એઆઈ કન્સલ્ટન્ટ કેવી રીતે બનવું? [વિડિઓ અને ક્વિઝ]

ટૂંકો જવાબ: ટાઇટલ એકત્રિત કરીને નહીં, પરંતુ લાઇવ વર્કફ્લો પર એક પેઇડ લૂપ પૂર્ણ કરીને AI સલાહકાર બનો. LLM, પુનઃપ્રાપ્તિ અને મોડેલ જોખમમાં, પછી શોધ, પાઇલટ, લેખન અને સક્ષમકરણ ચલાવો. જો સિસ્ટમ્સ, ડેટા અથવા કાર્ય કરી રહેલા લોકોની ઍક્સેસ ન હોય, તો સંક્ષિપ્તમાં ઇનકાર કરો.

મુખ્ય બાબતો:

લૂપ પૂર્ણ કરો: સંપૂર્ણ પેઇડ ડિસ્કવરી, એક નાનો પાયલોટ, એક લેખન અને સક્ષમતા.

ઓફરનું નામ આપો: "હું X ને Z વગર Y કરવામાં મદદ કરું છું" કહો અને પૈસા મેળવો.

જવાબદારી: માલિકનું નામ આપો, નિર્ણય લોગ રાખો અને કોને દોષિત ઠેરવો તે જણાવો.

પારદર્શિતા: પહેલા વર્કફ્લોનો નકશો બનાવો; ડેમો એ નિદાન નથી.

દુરુપયોગ પ્રતિકાર: ક્યારેય અચોક્કસતાનું વચન ન આપો અથવા જનરેટિવ AI ખરાબ ડેટાને ઠીક કરશે.

જે નોકરીનું કોઈ બરાબર વર્ણન કરી શકતું નથી (અને શા માટે આ તમારી શરૂઆત છે)

આ એક સરસ લેપટોપ ધરાવતો થોડો ફેન્સી પ્રોમ્પ્ટ એન્જિનિયર નથી. મારો મતલબ, ક્યારેક તે એક અઠવાડિયા માટે આવું લાગે છે. પછી તે થાકેલા ફાઇનાન્સ લીડ સાથે ડિસ્કવરી ઇન્ટરવ્યૂ, ડેટા-રેડીનેસ ચેક જે ત્રણ સ્પ્રેડશીટ્સ અને પ્રાર્થના દર્શાવે છે, અને ઉત્પાદન પરવાનગીઓના સંપર્કમાં પુનઃપ્રાપ્તિ ડેમો કેમ મરી જાય છે.

જે સંસ્કરણ તેની જાળવણી કરે છે તે ત્રણ ગીચ રૂમ વચ્ચે આવેલું છે:

• "આપણી AI વ્યૂહરચના શું છે?" એવું પૂછવાનું નેતૃત્વ, વ્યવસાય શું ઇચ્છે છે તે સ્વીકાર્યા વિના

• જે બિલ્ડરો લંચ પહેલાં પ્રોટોટાઇપ ઉભા કરી શકે છે, પછી મોડેલ-જોખમ દલીલોમાં અદૃશ્ય થઈ જાય છે

• ઓપરેટરો જેમને તમે જે કંઈ છોડી દો છો તેની સાથે જીવવું પડે છે

તમે કનેક્ટિવ ટીશ્યુ છો. આ જ દુર્લભ બાબત છે. જો તમે વર્કશોપ ચલાવી શકો છો, એક ચુસ્ત SOW લખી શકો છો, અને એક ટીમને LLM ને એવા વર્કફ્લોમાં ભરવાનું બંધ કરી શકો છો જેને ચેકબોક્સની જરૂર હોય, તો તમે પહેલાથી જ અડધા ઘોંઘાટ કરતાં વધુ રોજગારયોગ્ય છો.

તેને કલ્પના કરવાની એક અપૂર્ણ રીત છે, અને હું તેનો ઉપયોગ કોઈપણ રીતે કરીશ: તમે એક પ્લમ્બર છો જેને બોર્ડને પાણી પણ સમજાવવું પડે છે. થાકેલા રૂમમાં જતા, શોધ હજુ પણ તીક્ષ્ણ હોવી જોઈએ.

શું બિલ થાય છે (વ્યૂહરચના, બિલ્ડ અને અનગ્લામરસ મધ્યમ)

ગ્રાહકો તમને "AI જાણવા" માટે પૈસા આપતા નથી. જ્યારે કોઈ સમસ્યા મોંઘી, રાજકીય અથવા એટલી શરમજનક હોય કે બહારનો વ્યક્તિ બીજી આંતરિક મડાગાંઠ કરતાં સસ્તો હોય ત્યારે તેઓ પૈસા ચૂકવે છે.

ત્રણ ડોલ, અને તે એકબીજામાં ટપકશે:

• સ્ટ્રેટેજી. યુઝ-કેસ ટ્રાયેજ, "શું આપણે બરાબર થવું જોઈએ," ગવર્નન્સ સ્કેચ, મોડેલ-રિસ્ક મંત્રણા જે કાનૂની બાબતોને સ્થિર બનાવે છે. ઉચ્ચ-વિશ્વાસ અને જો તમે ફક્ત ફ્રેમવર્કમાં બોલો છો તો બનાવટી બનાવવું ખૂબ જ સરળ છે. ના કરો.

• બિલ્ડ. પ્રોટોટાઇપ્સ, કોપાયલોટ્સ, રીટ્રીવલ, વર્કફ્લો ડિઝાઇન, લાઇટ ઓટોમેશન. આ તમને દરવાજા પર લઈ જાય છે, અને જો તમે ચૂકવણી ન કરાયેલ અમલીકરણ ટીમ બનો છો તો તમને ફસાવી દે છે.

• પરિવર્તન વ્યવસ્થાપન અને સક્ષમતા. પ્લેબુક્સ, તાલીમ, "આ કેવી રીતે ઉતરે છે." આશ્ચર્યજનક રીતે, ઘણીવાર સૌથી વધુ બિલવાળા અને ઓછા દેખાડાવાળા.

ઝડપી એન્જિનિયરિંગ દેખાય છે. તેના પર વધુ પડતું ધ્યાન ન આપો. ભોજન નહીં, સીઝનીંગ. ડેટા રેડીનેસ, સ્ટેકહોલ્ડર મેપિંગ અને સ્વચ્છ શોધ પ્રક્રિયા એક ચતુર સિસ્ટમ પ્રોમ્પ્ટ કરતાં વધુ પ્રોજેક્ટ્સ બચાવશે.

એક નાનો વિરોધાભાસ જેની સાથે હું રહું છું: તમારે બકવાસ કહેવા માટે પૂરતી પ્રવાહિતાની જરૂર છે, અને પરિણામ કોના હાથમાં છે તે પૂછ્યા વિના તેને ન બનાવવા માટે પૂરતો સંયમ હોવો જોઈએ. મને લાગે છે કે આ આખી કારીગરી છે, ખરાબ રીતે કહ્યું.

