ਗੁਣਵੱਤਾ, ਪਾਲਣਾ ਅਤੇ ਗੁਪਤਤਾ: ਗਲਤ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਨਾ

ਲਾਭ:

• ਸੁਰੱਖਿਅਤ ਸੀਮਾਵਾਂ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਕੀਮਤ, ਵਚਨਬੱਧਤਾ ਅਤੇ ਨੀਤੀ ਦੇ ਮੁੱਦਿਆਂ 'ਤੇ ਗਲਤ ਜਾਣਕਾਰੀ ਦੇ ਜੋਖਮ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ
• ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਗਾਹਕ ਦੇ ਨਿੱਜੀ ਡੇਟਾ (KVKK ਅਨੁਕੂਲ) ਦੀ ਸੁਰੱਖਿਆ ਕਰਦੇ ਹਨ
• ਇੱਕ ਗੁਣਵੱਤਾ ਭਰੋਸਾ (QA) ਚੱਕਰ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜਿਸ ਵਿੱਚ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਆਡਿਟਿੰਗ ਸ਼ਾਮਲ ਹੈ

ਗਾਹਕਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਵਾਲੀ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਇੱਕ ਕਾਰੋਬਾਰ ਲਈ ਇੱਕ ਵੱਡਾ ਮੌਕਾ ਅਤੇ ਇੱਕ ਵੱਡਾ ਖਤਰਾ ਹੈ। ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਕਾਪੀ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਨੂੰ ਠੀਕ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਪਰ ਇੱਕ ਗਾਹਕ ਨੂੰ ਦਿੱਤੀ ਗਈ ਗਲਤ ਕੀਮਤ, ਗਲਤ ਨੀਤੀ ਜਾਣਕਾਰੀ ਜਾਂ ਇੱਕ ਵਾਅਦਾ ਜਿਸ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਦਾ ਅਰਥ ਹੈ ਵਿਸ਼ਵਾਸ ਦਾ ਸਿੱਧਾ ਨੁਕਸਾਨ, ਵਿੱਤੀ ਨੁਕਸਾਨ ਅਤੇ ਕਾਨੂੰਨੀ ਸਮੱਸਿਆਵਾਂ। "ਬੋਟ ਨੇ ਮੈਨੂੰ ਦੱਸਿਆ" ਬਚਾਅ ਤੁਹਾਨੂੰ ਨਹੀਂ ਬਚਾਏਗਾ; ਇਹ ਗਾਹਕ ਪ੍ਰਤੀ ਕੰਪਨੀ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।

ਇਸ ਅੰਤਿਮ ਇਕਾਈ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਢਾਂਚਾ ਬਣਾਉਂਦੇ ਹਾਂ ਜੋ ਪਿਛਲੀਆਂ 11 ਯੂਨਿਟਾਂ ਵਿੱਚ ਸਿੱਖੀਆਂ ਗਈਆਂ ਸਾਰੀਆਂ ਚੀਜ਼ਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਦਾ ਹੈ। ਇਹ ਤਿੰਨ ਥੰਮ੍ਹਾਂ 'ਤੇ ਬੈਠਦਾ ਹੈ: ਸ਼ੁੱਧਤਾ (ਗਲਤ ਜਾਣਕਾਰੀ ਨਾ ਦੇਣਾ), ਗੋਪਨੀਯਤਾ (ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਸੁਰੱਖਿਆ) ਅਤੇ ਨਿਯੰਤਰਣ (ਮਨੁੱਖੀ ਸਹਿਮਤੀ)। ਇਹ ਤਿੰਨ ਸੁਰੱਖਿਆ ਬੈਲਟ ਹਨ ਜੋ AI ਨੂੰ ਜੋਖਮ ਦੇ ਸਰੋਤ ਤੋਂ ਇੱਕ ਭਰੋਸੇਯੋਗ ਵਪਾਰਕ ਸਾਧਨ ਵਿੱਚ ਬਦਲਦੇ ਹਨ।

ਨੋਟ: ਇਹ ਯੂਨਿਟ ਇੱਕ ਆਮ ਫਰੇਮਵਰਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਤੁਹਾਡੇ ਆਪਣੇ ਉਦਯੋਗ ਦੇ ਨਿਯਮ (ਖਪਤਕਾਰ ਅਧਿਕਾਰ, KVKK, ਵਪਾਰਕ ਸੰਦੇਸ਼ ਨਿਯਮ) ਵਾਧੂ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਲਗਾ ਸਕਦੇ ਹਨ; ਪਾਲਣਾ ਲਈ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਤੁਹਾਡੀ ਸੰਸਥਾ ਦੀ ਹੈ।

ਤਿੰਨ ਖਤਰੇ, ਤਿੰਨ ਥੰਮ

• ਗਲਤ ਜਾਣਕਾਰੀ (ਭਰਮ): ਮਾਡਲ ਕੀਮਤ/ਨੀਤੀ/ਵਚਨਬੱਧਤਾ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ। ਕਾਲਮ: ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ + ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ।
• ਗੋਪਨੀਯਤਾ ਦੀ ਉਲੰਘਣਾ: ਗਾਹਕ ਦਾ ਨਿੱਜੀ ਡੇਟਾ (ਨਾਮ, ਫ਼ੋਨ ਨੰਬਰ, ID, ਭੁਗਤਾਨ) ਅਸੁਰੱਖਿਅਤ ਟੂਲ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦਾ ਹੈ। ਕਾਲਮ: ਮਾਸਕਿੰਗ + ਪ੍ਰਵਾਨਿਤ ਵਾਹਨ (KVKK ਪਾਲਣਾ)।
• ਅਧਿਕਾਰ ਤੋਂ ਵੱਧ: ਬੋਟ/ਏਜੰਟ ਇੱਕ ਵਾਅਦਾ ਕਰਦਾ ਹੈ ਕਿ ਇਹ ਡਿਲੀਵਰ ਨਹੀਂ ਕਰ ਸਕਦਾ (ਛੂਟ, ਸਹੀ ਮਿਤੀ, ਗਾਰੰਟੀ)। ਕਾਲਮ: ਸਪਸ਼ਟ ਅਧਿਕਾਰ ਖੇਤਰ + ਗਾਰਡਰੇਲ।

ਹਰੇਕ ਗਾਹਕ ਸੰਪਰਕ ਏਆਈ ਪ੍ਰਵਾਹ ਨੂੰ ਇਹਨਾਂ ਤਿੰਨਾਂ ਜੋਖਮਾਂ ਦਾ ਇੱਕੋ ਸਮੇਂ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਗਲਤ ਜਾਣਕਾਰੀ ਤੋਂ ਬਚੋ: ਸ਼ੁੱਧਤਾ ਦੀ ਪਰਤ

ਸ਼ੁੱਧਤਾ ਦਾ ਸੁਨਹਿਰੀ ਨਿਯਮ: ਨਾਜ਼ੁਕ ਜਾਣਕਾਰੀ (ਕੀਮਤ, ਨੀਤੀ, ਵਚਨਬੱਧਤਾ) ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ (RAG ਯੂਨਿਟ ਨੂੰ ਯਾਦ ਰੱਖੋ) ਤੋਂ ਆਉਂਦੀ ਹੈ, ਮਾਡਲ ਦੀ ਯਾਦ ਤੋਂ ਨਹੀਂ, ਅਤੇ ਜਦੋਂ ਅਨਿਸ਼ਚਿਤ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਮਾਡਲ ਚੁੱਪ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਹੱਥ ਸੌਂਪਦਾ ਹੈ। "ਸੁਰੱਖਿਅਤ ਜਾਂ ਪਾਸ ਕਰੋ" ਦਾ ਸਿਧਾਂਤ ਸਰੋਤ 'ਤੇ ਗਲਤ ਜਾਣਕਾਰੀ ਨੂੰ ਕੱਟਦਾ ਹੈ।

ਕਦਮ ਦਰ ਕਦਮ: ਇੱਕ ਸੁਰੱਖਿਅਤ ਗੁਣਵੱਤਾ ਚੱਕਰ (QA)

