ఎండ్-టు-ఎండ్ వర్క్‌ఫ్లో, గవర్నెన్స్ మరియు రెస్పాన్సిబుల్ యూజ్

లాభాలు:

• అప్లికేషన్ నుండి ఆరు హ్యూమన్ వెరిఫికేషన్ గేట్‌లతో మూసివేయడం వరకు ప్రతి దశలో స్థిరంగా AIని పొందుపరచగల సామర్థ్యం
• ఆమోదించబడిన సాధనాల జాబితా, డేటా విధానం, పాత్రలు, నమోదు, శిక్షణ మరియు కొనసాగుతున్న సమీక్షతో కార్పొరేట్ గవర్నెన్స్ ఫ్రేమ్‌వర్క్‌ను ఏర్పాటు చేయగల సామర్థ్యం
• మానవ బాధ్యత, ధృవీకరణ, గోప్యత/KVKK, సాక్ష్యాధారాలకు కట్టుబడి ఉండటం, పక్షపాత నియంత్రణ మరియు క్లయింట్-కేంద్రీకృతత యొక్క సూత్రాలను వర్క్‌ఫ్లోలో పొందుపరచగల సామర్థ్యం

ఈ మాడ్యూల్ అంతటా, మేము ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌ని ఎలా ఉపయోగించాలి మరియు సోషల్ వర్క్‌లోని వివిధ పనులలో దాన్ని ఎక్కడ ఆపాలి — డాక్యుమెంటేషన్, అసెస్‌మెంట్, రిస్క్ సపోర్ట్, రిఫరల్, ప్లాన్, రిపోర్ట్, కమ్యూనికేషన్, ప్రోగ్రామ్ డిజైన్. ఈ చివరి యూనిట్‌లో, మేము ఈ భాగాలను ఒకచోట చేర్చాము: ఇక్కడ AI అప్లికేషన్ నుండి ఒక కేసును ముగించే వరకు ఎండ్-టు-ఎండ్ కూర్చుని ఉంటుంది, ప్రతి దశలో మానవ ధృవీకరణ తలుపు ఆగిపోతుంది మరియు సంస్థలో ఇది స్థిరంగా ఉండటానికి అవసరమైన పాలనా ఫ్రేమ్‌వర్క్‌ను మేము ఏర్పాటు చేస్తాము. చెల్లాచెదురుగా ఉన్న చిట్కాలను స్థిరమైన మరియు పునరావృతమయ్యే పని క్రమశిక్షణగా మార్చడం లక్ష్యం.

ప్రారంభం నుండి సమీకృత సూత్రం: AI అనేది వర్క్‌ఫ్లో యొక్క ప్రతి దశలోనూ యాక్సిలరేటర్, ఏ దశలోనూ నిర్ణయాధికారం కాదు. ప్రతి దశలో మానవ ద్వారం ఉంటుంది మరియు మీరు ఒక తలుపు గుండా వెళ్ళకుండా తదుపరిదానికి వెళ్లలేరు. ఈ లేయర్డ్ స్ట్రక్చర్ క్లయింట్ జీవితాన్ని ప్రభావితం చేసే నిర్ణయంలోకి ప్రవేశించకుండా ఒకే భ్రాంతి, పక్షపాతం లేదా గోప్యతా లోపం నిరోధిస్తుంది.

ఎండ్-టు-ఎండ్ ప్రవాహం మరియు ఆరు మానవ గేట్లు

ఒక కేసును దాని సాధారణ దశల ద్వారా పరిశీలిద్దాం మరియు ప్రతి దశలో ధృవీకరణ గేట్‌ను ఉంచుదాం:

1. అప్లికేషన్ / మొదటి పరిచయం — డోర్: గోప్యత. మొదటి సమాచారం వచ్చినప్పుడు, ఇంటర్వ్యూ తయారీకి (గైడ్, ప్రశ్న ఫ్రేమ్) AI ఉపయోగించబడుతుంది. తలుపు: అసలు క్లయింట్ డేటా ఓపెన్ టూల్‌లోకి ప్రవేశించదు; తరగతి, మ్యాచ్ వాహనం కోసం అడగండి.

2. అసెస్‌మెంట్ - గేట్: క్లినికల్ జడ్జిమెంట్. AI గమనికలను బయోప్సైకోసోషల్ కొలతలుగా నిర్వహిస్తుంది మరియు లోపాలు మరియు బలాలను గుర్తు చేస్తుంది. తలుపు: రోగ నిర్ధారణ మరియు మూల్యాంకనం నిపుణుడికి చెందినవి; AI మూల్యాంకనం చేయదు.

3. ప్రమాదం — తలుపు: అధికారం మరియు బృందం. AI ప్రమాద/రక్షిత కారకాలను గుర్తు చేస్తుంది మరియు భద్రతా ప్రణాళిక అస్థిపంజరాన్ని సృష్టిస్తుంది. డోర్: రిస్క్ నిర్ణయం నిపుణుడు, బృందం, పర్యవేక్షణ మరియు చట్టపరమైన ప్రక్రియ ద్వారా మాత్రమే చేయబడుతుంది; AI స్కోర్‌లు/నిర్ణయాలను ఉత్పత్తి చేయదు.

4. ప్రణాళిక మరియు మార్గదర్శకత్వం — డోర్: ధ్రువీకరణ మరియు క్లయింట్. AI లక్ష్యాలను స్మార్ట్‌లో ఉంచుతుంది, వనరుల ఆలోచనలు మరియు లేఖ డ్రాఫ్ట్‌లను రూపొందిస్తుంది. తలుపు: క్లయింట్ లక్ష్యాలను నిర్దేశిస్తుంది; సేవ/చిరునామా/షరతు అధికారిక మూలం నుండి ధృవీకరించబడింది.

5. నివేదిక మరియు కమ్యూనికేషన్ - డోర్: సాక్ష్యం మరియు జవాబుదారీతనం. AI నివేదికను రూపొందిస్తుంది, వచనాన్ని సులభతరం చేస్తుంది మరియు అనువదిస్తుంది. తలుపు: ప్రతి కేసు సాక్ష్యం మీద ఆధారపడి ఉంటుంది, అభిప్రాయం నిపుణుడికి చెందినది, క్లిష్టమైన సమాచార నష్టం మరియు పక్షపాతం తనిఖీ చేయబడుతుంది, సంతకం వ్యక్తిలో ఉంటుంది.

