿਸਟਮ ਕਿੰਨਾ ਮਹਿੰਗਾ ਹੈ
- ਅ) ਸਿਸਟਮ ਦੇ ਕਿੰਨੇ ਉਪਭੋਗਤਾ ਹਨ
- C) ਸਿਸਟਮ ਕਿਸ ਦੇਸ਼ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ?
- D) ਸਿਸਟਮ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਲੋਕਾਂ ਦੇ ਮੌਲਿਕ ਅਧਿਕਾਰਾਂ, ਸੁਰੱਖਿਆ ਜਾਂ ਜੀਵਨ ਦੇ ਮੌਕਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ ✔
ਵਰਣਨ: EU AI ਕਾਨੂੰਨ ਇੱਕ ਜੋਖਮ-ਅਧਾਰਤ ਤਰਕ ਸਥਾਪਤ ਕਰਦਾ ਹੈ। ਉੱਚ-ਜੋਖਮ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਉਹ ਹੈ ਜੋ ਲੋਕਾਂ ਦੇ ਬੁਨਿਆਦੀ ਅਧਿਕਾਰਾਂ, ਸੁਰੱਖਿਆ ਜਾਂ ਜੀਵਨ ਦੇ ਮੌਕਿਆਂ (ਨੌਕਰੀਆਂ, ਕਰੈਡਿਟ, ਸਿੱਖਿਆ, ਸਿਹਤ) ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ। ਜੋਖਮ ਪ੍ਰਬੰਧਨ, ਗੁਣਵੱਤਾ ਅਤੇ ਨਿਰਪੱਖ ਡੇਟਾ, ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ, ਦਸਤਾਵੇਜ਼, ਰਿਕਾਰਡ ਰੱਖਣ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਜ਼ਰੂਰੀ ਹਨ। 'ਕੀ ਇਹ ਪ੍ਰਣਾਲੀ ਅਜਿਹੇ ਫੈਸਲੇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ ਜੋ ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਨੌਕਰੀ, ਪੈਸਾ, ਸਿਹਤ ਜਾਂ ਆਜ਼ਾਦੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ?' ਸਵਾਲ ਇੱਕ ਵਧੀਆ ਸ਼ੁਰੂਆਤੀ ਸੂਚਕ ਹੈ।
11. ਇੱਕ ਕਰਮਚਾਰੀ ਲਈ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ, ਵਿਦੇਸ਼ੀ-ਆਧਾਰਿਤ ਨਕਲੀ ਖੁਫੀਆ ਟੂਲ ਵਿੱਚ ਗਾਹਕ ਦੇ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਪੇਸਟ ਕਰਨਾ KVKK ਦੇ ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਅਤੇ ਅਕਸਰ ਉਲੰਘਣਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਕਿਉਂ ਹੈ?
- ਏ) ਸਿਰਫ ਇਸ ਲਈ ਕਿਉਂਕਿ ਇਹ ਵਾਹਨ ਨੂੰ ਹੌਲੀ ਚੱਲਣ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ
- ਅ) ਕਿਉਂਕਿ ਇਸਦਾ ਅਕਸਰ ਮਤਲਬ ਵਿਦੇਸ਼ਾਂ ਵਿੱਚ ਅਣਅਧਿਕਾਰਤ ਡੇਟਾ ਟ੍ਰਾਂਸਫਰ ਅਤੇ ਅਣਇੱਛਤ ਪ੍ਰਕਿਰਿਆ ✔ ਹੁੰਦਾ ਹੈ
- C) ਸਿਰਫ ਇਸ ਲਈ ਕਿਉਂਕਿ ਵਾਹਨ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਹੈ
- ਡੀ) ਅਸਲ ਵਿੱਚ, ਇਸ ਵਿੱਚ ਕੋਈ ਜੋਖਮ ਨਹੀਂ ਹੁੰਦਾ, ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਰੱਖਿਅਤ ਹੈ।
ਸਪੱਸ਼ਟੀਕਰਨ: ਇਸ ਕਾਰਵਾਈ ਦਾ ਅਕਸਰ ਮਤਲਬ 'ਵਿਦੇਸ਼ ਵਿੱਚ ਡੇਟਾ ਟ੍ਰਾਂਸਫਰ' (ਵਿਸ਼ੇਸ਼ ਨਿਯਮਾਂ ਦੇ ਅਧੀਨ) ਅਤੇ 'ਅਣਇੱਛਤ ਪ੍ਰਕਿਰਿਆ' (ਡਾਟਾ ਉਸ ਉਦੇਸ਼ ਤੋਂ ਇਲਾਵਾ ਹੋਰ ਉਦੇਸ਼ਾਂ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਿਸ ਲਈ ਇਸਨੂੰ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਸੀ) ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਕਿਸੇ ਵੈਧ ਕਾਨੂੰਨੀ ਆਧਾਰ ਅਤੇ ਸਪੱਸ਼ਟੀਕਰਨ ਤੋਂ ਬਿਨਾਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ KVKK ਦੇ ਰੂਪ ਵਿੱਚ ਉਲੰਘਣਾ ਅਤੇ ਪ੍ਰਬੰਧਕੀ ਜੁਰਮਾਨੇ ਦਾ ਇੱਕ ਗੰਭੀਰ ਖਤਰਾ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਇਸ ਲਈ, ਇੱਕ ਸਵੀਕਾਰਯੋਗ ਵਰਤੋਂ ਨੀਤੀ ਅਤੇ ਕਾਰਪੋਰੇਟ ਸਾਧਨ ਜੋ ਡੇਟਾ ਲੀਕ ਨਹੀਂ ਕਰਦੇ ਹਨ ਜ਼ਰੂਰੀ ਹਨ।
12. 'ਅਨੁਵਾਦਕ' ਭੂਮਿਕਾ ਦਾ ਉਦੇਸ਼ ਕੀ ਹੈ, ਜੋ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਸਮਰੱਥਾ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਮੁੱਲ-ਲਾਕਿੰਗ ਭੂਮਿਕਾ ਹੈ?