1. ਜੋਖਮ ਦੁਆਰਾ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰੋ. ਕੀ ਜਵਾਬ ਘੱਟ ਜੋਖਮ (ਆਮ ਜਾਣਕਾਰੀ) ਜਾਂ ਉੱਚ ਜੋਖਮ (ਕੀਮਤ, ਵਚਨਬੱਧਤਾ, ਰਿਫੰਡ ਦੀ ਰਕਮ) ਹੈ?
2. ਇੱਕ ਮਨੁੱਖੀ ਦਰਵਾਜ਼ੇ ਨੂੰ ਉੱਚ ਜੋਖਮ 'ਤੇ ਰੱਖੋ. ਇਹਨਾਂ ਜਵਾਬਾਂ ਨੂੰ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
3. ਸਰੋਤ ਨਾਲ ਜੁੜੋ। ਨਾਜ਼ੁਕ ਜਾਣਕਾਰੀ ਪ੍ਰਮਾਣਿਤ ਦਸਤਾਵੇਜ਼ 'ਤੇ ਆਧਾਰਿਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਨਾ ਕਿ ਮਨਘੜਤ।
4. ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕਰੋ. ਜੇ ਇਹ ਜ਼ਰੂਰੀ ਨਾ ਹੋਵੇ ਤਾਂ ਦਾਖਲ ਨਾ ਕਰੋ; ਜੇ ਲੋੜ ਹੋਵੇ ਤਾਂ ਅਗਿਆਤ ਬਣਾਓ।
5. ਨਮੂਨਾ ਲੈ ਕੇ ਜਾਂਚ ਕਰੋ। ਕੁਝ ਸਵੈਚਲਿਤ ਜਵਾਬਾਂ ਦੀ ਨਿਯਮਤ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
6. ਵਾਪਸ ਫੀਡ. ਗਲਤੀਆਂ ਇਕੱਠੀਆਂ ਕਰੋ ਅਤੇ ਪ੍ਰੋਂਪਟ ਅਤੇ ਗਾਰਡਰੇਲ ਨੂੰ ਅਪਡੇਟ ਕਰੋ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਉਤਪ੍ਰੇਰਕ

ਜਵਾਬ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਜੋਖਮਾਂ ਲਈ ਸਕੈਨ ਕਰੋ:

ਪੋਸਟ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇਸ ਗਾਹਕ ਦੇ ਜਵਾਬ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਫਲੈਗ ਕਰੋ:- ਕੀ ਕੋਈ ਅਣ-ਪ੍ਰਮਾਣਿਤ ਕੀਮਤ, ਦਰ ਜਾਂ ਰਕਮ ਹੈ?- ਕੀ ਨੀਤੀ/ਨਿਯਮ ਦਾ ਦਾਅਵਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਾਂ ਕੀ ਇਹ ਮਨਘੜਤ ਹੋ ਸਕਦਾ ਹੈ?- ਕੀ ਕੋਈ ਵਚਨਬੱਧਤਾਵਾਂ (ਸਹੀ ਮਿਤੀ, ਵਾਰੰਟੀ, ਛੋਟ) ਅਧਿਕਾਰ ਤੋਂ ਵੱਧ ਹਨ? - ਕੀ ਨਿੱਜੀ ਡੇਟਾ (ਨਾਮ, ਫ਼ੋਨ, ਆਈ.ਡੀ., ਪਤਾ, ਭੁਗਤਾਨ) ਬੇਲੋੜੀ ਸ਼ਾਮਲ ਹੈ? ਹਰੇਕ ਖੋਜ ਨੂੰ "ਉੱਚ/ਮੱਧਮ/ਘੱਟ ਜੋਖਮ" ਲੇਬਲ ਅਤੇ ਸੁਧਾਰ ਲਈ ਸੁਝਾਅ ਦੇ ਨਾਲ ਸੂਚੀਬੱਧ ਕਰੋ। ਜਵਾਬ: {{ ਜਵਾਬ }}

ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਤੁਰੰਤ ਮਾਸਕ ਕਰਨਾ (ਵਾਹਨ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ):

ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਵਿੱਚ ਮਾਸਕ ਕਰੋ: ਨਾਮ-ਸਰਨੇਮ -> [NAME], ਫ਼ੋਨ-> [PHONE], ਈ-ਮੇਲ -> [EMAIL], TR/ID -> [ID], ਪਤਾ -> [ADDRESS], ਕਾਰਡ/ਭੁਗਤਾਨ -> [ਭੁਗਤਾਨ]। ਸਮੱਸਿਆ ਦੇ ਅਰਥ ਅਤੇ ਤਕਨੀਕੀ ਵੇਰਵੇ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖੋ। ਟੈਕਸਟ: {{ ਟੈਕਸਟ }}

ਗਾਰਡਰੈਲ ਪ੍ਰੋਂਪਟ ਜੋ ਮਨੁੱਖਾਂ ਨੂੰ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਮੁੱਦਿਆਂ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਦਾ ਹੈ:

ਇਹਨਾਂ ਮੁੱਦਿਆਂ ਦਾ ਕਦੇ ਵੀ ਆਪਣੇ ਆਪ ਜਵਾਬ ਨਾ ਦਿਓ; ਇਸਦੀ ਬਜਾਏ ਕਹੋ "ਮੈਂ ਇਸਨੂੰ ਇੱਕ ਪ੍ਰਤੀਨਿਧੀ ਨੂੰ ਦੇ ਰਿਹਾ ਹਾਂ": ਸਹੀ ਕੀਮਤ/ਛੂਟ, ਇਕਰਾਰਨਾਮਾ/ਰਿਫੰਡ ਰਕਮ ਵਿਵਾਦ, ਕਾਨੂੰਨੀ/ਮੈਡੀਕਲ/ਵਿੱਤੀ ਸਲਾਹ, ਨਿੱਜੀ ਡੇਟਾ ਵਿੱਚ ਤਬਦੀਲੀ, ਸੁਰੱਖਿਆ/ਧੋਖਾਧੜੀ ਦਾ ਸ਼ੱਕ। ਤੁਸੀਂ ਇਸ ਸੂਚੀ ਤੋਂ ਬਾਹਰ ਆਮ ਗਿਆਨ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹੋ।

ਰੈਗੂਲਰ ਕੁਆਲਿਟੀ ਆਡਿਟ (QA) ਲਈ ਨਮੂਨਾ ਪ੍ਰੋਂਪਟ:

ਹੇਠਾਂ ਪਿਛਲੇ X ਜਵਾਬਾਂ ਵਿੱਚੋਂ 10 ਬੇਤਰਤੀਬੇ ਜਵਾਬ ਹਨ। ਹਰੇਕ ਲਈ, ਮੁਲਾਂਕਣ ਕਰੋ: ਸ਼ੁੱਧਤਾ (ਕੀ ਇਹ ਸਰੋਤ ਲਈ ਉਚਿਤ ਹੈ), ਟੋਨ (ਕੀ ਇਹ ਹਮਦਰਦ/ਉਚਿਤ ਹੈ), ਤਾਲਮੇਲ (ਕੀ ਕੋਈ ਦੁਰਵਿਵਹਾਰ/ਨਿੱਜੀ ਡਾਟਾ ਲੀਕ ਹੈ)। ਸਮੱਸਿਆ ਵਾਲੇ ਮੁੱਦਿਆਂ ਨੂੰ ਮਹੱਤਵ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਦਰਜਾ ਦਿਓ ਅਤੇ ਇੱਕ ਵਾਕ ਵਿੱਚ ਆਵਰਤੀ ਤਰੁਟੀ ਪੈਟਰਨ (ਉਦਾਹਰਨ ਲਈ, "ਉਹ ਸਮਾਂ-ਸੀਮਾਵਾਂ ਬਣਾਉਂਦਾ ਰਹਿੰਦਾ ਹੈ") ਨੂੰ ਸੰਖੇਪ ਵਿੱਚ ਲਿਖੋ। ਜਵਾਬ: {{ ਉਦਾਹਰਨਾਂ }}

ਕਮਜ਼ੋਰ ਪਹੁੰਚ / ਮਜ਼ਬੂਤ ਪਹੁੰਚ

ਮਾੜੀ ਪਹੁੰਚ

ਮਜ਼ਬੂਤ ਪਹੁੰਚ

ਬਿਨਾਂ ਮਨਜ਼ੂਰੀ ਦੇ ਸਾਰੇ ਜਵਾਬ ਭੇਜੋ

ਉੱਚ ਜੋਖਮ ਲਈ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਗੇਟਵੇ

ਮਾਡਲ ਨਾਲ ਕੀਮਤ/ਨੀਤੀ ਦਾ ਮੇਲ ਕਰਨਾ

ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਨਾਲ ਲਿੰਕ ਕਰੋ

ਵਾਹਨ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ ਜਿਵੇਂ ਹੈ

ਮਾਸਕ ਅਪ ਕਰੋ ਅਤੇ ਮਨਜ਼ੂਰੀ ਨਾਲ ਡਰਾਈਵ ਕਰੋ

ਗਲਤੀਆਂ ਹੋਣ 'ਤੇ ਇਕ-ਇਕ ਕਰਕੇ ਠੀਕ ਕਰਨਾ

ਆਡਿਟ + ਫੀਡਬੈਕ ਨਾਲ ਮੂਲ ਕਾਰਨ ਨੂੰ ਬੰਦ ਕਰਨਾ

ਫਰਕ ਇਹ ਹੈ ਕਿ ਮਜ਼ਬੂਤ ​​ਪਹੁੰਚ ਇੱਕ ਸਿਸਟਮ ਸਥਾਪਤ ਕਰਦੀ ਹੈ ਜੋ "ਗਲਤੀ ਨੂੰ ਵਾਪਰਨ ਤੋਂ ਪਹਿਲਾਂ ਰੋਕਦੀ ਹੈ" ਨਾ ਕਿ "ਜਦੋਂ ਇਹ ਵਾਪਰਦੀ ਹੈ ਤਾਂ ਇਸਨੂੰ ਠੀਕ ਕਰਦੀ ਹੈ"।

ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ

ਕੇਸ 1 - ਫੈਬਰੀਕੇਟਿਡ ਰਿਫੰਡ ਦੀ ਰਕਮ। ਇੱਕ ਬੋਟ ਨੇ ਕਿਹਾ, "ਜਦੋਂ ਤੁਸੀਂ ਆਪਣਾ ਉਤਪਾਦ ਵਾਪਸ ਕਰਦੇ ਹੋ ਤਾਂ ਤੁਹਾਨੂੰ 850 TL ਵਾਪਸ ਮਿਲੇਗਾ"; ਜਦੋਂ ਕਿ ਅਸਲ ਰਕਮ ਵੱਖਰੀ ਸੀ ਅਤੇ ਬੋਟ ਨੂੰ ਇਹ ਨਹੀਂ ਪਤਾ ਸੀ। ਜੋਖਮ ਸਕ੍ਰੀਨਿੰਗ ਪ੍ਰੋਂਪਟ ਨੇ ਪਿਛਲੇ ਟੈਸਟਾਂ ਵਿੱਚ ਅਜਿਹੀ "ਅਣਪੁਸ਼ਟ ਰਕਮ" ਆਉਟਪੁੱਟ ਦਾ ਪਤਾ ਲਗਾਇਆ ਸੀ। ਟੀਮ ਨੇ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਗੇਟ ਨਾਲ ਰਕਮਾਂ ਵਾਲੇ ਸਾਰੇ ਜਵਾਬਾਂ ਨੂੰ ਜੋੜਿਆ; ਇੱਕ ਗਲਤ ਰਿਫੰਡ ਅੰਕੜਾ ਗਾਹਕ ਨੂੰ ਦੁਬਾਰਾ ਕਦੇ ਨਹੀਂ ਭੇਜਿਆ ਗਿਆ ਸੀ।

ਕੇਸ 2 - ਸੁਰੱਖਿਅਤ ਗੋਪਨੀਯਤਾ ਨੂੰ ਮਾਸਕ ਕਰਨਾ। ਇੱਕ ਪ੍ਰਤੀਨਿਧੀ ਇੱਕ ਲੰਬੀ ਸ਼ਿਕਾਇਤ ਦਾ ਸਾਰ ਦੇਣਾ ਚਾਹੁੰਦਾ ਸੀ ਜਿਸ ਵਿੱਚ ਗਾਹਕ ਦਾ ਨਾਮ, ਫ਼ੋਨ ਅਤੇ ਆਰਡਰ ਦੀ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਸੀ। ਉਸਨੇ ਪਹਿਲਾਂ ਮਾਸਕਿੰਗ ਪ੍ਰੋਂਪਟ ਚਲਾਇਆ; ਨਿੱਜੀ ਖੇਤਰ [NAME], [PHONE] ਟੈਗ ਬਣ ਗਏ। ਸਾਰਾਂਸ਼ ਇੱਕੋ ਕੁਆਲਿਟੀ ਦਾ ਸੀ, ਪਰ ਟੂਲ ਵਿੱਚ ਕੋਈ ਵੀ ਨਿੱਜੀ ਡੇਟਾ ਬੇਲੋੜਾ ਪੇਸ਼ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ; ਕੇਵੀਕੇਕੇ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਸੁਰੱਖਿਅਤ ਪ੍ਰਵਾਹ ਬਣਾਇਆ ਗਿਆ ਹੈ.

ਕੇਸ 3 - ਆਡਿਟ ਨੇ ਮੂਲ ਕਾਰਨ ਪਾਇਆ। ਮਾਸਿਕ QA ਨਮੂਨੇ ਵਿੱਚ, AI ਨੇ ਇੱਕ ਆਵਰਤੀ ਪੈਟਰਨ ਲਿਆ: ਬੋਟ ਨੇ ਪੁੱਛਿਆ "ਇਹ ਕਦੋਂ ਆਵੇਗਾ?" ਉਹ ਆਪਣੇ ਸਵਾਲਾਂ ਲਈ ਆਪਣੇ ਸਿਰ ਵਿੱਚ ਲਗਾਤਾਰ ਸਮਾਂ ਸੀਮਾ ਬਣਾ ਰਿਹਾ ਸੀ। ਇਹ ਕੋਈ ਇਕੱਲੀ ਗਲਤੀ ਨਹੀਂ ਸੀ ਸਗੋਂ ਮੂਲ ਕਾਰਨ ਸੀ। ਟੀਮ ਨੇ ਡਿਲੀਵਰੀ ਡੇਟ ਦੇ ਮੁੱਦੇ ਨੂੰ ਗਾਰਡਰੇਲ ਵਿੱਚ ਜੋੜਿਆ ਅਤੇ "ਸਿਰਫ ਸਿਸਟਮ ਵਿੱਚ ਤਾਰੀਖ ਟ੍ਰਾਂਸਫਰ ਕਰੋ, ਨਹੀਂ ਤਾਂ ਟ੍ਰਾਂਸਫਰ" ਦਾ ਨਿਯਮ ਬਣਾਇਆ। ਇੱਕ ਸਿੰਗਲ ਫਿਕਸ ਨੇ ਭਵਿੱਖ ਦੀਆਂ ਦਰਜਨਾਂ ਗਲਤੀਆਂ ਨੂੰ ਰੋਕਿਆ।

ਸੁਝਾਅ: "ਉੱਚ ਜੋਖਮ" ਸੂਚੀ ਨੂੰ ਛੋਟਾ ਅਤੇ ਸਪਸ਼ਟ ਰੱਖੋ; ਪਰ ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ: ਪੈਸਾ (ਕੀਮਤ, ਵਾਪਸੀ, ਛੂਟ), ਸਮਾਂ (ਸਹੀ ਡਿਲੀਵਰੀ ਵਚਨਬੱਧਤਾ), ਨੀਤੀ ਅਪਵਾਦ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਤਬਦੀਲੀ। ਇਹ ਚਾਰ ਖੇਤਰ ਹਨ ਜਿੱਥੇ ਗਾਹਕ-ਸੰਪਰਕ AI ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਅਕਸਰ ਅਤੇ ਮਹਿੰਗੀਆਂ ਗਲਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।

ਜ਼ਿੰਮੇਵਾਰੀ ਕਿੱਥੇ ਰੁਕਦੀ ਹੈ?

ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਿਧਾਂਤ ਆਖਰੀ ਹੈ: AI ਇੱਕ ਸਪੀਡ ਅਤੇ ਗੁਣਵੱਤਾ ਗੁਣਕ ਹੈ, ਇੱਕ ਦੇਣਦਾਰੀ ਨਹੀਂ। ਹਰ ਵਾਅਦਾ, ਹਰ ਕੀਮਤ, ਗਾਹਕ ਨਾਲ ਕੀਤੀ ਹਰ ਵਚਨਬੱਧਤਾ ਕੰਪਨੀ ਨੂੰ ਕਾਨੂੰਨੀ ਅਤੇ ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਬੰਨ੍ਹਦੀ ਹੈ। ਇਸੇ ਕਰਕੇ AI ਨੂੰ "ਫੈਸਲੇ ਲੈਣ" ਦੀ ਬਜਾਏ "ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ ਅਤੇ ਜਾਣਕਾਰੀ ਪ੍ਰਸਾਰਿਤ ਕਰਨ" ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਹੈ; ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ ਵਿੱਚ, ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਇੱਕ ਲਗਜ਼ਰੀ ਨਹੀਂ ਬਲਕਿ ਇੱਕ ਜ਼ਰੂਰਤ ਹੈ। ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਥਾਪਤ ਪ੍ਰਣਾਲੀ ਵਿੱਚ, AI 90% ਰੁਟੀਨ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ, ਮਨੁੱਖ 10% ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਲੈਂਦਾ ਹੈ ਅਤੇ ਸਾਰੀ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ।

ਸਾਵਧਾਨ: ਇਹ ਵਿਚਾਰ ਕਿ "ਜਦੋਂ ਮਾਡਲ ਕਾਫ਼ੀ ਵਿਕਸਤ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ" ਖ਼ਤਰਨਾਕ ਹੈ। ਮਾਡਲ ਭਾਵੇਂ ਕਿੰਨਾ ਵੀ ਚੰਗਾ ਹੋਵੇ, ਇਹ ਕਦੇ-ਕਦਾਈਂ ਇੱਕ ਝੂਠੀ ਭਰੋਸੇ ਵਾਲੀ ਸੁਰ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ; ਅਤੇ ਗਾਹਕ-ਸੰਪਰਕ ਕਾਰੋਬਾਰ ਵਿੱਚ, ਇਹ ਸਭ ਕੁਝ ਇੱਕ ਗਲਤ ਕੀਮਤ ਜਾਂ ਵਚਨਬੱਧਤਾ ਲੈਂਦਾ ਹੈ। ਪ੍ਰਵਾਨਗੀ ਲਈ ਮਨੁੱਖੀ ਗੇਟਵੇ ਗਤੀ ਦੀ ਕੁਰਬਾਨੀ ਨਹੀਂ ਹੈ, ਪਰ ਵਿਸ਼ਵਾਸ ਦੀ ਕੀਮਤ ਹੈ.

ਆਮ ਗਲਤੀਆਂ

• ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਤੋਂ ਬਿਨਾਂ ਉੱਚ-ਜੋਖਮ (ਕੀਮਤ, ਵਚਨਬੱਧਤਾ, ਰਿਟਰਨ) ਜਵਾਬ ਭੇਜਣਾ।
• ਨਾਜ਼ੁਕ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਨਾਲ ਜੋੜਨਾ ਅਤੇ ਮਾਡਲ ਦੀ ਯਾਦ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰਨਾ।
• ਨਿੱਜੀ ਡੇਟਾ (KVKK ਉਲੰਘਣਾ) ਨੂੰ ਮਾਸਕ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਅਸੁਰੱਖਿਅਤ ਵਾਹਨ ਵਿੱਚ ਦਾਖਲ ਹੋਣਾ।
• ਗਾਰਡਰੇਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਕਰਨਾ (ਉੱਚ ਜੋਖਮ ਵਿਸ਼ੇ ਦੀ ਸੂਚੀ)।
• ਇੱਕ-ਇੱਕ ਕਰਕੇ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰਨਾ ਅਤੇ ਮੂਲ ਕਾਰਨ (ਪ੍ਰੌਂਪਟ/ਨਿਯਮ) ਨੂੰ ਅੱਪਡੇਟ ਕਰਨਾ ਛੱਡਣਾ।
• ਇਹ ਸੋਚ ਕੇ ਕਿ ਇਹ AI ਜਾਂ ਟੂਲ ਪ੍ਰਦਾਤਾ 'ਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਪਾਉਂਦਾ ਹੈ।

ਸੰਖੇਪ ਵਿੱਚ

• ਗਾਹਕ-ਸੰਪਰਕ AI ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਤਿੰਨ ਜੋਖਮਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ: ਗਲਤ ਜਾਣਕਾਰੀ, ਗੋਪਨੀਯਤਾ ਦੀ ਉਲੰਘਣਾ, ਓਵਰਅਥਾਰਾਈਜ਼ੇਸ਼ਨ।
• ਸ਼ੁੱਧਤਾ ਲਈ: ਨਾਜ਼ੁਕ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਨਾਲ ਲਿੰਕ ਕਰੋ, ਜਦੋਂ ਯਕੀਨ ਨਾ ਹੋਵੇ ਤਾਂ ਸੌਂਪੋ।
• ਗੋਪਨੀਯਤਾ ਲਈ: ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕਰੋ, ਸਿਰਫ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਅਤੇ ਸੁਰੱਖਿਅਤ ਵਾਹਨਾਂ (KVKK) ਦੀ ਵਰਤੋਂ ਕਰੋ।
• ਉੱਚ-ਦਾਅ ਦੇ ਮੁੱਦਿਆਂ (ਪੈਸਾ, ਸਮਾਂ, ਰਾਜਨੀਤੀ, ਨਿੱਜੀ ਡੇਟਾ) ਨੂੰ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਗੇਟ ਨਾਲ ਕਨੈਕਟ ਕਰੋ।
• ਨਮੂਨਾ ਲੈ ਕੇ ਗਲਤੀਆਂ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਮੂਲ ਕਾਰਨ ਨੂੰ ਬੰਦ ਕਰੋ; ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਹਮੇਸ਼ਾ ਮਨੁੱਖ ਦੀ ਹੁੰਦੀ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਆਪਣੇ ਖੁਦ ਦੇ ਗਾਹਕ ਸੰਪਰਕ ਪ੍ਰਵਾਹ ਲਈ ਇੱਕ "ਸੁਰੱਖਿਆ ਸੂਟ" ਤਿਆਰ ਕਰੋ: (1) ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਵਿਸ਼ਿਆਂ (ਘੱਟੋ-ਘੱਟ ਪੈਸੇ, ਸਮਾਂ, ਨੀਤੀ, ਨਿੱਜੀ ਡੇਟਾ) ਦੀ ਇੱਕ ਗਾਰਡਰੇਲ ਸੂਚੀ ਲਿਖੋ, (2) ਇੱਕ ਜੋਖਮ ਸਕ੍ਰੀਨਿੰਗ ਪ੍ਰੋਂਪਟ ਦੁਆਰਾ ਇੱਕ ਨਮੂਨਾ ਗਾਹਕ ਜਵਾਬ ਚਲਾਓ ਅਤੇ ਖੋਜਾਂ ਨੂੰ ਲੇਬਲ ਕਰੋ, (3) ਇੱਕ ਮਾਸਕਿੰਗ ਪ੍ਰੋਂਪਟ ਨਾਲ ਨਿੱਜੀ ਡੇਟਾ ਵਾਲੇ ਟੈਕਸਟ ਨੂੰ ਸਾਫ਼ ਕਰੋ, (4 ਕਈ ਹਫ਼ਤੇ ਪਹਿਲਾਂ) ਜਵਾਬ, ਕੌਣ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਜਿੱਥੇ ਗਲਤੀਆਂ ਦਰਜ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ)। ਅੰਤ ਵਿੱਚ, ਸੂਚੀ ਬਣਾਓ ਕਿ ਕਿਸ ਕਿਸਮ ਦੇ ਫੈਸਲੇ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਤੋਂ ਬਿਨਾਂ ਕਦੇ ਨਹੀਂ ਜਾਣਗੇ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਉੱਚ ਜੋਖਮ ਵਾਲੇ ਵਿਸ਼ਿਆਂ ਲਈ ਇੱਕ ਗਾਰਡਰੇਲ ਸੂਚੀ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ ਨਾਜ਼ੁਕ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਨਾਲ ਜੋੜਿਆ ਹੈ।
• [ ] ਮੈਂ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕੀਤਾ ਹੈ ਅਤੇ ਸਿਰਫ ਪ੍ਰਵਾਨਿਤ ਵਾਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਜਵਾਬਾਂ 'ਤੇ ਇੱਕ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਗੇਟ ਲਗਾਇਆ ਹੈ।
• [ ] ਮੈਂ ਨਿਯਮਤ QA ਨਮੂਨਾ ਅਤੇ ਫੀਡਬੈਕ ਲੂਪ ਸਥਾਪਤ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਇਹ ਸਪੱਸ਼ਟ ਕਰ ਦਿੱਤਾ ਹੈ ਕਿ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਮਨੁੱਖ ਦੀ ਹੈ।

ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ

1. ਗਾਹਕ ਸਹਾਇਤਾ ਚੈਟਬੋਟ ਲਈ ਸਿਸਟਮ ਪ੍ਰੋਂਪਟ ਲਿਖਣ ਵੇਲੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਤੱਤ ਕੀ ਹੁੰਦਾ ਹੈ?