6. మూసివేయడం మరియు అప్పగించడం - గేట్: ఖచ్చితత్వం. YZ ఫైల్‌ను కాలక్రమానుసారంగా సంగ్రహిస్తుంది. తలుపు: సారాంశం కేవలం రికార్డుపై ఆధారపడి ఉంటుంది; ఫలితాలు మరియు అభ్యాసాలు నిపుణులచే ధృవీకరించబడతాయి.

చిట్కా: తలుపులను గుర్తుంచుకోవడానికి ఒకే ప్రశ్నను ఉపయోగించండి: "ఈ దశలో, AI నిర్ణయం తీసుకుంటుందా లేదా స్కెచ్‌ను రూపొందిస్తుందా?" సమాధానం "నిర్ణయం" అయితే, ఆపు - ఆ దశ మానవునికి చెందినది. సమాధానం "డ్రాఫ్ట్" అయితే, కొనసాగించండి, కానీ అవుట్‌పుట్‌ను ధృవీకరించకుండా తదుపరి దశకు వెళ్లవద్దు.

కార్పొరేట్ పాలన: వ్యక్తిగత క్రమశిక్షణ సరిపోదు

నిపుణుడి మంచి అలవాట్లు విలువైనవి కానీ పెళుసుగా ఉంటాయి; సంస్థలో AI యొక్క సురక్షితమైన మరియు స్థిరమైన వినియోగానికి ఒక గవర్నెన్స్ ఫ్రేమ్‌వర్క్ అవసరం. ఈ ఫ్రేమ్‌వర్క్ యొక్క ముఖ్య భాగాలు:

• ఆమోదించబడిన వాహన జాబితా. ఏ పనికి ఏ టూల్ ఉపయోగించాలో మరియు ఏ టూల్‌లో ఏ డేటాను నమోదు చేయవచ్చో వ్రాసి స్పష్టంగా ఉంది. "ప్రతి ఒక్కరూ తమకు కావలసిన సాధనాన్ని ఉపయోగించాలి" అనేది భద్రతా దుర్బలత్వం.
• డేటా వర్గీకరణ విధానం. ఓపెన్ టూల్‌లో ఏ డేటా ప్రాసెస్ చేయబడుతుందో మరియు సురక్షిత సిస్టమ్‌లో మాత్రమే ప్రాసెస్ చేయబడుతుందని నిర్వచించబడింది.
• పాత్ర మరియు అధికారం. ఎవరు ఏమి చేయగలరో మరియు ఏ నిర్ణయం ఏ అధికారం (ముఖ్యంగా రిస్క్ నిర్ణయాలు) ఆధారపడి ఉంటుందో స్పష్టంగా ఉంది.
• లాగ్ మరియు ఆడిట్ ట్రయిల్. AI ఎక్కడ మరియు ఎలా ఉపయోగించబడుతుందో పర్యవేక్షించవచ్చు; సమస్య వచ్చినప్పుడు వెనక్కి తిరిగి చూసుకోవచ్చు.
• విద్య మరియు అవగాహన. ప్రతి ఉద్యోగికి ఈ మాడ్యూల్‌లోని సూత్రాలు తెలుసు; కొత్తవాడు శిక్షణ పొందాడు.
• నిరంతర సమీక్ష. సాధనాలు, నష్టాలు మరియు చట్టం మార్పు; ఫ్రేమ్‌వర్క్ క్రమం తప్పకుండా నవీకరించబడుతుంది. ఒకసారి వ్రాసిన మరియు మరచిపోయిన విధానం వాడుకలో లేదు.

మూడు చిన్న కేసులు

కేసు 1 - గొలుసు ప్రారంభంలో తలుపులు బగ్‌ను పట్టుకున్నాయి. ఒక సందర్భంలో, మూల్యాంకన దశలో క్లయింట్ పేర్కొనని పరిశీలనను AI జోడించింది. "క్లినికల్ జడ్జిమెంట్" యొక్క గేట్ వద్ద నిపుణుడు దీనిని పట్టుకుని, దానిని తొలగించాడు. అతను పట్టుబడకపోతే, ఈ కల్పిత పరిశీలన ప్రణాళికలోకి, అక్కడి నుండి నివేదికకు మరియు అక్కడి నుండి కోర్టు నిర్ణయానికి లీక్ అయ్యేది. లేయర్డ్ ప్రమాణీకరణ లోపాన్ని తొలి దశలోనే నిలిపివేసింది.

కేసు 2 - పాలన ఉల్లంఘనను నిరోధించింది. ఆమోదించబడిన సాధనాల జాబితా మరియు డేటా విధానం లేకుండా ఒక సంస్థ పనిచేస్తోంది; ప్రతి ఒక్కరూ తమ సొంత వాహనాన్ని వినియోగించుకున్నారు. చాలా మంది ఉద్యోగులు అసలు క్లయింట్ డేటాను ఓపెన్ టూల్స్‌లో నమోదు చేస్తున్నారని ఆడిట్ వెల్లడించింది. సంస్థ ఒక గవర్నెన్స్ ఫ్రేమ్‌వర్క్‌ను ఏర్పాటు చేసింది: ఆమోదించబడిన సాధనాలు, డేటా వర్గీకరణ, శిక్షణ మరియు నమోదు. తరువాతి కాలంలో, ఉల్లంఘనల సంఖ్య సున్నాకి పడిపోయింది. పాఠం: సంస్థాగత నిర్మాణం లేకుండా వ్యక్తిగత మంచి సంకల్పం సరిపోదు.

కేసు 3 — నిరంతర సమీక్ష తాజాగా ఉంచబడింది. ఒక సంస్థ యొక్క AI విధానం, ఒక సంవత్సరం క్రితం వ్రాయబడింది, కొత్త రకం సాధనం మరియు నవీకరించబడిన చట్టాల నేపథ్యంలో పాతది. వార్షిక సమీక్ష దీనిని సంగ్రహించింది; విధానం నవీకరించబడింది, శిక్షణ పునరుద్ధరించబడింది. ఫ్రేమ్ సజీవ పత్రంగా మిగిలిపోయింది, షెల్ఫ్ ఆభరణం కాదు.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) కేస్ ఫ్లో వెరిఫికేషన్ గేట్ చెక్‌లిస్ట్:

