AI കമ്പനികൾ പ്രവർത്തനരീതികളെ മികച്ച ശേഷിയാക്കുന്ന വിധം

OpenAI-യുടെ ഏറ്റവും പുതിയ Enterprise Signals റിപ്പോർട്ട് കാണിക്കുന്നത്, enterprise AI എന്നത് വെറുമൊരു സഹായം എന്ന നിലയിൽ നിന്ന് പൂർണ്ണമായ പ്രവർത്തനത്തിലേക്ക് വളരെ വ്യത്യസ്തമായ വേഗതയിലാണ് നീങ്ങുന്നത് എന്നാണ്. (AI ഉപയോഗത്തിൽ ആദ്യത്തെ 10% സ്ഥാനത്തുള്ള) അത്യാധുനിക സ്ഥാപനങ്ങൾ ഇപ്പോൾ സാധാരണ കമ്പനികളേക്കാൾ ഒരു ആക്റ്റീവ് ഉപയോക്താവിന് 8.3 മടങ്ങ് അധികം ഔട്ട്പുട്ട് ടോക്കണുകൾ ഉത്പാദിപ്പിക്കുന്നുണ്ട്, ജനുവരിയിൽ ഇത് 2.6 മടങ്ങായിരുന്നു. ഈ വലിയ അന്തരം വിരൽ ചൂണ്ടുന്നത് ഒരു വലിയ പ്രവർത്തന മാറ്റത്തിലേക്കാണ്: മുൻനിര സ്ഥാപനങ്ങൾ ഏജന്റുകളെ കമ്പനിയുടെ വിവരങ്ങളുമായും ടൂളുകളുമായും ബന്ധിപ്പിക്കുന്നു, കൂടുതൽ പ്രധാനപ്പെട്ട ജോലികൾ ഏൽപ്പിക്കുന്നു, ഒപ്പം മികച്ച പ്രവർത്തനരീതികൾ ആവർത്തിക്കുന്നത് എളുപ്പമാക്കുകയും ചെയ്യുന്നു.

ബിസിനസ്സ് ലീഡർമാരെ സംബന്ധിച്ചിടത്തോളം ഈ സാങ്കേതിക മികവിനെ ആളുകൾക്ക് വിശ്വസിക്കാനും അളക്കാനും മെച്ചപ്പെടുത്താനും സാധിക്കുന്ന ജോലികളാക്കി മാറ്റുക എന്നതാണ് പ്രധാന വെല്ലുവിളി. അതോടൊപ്പം തന്നെ, ആദ്യ ശ്രമത്തിൽ പ്രയോജനം വ്യക്തമാകാത്ത കാര്യങ്ങളിൽ പോലും പുതിയ പരീക്ഷണങ്ങൾ നടത്താനുള്ള അവസരം ലീഡർമാർ ഒരുക്കേണ്ടതുണ്ട്.

സ്റ്റാർട്ടപ്പുകളായ Basis⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), Clay⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), Exa Labs⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവ ജീവനക്കാരുടെ പ്രാരംഭപരിശീലനം, അക്കൗണ്ട് മാനേജ്മെന്റ്, ഡെവലപ്പർ എക്കോസിസ്റ്റത്തിന്റെ വളർച്ച എന്നിവയിൽ ഏജന്റുകളെ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. അവയുടെ പ്രവർത്തനക്രമങ്ങൾ വ്യത്യസ്തമാണെങ്കിലും പുരോഗതിയുടെ ക്രമം ശ്രദ്ധേയമാണ്: സ്ഥിരമായൊരു പ്രക്രിയ ഏജന്റിനെ പഠിപ്പിക്കുക, ജോലി മാറുന്നതിനനുസരിച്ച് തുടർച്ചയായ സന്ദർഭവിവരം നൽകുക, തുടർന്ന് അവസരങ്ങളെ പരീക്ഷിച്ചുറപ്പിച്ച പ്രവർത്തനങ്ങളാക്കി മാറ്റാൻ അനുവദിക്കുക.

ടീമുകൾക്ക് എങ്ങനെ പരിചിതമായ ജോലികളിലേക്ക് ഏജന്റുകളെ ഉൾപ്പെടുത്താമെന്നും കാലക്രമേണ പ്രവർത്തനരീതികൾ കൂടുതൽ മെച്ചപ്പെടുത്താമെന്നും ഈ ഉദാഹരണങ്ങൾ കാണിച്ചുതരുന്നു.

