மேலாண்மை மற்றும் தத்தெடுப்பை மாற்றவும்

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவு மாற்றம் பெரும்பாலும் மனித மற்றும் கலாச்சார காரணங்களுக்காக தோல்வியடைகிறது, தொழில்நுட்பம் அல்ல, மற்றும் எதிர்ப்பின் அடிப்படையிலான கவலைகளை அங்கீகரிக்கும் திறன்
• அழுத்தமான 'ஏன்' கதை, புலப்படும் தலைமை மற்றும் சாம்பியன்களின் நெட்வொர்க் மூலம் தத்தெடுப்பை விரைவுபடுத்தும் திறன்
• தத்தெடுப்பை அளவீடுகள் மூலம் அளவிடுவதன் மூலமும் தடைகளை அகற்றுவதன் மூலமும் மாற்றத்தை ஒரு முறை அறிவிப்பு அல்ல, தொடர்ச்சியாக நிர்வகிக்கும் திறன்

AI மாற்றத்தின் கடுமையான உண்மை இதுதான்: உத்தி, தொழில்நுட்பம் மற்றும் பட்ஜெட் ஆகியவை சரியானதாக இருக்கும்; ஆனால் மக்கள் மாற்றத்தை ஏற்றுக்கொள்ளவில்லை என்றால், அது வீண். செயற்கை நுண்ணறிவு முயற்சிகளின் தோல்விகளில் பெரும்பாலானவை தொழில்நுட்பம் அல்ல, ஆனால் மனித மற்றும் கலாச்சாரம் என்று ஆராய்ச்சி தொடர்ந்து காட்டுகிறது. இந்த இறுதி அலகில், AI மாற்றத்தை உண்மையான தத்தெடுப்பாக மாற்றுவதற்கு (மக்கள் புதுமையின் உண்மையான மற்றும் நீடித்த பயன்பாடு) மாற்ற நிர்வாகத்தை (மக்கள் ஒரு புதிய முறைக்கு மாற்றுவதை முறையாக நிர்வகிக்கும் ஒழுங்குமுறை) ஒரு மூத்த மேலாளர் எவ்வாறு நடத்தலாம் என்பதை நீங்கள் அறிந்து கொள்வீர்கள். தொழில்நுட்பத்தை நிறுவுவதல்ல இலக்கு; மக்கள் பாதுகாப்பாகவும், விருப்பமாகவும், சரியாகவும் பயன்படுத்துவதை உறுதி செய்வதாகும்.

மக்கள் ஏன் எதிர்க்கிறார்கள்?

எதிர்ப்பு என்பது பெரும்பாலும் முட்டாள்தனம் அல்லது பிடிவாதம் அல்ல, ஆனால் புரிந்துகொள்ளக்கூடிய கவலைகள்: வேலை பாதுகாப்பு பற்றிய பயம் (“AI எனது வேலையை எடுக்குமா?”), திறமை கவலை (“என்னால் இதை கற்றுக்கொள்ள முடியவில்லை”), நம்பிக்கையின்மை (“அதன் வெளியீட்டை என்னால் நம்ப முடியவில்லை”), மற்றும் அர்த்த இழப்பு (“நாம் ஏன் மாற வேண்டும்?”). இந்த கவலைகளை புறக்கணிப்பது எதிர்ப்பை பெரிதாக்குகிறது; அவர்களை வெளிப்படையாக சந்திப்பது தத்தெடுப்பை துரிதப்படுத்துகிறது.

கவலை

அடிப்படை கேள்வி

நிர்வாகி பதில்

வேலை பாதுகாப்பு

நான் என் வேலையை இழக்கலாமா?

பாத்திரம் எவ்வாறு செழுமைப்படுத்தப்படும் என்பதை தெளிவாக விளக்குங்கள்

திறன்

இதை நான் கற்றுக்கொள்ளலாமா?

பயிற்சி, ஆதரவு, பாதுகாப்பான சோதனை பகுதி

நம்பிக்கை

வெளியீட்டை நான் நம்பலாமா?

எல்லைகள், சரிபார்த்தல் ஆகியவற்றைக் கற்பிக்கவும்

பொருள்

நான் ஏன் மாற வேண்டும்?

"ஏன்" என்பதை உறுதியுடன் விளக்குங்கள்

உதவிக்குறிப்பு: "செயற்கை நுண்ணறிவு மனிதர்களை மாற்றுகிறது" என்று இல்லாமல், "செயற்கை நுண்ணறிவு மக்களின் வேலைகளை எளிதாக்குகிறது, சலிப்பான பகுதியை எடுத்துக்கொள்கிறது, மேலும் மதிப்புமிக்க வேலையைச் செய்ய மனிதர்களை விட்டுச்செல்கிறது." அதே உண்மையின் இந்த வடிவமானது பயத்தை ஆர்வத்துடன் மாற்றுகிறது.

மாற்ற நிர்வாகத்தின் அடிப்படை படிகள்

செயற்கை நுண்ணறிவுக்கு ஏற்ப கிளாசிக்கல் மாற்ற மாதிரிகளின் சாராம்சம் (எ.கா. கோட்டரின் படிகள்):

1. அவசரத்தையும் காரணத்தையும் உருவாக்குங்கள். இப்போது ஏன், நாம் ஏன்? அழுத்தமான கதை.
2. புலப்படும் தலைமையைக் காட்டு. உயர் நிர்வாகம் கருவியையே பயன்படுத்த வேண்டும்; சொல்லாட்சியால் அல்ல, உதாரணத்தால்.
3. ஆரம்பகால ஆதாயங்களைக் காணச் செய்யுங்கள். சிறிய ஆனால் உண்மையான வெற்றிகளைக் கொண்டாடுங்கள் மற்றும் பரப்புங்கள்.
4. கல்வி மற்றும் ஆதரவு. அனைவருக்கும் திறமை மற்றும் பாதுகாப்பான சோதனைக் களம்.
5. சாம்பியன்களை உருவாக்குங்கள். ஒவ்வொரு அணியிலும் தன்னார்வ, ஆர்வமுள்ள மாற்ற சாம்பியன்களைச் சேர்க்கவும்.
6. அதை நிரந்தரமாக்குங்கள். செயல்முறைகள், இலக்குகள் மற்றும் கலாச்சாரத்தில் புதிய நடத்தையை உட்பொதிக்கவும்.

