தரவு தனியுரிமை, அங்கீகாரம், நெறிமுறைகள் மற்றும் ஆளுகை

ஆதாயங்கள்:

• நான்கு அடுக்குகளில் தரவைப் பாதுகாக்கும் திறன் (வகைப்படுத்தல், அநாமதேயமாக்கல், வாகனத் தேர்வு, குறைந்தபட்ச தரவு) மற்றும் KVKK பொறுப்பை நிறைவேற்றும் திறன்
• ஆபத்து நிலைக்கு ஏற்ப வெளியீடுகளைச் சரிபார்க்கும் திறன் மற்றும் நேர்மை மற்றும் சார்பு மூலம் மக்களை பாதிக்கும் பரிந்துரைகளை வடிகட்டுதல்
• ஒரு எளிய AI ஆளுமை கட்டமைப்பை நிறுவும் திறன் மற்றும் AI வெளியீடு நிதி/சட்ட/HR/இணக்க முடிவுகளில் நிபுணர்களின் ஒப்புதலை மாற்றாது என்பதை உறுதி செய்யும்

ஒரு மேலாளராக, உங்கள் வணிகத்தின் ஒவ்வொரு மூலையிலும் AI ஐப் பயன்படுத்த நீங்கள் கற்றுக்கொண்டீர்கள்: அறிக்கை செய்தல், KPI, ஆட்டோமேஷன், செயல்பாடுகள், கொள்முதல், தகவல் தொடர்பு, சுருக்கம், சூழ்நிலை. இப்போது இந்த அதிகாரத்தை பொறுப்புடன் பயன்படுத்துவதற்கான கட்டமைப்பை உருவாக்குகிறோம். ஏனெனில் AI தவறாகப் பயன்படுத்தப்படும்போது, ​​வேகமும் வசதியும் தீவிர அபாயங்களாக மாறும்: கசிந்த வாடிக்கையாளர் பட்டியல், தயாரிக்கப்பட்ட எண்ணின் அடிப்படையில் எடுக்கப்பட்ட முடிவு, பாரபட்சமான பரிந்துரை, KVKK மீறல். இந்த அலகு முழு தொகுதியையும் ஒன்றாக வைத்திருக்கும் பாதுகாப்பு வலையாகும். ஒரு வாக்கியத்தில் முக்கிய கொள்கை: AI ஒரு உதவியாளர்; தரவின் இரகசியத்தன்மை, வெளியீட்டின் துல்லியம் மற்றும் முடிவின் நெறிமுறைகள் எப்போதும் மேலாளரின் பொறுப்பாகும்.

தரவு தனியுரிமை: பாதுகாப்பு நான்கு அடுக்குகள்

வணிகத் தரவு மதிப்புமிக்கது மற்றும் பெரும்பாலானவை ரகசியமானவை. தனியுரிமையை நான்கு அடுக்குகளில் பாதுகாக்கவும். முதல் அடுக்கு-வகைப்படுத்தல்: ஒவ்வொரு தரவையும் “பொது/உள் பயன்பாடு/ரகசியம்/தனிப்பட்டம்” என லேபிளிடுங்கள். ரகசிய மற்றும் தனிப்பட்ட தரவுகளுக்கு சிறப்பு கவனம் தேவை. இரண்டாவது அடுக்கு - அநாமதேயமாக்கல்: பெயர், ஐடி, வாடிக்கையாளர் பெயர், சப்ளையர் விலை போன்ற அடையாளங்காட்டிகளை AIக்கு வழங்குவதற்கு முன் அவற்றை குறியீடுகளாக மொழிபெயர்க்கவும் (பணியாளர் ஏ, வாடிக்கையாளர் 1). மூன்றாவது அடுக்கு - கருவித் தேர்வு: முடிந்தால், மாதிரிப் பயிற்சிக்குத் தரவைச் சேமிக்காத நிறுவனத்தால் அங்கீகரிக்கப்பட்ட கார்ப்பரேட் AI கருவிகளைப் பயன்படுத்தவும்; பொதுவில் கிடைக்கும் இலவச கருவிகளுக்கு ரகசியத் தரவை வழங்க வேண்டாம். நான்காவது அடுக்கு - குறைந்தபட்ச தரவு: வேலையைச் செய்வதற்குத் தேவையான குறைந்தபட்ச தரவை வழங்கவும், இனி இல்லை.

KVKK (தனிப்பட்ட தரவு பாதுகாப்பு சட்டம்) பணியாளர் மற்றும் வாடிக்கையாளர் தனிப்பட்ட தரவுகளின் உங்கள் செயலாக்கத்தை ஒழுங்குபடுத்துகிறது; மீறினால் சட்டத் தடைகள் மற்றும் நற்பெயரை இழக்க நேரிடும். திறந்த அரட்டைப் பெட்டியில் கிளையன்ட் பட்டியல் அல்லது ஊதியப் பட்டியலை ஒட்டுவது, பூட்டிய கோப்பை தெருவில் விட்டுச் செல்வது போன்றது.

எச்சரிக்கை: "இந்தக் கருவி பாதுகாப்பாகத் தோன்றுகிறது" என்பது ஒரு உத்தரவாதம் அல்ல. AI க்கு எந்த தரவையும் வழங்குவதற்கு முன், "இந்தத் தகவல் கசிந்தால் நிறுவனத்திற்கு என்ன தீங்கு ஏற்படும்?" சேதம் தீவிரமாக இருந்தால், தரவை அநாமதேயமாக்குங்கள் அல்லது வெளியிட வேண்டாம். சந்தேகம் இருந்தால், கொடுக்க வேண்டாம்.