പ്രാരംഭപരിശീലനം തൊഴിലുടമകൾക്കും ജീവനക്കാർക്കും ഏറെക്കാലമായി ബുദ്ധിമുട്ടേറിയതാണ്. അക്കൗണ്ടിങ് സ്ഥാപനങ്ങൾക്കായി എഐ ഏജന്റുകളെ നിർമ്മിക്കുന്ന Basis-ൽ, ആദ്യദിവസത്തെ പ്രാരംഭപരിശീലനം ഇപ്പോൾ രണ്ട് മണിക്കൂറിനുപകരം 30 മിനിറ്റുകൊണ്ട് പൂർത്തിയാകുന്നു. ഇതിലൂടെ സംസ്കാരത്തിനും പിന്തുണയ്ക്കുമായി മാനവവിഭവശേഷി വിഭാഗത്തിന് കൂടുതൽ സമയം ലഭിക്കുന്നു.

ആദ്യ ദിവസം തന്നെ ജീവനക്കാർക്ക് Codex, കമ്പനിയുടേതായ പ്രത്യേക ഓൺബോർഡിംഗ് സ്കിൽ (നിർദ്ദിഷ്ട ജോലികൾക്കായി വീണ്ടും ഉപയോഗിക്കാവുന്ന നിർദ്ദേശങ്ങളും വിവരങ്ങളും) എന്നിവയിലേക്ക് ഉടനടി ആക്സസ് ലഭിക്കുന്നു. Codex അവരെ സ്വാഗതം ചെയ്യുകയും കമ്പനിയുടെ പ്രധാന വിവരങ്ങൾ പരിചയപ്പെടുത്തുകയും ചെയ്യുന്നു; ഒപ്പം ബാക്ക്ഗ്രൗണ്ടിൽ അവരുടെ കമ്പ്യൂട്ടർ ഉപയോഗിച്ച് ഇന്റഗ്രേഷൻ സെറ്റപ്പ് പൂർത്തിയാക്കുകയും ചെയ്യും. ആവർത്തിച്ചു വരുന്ന ചോദ്യങ്ങളോ തടസ്സങ്ങളോ ഉണ്ടായാൽ, അടുത്ത ബാച്ച് ജീവനക്കാർ എത്തുന്നതിന് മുമ്പ് HR-ന് ഈ സ്കിൽ അപ്ഡേറ്റ് ചെയ്യാൻ സാധിക്കുന്നതാണ്.

ഓൺബോർഡിംഗ് പ്രക്രിയ ഒരിക്കൽ ചെയ്തു കാണിച്ച Basis, വ്യക്തമായ തുടക്കം, കൃത്യമായ ഘട്ടങ്ങൾ, ശരിയായ ടൂളുകളിലേക്കുള്ള ആക്സസ്, “പൂർത്തിയായി” എന്നതിന്റെ വ്യക്തമായ നിർവചനം എന്നിവയോടുകൂടി അതിനെ വീണ്ടും ഉപയോഗിക്കാവുന്ന ഒരു സ്കിൽ ആയി മാറ്റി. ഈ പ്രക്രിയ ഇനി ഒരാളുടെ മാത്രം ലഭ്യതയെ ആശ്രയിച്ചല്ല നടക്കുന്നത്, എങ്കിലും പ്രത്യേക സാഹചര്യങ്ങളിലും സങ്കീർണ്ണമായ ചോദ്യങ്ങളിലും ടീമിന് ഇടപെടാം. ഓൺബോർഡിംഗ് ഇപ്പോൾ കൂടുതൽ സ്ഥിരതയുള്ളതും ആവർത്തിക്കാവുന്നതും മെച്ചപ്പെടുത്താൻ എളുപ്പമുള്ളതുമായി മാറി, പുതിയ ജീവനക്കാർക്ക് AI-യോടൊപ്പം പ്രവർത്തിക്കാനുള്ള ഒരു മോഡലും ഇതുവഴി ലഭിക്കുന്നു.