படிப்படியாக: தத்தெடுப்பு திட்டம்

1. பங்குதாரர்கள் மற்றும் கவலைகள் வரைபடம். யாருக்கு பாதிப்பு, என்ன கவலை?

2. கட்டாயம் "ஏன்" கொடுக்கவும். மக்களின் மொழியில் மாற்றத்தின் கதையை உருவாக்குங்கள்.

3. உதாரணம் மூலம் தலைமைத்துவத்தை நிரூபிக்கவும். நிர்வாகிகள் கருவியைப் பார்க்க அனுமதிக்கவும்.

4. கல்வி மற்றும் சாம்பியன்களின் வலையமைப்பை உருவாக்குங்கள். தன்னார்வ முன்னோடிகளுக்கு அதிகாரம், அதிகாரம்.

5. அளவிடவும், கேட்கவும், சரிசெய்யவும். தத்தெடுப்பு விகிதத்தை அளவிடவும், கருத்துக்களை சேகரிக்கவும், தடைகளை அகற்றவும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - புறக்கணிக்கப்பட்ட பயம். ஒரு கணக்கியல் நிறுவனம் அதன் AI கருவியை "செயல்திறனுக்காக" விளம்பரப்படுத்தியது, ஆனால் வேலை பாதுகாப்பு குறித்த ஊழியர்களின் அச்சத்தை ஒருபோதும் நிவர்த்தி செய்யவில்லை. வார்த்தை பரவியது, குழு அமைதியாக கருவியை நாசப்படுத்தியது, தத்தெடுப்பு 20% ஆக இருந்தது. நிர்வாகம் பின்வாங்கி ஒரு திறந்த கூட்டத்தை நடத்தியது, யாரும் பணிநீக்கம் செய்யப்பட மாட்டார்கள் என்றும் இடைத்தரகர் சலிப்பான வேலையை எடுத்து அனைவரையும் ஆலோசனைக்கு நகர்த்துவார் என்றும் விளக்கினார். 3 மாதங்களில், தத்தெடுப்பு 75% ஆக அதிகரித்தது. பயத்தைப் பற்றி பேசுவதே தீர்வாக இருந்தது.

வழக்கு 2 - தலைமைத்துவத்துடன் உதாரணம். ஒரு தொழில்நுட்ப நிறுவனத்தின் தலைமை நிர்வாக அதிகாரி தனது சொந்த வாராந்திர அறிக்கையைத் தயாரிக்கும் போது AI கருவியைப் பகிரங்கமாகப் பயன்படுத்தினார், மேலும் அவரது தவறுகளையும் பகிர்ந்து கொண்டார் ("பார்க்கவும், அவர் இங்கே தவறு செய்தார், நான் அதை சரிசெய்தேன்"). இந்த கண்ணுக்குத் தெரிந்த தலைமை, "முதலாளி இதைப் பயன்படுத்தினால், அது தீவிரமானது" என்று செய்தி அனுப்பியது மற்றும் சரிபார்ப்பு சாதாரணமானது என்பதைக் காட்டியது. தத்தெடுப்பு எந்த தள்ளும் இல்லாமல் விரைவாக பரவியது.

வழக்கு 3 - சாம்பியன் நெட்வொர்க்கின் சக்தி. ஒரு சில்லறை விற்பனையாளர் ஒவ்வொரு கடையிலிருந்தும் ஒரு தன்னார்வ "AI சாம்பியனை" தேர்ந்தெடுத்தார்; இந்த நபர்களுக்கு கூடுதல் பயிற்சி அளிக்கப்பட்டு, அவர்களது சக ஊழியர்களுக்கு ஒருவருக்கு ஒருவர் உதவி செய்யும் பணி ஒதுக்கப்பட்டது. தொலைதூரப் பயிற்சிக் குழுவிற்குப் பதிலாக அதே வேலையைச் செய்யும் நண்பரிடமிருந்து கற்றுக்கொள்வது தத்தெடுப்பை 3 மடங்கு துரிதப்படுத்தியது. மிகவும் பயனுள்ள ஆசிரியர் பக்கத்து மேசையில் ஆர்வமுள்ள சக ஊழியர்.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) பங்குதாரர் மற்றும் அக்கறை வரைபடம்:

உங்கள் பங்கு: மேலாண்மை ஆலோசகரை மாற்றவும். இந்த AI முன்முயற்சியால் பாதிக்கப்பட்டுள்ள பங்குதாரர் குழுக்களை பட்டியலிட்டு, ஒவ்வொரு குழுவிற்கும் இருக்கும் முதன்மையான கவலையை (வேலை பாதுகாப்பு, தகுதி, நம்பிக்கை, பொருள்) அடையாளம் காணவும். ஒவ்வொரு கவலைக்கும் ஒரு வாழ்த்து எழுதுங்கள். முன்முயற்சி: [உரை]

2) "ஏன்" கதை:

இந்த AI ஷிப்டில் பணிபுரிபவர்களுக்குச் சொல்ல வேண்டிய கட்டாயமான "ஏன் இப்போது, ஏன் நாங்கள்" கதையை உருவாக்கவும். பயத்தை ஆர்வத்துடன் மாற்றவும்; கருவி சலிப்பான வேலையை எடுத்துக்கொள்கிறது மற்றும் மனிதனை அதிக மதிப்புமிக்க வேலைக்கு விட்டுச்செல்கிறது என்பதை வலியுறுத்துங்கள். மாற்று: [உரை]

3) சாம்பியன் திட்டம்:

அணிகளில் AI தத்தெடுப்பை விரைவுபடுத்தும் ஒரு "சாம்பியன்" திட்டத்தை வடிவமைக்கவும்: சாம்பியன்கள் எவ்வாறு தேர்ந்தெடுக்கப்படுகிறார்கள், அவர்கள் என்ன பயிற்சி பெறுகிறார்கள், அவர்கள் என்ன பணியை மேற்கொள்கிறார்கள், அவர்கள் எவ்வாறு உந்துதல் பெறுகிறார்கள்? ஒரு சுருக்கமான மற்றும் செயல்படக்கூடிய திட்டத்தை எழுதுங்கள்.

