AI ਵਰਤੋਂ ਨੂੰ ਕਾਰੋਬਾਰੀ ਮੁੱਲ ਨਾਲ ਕਿਵੇਂ ਜੋੜੀਏ
ਸਮਝੋ ਕਿ ਟੀਮਾਂ ChatGPT ਵਰਕ ਅਤੇ Codex ਕਿਵੇਂ ਵਰਤਦੀਆਂ ਹਨ, ਖਰਚ ਦੇ ਪਿੱਛੇ ਦਾ ਕੰਮ ਦੇਖੋ ਅਤੇ ਇਸ ਨੂੰ ਮਾਪਣਯੋਗ ਨਤੀਜਿਆਂ ਨਾਲ ਜੋੜੋ.
ਜਿਵੇਂ-ਜਿਵੇਂ ਹੋਰ ਟੀਮਾਂ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ, ਐਡਮਿਨਾਂ ਅਤੇ ਕਾਰੋਬਾਰੀ ਲੀਡਰਾਂ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਇਹ ਕਿੱਥੇ ਮੁੱਲ ਪੈਦਾ ਕਰਦੀ ਹੈ ਅਤੇ ਅੱਗੇ ਕਿੱਥੇ ਨਿਵੇਸ਼ ਕਰਨਾ ਹੈ. ਵਰਤੋਂ ਅਤੇ ਖਰਚ ਕਹਾਣੀ ਦਾ ਸਿਰਫ਼ ਇੱਕ ਹਿੱਸਾ ਦੱਸਦੇ ਹਨ, ਪਰ ਐਡਮਿਨਾਂ ਨੂੰ ਇਹ ਵੀ ਦੇਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਲੋਕ AI ਦੀ ਵਰਤੋਂ ਕਿਹੜੇ ਕੰਮਾਂ ਲਈ ਕਰਦੇ ਹਨ ਅਤੇ ਇਸ ਦੀ ਮਦਦ ਨਾਲ ਕੀ ਹਾਸਲ ਕਰਦੇ ਹਨ.
ChatGPT ਐਡਮਿਨ ਕੰਸੋਲ ਵਿੱਚ ਐਨਾਲਿਟਿਕਸ, ChatGPT ਵਰਕ ਅਤੇ Codex ਵਿੱਚ ਵਰਤੋਂ ਅਤੇ ਲਾਗਤ ਦੇ ਡਾਟੇ, ਟਾਸਕਾਂ ਬਾਰੇ ਇਨਸਾਈਟਾਂ ਅਤੇ ਨਤੀਜਿਆਂ ਨਾਲ ਸੰਬੰਧਿਤ ਮੈਟ੍ਰਿਕਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ.
ਇੱਥੇ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕਿ ਐਡਮਿਨ ਇਹਨਾਂ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਕਿਵੇਂ ਸਮਝ ਸਕਦੇ ਹਨ, ਟੀਮਾਂ ਦੀ ਸਹਾਇਤਾ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਕਾਰੋਬਾਰੀ ਮੁੱਲ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦੇ ਹਨ.
ਵਰਤੋਂ ਐਨਾਲਿਟਿਕਸ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ AI ਦੀ ਵਰਤੋਂ ਕਿੱਥੇ ਵੱਧ ਰਹੀ ਹੈ ਅਤੇ ਖਰਚ ਕਿੱਥੇ ਕੇਂਦਰਿਤ ਹੈ, ਜਿਸ ਨਾਲ ਐਡਮਿਨ ਸਹਾਇਤਾ ’ਤੇ ਧਿਆਨ ਦੇ ਸਕਦੇ ਹਨ, ਲਾਗਤਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਸਮਰੱਥਾ ਬੇਨਤੀਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦੇ ਹਨ. ਵਰਤੋਂ ਵਿਊ ChatGPT ਵਰਕ ਅਤੇ Codex ਵਿੱਚ ਐਕਟਿਵ ਵਰਤੋਂਕਾਰਾਂ, ਕ੍ਰੈਡਿਟਾਂ ਅਤੇ ਟੋਕਨ ਦੀ ਵਰਤੋਂ ਨੂੰ ਇਕੱਠੇ ਦਿਖਾਉਂਦਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਸਮੂਹ ਜਾਂ ਵਰਤੋਂਕਾਰ ਮੁਤਾਬਕ ਫਿਲਟਰ ਕਰਨ ਨਾਲ ਪਤਾ ਲੱਗ ਸਕਦਾ ਹੈ ਕਿ AI ਦੀ ਵਰਤੋਂ ਕਿੱਥੇ ਘੱਟ ਹੈ, ਜਿਸ ਨਾਲ ਐਡਮਿਨ ਟੀਮ ਦੇ ਜ਼ਿੰਮੇਵਾਰ ਵਿਅਕਤੀ ਨਾਲ ਸ਼ੁਰੂਆਤੀ ਵਰਕਫਲੋ ਅਤੇ ਸਿਖਲਾਈ ਦੀਆਂ ਲੋੜਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰ ਸਕਦੇ ਹਨ.