• A) ਬੋਟ ਦੀ ਭੂਮਿਕਾ, ਦਾਇਰੇ, ਸੀਮਾਵਾਂ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਮਨੁੱਖ ਨੂੰ ਸੌਂਪਣਾ ਜਦੋਂ ਉਹ ਇਸਨੂੰ ਨਹੀਂ ਜਾਣਦਾ ✔
• ਅ) ਬੋਟ ਨੂੰ ਹਰ ਸੰਭਵ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਦੀ ਲੋੜ ਹੈ
• C) ਸਿਸਟਮ ਨੂੰ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਛੋਟਾ ਰੱਖਣਾ ਅਤੇ ਵੇਰਵੇ ਨਾ ਦੇਣਾ
• ਡੀ) ਬੋਟ ਨੂੰ ਸਾਰੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਹਾਸੇ-ਮਜ਼ਾਕ ਅਤੇ ਦੋਸਤਾਨਾ ਬਣਾਉਣਾ

ਵਿਆਖਿਆ: ਬੋਟ ਦੀ ਭੂਮਿਕਾ, ਦਾਇਰੇ ਅਤੇ ਖਾਸ ਤੌਰ 'ਤੇ ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ (ਇਹ ਕੀ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਜਦੋਂ ਇਹ ਮਨੁੱਖਾਂ ਨੂੰ ਸੌਂਪਿਆ ਜਾਵੇਗਾ) ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਨਹੀਂ ਤਾਂ, ਬੋਟ ਅਣਅਧਿਕਾਰਤ ਵਚਨਬੱਧਤਾਵਾਂ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਕਿਸੇ ਵਿਸ਼ੇ 'ਤੇ ਗਲਤ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ ਬਾਰੇ ਉਹ ਨਹੀਂ ਜਾਣਦਾ ਹੈ।

2. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨਾਲ ਟਿਕਟਾਂ ਦਾ ਵਰਗੀਕਰਨ ਕਰਦੇ ਸਮੇਂ ਇਕਸਾਰ ਅਤੇ ਸਵੈਚਲਿਤ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਕੀ ਹੈ?

• A) ਹਰੇਕ ਬੇਨਤੀ ਨੂੰ ਮੁਫਤ ਟੈਕਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਸੰਖੇਪ ਕਰਨ ਲਈ, ਬਿਨਾਂ ਫਾਰਮੈਟ ਲਗਾਏ
• ਬੀ) ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਸ਼੍ਰੇਣੀਆਂ, ਨਿਸ਼ਚਿਤ ਜ਼ਰੂਰੀ ਪੱਧਰ ਅਤੇ ਇੱਕ ਅਟੱਲ ਆਉਟਪੁੱਟ ਫਾਰਮੈਟ ਦੇਣਾ ✔
• C) ਸ਼੍ਰੇਣੀ ਸੂਚੀ ਨੂੰ ਮਾਡਲ 'ਤੇ ਛੱਡੋ ਅਤੇ ਇਸਨੂੰ ਹਰ ਵਾਰ ਆਪਣੇ ਆਪ ਲੱਭਣ ਦਿਓ।
• ਡੀ) ਸਿਰਫ ਲੰਬਾਈ ਦੁਆਰਾ ਬੇਨਤੀਆਂ ਨੂੰ ਛਾਂਟਣਾ

ਵਰਣਨ: ਮਾਡਲ ਨੂੰ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਇੱਕ ਪੂਰਵ-ਪਰਿਭਾਸ਼ਿਤ ਸੂਚੀ, ਨਿਸ਼ਚਿਤ ਜ਼ਰੂਰੀ ਪੱਧਰ, ਅਤੇ ਇੱਕ ਅਟੱਲ ਆਉਟਪੁੱਟ ਫਾਰਮੈਟ (ਜਿਵੇਂ ਕਿ JSON) ਦੇਣਾ ਵੱਖ-ਵੱਖ ਬੇਨਤੀਆਂ ਵਿੱਚ ਇੱਕ ਇਕਸਾਰ ਅਤੇ ਮਸ਼ੀਨ-ਪ੍ਰੋਸੈਸਯੋਗ ਨਤੀਜਾ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। ਸ਼੍ਰੇਣੀ ਨੂੰ ਮਾਡਲ ਵਿੱਚ ਛੱਡਣ ਨਾਲ ਹਰ ਵਾਰ ਵੱਖ-ਵੱਖ ਟੈਗ ਪੈਦਾ ਹੁੰਦੇ ਹਨ।

3. ਆਰਏਜੀ (ਗਿਆਨ-ਅਧਾਰਤ ਉਤਪਾਦਨ / ਮੁੜ ਪ੍ਰਾਪਤੀ-ਵਧੇਰੇ ਪੀੜ੍ਹੀ) ਪਹੁੰਚ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਕੀ ਹੈ?

• ਏ) ਮਾਡਲ ਨੂੰ ਹੋਰ ਰਚਨਾਤਮਕ ਅਤੇ ਅਸਲੀ ਜਵਾਬ ਦੇਣ ਲਈ ਸਮਰੱਥ ਬਣਾਉਣਾ
• ਬੀ) ਮਾਡਲ ਦੇ ਜਵਾਬ ਸਮੇਂ ਨੂੰ ਛੋਟਾ ਕਰਨਾ
• C) ਮਾਡਲ ਦੇ ਜਵਾਬ ਨੂੰ ਅੱਪ-ਟੂ-ਡੇਟ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਮੁਹੱਈਆ ਕਰਵਾਏ ✔ 'ਤੇ ਆਧਾਰਿਤ ਕਰੋ
• D) ਮਾਡਲ ਨੂੰ ਹਰ ਹਾਲਤ ਵਿੱਚ ਇੰਟਰਨੈੱਟ ਨਾਲ ਕਨੈਕਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ

ਵਿਆਖਿਆ: RAG ਮਾਡਲ ਦੇ ਜਵਾਬ ਨੂੰ ਯਾਦ ਨਹੀਂ ਕਰਦਾ; ਇਹ ਇਸਨੂੰ ਪ੍ਰਸ਼ਨ ਦੇ ਸਮੇਂ ਪ੍ਰਾਪਤ ਕੀਤੇ ਅਪਡੇਟ ਕੀਤੇ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਸ਼ੁੱਧਤਾ ਵਧਾਉਂਦਾ ਹੈ ਅਤੇ ਮਨਘੜਤ ਜਾਣਕਾਰੀ (ਭਰਮ) ਨੂੰ ਬਹੁਤ ਘਟਾਉਂਦਾ ਹੈ।

4. ਗਿਆਨ ਅਧਾਰ ਤੋਂ ਜਵਾਬ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ, ਜੇਕਰ ਦਿੱਤੇ ਸਰੋਤਾਂ ਵਿੱਚ ਸਵਾਲ ਦਾ ਜਵਾਬ ਉਪਲਬਧ ਨਹੀਂ ਹੈ ਤਾਂ ਮਾਡਲ ਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

• A) ਇੱਕ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਜੋ ਉਸਦੇ ਆਮ ਗਿਆਨ ਤੋਂ ਵਾਜਬ ਲੱਗਦਾ ਹੈ
• ਅ) ਕਾਪੀ ਕਰਨਾ ਅਤੇ ਸਮਾਨ ਵਿਸ਼ੇ 'ਤੇ ਤਿਆਰ ਜਵਾਬ ਦੇਣਾ
• ਗ) ਸਵਾਲ ਨੂੰ ਅਣ-ਉੱਤਰ ਛੱਡਣਾ ਅਤੇ ਚੁੱਪਚਾਪ ਗੱਲਬਾਤ ਨੂੰ ਬੰਦ ਕਰਨਾ
• D) ਇਹ ਦੱਸਦੇ ਹੋਏ ਕਿ ਉਸ ਕੋਲ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ ਅਤੇ ਗਾਹਕ ਨੂੰ ਸਹੀ ਸਰੋਤ/ਅਥਾਰਟੀ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਨਾ ✔

ਵਿਆਖਿਆ: ਮਾਡਲ ਨੂੰ ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਬਣਾਉਣੀ ਚਾਹੀਦੀ ਜੋ ਸਰੋਤ ਵਿੱਚ ਨਹੀਂ ਹੈ; ਇਹ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਕੋਲ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ ਅਤੇ ਗਾਹਕ ਨੂੰ ਕਿਸੇ ਅਧਿਕਾਰੀ ਜਾਂ ਸਹੀ ਸਰੋਤ ਵੱਲ ਨਿਰਦੇਸ਼ਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਗਲਤ ਜਾਣਕਾਰੀ ਦੇ ਜੋਖਮ ਨੂੰ ਦੂਰ ਕਰਦਾ ਹੈ।

5. ਗੁੱਸੇ ਵਾਲੇ ਗਾਹਕ ਨੂੰ ਸਮਰਥਨ ਜਵਾਬ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਪਹੁੰਚ ਕੀ ਹੈ?