ഗോ-ടു-മാർക്കറ്റ് ടീമുകൾക്കായി സ്വയം പഠിക്കാൻ ശേഷിയുള്ള ഒരു റവന്യൂ എഞ്ചിൻ വികസിപ്പിക്കുന്ന കമ്പനിയായ Clay സാധാരണയായി സെയിൽസ് രംഗത്ത് കാണാറുള്ള ഒരു വെല്ലുവിളിയെ നേരിടുകയാണ്: ഒരു ബിസിനസ്സ് ഡീലുമായി ബന്ധപ്പെട്ട നിർണ്ണായക വിവരങ്ങൾ പലപ്പോഴും CRM റെക്കോർഡുകൾ, ഇമെയിൽ, Slack, കോളുകൾ, അവതരണങ്ങൾ, ടെക്സ്റ്റ് സന്ദേശങ്ങൾ കൂടാതെ കമ്പനിയിലെ മറ്റ് ടീമുകളുമായും ഉപഭോക്താക്കളുമായും നടത്തിയ സംഭാഷണങ്ങൾ എന്നിവയിലുടനീളം ചിതറിക്കിടക്കുകയാണ്.

ആ വിവരങ്ങൾ അപ്പപ്പോൾ പുതുക്കി നിലനിർത്താൻ Clay-ലെ ഒരു GTM എഞ്ചിനീയർ മെച്ചപ്പെട്ട മറ്റൊരു രീതി പരീക്ഷിച്ചു—ഓരോ അക്കൗണ്ടിനും സ്ഥിരമായൊരു വർക്ക്സ്പേസും ഒരു പ്രത്യേക സബ്-ഏജന്റും സജ്ജമാക്കുക. ഓരോ സബ്-ഏജന്റും രാത്രി സമയങ്ങളിൽ പ്രധാന സ്രോതസ്സുകൾ പരിശോധിച്ച് അവരുടെ ഡീൽ ഫോൾഡറുകൾ അപ്ഡേറ്റ് ചെയ്യുന്നു. എല്ലാ ദിവസവും രാവിലെ ഒരു കോർഡിനേറ്റിംഗ് ഏജന്റ് ഈ അക്കൗണ്ടുകളിലെ അപ്ഡേറ്റുകൾ പരിശോധിച്ച്, മുൻഗണന നൽകേണ്ട കാര്യങ്ങളുടെ ഒരു ചെറിയ ലിസ്റ്റ് തയ്യാറാക്കുന്നു: ഉപഭോക്താവിന്റെ സംശയങ്ങൾക്ക് മറുപടി നൽകുക, വാങ്ങൽ സമിതിയിലെ കുറവുകൾ നികത്തുക, അല്ലെങ്കിൽ സാധ്യതയുള്ള ഉപഭോക്താവിനെ വീണ്ടും ബിസിനസ്സിലേക്ക് ആകർഷിക്കുക.

ഈ പ്രവർത്തനരീതി ഓരോ രാത്രിയിലും ഇൻബോക്സ് പരിശോധിക്കുന്നതിനുള്ള സമയം ഏകദേശം ഒരു മണിക്കൂറോളം ലാഭിക്കുന്നുവെന്ന് Clay വ്യക്തമാക്കുന്നു. ദൈർഘ്യമേറിയ എന്റർപ്രൈസ് സെയിൽസ് സൈക്കിളുകളിൽ മികച്ച വിജയം നേടാൻ സഹായിക്കുന്ന ചെറിയ കാര്യങ്ങൾ കൃത്യമായി ചെയ്യാൻ ഈ പ്രതിദിന മുൻഗണനകൾ അവളെ സഹായിക്കുന്നുണ്ട്. ഓരോ ശുപാർശയ്ക്കൊപ്പവും അതിന് ആധാരമായ തെളിവുകൾ ഉള്ളതിനാൽ വിൽപ്പനക്കാർക്ക് എന്തെങ്കിലും നടപടി സ്വീകരിക്കുന്നതിന് മുമ്പ് പ്രധാന സ്രോതസ്സുകൾ നേരിട്ട് പരിശോധിച്ച് ഉറപ്പുവരുത്താം. നിലവിലുള്ള അക്കൗണ്ട് അനുമതികൾക്ക് വിധേയമായി കമ്പനികൾക്ക് ഈ വിവരങ്ങൾ അക്കൗണ്ട് എക്സിക്യൂട്ടീവുകൾ, BDR-കൾ, സൊലൂഷ്യൻസ് എഞ്ചിനീയർമാർ, സെയിൽസ് ലീഡർമാർ എന്നിവരിലേക്ക് വ്യാപിപ്പിക്കാനും സാധിക്കുന്നതാണ്.