પાંચ રસ્તાઓ જેને પૌરાણિક મૂળ વાર્તાની જરૂર નથી

એક સીડી નથી. રહેઠાણો છે, અને તેઓ લોકોને અલગ રીતે ચાવે છે. તમે જે ટકી શકો તે પસંદ કરો.

આમાંથી કોઈ પણ નૈતિક રીતે સારું નથી. જ્યાં સુધી તમે કોઈ શોધની કિંમત ખોટી ન બનાવો ત્યાં સુધી સ્વતંત્ર રોમેન્ટિક લાગે છે. જ્યાં સુધી તમે દરેક ચેટબોટ વિચાર માટે નિયુક્ત જાદુગર ન બનો ત્યાં સુધી ઘરનું ઘર સલામત લાગે છે.

એઆઈ કન્સલ્ટન્ટ કેવી રીતે બનવું? નોકરીના શીર્ષકથી નહીં, લાઈવ સમસ્યાથી શરૂઆત કરો

"એઆઈ કન્સલ્ટન્ટ કેવી રીતે બનવું?" નો સીધો જવાબ લગભગ અપમાનજનક રીતે વ્યવહારુ છે. ઓળખ એકત્રિત કરવાનું બંધ કરો. તમે પૂર્ણ કરી શકો તેવી સમસ્યાઓ એકત્રિત કરવાનું શરૂ કરો.

1. યોગ્ય રીતે ખતરનાક બનવા માટે પૂરતા પ્રમાણમાં અસ્ખલિત બનો. LLM, પુનઃપ્રાપ્તિ, કોપાયલોટ્સ, મૂળભૂત ઓટોમેશન, જ્યાં મોડેલ જોખમ રહે છે. તમારે શરૂઆતથી કંઈપણ તાલીમ આપવાની જરૂર નથી.

2. લાઇવ વર્કફ્લોની બાજુમાં બેસો. સેલ્સ ઓપ્સ, સપોર્ટ, ફાઇનાન્સ બંધ કરો, જ્ઞાન શોધો. કામ ક્યાં જમા થાય છે તે જુઓ.

3. એક સંપૂર્ણ લૂપ કરો. ડિસ્કવરી, એક નાનું પાયલોટ, શું તૂટી ગયું તેનું લેખન, જે માણસોએ તેનો ઉપયોગ કરવો પડે છે તેમના માટે સક્ષમતા.

4. ઓફર પર એક નામ લખો. "હું X ને Z વગર Y કરવામાં મદદ કરું છું." અગ્લી ઠીક છે. અસ્પષ્ટ નથી.

5. પહેલો ચેક અઘરો હોય તો પણ પૈસા મેળવો. ચૂકવ્યા વગરના "પોર્ટફોલિયો" કામમાં પૈસા ન મળવાની એક રીત હોય છે.

જો તમારી પૃષ્ઠભૂમિ એન્જિનિયરિંગની છે, તો તમારો તફાવત સામાન્ય રીતે હિસ્સેદારો અને ROI ભાષામાં હોય છે. જો તમે વ્યૂહરચના અથવા ઑપ્સમાંથી આવો છો, તો તે ડેમો ક્યારે થિયેટર છે તે જાણવાનું છે. કોઈપણ રીતે: જીવંત સમસ્યા ઉધાર લો, તેને પૂર્ણ કરો, પેડિંગ વિના તેનું વર્ણન કરો.

મેં અહીં લગભગ "એક વ્યક્તિગત બ્રાન્ડ બનાવો" લખ્યું હતું. હું નહીં કરું. એક સરળ ઓફર અને થોડા લોકો જે તમારો ફોન સ્વીકારશે તે કન્ટેન્ટ મશીનને હરાવી દેશે જે ક્યારેય બિલ આપતું નથી. કામ પીચ કરતાં વધુ સાપ જેવું છે. તે જ રસ્તો છે.

તમારી પાછળ દરવાજો લોક કર્યા વિના એક વિશિષ્ટ સ્થાન પસંદ કરો

ગમે તે હોય.

વિશિષ્ટ સલાહ સામાન્ય રીતે કાં તો "એક ICP પસંદ કરો અથવા નાશ પામો" અથવા "સામાન્ય રહો" હોય છે. બંને અર્ધ-સત્ય અને થોડા હેરાન કરે છે. અહીં કામ કરતું વિશિષ્ટ સ્થાન ઘણીવાર વર્કફ્લો + ખરીદનાર, મોડેલ પરિવાર નહીં. ટિકિટોમાં ડૂબી રહેલા નેતાઓને ટેકો આપો. ગૂંચવાયેલા હેન્ડઓફ સાથે ઑપ્સ ટીમો. જોખમી લોકો જેમને એવી શાસનની જરૂર હોય છે જે નેવું પાનાની PDF નથી જે કોઈ વાંચતું નથી.

તમને પછીથી બદલવાની છૂટ છે. શરૂઆતમાં, વિશિષ્ટતા એ એક ફિલ્ટર છે, ટેટૂ નહીં. તમારી જાતને "હું ફક્ત ગયા મહિને શીખેલા સાધનનો ઉપયોગ કરું છું" માં રંગશો નહીં. સાધનો ફરતા રહે છે. ડેટા તૈયારી, પરિવર્તન વ્યવસ્થાપન અને પાઇલટ પાસે તક છે કે નહીં તે અંગેનો નિર્ણય... તે મુસાફરી કરે છે.

બીજી એક વાત, ખોટી જગ્યાએ હાઇફન મૂકીને કહી કારણ કે મારી નોંધો એવી દેખાય છે: એક વિશિષ્ટતા એ પાંજરા નહીં, પણ દરવાજો ખોલનાર છે. જો તમે ખરીદનારના અઠવાડિયાને સમજાવી શકો, તો તમે પૂરતા નિષ્ણાત છો.

પહેલા ગ્રાહકો, પુરાવા, અને શરૂઆતના પોર્ટફોલિયોની અજીબ સમસ્યા

આ એવો ભાગ છે જે કોઈને ગમતો નથી. તમારે પુરાવાની જરૂર છે. ખરીદદારો જે પ્રકારનો પુરાવો માંગે છે તે તમારી પાસે નથી. પ્રથમ પેઇડ ગીગ સામાન્ય રીતે ગૂંચવાયેલ વર્કફ્લો ઓડિટ હોય છે, મૂનશોટ મોડેલ નહીં. તે સામાન્ય છે.