4) தத்தெடுப்பு அளவீட்டுத் திட்டம்:

AI கருவியை ஏற்றுக்கொள்வதை அளவிடுவதற்கான அளவீடுகளைப் பரிந்துரைக்கவும்: செயலில் பயன்பாட்டு விகிதம், பயன்பாட்டின் அதிர்வெண், பயனர் திருப்தி, தடை கருத்து. ஒவ்வொரு அளவீட்டிற்கும், அது எவ்வாறு சேகரிக்கப்படும் மற்றும் எந்த வரம்பு "ஆரோக்கியமானது" என்று கருதப்படும் என்பதை எழுதவும்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனம்: "மனிதர்கள் AI ஐப் பயன்படுத்த நான் என்ன செய்ய வேண்டும்?"

முடிவு: பொதுவான "கல்வி, தொடர்பு" பரிந்துரைகள்; கவலைகளையும் சூழலையும் பார்க்கவில்லை.

வலிமையானது: "150 பேர் கொண்ட கால் சென்டரில் AI ஆதரவுக் கருவியை நாங்கள் பயன்படுத்துகிறோம். குழுவில் வேலைப் பாதுகாப்பு குறித்த பலத்த பயம் உள்ளது. இந்தச் சூழ்நிலைக்கு ஏற்றவாறு தத்தெடுப்புத் திட்டத்தை உருவாக்கவும்: பங்குதாரர்களின் கவலைகளை நான் எவ்வாறு நிவர்த்தி செய்வது, நான் ஊழியர்களுக்குச் சொல்லும் கட்டாய 'ஏன்' கதை என்னவாக இருக்க வேண்டும், ஒரு சாம்பியன் திட்டத்தை எவ்வாறு அமைப்பது, மற்றும் முதல் படிகள் என்ன?

முடிவு: கதை-சாம்பியன்-அளவீடு கொண்ட ஒரு செயல்திறனுள்ள தத்தெடுப்புத் திட்டம், இது சூழல் மற்றும் உண்மையான அக்கறையின் அடிப்படையில் அமைந்துள்ளது.

பொதுவான தவறுகள்

• மனித பரிமாணத்தைத் தவிர்த்தல். தொழில்நுட்பத்தில் கவனம் செலுத்துவது மற்றும் அச்சங்கள் மற்றும் கவலைகளை புறக்கணிப்பது தோல்விக்கு மிகவும் பொதுவான காரணமாகும்.
• பயம் பற்றி பேசவில்லை. வேலைப் பாதுகாப்பு பற்றிய கவலை அடக்கப்படும்போது, ​​அது அமைதியான நாசவேலையாகத் திரும்புகிறது; அதை தெளிவாக குறிப்பிடவும்.
• உதாரணமாக தலைமைத்துவமின்மை. "நீ யூஸ் இட்" என்று சொல்லியும் அதை தானே பயன்படுத்தாத நிர்வாகி அவனுடைய செய்தியை மறுக்கிறான்.
• மேலே இருந்து மட்டுமே தொடர்பு. மிகவும் பயனுள்ள கற்பித்தல் ஒரு நெருங்கிய சக ஊழியரிடமிருந்து (சாம்பியனிடமிருந்து) வருகிறது, தொலைதூர அணியிலிருந்து அல்ல.
• தத்தெடுப்பை அளவிடவில்லை. பயன்படுத்தப்படுகிறதா இல்லையா என்பதை அளவிடாத ஒரு நிறுவனம் தடைகளை பார்க்க முடியாது.

கவனம்: நிர்வாகத்தை மாற்றுவது என்பது ஒரு முறை அறிவிப்பு அல்ல, ஆனால் தொடர்ச்சி தேவைப்படும் செயல்முறை. AI உங்களுக்கு தத்தெடுப்பு திட்டம் அல்லது தொடர்பு உரையை பரிந்துரைக்கலாம்; ஆனால் மக்களின் உண்மையான கவலைகளைக் கேட்பதும், நம்பிக்கையை வளர்ப்பதும், முன்மாதிரியாக வழிநடத்துவதும் மனித தலைமையின் மூலம் மட்டுமே நடக்கும். மேலும், நேர்மையாக இருங்கள்: AI உண்மையில் சில பாத்திரங்களை மாற்றும் சூழ்நிலைகளை மறைப்பதை விட, புதிய பாத்திரங்களுக்கு மக்களை தயார்படுத்துவது நெறிமுறை மற்றும் நிலையானது.

