प्रत्येक कंपनी को 'जेनएआई इनोवेशन लेयर' की आवश्यकता क्यों है

By डैन क्रेमर

यदि 2023 जेनरेटिव एआई प्रयोग का वर्ष था, तो 2024 कार्यान्वयन का वर्ष है।

हर क्षेत्र की कंपनियां जानती हैं कि उन्हें इस साल अपने तकनीकी स्टैक में जेनेरिक एआई एप्लिकेशन और फ्रेमवर्क जोड़ने की जरूरत है - या पीछे रह जाएंगे। यदि एआई-प्रथम कंपनी बनने का विचार कठिन लगता है, तो आप अकेले नहीं हैं।

यहां तक ​​कि सबसे बड़े उद्यम अभी भी यह पता लगा रहे हैं कि जेनरेटिव एआई को अपने रोजमर्रा के व्यवसायों में कैसे शामिल किया जाए।

जब इतने सारे विकल्प हों तो आप कहां से शुरुआत करें?

सबसे अच्छे तरीकों में से एक है अपने तकनीकी स्टैक में "जेनएआई इनोवेशन लेयर" बनाना। ऐसा करने के लिए आपको डेटा वैज्ञानिकों या इंजीनियरों की एक बड़ी टीम की आवश्यकता नहीं है; ऐसे कदम हैं जो छोटी तकनीकी टीमों वाली कंपनियां भी अभी उठा सकती हैं।

सबसे पहले, GenAI इनोवेशन लेयर क्या है? काफी सरलता से, यह नए रचनात्मक वर्कफ़्लो को उजागर करने, नवाचार परियोजनाओं को बढ़ावा देने और तेजी से और स्मार्ट तरीके से काम पूरा करने के लिए आपकी रोजमर्रा की व्यावसायिक गतिविधियों में जेनरेटिव एआई को बुनने का एक तरीका है।

नीचे मैं GenAI इनोवेशन लेयर बनाने के लिए पांच चरणों वाली प्रक्रिया से गुजरूंगा जो व्यवसाय और रचनात्मक टीमों को नए इनोवेशन उत्पादों को डिजाइन करने और रचनात्मक आउटपुट को बढ़ावा देने में मदद कर सकती है।

पहला कदम: सही टीम बनाएं

एआई इनोवेशन लेयर बनाने के लिए, आपको सही टीम की आवश्यकता है। इसका मतलब यह नहीं है कि आपको डेटा वैज्ञानिकों और सॉफ्टवेयर इंजीनियरों की एक बड़ी टीम की आवश्यकता है, लेकिन आपको परियोजना का नेतृत्व करने के लिए कुछ प्रमुख लोगों की आवश्यकता है।

शुरुआत में परिभाषित करने वाली सबसे महत्वपूर्ण बात यह है कि परियोजना कैसे संरचित की जाएगी, महत्वपूर्ण डेटा तक किसकी पहुंच होगी और उस डेटा को कैसे सुरक्षित किया जाएगा। और यह कहने की आवश्यकता नहीं है कि पूरे संगठन में हर किसी को एआई इनोवेशन लेयर के निर्माण के महत्व के बारे में "आपके कोने में" होना चाहिए।

एआई इनोवेशन लेयर का निर्माण एक साइड प्रोजेक्ट नहीं होना चाहिए, बल्कि 2024 के लिए एक अभिन्न व्यावसायिक प्रक्रिया होनी चाहिए।

चरण दो: अपना डेटा व्यवस्थित करें

अपने संपूर्ण तकनीकी स्टैक में AI को बुनने के लिए, सबसे पहले आपको यह सुनिश्चित करना होगा कि आपका डेटा शीर्ष क्रम में है। अपने संरचित डेटा को व्यवस्थित करने का सबसे आसान तरीका ताकि यह एआई परत तक पहुंच योग्य हो, इंडेक्स-बिल्डर टूल को तैनात करना है क्रोमा डीबी, सनोबर की चिलग़ोज़ा or लामाइंडेक्स अपनी सामग्री का वेक्टर डेटाबेस बनाने के लिए।

आपके संरचित डेटा में ग्राहक डेटा, वीडियो ट्रांसक्रिप्ट, दस्तावेज़, पीडीएफ, प्रस्तुतियाँ, स्प्रेडशीट और बहुत कुछ शामिल हो सकते हैं। इन प्रणालियों की सुंदरता यह है कि वे उपयोगकर्ताओं को साक्षात्कार प्रतिलेख, ग्राहक प्रतिक्रिया और प्रक्रिया दस्तावेजों जैसे असंरचित डेटा को बहुत अच्छी तरह से संभालने की अनुमति देते हैं।

