AI-મૂળ કંપનીઓ કાર્યપ્રવાહને સંચાલન ક્ષમતામાં કેવી રીતે ફેરવે છે

OpenAIના નવીનતમ એન્ટરપ્રાઇઝ સંકેતો દર્શાવે છે કે એન્ટરપ્રાઇઝ AI સહાયથી અમલ તરફ ખૂબ જ અલગ ઝડપે આગળ વધી રહ્યું છે. અત્યાધુનિક કંપનીઓમાં, એટલે કે AIના વપરાશમાં ટોચના 10%માં આવતી કંપનીઓમાં, હવે સક્રિય વપરાશકર્તા દીઠ સામાન્ય કંપનીઓ કરતાં 8.3 ગણાં વધુ આઉટપુટ ટોકન બને છે, જે જાન્યુઆરીમાં 2.6 ગણાં હતાં. વધતો તફાવત સંચાલનમાં વધુ ઊંડા પરિવર્તન તરફ ઇશારો કરે છે: અગ્રણી કંપનીઓ એજન્ટને કંપનીના સંદર્ભ અને સાધનો સાથે જોડે છે, વધુ મહત્ત્વપૂર્ણ કામ સોંપે છે અને સફળ કાર્યપ્રવાહનું પુનરાવર્તન સરળ બનાવે છે.

આગેવાનો માટે પડકાર એ ઊંડાણને એવા કામમાં ફેરવવાનો છે જેના પર લોકો વિશ્વાસ કરી શકે, જેને માપી શકે અને સુધારી શકે. આગેવાનોએ પ્રયોગો માટે પણ અવકાશ રાખવો જોઈએ, જેમાં એવા ઉપયોગના કિસ્સાઓ પણ સામેલ હોય જેનું મૂલ્ય પહેલા પ્રયાસે સ્પષ્ટ ન હોય.

સ્ટાર્ટઅપ્સ Basis⁠(નવી વિન્ડોમાં ખૂલે છે), Clay⁠(નવી વિન્ડોમાં ખૂલે છે) અને Exa લૅબ્સ⁠(નવી વિન્ડોમાં ખૂલે છે)એ કર્મચારીની પ્રારંભિક તાલીમ, એકાઉન્ટ વ્યવસ્થાપન અને વિકાસકર્તા પરિતંત્રના વિકાસમાં એજન્ટને સામેલ કર્યા છે. તેમના કાર્યપ્રવાહ અલગ છે, પરંતુ તેમની પ્રગતિમાંથી શીખવા જેવું છે: એજન્ટને સ્થિર પ્રક્રિયા શીખવો, કામ બદલાય તેમ તેને સતત સંદર્ભ આપો અને પછી તકોને પરીક્ષણ કરેલી કાર્યવાહીમાં ફેરવવા દો.

આ ઉદાહરણો સાથે મળીને દર્શાવે છે કે ટીમો પરિચિત કામમાં એજન્ટને કેવી રીતે સામેલ કરી શકે અને સમય જતાં પ્રક્રિયા સુધારી શકે.

પ્રારંભિક તાલીમ લાંબા સમયથી નોકરીદાતાઓ અને કર્મચારીઓ બંને માટે કષ્ટદાયક રહી છે. હિસાબી કંપનીઓ માટે AI એજન્ટ બનાવતી Basisમાં પ્રથમ દિવસની પ્રારંભિક તાલીમ હવે બે કલાકને બદલે 30 મિનિટમાં પૂરી થાય છે, જેથી માનવ સંસાધન ટીમને સંસ્કૃતિ અને સહાય માટે વધુ સમય મળે છે.

પહેલા જ દિવસે કર્મચારીઓને Codex અને કંપનીને અનુરૂપ પ્રારંભિક તાલીમ કૌશલ્યની તાત્કાલિક ઍક્સેસ મળે છે, જે ચોક્કસ કાર્યપ્રવાહ માટે ફરી વાપરી શકાય તેવી સૂચનાઓ અને સંસાધનોનો સમૂહ છે. Codex તેમનું સ્વાગત કરે છે, કંપનીના મુખ્ય ખ્યાલોનો પરિચય કરાવે છે અને તેમના કમ્પ્યુટરનો ઉપયોગ કરીને પાર્શ્વભૂમિમાં સંકલન ગોઠવણી પૂર્ણ કરે છે. વારંવાર આવતા પ્રશ્નો કે અપવાદો દેખાય ત્યારે માનવ સંસાધન ટીમ આગામી જૂથ પહેલાં કૌશલ્યને સુધારી શકે છે.