சுருக்கமாக

AI மாற்றங்கள் பெரும்பாலும் மனித மற்றும் கலாச்சார காரணங்களுக்காக தோல்வியடைகின்றன, தொழில்நுட்ப காரணங்களுக்காக அல்ல. எதிர்ப்பு; வேலைப் பாதுகாப்பு என்பது தகுதி, நம்பிக்கை மற்றும் பொருள் பற்றிய கவலைகளிலிருந்து எழுகிறது, மேலும் இந்தக் கவலைகளை வெளிப்படையாகச் சந்திப்பதன் மூலம் தீர்க்கப்படுகிறது, அவற்றைப் புறக்கணிப்பதன் மூலம் அல்ல. வெற்றிகரமான மாற்ற மேலாண்மை ஒரு கட்டாயமான "ஏன்" சொல்கிறது, புலப்படும் தலைமைத்துவத்துடன் முன்மாதிரியாக வழிநடத்துகிறது, ஆரம்பகால வெற்றிகளைக் கொண்டாடுகிறது, அனைவருக்கும் கல்வி கற்பது, சாம்பியன்களின் வலையமைப்பை உருவாக்குகிறது மற்றும் கலாச்சாரத்தில் புதிய நடத்தையை உட்பொதிக்கிறது. தத்தெடுப்பு அளவிடப்பட வேண்டும், கேட்கப்பட வேண்டும், தடைகள் அகற்றப்பட வேண்டும். இந்த தொகுதியின் போது; பார்வை முதல் பாதை வரைபடம் வரை, பயன்பாட்டு வழக்கு முதல் ROI வரை மற்றும் இடர், நிர்வாகம், நெறிமுறைகள், இணக்கம், திறமை மற்றும் கொள்முதல் வரை, AI மாற்றத்தை இறுதி முதல் இறுதி வரை மற்றும் பொறுப்புடன் நிர்வகிக்க ஒரு மேலாளர் தேவைப்படும் கட்டமைப்பை நாங்கள் நிறுவியுள்ளோம். தொழில்நுட்பம் ஒரு கருவி; மூலோபாயம், நிர்வாகம் மற்றும் மக்கள் தலைமை ஆகியவை உண்மையான மாற்றத்தை ஏற்படுத்துகின்றன.

விண்ணப்ப பணி

AI முன்முயற்சியைத் தேர்ந்தெடுத்து, பாதிக்கப்பட்ட பங்குதாரர்களின் கவலைகளை டெம்ப்ளேட் 1 உடன் வரைபடமாக்குங்கள். 2. டெம்ப்ளேட்டுடன் பணியாளர்களுக்குச் சொல்ல ஒரு கட்டாய "ஏன்" கதையை உருவாக்கவும்; வேலை பாதுகாப்பு பிரச்சனைகளை நேர்மையாக தீர்க்க வேண்டும். ஒரு சாம்பியன் திட்டத்தின் மூன்று படிகளையும், தத்தெடுப்பை அளவிடும் இரண்டு அளவீடுகளையும் எழுதுங்கள். இறுதியாக, "இந்தக் கருவியை ஒரு தலைவராக எப்படிப் பயன்படுத்துவது?" என்ற கேள்விக்கு உறுதியான பதிலைக் கொடுங்கள்.

சரிபார்ப்பு பட்டியல்

• பாதிக்கப்பட்ட பங்குதாரர்கள் மற்றும் அவர்களின் கவலைகளை நான் வரைபடமாக்கினேன்.
• [ ] வேலைப் பாதுகாப்புக் கவலையை நான் நேர்மையாகப் பேசினேன்.
• [ ] நான் ஒரு அழுத்தமான "ஏன்" கதையை உருவாக்கினேன்.
• [ ] நான் முன்மாதிரியாக வழிநடத்த திட்டமிட்டேன்.
• [ ] நான் ஒரு சாம்பியன் நெட்வொர்க்கை வடிவமைத்தேன்.
• [ ] தத்தெடுப்பை அளவிடுவதற்கான அளவீடுகளை நான் அடையாளம் கண்டேன்.
• [ ] நான் மாற்றத்தை ஒரு முறை அறிவிப்பாக அல்ல, தொடர்ச்சியாக திட்டமிட்டேன்.

தொகுதி தேர்வு

1. பின்வருவனவற்றில் செயற்கை நுண்ணறிவில் மூத்த மேலாளரின் உண்மையான பங்கு எது?

• A) வழிகாட்டுதல், வளங்களை ஒதுக்கீடு செய்தல், ஆபத்து வரம்புகளை வரைதல் மற்றும் பொறுப்பை ஏற்றுக்கொள்வது ✔
• B) தனிப்பட்ட முறையில் மாதிரி கட்டிடக்கலை மற்றும் அல்காரிதத்தை தேர்ந்தெடுத்து குறியிடுதல்
• C) செயற்கை நுண்ணறிவை முழுமையாக தொழில்நுட்பக் குழுவிடம் ஒப்படைத்துவிட்டு முடிவுகளுக்காக காத்திருக்கவும்
• D) ஒவ்வொரு துறையும் அதன் சொந்த கருவியை சுதந்திரமாக சோதிக்க அனுமதிக்கிறது.

விளக்கம்: நிர்வாகியின் வேலை மாதிரிகளைப் பயிற்றுவிப்பது அல்லது குறியீட்டை எழுதுவது அல்ல; வழிகாட்டுதல், வளங்களை ஒதுக்கீடு செய்தல், இடர் வரம்புகளை வரைதல் மற்றும் பொறுப்புணர்வைத் தழுவுதல். தொழில்நுட்பக் குழு 'எப்படி' என்ற கேள்வியைத் தீர்க்கிறது, மேலாளர் 'ஏன், எப்போது, ​​என்ன வரம்புகள் மற்றும் யார் பொறுப்பு' கேள்விகளைத் தீர்க்கிறார். செயற்கை நுண்ணறிவு என்பது ஒரு தொழில்நுட்பத் திட்டம் அல்ல, ஆனால் ஒரு வணிக மாற்றப் பிரச்சினை, மேலும் உரிமையானது வணிகப் பக்கத்தில் இருக்க வேண்டும்.

2. ஒரு நல்ல AI பார்வையை வெற்று ஸ்லோகனில் இருந்து வேறுபடுத்தும் முக்கிய அம்சம் என்ன?