சரிபார்ப்பு: கையொப்பமிடாத வெளியீடு ஒரு முடிவு அல்ல

தொகுதி முழுவதும் மீண்டும் மீண்டும் செய்யப்படும் ஒழுக்கம் இங்கே ஒரே கூரையின் கீழ் சேகரிக்கப்பட்டுள்ளது. ஒவ்வொரு AI வெளியீட்டையும் மூன்று படிகளில் சரிபார்க்கவும்: ஆதாரம் (நான் வழங்கிய தரவின் எண்ணா?), மீண்டும் கணக்கிடுங்கள் (எண்கணிதத்தைச் சரிபார்க்கவும்), நிர்வாக வடிகட்டி (எனது தொழில் அறிவு மற்றும் புலத்துடன் இது பொருந்துமா?). AI மாயத்தோற்றங்களை உருவாக்க முடியும் - இல்லாத எண்கள், ஆதாரங்கள் அல்லது உண்மைகளை வற்புறுத்தும் மொழியில் கண்டுபிடிப்பது. சரளமாக இருப்பது துல்லியம் அல்ல. முடிவு எவ்வளவு முக்கியமோ, அந்த அளவுக்குச் சரிபார்ப்பு கடுமையாக இருக்க வேண்டும்.

மூன்று நிலைகளில் அபாயத்தைக் கவனியுங்கள். குறைந்த ஆபத்துள்ள டெலிவரிகள் (உள் அவுட்லைன், வடிவமைப்பு, சுருக்கம்): விரைவான தோற்றம் போதுமானது. மீடியம் ரிஸ்க் டெலிவரிகள் (நிர்வாகத்திற்கு அறிக்கை, KPI கருத்து): ஒவ்வொரு எண்ணும் சரிபார்க்கப்பட்டது. அதிக ரிஸ்க் டெலிவரிகள் (நிதி முடிவு, ஒப்பந்தம், இணக்க ஆவணம், மனிதவள பரிவர்த்தனை): AI வரைவுகளை மட்டுமே தயாரிக்கிறது; திறமையான நிபுணர் மதிப்பாய்வு, சட்ட/நிதி கட்டுப்பாடு மற்றும் கையொப்பம் ஆகியவை கட்டாயமாகும். இந்த பகுதிகளில், திறமையான நிபுணர்களின் ஒப்புதலை AI வெளியீடு ஒருபோதும் மாற்ற முடியாது.

நெறிமுறைகள் மற்றும் சார்பு: விரைவான ஆனால் நியாயமான

AI வரலாற்று தரவுகளிலிருந்து கற்றுக்கொள்கிறது; கடந்த கால சார்பு இருந்தால், AI அதை மீண்டும் செய்யும் அல்லது வலுப்படுத்தும். பணியமர்த்தல், பதவி உயர்வு அல்லது வாடிக்கையாளர் முன்னுரிமை பரிந்துரை ஒரு குழுவை அறியாமலேயே பாதகமாகச் செய்யலாம். எனவே மனிதர்களைப் பாதிக்கும் ஒவ்வொரு AI முன்மொழிவையும் நேர்மையின் வடிப்பானில் வைக்கவும்: "இந்தத் திட்டம் ஒரு குழுவை நியாயமற்ற முறையில் விலக்குகிறதா? நியாயப்படுத்துவது பாதுகாக்கத்தக்கதா?" "இந்த திட்டத்தால் எந்தக் குழுக்கள் பாதகமாக இருக்கலாம்?" என்று AI யிடம் வெளிப்படையாகக் கேளுங்கள். கேட்க.

மேலும் இரண்டு நெறிமுறைக் கோட்பாடுகள்: வெளிப்படைத்தன்மை - குறிப்பிடத்தக்க AI-உருவாக்கிய வெளியீட்டை மறைக்க வேண்டாம்; முடிவு எப்படி எடுக்கப்பட்டது என்பதை நீங்கள் விளக்க வேண்டும். பொறுப்புக்கூறல் - "AI அவ்வாறு கூறியது" என்பது ஒரு தவிர்க்கவும் அல்ல. கருவியைப் பயன்படுத்தும் மேலாளரிடம் பொறுப்பு உள்ளது. AI தவறு செய்யும் போது, ​​நீங்கள் பொறுப்பேற்க வேண்டும்; எனவே அவரை ஒரு கண்மூடித்தனமான அதிகாரியாக அல்ல, மேற்பார்வையிடப்பட்ட உதவியாளராகப் பயன்படுத்துங்கள்.

AI ஆளுமை: ஒரு நிறுவன கட்டமைப்பு

தனிமனித நல்லெண்ணம் மட்டும் போதாது; வணிகத்திற்கான எளிய AI ஆளுகை கட்டமைப்பை நிறுவுதல்: எந்தக் கருவிக்கு என்ன தரவை வழங்கலாம், எந்தெந்த முடிவுகளை AI ஆல் ஆதரிக்க முடியும், இது நிபுணருக்கு மட்டுமே சொந்தமானது, வெளியீடுகள் எவ்வாறு சரிபார்க்கப்படுகின்றன, யார் பொறுப்பு. எழுதப்பட்ட, எளிமையான கொள்கை முழு அணியையும் பாதுகாக்கிறது மற்றும் அடுத்த யூனிட்டில் பேரழிவைத் தடுக்கிறது.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - கசிவின் விளிம்பில் இருந்து திரும்புதல். ஒரு விற்பனை மேலாளர் உண்மையான வாடிக்கையாளர் பெயர்கள் மற்றும் விற்றுமுதல்களுடன் ஒரு பட்டியலை இலவச AI கருவியில் ஒட்டுவார். ஒரு கணம் தயக்கத்தில், "இது கசிந்தால் என்ன நடக்கும்?" அவர் வாடிக்கையாளர் பெயர்களை குறியீடாக்கி, விற்றுமுதல்களை டேப்பாக மாற்றினார். பகுப்பாய்வு அதே தரத்துடன் வெளிவந்தது; உண்மையான தரவு எதுவும் வெளிவரவில்லை. ஒரு சிறிய பழக்கம் பெரிய KVKK ஆபத்தைத் தடுத்தது.