• ਏ) ਸਿੱਧੇ ਤਕਨੀਕੀ ਹੱਲ ਵੱਲ ਜਾਣਾ ਅਤੇ ਭਾਵਨਾ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ
• ਅ) ਇੱਕ ਰੱਖਿਆਤਮਕ ਢੰਗ ਨਾਲ ਸਮਝਾਉਣਾ ਕਿ ਗਾਹਕ ਦੀ ਗਲਤੀ ਹੈ
• C) ਜਵਾਬ ਨੂੰ ਰਸਮੀ ਅਤੇ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਦੂਰ ਰੱਖਣਾ
• ਡੀ) ਪਹਿਲਾਂ ਹਮਦਰਦੀ ਨਾਲ ਭਾਵਨਾ ਨੂੰ ਪਛਾਣੋ, ਫਿਰ ਕੋਈ ਸਪੱਸ਼ਟ ਹੱਲ ਜਾਂ ਅਗਲਾ ਕਦਮ ਪੇਸ਼ ਕਰੋ ✔

ਵਿਆਖਿਆ: ਪਹਿਲਾਂ ਭਾਵਨਾ ਨੂੰ ਪਛਾਣਨਾ ਅਤੇ ਹਮਦਰਦੀ ਦਿਖਾਉਣਾ ਜ਼ਰੂਰੀ ਹੈ, ਫਿਰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਠੋਸ ਹੱਲ ਜਾਂ ਅਗਲਾ ਕਦਮ ਪੇਸ਼ ਕਰੋ। ਸਿੱਧੇ ਤਕਨੀਕੀ ਹੱਲ 'ਤੇ ਜੰਪ ਕਰਨਾ ਜਾਂ ਭਾਵਨਾਵਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨ ਨਾਲ ਤਣਾਅ ਵਧਦਾ ਹੈ।

6. ਈਮੇਲ ਦੀ ਬਜਾਏ ਲਾਈਵ ਚੈਟ ਲਈ ਸਮਰਥਨ ਜਵਾਬ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵੇਲੇ ਸਭ ਤੋਂ ਵਧੀਆ ਤਬਦੀਲੀ ਕੀ ਹੈ?

• ਏ) ਟੈਕਸਟ ਨੂੰ ਵਰਬੈਟਿਮ, ਬਿਨਾਂ ਬਦਲੇ, ਚੈਟ ਵਿੱਚ ਕਾਪੀ ਕਰਨਾ
• ਅ) ਟੈਕਸਟ ਨੂੰ ਹੋਰ ਰਸਮੀ ਬਣਾਓ ਅਤੇ ਇੱਕ ਦਸਤਖਤ ਬਲਾਕ ਅਤੇ ਵਿਸ਼ਾ ਸਿਰਲੇਖ ਸ਼ਾਮਲ ਕਰੋ
• C) ਭਾਸ਼ਣ ਦੇ ਟੈਂਪੋ ਅਤੇ ਅਗਲੇ ਪੜਾਅ ਦੇ ਅਨੁਕੂਲ ਹੋਣ ਲਈ ਟੈਕਸਟ ਨੂੰ ਛੋਟਾ ਕਰਨਾ ਅਤੇ ਵੰਡਣਾ ✔
• D) ਇੱਕ ਸੰਦੇਸ਼ ਵਿੱਚ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਤਕਨੀਕੀ ਵੇਰਵੇ ਦਿਓ

ਵਰਣਨ: ਲਾਈਵ ਚੈਟ ਛੋਟੀ, ਤੇਜ਼ ਅਤੇ ਗੱਲਬਾਤ ਵਾਲੀ ਹੈ। ਲੰਬੇ ਈ-ਮੇਲ ਬਲਾਕ; ਸੁਨੇਹਿਆਂ ਨੂੰ ਛੋਟੇ, ਖੰਡਿਤ, ਅਤੇ ਇੱਕ ਅਗਲੇ ਪੜਾਅ 'ਤੇ ਫੋਕਸ ਕਰਨਾ ਚੈਨਲ ਲਈ ਉਚਿਤ ਹੈ। ਉਸੇ ਟੈਕਸਟ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਚੈਨਲ ਤੋਂ ਦੂਜੇ ਚੈਨਲ ਤੱਕ ਲਿਜਾਣਾ ਅਨੁਭਵ ਨੂੰ ਵਿਗਾੜਦਾ ਹੈ।

7. ਨਕਲੀ ਬੁੱਧੀ ਸਹਾਇਤਾ ਨਾਲ ਸੰਭਾਵੀ ਗਾਹਕ (ਲੀਡ) ਨੂੰ ਯੋਗ ਬਣਾਉਣ ਵੇਲੇ ਸਭ ਤੋਂ ਸਿਹਤਮੰਦ ਪਹੁੰਚ ਕੀ ਹੈ?

• A) AI ਆਉਟਪੁੱਟ (ICP/BANT) ਨੂੰ ਫਰੇਮ ਕਰਨਾ ਅਤੇ ਧਾਰਨਾਵਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਨਾ ਜਿਨ੍ਹਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ✔
• B) AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸਾਰੀ ਜਾਣਕਾਰੀ ਨੂੰ CRM ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਬਿਨਾਂ ਅਸਲ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕਰਨਾ।
• C) ਕੰਪਨੀ ਦੇ ਕਰਮਚਾਰੀਆਂ ਦੀ ਗਿਣਤੀ ਦੇ ਆਧਾਰ 'ਤੇ ਹੀ ਯੋਗਤਾ ਬਣਾਉਣਾ
• ਡੀ) ਹਰੇਕ ਲੀਡ ਨੂੰ ਇੱਕੋ ਜਿਹਾ ਆਮ ਸੁਨੇਹਾ ਭੇਜਣਾ ਅਤੇ ਯੋਗਤਾ ਨੂੰ ਛੱਡਣਾ

ਵਰਣਨ: AI ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਜਾਣਕਾਰੀ ਤੋਂ ਇੱਕ ਢਾਂਚਾਗਤ ਬ੍ਰੀਫਿੰਗ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ; ਪਰ ਇਸ ਆਉਟਪੁੱਟ ਵਿੱਚ ਧਾਰਨਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਉਹਨਾਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਕੇ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ICP/BANT ਵਰਗੇ ਫਰੇਮਵਰਕ ਵਿੱਚ ਰੱਖ ਕੇ ਯੋਗਤਾ ਦੇ ਨਤੀਜੇ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਹੀ ਹੈ। ਬਿਨਾਂ ਸਵਾਲ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਅਸਲੀ ਮੰਨਣਾ ਜੋਖਮ ਭਰਿਆ ਹੈ।

8. ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕੋਲਡ ਸੇਲਜ਼ ਈਮੇਲ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਿਧਾਂਤ ਕੀ ਹੈ?

• ਏ) ਕੰਪਨੀ ਦੀਆਂ ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਪ੍ਰਾਪਤੀਆਂ ਨੂੰ ਵਿਸਥਾਰ ਵਿੱਚ ਦੱਸਣਾ
• B) ਖਰੀਦਦਾਰ ਦੀ ਸਮੱਸਿਆ/ਟੀਚੇ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰੋ, ਇਸਨੂੰ ਛੋਟਾ ਰੱਖੋ ਅਤੇ ਇੱਕ ਸਪੱਸ਼ਟ CTA ਦਿਓ ✔
• C) ਵੱਧ ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਨੂੰ ਉਹੀ ਆਮ ਟੈਕਸਟ ਭੇਜਣਾ
• ਡੀ) ਪਹਿਲੀ ਈ-ਮੇਲ ਵਿੱਚ ਤੁਰੰਤ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਕੀਮਤ ਸੂਚੀ ਸਾਂਝੀ ਕਰੋ

ਵਰਣਨ: ਪ੍ਰਭਾਵੀ ਵਿਕਰੀ ਈਮੇਲਾਂ ਪ੍ਰਾਪਤਕਰਤਾ-ਕੇਂਦ੍ਰਿਤ ਹੁੰਦੀਆਂ ਹਨ, ਭੇਜਣ ਵਾਲੇ-ਕੇਂਦ੍ਰਿਤ ਨਹੀਂ ਹੁੰਦੀਆਂ: ਉਹ ਇੱਕ ਗਾਹਕ ਸਮੱਸਿਆ ਜਾਂ ਟੀਚੇ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੇ ਹਨ, ਛੋਟੇ ਅਤੇ ਵਿਅਕਤੀਗਤ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਇੱਕ ਇੱਕਲਾ ਸਪਸ਼ਟ ਅਗਲਾ ਕਦਮ (CTA) ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ। ਕੰਪਨੀ ਦੀਆਂ ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਨਾ ਖਰੀਦਦਾਰ ਨੂੰ ਖੁੰਝ ਜਾਵੇਗਾ.

9. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨਾਲ ਪੇਸ਼ਕਸ਼/ਸੁਝਾਅ ਦਾ ਪਾਠ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ, ਕਿਹੜਾ ਤੱਤ ਹੈ ਜੋ ਆਉਟਪੁੱਟ ਦੀ ਪ੍ਰੇਰਨਾ ਸ਼ਕਤੀ ਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਵਧਾਉਂਦਾ ਹੈ?

• ਏ) ਸਿਰਫ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਇੱਕ ਲੰਬੀ ਸੂਚੀ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਨਾ
• ਅ) ਪੇਸ਼ਕਸ਼ ਨੂੰ ਆਮ ਅਤੇ ਅਸਪਸ਼ਟ ਰੱਖਣਾ ਹਰ ਗਾਹਕ ਦੇ ਅਨੁਕੂਲ ਹੋਣਾ
• C) ਕੀਮਤ ਬਿਲਕੁਲ ਨਾ ਲਿਖੋ ਅਤੇ ਸਿਰਫ਼ ਪ੍ਰਸ਼ੰਸਾਯੋਗ ਵਾਕਾਂ ਨੂੰ ਜੋੜੋ
• ਡੀ) ਇੱਕ ਲਾਭ-ਅਧਾਰਿਤ ਬਿਰਤਾਂਤ ਦੀ ਸਥਾਪਨਾ ਕਰਨਾ ਜੋ ਗਾਹਕ ਦੀਆਂ ਲੋੜਾਂ ਅਤੇ ਟੀਚਿਆਂ ਨਾਲ ਜੁੜਦਾ ਹੈ ✔

ਵਿਆਖਿਆ: ਪੇਸ਼ਕਸ਼ ਨੂੰ ਲਾਭ-ਮੁਖੀ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖਣਾ ਜੋ ਗਾਹਕ ਦੀਆਂ ਲੋੜਾਂ ਅਤੇ ਟੀਚਿਆਂ ਨਾਲ ਜੁੜਦਾ ਹੈ, ਇਸਦੀ ਪ੍ਰੇਰਨਾ ਸ਼ਕਤੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਸਿਰਫ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਪ੍ਰਦਾਨ ਕਰਨਾ ਗਾਹਕ ਨੂੰ ਹੈਰਾਨ ਕਰ ਦੇਵੇਗਾ 'ਇਸ ਨਾਲ ਮੈਨੂੰ ਕੀ ਮਿਲਦਾ ਹੈ?' ਉਸਨੂੰ ਉਸਦੇ ਸਵਾਲ ਨਾਲ ਇਕੱਲਾ ਛੱਡ ਦਿੰਦਾ ਹੈ।

10. ਵਿਕਰੀ ਇਤਰਾਜ਼ ("ਤੁਹਾਡੀ ਕੀਮਤ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ") ਲਈ AI ਜਵਾਬ ਤਿਆਰ ਕਰਨ ਵੇਲੇ ਸਭ ਤੋਂ ਵਧੀਆ ਪਹੁੰਚ ਕੀ ਹੈ?

• ਏ) ਇਤਰਾਜ਼ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰੋ ਅਤੇ ਕਿਸੇ ਹੋਰ ਵਿਸ਼ੇ 'ਤੇ ਜਾਓ
• ਅ) ਤੁਰੰਤ ਅਤੇ ਬਿਨਾਂ ਸ਼ਰਤ ਇੱਕ ਵੱਡੀ ਛੂਟ ਦੀ ਪੇਸ਼ਕਸ਼
• C) ਗਾਹਕ ਨੂੰ ਜਵਾਬ ਦਿਓ-ਖਾਸ ਤੌਰ 'ਤੇ ਇਤਰਾਜ਼ ਨੂੰ ਪਛਾਣ ਕੇ ਅਤੇ ਮੁੱਲ/ਲਾਭ ਨੂੰ ਮੁੜ-ਮੁੜ ਕੇ ✔
• ਡੀ) ਗਾਹਕ 'ਤੇ ਉਤਪਾਦ ਨੂੰ ਨਾ ਸਮਝਣ ਦਾ ਦੋਸ਼ ਲਗਾਉਣਾ

ਸਪਸ਼ਟੀਕਰਨ: ਪਹਿਲਾਂ ਇਤਰਾਜ਼ ਨੂੰ ਪਛਾਣਨਾ, ਫਿਰ ਮੁੱਲ/ਲਾਭ ਨੂੰ ਮੁੜ-ਫ੍ਰੇਮ ਕਰਨਾ ਅਤੇ ਗਾਹਕ-ਵਿਸ਼ੇਸ਼ ਜਵਾਬ ਪੇਸ਼ ਕਰਨਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ। ਇੱਕ ਵੱਡੀ ਛੋਟ ਦੇਣ ਨਾਲ ਤੁਰੰਤ ਮੁੱਲ ਘਟਦਾ ਹੈ; ਇਤਰਾਜ਼ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਵਿਸ਼ਵਾਸ ਨੂੰ ਨਸ਼ਟ ਕਰਦਾ ਹੈ।

11. CRM ਵਿੱਚ ਇੰਟਰਵਿਊ ਨੋਟਸ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਸਮੇਂ ਨਕਲੀ ਬੁੱਧੀ ਤੋਂ ਸਭ ਤੋਂ ਕੀਮਤੀ ਆਉਟਪੁੱਟ ਦੀ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ?

• A) ਸੰਖੇਪ, ਫੈਸਲਿਆਂ, ਅਗਲੇ ਕਦਮਾਂ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਦੇ ਤੌਰ 'ਤੇ ਨੋਟਸ ਦੀ ਬਣਤਰ ✔
• ਅ) ਬਿਨਾਂ ਕਿਸੇ ਬਦਲਾਅ ਦੇ, ਨੋਟਾਂ ਦੀ ਨਕਲ ਜਿਵੇਂ ਉਹ ਹਨ
• C) ਸਿਰਫ਼ ਨੋਟਾਂ ਨੂੰ ਲੰਬੇ ਅਤੇ ਵਧੇਰੇ ਸ਼ਾਨਦਾਰ ਬਣਾਉਣਾ
• ਡੀ) ਸਿਰਫ਼ ਗੱਲਬਾਤ ਦੀ ਮਿਆਦ ਅਤੇ ਸਮਾਂ ਰਿਕਾਰਡ ਕਰੋ

ਵਰਣਨ: ਖਿੰਡੇ ਹੋਏ ਨੋਟ; ਇਸ ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਫਾਰਮੈਟ ਵਿੱਚ ਰੱਖਣਾ ਜਿਵੇਂ ਕਿ ਸਾਰਾਂਸ਼, ਲਏ ਗਏ ਫੈਸਲੇ, ਅਗਲੇ ਕਦਮ (ਕਾਰਵਾਈਆਂ) ਅਤੇ ਜਿੰਮੇਵਾਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨਾ ਟੀਮ ਲਈ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ। ਨੋਟ ਦੀ ਨਕਲ ਕਰਨਾ ਜਾਂ ਸਿਰਫ਼ ਇਸ ਨੂੰ ਵਧਾਉਣਾ ਮੁੱਲ ਪੈਦਾ ਨਹੀਂ ਕਰਦਾ।

12. ਗਾਹਕ ਦੇ ਸੰਪਰਕ ਵਿੱਚ ਆਉਣ ਵਾਲੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਆਉਟਪੁੱਟ ਵਿੱਚ 'ਗਲਤ ਜਾਣਕਾਰੀ ਨਾ ਦੇਣ' ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਕੀ ਹੈ?