एकत्रित करने, प्रसंस्करण करने और यह सुनिश्चित करने की कुछ कला है कि इन प्रणालियों में संवेदनशील जानकारी संशोधित या सुरक्षित है। LlamaIndex जैसे कुछ उपकरण आपके लिए इस भारी भारोत्तोलन का कुछ काम करते हैं, जबकि अन्य डेटाबेस उपकरण ऐसा करते हैं लोचदार आपके डेटाबेस का उपयोग कैसे किया जा रहा है, इसके बारे में सुरक्षा अंतर्दृष्टि भी प्रदान कर सकता है।

यहां डेवलपर्स के पास बहुत सारे विकल्प हैं, और आपकी टीम को यह चयन करना होगा कि कौन सा विकल्प आपके प्रोजेक्ट के पैमाने, सुरक्षा और वास्तुकला आवश्यकताओं को पूरा करता है। जब आप अपने सभी डेटा को एक वेक्टर डेटाबेस में व्यवस्थित कर लेते हैं, तो आप एक "डिजिटल ट्विन" के साथ समाप्त होते हैं जो आपके सभी डेटा का पूर्ण दर्पण होता है, जो अब आपके किसी भी एआई सिस्टम के लिए पहुंच योग्य है।

चरण तीन: ऐसी संरचनाएँ बनाएँ जो AI को आपके डेटा की क्वेरी करने की अनुमति दें

अब जब आपका डेटा क्रम में है, तो आपको इसके भीतर पैटर्न ढूंढने की आवश्यकता है। आप इसे क्वेरी करने के लिए कस्टम AI एजेंट बनाकर ऐसा कर सकते हैं। इन एजेंटों को चैट बार जैसे उपयोग में आसान इंटरफेस के माध्यम से पहुंच योग्य होना चाहिए, जो सीधे लोगों के दैनिक वर्कफ़्लो में एकीकृत होते हैं।

इन संकेतों का निर्माण दो भागों में होना चाहिए. सबसे पहले, तय करें कि आप एजेंट से कौन सा व्यक्तित्व लेना चाहते हैं। उदाहरण के लिए, आप अपने एजेंट से एक प्रबंधन सलाहकार की तरह बात कर सकते हैं जो उपभोक्ता-आधारित डिज़ाइन में विशेषज्ञ है। फिर आपको यह निर्दिष्ट करना होगा कि आप एजेंट से क्या कराना चाहते हैं और प्रतिक्रिया देने का प्रारूप क्या है। यहां मुख्य बात यह समझने के लिए आपके संगठन के भीतर शोध करना है कि कौन से प्रारूप आपकी टीमों की आवश्यकताओं को सर्वोत्तम रूप से पूरा करने वाले हैं। हम आपके लक्षित उपयोगकर्ताओं के साथ इन आंतरिक एजेंट संकेतों का परीक्षण और पुनरावृत्ति करने का सुझाव देते हैं। इन आंतरिक एजेंट संकेतों को लिखने का कोई सही तरीका नहीं है, लेकिन सामान्य संकेत देने के तरीके हैं जिनका उपयोग कोई भी कर सकता है। जैसे कि "मुझे अपनी सोच के बारे में बताएं और प्रत्येक के लिए एक्स और वाई मापने योग्य मेट्रिक्स के साथ तीन उदाहरण दें, जो एक तालिका में प्रस्तुत किए गए हैं।"

चरण चार: मल्टी-एजेंट प्रॉम्प्टिंग के साथ प्रयोग

अंत में, आप अपने एआई एजेंट से एक प्रश्न पूछने के लिए तैयार हैं। आप अपने प्रश्न में जितना अधिक संदर्भ प्रदान कर सकें उतना बेहतर होगा।

एक बार जब आप कई संकेत बना लेते हैं जो दैनिक वर्कफ़्लो में एकीकृत हो जाते हैं, तो आप उन्हें मल्टी-एजेंट सिस्टम के साथ मिलकर काम करने के लिए प्रशिक्षण देना शुरू कर सकते हैं। यह वह जगह है जहां आप कई एआई एजेंटों को अलग-अलग, लेकिन परस्पर विरोधी भूमिकाओं के साथ एक साथ जोड़ते हैं।