Basisએ પ્રારંભિક તાલીમની પ્રક્રિયા એકવાર બતાવી અને પછી તેને સ્પષ્ટ પ્રારંભબિંદુ, જાણીતા પગલાં, યોગ્ય સાધનોની ઍક્સેસ તથા “પૂર્ણ”ની સ્પષ્ટ વ્યાખ્યા ધરાવતા પુનઃઉપયોગી કૌશલ્યમાં ફેરવી. હવે આ પ્રક્રિયા કોઈ એક વ્યક્તિની ઉપલબ્ધતા પર આધારિત નથી, છતાં અપવાદો કે જટિલ પ્રશ્નો માટે ટીમ હસ્તક્ષેપ કરી શકે છે. હવે પ્રારંભિક તાલીમ વધુ સુસંગત અને પુનરાવર્તિત છે તથા તેને સુધારવી સરળ છે, અને નવા કર્મચારીઓને AI સાથે કામ કરવાની તાત્કાલિક રીત મળે છે.

ગો-ટુ-માર્કેટ ટીમો માટે સ્વ-શિક્ષિત આવક એન્જિન બનાવતી Clay સામે વેચાણનો પરિચિત પડકાર છે: સોદાનો અગત્યનો સંદર્ભ CRM રેકોર્ડ, ઇમેઇલ, Slack, કૉલ, પ્રસ્તુતિઓ, ટેક્સ્ટ સંદેશા તથા આંતરિક ટીમો અને ગ્રાહક સમર્થકો સાથેની વાતચીતમાં વેરવિખેર છે.

એ સંદર્ભને અદ્યતન રાખવા Clayના એક ગો-ટુ-માર્કેટ ઇજનેરે વધુ સારી રીત અજમાવી: દરેક એકાઉન્ટ માટે કાયમી વર્કસ્પેસ અને સમર્પિત ઉપ-એજન્ટ. દરેક ઉપ-એજન્ટ મૂળ સ્રોતોની સમીક્ષા કરે છે અને રાત્રે તેના સોદાના ફોલ્ડરને અદ્યતન કરે છે. દરરોજ સવારે એક સંકલનકારી એજન્ટ તેના તમામ એકાઉન્ટનાં અપડેટને અગ્રતા ધરાવતા પગલાંની ટૂંકી યાદીમાં ફેરવે છે: ગ્રાહકના બાકી પ્રશ્નનો જવાબ આપવો, ખરીદી સમિતિમાં રહેલી ખામી પૂરી કરવી અથવા સંભવિત ગ્રાહકને ફરી જોડાવાનું કારણ આપવું.

Clayના જણાવ્યા અનુસાર, આ કાર્યપ્રવાહથી દરરોજ રાત્રે ઇનબૉક્સની છટણીમાં તેનો લગભગ એક કલાક બચે છે. દૈનિક અગ્રતાઓ તેને નાનાં પગલાં પૂરાં કરવામાં મદદ કરે છે, જે લાંબા એન્ટરપ્રાઇઝ વેચાણચક્ર દરમિયાન મળીને મોટો પ્રભાવ પાડી શકે છે. આધારભૂત પુરાવા દરેક ભલામણની નજીક રહે છે, જેથી વિક્રેતાઓ પગલું ભરતા પહેલાં મૂળ સ્રોતો તપાસી શકે. હાલની એકાઉન્ટ પરવાનગીઓને આધીન રહીને એન્ટરપ્રાઇઝ આ સહિયારા સંદર્ભને એકાઉન્ટ અધિકારીઓ, બીડીઆર, ઉકેલ ઇજનેરો અને વેચાણ આગેવાનો સુધી વિસ્તારી શકે છે.

Clay દર્શાવે છે કે વિકસતા કામને મોટા પાયે લઈ જવા શું જરૂરી છે: સુસંગત માળખું, ઉપયોગી નવીનીકરણ ચક્ર, સહિયારા પુરાવા અને પગલું ભરવાના સમયે માનવીય વિવેક.

AI એજન્ટ માટે વેબ શોધનું માળખું બનાવતી Exa લૅબ્સ તેની શોધ APIને વિકાસકર્તાઓ તેનો ઉપયોગ કરી શકે તે દરેક જગ્યાએ ઉપલબ્ધ કરાવવા માગે છે. ટીમ આ લક્ષ્યને “Exa સર્વત્ર” કહે છે. અગાઉ તેને સિદ્ધ કરવા વિકાસકર્તા સંબંધો અને એકાઉન્ટ ટીમોએ રિપોઝિટરીઓ તથા વ્યાપક પરિતંત્ર પર નજર રાખવી, આશાસ્પદ સંકલનો ઓળખવા, સંદર્ભ એકત્ર કરવો અને વિવિધ પ્રણાલીઓમાં કામનું સંકલન કરવું પડતું હતું. તકો અલગ હોવા છતાં શોધથી અમલીકરણ સુધીનો માર્ગ એક સુસંગત ક્રમ અનુસરતો હતો. Exaએ એ ક્રમને Codex માટે નિર્ધારિત કાર્યપ્રવાહમાં ફેરવ્યો, જેમાં સ્પષ્ટ અગ્રતાઓ, જરૂરી સ્રોતોની ઍક્સેસ અને કંઈપણ બહાર પાડતાં પહેલાં માનવીય સમીક્ષા સામેલ છે.