మీ పాత్ర: సూపర్‌వైజర్. కింది కేసు దశ కోసం నేను ధృవీకరణ చెక్‌లిస్ట్‌ను పొందుతాను: ఈ దశలో AI డ్రాఫ్ట్ ఏమి చేయగలదు, ఏ నిర్ణయం తప్పనిసరిగా మానవమైనది, ఏ గోప్యత మరియు పక్షపాత తనిఖీలు చేయాలి, తదుపరి దశకు వెళ్లే ముందు నేను ఏమి ధృవీకరించాలి? దశ: [అప్లికేషన్ / అసెస్‌మెంట్ / రిస్క్ / ప్లాన్ / రిపోర్ట్ / క్లోజర్]

2) ధృవీకరించబడిన వాహనం సరిపోలిక:

దిగువన ఉన్న ప్రతి టాస్క్ జాబితా కోసం, ఉపయోగించగల AI సాధనం రకాన్ని పేర్కొనండి (ఓపెన్ టూల్ / సురక్షిత ఎంటర్‌ప్రైజ్ సిస్టమ్ మాత్రమే / AI అందుబాటులో లేదు) మరియు సమర్థన. క్లయింట్ డేటాను కలిగి ఉన్న ప్రతి పనిని "సురక్షిత సిస్టమ్ మాత్రమే"గా గుర్తించండి. టాస్క్‌లు: [లిస్ట్ టాస్క్‌లు]

3) కార్పొరేట్ AI పాలసీ డ్రాఫ్ట్:

మీ పాత్ర: కార్పొరేట్ పాలసీ ఎడిటర్. సామాజిక సేవా ఏజెన్సీ కోసం బాధ్యతాయుతమైన AI వినియోగ విధానాన్ని రూపొందించండి; కింది అంశాలను కవర్ చేయండి: ప్రయోజనం, ఆమోదించబడిన సాధనాలు, డేటా వర్గీకరణ, పాత్రలు మరియు అధికారాలు, గోప్యత/KVKK, ప్రమాద నిర్ణయ పరిమితి, రికార్డింగ్ మరియు ఆడిటింగ్, శిక్షణ, సమీక్ష షెడ్యూల్. సాధారణ ఫ్రేమ్‌వర్క్‌ను సెటప్ చేయండి; సంస్థ దాని స్వంత వివరాలను పూరిస్తుంది.

4) స్వీయ నియంత్రణ (వ్యక్తిగత వినియోగ సమీక్ష):

సామాజిక కార్యకర్తగా AI యొక్క నా ఉపయోగాన్ని సమీక్షించడానికి నా కోసం 10 ప్రశ్నల స్వీయ-తనిఖీ జాబితాను సృష్టించండి: గోప్యత, ధృవీకరణ, పక్షపాతం, సాక్ష్యం విశ్వసనీయత, నిర్ణయ పరిమితులు మరియు క్లయింట్-కేంద్రీకృతం. ప్రతి ప్రశ్నకు "అవును/కాదు" అని సమాధానం ఇవ్వనివ్వండి.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

నేను ఈ కేసు మొత్తాన్ని మీకు ఇస్తున్నాను; మీరు అప్లికేషన్ నుండి నివేదిక వరకు ప్రతిదీ నిర్వహిస్తారు, నేను చివరలో సంతకం చేస్తాను.

ఇది గోప్యత, క్లినికల్ జడ్జిమెంట్, రిస్క్ జడ్జిమెంట్, సాక్ష్యాధారాలకు కట్టుబడి ఉండటం-సాఫ్ట్‌వేర్‌తో సహా మొత్తం ప్రక్రియను అవుట్‌సోర్సింగ్ చేస్తోంది. చివరలో ఉన్న ఒకే సంతకం మనకు మధ్య ఉన్న అన్ని లోపాలు, కల్పనలు మరియు పక్షపాతాలను చూపిస్తుంది.

శక్తివంతమైన ప్రాంప్ట్:

మీ పాత్ర: నాకు అడుగడుగునా సహాయం చేసే ఎడిటర్. నేను కేసును దశలవారీగా కొనసాగిస్తాను (అసెస్‌మెంట్, ప్లాన్, రిపోర్ట్...). ప్రతి దశలో: అనామక/సురక్షిత డేటాతో మాత్రమే పని చేయండి, డ్రాఫ్ట్‌ను రూపొందించండి, నేను నిర్ణయించుకోనివ్వండి, నోట్‌లో లేని వాటిని జోడించవద్దు మరియు తదుపరి దశకు వెళ్లే ముందు నేను ఏమి ధృవీకరించాలో నాకు గుర్తు చేయండి. ఈ దశతో ప్రారంభిద్దాం: [స్టెప్]

తేడా: అడుగడుగునా డోర్‌ను కాపాడుకోవడం మరియు AIని దశల వారీ సహాయకుడిగా ఉంచడం వలన వేగాన్ని కొనసాగించేటప్పుడు భద్రత మరియు బాధ్యత మానవునిగా ఉంటుంది.

స్టేజ్-గేట్-బాధ్యత సారాంశం

వేదిక

AI యొక్క సహకారం

మానవ ద్వారం

క్లిష్టమైన నియంత్రణ

అప్లికేషన్

ఇంటర్వ్యూ తయారీ

గోప్యత

డేటా తరగతి

మూల్యాంకనం

పరిమాణ సవరణ

క్లినికల్ తీర్పు

నిర్ధారణ లేదు, కల్పన లేదు

ప్రమాదం

ఫాక్టర్ రిమైండర్

అధికారం + బృందం

స్కోర్/నిర్ణయం లేదు

ప్రణాళిక / మార్గదర్శకత్వం

డ్రాఫ్ట్ + ఆలోచన

ధ్రువీకరణ + క్లయింట్

మూల నిర్ధారణ, క్లయింట్ ప్రాధాన్యత

నివేదించండి/సంప్రదించండి

నిర్మాణం + సరళీకరణ

సాక్ష్యం + బాధ్యత

నిపుణులలో అభిప్రాయం, పక్షపాత నియంత్రణ

మూసివేయడం

కాలక్రమ సారాంశం

ఖచ్చితత్వం

రికార్డు ఆధారిత

సాధారణ తప్పులు

• మొత్తం ప్రక్రియను AIకి అప్పగించడం మరియు చివరలో ఒకే సంతకంపై సంతకం చేయడం. మధ్య లోపాలు కనిపించవు; అడుగడుగునా తలుపులుండాలి.
• ధృవీకరించకుండానే తలుపు గుండా వెళుతోంది. ఒక దశ యొక్క కల్పన తరువాతి ద్వారా వారసత్వంగా పొందబడుతుంది; ప్రతి అవుట్‌పుట్ ధృవీకరించబడుతుంది.
• వ్యక్తిగత క్రమశిక్షణకు పాలనను వదిలివేయడం. సంస్థాగత ఫ్రేమ్‌వర్క్ లేకుండా, మంచి అలవాట్లు పెళుసుగా ఉంటాయి.
• ఒకసారి పాలసీ రాసి మర్చిపోండి. సాధనాలు మరియు చట్టం మార్పు; నిరంతర సమీక్ష అవసరం.
• రికార్డులు ఉంచడం లేదు. ఆడిట్ ట్రయిల్ లేకుండా, ఒక సమస్యను తిరిగి చూడలేము మరియు జవాబుదారీగా ఉండలేము.