ഒരു പ്രവർത്തനത്തെ വലിയ തോതിലേക്ക് വിപുലീകരിക്കാൻ ആവശ്യമായ കാര്യങ്ങൾ Clay വ്യക്തമാക്കുന്നു: അതിനായി ഒരു കൃത്യമായ ഘടന, കൃത്യമായ ഇടവേളകളിലുള്ള വിവരങ്ങൾ പുതുക്കൽ, എല്ലാവർക്കും ലഭ്യമായ തെളിവുകൾ, കൂടാതെ കൃത്യസമയത്ത് മനുഷ്യർ എടുക്കുന്ന തീരുമാനങ്ങൾ എന്നിവ ആവശ്യമാണ്.

AI ഏജന്റുകൾക്കായി വെബ് സെർച്ച് ഇൻഫ്രാസ്ട്രക്ചർ നിർമ്മിക്കുന്ന കമ്പനിയായ Exa Labs, ഡെവലപ്പർമാർക്ക് ആവശ്യമുള്ള എല്ലാ ഇടങ്ങളിലും തങ്ങളുടെ സെർച്ച് API ലഭ്യമാക്കാൻ ആഗ്രഹിക്കുന്നു. "Exa everywhere" എന്നാണ് ഈ ലക്ഷ്യത്തിന് ടീം നൽകിയിരിക്കുന്ന പേര്. മുമ്പൊക്കെ ഇത് നടപ്പിലാക്കാൻ ഡെവലപ്പർ റിലേഷൻസ് ടീമും കോഡ് റിപ്പോസിറ്ററികളും മറ്റ് സിസ്റ്റങ്ങളും നിരന്തരം നിരീക്ഷിക്കുകയും മികച്ച അവസരങ്ങൾ കണ്ടെത്തുകയും വിവരങ്ങൾ ശേഖരിച്ച് ജോലികൾ ഏകോപിപ്പിക്കുകയും ചെയ്യണമായിരുന്നു. അവസരങ്ങൾ പലതാണെങ്കിലും ഇവ കണ്ടെത്തുന്നതു മുതൽ നടപ്പിലാക്കുന്നത് വരെയുള്ള ഘട്ടങ്ങൾ ഒരുപോലെയുള്ളതായിരുന്നു. ഈ ഘട്ടങ്ങളെ Exa, Codex-നായുള്ള ഒരു കൃത്യമായ പ്രവർത്തനരീതി ആക്കി മാറ്റി; ഇതിൽ വ്യക്തമായ മുൻഗണനകളും ആവശ്യമായ സ്രോതസ്സുകളിലേക്കുള്ള ആക്സസും മാറ്റങ്ങൾ വരുത്തുന്നതിന് മുമ്പുള്ള മുമ്പുള്ള മനുഷ്യ സഹജമായ പരിശോധനയും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.

Codex ഇപ്പോൾ ഉയർന്ന മുൻഗണനയുള്ള സംയോജന അവസരങ്ങൾ നിരീക്ഷിക്കുകയും പ്രസക്തമായ സന്ദർഭവിവരം ശേഖരിക്കുകയും pull request-കൾ സൃഷ്ടിക്കുകയും പരിശോധനകൾ നടത്തുകയും Slack, Notion തുടങ്ങിയ സ്രോതസ്സുകൾ ഉപയോഗിച്ച് പ്രതിവാര അപ്ഡേറ്റുകൾ തയ്യാറാക്കുകയും ചെയ്യുന്നു. ആവശ്യമെങ്കിൽ, ടീമിന് പരിശോധിക്കാനായി ആദ്യത്തെ അറിയിപ്പ് ഉൾപ്പെടെയുള്ള അടുത്ത ഘട്ടത്തിന്റെ ഒരു കരടും ഇതിന് തയ്യാറാക്കാൻ സാധിക്കും. ഈ പ്രവർത്തനരീതി ഒരു അവസാരത്തെ വെറുമൊരു സൂചനയിൽ നിന്ന് ആരംഭിച്ച് പരീക്ഷിച്ചുറപ്പിച്ച ഒരു അന്തിമ ഉൽപ്പന്നമായി മാറ്റുന്നു; ഇത് ഗവേഷണം, എഞ്ചിനീയറിംഗ്, കമ്മ്യൂണിക്കേഷൻ ടീമുകൾ തമ്മിലുള്ള ജോലി കൈമാറ്റങ്ങളുടെ ഭാരം കുറയ്ക്കാൻ സഹായിക്കുന്നു.