હવે Codex ઉચ્ચ અગ્રતા ધરાવતી સંકલન તકો પર નજર રાખે છે, સંબંધિત સંદર્ભ એકત્ર કરે છે, pull request બનાવે છે, પરીક્ષણો ચલાવે છે અને સ્લૅક તથા નોશન જેવા સ્રોતોનો ઉપયોગ કરીને સાપ્તાહિક અપડેટ તૈયાર કરે છે. યોગ્ય હોય ત્યારે તે ટીમની સમીક્ષા માટે પ્રારંભિક જાહેરાત સહિતના આગામી પગલાનો મુસદ્દો પણ તૈયાર કરી શકે છે. આ કાર્યપ્રવાહ તકને સંકેતથી પરીક્ષણ કરેલી કૃતિ સુધી લઈ જાય છે અને સંશોધન, ઇજનેરી તથા સંચાર વચ્ચે કામની સોંપણી ઘટાડે છે.

કઈ તકો મહત્ત્વની છે, Exaએ કઈ પ્રતિબદ્ધતાઓ સ્વીકારવી જોઈએ અને બાહ્ય સંબંધોનું સંચાલન કેવી રીતે કરવું તે હજી પણ લોકો નક્કી કરે છે. પરીક્ષણો અને સમીક્ષાના તબક્કા એજન્ટનું કામ બહાર પડતાં પહેલાં દૃશ્યમાન બનાવે છે. પરીક્ષણનાં પરિણામો અને માનવીય સમીક્ષા ટીમને બતાવી શકે છે કે આગામી અમલ પહેલાં કાર્યપ્રવાહમાં ક્યાં ફેરફાર કરવો. કામ વધુ પરિણામલક્ષી બનતાં પરવાનગીઓ, પુરાવા અને નિર્ણયના અધિકારો કાર્યપ્રવાહની રચનાનો વધુ મોટો ભાગ બને છે.

Basis, Clay અને Exa સાથે મળીને એન્ટરપ્રાઇઝ સંકેતોમાં દેખાતી પદ્ધતિઓને સંચાલનની વ્યવહારુ ભાષામાં રજૂ કરે છે. Basis સાબિત થયેલી પ્રક્રિયાને પુનઃઉપયોગી કૌશલ્યમાં ફેરવે છે. Clay એજન્ટને વિકસતા કામને અદ્યતન રાખવા જરૂરી સંદર્ભ અને સાતત્ય આપે છે. Exa સાધનો, પરીક્ષણો અને સમીક્ષા ઉમેરે છે, જેથી એજન્ટ સંકેતને નિર્ધારિત મર્યાદામાં અમલ સુધી લઈ જઈ શકે. ત્રણેય સુધારાને કાર્યપ્રવાહનો ભાગ બનાવે છે: પ્રારંભિક તાલીમના અપવાદો દર્શાવે છે કે કૌશલ્ય ક્યાં સુધારવું જરૂરી છે; એકાઉન્ટની નવી પ્રવૃત્તિ અને વિક્રેતાની ચકાસણી સોદાનો સંદર્ભ અદ્યતન રાખે છે; અને પરીક્ષણો તથા માનવીય સમીક્ષા ભવિષ્યના અમલની મર્યાદાઓ વધુ સ્પષ્ટ કરે છે. દરેક ચોક્કસ કામ અને તેને ચકાસવા માટે પૂરતા અવકાશથી શરૂઆત કરે છે. ઉપયોગ સાથે કામની વહેંચણી વધુ સ્પષ્ટ બને છે અને કાર્યપ્રવાહ પોતાને સાબિત કરે તેમ જવાબદારી વિસ્તરે છે.

અત્યાધુનિક વપરાશનો તફાવત વધતાં એન્ટરપ્રાઇઝ આગેવાનોએ કર્મચારીઓને પરિણામલક્ષી કાર્યપ્રવાહ અજમાવવાનો અવકાશ આપવો, સફળતા માપવી અને સૌથી મજબૂત પ્રયોગોને પુનરાવર્તિત પદ્ધતિમાં ફેરવવા જોઈએ.