సారాంశంలో

సామాజిక పనిలో, AI అనేది ప్రతి అడుగులోనూ ఉత్ప్రేరకం, అప్లికేషన్ నుండి కేసు మూసివేయడం వరకు ఎటువంటి దశలోనూ నిర్ణయం తీసుకోదు. ఆరు మానవ గేట్లను (గోప్యత, వైద్యపరమైన తీర్పు, అధికారం/బృందం, ధ్రువీకరణ/క్లయింట్, సాక్ష్యం/జవాబుదారీతనం, సమగ్రత) ఎండ్-టు-ఎండ్ ఫ్లోలో ఉంచండి; ఒక ద్వారం నుండి మరొక ద్వారం గుండా వెళ్ళకుండా వెళ్ళవద్దు. దీన్ని స్థిరంగా చేయడానికి కార్పొరేట్ పాలన అవసరం: ఆమోదించబడిన సాధనాల జాబితా, డేటా విధానం, పాత్రలు, నమోదు, శిక్షణ మరియు కొనసాగుతున్న సమీక్ష. మాడ్యూల్ యొక్క ఆరు డ్రైవింగ్ సూత్రాలు-మానవ బాధ్యత, ధృవీకరణ, గోప్యత/PDPA, సాక్ష్యం పట్ల నిబద్ధత, పక్షపాత నియంత్రణ మరియు క్లయింట్-కేంద్రీకృతత-ప్రతి వర్క్‌ఫ్లోలో అల్లుకోవాలి.

అప్లికేషన్ టాస్క్

అప్లికేషన్ నుండి ముగింపు వరకు కల్పిత కేసును మానసికంగా చార్ట్ చేయండి; "కేస్ ఫ్లో వెరిఫికేషన్ గేట్" టెంప్లేట్‌తో ప్రతి దశకు చెక్‌లిస్ట్‌ను రూపొందించండి. "ధృవీకరించబడిన వెహికల్ మ్యాచింగ్" టెంప్లేట్‌తో ఈ సందర్భంలో టాస్క్‌లను ఓపెన్ వెహికల్ / సురక్షిత సిస్టమ్ / ఏ AI అని వర్గీకరించండి. చివరగా, "సెల్ఫ్-ఆడిట్" టెంప్లేట్‌తో AI యొక్క మీ స్వంత ఉపయోగం కోసం 10 ప్రశ్నల జాబితాను రూపొందించడం ద్వారా మిమ్మల్ని మీరు అంచనా వేయండి.

చెక్లిస్ట్

• [ ] నేను ఎండ్-టు-ఎండ్ ఫ్లోలో ఆరు మానవ గేట్లను గుర్తించాను.
• [ ] అడుగడుగునా, "నిర్ణయం లేదా ముసాయిదా?" నేను ప్రశ్నను అన్వయించాను.
• [ ] నేను టాస్క్‌లను సరైన వాహన రకానికి సరిపోల్చాను (ఓపెన్/సేఫ్/ఏదీ లేదు).
• [ ] నాకు కార్పొరేట్ గవర్నెన్స్ భాగాలు (సాధనం, డేటా, పాత్ర, నమోదు, శిక్షణ, సమీక్ష) తెలుసు.
• [ ] నేను మాడ్యూల్ యొక్క ఆరు క్యారియర్ సూత్రాలను నా స్వంత వర్క్‌ఫ్లోలో అమలు చేసాను.

మాడ్యూల్ పరీక్ష

1. సామాజిక పనిలో కృత్రిమ మేధస్సు కోసం కింది వాటిలో అత్యంత ఖచ్చితమైన స్థానం ఏది?

• ఎ) కృత్రిమ మేధస్సు మానవ ఆమోదం లేకుండా క్లయింట్ యొక్క ప్రమాద స్థాయి మరియు జోక్య నిర్ణయాన్ని నిర్ణయించగలదు
• B) AI అనేది సంగ్రహించడం, నిర్వహించడం, సరళీకరించడం మరియు డ్రాఫ్టింగ్ కోసం ఒక సాధనం; వైద్యపరమైన తీర్పు, ప్రమాదం మరియు తుది నిర్ణయం కోసం బాధ్యత నిపుణుడిపై ఉంటుంది ✔
• సి) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ కేవలం వచనాన్ని అనువదించడానికి మాత్రమే ఉపయోగపడుతుంది మరియు ఇతర సామాజిక పని పనులతో ఎటువంటి సంబంధం లేదు
• D) కృత్రిమ మేధస్సు ఎల్లప్పుడూ మానవుల కంటే నిష్పాక్షికంగా ఉంటుంది కాబట్టి, మూల్యాంకనం దానికే వదిలివేయాలి.

వివరణ: కృత్రిమ మేధస్సు; ఇది గమనికలను నిర్వహించడం, ఫైల్‌ను సంగ్రహించడం, వచనాన్ని సులభతరం చేయడం మరియు చిత్తుప్రతులను రూపొందించడం వంటి సహాయకుడు. క్లినికల్ జడ్జిమెంట్, రిస్క్ అసెస్‌మెంట్, ప్రొఫెషనల్ ఒపీనియన్ మరియు అంతిమ నిర్ణయానికి సంబంధించిన బాధ్యత సమర్థ నిపుణులపై ఉంటుంది; ధృవీకరించని అవుట్‌పుట్ క్లయింట్ యొక్క తప్పుగా అంచనా వేయడానికి, రిస్క్ ఎగవేతకు లేదా సున్నితమైన డేటా లీకేజీకి దారితీయవచ్చు.

2. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ద్వారా ఇంటర్వ్యూ యొక్క రా నోట్స్ కేసు రికార్డ్‌గా మార్చబడినప్పుడు చాలా సరైన సూచన ఏమిటి?