જ્યારે તમારી પાસે કોઈ ગ્લોસી કેસ સ્ટડી ન હોય ત્યારે શું પુરાવા તરીકે ગણાય છે:

• એક ચુસ્ત રીતે વિસ્તૃત નિદાન: સિસ્ટમ્સ, ડેટા તૈયારી, જ્યાં LLM મદદ કરશે વિરુદ્ધ જ્યાં તે નીતિને ભ્રમિત

• એક વર્કશોપ જે માલિકો સાથે ક્રમાંકિત ઉપયોગના કેસ બનાવે છે, બ્રેઈનસ્ટોર્મ ભીંતચિત્ર નહીં

• પૂર્ણ કરવા માટે સમય પહેલા/પછી સાથે એક નાનો પાયલોટ - સંખ્યાઓ સ્થાનિક અને અસ્પષ્ટ રાખો, પૌરાણિક નહીં

• સક્ષમતા: એક ટૂંકી પ્લેબુક જે ટીમ તમારા ગયા પછી પણ ઉપયોગ કરે છે

તમે પહેલા ગ્રાહકોની નજીક કેવી રીતે પહોંચો છો: ભૂતપૂર્વ સાથીદારો જે પહેલાથી જ તમારા પર વિશ્વાસ કરે છે (મોટાભાગના લોકો શરૂઆત કરે છે, ચાલો ડોળ ન કરીએ); જો તમે પહેલાથી જ ઓપ્સ કરી રહ્યા છો તો બાજુનું કામ; એવી ટીમ માટે અપૂર્ણાંક સમય જેને અઠવાડિયામાં એક દિવસ મગજની જરૂર હોય છે.

પોર્ટફોલિયો ન બનાવો. કોઈ સમસ્યાની સ્પષ્ટ વાર્તા બનાવો, તમે શું પ્રયાસ કર્યો, શું નિષ્ફળ ગયું, અને તમે આગળ શું કરશો. વરાળથી બળી ગયેલા ખરીદદારો થિયેટરની ગંધ લઈ શકે છે. તેઓ "આ કામ ન કર્યું કારણ કે પુનઃપ્રાપ્તિ ભંડોળ એક જંક ડ્રોઅર હતું" તેનો આદર કરે છે

હળવું અતિશયોક્તિપૂર્ણ: તમારા પહેલા ત્રણ ક્લાયન્ટ્સ તમને કોઈ પણ કોર્ષ કરતાં વધુ શીખવે છે. અને ફરીથી, એક કોર્ષ જે તમને પાયલોટ મોકલવા માટે દબાણ કરે છે તે કંઈ નથી. હું તેને થોડું પાછું લઉં છું.

કિંમત, રીટેનર્સ, અને કિંમતી લાગે તે વિના ના કહેવું

સક્ષમ લોકો કિંમત નક્કી કરવામાં શરમ અનુભવે છે. તેઓ ડિસ્કાઉન્ટ આપે છે કારણ કે તેઓ નવું અનુભવે છે. પછી તેઓ કામ પ્રત્યે નારાજ થાય છે. પછી તે બેદરકાર બની જાય છે.

• કલાકો નહીં, પણ નિર્ણય પર કિંમત નક્કી કરો. મોટી ગૂંચ દૂર કરતી શોધ "બે દિવસ" નથી.

• રીટેનર્સ સક્ષમતા, શાસન ચેક-ઇન્સ અને અપૂર્ણાંક કન્સલ્ટિંગમાં ફિટ થાય છે. જો ક્લાયન્ટ કોઈ માલિક વિના બિલ્ડ સ્પ્રિન્ટ ઇચ્છતો હોય તો તે ખરાબ રીતે ફિટ થાય છે.

• SOWs એ "થયું" કેવું દેખાય છે તેનું નામ આપવું જોઈએ. જો તમે તેને લખી શકતા નથી, તો તમે તેની કિંમત પણ નક્કી કરી શકતા નથી. પૂર્ણવિરામ.

• જ્યારે વિનંતી "બસ અમને એક AI વ્યૂહરચના બનાવો" હોય ત્યારે સિસ્ટમ, ડેટા અથવા કામ કરનારા લોકો સુધી પહોંચ ન હોય ત્યારે ના કહો

ડે-રેટ સ્પષ્ટ છે પણ તે અવકાશને ઓગળતો અટકાવે છે. હાઇબ્રિડ સામાન્ય છે: પેઇડ ડિસ્કવરી, પછી ફિક્સ્ડ પાઇલટ, પછી રિટેનર જો તેઓ હજુ પણ તમને આસપાસ ઇચ્છે છે. હું તમારા પર ખોટા આંકડા નહીં ફેંકું. કોઈપણ જે યુનિવર્સલ ડે-રેટને હકીકત તરીકે ટાંકે છે તે કંઈક વેચી રહ્યો છે. તમારી દુનિયામાં સમાન સલાહકાર કાર્યનો ખર્ચ કેટલો છે તેની નજીક બેસો - પ્રોડક્ટ કન્સલ્ટન્ટ્સ, ઓપ્સ ફ્રેક્શનલ લીડ્સ.

નીતિશાસ્ત્ર, જોખમ અને વચનો જે તમને સતાવશે

આ વિભાગ અસ્તિત્વમાં છે કારણ કે હેંગઓવર આવે છે. તમે માપી ન શકો તેવી ચોકસાઈનું. "એકવાર કોપાયલોટ લાઇવ થઈ જાય પછી" આખી ટીમ અદૃશ્ય થઈ જશે તેવું વચન આપશો નહીં. જનરેટિવ AI ડેટા-ગુણવત્તાની સમસ્યાને ઠીક કરશે તેવું વચન આપશો નહીં, હકીકતમાં, તે વિસ્તૃત કરશે. ગુપ્તતાનું વચન આપશો નહીં જે તમે કાર્યરત કરી નથી: ડેટા ક્યાં જાય છે, કોણ પ્રોમ્પ્ટ લોગ કરે છે, શું રાખવામાં આવે છે.

મોડેલ રિસ્ક એ કોઈ સ્લાઈડ પર છાંટો એવું સૂત્ર નથી. તે છે "આ વસ્તુ નિયમન કરાયેલ કાર્યપ્રવાહમાં આત્મવિશ્વાસપૂર્વક ખોટી." શાસન એ અનસેક્સી ભાઈબંધ છે: ઍક્સેસ, મૂલ્યાંકન, માનવ સમીક્ષા, ઓડિટ ટ્રેલ્સ. જો તમે તેને છોડી દો છો, તો કોઈ બીજું ઉત્પાદનમાં અંતર શોધી કાઢશે.

આ ઉપરાંત, એક નાનો સિદ્ધાંત પણ છે: જ્યારે બે અઠવાડિયાના વર્કફ્લો રિડિઝાઇનથી કામ ચાલે છે, ત્યારે ક્લાયન્ટને એક વિશાળ પ્રોગ્રામમાં ડરાવશો નહીં. જ્યારે વધુ સારી શોધ પરવાનગીઓ જ સાચી સમસ્યા હોય ત્યારે કસ્ટમ રીટ્રીવલ સ્ટેકને અપસેલ કરશો નહીં.

થોડું તૂટેલું રૂપક: નૈતિકતા વિના AI કન્સલ્ટિંગ એ એક સ્મોક એલાર્મ છે જે મેચ પણ વેચે છે. જ્યાં સુધી તે ન હોય ત્યાં સુધી સુંદર. ખુશખુશાલ ડેમો પછી તમને "બસ તેને પ્રોડક્શનમાં મૂકવા" કહેવામાં આવશે. મૂલ્યાંકન અને મોડેલ ઇમ્પ્રુવાઇઝ કરે ત્યારે કોણ હૂક પર છે તે વિશે ધીમી વાતચીત લો.