• મૂલ્યનું એક પરિણામલક્ષી ક્ષેત્ર પસંદ કરો. એવા સંપૂર્ણ કાર્યપ્રવાહથી શરૂઆત કરો જ્યાં વ્યૂહાત્મક અગ્રતા, પ્રણાલીઓ, કામની સોંપણી, નિયંત્રણો અને માપી શકાય તેવાં પરિણામો એકસાથે આવે. તે શીખવા માટે પૂરતી વાર પુનરાવર્તિત થતું અને પુનઃરચનાને યોગ્ય ઠેરવવા જેટલું મહત્ત્વપૂર્ણ હોવું જોઈએ.
• પરિણામ અને તેને માપવાની રીત નક્કી કરો. જવાબદાર માલિક, મુખ્ય કામગીરી સૂચકાંક, આધારરેખા અને સુરક્ષા મર્યાદાઓ નક્કી કરો. પૂર્ણ થયેલાં કાર્યો, જોડાયેલો સંદર્ભ અને સાધનો, અપવાદો તથા સમીક્ષાના ભાર દ્વારા ઊંડાણ માપો. ચક્ર સમય, ગુણવત્તા, ખર્ચ, આવક અથવા જોખમ દ્વારા મૂલ્ય માપો. આઉટપુટનું પ્રમાણ દર્શાવી શકે છે કે લોકો AIને વધુ કામ સોંપી રહ્યા છે; કાર્યપ્રવાહનાં પરિણામો દર્શાવે છે કે તે મહત્ત્વનું છે કે નહીં.
• એજન્ટનું કાર્યવર્ણન લખો. કામને શું શરૂ કરે છે, પરિણામ, જરૂરી સંદર્ભ, સાધનો, પરવાનગીઓ અને એજન્ટે કાર્ય પૂર્ણ કરવા કેટલા સાતત્યથી પ્રયત્ન કરવો તે નક્કી કરો. તે કયા પુરાવા રજૂ કરે અને માનવીય સમીક્ષા માટે ક્યાં અટકે તે સ્પષ્ટ કરો.
• એજન્ટની આસપાસ માનવીય વ્યવસ્થા બનાવો. કાર્યપ્રવાહની સૌથી નજીક રહેલા લોકોને રચના પ્રક્રિયામાં સામેલ કરો. વ્યવસાયિક પરિણામ, ક્ષેત્રનું તર્ક, ઍક્સેસ અને નિયંત્રણો, સ્વીકાર તથા દૈનિક ઉપયોગની જવાબદારી કોની છે તે નક્કી કરો. સ્ટાર્ટઅપ્સ આ જવાબદારીઓ થોડા લોકોમાં સમાવી લે છે; કાર્યપ્રવાહનો વ્યાપ વધે તેમ એન્ટરપ્રાઇઝને સ્પષ્ટ નિર્ણય અધિકારોની જરૂર પડે છે.
• પ્રયોગોને દૃશ્યમાન અને પુનઃઉપયોગી બનાવો. OpenAIના સંશોધન મુજબ, અપનાવ્યાના છ મહિના પછી કારકિર્દીના પ્રારંભમાં રહેલા કર્મચારીઓએ અધિકારીઓ કરતાં દર અઠવાડિયે 13 વધુ સંદેશા મોકલ્યા. કર્મચારીઓને નવા ઉપયોગના કિસ્સા અજમાવવાનો અવકાશ આપો, પછી સફળ પદ્ધતિ પાછળની પ્રક્રિયા અને પુરાવા સાચવો તથા તેને કૌશલ્યો, પ્લગઇન્સ અથવા સહિયારા વર્કસ્પેસ તરીકે તૈયાર કરો. ચૅટ, કામ અને Codex⁠(નવી વિન્ડોમાં ખૂલે છે) અલગ રીતોને સમર્થન આપે છે: પ્રશ્નો અને ઝડપી સહયોગ માટે ચૅટ, બહુ-પગલાંવાળા જ્ઞાનકાર્ય અને પૂર્ણ પરિણામો માટે કામ તથા તકનીકી અમલ માટે Codex.
• સંચાલનની પદ્ધતિને આગળ વધારો. સફળ રહેલા સંદર્ભ, પરવાનગીઓ, મૂલ્યાંકનો, સમીક્ષાના તબક્કા, માલિકો, માપદંડો અને સક્ષમતા જાળવો, પછી તેમને મૂલ્યના આગામી ક્ષેત્રમાં લાગુ કરો. દરેક નવા પ્રયોગે આગામી ટીમને વધુ સારી શરૂઆત પૂરી પાડવી જોઈએ.