• ఎ) తప్పిపోయిన భాగాలను సహేతుకమైన పద్ధతిలో పూరించమని కృత్రిమ మేధస్సును అభ్యర్థించడం, తద్వారా అది ప్రొఫెషనల్‌గా కనిపిస్తుంది.
• బి) రికార్డును మెరుగుపరచడానికి అదనపు పరిశీలనలను జోడించడానికి AIని అనుమతిస్తుంది
• సి) నోట్‌లో వాస్తవంగా చేర్చబడిన సమాచారాన్ని మాత్రమే ఉపయోగించమని విద్యార్థిని అడగడం, తప్పిపోయిన అంశాలను 'స్పష్టత అవసరం' అని గుర్తించండి మరియు ఏదైనా జోడించవద్దు ✔
• డి) అవుట్‌పుట్ స్పష్టంగా ఉన్నంత వరకు నోట్‌తో పోల్చకుండా నేరుగా ఫైల్‌లో ఉంచడం

వివరణ: AI యొక్క అత్యంత ప్రమాదకరమైన ధోరణి ఏమిటంటే, రికార్డు 'పూర్తి'గా అనిపించేలా నోట్‌లో లేని పరిశీలనలు, సంఖ్యలు లేదా కోట్‌లను రూపొందించడం. 'నోట్‌లో ఉన్నవాటిని వాడండి, తప్పిపోయిన వాటిని గుర్తించండి, ఏమీ జోడించవద్దు' అని చెప్పడం సరైన విధానం. ఖాళీలు పూరించబడవు, అవి స్పష్టత కోసం గుర్తించబడ్డాయి.

3. కేసు రికార్డులో 'వాస్తవం' మరియు 'వ్యాఖ్యానం' మధ్య వ్యత్యాసం ఎందుకు ముఖ్యమైనది?

• A) వాస్తవం అనేది ఒక నిర్దిష్ట పరిశీలన/ప్రకటన, అయితే ఒక వివరణ అనేది ఆధారం అవసరమయ్యే వృత్తిపరమైన అనుమితి; రెండింటినీ వేరు చేసి, వ్యాఖ్యను ట్యాగ్ చేయాలి ✔
• B) The distinction is unnecessary; వాస్తవం మరియు వ్యాఖ్యను రికార్డులో అదే విధంగా వ్రాయవచ్చు
• సి) వివరణ మాత్రమే ముఖ్యం; వాస్తవాలు నమోదు చేయకపోయినా అది సాధ్యమే
• D) కృత్రిమ మేధస్సు ఈ వ్యత్యాసాన్ని సంపూర్ణంగా చేస్తుంది కాబట్టి, మానవ నియంత్రణ అవసరం లేదు.

వివరణ: 'అతను ఇంటర్వ్యూలో మూడుసార్లు ఏడ్చాడు' అనేది వాస్తవం; 'అతను డిప్రెషన్‌లో ఉన్నాడు' అనేది వైద్యపరమైన ఆధారం లేకుండా రాయలేని వ్యాఖ్య. రికార్డు వాస్తవాన్ని ముందు చూపుతుంది మరియు స్పష్టమైన లేబులింగ్ మరియు సమర్థనతో మాత్రమే వివరణను కలిగి ఉంటుంది. AI ఈ రెండింటినీ సరళంగా కలపగలదు; వ్యత్యాసాన్ని గుర్తించడం మరియు కళంకం కలిగించే భాషని నివారించడం ఒక వ్యక్తి యొక్క విధి.

4. పిల్లవాడు ఇంట్లో సురక్షితంగా ఉన్నారా లేదా కేసు యొక్క ప్రమాద స్థాయిని నిర్ణయించడంలో AI ఏ పాత్ర పోషించాలి?

• ఎ) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ కేసును చదవగలదు, ప్రమాద స్థాయిని గుర్తించగలదు మరియు భద్రతా నిర్ణయం తీసుకోగలదు
• బి) కృత్రిమ మేధస్సు ద్వారా ఇవ్వబడిన 'తక్కువ ప్రమాదం' లేబుల్ నిపుణుల పరిశీలనను వ్యతిరేకిస్తుంది
• సి) కృత్రిమ మేధస్సు కారకాలను మాత్రమే గుర్తు చేస్తుంది మరియు గమనికలను నిర్వహిస్తుంది; ప్రమాద స్థాయి మరియు భద్రతా నిర్ణయం నిపుణుడు, బృందం, పర్యవేక్షణ మరియు చట్టపరమైన ప్రక్రియ ✔కి చెందినది
• డి) కృత్రిమ మేధస్సు నిష్పక్షపాతంగా ఉన్నందున ప్రమాద నిర్ణయాధికారంలో మానవుల కంటే నమ్మదగినది.

వివరణ: ప్రమాద స్థాయి మరియు భద్రతా నిర్ణయం; దీనికి వృత్తిపరమైన అధికారం, క్లినికల్ తీర్పు, మల్టీడిసిప్లినరీ టీమ్ అభిప్రాయం, పర్యవేక్షణ మరియు చట్టపరమైన బాధ్యత అవసరం. ఇక్కడ, AI రిస్క్/రక్షణ కారకాలను మాత్రమే రీకాల్ చేయగలదు మరియు గమనికలను సవరించగలదు; స్కోర్‌లు లేదా నిర్ణయాలను రూపొందించలేరు. శిక్షణ డేటాలో పక్షపాతం కారణంగా ఇది వెనుకబడిన సమూహాలకు క్రమబద్ధమైన అధిక ప్రమాదాన్ని కూడా ఆపాదించవచ్చు, కాబట్టి దాని అవుట్‌పుట్ నిర్ణయంగా ఉపయోగించబడదు.

5. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ 'ఈ కేంద్రం, ఆ ఫోన్' అని చెప్పి క్లయింట్ కోసం రిఫరల్ సమాచారాన్ని అందించినప్పుడు ఏమి చేయాలి?

• ఎ) క్లయింట్‌కు ఇవ్వడానికి ముందు సంస్థ యొక్క అధికారిక మరియు ప్రస్తుత మూలం నుండి చిరునామా మరియు ఫోన్ నంబర్‌ను నిర్ధారించడం ✔
• బి) క్లయింట్‌కు నేరుగా సమాచారం అందించడం వలన అది నమ్మకంగా అందించబడుతుంది
• సి) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ప్రస్తుత తేదీని ఇచ్చేంత వరకు సమాచారం ఖచ్చితంగా సరైనదని భావించడం
• డి) సమాచారం ఎక్కడో ప్రస్తావించబడినందున దాని ఖచ్చితత్వాన్ని పరిశోధించాల్సిన అవసరం లేదని ఆలోచిస్తూ.