வழக்கு 2 - தயாரிக்கப்பட்ட எண்ணின் விலை. ஒரு தலைமை நிதி அதிகாரி, YZ வழங்கிய "தொழில்துறை சராசரி 23 சதவிகிதம்" எண்ணிக்கையை சரிபார்க்காமல் வாரியத்திடம் வழங்கினார். எண் உருவாக்கப்பட்டது; எந்த ஆதாரமும் இல்லாத ஒரு எண்ணை AI உறுதியாக உருவாக்கியது. தவறான புள்ளிவிவரத்தின் அடிப்படையில் ஒரு முதலீட்டு சர்ச்சை ஏற்பட்டது மற்றும் தலைகீழாக மாற நேரம் எடுத்தது. பாடம்: வெளியில் இருந்து வந்ததாகக் கூறும் ஒவ்வொரு எண்ணையும் உண்மையான மூலத்துடன் இணைக்காமல் பயன்படுத்த முடியாது.

வழக்கு 3 - பாரபட்சமான பரிந்துரையைப் பிடிப்பது. ஒரு HR மேலாளர் AI யிடம் விண்ணப்பதாரர்களை தரவரிசைப்படுத்துமாறு கேட்டார். வரலாற்றுத் தரவுகளின் அடிப்படையில் ஒரு குறிப்பிட்ட பள்ளியில் பட்டதாரிகளை AI முன்னிலைப்படுத்தும். மேலாளர் "இந்த முன்மொழிவு எந்தக் குழுக்களை விலக்குகிறது?" அவர் கேட்டார்; AI கடந்த கால சார்புகளை மீண்டும் செய்வதை அவர் கண்டறிந்தார். அவர் வேலை தொடர்பான, தற்காப்பு அளவுகோல்களை மட்டுமே அடிப்படையாகக் கொண்டு தரவரிசைகளை உருவாக்கி, இறுதி முடிவை மக்கள் குழுவிடம் விட்டுவிட்டார்.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) தரவு தனியுரிமை திரையிடல்:

உங்கள் பங்கு: தரவு தனியுரிமை ஆலோசகர். சிறிது நேரத்தில் டேட்டா செட் தருகிறேன். முதலில், தனிப்பட்ட/ரகசியப் புலங்களை (பெயர், ஐடி, வாடிக்கையாளர், விலை, சம்பளம்) பட்டியலிட்டு, அவை ஒவ்வொன்றையும் அநாமதேயமாக்குவது எப்படி என்று பரிந்துரைக்கவும். KVKK அடிப்படையில் AIக்கு இந்தத் தரவை வழங்குவதால் ஏற்படும் அபாயங்களை சுருக்கமாக எழுதுங்கள். இன்னும் பகுப்பாய்வு செய்ய வேண்டாம்.

2) சரிபார்ப்பு சரிபார்ப்பு பட்டியல்:

நிர்வாகத்திற்கு வழங்குவதற்கு முன் பின்வரும் AI வெளியீட்டை நான் சரிபார்க்க வேண்டும். வெளியீட்டில் ஒவ்வொரு எண்ணியல் உரிமைகோரல் மற்றும் வெளிப்புற மூல உரிமைகோரலை பட்டியலிடவும். ஒவ்வொருவருக்கும், "நான் வழங்கிய தரவுகளின் மூலமா அல்லது AI தானே தயாரித்த/புனையப்பட்ட தகவலா?" என்று கேட்கவும். 'VERIFY' என்ற தலைப்பின் கீழ் தெரியாத ஆதாரங்களைச் சேகரிக்கவும்.

3) நெறிமுறைகள்/நீதி வடிகட்டி:

பின்வரும் AI முன்மொழிவு மக்களைப் பாதிக்கிறது: [முன்மொழிவு]. இந்த முன்மொழிவு எந்தக் குழுக்களுக்கு நியாயமற்ற முறையில் பாதகமாக இருக்கலாம்? பரிந்துரையானது வரலாற்றுத் தரவுகளால் பாரபட்சமாக இருக்க முடியுமா? வணிகம் தொடர்பான, பாதுகாக்கக்கூடிய அளவுகோல்களின் அடிப்படையில் மட்டுமே முடிவெடுக்க நான் எதை மாற்ற வேண்டும்? நேர்மையாக இருங்கள், பரிந்துரையை பாதுகாக்க வேண்டாம்.

4) AI பயன்பாட்டு இடர் வகைப்பாடு:

AI உடன் பின்வரும் பணியைச் செய்வேன்: [பணி]. ஆபத்து மட்டத்தில் வைக்கவும்: குறைந்த (உள் வரைவு), நடுத்தர (நிர்வாகத்திற்கு வெளிச்செல்லும்), உயர் (நிதி/சட்ட/HR விளைவு). ஆபத்து நிலையின் அடிப்படையில் என்ன சரிபார்ப்பு மற்றும் ஒப்புதல் படிகள் தேவை என்று சொல்லுங்கள். அதிக ஆபத்து இருந்தால், நிபுணர் அனுமதி கட்டாயம் என்பதை நினைவூட்டுங்கள்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த வாடிக்கையாளர் தரவுகளுடன் எனக்கு ஒரு பகுப்பாய்வு கொடுங்கள். [உண்மையான பெயரிடப்பட்ட தரவு]