ਵਰਤੋਂ ਓਵਰਵਿਊ ChatGPT ਵਰਕ ਅਤੇ Codex ਵਿੱਚ ਸਰਗਰਮ ਵਰਤੋਂਕਾਰਾਂ ਅਤੇ ਕ੍ਰੈਡਿਟ ਦੇ ਰੁਝਾਨ ਦਿਖਾਉਂਦੀ ਹੈ. ਸਾਰੇ ਸਕ੍ਰੀਨਸ਼ਾਟ ਉਦਾਹਰਨਾਤਮਕ ਪ੍ਰਦਰਸ਼ਨੀ ਡਾਟਾ ਵਰਤਦੇ ਹਨ.
ਇਨਸਾਈਟਸ ਵਿੱਚ ਟਾਸਕ ਵਰਗੀਕਾਰ ਮੈਸੇਜਾਂ ਦੇ ਇੱਕ ਨਮੂਨੇ ਨੂੰ ਵਰਤੋਂ ਮਾਮਲਿਆਂ ਅਤੇ ਟਾਸਕਾਂ ਵਿੱਚ ਵੰਡ ਕੇ ਐਡਮਿਨਾਂ ਨੂੰ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ AI ਕਿਹੜੇ ਕੰਮ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿਕਾਸ ਅਤੇ ਕੋਡ ਦੀ ਸਾਂਭ-ਸੰਭਾਲ ਸ਼ਾਮਲ ਹਨ, ਜਦਕਿ ਵਿਕਰੀ ਅਤੇ ਮਾਲੀਆ ਵਿੱਚ ਖਾਤਿਆਂ ਬਾਰੇ ਖੋਜ ਅਤੇ ਯੋਜਨਾ ਸ਼ਾਮਲ ਹਨ. ਓਵਰਵਿਊ ਟੈਬ ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ ਕੰਮ ਦੀ ਵੰਡ ਦਿਖਾਉਂਦੀ ਹੈ. ਵਰਤੋਂ ਮਾਮਲੇ ਟੈਬ ਟਾਸਕਾਂ ਦੇ ਵਿਸਤ੍ਰਿਤ ਵੇਰਵੇ ਵਾਲੀ ਸਾਰਨੀ ਦਿੰਦੀ ਹੈ. ਐਡਮਿਨ ਸਮੂਹ ਮੁਤਾਬਕ ਛਾਂਟ ਕੇ ਦੇਖ ਸਕਦੇ ਹਨ ਕਿ ਟੀਮਾਂ AI ਕਿਵੇਂ ਵਰਤਦੀਆਂ ਹਨ, ਫਿਰ ਕਾਰੋਬਾਰੀ ਮਾਲਕਾਂ ਨਾਲ ਮਿਲ ਕੇ ਤੈਅ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕਿਹੜੇ ਵਰਕਫਲੋਜ਼ ਅਤੇ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਹੈ.
ਇਨਸਾਈਟਸ ਓਵਰਵਿਊ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਫ਼ੀਚਰ ਇੰਪਲੀਮੈਂਟੇਸ਼ਨ ਤੋਂ ਲੈ ਕੇ ਖਾਤਿਆਂ ਬਾਰੇ ਖੋਜ ਤੱਕ, ਟਾਸਕਾਂ ਵਿੱਚ ਕ੍ਰੈਡਿਟ ਕਿਵੇਂ ਵੰਡੇ ਗਏ ਹਨ.
ਹੇਠਾਂ ਦਿਖਾਈ ਵਿਕਰੀ ਟੀਮ ਲਈ, ਖਾਤਿਆਂ ਬਾਰੇ ਖੋਜ ਅਤੇ ਯੋਜਨਾ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਕ੍ਰੈਡਿਟ ਵਰਤੇ ਜਾਂਦੇ ਹਨ. ਇਹ ਚਰਚਾ ਦਾ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ ਕਿ AI ਖਾਤਾ ਤਿਆਰੀ ਨੂੰ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ.
ਵਰਤੋਂ ਮਾਮਲੇ ਸਾਰਨੀ ਟੀਮ ਦੇ ਕੰਮ ਨੂੰ ਟਾਸਕਾਂ ਅਨੁਸਾਰ ਵੰਡਦੀ ਹੈ ਅਤੇ ਕ੍ਰੈਡਿਟ, ਮੈਸੇਜ ਤੇ ਐਕਟਿਵ ਵਰਤੋਂਕਾਰ ਦਿਖਾਉਂਦੀ ਹੈ.