వివరణ: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సేవలు, అప్లికేషన్ అవసరాలు, చిరునామాలు మరియు టెలిఫోన్ నంబర్‌లను రూపొందించవచ్చు లేదా కాలం చెల్లిన సమాచారాన్ని అందించవచ్చు; సంస్థలు విలీనం, తరలింపు, మూసివేయడం. క్లయింట్‌ను ధృవీకరించని చిరునామాకు పంపడం వలన వృధా ప్రయాణం మరియు విశ్వాసం కోల్పోవడం జరుగుతుంది. కాబట్టి, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అందించిన సంప్రదింపు సమాచారం క్లయింట్‌కు ప్రసారం చేయడానికి ముందు సంస్థ యొక్క స్వంత అధికారిక ఛానెల్ ద్వారా నిర్ధారించబడాలి.

6. ప్రతిస్పందన ప్రణాళికలో ఎవరు లక్ష్యాలను నిర్దేశించాలి మరియు AI పాత్ర ఏమిటి?

• ఎ) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ రెండూ లక్ష్యాలను నిర్ణయించాలి మరియు క్లయింట్‌ను అడగకుండానే మొత్తం ప్లాన్‌ను వ్రాయాలి.
• B) క్లయింట్ (నిపుణుడితో కలిసి) లక్ష్యాలను నిర్ణయిస్తారు; AI వాటిని SMART ఆకృతిలో ఉంచుతుంది మరియు వాటిని నిర్మిస్తుంది, కొత్త లక్ష్యాలను జోడించదు ✔
• సి) లక్ష్యాలు ముఖ్యమైనవి కావు; ప్రణాళికలో ఎన్ని లక్ష్యాలు ఉంటే అంత మంచిది.
• డి) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ క్లయింట్ యొక్క ప్రాధాన్యతలను విస్మరించవచ్చు ఎందుకంటే ఇది ప్రొఫెషనల్‌గా కనిపిస్తుంది

Description: The core value of social work is 'self-determination': the client sets goals and priorities, shaping them with expert professional knowledge. కృత్రిమ మేధస్సు ఈ లక్ష్యాలను SMART ఆకృతిలో ఉంచుతుంది మరియు దశలు మరియు సూచికలను సూచిస్తుంది; కానీ క్లయింట్ చెప్పని కొత్త లక్ష్యాలను అతను జోడించలేడు. క్లయింట్‌కు విదేశీ, బాహ్యంగా విధించిన ప్లాన్ వర్తించదు.

7. కోర్టుకు సమర్పించాల్సిన సామాజిక పరిశోధన నివేదికలో, కృత్రిమ మేధస్సు అత్యంత ప్రమాదకరమైనది?

• ఎ) నివేదికను 'పూర్తి'గా కనిపించేలా చేయడానికి ఉనికిలో లేని తేదీలు, పరిశీలనలు లేదా కోట్‌లను కనిపెట్టగల సామర్థ్యం ✔
• బి) టెక్స్ట్ యొక్క భాషను చాలా అధికారికంగా చేయడం
• సి) నివేదికను కోరిన దానికంటే తక్కువగా రాయడం
• D) Alphabetical order of titles

వివరణ: AI యొక్క అత్యంత ప్రమాదకరమైన ధోరణి ఏమిటంటే, నివేదికను 'పూర్తి'గా అనిపించేలా చేయడానికి ఉనికిలో లేని తేదీ, పరిశీలన లేదా కోట్‌ని జోడించడం. కోర్టు నివేదికలోని కల్పిత వాక్యం నిర్ణయాన్ని తప్పుదారి పట్టించగలదు మరియు నిపుణుడి విశ్వసనీయతను నాశనం చేస్తుంది. అందువల్ల, ప్రతి కేసును నిజమైన ఇంటర్వ్యూ/పరిశీలన/పత్రంతో అనుసంధానించాలి మరియు నిపుణులచే వృత్తిపరమైన అభిప్రాయాన్ని రూపొందించాలి.

8. సామాజిక పరిశోధన నివేదిక యొక్క వృత్తిపరమైన అభిప్రాయం మరియు అభిప్రాయం (సూచన) విభాగాన్ని ఎవరు వ్రాయాలి?

• ఎ) కృత్రిమ మేధస్సు; ఎందుకంటే ఇది మరింత నిష్పాక్షికమైన సిఫార్సును ఉత్పత్తి చేస్తుంది
• బి) నివేదికను వ్రాసేటప్పుడు అభిప్రాయ విభాగం ఎప్పుడూ పూరించబడదు.
• సి) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అభిప్రాయాన్ని వ్రాస్తుంది, నిపుణుడు చివరిలో మాత్రమే సంతకం చేస్తాడు
• డి) నిపుణుడు; వృత్తిపరమైన అభిప్రాయం మరియు అభిప్రాయం అతని/ఆమె అధికారం మరియు బాధ్యత, కృత్రిమ మేధస్సు భాషను మాత్రమే స్పష్టం చేస్తుంది ✔

ప్రకటన: వృత్తిపరమైన అభిప్రాయం మరియు అభిప్రాయం — 'ఇది ఈ బిడ్డ యొక్క ఉత్తమ ఆసక్తి', 'ఈ ఏర్పాటు సముచితం' — నిపుణుడి యొక్క చట్టపరమైన అధికారం మరియు బాధ్యత. 'కృత్రిమ మేధస్సుకు నేను ఏమి సిఫార్సు చేస్తున్నాను?' ఇది అడగబడదు; అతను ఉత్పత్తి చేసే 'సూచన' కల్పితం మరియు బాధ్యత యొక్క బదిలీ రెండూ కావచ్చు. ఉత్తమంగా, కృత్రిమ మేధస్సు నిపుణుడు వ్రాసిన అభిప్రాయం యొక్క భాషను స్పష్టం చేస్తుంది.

9. కృత్రిమ మేధస్సుతో క్లయింట్ కోసం భారీ అధికారిక సహాయ లేఖను సరళీకృతం చేసేటప్పుడు అత్యంత క్లిష్టమైన నియంత్రణ ఏమిటి?