ഏതൊക്കെ അവസരങ്ങൾ പ്രധാനമാണെന്നും Exa എന്തൊക്കെ പ്രതിബദ്ധതകൾ ഏറ്റെടുക്കണമെന്നും ബാഹ്യബന്ധങ്ങൾ എങ്ങനെ കൈകാര്യം ചെയ്യണമെന്നും ഇപ്പോഴും തീരുമാനിക്കുന്നത് ആളുകളാണ്. പുറത്തിറക്കുന്നതിനുമുമ്പ് ഏജന്റിന്റെ പ്രവർത്തനം ദൃശ്യമാക്കാൻ പരിശോധനകളും അവലോകന ഘട്ടങ്ങളും സഹായിക്കുന്നു. അടുത്ത നിർവഹണത്തിനുമുമ്പ് പ്രവർത്തനക്രമത്തിൽ എവിടെ മാറ്റം വരുത്തണമെന്ന് പരിശോധനാഫലങ്ങളും മനുഷ്യപരിശോധനയും ടീമിന് കാണിച്ചുകൊടുക്കും. ജോലിയുടെ പ്രത്യാഘാതം വർധിക്കുമ്പോൾ അനുമതികൾ, തെളിവുകൾ, തീരുമാനാവകാശങ്ങൾ എന്നിവ പ്രവർത്തനക്രമത്തിന്റെ രൂപകൽപ്പനയിൽ കൂടുതൽ പ്രധാനമാകുന്നു.

Basis, Clay, Exa എന്നിവ ഒന്നിച്ച് എന്റർപ്രൈസ് സിഗ്നൽസിൽ കാണുന്ന മാതൃകകളെ പ്രായോഗിക പ്രവർത്തനരീതികളാക്കി അവതരിപ്പിക്കുന്നു. തെളിയിക്കപ്പെട്ട ഒരു പ്രക്രിയയെ Basis പുനരുപയോഗിക്കാവുന്ന നൈപുണ്യമാക്കി മാറ്റുന്നു. മാറിക്കൊണ്ടിരിക്കുന്ന ജോലിസമാഹാരം കാലികമായി നിലനിർത്താൻ ആവശ്യമായ സന്ദർഭവിവരവും തുടർച്ചയും Clay ഒരു ഏജന്റിന് നൽകുന്നു. ഒരു സൂചനയെ നിയന്ത്രിതമായ നിർവഹണത്തിലേക്ക് കൊണ്ടുപോകാൻ ഏജന്റിനെ പ്രാപ്തമാക്കുന്ന ഉപകരണങ്ങളും പരിശോധനകളും അവലോകനവും Exa ചേർക്കുന്നു. മൂന്നും മെച്ചപ്പെടുത്തലിനെ പ്രവർത്തനക്രമത്തിന്റെ ഭാഗമാക്കുന്നു: പ്രാരംഭപരിശീലനത്തിലെ അസാധാരണ സാഹചര്യങ്ങൾ ഒരു നൈപുണ്യം എവിടെ പരിഷ്കരിക്കണമെന്ന് വെളിപ്പെടുത്തുന്നു; പുതിയ അക്കൗണ്ട് പ്രവർത്തനങ്ങളും വിൽപ്പനക്കാരുടെ സാധൂകരണവും ഇടപാട് സന്ദർഭവിവരം കാലികമാക്കുന്നു; പരിശോധനകളും മനുഷ്യപരിശോധനയും ഭാവിയിലെ നിർവഹണത്തിന്റെ പരിധികൾ കൂടുതൽ കൃത്യമാക്കുന്നു. ഓരോന്നും ഒരു നിർദിഷ്ട ജോലിയും അത് പരീക്ഷിക്കാൻ മതിയായ അവസരവും നൽകിയാണ് തുടങ്ങുന്നത്. ഉപയോഗത്തിലൂടെ തൊഴിൽവിഭജനം കൂടുതൽ വ്യക്തമാകുകയും പ്രവർത്തനക്രമം ഫലപ്രദമാണെന്ന് തെളിയുന്നതിനനുസരിച്ച് ഉത്തരവാദിത്തം വിപുലമാകുകയും ചെയ്യുന്നു.