साथ मिलकर, वे किसी कार्य को एक अकेले एजेंट की तुलना में बेहतर ढंग से पूरा कर सकते हैं। इस एप्लिकेशन के कई उदाहरण हैं, जिनमें मल्टी-एजेंट वर्चुअल सॉफ़्टवेयर कंपनी ChatDev भी शामिल है।

मल्टी-एजेंटों का निर्माण करते समय, हमने मानव-केंद्रित डिज़ाइन दृष्टिकोण अपनाकर सबसे अच्छी सफलता देखी है। आपको यह सुनिश्चित करना चाहिए कि आपके संकेत, स्वयं और बहु-एजेंट के रूप में एक साथ काम करते हुए, सहानुभूतिपूर्ण मानसिकता और उनके उपयोगकर्ताओं की विविधता के लिए सराहना के साथ काम करें। आप "अपने उपयोगकर्ताओं के विभिन्न अनुभवों में सहानुभूति, सहनशीलता और स्पष्टता के साथ अपने उत्तरों को डिज़ाइन करें" जैसे मापदंडों के साथ संकेत बना सकते हैं।

इस स्तर पर, आप किसी प्रकार के मॉडल निरीक्षण को शामिल करना चाह सकते हैं। जैसे उपकरण जोड़ना ओपनलेयर आपके स्टैक से आपको यह जानकारी मिल सकती है कि आपका सिस्टम समय के साथ उपयोगकर्ताओं के लिए कितना अच्छा प्रदर्शन कर रहा है।

चरण पाँच: अपनी AI नवाचार परत को मापें

आपके हर काम में एआई को शामिल करना तभी उपयोगी है जब यह आपकी कंपनी को व्यावसायिक लक्ष्य हासिल करने, नया राजस्व उत्पन्न करने और आपके ग्राहकों को बेहतर सेवा देने में मदद करता है। उस अंत तक, आपको यह सुनिश्चित करने के लिए एक माप ढांचा स्थापित करना होगा कि आपकी एआई नवाचार परत सही मूल्य प्रदान कर रही है।

तय करें कि किस KPI को मापना है - उदाहरण के लिए, नए ग्राहक साइन-अप, उत्पाद डाउनलोड या कर्मचारी समय की बचत। आप उत्पादों, व्यावसायिक परिणामों और अन्य मापने योग्य व्यावसायिक लक्ष्यों के लिए भविष्य के संभावित परिदृश्य उत्पन्न करने के लिए अपने मल्टी-एजेंट संकेतों का भी उपयोग कर सकते हैं। फिर, आप विज़ुअलाइज़ेशन बनाने के लिए अपने मल्टी-एजेंट संकेतों का उपयोग करके इन परिदृश्यों के विरुद्ध अपने वास्तविक परिणामों को माप सकते हैं।

जेनरेटिव एआई ने पहले ही लोगों के काम करने, सोचने और सृजन करने के तरीके को बदल दिया है, लेकिन यह काफी हद तक व्यक्तियों द्वारा इस्तेमाल किया जाने वाला एक प्रायोगिक उपकरण रहा है। आपके तकनीकी स्टैक में जेनेरिक एआई को बुनकर, यह रोजमर्रा के रचनात्मक और व्यावसायिक वर्कफ़्लो का एक अभिन्न अंग बन सकता है - जो आपकी कंपनी के डेटा, प्रक्रियाओं और भविष्य की रणनीतियों में नई अंतर्दृष्टि प्रदान करता है।

डैन क्रेमर डिज़ाइन और व्यावसायिक रणनीति के अभिसरण पर एक संस्थापक, विचारक नेता, शिक्षक और अंतर्राष्ट्रीय वक्ता हैं। के सह-सीईओ और सह-संस्थापक के रूप में आईए सहयोगात्मकजैसी कंपनियों की मदद के लिए वह विश्लेषणात्मक व्यावसायिक रणनीति के साथ एक जेनेरिक डिज़ाइन लेंस को जोड़ता है Airbnb, ऑलस्टेट, ऑडी, FedEx, जॉनसन एंड जॉनसन, नाइके, फिलिप्स, सैमसंग और Sonos विकास रणनीतियाँ बनाएँ, नवाचार विकसित करें और नए व्यवसाय बनाएँ।

संबंधित पढ़ने:

उदाहरण: डोम गुज़मैन