• ఎ) వచనాన్ని వీలైనంత తక్కువగా ఉంచండి, వివరాలను చూడవద్దు
• బి) ఫలితం సరళంగా మరియు సౌందర్యంగా కనిపిస్తుంది
• సి) అసలు ✔తో పోల్చడం ద్వారా ఎటువంటి హక్కులు, షరతులు, మొత్తాలు, తేదీలు లేదా నోటీసులు విస్మరించబడలేదని ధృవీకరించడం
• డి) సరళీకరణ క్లయింట్‌కు తక్కువ సమాచారాన్ని అందించడం ద్వారా సౌకర్యాన్ని అందిస్తుంది.

వివరణ: సరళీకరించడం అంటే వక్రీకరించడం కాదు; 'కుదించు' లేదా 'సులభతరం' చేయడం ద్వారా AI ఒక హక్కు, పరిస్థితి, మొత్తం, తేదీ లేదా నోటీసును మింగగలదు. క్లయింట్ 'సులభమైన' కానీ అసంపూర్ణ సమాచారంతో తన హక్కును కోల్పోవచ్చు. అందువల్ల, సరళీకృత వచనాన్ని అసలైన దానితో పోల్చాలి మరియు క్లిష్టమైన సమాచారం ఏదీ కోల్పోలేదని ధృవీకరించాలి మరియు కృత్రిమ మేధస్సు అది రక్షించే క్లిష్టమైన అంశాలను కూడా జాబితా చేయాలి.

10. నిధుల దరఖాస్తును రూపొందించేటప్పుడు కృత్రిమ మేధస్సు ద్వారా రూపొందించబడిన గణాంకాలకు చికిత్స చేయడం ఎలా సరైనది?

• ఎ) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఇచ్చిన గణాంకాలను నేరుగా ఉపయోగించి ఆకట్టుకునేలా చేయడం
• బి) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మేక్ అప్ గణాంకాలను తయారు చేయకపోవడం, అవసరమైన చోట [డేటా అవసరం] ముద్రించడం మరియు ప్రతి సంఖ్యను నిజమైన మూలం నుండి ఉంచడం ✔
• సి) అప్లికేషన్‌లో నంబర్‌ను చేర్చినంత కాలం మూలం ముఖ్యం కాదని పరిగణనలోకి తీసుకోవడం.
• D) AI నమ్మకంగా వ్రాసినందున గణాంకాలను ధృవీకరించాల్సిన అవసరం లేదని భావించడం

వివరణ: కృత్రిమ మేధస్సు అద్భుతమైన కానీ మూలాధారం లేని గణాంకాలను తయారు చేయవచ్చు; మూలం లేని వ్యక్తి దాదాపు ఎల్లప్పుడూ నమ్మదగనిది. అప్లికేషన్‌లోని కల్పిత గణాంకాలు దరఖాస్తును తిరస్కరిస్తాయి మరియు సంస్థ యొక్క విశ్వసనీయతను నాశనం చేస్తాయి. సరైన విధానం ఏమిటంటే, AI సంఖ్యలను రూపొందించకుండా ('వ్రాయండి [డేటా అవసరం]') మరియు ప్రతి సంఖ్యను నిజమైన, ధృవీకరించబడిన మూలం నుండి ఉంచడం.

11. కృత్రిమ మేధస్సును 'ఈ కుటుంబం పిల్లలను పెంచడంలో ఎందుకు సరిపోదని వివరించండి' అని అడగడం ఎందుకు హానికరం?

• ఎ) ఎందుకంటే ప్రశ్న చాలా పొడవుగా ఉంది
• బి) కృత్రిమ మేధస్సు కుటుంబ విషయాలపై ఎలాంటి సమాచారాన్ని అందించదు కాబట్టి
• సి) ఇది ప్రారంభం నుండి ఫలితాన్ని ఊహిస్తుంది కాబట్టి, కృత్రిమ మేధస్సు (పొత్తుగా) నిరాధారమైన మరియు పక్షపాత నిర్ధారణను ఉత్పత్తి చేస్తుంది; ప్రశ్న తటస్థంగా మరియు సమతుల్యంగా ఉండాలి ✔
• డి) ఎందుకంటే కృత్రిమ మేధస్సు ఎల్లప్పుడూ కుటుంబానికి అనుకూలంగా రాస్తుంది

వివరణ: ఈ ప్రశ్న ఫలితాన్ని ఊహిస్తుంది ('సరిపోదు'). AI సాక్ష్యం లేని మరియు పక్షపాతంతో కూడిన వచనాన్ని ఉత్పత్తి చేస్తుంది, ఇది ఈ ఊహను పొగిడే ధోరణితో నిర్ధారిస్తుంది (మీ ప్రేరేపణను నిర్ధారించండి). పక్షపాత ప్రశ్న పక్షపాత సమాధానాన్ని సృష్టిస్తుంది. నిజానికి, ఇది తటస్థ ప్రశ్న, ఇది ఫలితాన్ని ఊహించదు, బలాలు మరియు ఆందోళనలు రెండింటినీ సమతుల్యం చేస్తుంది మరియు సాక్ష్యం కోసం మాత్రమే అడుగుతుంది.

12. AI అవుట్‌పుట్‌లో పక్షపాతాన్ని తనిఖీ చేయడానికి 'యాంగిల్ టెస్టింగ్ కింద' ఎలా దరఖాస్తు చేయాలి?

• ఎ) వేరే సమూహం కోసం అదే పరిస్థితి గురించి ఆలోచించడం మరియు 'ఇది అదే భాషలో వ్రాయబడుతుందా?' ✔ అడగడం ద్వారా ద్వంద్వ ప్రమాణాలను పరీక్షించడం
• బి) కృత్రిమ మేధస్సు యొక్క మొదటి సమాధానాన్ని తటస్థంగా అంగీకరించడం మరియు మరొక కోణం కోసం చూడకపోవడం
• సి) క్లయింట్ యొక్క సమూహానికి మద్దతు ఇచ్చే ప్రశ్నలను మాత్రమే అడగడం
• డి) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌లో పక్షపాతం అస్సలు లేనందున అదనపు నియంత్రణ అవసరం లేదని భావించడం

వివరణ: AI వేర్వేరు సమూహాల కోసం ఒకే ప్రవర్తనను విభిన్న స్వరంలో వ్రాయగలదు (ఉదా. తక్కువ-ఆదాయ కుటుంబానికి 'నిర్లక్ష్యం', అధిక-ఆదాయం కోసం 'బలవంతపు తల్లిదండ్రులు'). విలోమ పరీక్ష 'క్లయింట్ వేరే సామాజిక ఆర్థిక/జాతి వర్గానికి చెందిన వారైతే, ఇది అదే భాషలో వ్రాయబడుతుందా?' is to ask; ఇది సాక్ష్యం కాకుండా మూస పద్ధతుల ఆధారంగా ద్వంద్వ ప్రమాణాలు కనిపించేలా చేస్తుంది.