• A) புதிய தொழில்நுட்பத்தின் பெயரைக் கொண்டுள்ளது
• B) இது வணிக முடிவைச் சார்ந்தது, அளவிடக்கூடியது மற்றும் நேர அடிவானம் உள்ளது ✔
• C) முடிந்தவரை உறுதியான மற்றும் பொதுவானதாக இருங்கள்
• D) போட்டியாளர்களின் பார்வையைப் போன்றது

விளக்கம்: ஒரு நல்ல பார்வை வணிக விளைவுகளுடன் பிணைக்கப்பட்டுள்ளது (தொழில்நுட்பம் அல்ல), அளவிடக்கூடியது மற்றும் கால எல்லையைக் கொண்டுள்ளது. 'நாங்கள் AI இல் தலைவர்களாக இருப்போம்' என்பது அளவிட முடியாதது மற்றும் வணிக முடிவுகளை உள்ளடக்காது; 'முதல் மறுமொழி நேரத்தைப் பாதியாகக் குறைப்போம், மூன்றாண்டுகளில் செலவை 15% குறைப்போம்' என்பது உறுதியானது, அளவிடப்பட்டது மற்றும் கால எல்லையைக் கொண்டுள்ளது. நீங்கள் பார்வையில் இருந்து 'செயற்கை நுண்ணறிவு' என்ற வார்த்தையை நீக்கும்போது, ​​உங்களுக்கு ஒரு அர்த்தமுள்ள வணிக இலக்காக இருக்க வேண்டும்.

3. செயற்கை நுண்ணறிவு முதிர்வு மதிப்பீட்டில் பெரும்பாலான நிறுவனங்களுக்கு கண்ணுக்குத் தெரியாத முன்நிபந்தனைகளாக நிற்கும் பரிமாணங்கள் மற்றும் அவை பலவீனமாக இருக்கும்போது முதலீடு செய்யக் கூடாது?

• A) சந்தைப்படுத்தல் மற்றும் பிராண்ட் பரிமாணங்கள் மட்டுமே
• B) வன்பொருள் மற்றும் அலுவலக உள்கட்டமைப்பு மட்டுமே
• C) தரவு மற்றும் நிர்வாகம் ✔
• D) போட்டியாளர் பகுப்பாய்வு மற்றும் விலை நிர்ணயம்

விளக்கம்: முதிர்ச்சி ஐந்து பரிமாணங்களில் அளவிடப்படுகிறது (வியூகம், தரவு, தொழில்நுட்பம், திறமை, ஆளுமை). தரவு மற்றும் ஆளுகை ஆகியவை பெரும்பாலும் கண்ணுக்குத் தெரியாத முன்நிபந்தனைகள்: தரவு குழப்பமாகவும் தரம் குறைந்ததாகவும் இருக்கும் போது விலையுயர்ந்த மாதிரியை உருவாக்குவது காலியான கிடங்கில் அலமாரியை வாங்குவது போன்றது; நிர்வாகம் இல்லாமல், ஆபத்து அமைதியாக குவிகிறது. அதனால்தான் சார்பு வரிசையில் இடைவெளிகள் மூடப்படுகின்றன, மேலும் தரவு மற்றும் நிர்வாகத்திற்கு பொதுவாக முன்னுரிமை அளிக்கப்படுகிறது.

4. மதிப்பு/பொருந்தக்கூடிய மேட்ரிக்ஸின் 'அதிக மதிப்பு + குறைந்த பொருந்தக்கூடியது' பகுதியில் பயன்பாட்டு வழக்குக்கான சரியான அணுகுமுறை என்ன?

• A) உடனடியாக முழு அளவில் வரிசைப்படுத்தவும்
• B) பயனற்றது என்பதால் முழுமையாக விட்டுவிடுதல்
• C) குறைந்த முன்னுரிமை நிரப்பு வேலையாக ஓய்வு நேரத்தில் செய்வது
• D) ஒரு பெரிய பந்தயமாக திட்டமிடுதல் மற்றும் அதன் முன்நிபந்தனைகளை நிறுவுதல், இதற்கிடையில் விரைவான ஆதாயங்களுடன் முன்னேறுதல் ✔

விளக்கம்: இந்த பகுதி 'பெரிய பந்தயம்' என்று அழைக்கப்படுகிறது: இது அதிக மதிப்பைக் கொண்டுள்ளது, ஆனால் தரவு, ஒருங்கிணைப்பு அல்லது தொழில்நுட்ப சிரமம் காரணமாக உடனடியாக உருவாக்க முடியாது. அதைத் திட்டமிட்டு அதன் முன்நிபந்தனைகளை (தரவு உள்கட்டமைப்பு, ஒருங்கிணைப்பு) நிறுவுவதே சரியான அணுகுமுறை; கண்மூடித்தனமாக டைவிங் என்றால் பல மாதங்கள் பயனற்ற உழைப்பு. இதற்கிடையில், 'விரைவான வெற்றிகள்' (அதிக மதிப்பு + அதிக நம்பகத்தன்மை) வேகம் உருவாக்கப்படுகிறது மற்றும் இந்த பெரிய பந்தயம் நிதியளிக்கப்படுகிறது.

5. AI பைலட்டின் மதிப்பை நிரூபிக்க, தொடங்குவதற்கு முன் செய்ய வேண்டிய மிக முக்கியமான விஷயம் என்ன?

• A) வெற்றி அளவீட்டை வரையறுத்து தற்போதைய சூழ்நிலையின் அடிப்படையை அளவிடவும் ✔
• B) மிகவும் விலையுயர்ந்த வாகனத்தை வாங்குதல்
• C) ஒரே நேரத்தில் முழு நிறுவனத்திற்கும் பைலட்டைத் திறப்பது
• D) பைலட் முடிந்ததும் முடிவுகளை கணிப்புடன் அறிக்கை செய்தல்

விளக்கம்: அடிப்படை என்பது முன்னேற்றத்திற்கு முன் தற்போதைய நிலைமையின் அளவீடு ஆகும். அடிப்படை இல்லாமல், நாங்கள் 'மேம்பட்டுள்ளோம்' என்ற கூற்றை நிரூபிக்க முடியாது; 'எவ்வளவு மேம்பட்டுள்ளது?' அளவிடுதல் முடிவில். என்ற கேள்விக்கு பதில் சொல்ல முடியாது. எனவே, பைலட் தொடங்கும் முன், வெற்றி மெட்ரிக் வரையறுக்கப்பட வேண்டும் மற்றும் தற்போதைய சூழ்நிலையை எண்களில் அளவிட வேண்டும். உங்களால் அளவிட முடியாத மதிப்பை நிர்வகிக்கவும் பாதுகாக்கவும் முடியாது.