திறந்த கருவிக்கு உண்மையான தனிப்பட்ட தரவை வழங்குகிறது; இது KVKK மீறல் மற்றும் கசிவு அபாயத்தைக் கொண்டுள்ளது. வெளியீட்டை சரிபார்க்கும் திட்டமும் இல்லை.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: ஆய்வாளர். நான் உங்களுக்கு வழங்கிய தரவுகளில், அனைத்து பெயர்களும் குறியிடப்பட்டு (வாடிக்கையாளர் 1-50) மற்றும் தொகைகள் டேப்பாக மாற்றப்படும். இந்த அநாமதேய தரவு மூலம் பிரிவு பகுப்பாய்வு செய்யவும். நான் கொடுத்த எண்களை மட்டும் பயன்படுத்துங்கள், வெளி துறை எண்களை சேர்க்காதீர்கள்; நீங்கள் அதைச் சேர்த்தால், தயவுசெய்து ஆதாரத்தை தெளிவாகக் கூறுங்கள், அதனால் நான் அதை சரிபார்க்க முடியும்.

அளவு

மோசமான அணுகுமுறை

வலுவான அணுகுமுறை

தரவு

உண்மையான பெயர்

அநாமதேய

KVKK ஆபத்து

உயர்

குறைந்த

மூல கட்டுப்பாடு

இல்லை

கட்டாயம்

சரிபார்த்தல்

குறைந்த

உயர்

பொறுப்பு

நிச்சயமற்ற

தெளிவுபடுத்தினார்

பொதுவான தவறுகள்

• கருவியைத் திறக்க உண்மையான ரகசிய/தனிப்பட்ட தரவை வழங்குதல். முதலில் வகைப்படுத்தி அநாமதேயமாக்குங்கள்.
• வெளிப்புற ஆதார உரிமைகோரல்களை சரிபார்க்கவில்லை. AI ஆனது "தொழில்துறை சராசரி" போன்ற எண்களை உருவாக்க முடியும்; மூலத்துடன் இணைக்கவும்.
• பாரபட்சத்தை புறக்கணித்தல். மக்களை பாதிக்கும் முன்மொழிவுகளை நேர்மையின் வடிகட்டியில் வைக்கவும்.
• "AI சொன்னது" சாக்கு. பொறுப்பு பயனரிடம் உள்ளது; பொறுப்புணர்வைக் கருதுங்கள்.
• அதிக ஆபத்துள்ள முடிவுகளில் நிபுணர்களின் ஒப்புதலைத் தவிர்ப்பது. நிதி/சட்ட/HR/இணக்க வெளியீட்டிற்கு நிபுணர் ஒப்புதல் தேவை.

எச்சரிக்கை: இந்த தொகுதியின் மிக முக்கியமான வாக்கியம்: இணக்கம், நிதி, சட்ட மற்றும் மனித வளங்கள் போன்ற தொடர்ச்சியான பகுதிகளில் AI வெளியீடு திறமையான நிபுணர் ஒப்புதலுக்கு மாற்றாக இல்லை. AI உங்கள் வேகத்தை அதிகரிக்கிறது, அது உங்கள் நிபுணரை நீக்காது. சரிபார்க்கப்படாத AI வெளியீடு கையொப்பமிடாத முடிவைப் போலவே ஆபத்தானது.

சுருக்கமாக

பொறுப்பான AI பயன்பாடு மூன்று தூண்களில் தங்கியுள்ளது: தனியுரிமை, அங்கீகாரம் மற்றும் நெறிமுறைகள். நான்கு அடுக்குகளில் தரவைப் பாதுகாக்கவும் (வகைப்படுத்தல், அநாமதேயப்படுத்தல், கருவித் தேர்வு, குறைந்தபட்ச தரவு) மற்றும் KVKK பொறுப்பை நினைவில் கொள்ளுங்கள். மூல இணைப்பு, மறுகணக்கீடு மற்றும் நிர்வாக வடிகட்டுதல் மூலம் ஒவ்வொரு வெளியீட்டையும் சரிபார்க்கவும்; ஆபத்து நிலை அடிப்படையில் விடாமுயற்சியை அதிகரிக்கவும். நேர்மை மற்றும் வெளிப்படைத்தன்மை மற்றும் பொறுப்புக்கூறலைப் பேணுவதன் மூலம் மக்களை பாதிக்கும் திட்டங்களை முன்வைக்கவும். ஒரு எளிய AI ஆளுகை கட்டமைப்பு முழு குழுவையும் பாதுகாக்கிறது. எப்பொழுதும்: அதிக ஆபத்துள்ள பகுதிகளில், திறமையான நிபுணர் ஒப்புதலுக்கு AI மாற்றாக இல்லை.