ਟਾਸਕ ਦੇ ਵੇਰਵਿਆਂ ਵਿੱਚ ਮਾਡਲ, ਰੀਜ਼ਨਿੰਗ ਅਤੇ ਗਤੀ ਦੇ ਵੇਰਵੇ ਕਿਸੇ ਟਾਸਕ ਲਈ ਹਰ ਸੈਟਿੰਗ ਦੇ ਕ੍ਰੈਡਿਟ ਦਾ ਹਿੱਸਾ ਦਿਖਾਉਂਦੇ ਹਨ. ਇਸ ਨਾਲ ਐਡਮਿਨ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਸੈੱਟਅੱਪ ਕੰਮ ਲਈ ਢੁਕਵਾਂ ਹੈ ਜਾਂ ਨਹੀਂ ਅਤੇ ਮਾਡਲ ਦੀ ਚੋਣ ਬਾਰੇ ਸਿਖਲਾਈ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾ ਸਕਦੇ ਹਨ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਆਮ ਸੰਖੇਪ ਨੂੰ ਤੇਜ਼ ਜਾਂ ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਸੈੱਟਅੱਪ ਨਾਲ ਟੈਸਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਗੁਣਵੱਤਾ ਤੇ ਸਮੀਖਿਆ ਅਤੇ ਸੁਧਾਰ ਵਿੱਚ ਲੱਗੇ ਸਮੇਂ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ.
ਪਲੱਗਇਨ ਲੀਡਰਬੋਰਡ ਅਤੇ ਸਕਿੱਲਜ਼ ਵਿਊ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਕਿਹੜੇ ਟੂਲ ਕਿਸੇ ਟਾਸਕ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਐਡਮਿਨ ਸਿਖਲਾਈ ’ਤੇ ਧਿਆਨ ਦੇ ਸਕਦੇ ਅਤੇ ਤੈਅ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕਿਹੜੇ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਕਾਇਮ ਰੱਖਣਾ ਜਾਂ ਸਾਂਝਾ ਕਰਨਾ ਹੈ. ਕਿਸੇ ਢੁਕਵੇਂ ਪਲੱਗਇਨ ਦੀ ਘੱਟ ਵਰਤੋਂ ਪਹੁੰਚ ਜਾਂ ਸਿਖਲਾਈ ਦੀ ਲੋੜ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰ ਸਕਦੀ ਹੈ. ਅਕਸਰ ਵਰਤੇ ਜਾਂਦੇ ਸਕਿੱਲ ਲਈ ਸਪਸ਼ਟ ਮਾਲਕ ਅਤੇ ਨਿਯਮਤ ਅੱਪਡੇਟਾਂ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ.
ਨਤੀਜੇ ਵਿਊ ਕੋਡ ਸਮੀਖਿਆ ਗਤੀਵਿਧੀ ਦੇ ਨਾਲ ਮਰਜ ਕੀਤੇ ਗਏ ਕਮਿਟਾਂ ਅਤੇ ਕੋਡ ਦੀਆਂ ਲਾਈਨਾਂ ਵਿੱਚ Codex ਦੇ ਯੋਗਦਾਨ ਦਿਖਾਉਂਦਾ ਹੈ. ਰੁਝਾਨ ਅਤੇ ਉਪਲਬਧ ਸਮੂਹ, ਵਰਤੋਂਕਾਰ ਜਾਂ ਰਿਪੋਜ਼ਟਰੀ ਫਿਲਟਰ ਐਡਮਿਨਾਂ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਲੀਡਰਾਂ ਨੂੰ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਇਹ ਤੈਅ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿ ਪਹੁੰਚ ਕਿੱਥੇ ਵਧਾਈ ਜਾਵੇ ਜਾਂ ਟੀਮਾਂ ਨੂੰ ਕਿੱਥੇ ਸਹਾਇਤਾ ਦਿੱਤੀ ਜਾਵੇ.
ਜੇ ਮਰਜ ਕੀਤੇ ਗਏ ਕੋਡ ਵਿੱਚ Codex ਦੇ ਯੋਗਦਾਨ ਦਾ ਹਿੱਸਾ ਵਧ ਰਿਹਾ ਹੈ, ਤਾਂ ਇੰਜੀਨੀਅਰਿੰਗ ਲੀਡਰ ਉਸ ਰੁਝਾਨ ਦੀ ਤੁਲਨਾ ਸਮੀਖਿਆ ਸਮੇਂ, ਖਾਮੀਆਂ ਅਤੇ ਮੁੜ ਕੰਮ ਨਾਲ ਕਰਕੇ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕੀ ਇਹ ਟੀਮ ਨੂੰ ਹੋਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸਾਫਟਵੇਅਰ ਜਾਰੀ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਰਿਹਾ ਹੈ.