જ્યારે ડેમો નિદાન નથી

સાધનો મોહક છે. તે તમને ઝડપી બનાવે છે. હિસ્સેદારો તાળીઓ પાડે છે. પછી સોમવાર આવે છે.

એક ડેમો જવાબ આપે છે કે "શું આ સ્ટેક યોગ્ય આઉટપુટ આપી શકે છે." નિદાન જવાબ આપે છે કે "શું આ સંસ્થા તેનો ઉપયોગ અહીં કરે છે, આ ડેટા સાથે, આ લોકો સાથે, આ જોખમ લેવાની ક્ષમતા સાથે." વિવિધ રમતો.

વાતો પર ધ્યાન રાખો: કોઈ તમને વર્તમાન પ્રક્રિયાને શરૂઆતથી અંત સુધી બતાવી શકશે નહીં; "જ્ઞાનનો આધાર" એ એક શેર-ડ્રાઇવ સ્વેમ્પ છે જેનો કોઈ માલિક નથી; સફળતા એ છે કે "આપણે કંઈક શરૂ કર્યું"; કોપાયલટ એક એવા વર્કફ્લો પર બેસે છે જે પહેલાથી જ બિન-AI કારણોસર નિષ્ફળ જાય છે.

તમારું કામ ઘણીવાર રૂમ ધીમો કરવાનું હોય છે. એટલા માટે નહીં કે તમે કિંમતી છો. કારણ કે એક ખરાબ પાઇલટ કૂવામાં ઝેર ફેલાવે છે. શોધને તમારા મતે ચલાવો. કાર્યપ્રવાહનો નકશો બનાવો. પૂછો કે જો તે ખોટું હોય તો કોને દોષિત ઠેરવવામાં આવે છે. પછી સાધનો પસંદ કરો.

નિર્ણય એ ઉત્પાદન છે. સ્ટેક એ પોશાક છે. હું કહું છું કે સારી રીતે જાણીને કે એક ચપળ પ્રોટોટાઇપ હજુ પણ દરવાજા ખોલે છે, મેમો ક્યારેય નહીં. નિદાનની અંદર ડેમોનો ઉપયોગ પુરાવા તરીકે કરો, અવેજી તરીકે નહીં. તે તેની જાળવણી કરે છે; રૂમ પર આધાર રાખીને, લાઇવ રીટ્રીવલ ટેસ્ટ પોલિશ્ડ ડેકને હરાવે છે. રૂમ વાંચો. પછી ગમે તે રીતે પરીક્ષણ કરો.

ઓપરેશન્સ, કોન્ટ્રાક્ટ્સ, ડિલિવરી: કામનો અનગ્લામરસ અડધો ભાગ

જો તમે સ્વતંત્ર અથવા સ્ટુડિયો-આકારના બનશો, તો વ્યવસાય કન્સલ્ટિંગ ખાવાનો પ્રયાસ કરશે. ઇનબોક્સ, ઇન્વોઇસ, કોન્ટ્રેક્ટિંગ, "શું તમે ફક્ત કૉલ કરી શકો છો?"

ન્યૂનતમ પુખ્ત સેટઅપ:

• એક સરળ કરાર: કાર્યક્ષેત્ર, IP, ગુપ્તતા, ડેટા હેન્ડલિંગ, સમાપ્તિ

• પ્રતિ સગાઈ એક SOW, તમને ગમતા લોકો માટે પણ. ખાસ કરીને તમને ગમતા લોકો માટે.

• ડિલિવરી કેડન્સ: સાપ્તાહિક નોંધ, નિર્ણય લોગ, જોખમો. શુષ્ક. સોનું.

• તમારા ડાઉનલોડ ફોલ્ડરમાં ન હોય તેવી કલાકૃતિઓ, ઉપરાંત તમે સ્પર્શ કરો છો તે સિસ્ટમો માટે ઍક્સેસ નિયમો

ડિલિવરી એ એવી જગ્યા છે જ્યાં પ્રતિષ્ઠા વધે છે. દસ્તાવેજો વાંચીને હાજર થાઓ. વર્કશોપ વચ્ચે ભૂલશો નહીં. જ્યારે પાઇલટ ભૂલ કરે છે, ત્યારે વિકલ્પો સાથે વહેલા કહો, સ્ટેટસ અપડેટ તરીકે મોડું માફી નહીં.

જો તમે છોડી દો અને ફક્ત તમે જ કામ ચલાવી શકો, તો તમે સલાહ લીધી નહીં; તમે ડે-રેટ સાથે અડચણ બની ગયા. શીખવો, દસ્તાવેજ કરો, સોંપો.

રસ્તો શું તરફ જાય છે

તો હા, AI કન્સલ્ટન્ટ કેવી રીતે બનવું? એ એક એવો પ્રશ્ન છે જેનો જવાબ થોડો શુષ્ક છે. કાલ્પનિકતાને સુગંધિત કરવા માટે સ્ટેક સારી રીતે શીખો. લાઇવ વર્કફ્લોમાં બેસો. લૂપ પૂર્ણ કરો. નિર્ણય માટે ચાર્જ કરો. થિયેટરનો ઇનકાર કરો.

આ પાથ કોઈ કોર્સ, બેજ કે રિબ્રાન્ડેડ પ્રોફાઇલ હેડલાઇન નથી. તે પેઇડ, સીમાબદ્ધ સમસ્યાઓ છે જ્યાં તમે માનવોને AI વ્યૂહરચના, ઓટોમેશન, અથવા કોપાયલોટ પર વધુ સારી રીતે કૉલ કરવામાં મદદ કરી છે જેનો હજી સુધી કોઈ વ્યવસાય અસ્તિત્વમાં નથી. પછી બીજો.

મોડેલ-રિસ્ક મીટિંગમાં તમારે સૌથી હોંશિયાર વ્યક્તિ બનવાની જરૂર નથી. સ્લાઇડ્સ બંધ હોય ત્યારે પણ તમારે કાર્ય સમજાવી શકે તેવા વ્યક્તિ બનવાની જરૂર છે. તે હોવું જોઈએ તેના કરતાં દુર્લભ છે. અને તે શરૂ કરવા માટે પૂરતું છે.

વાસ્તવિક દુનિયાનું ઉદાહરણ: પ્રથમ પેઇડ એંગેજમેન્ટ તરીકે બે અઠવાડિયાની સપોર્ટ શોધ

દૃશ્ય

માયા ૩૪ વર્ષની છે. તેણીએ છ વર્ષ સુધી પ્રાદેશિક વીમા બ્રોકર સાથે કામ કર્યું, જ્યારે કોપાયલોટ ટ્રાયલે પોલિસી શબ્દરચના વિશે આત્મવિશ્વાસપૂર્ણ, ખોટો જવાબ આપ્યો ત્યારે તેના સાથીઓએ તેને પિંગ કર્યું. તે વર્કશોપ ચલાવી શકે છે, ટૂંકું સંક્ષિપ્ત લખી શકે છે અને મોડેલ કરતાં વર્કફ્લોને ચેકબોક્સની જરૂર હોય ત્યારે કહી શકે છે. તે શરૂઆતથી કંઈપણ તાલીમ આપી શકતી નથી, અને તે અન્યથા ડોળ કરતી નથી.