6. செயற்கை நுண்ணறிவு ROI கணக்கீட்டில் நிறுவனங்களால் அடிக்கடி கவனிக்கப்படாத எந்த விலைப் பொருட்கள், திட்டம் லாபகரமானது என்று அவர்களை நினைக்க வைக்கின்றன?

• A) அலுவலக வாடகை மற்றும் மின்சாரம் போன்ற பொதுவான செலவுகள் மட்டுமே
• B) ஒருங்கிணைப்பு, தற்போதைய மனித மேற்பார்வை மற்றும் பராமரிப்பு ✔ போன்ற மறைக்கப்பட்ட செலவுகள்
• C) சந்தைப்படுத்தல் மற்றும் விளம்பர பட்ஜெட் மட்டுமே
• D) இல்லை; உரிம கட்டணம் மட்டுமே உண்மையான செலவு

விளக்கம்: நிறுவனங்கள் பொதுவாக உரிமம்/பயன்பாட்டுக் கட்டணத்தை மட்டுமே கணக்கிடுகின்றன; AI இல், மறைந்திருக்கும் செலவுகள் பொதுவாக ஒருங்கிணைப்பு, தரவு தயாரித்தல், நடந்து கொண்டிருக்கும் மனித கண்காணிப்பு, பராமரிப்பு மற்றும் மாற்றம் மேலாண்மை, மேலும் இவை பெரும்பாலும் உரிமத்தை விட அதிகமாக இருக்கும். இந்த உருப்படிகள் தவிர்க்கப்பட்டால், 'லாபம்' என்று கருதப்படும் ஒரு திட்டம் உண்மையில் நஷ்டத்தில் இயங்கலாம். கூடுதலாக, நன்மையின் பக்கத்தில், சேமிக்கப்பட்ட நேரம் உண்மையில் மதிப்பாக மாறுமா என்று கேள்வி கேட்கப்பட வேண்டும்.

7. AI அபாயங்களில் 'மாடல் ட்ரிஃப்ட்' என்றால் என்ன, அதற்கு ஏன் தொடர்ந்து கண்காணிப்பு தேவைப்படுகிறது?

• A) இயற்பியல் சேவையகங்களுக்கு இடையில் மாதிரியை நகர்த்துதல்
• B) மாதிரியின் உரிமக் கட்டணம் காலப்போக்கில் அதிகரிக்கிறது
• C) உலகம் மாறும் போது மாதிரியின் செயல்திறன் காலப்போக்கில் அமைதியாக குறைகிறது ✔
• D) மாதிரியின் வெளியீடு எப்போதும் ஒரே மாதிரியாக இருக்கும்

விளக்கம்: மாடல் ட்ரிஃப்ட் என்பது மாடல் தேய்மானம் மற்றும் உலகம் மாறும்போது அதன் செயல்திறன் அமைதியாக குறைவது (புதிய தயாரிப்புகள், புதிய நடத்தைகள், புதிய மோசடி முறைகள்). ஒரு முறை நன்றாக வேலை செய்யும் மாதிரி எப்போதும் நன்றாக வேலை செய்யாது; அதனால்தான் வழக்கமான செயல்திறன் கண்காணிப்பு அவசியம். எடுத்துக்காட்டாக, ஒரு புதிய வடிவத்தின் முகத்தில் ஒரு மோசடி முறை மௌனமாக பலவீனமடையக்கூடும், மேலும் இழப்பைக் கண்காணிக்காமல் அதிவேகமாக வளர்கிறது.

8. AI நிர்வாகத்தில் ஒப்புதல் செயல்முறைகளை வடிவமைக்கும்போது சரியான அணுகுமுறை என்ன?

• A) ஆபத்தைப் பொருட்படுத்தாமல், ஒவ்வொரு செயற்கை நுண்ணறிவு முயற்சியையும் அதே கனமான ஒப்புதலுக்கு உட்படுத்துதல்
• B) இடர் நிலை மூலம் வரிசைப்படுத்தல் ஒப்புதல்: குறைந்த ஆபத்து வேகமாக, அதிக ஆபத்து இறுக்கமான கட்டுப்பாடு ✔
• C) எந்த ஒப்புதல் செயல்முறையும் இல்லாமல் அணிகளுக்கு முழு சுதந்திரம் வழங்குதல்
• D) அனைத்து அனுமதிகளையும் தொழில்நுட்பக் குழுவிடம் மட்டுமே விட்டுவிடுதல்

விளக்கம்: நல்ல நிர்வாகம் வேகம், பாதுகாப்பு மற்றும் நிலைத்தன்மையை சமநிலைப்படுத்துகிறது. ஒவ்வொரு வேலைக்கும் (குறைந்த ஆபத்தும் கூட) ஒரே கனமான ஒப்புதலைப் பயன்படுத்துவது அணிகளை நிழல் பயன்பாட்டிற்குத் தள்ளுகிறது; எந்த ஒப்புதலும் ஆபத்தைக் குவிக்காது. இடர் நிலை மூலம் லேயர் அப்ரூவல் செய்வதே சரியான அணுகுமுறை: குறைந்த ரிஸ்க் வேலை விரைவாகப் பாய வேண்டும், அதிக ரிஸ்க் வேலை மட்டுமே அதிக ஆய்வுக்கு உட்படுத்தப்பட வேண்டும். இதனால், வேகம் மற்றும் கட்டுப்பாடு இரண்டும் பராமரிக்கப்படுகிறது.