ਨਤੀਜੇ ਵਿਊ ਸਮੇਂ ਦੇ ਨਾਲ Codex ਦੇ ਯੋਗਦਾਨ ਵਾਲੇ ਮਰਜ ਕੀਤੇ ਗਏ ਕਮਿਟਾਂ ਅਤੇ ਕੋਡ ਦੀਆਂ ਲਾਈਨਾਂ ਦੇ ਹਿੱਸੇ ਨੂੰ ਟਰੈਕ ਕਰਦਾ ਹੈ.
ChatGPT ਵਰਕ ਵਿੱਚ ਐਡਮਿਨ ਪਲੱਗਇਨ ਐਡਮਿਨਾਂ ਨੂੰ ਵਰਤੋਂ, ਖਰਚ ਅਤੇ ਟਾਸਕਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਅਤੇ ਫਿਰ ਇਹਨਾਂ ਤੋਂ ਮਿਲੀਆਂ ਜਾਣਕਾਰੀਆਂ ਨੂੰ ਬਜਟ ਅਤੇ ਰੋਲਆਊਟ ਸੰਬੰਧੀ ਫ਼ੈਸਲਿਆਂ ਲਈ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਬਦਲਣ ਦਿੰਦਾ ਹੈ. ਇਹ ਤਿਆਰ ਵਰਤੋਂਯੋਗ ਕੰਮ ਵੀ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਚਾਰਟਾਂ, ਮੁੱਖ ਨਤੀਜਿਆਂ ਅਤੇ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੇ ਅਗਲੇ ਕਦਮਾਂ ਵਾਲੀ ਲੀਡਰਸ਼ਿਪ ਡੈਕ, ਜੋ ਵੱਖ-ਵੱਖ ਵਿਭਾਗਾਂ ਦੇ ਹਿੱਸੇਦਾਰਾਂ ਨਾਲ ਸਾਂਝਾ ਕਰਨ ਲਈ ਤਿਆਰ ਹੋਵੇ.
ਐਡਮਿਨ API ਨਾਲ ਟੀਮਾਂ ਆਪਣੇ ਡੈਸ਼ਬੋਰਡਾਂ ਵਿੱਚ ਰਿਪੋਰਟਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਐਨਾਲਿਟਿਕਸ ਨੂੰ ਕਾਰੋਬਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਡਾਟੇ ਨਾਲ ਜੋੜ ਸਕਦੀਆਂ ਹਨ. ਉਦਾਹਰਨ ਲਈ, ਸਹਾਇਤਾ ਡੈਸ਼ਬੋਰਡ ਟਿਕਟ ਹੱਲ ਕਰਨ ਦੇ ਸਮੇਂ ਦੇ ਨਾਲ ਕ੍ਰੈਡਿਟ ਦੀ ਵਰਤੋਂ ਦਿਖਾ ਸਕਦਾ ਹੈ.
ਐਡਮਿਨ ਪਲੱਗਇਨ ਟੀਮ ਦੇ ਕ੍ਰੈਡਿਟ ਰੁਝਾਨਾਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਮਹੀਨਾਵਾਰ ਰੋਲਆਊਟ ਸਮੀਖਿਆ ਲਈ ਬਦਲਾਵਾਂ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ.
ਵਰਤੋਂ ਅਤੇ ਟਾਸਕ ਡਾਟਾ ਐਡਮਿਨਾਂ ਲਈ ਕਾਰੋਬਾਰੀ ਮਾਲਕਾਂ ਨਾਲ ਮਿਲ ਕੇ ਮੁੱਲ ਦੀ ਜਾਂਚ ਕਰਨ ਦਾ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ. ਕਾਰੋਬਾਰੀ ਮਾਲਕ ਇਸ ਦੇ ਮੁਲਾਂਕਣ ਲਈ ਲੋੜੀਂਦਾ ਸੰਦਰਭ ਜੋੜਦੇ ਹਨ: ਵਰਕਫਲੋ ਵਿੱਚ ਕੀ ਬਦਲਿਆ, ਕੀ ਨਤੀਜੇ ਸੁਧਰੇ ਅਤੇ ਉਸ ਸੁਧਾਰ ਦਾ ਮੁੱਲ ਕਿੰਨਾ ਹੈ. ਮਿਲ ਕੇ ਉਹ ਪ੍ਰੋਡਕਟ ਗਤੀਵਿਧੀ ਨੂੰ ਡਿਲੀਵਰੀ ਸਮੇਂ, ਗੁਣਵੱਤਾ ਜਾਂ ਮੁਨਾਫ਼ੇ ਵਰਗੇ ਮਾਪਾਂ ਨਾਲ ਜੋੜ ਸਕਦੇ ਹਨ.