માર્ચમાં તે ફ્રીલાન્સ કામ અજમાવવા માટે જાય છે. કોઈ ઇનબાઉન્ડ એન્જિન નથી. ડેન, એક ભૂતપૂર્વ સાથીદાર છે, જે હવે માન્ચેસ્ટરમાં 180-વ્યક્તિઓની B2B SaaS કંપની, નોર્થલાઇનમાં ગ્રાહક સપોર્ટના વડા છે. ચાર એજન્ટો. કોઈ માલિક વિનાની શેર કરેલી ડ્રાઇવ. ચેટબોટ ટ્રાયલ લીડરશીપ પહેલાથી જ બધા હાથમાં ક્વોટ કરી રહી છે. એજન્ટોએ શાંતિથી તેને ખોલવાનું બંધ કરી દીધું છે. ડેન આગામી સ્ટીયરિંગ મીટિંગ પહેલાં મદદ માંગે છે, તેના નોકરીના ટાઇટલનું રિબ્રાન્ડ નહીં.

માયા "એઆઈ સ્ટ્રેટેજી" વેચતી નથી. તે બે અઠવાડિયાની નિશ્ચિત શોધ વેચે છે: વ્યવહારમાં ટિકિટનો જવાબ કેવી રીતે મળે છે તેનો નકશો બનાવો, જનરેટિવ એઆઈ ક્યાં મદદ કરશે અને ક્યાં ગડબડ કરશે તે કહો, અને નામાંકિત માલિક સાથે એક બાઉન્ડેડ પાઇલટની ભલામણ કરો. જો શોધ "પરવાનગીઓ ઠીક કરો અને ખૂટતા લેખો લખો" હોય, તો તે ડિલિવરેબલ છે. ડેન નિર્ણય માટે ચૂકવણી કરે છે, તે પ્રોટોટાઇપ માટે નહીં જે તેણે સ્કોપ કર્યું નથી.

સલાહકારને શું જોઈએ છે

• "થઈ ગયું" નામનું કાર્યનું એક પાનુંનું નિવેદન: વર્કફ્લો નકશો, માલિકો સાથે ઉપયોગના કેસોની સ્કોર કરેલી સૂચિ, પાઇલટ માટે જાઓ કે ન જાઓ, અને શું તોડશે તેનું બે પાનું લેખન

• ગ્રાહકના નામ કાઢી નાખવામાં આવ્યા બાદ, "હું કેવી રીતે / નીતિ શું છે" પ્રકારની 12 તાજેતરમાં બંધ થયેલી ટિકિટોની ઍક્સેસ

• સહાય કેન્દ્ર, શેર કરેલી ડ્રાઇવ અને ત્યજી દેવાયેલા ચેટબોટ ટ્રાન્સક્રિપ્ટ લોગની ફક્ત વાંચવા માટેની ઍક્સેસ

• બે એજન્ટો, ટીમ લીડ અને સૈદ્ધાંતિક રીતે જ્ઞાન આધાર ધરાવનાર વ્યક્તિ સાથે 45 મિનિટ (તે કોઈ ન પણ હોય; તે એક શોધ છે)

• ડેન નિર્ણય લેનાર તરીકે, ભલામણ સ્વીકારવા કે નકારવા માટે બીજા અઠવાડિયામાં સ્લોટ સાથે

• લેખિતમાં ડેટા નિયમ: ગ્રાહક સાધનોમાં ગ્રાહકનો વ્યક્તિગત ડેટા નહીં, ઉત્પાદન લેખન નહીં, ગ્રાહક-સામગ્રીવાળી કોઈપણ બાબત પર માનવ સમીક્ષા નહીં

• એક સરળ નિર્ણય લોગ. સુકાઈ જાઓ. કોઈ પૂછે કે "આપણે બોટ કેમ લોન્ચ ન કર્યો?" તે ક્ષણે તૈયાર રહો

ઉદાહરણ સૂચના

માયા આ વાતને કામના નિવેદનમાં મૂકે છે, સામાન્ય ભાષામાં, પ્રોમ્પ્ટ બોક્સમાં નહીં:

તમે મને નોર્થલાઇનના ગ્રાહક-સહાય જવાબ પાથનું નિદાન કરવા માટે રોકી રહ્યા છો, ચેટબોટ ઇન્સ્ટોલ કરવા માટે નહીં. દસ કાર્યકારી દિવસોમાં હું (1) વર્તમાન પ્રક્રિયાને છાયા આપીશ, (2) ગુમ થયેલા લેખો, પરવાનગીઓ અથવા હેન્ડઓફ્સને કારણે કયા પગલાં ધીમા છે તે કહીશ, (3) જ્યાં પુનઃપ્રાપ્તિ કોપાયલટ જવાબ ડ્રાફ્ટ કરી શકે છે તેની સામે જ્યાં ભાષા મોડેલ ખોટું સાધન છે તે સ્કોર કરીશ, અને (4) માલિક, સ્ટોપ નિયમ અને 12 ટિકિટોના પરીક્ષણ સેટ સાથે એક પાયલોટની ભલામણ કરીશ. હું ગ્રાહકો સામે કંઈપણ મૂકીશ નહીં. હું હેડકાઉન્ટ બચતનું વચન આપીશ નહીં. જો ચેટબોટ ટ્રાયલ ખોટો આકાર ધરાવે છે, તો હું ટિકિટોમાંથી પુરાવા સાથે કહીશ, ફ્રેમવર્ક સાથે નહીં.

જો નોર્થલાઇન પછીથી પુનઃપ્રાપ્તિ ટ્રાયલ ઇચ્છે છે, તો ટૂલ માટેની સૂચના પણ એટલી જ ફાજલ છે:

ફક્ત લિંક કરેલા હેલ્પ-સેન્ટર લેખોનો ઉપયોગ કરીને આ ટિકિટનો જવાબ તૈયાર કરો. લેખનું શીર્ષક ટાંકો. જો જવાબ તે લેખોમાં ન હોય, તો "કોર્પસમાં નથી" કહો અને બંધ કરો. રિફંડ વિંડોઝ, પ્રાદેશિક અપવાદો અથવા SLA આંકડા શોધશો નહીં.

તે બીજો ફકરો મસાલાનો છે. કામનું નિવેદન ભોજન છે.