13. క్లయింట్ యొక్క వాస్తవ ఫైల్‌ను (పేరు, చిరునామా, ఆరోగ్య సమాచారంతో సహా) సంగ్రహించడానికి సరైన విధానం ఏది?

• ఎ) వేగం కోసం, దానిని సమీపంలోని పబ్లిక్ AI సాధనంలో అతికించండి మరియు దానిని సంగ్రహించండి
• బి) ఫైల్ చిన్నదిగా ఉన్నందున గోప్యతపై దృష్టి పెట్టకుండా ప్రాసెస్ చేయడం
• సి) ఆరోగ్య సమాచారంతో సహా అన్నింటినీ నమోదు చేయండి మరియు ఫలితాన్ని మాత్రమే సేవ్ చేయండి
• డి) సంస్థ ఆమోదించిన సురక్షిత సిస్టమ్‌లో లేదా కనీస డేటాతో గుర్తించబడని టెక్స్ట్‌తో మాత్రమే ప్రాసెస్ చేయండి ✔

బహిర్గతం: క్లయింట్‌ను గుర్తించే వ్యక్తిగత డేటా - ముఖ్యంగా ఆరోగ్యం వంటి సున్నితమైన డేటా - సంస్థ ఆమోదించని పబ్లిక్ టూల్‌లో ఎప్పుడూ నమోదు చేయబడదు; టెక్స్ట్ ప్రాసెస్ చేయబడవచ్చు, బాహ్య సర్వర్‌లలో నిల్వ చేయబడవచ్చు లేదా మోడల్ శిక్షణలో ఉపయోగించబడుతుంది మరియు వెలికితీత తిరిగి మార్చబడదు. ఇది కూడా KVKK ఉల్లంఘనే. ఈ రకమైన పని డేటాను లీక్ చేయని లేదా డి-ఐడెంటిఫైడ్ టెక్స్ట్‌తో అంతర్గత, సురక్షితమైన, ఆమోదించబడిన సిస్టమ్‌లలో మాత్రమే చేయబడుతుంది.

14. పత్రం నుండి పేర్లను తొలగించడం ఎల్లప్పుడూ పబ్లిక్ టూల్‌కు ఎందుకు సరిపోదు?

• ఎ) పేర్లను తొలగించడం అనేది ఎల్లప్పుడూ పూర్తి అనామకీకరణ మరియు ప్రతి పత్రాన్ని సురక్షితంగా చేస్తుంది
• బి) పత్రం చిన్నదిగా ఉన్నంత వరకు, సందర్భం నుండి గుర్తింపును ఊహించడం అసాధ్యం
• సి) పేరు పూర్తిగా తొలగించబడిన పత్రం KVKK పరిధికి వెలుపలకు వస్తుంది.
• D) సందర్భం (పొరుగు ప్రాంతం, వయస్సు, సంఘటన, కుటుంబ నిర్మాణం) గుర్తింపును మళ్లీ నిర్ధారించవచ్చు; సాధనం మరియు పర్యావరణం ఎంపిక ద్వారా రక్షణ అందించబడుతుంది ✔

వివరణ: పేర్లు తొలగించబడినప్పటికీ, సందర్భం (పొరుగు ప్రాంతం, వయస్సు, సంఘటన, తేదీ, కుటుంబ నిర్మాణం మొదలైన వాటి యొక్క అరుదైన కలయిక) ఒక వ్యక్తిని గుర్తించగలిగేలా చేయవచ్చు; పరిసర ప్రాంతంలో వివరణకు సరిపోయే ఏకైక వ్యక్తి అతను కావచ్చు. నిజమైన రక్షణ మాస్కింగ్ ద్వారా అందించబడదు, కానీ సరైన సాధనం మరియు పర్యావరణాన్ని ఎంచుకోవడం ద్వారా; సందర్భం కూడా వ్యక్తిగత డేటా మరియు అనిశ్చిత సమాచారం ఉన్నత తరగతిగా రక్షించబడాలి.

15. అప్లికేషన్ నుండి కేసును ముగించడం వరకు, తుది నిర్ణయంలోకి ప్రవేశించకుండా ఒకే AI లోపాన్ని నిరోధించడానికి అత్యంత ప్రభావవంతమైన మార్గం ఏమిటి?

• ఎ) మొత్తం ప్రక్రియను ఒకే AI సాధనానికి అప్పగించడం మరియు చివరలో ఒక్కసారి మాత్రమే సంతకం చేయడం
• బి) ప్రతి దశలో హ్యూమన్ వెరిఫికేషన్ గేట్ మరియు పాస్ కండిషన్ ఉంచడం (లేయర్డ్ వెరిఫికేషన్) ✔
• సి) వేగం కోసం ఇంటర్మీడియట్ ధ్రువీకరణలను తీసివేయడం మరియు అవుట్‌పుట్ దశలో మాత్రమే తనిఖీ చేయడం
• D) ప్రతి నిపుణుడు తన స్వంత సాధనాన్ని రికార్డులను ఉంచకుండా ఉచితంగా ఉపయోగించుకోవడానికి అనుమతించడం

వివరణ: ప్రతి దశలో మానవ ధృవీకరణ గేట్ ఉంచబడుతుంది (అప్లికేషన్/గోప్యత, అంచనా/క్లినికల్ జడ్జిమెంట్, రిస్క్/ఆథరైజేషన్, ప్లాన్/ధృవీకరణ, నివేదిక/సాక్ష్యం, మూసివేత/ఖచ్చితత్వం); మీరు ఒక తలుపు గుండా మరొక ద్వారం గుండా వెళ్ళలేరు. ఈ లేయర్డ్ నిర్మాణం క్లయింట్‌ను ప్రభావితం చేసే నిర్ణయంలోకి ప్రవేశించకుండా ఒక దశలో భ్రాంతి, పక్షపాతం లేదా గోప్యత లోపాన్ని నిరోధిస్తుంది.