ਮੰਨ ਲਓ ਕਿ ਐਡਮਿਨ ਕੰਸੋਲ ਦਾ ਟਾਸਕ ਵਰਗੀਕਾਰ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਵਿਕਰੀ ਸਮੂਹ ਵਿੱਚ ਖਾਤਿਆਂ ਬਾਰੇ ਖੋਜ ਆਮ ਹੈ. ਐਡਮਿਨ ਜਾਂਚਦਾ ਹੈ ਕਿ ਮਾਡਲ ਦੀ ਚੋਣ ਟਾਸਕ ਲਈ ਢੁਕਵੀਂ ਹੈ ਜਾਂ ਨਹੀਂ, CRM ਪਲੱਗਇਨ ਦੀ ਘੱਟ ਵਰਤੋਂ ਹੋਣ ’ਤੇ ਸਿਖਲਾਈ ਦਿੰਦਾ ਹੈ ਅਤੇ ਇਕਸਾਰ ਖਾਤਾ ਪਲਾਨਾਂ ਲਈ ਸਕਿੱਲ ਸਾਂਝਾ ਕਰਦਾ ਹੈ. ਫਿਰ ਵਿਕਰੀ ਮਾਲਕ ਤਿਆਰੀ ਦੇ ਸਮੇਂ ਅਤੇ ਯੋਜਨਾ ਦੀ ਗੁਣਵੱਤਾ ਦੀ ਤੁਲਨਾ ਟੀਮ ਦੇ ਆਧਾਰ-ਪੱਧਰ ਨਾਲ ਕਰਦਾ ਹੈ. ਜੇ ਸਮਾਂ ਬਚਦਾ ਹੈ, ਤਾਂ ਉਹ ਟਰੈਕ ਕਰਦੇ ਹਨ ਕਿ ਇਸ ਵਿੱਚੋਂ ਕਿੰਨਾ ਸਮਾਂ ਗਾਹਕਾਂ ਨਾਲ ਗੱਲਬਾਤ ਲਈ ਵਰਤਿਆ ਗਿਆ, ਕਿਹੜੀਆਂ ਗੱਲਬਾਤਾਂ ਯੋਗ ਮੌਕੇ ਬਣੀਆਂ ਅਤੇ ਕਿਹੜੇ ਮੌਕੇ ਵਿਕਰੀ ਵਿੱਚ ਬਦਲੇ. ਉਸ ਕਾਰੋਬਾਰ ਤੋਂ ਮਾਲੀਆ ਅਤੇ ਯੋਗਦਾਨ ਮਾਰਜਿਨ ਇਹ ਦਿਖਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿ ਕੀ ਵਾਧੂ ਸਮਰੱਥਾ ਵਿੱਤੀ ਲਾਭ ਪੈਦਾ ਕਰਦੀ ਹੈ.
ਕਿਸੇ ਵਰਕਫਲੋ ਦਾ ਮੁੱਲ ਜਾਣਨ ਲਈ ਕੁਝ ਸਵਾਲਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ:
ਤੁਸੀਂ ਕੀ ਸੁਧਾਰਨਾ ਚਾਹੁੰਦੇ ਹੋ? ਅਜਿਹਾ ਨਤੀਜਾ ਚੁਣੋ ਜੋ ਟੀਮ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੋਵੇ, ਜਿਵੇਂ ਤੇਜ਼ ਤਿਆਰੀ, ਬਿਹਤਰ ਗੁਣਵੱਤਾ ਵਾਲਾ ਕੰਮ, ਘੱਟ ਲਾਗਤ ਜਾਂ ਵੱਧ ਵਿਕਰੀ.
ਅੱਜ ਪ੍ਰਕਿਰਿਆ ਕਿਹੋ ਜਿਹੀ ਹੈ? ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਤੈਅ ਕਰੋ: ਟੀਮ ਇਹ ਟਾਸਕ ਕਿੰਨੀ ਵਾਰ ਕਰਦੀ ਹੈ, ਇਸ ਵਿੱਚ ਕਿੰਨਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ ਅਤੇ ਚੰਗਾ ਨਤੀਜਾ ਕਿਹੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ.