- ਏ) ਸਿਰਫ਼ ਵਿਦੇਸ਼ੀ ਭਾਸ਼ਾ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਅਨੁਵਾਦ ਕਰਨਾ
- ਅ) ਸਰਵਰਾਂ ਅਤੇ ਡੇਟਾਬੇਸ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ
- C) ਉਹ ਵਿਅਕਤੀ ਹੋਣਾ ਜੋ ਵਪਾਰਕ ਸਮੱਸਿਆ ਨੂੰ ਇੱਕ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਹੱਲ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਅਤੇ ਵਪਾਰ ਅਤੇ ਤਕਨਾਲੋਜੀ ਵਿਚਕਾਰ ਇੱਕ ਪੁਲ ਬਣਾਉਂਦਾ ਹੈ ✔
- ਡੀ) ਸਿਰਫ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਮੁਢਲੀ ਵਾਹਨ ਸਿਖਲਾਈ ਪ੍ਰਦਾਨ ਕਰੋ
ਵਰਣਨ: ਇੱਕ ਨਕਲੀ ਬੁੱਧੀ ਅਨੁਵਾਦਕ (ਏਆਈ ਅਨੁਵਾਦਕ) ਇੱਕ ਵਿਅਕਤੀ ਹੈ ਜੋ ਵਪਾਰਕ ਭਾਸ਼ਾ ਨੂੰ ਤਕਨੀਕੀ ਭਾਸ਼ਾ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਉਲਟ, 'ਕਿਹੜੀ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਕਿਸ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਹੱਲ ਦੁਆਰਾ ਹੱਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ' ਦਾ ਪੁਲ ਬਣਾਉਂਦੀ ਹੈ। ਸਭ ਤੋਂ ਮਹਿੰਗੀਆਂ ਅਸਫਲਤਾਵਾਂ ਅਕਸਰ ਮਾਹਰਾਂ ਦੀ ਘਾਟ ਕਾਰਨ ਨਹੀਂ ਹੁੰਦੀਆਂ, ਪਰ ਅਨੁਵਾਦਕਾਂ ਦੀ ਘਾਟ ਕਾਰਨ ਹੁੰਦੀਆਂ ਹਨ: ਤਕਨੀਕੀ ਟੀਮ ਇੱਕ ਸੰਪੂਰਨ ਮਾਡਲ ਬਣਾਉਂਦੀ ਹੈ ਪਰ ਗਲਤ ਸਮੱਸਿਆ ਲਈ। ਸੰਸਥਾਵਾਂ ਮਾਹਰਾਂ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਵੇਸ਼ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਅਨੁਵਾਦਕਾਂ ਅਤੇ ਜਨਤਕ ਸਾਖਰਤਾ ਵਿੱਚ ਬਹੁਤ ਘੱਟ; ਹਾਲਾਂਕਿ, ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਆਖਰੀ ਦੋ ਹਨ ਜੋ ਮੁੱਲ ਨੂੰ ਖੋਲ੍ਹਦੇ ਹਨ।
13. ਇੱਕ AI ਪ੍ਰਤਿਭਾ ਲਈ 'ਬਣਾਓ ਜਾਂ ਖਰੀਦੋ' ਦੇ ਫੈਸਲੇ ਦਾ ਮੂਲ ਸਿਧਾਂਤ ਕੀ ਹੈ?