விண்ணப்ப பணி

உங்கள் சொந்த வணிகத்திற்கான "AI பயன்பாட்டு வழிகாட்டுதல்களின்" அரை பக்க வரைவை எழுதவும். அடங்கும்: எந்தக் கருவிக்கு என்ன தரவை வழங்கலாம், தரவு எவ்வாறு அநாமதேயமாக்கப்படும், எந்த வெளியீடுகள் சரிபார்க்கப்பட வேண்டும், எந்த முடிவுகள் நிபுணர்களுக்கு மட்டுமே சொந்தமானது மற்றும் யார் பொறுப்பு. மேலே உள்ள “AI பயன்பாட்டு இடர் வகைப்பாடு” டெம்ப்ளேட்டைப் பயன்படுத்தி, கடந்த வாரத்தில் AI மூலம் நீங்கள் செய்த 5 பணிகளை இடர் நிலையில் வைத்து ஒவ்வொன்றுக்கும் சரியான சரிபார்ப்புப் படியை எழுதுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் தரவை வகைப்படுத்தி அநாமதேயமாக்கியிருக்கிறேனா?
• [ ] நான் நிறுவனம் அங்கீகரிக்கப்பட்ட/பாதுகாப்பான கருவி மற்றும் குறைந்தபட்ச தரவைப் பயன்படுத்தியுள்ளேனா?
• [ ] ஆபத்து நிலைக்கு எதிராக ஒவ்வொரு வெளியீட்டையும் நான் சரிபார்த்திருக்கிறேனா?
• [ ] மக்களைப் பாதிக்கும் முன்மொழிவுகளை நியாயமான முறையில் நான் வடிகட்டியிருக்கிறேனா?
• [ ] அதிக ஆபத்துள்ள முடிவுகளுக்கு எனக்கு நிபுணர் ஒப்புதல் தேவையா?

தொகுதி தேர்வு

1. AI க்கு ஒரு வேலையை அவுட்சோர்சிங் செய்வதற்கு முன் பணியின் அடுக்கு (இயந்திர / பகுப்பாய்வு / முடிவு) மற்றும் சரிபார்ப்பு கடுமை ஆகியவற்றை தீர்மானிக்க மேலாளர் என்ன கேள்வியைக் கேட்க வேண்டும்?

• A) இந்த வெளியீடு தவறாக இருந்தால் என்ன விளைவு ஏற்படும்? ✔
• B) செயற்கை நுண்ணறிவு இந்த வேலையை முடிந்தவரை விரைவாக முடிக்க முடியுமா?
• C) இந்த கருவி இலவசமா?
• ஈ) இந்த வேலை இதற்கு முன்பு செய்யப்பட்டுள்ளதா?

விளக்கம்: இடர் நிலைக்கு ஏற்ப வேலையை வகைப்படுத்துவதே சரியான பயன்பாட்டின் அடிப்படையாகும். 'இந்த வெளியீடு தவறாக இருந்தால் என்ன விளைவு ஏற்படும்?' வேலை இயந்திரமா, பகுப்பாய்வு ரீதியானதா அல்லது பொறுப்பான முடிவா என்பதை கேள்வி தீர்மானிக்கிறது, எனவே எவ்வளவு சரிபார்ப்பு தேவைப்படுகிறது.

2. செயற்கை நுண்ணறிவால் வழங்கப்பட்ட 'தொழில்துறை சராசரி 23 சதவீதம்' எண்ணிக்கை சரிபார்ப்பு இல்லாமல் இயக்குநர்கள் குழுவிடம் சமர்ப்பிக்கப்பட்டது, மேலும் அந்த எண்ணிக்கை புனையப்பட்டது என்று மாறிவிடும். இந்த வழக்கில் என்ன அடிப்படை ஒழுக்கம் கவனிக்கப்படவில்லை?

• A) செயற்கை நுண்ணறிவை காலை நேரங்களில் மட்டுமே பயன்படுத்த வேண்டும் என்ற விதி
• B) வெளியீட்டை ஆதாரத்துடன் இணைப்பதன் மூலம் சரிபார்க்கும் ஒழுங்குமுறை ✔
• C) அறிக்கையை வண்ண அட்டவணையாக மாற்றுதல்
• D) நீண்ட வரியில் எழுதுதல்

விளக்கம்: செயற்கை நுண்ணறிவு சில சமயங்களில் உறுதியான மொழியில் இல்லாத எண்ணை உருவாக்குகிறது (மாயத்தோற்றம்). வெளியீட்டை மூலத்துடன் இணைக்கும் படி, ஒவ்வொரு எண்ணும் உண்மையான மூலத்திலிருந்து வந்ததா அல்லது உருவாக்கப்பட்டதா என்பதைச் சரிபார்க்கிறது. இதைத் தவிர்க்கும்போது, ​​தவறான முடிவுகள் எடுக்கப்படும் அபாயம் உள்ளது.

3. ஒரு ஈ-காமர்ஸ் நிறுவனத்தில் மொத்த விற்றுமுதல் நிலையானதாகத் தோன்றினாலும், உயர்-லாப வகை 22 சதவிகிதம் குறைந்துள்ளது மற்றும் குறைந்த லாப விற்பனை இதை மறைக்கிறது என்று பிரிவு முறிவு வெளிப்படுத்துகிறது. இந்த உதாரணம் என்ன கொள்கையை விளக்குகிறது?

• A) மொத்த எண் எப்போதும் மிகவும் நம்பகமான குறிகாட்டியாகும்
• B) லாபம் முக்கியமற்றது, விற்றுமுதல் மட்டுமே முக்கியம்
• C) மொத்த எண்கள் தலைகீழ் மாற்றங்களை மறைக்க முடியும்; பிரிவு முறிவு உண்மையை வெளிப்படுத்துகிறது ✔
• D) பிரிவு பகுப்பாய்வு பெரிய நிறுவனங்களுக்கு மட்டுமே செல்லுபடியாகும்

விளக்கம்: மொத்த எண்கள் உள் தலைகீழ் மாற்றங்களை மறைக்க முடியும். முடிவு ஆதரவு வேலையில் மொத்தத்தை விட முறிவு (பிரிவு பகுப்பாய்வு) பார்ப்பது உண்மையை வெளிப்படுத்துகிறது; நிலையான மொத்தத்தின் கீழ் பெரிய மாறுபாடுகள் மறைக்கப்படலாம்.