AI ਨਾਲ ਕੀ ਬਦਲਦਾ ਹੈ? ਇੱਕ ਨਿਰਧਾਰਤ ਮਿਆਦ ਦੌਰਾਨ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰੋ. ਕੰਮ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਸੁਧਾਰ ਕਰਨ ਵਿੱਚ ਲੱਗਿਆ ਸਮਾਂ ਵੀ ਸ਼ਾਮਲ ਕਰੋ, ਤਾਂ ਜੋ ਤੇਜ਼ੀ ਨਾਲ ਪੂਰਾ ਕੀਤਾ ਕੰਮ ਟੀਮ ਦੇ ਗੁਣਵੱਤਾ ਮਿਆਰਾਂ ’ਤੇ ਵੀ ਖਰਾ ਉਤਰੇ.
ਇਸ ਨਾਲ ਟੀਮ ਲਈ ਕੀ ਸੰਭਵ ਹੁੰਦਾ ਹੈ? ਬਚੇ ਸਮੇਂ ਦੌਰਾਨ ਗਾਹਕਾਂ ਨਾਲ ਹੋਰ ਗੱਲਾਂ-ਬਾਤਾਂ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ. ਬਿਹਤਰ ਗੁਣਵੱਤਾ ਵਾਲੇ ਕੰਮ ਨਾਲ ਘੱਟ ਸੁਧਾਰਾਂ ਦੀ ਲੋੜ ਪੈ ਸਕਦੀ ਹੈ. ਟੀਮ ਨਾਲ ਗੱਲ ਕਰਕੇ ਸਮਝੋ ਕਿ ਇਹ ਸੁਧਾਰ ਸਭ ਤੋਂ ਵੱਧ ਕਿੱਥੇ ਮਹੱਤਵ ਰੱਖਦੇ ਹਨ.
ਕੀ ਲਾਭ ਨਿਵੇਸ਼ ਦੇ ਯੋਗ ਹੈ? ਟੀਮ ਨੂੰ ਹੋਣ ਵਾਲੇ ਲਾਭ ਦੀ ਤੁਲਨਾ AI, ਸੈੱਟਅੱਪ ਅਤੇ ਨਿਰੰਤਰ ਸਹਾਇਤਾ ’ਤੇ ਹੋਣ ਵਾਲੇ ਖਰਚ ਨਾਲ ਕਰੋ. ਇਸ ਨਾਲ ਤੁਸੀਂ ਤੈਅ ਕਰ ਸਕਦੇ ਹੋ ਕਿ ਕੀ ਵਧਾਉਣਾ ਹੈ ਅਤੇ ਟੀਮ ਨੂੰ ਹੋਰ ਮਦਦ ਕਿੱਥੇ ਚਾਹੀਦੀ ਹੈ.
ਉਦਾਹਰਨਾਤਮਕ ਸਾਲਾਨਾ ROI: ਵਿਕਰੀ ਖਾਤੇ ਦੀ ਖੋਜ
ਵਿਕਰੇਤਾਵਾਂ ਦੀ ਇੱਕ ਟੀਮ ਦੀ ਕਲਪਨਾ ਕਰੋ, ਜਿਸ ਵਿੱਚ ਹਰ ਵਿਅਕਤੀ ਹਫ਼ਤੇ ਵਿੱਚ ਦੋ ਖਾਤਾ ਸੰਖੇਪ ਤਿਆਰ ਕਰਦਾ ਹੈ. ਹਰ ਸੰਖੇਪ ਵਿੱਚ ਖਾਤੇ ਦਾ ਇਤਿਹਾਸ, ਉਦਯੋਗ ਬਾਰੇ ਖੋਜ ਅਤੇ ਅਗਲੀ ਗੱਲਬਾਤ ਲਈ ਇੱਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਇਕੱਠੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ.
AI ਨਾਲ ਕੀ ਬਦਲਦਾ ਹੈ?
ਇਹ ਸਭ ਮਿਲਾ ਕੇ ਕਿੰਨਾ ਬਣਦਾ ਹੈ?
ਸਾਲਾਨਾ ਬਚਿਆ ਸਮਾਂ
20 ਵਿਕਰੇਤਾ × ਹਫ਼ਤੇ ਵਿੱਚ 2 ਸੰਖੇਪ × 3 ਘੰਟੇ ਦੀ ਬਚਤ × 46 ਹਫ਼ਤੇ = 5,520 ਘੰਟੇ
ਅਨੁਮਾਨਿਤ ਸਾਲਾਨਾ ਸਮਰੱਥਾ ਮੁੱਲ
ਮੰਨ ਲਓ ਕਿ ਟੀਮ ਉਸ ਸਮੇਂ ਦਾ 50% ਲਾਭਕਾਰੀ ਕੰਮ ਵਿੱਚ ਲਾਉਂਦੀ ਹੈ, ਜਿਸ ਦਾ ਮੁੱਲ ਸਾਰੇ ਖਰਚਿਆਂ ਸਮੇਤ ਪ੍ਰਤੀ ਕਰਮਚਾਰੀ $75 ਪ੍ਰਤੀ ਘੰਟਾ ਹੈ. ਵਿਕਰੇਤਾ ਉਸ ਸਮੇਂ ਨੂੰ ਨਵੇਂ ਸੰਭਾਵੀ ਗਾਹਕਾਂ ਨਾਲ ਜੁੜਨ, ਮੌਕਿਆਂ ’ਤੇ ਅਗਲੀ ਕਾਰਵਾਈ ਕਰਨ ਅਤੇ ਗਾਹਕਾਂ ਨਾਲ ਵੱਧ ਸਮਾਂ ਬਿਤਾਉਣ ਲਈ ਵਰਤ ਸਕਦੇ ਹਨ.