9. நெறிமுறைகள் மற்றும் சட்ட இணக்கம் ஆகியவற்றுக்கு இடையேயான உறவில் எது உண்மை?

• A) நெறிமுறைகள் மற்றும் சட்ட இணக்கம் ஒரே விஷயம்; ஒன்றைச் சந்திப்பது மற்றொன்றையும் சந்திக்கிறது.
• B) நெறிமுறைகளை விட சட்ட இணக்கம் என்பது உயர்ந்த வரி
• C) சட்ட இணக்கம் என்பது குறைந்தபட்சம்; நெறிமுறைகள் ஒரு உயர்ந்த கோடு மற்றும் சட்டபூர்வமான அனைத்தும் நெறிமுறையாக இருக்கலாம் ✔
• D) சட்டம் ஒரு இடைவெளி விட்டுவிட்டால் மட்டுமே நெறிமுறைகள் முக்கியம்

விளக்கம்: சட்ட இணக்கம் என்பது குறைந்தபட்சம்; நெறிமுறைகள் ஒரு உயர்ந்த கோடு. ஏதோ சட்டபூர்வமானதாக இருக்கலாம் ஆனால் நெறிமுறையற்றதாக இருக்கலாம்; எடுத்துக்காட்டாக, பயனர் நடத்தையை கையாளும் ஒரு செயற்கை நுண்ணறிவு அம்சம் தடை செய்யப்படாமல் இருக்கலாம், ஆனால் அது நெறிமுறையற்றது. பொறுப்புள்ள நிறுவனங்கள் 'தடை செய்யப்பட்டுள்ளதா?' 'இது உண்மையா?' என்று கேட்கிறார். நெறிமுறைகளை இறுதிவரை விட்டுவிட முடியாது; ஆரம்பத்தில் இருந்து வடிவமைப்பில் உட்பொதிக்கப்பட வேண்டும்.

10. EU AI சட்டத்தில் ஒரு அமைப்பு 'அதிக ஆபத்து' எனக் கருதப்படுவதற்கான முக்கிய அளவுகோல் என்ன?

• A) கணினி எவ்வளவு விலை உயர்ந்தது
• B) கணினியில் எத்தனை பயனர்கள் உள்ளனர்
• C) அமைப்பு எந்த நாட்டில் உருவாக்கப்பட்டது?
• D) அமைப்பு மக்களின் அடிப்படை உரிமைகள், பாதுகாப்பு அல்லது வாழ்க்கை வாய்ப்புகளை நேரடியாக பாதிக்கிறது ✔

விளக்கம்: EU AI சட்டம் ஆபத்து அடிப்படையிலான தர்க்கத்தை நிறுவுகிறது. அதிக ஆபத்துள்ள அமைப்பு என்பது மக்களின் அடிப்படை உரிமைகள், பாதுகாப்பு அல்லது வாழ்க்கை வாய்ப்புகளை (வேலைகள், கடன், கல்வி, சுகாதாரம்) நேரடியாகப் பாதிக்கக்கூடிய ஒன்றாகும். இடர் மேலாண்மை, தரம் மற்றும் பக்கச்சார்பற்ற தரவு, மனித மேற்பார்வை, ஆவணங்கள், பதிவு செய்தல் மற்றும் வெளிப்படைத்தன்மை ஆகியவை இந்த அமைப்புகளுக்கு அவசியம். 'ஒரு நபரின் வேலை, பணம், உடல்நலம் அல்லது சுதந்திரத்தை பாதிக்கும் முடிவில் இந்த அமைப்பு சம்பந்தப்பட்டதா?' கேள்வி ஒரு நல்ல பூர்வாங்க குறிகாட்டியாகும்.

11. ஒரு ஊழியர் வாடிக்கையாளரின் தனிப்பட்ட தரவை பொதுவில் கிடைக்கும், வெளிநாட்டு அடிப்படையிலான செயற்கை நுண்ணறிவு கருவியில் ஒட்டுவது ஏன் KVKK இன் மிகவும் ஆபத்தான மற்றும் அடிக்கடி மீறல்களில் ஒன்றாகும்?

• A) வாகனம் மெதுவாக ஓடுவதால் மட்டுமே
• B) ஏனெனில் இது பெரும்பாலும் வெளிநாட்டிற்கு அங்கீகரிக்கப்படாத தரவு பரிமாற்றம் மற்றும் திட்டமிடப்படாத செயலாக்கம் ✔
• C) வாகனம் செலுத்தப்படுவதால் மட்டுமே
• D) உண்மையில், இது எந்த அபாயத்தையும் ஏற்படுத்தாது, இது முற்றிலும் பாதுகாப்பானது.

விளக்கம்: இந்தச் செயலானது 'வெளிநாட்டில் தரவு பரிமாற்றம்' (சிறப்பு விதிகளுக்கு உட்பட்டது) மற்றும் 'திட்டமிடப்படாத செயலாக்கம்' (தரவு சேகரிக்கப்பட்ட நோக்கத்தைத் தவிர வேறு நோக்கங்களுக்காகப் பயன்படுத்தப்படுகிறது) மற்றும் பொதுவாக சரியான சட்ட அடிப்படை மற்றும் தெளிவுபடுத்தல் இல்லாமல் செய்யப்படுகிறது. இது KVKK இன் அடிப்படையில் மீறல் மற்றும் நிர்வாக அபராதத்தின் கடுமையான அபாயத்தை உருவாக்குகிறது; எனவே, ஏற்றுக்கொள்ளக்கூடிய பயன்பாட்டுக் கொள்கை மற்றும் தரவு கசியாத கார்ப்பரேட் கருவிகள் அவசியம்.