4. ஒரு கஃபே மேலாளர், 'வார இறுதி விற்பனை வெப்பநிலையுடன் நகர்கிறது' என்பதை 'வெப்பமான காலநிலை விற்பனையை அதிகரிக்கிறது' என்று விளக்குகிறது மற்றும் ஏர் கண்டிஷனிங்கை நிராகரிக்கிறது; இருப்பினும், உண்மையான காரணம் வார இறுதியில் அதிகரித்த வாடிக்கையாளர்கள். இது என்ன பிழை?

• A) காரணத்திற்கான தவறான தொடர்பு ✔
• B) போதுமான தரவுகளை சேகரிக்கவில்லை
• C) தவறான விளக்கப்பட வகையைத் தேர்ந்தெடுப்பது
• D) தரவை அநாமதேயமாக்கவில்லை

விளக்கம்: இரண்டு விஷயங்கள் ஒன்றாகச் செயல்படுவதால் (தொடர்பு) ஒன்று மற்றொன்றை (காரணத்தை) ஏற்படுத்துகிறது என்று அர்த்தமல்ல. வெப்பநிலை மற்றும் விற்பனை தற்செயலாக ஒரே திசையில் நகர்ந்தது; பொதுவான காரணம் வார இறுதி போக்குவரத்து. செயற்கை நுண்ணறிவால் கண்டறியப்பட்ட உறவுகள் ஆதாரம் அல்ல, ஆனால் பரிசோதிக்கப்பட வேண்டிய கருதுகோள்கள்.

5. ஒரு நல்ல நிர்வாக அறிக்கையின் 'பிரமிட்' கட்டமைப்பின் மேல் என்ன இருக்கிறது?

• A) மூல தரவு அட்டவணைகள்
• B) நிர்வாக சுருக்கம் ✔
• C) கூடுதல் ஆவணங்கள் மற்றும் அடிக்குறிப்புகள்
• D) முந்தைய ஆண்டுகளில் இருந்து அனைத்து புள்ளிவிவரங்கள்

விளக்கம்: ஒரு நல்ல அறிக்கை ஒரு பிரமிடு: மேலே, எக்ஸிகியூட்டிவ் சுருக்கம் (3-5 புல்லட் புள்ளிகள்) 30 வினாடிகளில் மிகவும் பரபரப்பான வாசகர் புரிந்து கொள்ள வடிவமைக்கப்பட்டுள்ளது; கீழே உள்ள முக்கியமான கண்டுபிடிப்புகள்; கீழே துணை விவரம் உள்ளது. இதனால், மேல் மேலாளர் மேலே மட்டுமே படிக்கிறார், ஆர்வமுள்ள எவரும் கீழே வருகிறார்கள்.

6. ஒரு அழைப்பு மையம் 'ஒரு நாளைக்கு பதிலளித்த அழைப்புகளின் எண்ணிக்கை' ஒரு KPI ஐ செய்யும் போது, ​​பிரதிநிதிகள் அழைப்புகளை விரைந்து செய்து வாடிக்கையாளர் திருப்தியைக் குறைக்கின்றனர். இந்த நிலைமை என்ன கொள்கையை விளக்குகிறது?

• A) அதிக KPI கள், சிறந்த மேலாண்மை
• B) KPI களை கால் சென்டர்களில் பயன்படுத்த முடியாது
• C) வேகம் எப்போதும் தரத்திற்கு முன் வருகிறது
• D) கையாளக்கூடிய ஒரு KPI, அது அளவிடும் முடிவைக் காட்டிலும் பாதகமான நடத்தையை ஊக்குவிக்கலாம் ✔

விளக்கம்: ஒரு குறிகாட்டி இலக்காக மாறும்போது, மக்கள் அதை ஏமாற்றுவதற்கான வழிகளைக் கண்டுபிடிக்கின்றனர் (குட்ஹார்ட்டின் சட்டம்). 'அழைப்பு எண்ணிக்கை' எளிதில் கையாளப்படுகிறது மற்றும் உண்மையான விளைவை (தீர்மானம், திருப்தி) அளவிடாது. எனவே, KPIஐத் தேர்ந்தெடுக்கும் முன், 'எவ்வளவு பாதகமான நடத்தை இது ஊக்குவிக்கிறது?' கேட்கப்பட வேண்டும்.

7. செயல்முறை ஆட்டோமேஷனில் 'முதலில் செயல்முறையை எளிதாக்குங்கள், பின்னர் தானியங்குபடுத்துங்கள்' விதிக்கான காரணம் என்ன?

• A) உடைந்த செயல்பாட்டில் ஆட்டோமேஷன் தோல்வியை துரிதப்படுத்துகிறது; செயல்முறை முதலில் சரி செய்யப்பட வேண்டும் ✔
• B) எளிமைப்படுத்தல் தன்னியக்கத்தை சாத்தியமற்றதாக்குகிறது
• சி) எளிமைப்படுத்துவது சட்டப்பூர்வ கடமை மட்டுமே
• D) எளிமைப்படுத்துவதை விட ஆட்டோமேஷன் எப்போதும் மலிவானது

விளக்கம்: ஆட்டோமேஷன் செயல்முறையின் வேகத்தை அதிகரிக்கிறது; செயல்முறை சிதைந்தால் அது பிழையை துரிதப்படுத்துகிறது. ஒரு கணக்கியல் பிரிவில் 5 தேவையற்ற படி செயல்முறை தானியங்குபடுத்தப்பட்டபோது, ​​தேவையற்ற படிகள் வேகமாக வேலை செய்தன. முதலில் செயல்முறை எளிமைப்படுத்தப்பட வேண்டும், பின்னர் துரிதப்படுத்தப்பட வேண்டும்.

8. வாடிக்கையாளருக்கு தானியங்கி பதில்களில் 'மனித-இன்-தி-லூப்' வடிவமைப்பின் நோக்கம் என்ன?