5,520 ਘੰਟੇ × 50% × $75 = $207,000
ਪਹਿਲੇ ਸਾਲ ਦੀ ਕੁੱਲ ਲਾਗਤ
AI, ਸੈੱਟਅੱਪ, ਸਿਖਲਾਈ ਅਤੇ ਨਿਰੰਤਰ ਸਹਾਇਤਾ ਲਈ $60,000 ਮੰਨੋ.
($207,000 − $60,000) ÷ $60,000 = 245% ਉਦਾਹਰਨਾਤਮਕ ROI.
ਕਿਸੇ ਵਰਕਫਲੋ ਦਾ ਮੁੱਲ ਪ੍ਰੋਡਕਟੀਵਿਟੀ ਤੋਂ ਵੀ ਅੱਗੇ ਹੋ ਸਕਦਾ ਹੈ. ਵਿਕਰੀ ਵਿੱਚ, ਖਾਤਿਆਂ ਬਾਰੇ ਬਿਹਤਰ ਖੋਜ ਅਤੇ ਗਾਹਕ ਬਾਰੇ ਸਾਂਝੀ ਸਮਝ ਹੋਰ ਡੂੰਘੀਆਂ ਗੱਲਾਂ-ਬਾਤਾਂ, ਮਜ਼ਬੂਤ ਸੰਬੰਧਾਂ ਅਤੇ ਨਵੇਂ ਮੌਕਿਆਂ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕਦੀ ਹੈ. ਫਿਰ ਟੀਮਾਂ ਮਾਪ ਸਕਦੀਆਂ ਹਨ ਕਿ ਕੀ ਇਹ ਸੁਧਾਰ ਵਾਧੂ ਕਾਰੋਬਾਰੀ ਨਤੀਜਿਆਂ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ, ਜਿਵੇਂ ਤੇਜ਼ ਸੌਦਾ ਚੱਕਰ ਜਾਂ ਵਧੀ ਹੋਈ ਜਿੱਤ ਦਰ.
ਸਾਰੇ ਅੰਕ ਕਾਲਪਨਿਕ ਹਨ. ROI ਅਨੁਮਾਨਿਤ ਸਮਰੱਥਾ ਮੁੱਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਉੱਚ ਜਿੱਤ ਦਰਾਂ, ਵੱਡੇ ਸੌਦਿਆਂ ਜਾਂ ਵਿਕਰੀ ਦੇ ਹੋਰ ਨਤੀਜਿਆਂ ਤੋਂ ਹੋਣ ਵਾਲੇ ਸੰਭਾਵੀ ਲਾਭ ਸ਼ਾਮਲ ਨਹੀਂ ਹਨ.
ਸਾਫਟਵੇਅਰ ਜਾਰੀ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਲਾਈਵ ਸਮਾਗਮ ਚਲਾਉਣ ਤੱਕ, ਗਾਹਕ ਆਪਣੇ ਕਾਰੋਬਾਰ ਲਈ ਮਹੱਤਵਪੂਰਨ ਟਾਸਕਾਂ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ:
1Password ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ, ਸਮੀਖਿਆ ਕਰਨ ਅਤੇ ਟੈਸਟ ਕਰਨ ਲਈ Codex ਵਰਤਦਾ ਹੈ, ਤਾਂ ਜੋ ਇੰਜੀਨੀਅਰ ਫੀਚਰਾਂ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਜਾਰੀ ਕਰ ਸਕਣ. ਇਸ ਦਾ ਅਨੁਮਾਨ ਹੈ ਕਿ ਪ੍ਰੋਡਕਸ਼ਨ ਲਈ ਤਿਆਰ ਫੀਚਰਾਂ ਅਤੇ ਅੰਦਰੂਨੀ ਟੂਲ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਉਣ ਲਈ Codex ਵਰਤਣ ਅਤੇ ਸਖ਼ਤ ਸੁਰੱਖਿਆ ਨੀਤੀਆਂ ਕਾਇਮ ਰੱਖਣ ਨਾਲ 553% ROI ਅਤੇ ਸਾਲਾਨਾ ਇੰਜੀਨੀਅਰਿੰਗ ਸਮਰੱਥਾ ਦਾ $0.8M ਮੁੱਲ ਮਿਲਦਾ ਹੈ.