• ਏ) ਮਾਡਲ ਨੂੰ ਪੂਰਾ ਅਧਿਕਾਰ ਦੇਣਾ ਅਤੇ ਇਸਨੂੰ ਆਪਣੇ ਆਪ ਹਰ ਵਚਨਬੱਧਤਾ ਕਰਨ ਦੇਣਾ
• ਅ) ਨਾਜ਼ੁਕ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤਾਂ ਤੱਕ ਸੀਮਤ ਕਰਨਾ, ਅਨਿਸ਼ਚਿਤ ਹੋਣ 'ਤੇ ਸੌਂਪਣਾ, ਅਤੇ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਇੱਕ ਪਰਤ ਜੋੜਨਾ ✔
• C) ਗਤੀ ਲਈ ਸਾਰੀਆਂ ਜਾਂਚਾਂ ਨੂੰ ਹਟਾਓ ਅਤੇ ਸਿੱਧੇ ਆਉਟਪੁੱਟ ਭੇਜੋ
• ਡੀ) ਜੇਕਰ ਗਲਤ ਜਾਣਕਾਰੀ ਸਾਹਮਣੇ ਆਉਂਦੀ ਹੈ ਤਾਂ ਬਾਅਦ ਵਿੱਚ ਸੁਧਾਰ ਦੀ ਉਡੀਕ ਕਰਨੀ

ਵਰਣਨ: ਮਾਡਲ; ਮਹੱਤਵਪੂਰਣ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ ਕੀਮਤ, ਨੀਤੀ ਅਤੇ ਵਚਨਬੱਧਤਾ ਨੂੰ ਮਨਘੜਤ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਪਰ ਕੇਵਲ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਅਨਿਸ਼ਚਿਤ ਹੋਣ 'ਤੇ ਮਨੁੱਖਾਂ ਨੂੰ ਸੌਂਪਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਨਾਜ਼ੁਕ ਜਵਾਬਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਇੱਕ ਪਰਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

13. ਇੱਕ ਸਹਾਇਤਾ ਮਾਹਿਰ ਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜੇਕਰ ਉਹ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਟੂਲ ਨਾਮ, ਫ਼ੋਨ ਨੰਬਰ ਅਤੇ ਆਰਡਰ ਦੀ ਜਾਣਕਾਰੀ ਵਾਲੀ ਗਾਹਕ ਦੀ ਸ਼ਿਕਾਇਤ ਦਾ ਸਾਰ ਦੇਣਾ ਚਾਹੁੰਦਾ ਹੈ?

• ਏ) ਜਾਣਕਾਰੀ ਨੂੰ ਜਿਵੇਂ ਕਿ ਇਹ ਹੈ ਪੇਸਟ ਕਰੋ ਅਤੇ ਸਭ ਤੋਂ ਤੇਜ਼ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰੋ
• ਅ) ਇਹ ਮੰਨ ਕੇ ਕਿ ਪਾਠ ਦੇ ਅੰਤ ਵਿੱਚ 'ਗੁਪਤ' ਸ਼ਬਦ ਜੋੜਨਾ ਕਾਫੀ ਹੈ
• C) ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਲੁਕਾਉਣਾ ਅਤੇ ਅਗਿਆਤ ਕਰਨਾ ਅਤੇ/ਜਾਂ ਕਾਰਪੋਰੇਟ ਭਰੋਸੇ ਨਾਲ ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ✔
• ਡੀ) ਇਹ ਸੋਚਣਾ ਕਿ ਜਾਣਕਾਰੀ ਭੇਜਣਾ ਅਤੇ ਫਿਰ ਗੱਲਬਾਤ ਨੂੰ ਮਿਟਾਉਣਾ ਜੋਖਮ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ।

ਸਪੱਸ਼ਟੀਕਰਨ: ਨਿੱਜੀ ਡੇਟਾ (ਕੇਵੀਕੇਕੇ ਦੇ ਦਾਇਰੇ ਵਿੱਚ) ਤੀਜੀ-ਧਿਰ ਦੇ ਸਾਧਨਾਂ ਵਿੱਚ ਬੇਲੋੜੇ ਦਾਖਲ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਹੀ ਪਹੁੰਚ; ਪਛਾਣ ਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਮਾਸਕ ਕਰਨਾ ਅਤੇ ਅਗਿਆਤ ਕਰਨਾ ਅਤੇ/ਜਾਂ ਕਾਰਪੋਰੇਟ ਡੇਟਾ ਅਸ਼ੋਰੈਂਸ (ਸਿੱਖਿਆ, ਸਟੋਰੇਜ ਨੀਤੀ ਵਿੱਚ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰਨਾ) ਦੇ ਨਾਲ ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ।

14. ਮਲਟੀ-ਸਟੈਪ ਸੇਲਜ਼ ਫਾਲੋ-ਅੱਪ ਕ੍ਰਮ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਦੇ ਸਮੇਂ ਸਭ ਤੋਂ ਵਧੀਆ ਸਿਧਾਂਤ ਕੀ ਹੈ?

• ਏ) ਹਰ ਰੋਜ਼ ਉਹੀ ਰੀਮਾਈਂਡਰ ਸੁਨੇਹਾ ਭੇਜਣਾ
• ਅ) ਹਰੇਕ ਸੰਦੇਸ਼ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਮੁੱਲ ਜੋੜੋ ਅਤੇ ਉਚਿਤ ਅੰਤਰਾਲਾਂ 'ਤੇ ਅੱਗੇ ਵਧੋ ✔
• C) ਜਦੋਂ ਤੱਕ ਕੋਈ ਜਵਾਬ ਨਹੀਂ ਮਿਲਦਾ ਉਦੋਂ ਤੱਕ ਸੰਦੇਸ਼ ਦੀ ਬਾਰੰਬਾਰਤਾ ਨੂੰ ਲਗਾਤਾਰ ਵਧਾਓ।
• D) ਜੇਕਰ ਪਹਿਲਾ ਜਵਾਬ ਪ੍ਰਾਪਤ ਨਹੀਂ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਪੂਰੀ ਲੜੀ ਨੂੰ ਇੱਕ ਲੰਬੀ ਈਮੇਲ ਵਿੱਚ ਫਿੱਟ ਕਰੋ।

ਵਰਣਨ: ਹਰੇਕ ਫਾਲੋ-ਅੱਪ ਸੰਦੇਸ਼ ਨੂੰ ਇੱਕ ਨਵਾਂ ਮੁੱਲ (ਸਮੱਗਰੀ, ਕੇਸ, ਵੱਖਰਾ ਕੋਣ) ਜੋੜ ਕੇ ਅੱਗੇ ਵਧਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਵਾਜਬ ਅੰਤਰਾਲਾਂ 'ਤੇ ਭੇਜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਹੀ 'ਸਿਰਫ਼ ਇੱਕ ਰੀਮਾਈਂਡਰ' ਸੰਦੇਸ਼ ਨੂੰ ਛੋਟੇ ਬਰਸਟਾਂ ਵਿੱਚ ਦੁਹਰਾਉਣਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ ਅਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਦਰ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ।

15. ਸਹਾਇਤਾ ਅਤੇ ਵਿਕਰੀ ਟੀਮਾਂ ਲਈ ਗੁਣਵੱਤਾ ਭਰੋਸਾ (QA) ਚੱਕਰ ਸਥਾਪਤ ਕਰਨ ਵੇਲੇ AI ਦੀ ਕੀ ਭੂਮਿਕਾ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ?

• ਏ) AI ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਆਲੋਚਨਾਤਮਕ ਜਵਾਬਾਂ ਦੀ ਸਮੀਖਿਆ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜ਼ਿੰਮੇਵਾਰੀ ਮਨੁੱਖਾਂ ਦੀ ਹੁੰਦੀ ਹੈ ✔
• ਅ) AI ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਸਾਰੇ ਜਵਾਬ ਭੇਜਦਾ ਹੈ; ਲੋਕ ਸ਼ਿਕਾਇਤਾਂ ਹੋਣ 'ਤੇ ਹੀ ਦੇਖਦੇ ਹਨ
• C) ਜੇਕਰ AI ਕਾਫ਼ੀ ਉੱਨਤ ਹੈ, ਤਾਂ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੋਵੇਗੀ।
• ਡੀ) ਜ਼ਿੰਮੇਵਾਰੀ ਉਸ ਸੌਫਟਵੇਅਰ ਕੰਪਨੀ ਦੀ ਹੈ ਜੋ ਟੂਲ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ

ਵਰਣਨ: AI ਜਵਾਬੀ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ ਅਤੇ ਇਕਸਾਰਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ; ਹਾਲਾਂਕਿ, ਗ੍ਰਾਹਕ ਦੇ ਨਾਜ਼ੁਕ ਜਵਾਬ, ਖਾਸ ਤੌਰ 'ਤੇ ਕੀਮਤ/ਵਚਨਬੱਧਤਾ/ਨੀਤੀ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ, ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਮਨੁੱਖ ਦੁਆਰਾ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਹਮੇਸ਼ਾ ਮਨੁੱਖੀ ਟੀਮ ਦੇ ਨਾਲ ਹੁੰਦੀ ਹੈ.