അത്യാധുനിക സ്ഥാപനങ്ങളും മറ്റുള്ളവരും തമ്മിലുള്ള ഈ വ്യത്യാസം വർദ്ധിച്ചുവരുന്ന സാഹചര്യത്തിൽ, ജീവനക്കാർക്ക് വലിയ സ്വാധീനമുള്ള പ്രവർത്തനരീതികൾ പരീക്ഷിച്ചു നോക്കാനും അവയുടെ വിജയം അളക്കാനും ഏറ്റവും മികച്ച പരീക്ഷണങ്ങളെ സ്ഥിരമായി ആവർത്തിക്കാവുന്ന രീതികളാക്കി മാറ്റാനും ബിസിനസ്സ് ലീഡർമാർ അവസരം ഒരുക്കേണ്ടതുണ്ട്.

• പ്രധാനപ്പെട്ട ഒരു മൂല്യമേഖല തിരഞ്ഞെടുക്കുക. ഒരു തന്ത്രപരമായ മുൻഗണന, സിസ്റ്റങ്ങൾ, ജോലി കൈമാറ്റങ്ങൾ, സുരക്ഷാ കൺട്രോളുകൾ, കൃത്യമായി അളക്കാവുന്ന നേട്ടങ്ങൾ എന്നിവ ഒരുമിച്ച് ചേരുന്ന ഒരു എൻഡ്-ടു-എൻഡ് പ്രവർത്തനരീതിയിൽ നിന്ന് തുടക്കം കുറിക്കുക. പുതിയ മാറ്റങ്ങൾ വരുത്തുന്നത് ന്യായീകരിക്കാൻ തക്ക പ്രാധാന്യമുള്ളതും അതിൽ നിന്ന് കാര്യങ്ങൾ പഠിക്കാൻ പാകത്തിൽ കൃത്യമായ ഇടവേളകളിൽ ആവർത്തിക്കുന്നതുമായിരിക്കണം ഈ പ്രക്രിയയാണ്.
• ഫലവും അത് അളക്കുന്ന രീതിയും നിർവചിക്കുക. ഇതിന്റെ ഉത്തരവാദിത്തമുള്ള വ്യക്തി, KPI, ബേസ്ലൈൻ, സുരക്ഷാ മാനദണ്ഡങ്ങൾ എന്നിവ നിശ്ചയിക്കുക. പൂർത്തിയാക്കിയ ജോലികൾ, ബന്ധിപ്പിച്ച ടൂളുകൾ, തടസ്സങ്ങൾ, പരിശോധനാ ഭാരം എന്നിവയിലൂടെ ഇതിന്റെ ആഴം പരിശോധിക്കുക. സമയലാഭം, ഗുണനിലവാരം, ചെലവ്, വരുമാനം അല്ലെങ്കിൽ റിസ്ക് എന്നിവയിലൂടെ ഇതിന്റെ മൂല്യം വിലയിരുത്തുക. ഔട്ട്പുട്ട് അളവ് കൂടുന്നത് ആളുകൾ AI കൂടുതൽ ഉപയോഗിക്കുന്നു എന്ന് മാത്രമാണ് കാണിക്കുന്നത്; എന്നാൽ പ്രവർത്തനരീതി ഫലങ്ങളാണ് അത് എത്രത്തോളം പ്രയോജനപ്പെടുന്നു എന്ന് വ്യക്തമാക്കുന്നത്.
• ഏജന്റിന്റെ ജോലി വിവരണം എഴുതുക. ഒരു ജോലി എപ്പോൾ ആരംഭിക്കണം, അതിന്റെ അന്തിമ ഫലം എന്തായിരിക്കണം, അതിന് ആവശ്യമായ വിവരങ്ങൾ, ടൂളുകൾ, അനുമതികൾ എന്നിവ നിശ്ചയിക്കുക. ആ ജോലി പൂർത്തിയാക്കാൻ ഏജന്റ് എത്രത്തോളം തുടർച്ചയായി പ്രവർത്തിക്കണമെന്ന് വ്യക്തമാക്കുക. ഏജന്റ് എന്ത് തെളിവുകൾ സമർപ്പിക്കണമെന്നും മനുഷ്യസഹജമായ പരിശോധനയ്ക്കായി എവിടെയാണ് നിർത്തിവെക്കേണ്ടതെന്നും പ്രത്യേകം രേഖപ്പെടുത്തുക.