ATV Big Air Tour ਸਮਾਗਮ ਸੂਚੀਆਂ ਦੀ ਜਾਂਚ ਕਰਨ, ਇਨਵੈਂਟਰੀ ਯੋਜਨਾ ਬਣਾਉਣ ਅਤੇ ਆਪਣੀ ਵੈੱਬਸਾਈਟ ਦੀ ਦਿੱਖਯੋਗਤਾ ਸੁਧਾਰਨ ਲਈ ChatGPT ਵਰਕ ਵਰਤਦਾ ਹੈ. ਸੂਚੀਆਂ ਦੀ ਸਮੀਖਿਆ ਦਾ ਸਮਾਂ ਹਫ਼ਤੇ ਦੇ ਅੱਠ ਘੰਟਿਆਂ ਤੋਂ ਘਟ ਕੇ ਇੱਕ ਘੰਟਾ ਅਤੇ ਸਟਾਕ ਦਾ ਕੰਮ ਦੋ-ਤਿੰਨ ਦਿਨਾਂ ਤੋਂ ਘਟ ਕੇ ਦੋ-ਤਿੰਨ ਘੰਟੇ ਰਹਿ ਗਿਆ, ਜਿਸ ਨਾਲ ਟੀਮ ਨੂੰ ਟੂਰ ਅਤੇ ਗਾਹਕਾਂ ’ਤੇ ਧਿਆਨ ਦੇਣ ਲਈ ਵੱਧ ਸਮਾਂ ਮਿਲਿਆ.
Playco ਖੇਡਣ ਯੋਗ ਗੇਮ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾਉਣ ਅਤੇ ਟੈਸਟ ਕਰਨ ਲਈ OpenAI ਦੇ API ਰਾਹੀਂ GPT‑6 Astra ਵਰਤਦਾ ਹੈ. ਟੀਮ ਨੇ ਇੱਕੋ ਆਧਾਰ ਤੋਂ ਤਿੰਨ ਵਿਸ਼ਾ-ਆਧਾਰਿਤ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾਏ ਅਤੇ ਪਿਛਲੇ ਮਾਡਲ ਦੇ ਮੁਕਾਬਲੇ 50% ਘੱਟ ਹੱਥੀਂ ਸੁਧਾਰਾਂ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ, ਜਿਸ ਨਾਲ ਵਿਕਾਸਕਾਰ ਹੋਰ ਵਿਚਾਰਾਂ ਨੂੰ ਟੈਸਟ ਅਤੇ ਤੁਲਨਾ ਕਰ ਸਕੇ.
ਐਡਮਿਨ ਕੰਸੋਲ ਵਿੱਚ ਇਨਸਾਈਟਸ ਖੋਲ੍ਹੋ ਅਤੇ ਅਜਿਹਾ ਆਮ ਟਾਸਕ ਚੁਣੋ ਜੋ ਕਿਸੇ ਕਾਰੋਬਾਰੀ ਤਰਜੀਹ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੋਵੇ. ਕਿਸੇ ਕਾਰੋਬਾਰੀ ਮਾਲਕ ਨਾਲ ਇਸ ਦੀ ਸਮੀਖਿਆ ਕਰੋ, ਆਧਾਰ-ਪੱਧਰ ਅਤੇ ਮਾਪੇ ਜਾਣ ਵਾਲੇ ਨਤੀਜੇ ’ਤੇ ਸਹਿਮਤ ਹੋਵੋ ਅਤੇ ਪ੍ਰਗਤੀ ਦੀ ਸਮੀਖਿਆ ਲਈ ਮਿਤੀ ਤੈਅ ਕਰੋ. ਨਤੀਜਿਆਂ ਦੇ ਆਧਾਰ ’ਤੇ ਤੈਅ ਕਰੋ ਕਿ ਵਰਕਫਲੋ ਵਧਾਉਣਾ ਹੈ, ਟੀਮਾਂ ਵੱਲੋਂ ਇਸ ਦੀ ਵਰਤੋਂ ਸੁਧਾਰਨੀ ਹੈ ਜਾਂ ਕੋਈ ਵੱਖਰੀ ਪਹੁੰਚ ਟੈਸਟ ਕਰਨੀ ਹੈ. ਸਾਡੇ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਹੋਰ ਜਾਣੋ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).