• A) ஆட்டோமேஷனை முற்றிலுமாக நிறுத்துதல்
• B) செயற்கை நுண்ணறிவின் முடிவு அதிகாரத்தை அதிகரித்தல்
• C) பெரும்பாலான வேகத்தை பராமரிக்கும் போது, முக்கியமான கட்டத்தில் மனித ஒப்புதலுடன் பிழை தப்பிக்காமல் தடுப்பது ✔
• D) மனித பணியாளர்களை முற்றிலுமாக நீக்குதல்

விளக்கம்: ஹ்யூமன்-இன்-தி-லூப் டிசைன் என்பது தானியங்கு செயல்பாட்டின் முக்கியமான கட்டத்தில் மனித ஒப்புதல். AI வரைவை உருவாக்குகிறது, மனிதன் அதை விரைவாக அங்கீகரிக்கிறான், பின்னர் அது அனுப்பப்படுகிறது. இது பெரும்பாலான வேகத்தைப் பாதுகாக்கும் போது ஒரு பிழை நேராக வெளியே செல்வதைத் தடுக்கிறது; ஒரு குழு இந்த அனுமதியை அகற்றியபோது, ​​தவறான தகவல் வாடிக்கையாளரை சென்றடைந்தது.

9. ஒரு தளபாடங்கள் பட்டறையில் உற்பத்தி மெதுவாக உள்ளது; மேலாளர் மிகவும் விலையுயர்ந்த இயந்திரத்தை (வெட்டுதல்) மாற்ற விரும்புகிறார், ஆனால் சாயமிடுதல்-உலர்த்தும் படி இடையூறு என்று பகுப்பாய்வு காட்டுகிறது. செயல்பாட்டு பகுப்பாய்வின் அடிப்படைக் கொள்கை என்ன?

• A) மிகவும் விலையுயர்ந்த படி எப்போதும் மேம்படுத்தப்பட வேண்டும்
• B) முன்னேற்றம் முழு ஓட்டத்தையும் குறைக்கும் தடையை இலக்காகக் கொள்ள வேண்டும் ✔
• C) அனைத்து படிகளும் சமமாக துரிதப்படுத்தப்பட வேண்டும்
• D) தடையின் கருத்து உற்பத்தி வரிகளில் மட்டுமே செல்லுபடியாகும்

விளக்கம்: ஒரு செயல்முறையின் வேகம் அதன் மெதுவான படியின் வேகம் (தடையின் வேகம்). தடைக்கு வெளியே படிகளை விரைவுபடுத்துவது பணத்தையும் முயற்சியையும் வீணடிப்பதாகும்; தடையை விரிவுபடுத்துவது மட்டுமே வேலை செய்யும். மேலாளர் படுகொலை செய்வதற்குப் பதிலாக இரண்டாவது உலர்த்தும் அடுப்பில் முதலீடு செய்தபோது, ​​வேகம் 28 சதவீதம் அதிகரித்தது.

10. வாங்குவதில், மேலாளர் மலிவான மூலப்பொருள் வழங்குநருக்கு மாறுகிறார், ஆனால் சப்ளையரின் மோசமான விநியோக நம்பகத்தன்மையை புறக்கணிக்கிறார்; இரண்டு முக்கிய தாமதங்கள் உற்பத்தியை நிறுத்துகின்றன. இந்த சூழ்நிலையிலிருந்து என்ன பாடம் இருக்கிறது?

• A) மிகவும் விலையுயர்ந்த சப்ளையர் எப்போதும் தேர்ந்தெடுக்கப்பட வேண்டும்
• B) டெலிவரி நம்பகத்தன்மை பொருத்தமற்றது
• C) சப்ளையர் ஒரு பரிமாணத்தில் (விலை மட்டும்) மதிப்பிடக்கூடாது, ஆனால் நம்பகத்தன்மை மற்றும் ஆபத்து உட்பட பல பரிமாணங்களில் மதிப்பிடப்பட வேண்டும் ✔
• D) சப்ளையர் முடிவுகள் செயற்கை நுண்ணறிவுக்கு மட்டுமே விடப்பட வேண்டும்

விளக்கம்: சப்ளையர் தேர்வு பல பரிமாணமானது: விலை, தரம், விநியோக நேரம், நம்பகத்தன்மை, நிதி உறுதி மற்றும் ஆபத்து ஆகியவை ஒன்றாக மதிப்பிடப்பட வேண்டும். விலையைப் பார்த்தாலே கிடைக்கும் தள்ளுபடியை விட பல மடங்கு நஷ்டம் ஏற்படும்; உற்பத்தியை இழந்தது தள்ளுபடியை அழித்துவிட்டது.

11. தொடர்ந்து தாமதமாக வரும் குழுவிற்கு கோபமான, கடுமையான மின்னஞ்சலை அனுப்பும் முன் மேலாளர் செய்ய வேண்டிய சிறந்த விஷயம் என்ன?

• A) உணர்வுகள் உண்மையானவை என்பதால், செய்தியை அப்படியே அனுப்புதல்
• B) செயற்கை நுண்ணறிவு மூலம் தொனித் தீர்வு-சார்ந்ததாக உருவாக்கி பின்னர் அதை மனித வடிகட்டி வழியாக அனுப்புதல் ✔
• C) செய்தியை அனுப்பவே இல்லை மற்றும் சிக்கலைப் புறக்கணித்தல்
• D) செய்தியை வலிமையாக்குதல்

விளக்கம்: கோபமாக இருக்கும்போது எழுதப்பட்ட செய்திகளை உடனடியாக அனுப்பக்கூடாது. செயற்கை நுண்ணறிவு 'தொனியை மரியாதைக்குரிய மற்றும் தீர்வு சார்ந்த தொனிக்கு மாற்றவும், அதே எதிர்பார்ப்புகளையும் எல்லைகளையும் பராமரிக்கிறது' என்று கூறுவது செய்தியின் சாராம்சத்தை பாதுகாக்கிறது, அதன் தொனியை சரிசெய்கிறது மற்றும் கடினமான-மீட்பக் கோபங்களைத் தடுக்கிறது; வெளியீடு பின்னர் மனிதனால் வடிகட்டப்படுகிறது.

12. AI 'பட்ஜெட் அதிகரிப்பு அங்கீகரிக்கப்பட்டது' என்று ஒரு கூட்டச் சுருக்கம் கூறுகிறது; ஆனால், 'பட்ஜெட் உயர்வு மதிப்பீடு செய்யப்படும்' என, கூட்டத்தில் கூறப்பட்டது. இந்த ஆபத்தைத் தவிர்க்க சரியான வழி என்ன?

• A) சுருக்கத்தைப் படிக்காமல் உடனடியாக விநியோகிக்கவும்
• B) சுருக்கத்தைச் சரிபார்த்து, முடிவை சாத்தியத்திலிருந்து பிரித்து, பங்கேற்பாளர்களால் உறுதிப்படுத்தப்பட வேண்டும் ✔
• C) கூட்டத்தின் சுருக்கத்தை உருவாக்கவே இல்லை
• D) மிக நீண்ட தண்டனையை மட்டுமே முடிவாகக் கருதுதல்

விளக்கம்: AI முடிவுகளை தவறாகப் பரப்பலாம்; 'மதிப்பீடு செய்யப்பட வேண்டும்' மற்றும் 'அங்கீகரிக்கப்பட வேண்டும்' என்பதற்கு இடையே உள்ள வேறுபாடு முக்கியமானது. மீட்டிங் சுருக்கம் பெரும்பாலும் 'அதிகாரப்பூர்வ நினைவகம்' ஆகும், எனவே ஒவ்வொரு சுருக்கமும் படிக்கப்பட வேண்டும், முடிவிலிருந்து வேறுபடுத்தி, பங்கேற்பாளர்களுடன் விநியோகிக்கப்படுவதற்கு முன் உறுதிப்படுத்தப்பட வேண்டும்.

13. சூழ்நிலைத் திட்டமிடலில், எதிர்காலத்தை ஒரே கணிப்புடன் இணைக்காமல் (உதாரணமாக, 'நாங்கள் 15 சதவீதம் வளர்ச்சியடைவோம்') குறைந்தபட்சம் மூன்று காட்சிகளை (நம்பிக்கை, அடிப்படை, அவநம்பிக்கை) நிறுவுவதன் நோக்கம் என்ன?

• A) செயற்கை நுண்ணறிவு எதிர்காலத்தை துல்லியமாக கணிக்க முடியும்
• B) உண்மை எந்த திசையில் சென்றாலும், பதற்றத்திற்குப் பதிலாக பிடிபடாமல், திட்டத்தை செயல்படுத்த வேண்டும் ✔
• C) குறைவான தரவுகளை சேகரிக்கவும்
• D) ஒரு சரியான எதிர்காலத்தை முன்கூட்டியே தேர்வு செய்தல்

விளக்கம்: உண்மை என்பது ஒரு இடைவெளி; ஒரு யூகத்தின் அடிப்படையிலான திட்டம் நிறைவேறவில்லை என்றால், அது சிதைந்துவிடும். பல காட்சிகளுக்கு முன்கூட்டியே பதில்களைத் தயாரிப்பது, யதார்த்தம் எந்த வழியில் நகர்ந்தாலும், பீதியைக் காட்டிலும் ஒரு திட்டத்தை வைக்க முடியும் என்பதை உறுதி செய்கிறது. எதிர்காலத்தை அறிவது அல்ல, ஆயத்தமில்லாமல் பிடிபடாமல் இருப்பதுதான் நோக்கம்.

14. வணிக நிர்வாகத்தில் செயற்கை நுண்ணறிவைப் பயன்படுத்துவதில் பின்வருவனவற்றில் எது உண்மை?

• A) செயற்கை நுண்ணறிவு வெளியீடு நிதி, சட்ட மற்றும் மனிதவள விளைவுகளைக் கொண்ட முடிவுகளில் திறமையான நிபுணர் ஒப்புதலை மாற்றாது ✔
• B) செயற்கை நுண்ணறிவு வெளியீடு சரியாக இருந்தால், நிபுணர் ஒப்புதல் தேவையில்லை
• C) உண்மையான வாடிக்கையாளர் தரவு பாதுகாப்பாக இருக்கும் வரை திறந்த கருவிகளுக்கு வழங்கப்படலாம்
• D) 'AI அவ்வாறு கூறியது' என்பது பொறுப்புக்கூறலுக்கான சரியான நியாயமாகும்

வெளிப்படுத்தல்: இணக்கம், நிதி, சட்ட மற்றும் மனித வளம் போன்ற பின்விளைவு பகுதிகளில் திறமையான நிபுணர் ஒப்புதலுக்கு AI வெளியீடு மாற்றாக இல்லை. செயற்கை நுண்ணறிவு என்பது வேகத்தை அதிகரிக்கும் உதவியாளர்; தரவின் இரகசியத்தன்மை, வெளியீட்டின் துல்லியம் மற்றும் முடிவின் நெறிமுறைகள் எப்போதும் மேலாளரின் பொறுப்பாகும். சரிபார்க்கப்படாத வெளியீடு கையொப்பமிடாத முடிவைப் போலவே ஆபத்தானது.