12. செயற்கை நுண்ணறிவுத் திறனில் அடிக்கடி கவனிக்கப்படாத மற்றும் மதிப்புப் பூட்டுதல் பாத்திரமான 'மொழிபெயர்ப்பாளர்' பாத்திரத்தின் நோக்கம் என்ன?

• A) வெளிநாட்டு மொழி ஆவணங்களை மட்டும் மொழிபெயர்த்தல்
• B) சேவையகங்கள் மற்றும் தரவுத்தளங்களை நிர்வகித்தல்
• C) வணிகப் பிரச்சனையை செயற்கை நுண்ணறிவுத் தீர்வாக மாற்றி வணிகத்திற்கும் தொழில்நுட்பத்திற்கும் இடையே ஒரு பாலத்தை உருவாக்கும் நபராக இருத்தல் ✔
• D) ஊழியர்களுக்கு மட்டும் அடிப்படை வாகனப் பயிற்சி அளிக்கவும்

விளக்கம்: ஒரு செயற்கை நுண்ணறிவு மொழிபெயர்ப்பாளர் (AI மொழிபெயர்ப்பாளர்) என்பது வணிக மொழியை தொழில்நுட்ப மொழியில் மொழிபெயர்ப்பவர் மற்றும் நேர்மாறாகவும், 'எந்த வணிக பிரச்சனை எந்த செயற்கை நுண்ணறிவு தீர்வு மூலம் தீர்க்கப்படும்' என்ற பாலத்தை உருவாக்குகிறார். மிகவும் விலையுயர்ந்த தோல்விகள் பெரும்பாலும் நிபுணர்களின் பற்றாக்குறையால் அல்ல, மாறாக மொழிபெயர்ப்பாளர்களின் பற்றாக்குறையால் ஏற்படுகின்றன: தொழில்நுட்பக் குழு சரியான மாதிரியை உருவாக்குகிறது, ஆனால் தவறான பிரச்சனைக்காக. நிறுவனங்கள் நிபுணர்களிடம் அதிக முதலீடு செய்கின்றன மற்றும் மொழிபெயர்ப்பாளர்கள் மற்றும் வெகுஜன கல்வியறிவு ஆகியவற்றில் மிகக் குறைவு; இருப்பினும், இது பொதுவாக மதிப்பைத் திறக்கும் கடைசி இரண்டு ஆகும்.

13. AI திறமையாளருக்கான 'செய் அல்லது வாங்க' முடிவின் அடிப்படைக் கொள்கை என்ன?

• A) எப்போதும் வாங்கவும், ஏனெனில் அது மலிவானது
• B) அடிப்படை வேறுபடுத்தும் திறன்களை உருவாக்குதல், நிலையான திறன்களை வாங்குதல் ✔
• சி) எப்போதும் உள்ளே வளர, ஏனெனில் அது பாதுகாப்பானது
• D) மிகவும் பிரபலமான சப்ளையர் பரிந்துரைத்ததைத் தேர்ந்தெடுப்பது

விளக்கம்: அடிப்படைக் கொள்கை: போட்டி நன்மையை உருவாக்கும் நிறுவனத்திற்கு தனித்தன்மை வாய்ந்த முக்கிய திறன்களை உருவாக்குதல்; நிலையான, பொதுவான, வேறுபடுத்தாத திறன்களை வாங்கவும். உங்கள் சொந்தத் தரவைக் கொண்டு உங்கள் போட்டியாளரால் உருவாக்க முடியாத ஒரு முன்கணிப்பு மாதிரி மையமானது; உரை சுருக்கக் கருவி நிலையானது. அவுட்சோர்சிங் முக்கிய திறமை நீண்ட காலத்திற்கு போட்டித்தன்மையை வாடகைக்கு விடுவது மற்றும் சப்ளையர் லாக்-இன் அபாயத்தை பெரிதாக்குகிறது.

14. AI மாற்றங்களின் தோல்விக்கான பொதுவான காரணம் மற்றும் அதற்கு எதிரான மிகவும் பயனுள்ள அணுகுமுறை என்ன?

• A) போதுமான மாதிரி துல்லியம் இல்லை; பெரிய மாடலை வாங்குவதே தீர்வு
• பி) உபகரணங்கள் பற்றாக்குறை; அதிக சர்வர்களை வாங்குவதே தீர்வு
• சி) உரிம செலவு; மலிவான சப்ளையரைக் கண்டுபிடிப்பதே தீர்வு
• D) மனித மற்றும் கலாச்சார பின்னடைவு; தீர்வு என்பது மாற்ற மேலாண்மை ஆகும், இது கவலைகளை தெளிவாக நிவர்த்தி செய்கிறது ✔

விளக்கம்: பெரும்பாலான தோல்வி தொழில்நுட்பம் அல்ல, ஆனால் மனித மற்றும் கலாச்சாரம்: வேலை பாதுகாப்பு பற்றிய பயம், திறமை பற்றிய கவலை, நம்பிக்கையின்மை மற்றும் அர்த்தத்தை இழப்பது. இந்த கவலைகள் அடக்கப்படும்போது, ​​அவை அமைதியான நாசவேலையாகத் திரும்புகின்றன. கவலைகளை வெளிப்படையாகச் சந்திப்பதும், கட்டாயம் 'ஏன்' என்பதை விளக்குவதும், உதாரணத்தின் மூலம் வழிநடத்துவதும், நெருங்கிய சக ஊழியர்களின் சாம்பியன் நெட்வொர்க்கை உருவாக்குவதும் மிகவும் பயனுள்ள அணுகுமுறையாகும். தத்தெடுப்பு அளவிடப்பட வேண்டும் மற்றும் தடைகள் அகற்றப்பட வேண்டும்.