• ഏജന്റിന് ചുറ്റുമുള്ള മനുഷ്യസംവിധാനം നിർമ്മിക്കുക. ആ പ്രവർത്തനരീതിയുമായി ഏറ്റവും അടുത്തുനിൽക്കുന്ന ആളുകളെ രൂപകൽപ്പനാ പ്രക്രിയയിൽ ഉൾപ്പെടുത്തുക. ബിസിനസ് ഫലങ്ങൾ, ഡൊമെയ്ൻ ലോജിക്, ആക്സസ് കൺട്രോളുകൾ, സിസ്റ്റം നടപ്പിലാക്കൽ എന്നിവയുടെ ചുമതല ആർക്കാണെന്ന് വ്യക്തമാക്കുക. സ്റ്റാർട്ടപ്പുകൾ ഈ ഉത്തരവാദിത്തങ്ങൾ കുറച്ചുപേരിലേക്ക് ചുരുക്കാറുണ്ട്; എന്നാൽ വലിയ കമ്പനികൾക്ക് പ്രവർത്തനങ്ങൾ വിപുലമാക്കുമ്പോൾ വ്യക്തമായ തീരുമാനമെടുക്കാനുള്ള അവകാശങ്ങൾ ആവശ്യമാണ്.
• പരീക്ഷണങ്ങൾ ദൃശ്യമാക്കുകയും പുനരുപയോഗിക്കാവുന്നതാക്കുകയും ചെയ്യുക. ഓൺബോർഡിംഗ് കഴിഞ്ഞ് ആറ് മാസത്തിന് ശേഷം, പരിചയസമ്പന്നരായ ഉദ്യോഗസ്ഥരേക്കാൾ പുതിയ ജീവനക്കാർ ആഴ്ചയിൽ 13 സന്ദേശങ്ങൾ കൂടുതൽ അയയ്ക്കുന്നതായി OpenAI-യുടെ ഗവേഷണം വ്യക്തമാക്കുന്നു. പുതിയ പരീക്ഷണങ്ങൾ നടത്താൻ ജീവനക്കാർക്ക് അവസരം നൽകുക; അതിലൂടെ വിജയിക്കുന്ന രീതികളും അവയ്ക്ക് പിന്നിലെ തെളിവുകളും കണ്ടെത്തി അവയെ സ്കില്ലുകളോ, പ്ലഗിനുകളോ പൊതുവായ വർക്ക്സ്പേസുകളോ ആയി മാറ്റുക. ഇതിനായി ചാറ്റ്, ജോലി, Codex⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവ വ്യത്യസ്ത രീതികളെ പിന്തുണയ്ക്കുന്നു: ലളിതമായ സംശയങ്ങൾക്കും പെട്ടെന്നുള്ള സഹകരണത്തിനും ചാറ്റും ഒന്നിലധികം ഘട്ടങ്ങളുള്ള ജോലികൾക്കും അന്തിമ ഫലങ്ങൾക്കും ജോലിയും സാങ്കേതികപരമായ ജോലികൾക്ക് Codex-ഉം ഉപയോഗിക്കാവുന്നതാണ്.
• വിജയിച്ച പ്രവർത്തനശൈലി മുന്നോട്ടുകൊണ്ടുപോകുക. മുമ്പ് ഫലപ്രദമെന്ന് കണ്ട പശ്ചാത്തലം, അനുമതികൾ, മൂല്യനിർണ്ണയങ്ങൾ, പരിശോധനാ ഘട്ടങ്ങൾ, ചുമതലയുള്ളവർ, അളവുകോലുകൾ, പ്രവർത്തന സൗകര്യങ്ങൾ എന്നിവ നിലനിർത്തുക; തുടർന്ന് അവ അടുത്ത മൂല്യമേഖലയിലേക്ക് പ്രയോജനപ്പെടുത്തുക. ഓരോ പുതിയ പരീക്ഷണവും അടുത്ത ടീമിന് മികച്ച രീതിയിൽ തുടക്കം കുറിക്കാനുള്ള ഒരു നല്ല അടിത്തറയായിരിക്കണം നൽകേണ്ടത്.