- ਏ) ਹਮੇਸ਼ਾ ਖਰੀਦੋ, ਕਿਉਂਕਿ ਇਹ ਸਸਤਾ ਹੈ
- ਅ) ਮੁੱਖ ਵਿਭਿੰਨਤਾ ਸਮਰੱਥਾਵਾਂ ਬਣਾਓ, ਮਿਆਰੀ ਸਮਰੱਥਾਵਾਂ ਖਰੀਦੋ ✔
- C) ਹਮੇਸ਼ਾ ਅੰਦਰ ਹੀ ਵਿਕਾਸ ਕਰੋ, ਕਿਉਂਕਿ ਇਹ ਸੁਰੱਖਿਅਤ ਹੈ
- D) ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਸਪਲਾਇਰ ਦੁਆਰਾ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਗਈ ਇੱਕ ਨੂੰ ਚੁਣਨਾ
ਵਰਣਨ: ਮੂਲ ਸਿਧਾਂਤ ਹੈ: ਮੁੱਖ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਸੰਗਠਨ ਲਈ ਵਿਲੱਖਣ ਬਣਾਓ ਜੋ ਮੁਕਾਬਲੇ ਦੇ ਲਾਭ ਪੈਦਾ ਕਰਦੇ ਹਨ; ਮਿਆਰੀ, ਆਮ, ਗੈਰ-ਵਿਭਿੰਨ ਸਮਰੱਥਾਵਾਂ ਖਰੀਦੋ। ਇੱਕ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲ ਜੋ ਤੁਹਾਡਾ ਪ੍ਰਤੀਯੋਗੀ ਤੁਹਾਡੇ ਆਪਣੇ ਡੇਟਾ ਨਾਲ ਨਹੀਂ ਬਣਾ ਸਕਦਾ ਹੈ; ਇੱਕ ਪਾਠ ਸੰਖੇਪ ਸੰਦ ਮਿਆਰੀ ਹੈ. ਆਊਟਸੋਰਸਿੰਗ ਕੋਰ ਟੇਲੈਂਟ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਨੂੰ ਕਿਰਾਏ 'ਤੇ ਲੈ ਰਿਹਾ ਹੈ ਅਤੇ ਸਪਲਾਇਰ ਲਾਕ-ਇਨ ਦੇ ਜੋਖਮ ਨੂੰ ਵਧਾ ਰਿਹਾ ਹੈ।
14. AI ਪਰਿਵਰਤਨ ਦੀ ਅਸਫਲਤਾ ਦਾ ਸਭ ਤੋਂ ਆਮ ਕਾਰਨ ਕੀ ਹੈ ਅਤੇ ਇਸਦੇ ਵਿਰੁੱਧ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪਹੁੰਚ ਕੀ ਹੈ?
- ਏ) ਨਾਕਾਫ਼ੀ ਮਾਡਲ ਸ਼ੁੱਧਤਾ; ਹੱਲ ਇੱਕ ਵੱਡਾ ਮਾਡਲ ਖਰੀਦਣਾ ਹੈ
- ਬੀ) ਸਾਜ਼-ਸਾਮਾਨ ਦੀ ਘਾਟ; ਹੱਲ ਹੋਰ ਸਰਵਰ ਖਰੀਦਣਾ ਹੈ
- C) ਲਾਇਸੈਂਸ ਦੀ ਲਾਗਤ; ਹੱਲ ਇੱਕ ਸਸਤਾ ਸਪਲਾਇਰ ਲੱਭਣਾ ਹੈ
- ਡੀ) ਮਨੁੱਖੀ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਲਚਕਤਾ; ਹੱਲ ਤਬਦੀਲੀ ਪ੍ਰਬੰਧਨ ਹੈ ਜੋ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਚਿੰਤਾਵਾਂ ਨੂੰ ਹੱਲ ਕਰਦਾ ਹੈ ✔
ਵਿਆਖਿਆ: ਜ਼ਿਆਦਾਤਰ ਅਸਫਲਤਾ ਤਕਨੀਕੀ ਨਹੀਂ ਹੈ, ਪਰ ਮਨੁੱਖੀ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਹੈ: ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ ਦਾ ਡਰ, ਯੋਗਤਾ ਬਾਰੇ ਚਿੰਤਾ, ਵਿਸ਼ਵਾਸ ਦੀ ਘਾਟ ਅਤੇ ਅਰਥ ਦਾ ਨੁਕਸਾਨ। ਜਦੋਂ ਇਹ ਚਿੰਤਾਵਾਂ ਦਬਾ ਦਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਉਹ ਚੁੱਪ ਤੋੜਨ ਵਾਂਗ ਵਾਪਸ ਆ ਜਾਂਦੀਆਂ ਹਨ। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵੀ ਪਹੁੰਚ ਹੈ ਚਿੰਤਾਵਾਂ ਨੂੰ ਖੁੱਲ੍ਹ ਕੇ ਪੂਰਾ ਕਰਨਾ, ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ 'ਕਿਉਂ' ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ, ਉਦਾਹਰਣ ਦੇ ਕੇ ਅਗਵਾਈ ਕਰਨਾ, ਅਤੇ ਨਜ਼ਦੀਕੀ ਸਹਿਯੋਗੀਆਂ ਦਾ ਇੱਕ ਚੈਂਪੀਅਨ ਨੈੱਟਵਰਕ ਬਣਾਉਣਾ। ਗੋਦ ਲੈਣ ਨੂੰ ਮਾਪਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ.