Mga nadagdag:
- Alam ang mga bahagi ng isang magandang pampublikong ulat at gumagawa ng pare-parehong balangkas ng ulat at buod ng ehekutibo sa AI.
- Nahuhuli nito ang pagmamalabis at mga ghost line na error sa pamamagitan ng paghahambing ng bawat numero at claim sa executive summary sa raw data.
- Kinikilala ang mapanlinlang na visualization sa mga suhestiyon sa talahanayan at chart at bini-verify ang pinagmulan ng bawat cell ng ulat.
Ang mga pampublikong institusyon ay gumagawa ng mga ulat: ulat ng aktibidad, ulat ng pag-audit, tala ng maikling pahayag, pagtatasa ng sitwasyon, ulat sa pag-unlad ng proyekto, pagtatanghal ng parlyamentaryo, taunang buod ng istatistika. Ang mga dokumentong ito ay memorya ng institusyon, ebidensya ng pananagutan nito, at ang mga mata ng mga gumagawa ng desisyon. Ngunit ang pagsulat ng isang ulat ay nangangailangan ng oras: pagkolekta ng data, pagtatatag ng istraktura, pagsulat ng paunang teksto, paggawa ng iba't ibang mga mapagkukunan na pare-pareho, pagpapasimple, pag-format. Dito, ang AI ay nagbibigay ng mahusay na bilis sa pagtatatag ng istraktura ng ulat, pag-convert ng mga nakakalat na tala sa organisadong teksto, pagbubuod ng mahabang teksto at pagsasalin ng teknikal na wika sa managerial na wika. Sa unit na ito, makikita mo kung paano patakbuhin ang buong daloy ng produksyon ng dokumento gamit ang AI, mula sa raw na data hanggang sa naaprubahang ulat, at kung paano manatiling disiplinado sa pinakamahalagang isyu — ang katumpakan ng bawat numero at claim sa ulat.
Anatomy ng isang magandang pampublikong ulat
Karaniwang binubuo ang isang pampublikong ulat ng mga sumusunod na layer: executive summary (pangunahing natuklasan at rekomendasyon na mababasa ng gumagawa ng desisyon sa loob ng 1 minuto), saklaw at pamamaraan (kung ano ang sinuri ng ulat at kung anong data), mga natuklasan (mga numero, talahanayan, natuklasan), pagsusuri (kahulugan ng mga natuklasan), at rekomendasyon/konklusyon. Tumutulong ang AI sa bawat isa sa mga layer na ito, ngunit iba ang kanilang mga tungkulin:
- Structure at executive summary: Napakalakas ng AI — ibinubuod nito ang mga nakakalat na natuklasan, itinatampok ang mahalaga.
- Mga natuklasan (mga numero): Ang AI ay dapat lamang mag-edit ng na-verify na data na iyong ibibigay; hindi dapat gumawa ng mga numero.
- Pagsusuri at rekomendasyon: Ang AI ay gumagawa ng draft; Ang komento at responsibilidad ay nasa iyo.
Pangunahing prinsipyo: Huwag gawing mga numero ang AI, gawin itong i-edit ang mga numerong ibibigay mo dito. Ang bawat bilang na kasama sa ulat ay dapat magmula sa sariling mga rekord o opisyal na istatistika ng institusyon; Kailangan lang i-convert ng AI ang mga ito sa mga pangungusap, talahanayan, at buod.
Tip: Sa prompt ng ulat, itakda ang panuntunang "huwag bumuo ng mga bagong numero, rate o petsa; gamitin lang ang data na ibibigay ko; kung kailangan mo ng numero na wala sa data, isulat ang '[kailangan ng data]'". Lubos nitong binabawasan ang panganib ng mga gawa-gawang istatistika.
Hakbang-hakbang na daloy ng ulat
- Tukuyin ang layunin at mambabasa. Kanino isinulat ang ulat at para sa anong desisyon ito ginawa?
- Kolektahin ang na-verify na data. Ang mga numero ay pinagsama-sama sa isang lugar kasama ang kanilang mga mapagkukunan.
- Ipagawa sa AI ang balangkas. Mga heading, subheadings, kung ano ang mangyayari sa kung aling seksyon.
- Gumawa ng balangkas ng bawat kabanata. Tanging sa ibinigay na data; Ang AI ay hindi dapat gumawa ng mga numero.
- I-print ang executive summary sa huli. Kapag natapos na ang teksto, isang buod ang ginawa; kaya consistent ito.
- Suriin ang pagpapatunay at pagkakapare-pareho. Ang bawat numero ba ay tumutugma sa pinagmulan nito; Nagkasalungat ba ang mga seksyon?
- Pasimplehin at i-format; Isumite para sa pag-apruba.
tatlong mini case
Kaso 1 — Pinaikli ang panahon ng ulat ng aktibidad. Ang taunang ulat ng aktibidad ng isang direktoryo ay karaniwang ginawa sa loob ng 3 linggo, sa pagsisikap ng ilang tao. Noong ginawa namin ng AI ang skeleton ng seksyon at mga unang draft at nakatuon lang ang team sa validation at interpretasyon ng data, ang oras ay nabawasan sa 8 araw; ang kalidad ng nilalaman ay natagpuang "mas pare-pareho" sa pag-audit.
Kaso 2 — Nahuli ang pekeng rate. Sa isang draft, isinulat ng AI ang pangungusap na "nadagdagan ang kasiyahan sa 87%"; samantalang ang koponan ay hindi nagbigay ng ganoong data ng survey - ang modelo ay nilagyan ng isang "makatwirang" numero. Nang tanungin ang source sa consistency check, nakitang walang basehan ang numero at inalis.
Case 3 — Pagsasalin sa executive language. Ang isang teknikal na ulat sa imprastraktura ay pupunta sa konseho ng lungsod, ngunit karamihan sa mga miyembro ay hindi mga inhinyero. Isinalin ng AI ang teknikal na teksto sa isang jargon-free executive summary (pinapanatili ang kahulugan); Ang mga tanong sa parlyamento ay nabawasan ng dalawang katlo, at ang desisyon ay kinuha sa parehong sesyon.
Apat na maaaring kopyahin na mga template
1) Kalansay ng istraktura ng ulat:
Ang iyong tungkulin: espesyalista sa pampublikong pag-uulat. Gumawa ng balangkas ng ulat para sa sumusunod na layunin at mambabasa: mga heading, subheading, at kung anong impormasyon ang nasa bawat seksyon. Wag ka na magtext. Markahan kung aling mga seksyon ang mangangailangan ng na-verify na data. LAYUNIN: [purpose] READER: [sino ang gumagawa ng desisyon] SAKLAW: [paksa]
2) Pagsusulat ng seksyong tapat ng data:
Isulat ang teksto ng seksyong ito na may VERIFIED DATA sa ibaba. MAGBUO ng bagong numero, rate o petsa; Gamitin mo lang ang data na binigay ko sayo. Isulat ang "[kailangan ng data]" kung saan kailangan ang nawawalang data. Gumamit ng pormal ngunit matatas na pananalita. SEKSYON: [pamagat] DATA: [mga numero at pinagmulan]
3) Executive summary (pinakabago):
Lumikha ng executive summary mula sa buong teksto ng ulat sa ibaba: hindi hihigit sa 200 salita, 3-5 pinakamahalagang natuklasan at rekomendasyon. Huwag magdagdag ng anumang impormasyon na wala sa teksto. Sumulat sa simpleng paraan na mababasa ng gumagawa ng desisyon sa loob ng 1 minuto. ULAT: [buong teksto]
4) Consistency at number checking:
Suriin ang sumusunod na draft ng ulat: (1) ay isang pinagmulan na binanggit para sa bawat isyu, (2) mayroon bang anumang salungatan sa pagitan ng mga seksyon, (3) tumutugma ba ang executive summary sa katawan, (4) mayroon bang hindi pinagkunan/kaduda-dudang claim. Huwag muling isulat ang teksto, magbigay lamang ng listahan ng mga babala.DRAFT: [text]
Mahinang prompt / Malakas na prompt
Mahina: "Magsulat ng ulat ng aktibidad gamit ang data na ito."
Strong: "Ang iyong tungkulin ay espesyalista sa pampublikong pag-uulat. Una, bumuo ng balangkas ng ulat para sa konseho ng lungsod (mga heading at subheading). Pagkatapos ay isulat ang bawat seksyon na may LAMANG na sumusunod na na-verify na data; huwag gumawa ng mga bagong numero, rate, o petsa, isulat ang '[data kinakailangan]' kung saan kailangan ang nawawalang data. Panghuli, gumawa ng 200-salitang listahan para sa executive summary. Kapag natapos na ang hindi pagkakasundo ng data, magbigay ng isang tseke na hindi pinagmumulan. at mga mapagkukunan]."
Pagkakaiba: malakas na istraktura ng prompt chain, katapatan ng data, pagbabawal sa pagpapahiya sa numero, buod, at pagpipigil sa sarili; Ang output ay isang napapatunayan at pare-parehong balangkas.
Ang tiwala ng AI ayon sa seksyon ng ulat
Seksyon
tiwala ng AI
tuntunin
Istraktura/balangkas
mataas
Malayang gamitin
Executive summary
mataas
Limitahan sa text
Wika / pagpapasimple
mataas
Ang kahulugan ay dapat pangalagaan
Mga natuklasan/mga numero
mababa
Ibinigay lang ang data
Pagsusuri / rekomendasyon
daluyan
Draft + komento ng tao
Talahanayan, tagapagpahiwatig at buod ng ehekutibo
Ang epekto ng isang pampublikong ulat ay madalas na tinutukoy sa unang pahina: ang executive summary (ang seksyon na nagbubuod sa mga pangunahing natuklasan, konklusyon, at rekomendasyon ng ulat sa isang pahina) ay maaaring ang tanging bahagi na babasahin ng mas mataas na awtoridad. Ang AI ay makapangyarihan sa pagbabawas ng mahabang ulat sa isang matapat na buod ng ehekutibo; ngunit kailangan mong suriin ang bawat linya kung ang buod ay tumpak na sumasalamin sa bawat numero sa ulat — dahil kapag nagbubuod, ang AI ay maaaring mag-round ng mga numero, mag-drop ng isang kundisyon, o mag-overstate ng isang paghahanap. Gayundin, maaaring bumuo ang AI ng mga balangkas ng talahanayan at mga suhestiyon sa tsart mula sa iyong raw data; Gayunpaman, ang pinagmulan ng bawat cell sa talahanayan ay dapat na matagpuan sa iyong data, at anumang mga hilera na idinagdag ng AI "dahil ito ay tila makatwiran" ay hindi dapat makapasok sa ulat.
Mini case — pinalaki ang buod na isyu. Habang ang aktwal na rate ng tagumpay ay 63 porsiyento sa isang taunang ulat, ang executive summary na ginawa ng YZ ay tumaas ang persepsyon sa 90 porsiyento sa pamamagitan ng pagsasabing "ang karamihan sa mga aplikasyon ay nagbunga ng positibo." Pinalitan ng audit ang expression na ito ng aktwal na numero; Dahil ang pinalaking positibong pananaw sa pampublikong ulat ay naglalagay sa institusyon sa isang mahirap na sitwasyon sa mga susunod na pag-audit.
Mini case — ghost row sa table. Nagdagdag ang AI ng kategoryang "Iba pa" at isang ginawang numero sa buwanang application sheet, na wala man lang sa institusyon; Sumama ito ngunit hindi totoo ang linya. Nahuli ang ghost line na ito ng paghahambing sa raw data.
Template na gumagawa ng mga nabe-verify na talahanayan at buod:
Gawain: Gumawa ng table at 5-item executive summary mula sa sumusunod na raw data (gamitin lamang ang data na ito). Raw data: [paste table/CSV] Panuntunan:- Huwag magdagdag ng anumang row/category sa table na wala sa data.- Ipakita gamit ang panaklong kung aling row sa table ang bawat numero sa summary ay nagmumula.- Isulat ang "data insufficient" (data insufficient) (data insufficient) (data insufficient) (data insufficient) (3) Batayan para sa bawat buod na pangungusap.
Iulat ang item
kontribusyon ng AI
Sapilitan na pangangasiwa ng tao
Executive summary
Pagbalangkas at pagpapasimple
Ang bawat isyu/claim ay sumusunod sa ulat?
mesa
kalansay, anyo
Korespondensiya ng bawat cell sa raw data
Suhestiyon sa tsart
Angkop na uri ng tsart
Mapanlinlang na walang sukat/axis?
Seksyon ng mungkahi
Pagbuo ng opsyon
Awtoridad at pagsunod sa regulasyon
Tip: Pagsama-samahin ang raw data sa isang hiwalay na lokasyon bago i-print ang ulat sa AI; pagkatapos ay ihambing ang buod ng AI sa mga tamang kabuuan na ito. Ang inspeksyon ay ginagawa nang sabay-sabay sa produksyon, hindi pagkatapos nito.
Mga karaniwang pagkakamali
- Ang paggawa ng AI ay gumagawa ng mga numero. Ang pinaka-mapanganib na pagkakamali; Ang na-verify na data lang ang pumapasok sa ulat, ini-edit ito ng AI.
- Isulat muna ang executive summary. Kung ang buod ay tinanggal bago matapos ang katawan, ito ay sasalungat sa teksto; iwanan ito hanggang sa huli.
- Hindi sinusuri ang pagkakapare-pareho sa pagitan ng mga departamento. Dapat magkatugma ang mga numero sa iba't ibang seksyon.
- Hindi nagbabanggit ng mga mapagkukunan. Ang bawat talahanayan at figure ay dapat na traceable sa pinagmulan nito; hinahanap ito ng kontrol.
- Ang pag-iwan sa teknikal na wika bilang ay. Kung hindi naiintindihan ng gumagawa ng desisyon, mawawalan ng tungkulin ang ulat; Pasimplehin ngunit huwag i-distort ang nilalaman.
- Nilaktawan ang hakbang sa pagkumpirma. Ang ulat ay hindi nai-publish nang walang pagbabasa at pag-apruba ng responsableng tao.
Sa buod
Sa paggawa ng ulat, ang AI ay nagbibigay ng mahusay na bilis sa pagbuo ng istraktura, pag-draft, pagbubuod at pagpapasimple ng wika. Ngunit ang bawat numero na pumapasok sa ulat ay dapat magmula sa na-verify na data ng institusyon; Ang AI ay hindi dapat gumawa ng mga numero, i-edit lamang ang mga ito. Ang executive summary ay dapat na huling ihanda, inter-departmental consistency at resources ay dapat suriin, at ang dokumento ay dapat maaprubahan. Pinapabilis ng AI ang ulat; Dala mo ang katumpakan at lagda.
Gawain ng aplikasyon
Bumuo ng skeleton para sa iyong paparating na totoong ulat gamit ang template na "Skeleton ng istruktura ng ulat." Mag-print ng isang seksyon na may ilang na-verify na data gamit ang template na "Pagsusulat ng seksyon na matapat sa data" at tingnan kung ang AI ay gumagawa ng mga numero sa kabila ng panuntunan. Panghuli, ilapat ang template na "Consistency at number checking" sa sarili mong draft.
checklist
- [ ] Bawat numero na kasama sa ulat ay nagmula sa isang na-verify na pinagmulan; Hindi nag-produce ang AI.
- [ ] Na-set up ko ang structure skeleton at tapat na na-print ang mga seksyon sa data.
- [ ] Ginawa kong huli ang executive summary, limitado sa text.
- [ ] Pinangasiwaan ko ang pagkakapare-pareho at mga mapagkukunan ng interdepartmental.
- [ ] Pinasimple ko ang teknikal na wika nang hindi sinisira ang nilalaman.
- [ ] Isinumite ko ang ulat sa taong kinauukulan para sa pag-apruba.