સારો ડ્રાફ્ટ આના જેવો દેખાય છે: "કોર્પસમાં નથી. રિફંડ વિન્ડો 40 લેખોમાં જણાવેલ નથી. બિલિંગ પ્લેબુકમાં આગળ વધો." ખરાબ ડ્રાફ્ટ આના જેવો દેખાય છે: "તમે પ્રમાણભૂત રીતે 14-દિવસના રિફંડ માટે પાત્ર છો. મેં આગળ વધીને તેને મંજૂરી આપી છે." તફાવત એ સમગ્ર જોખમ છે.

તેનું પરીક્ષણ કેવી રીતે કરવું

શોધ પૂર્ણ થઈ ગઈ કહે તે પહેલાં, માયા રૂમમાં બે એજન્ટો સાથે એક નાનો, કદરૂપો પરીક્ષણ કરે છે.

• બાર બંધ ટિકિટો, એક જ પ્રકારની, ટિકિટ ખુલ્લી હોવાથી ફોન સ્ટોપવોચ સાથે "મારી પાસે જે સ્નિપેટ હું મોકલીશ તે છે" સુધી સમય

• દરેક ટિકિટ માટે: શું ત્યજી દેવાયેલા ચેટબોટે ઉપયોગી જવાબ આપ્યો, શું વિશ્વાસપૂર્વક ખોટો જવાબ આપ્યો, અથવા એજન્ટ કંઈ મોકલશે નહીં?

• કોઈપણ પુનઃપ્રાપ્તિ અજમાયશ પછી: શું ડ્રાફ્ટમાં કોઈ વાસ્તવિક લેખ ટાંકવામાં આવ્યો છે, અને શું તે લેખ આવું કહે છે?

• એજ કેસ જે તે જાણી જોઈને લગાવે છે: એક પ્રાદેશિક અપવાદ જે કોઈના મગજમાં રહે છે, રિફંડ વિનંતી, એક ટિકિટ જે ખરેખર બિલિંગ વિવાદ છે, એક પ્રશ્ન જેનો લેખ બે વર્ષ જૂનો છે

• સગાઈ માટે જ સ્વીકૃતિ: ડેન ભલામણ કરાયેલ આગામી પગલું, માલિક અને ઓવરસેલિંગ વિના નેતૃત્વને કહી શકાય તેવા વાક્ય તરફ નિર્દેશ કરી શકે છે

જો તે બેઝલાઇનનો સમય નક્કી કરી શકતી નથી, તો તે પછીથી બચેલા સમય વિશે વાત કરી શકતી નથી. જો કોઈની પાસે ભંડોળ ન હોય, તો પાઇલટ "સહ-પાયલોટ બનાવતો નથી". તે "માલિકનું નામ આપો અથવા રોકો" છે

પરિણામ

ઉદાહરણરૂપ પરિણામ, એક બનાવટી પરીક્ષણ સેટઅપમાંથી, પ્રકાશિત નોર્થલાઇન આકૃતિમાંથી નહીં.

ધારણાઓ: ૧૨ પોલિસી-શૈલીની ટિકિટો; બે એજન્ટો; શેડોઇંગ દરમિયાન સ્ટોપવોચ સાથે કરવામાં આવેલ સમય, જેમાં શેર્ડ ડ્રાઇવ દ્વારા શિકારનો સમાવેશ થાય છે; પુનઃપ્રાપ્તિ ટ્રાયલમાં ફક્ત ૪૦ સાફ કરેલા હેલ્પ-સેન્ટર લેખોનો ઉપયોગ કરવામાં આવ્યો હતો; દરેક ડ્રાફ્ટને સ્વીકાર્ય ગણવામાં આવે તે પહેલાં ત્રણ-પોઇન્ટ ચેકલિસ્ટ (સાચી નીતિ, ઉલ્લેખિત સ્ત્રોત, કોઈ વધારાની શોધાયેલ કલમ નહીં) પસાર કરવી પડી હતી.

બેઝલાઇન, પહેલું અઠવાડિયું: ઉપયોગી સ્નિપેટ માટે સરેરાશ સમય 14 મિનિટ હતો. 12 ટિકિટોમાંથી સાત માટે સાથીદારને સ્લેક પિંગની જરૂર હતી. હાલના ચેટબોટ ટ્રાયલમાં એજન્ટ મોકલવા તૈયાર હોય તેવા 12 માંથી 0 જવાબો મળ્યા. તે ચેટબોટ જવાબોમાંથી બેએ 14-દિવસની રિફંડ વિન્ડોની શોધ કરી જે કોઈપણ લેખમાં નથી.

90-મિનિટના સક્ષમતા સત્ર અને 40-લેખ કોર્પસ પર પુનઃપ્રાપ્તિ અજમાયશ પછી: પ્રથમ ડ્રાફ્ટનો સરેરાશ સમય 6 મિનિટ હતો. ટાંકવામાં આવેલા લેખને તપાસવાથી 3 મિનિટનો ઉમેરો થયો, તેથી આ નમૂનામાં ટિકિટ દીઠ ચોખ્ખો સમય 9 મિનિટ હતો. તે 14 કરતા 5 મિનિટ ઓછો છે, અથવા 12 ટિકિટોમાં 60 મિનિટ છે. 12 માંથી આઠ ડ્રાફ્ટ પ્રથમ સમીક્ષામાં ચેકલિસ્ટને પૂર્ણ કરે છે. ત્રણ સીધા "કોર્પસમાં નથી" સ્ટોપ્સ (ગુમ થયેલ લેખો) હતા. એકે હજુ પણ પ્રાદેશિક અપવાદ શોધવાનો પ્રયાસ કર્યો; એજન્ટે તે પકડી લીધો કારણ કે સૂચનામાં સ્રોત ખોલવાનું કહેવામાં આવ્યું હતું.

આ આંકડા જણાવેલ પરીક્ષણ, એક નાનો નમૂનો અને બિલિંગ વિવાદો કરતાં સરળ ટિકિટોના આધારે એક ઉદાહરણ અંદાજ છે. તે કર્મચારીઓની સંખ્યા ઘટાડવાનું કારણ નથી, અને તે એ વાતનો પુરાવો નથી કે "AI એ ઉત્પાદનમાં 36% હેન્ડલિંગ સમય બચાવ્યો". સમીક્ષા સમયનો સમાવેશ કરવામાં આવ્યો હતો. તેમની પાસે પહેલેથી જ જે ચેટબોટ હતો તે માત્ર ઝડપ પર જ નહીં, ગુણવત્તા પર પણ ખરાબ દેખાતો હતો.

કારકિર્દીનું પરિણામ અહીં મહત્વનું છે. માયા પેઇડ લેખન, વર્કફ્લો મેપ, મૂળ ચેટબોટ પર ના, માલિક સાથે પુનઃપ્રાપ્તિ અજમાયશ પર મર્યાદિત હા અને એક ક્લાયન્ટ સાથે નીકળી ગઈ જે તેનો ફોન સાંભળશે. તે એક સંપૂર્ણ લૂપ છે. તે એક વાર્તા પણ છે જે તે પેડિંગ વિના કહી શકે છે.

શું ખોટું થઈ શકે છે?

• નેતૃત્વ હજુ પણ મૂળ ચેટબોટ ઇચ્છે છે કારણ કે ડેમો સુંદર હતો. "હજી સુધી નથી" એવું નિદાન સ્લાઇડમાં હારી શકે છે.

• જો કોઈની પાસે ન હોય તો 40 લેખો છ અઠવાડિયામાં જૂના થઈ જાય છે. પછી પુનઃપ્રાપ્તિ વધુ સારી રીતભાત સાથે અનુમાન લગાવે છે.

• માયા કામનું એક અસ્પષ્ટ નિવેદન લખે છે ("સપોર્ટ AI-તૈયાર કરો") અને ચૂકવણી ન કરાયેલ અમલીકરણ ટીમ બને છે.

• માનવ સમીક્ષા "અમે તે પછી ઉમેરીશું" હોવાથી, એક ખોટી રિફંડ નીતિ ગ્રાહક સુધી પહોંચે છે

• ગ્રાહકના વ્યક્તિગત ડેટા સાથેનો ટિકિટ ટેક્સ્ટ ગ્રાહક ટૂલમાં પેસ્ટ કરવામાં આવે છે. ગુપ્તતાનું વચન મૌખિક હતું.

• ડેન બીજા મહિનામાં નોકરી બદલે છે. કોઈ માલિક નથી, કોઈ રિટેનર નથી, કોઈ એવું નથી કહેનાર કે પાઇલટ લપસી રહ્યો છે.

• તેણી કંપની KPI તરીકે 5 મિનિટની બચતનો અહેવાલ આપે છે. હિસ્સેદારો નંબર યાદ રાખે છે અને નમૂનાનું કદ ભૂલી જાય છે.

વ્યવહારુ ઉપાય

રસ્તો એક લાઇવ વર્કફ્લો, પેઇડ સીમા, એક પરીક્ષણ જે તમે ફરીથી ચલાવી શકો છો, અને ટિકિટો કહે છે ત્યારે ભાષા મોડેલ ખોટું સાધન છે તે કહેવાની નિખાલસતા છે. નિર્ણય એ છે કે તમે શું વેચી રહ્યા છો. પ્રથમ સંપૂર્ણ લૂપ એ છે કે તમે કેવી રીતે નોકરી પર રાખવા યોગ્ય વ્યક્તિ બનો છો.

વારંવાર પૂછાતા પ્રશ્નો

AI સલાહકાર શું કરે છે?

કામ ભાષાંતરનું છે. તમે શંકાસ્પદ રૂમમાં અડચણ શોધી કાઢો છો અને એવા પાઇલટ સાથે નીકળી જાઓ છો જે કોઈને શરમાવે નહીં. તેનો અર્થ વ્યૂહરચના, નિર્માણ, સક્ષમતા અથવા શાસન હોઈ શકે છે, ઉપરાંત LLM ક્યારે ખોટું સાધન છે તે જાણવું પણ હોઈ શકે છે. તમે નેતૃત્વ, ઝડપથી પ્રોટોટાઇપ કરનારા બિલ્ડરો અને તમે જે છોડો છો તેનાથી જીવતા ઓપરેટરો વચ્ચે બેસો છો. વર્કશોપ ચલાવો. એક ચુસ્ત SOW લખો. LLM ને એવા વર્કફ્લોમાં ભરવાનું બંધ કરો જેને ચેકબોક્સની જરૂર હોય.

એઆઈ કન્સલ્ટન્ટ કેવી રીતે બનવું?

ઓળખ એકત્રિત કરવાનું બંધ કરો. તમે જે સમસ્યાઓ પૂર્ણ કરી શકો છો તે એકત્રિત કરવાનું શરૂ કરો. શરૂઆતથી મોડેલોને તાલીમ આપ્યા વિના - LLM, પુનઃપ્રાપ્તિ, કોપાયલોટ્સ, મૂળભૂત ઓટોમેશન અને મોડેલ જોખમ સાથે પૂરતા પ્રમાણમાં અસ્ખલિત બનો જેને તમે બકવાસ કહી શકો છો. લાઇવ વર્કફ્લોની બાજુમાં બેસો. એક સંપૂર્ણ લૂપ ચલાવો (શોધ, એક નાનો પાયલોટ, શું તૂટી ગયું તેનું લેખન, સક્ષમકરણ), ઓફરને "હું Z વિના X ને Y કરવામાં મદદ કરું છું" નામ આપો અને ચૂકવણી કરો. એક સ્પષ્ટ ઓફર અને થોડા લોકો જે તમારો કોલ સ્વીકારશે તે એક કન્ટેન્ટ મશીનને હરાવશે જે ક્યારેય બિલિંગ કરતું નથી.

શું મારે પહેલા મોડેલ્સને તાલીમ આપવાની કે પ્રોમ્પ્ટ એન્જિનિયરિંગમાં નિપુણતા મેળવવાની જરૂર છે?

ના. તમારે મોડેલોને શરૂઆતથી તાલીમ આપવાની જરૂર નથી, અને પ્રોમ્પ્ટ એન્જિનિયરિંગ એ ભોજન નહીં, પણ સીઝનિંગ છે. ડેટા રેડીનેસ, સ્ટેકહોલ્ડર મેપિંગ અને સ્વચ્છ શોધ પ્રક્રિયા એક હોંશિયાર સિસ્ટમ પ્રોમ્પ્ટ કરતાં વધુ પ્રોજેક્ટ્સ બચાવે છે. એન્જિનિયરોને સામાન્ય રીતે સ્ટેકહોલ્ડર અને ROI ભાષાની જરૂર હોય છે. સ્ટ્રેટેજી અને ઓપ્સ લોકોને જાણવાની જરૂર હોય છે કે ડેમો ક્યારે થિયેટર છે. કોઈપણ રીતે, લાઇવ સમસ્યા ઉધાર લો, તેને પૂર્ણ કરો અને પેડિંગ વિના તેનું વર્ણન કરો.

મારે કયો કારકિર્દીનો માર્ગ પસંદ કરવો જોઈએ: ફ્રીલાન્સ, ઇન-હાઉસ, સ્ટુડિયો કે એજન્સી?

કોઈ એક સીડી નથી. ફ્રીલાન્સ સ્વતંત્ર લોકો શોધ અને પાઇલોટ્સ પર માર્જિન રાખે છે, પરંતુ તહેવાર/દુકાળ એ પેટર્ન છે. બુટિક સ્ટુડિયો એક ટીમ વેચે છે. ઇન-હાઉસ AI લીડ્સને પગાર, ઍક્સેસ અને રાજકારણ મળે છે. ઉત્પાદન સલાહકાર પેકેજો વર્કશોપ અને ઓડિટ. એજન્સી કોન્ટ્રાક્ટરોને પાઇપલાઇન મળે છે, અને જો SOW નરમ હોય તો તેઓ હાથની જોડી બની શકે છે. જ્યાં સુધી તમે શોધની કિંમત ખોટી ન આપો ત્યાં સુધી સ્વતંત્ર રોમેન્ટિક લાગે છે. જ્યાં સુધી તમે દરેક ચેટબોટ વિચાર માટે નિયુક્ત જાદુગર ન થાઓ ત્યાં સુધી ઇન-હાઉસ સલામત લાગે છે.

AI સલાહકાર તરીકે હું વિશિષ્ટતા કેવી રીતે પસંદ કરી શકું?

અહીં કામ કરતી વિશિષ્ટતા ઘણીવાર વર્કફ્લો અને ખરીદનાર હોય છે, મોડેલ પરિવાર નહીં. ટિકિટોમાં ડૂબેલા સપોર્ટ લીડર્સ, ગૂંચવાયેલા હેન્ડઓફ્સવાળી ઓપ્સ ટીમો, અથવા જોખમી લોકો જેમને નેવું પાનાની PDF જે કોઈ વાંચતું નથી તે શાસનની જરૂર હોય છે તેના વિશે વિચારો. શરૂઆતમાં, વિશિષ્ટતા એક ફિલ્ટર છે, ટેટૂ નહીં. ગયા મહિને તમે જે ટૂલ શીખ્યા તેમાં પોતાને રંગશો નહીં. ટૂલ્સ ફરતા હોય છે, જ્યારે ડેટા તૈયારી, પરિવર્તન વ્યવસ્થાપન અને પાઇલટને તક મળે છે કે કેમ તે અંગે નિર્ણય લે છે. જો તમે ખરીદનારના અઠવાડિયાને સમજાવી શકો છો, તો તમે પૂરતા નિષ્ણાત છો.

કેસ સ્ટડીઝ કે ગ્લોસી પોર્ટફોલિયો વિના AI કન્સલ્ટન્ટ કેવી રીતે બનવું?

પ્રથમ પેઇડ ગિગ સામાન્ય રીતે ગૂંચવાયેલ વર્કફ્લો ઓડિટ હોય છે, મૂનશોટ મોડેલ નહીં. પુરાવા એક ચુસ્ત રીતે સ્કોપ્ડ ડાયગ્નોસ્ટિક, માલિકો સાથે ક્રમાંકિત ઉપયોગના કેસ ઉત્પન્ન કરતી વર્કશોપ, પૂર્ણ થવાના સમય પર સ્થાનિક પહેલા/પછી સાથે એક નાનો પાઇલટ, અથવા તમારા ગયા પછી ટીમ હજુ પણ ઉપયોગ કરે છે તે પ્લેબુક હોઈ શકે છે. મોટાભાગના લોકો અઠવાડિયામાં એક દિવસ ભૂતપૂર્વ સાથીદારો, નજીકના ઓપ્સ વર્ક અથવા અપૂર્ણાંક સમયથી શરૂઆત કરે છે. પોર્ટફોલિયો શોધશો નહીં. સમસ્યા, તમે શું પ્રયાસ કર્યો, શું નિષ્ફળ ગયું અને તમે આગળ શું કરશો તેની સ્પષ્ટ વાર્તા શોધો.

મારે AI કન્સલ્ટિંગ વર્ક અને રીટેનર્સની કિંમત કેવી રીતે રાખવી જોઈએ?

જ્યારે તમે કરી શકો ત્યારે કલાકો નહીં, નિર્ણયની કિંમત નક્કી કરો. એક મોટી ગૂંચને દૂર કરતી શોધ બે દિવસની નથી. રીટેનર્સ સક્ષમતા, શાસન ચેક-ઇન્સ અને અપૂર્ણાંક કન્સલ્ટિંગમાં ફિટ થાય છે, અને તેઓ બિલ્ડ સ્પ્રિન્ટ માટે ખરાબ રીતે ફિટ થાય છે જેમાં કોઈ માલિક તેમની બાજુમાં નથી. SOW એ "થયું" કેવું દેખાય છે તેનું નામ આપવું જોઈએ, કારણ કે જો તમે તેને લખી શકતા નથી, તો તમે તેની કિંમત નક્કી કરી શકતા નથી. હાઇબ્રિડ સામાન્ય છે: પેઇડ ડિસ્કવરી, પછી ફિક્સ્ડ પાઇલટ, પછી રીટેનર. યુનિવર્સલ ડે-રેટનો પીછો કરવાને બદલે તમારા વિશ્વમાં સમાન સલાહકાર કાર્યનો ખર્ચ કેટલો થાય છે તેની નજીક બેસો.

જનરેટિવ AI વિશે મારે ક્યારેય ક્લાયન્ટને શું વચન ન આપવું જોઈએ?

ચોકસાઈનું વચન ન આપો જે તમે માપી શકતા નથી, એક ટીમ જે કોપાયલોટ લાઇવ થયા પછી ગાયબ થઈ જાય છે, અથવા તે જનરેટિવ AI ડેટા-ગુણવત્તાની સમસ્યાને ઠીક કરશે જે તે વધારશે. ગુપ્તતાનું વચન ન આપો જે તમે કાર્યરત નથી કર્યું: ડેટા ક્યાં જાય છે, કોણ પ્રોમ્પ્ટ લોગ કરે છે અને શું જાળવી રાખવામાં આવે છે. મોડેલ જોખમ એ એક મોડેલ છે જે નિયમન કરેલ વર્કફ્લોમાં આત્મવિશ્વાસપૂર્વક ખોટું છે. શાસન છોડી દો અને કોઈ અન્ય ઉત્પાદનમાં અંતર શોધે છે. જ્યારે બે અઠવાડિયાના વર્કફ્લો રીડિઝાઇનથી કામ થશે ત્યારે ક્લાયન્ટને એક વિશાળ પ્રોગ્રામમાં ડરાવશો નહીં.

ડેમો ક્યારે નિદાન નથી?

એક ડેમો જવાબ આપે છે કે શું સ્ટેક યોગ્ય આઉટપુટ ઉત્પન્ન કરી શકે છે. એક નિદાન જવાબ આપે છે કે શું આ સંસ્થાએ તેનો ઉપયોગ અહીં કરવો જોઈએ, આ ડેટા, આ લોકો અને આ જોખમ લેવાની ક્ષમતા સાથે. વોચ ફોર ટેલ: કોઈ પણ પ્રક્રિયાને એન્ડ-ટુ-એન્ડ બતાવી શકતું નથી, નોલેજ બેઝનો કોઈ માલિક નથી, અથવા કોપાયલટ એવા વર્કફ્લો પર બેસે છે જે પહેલાથી જ નિષ્ફળ જાય છે. રૂમ ધીમો કરો, વર્કફ્લો મેપ કરો અને પૂછો કે જો તે ખોટું હોય તો કોને દોષિત ઠેરવવામાં આવે છે, પછી સાધનો પસંદ કરો. નિર્ણય એ ઉત્પાદન છે. સ્ટેક એ કોસ્ચ્યુમ છે.

સ્વતંત્ર AI સલાહકારોને કયા કરારો અને ડિલિવરી ટેવોની જરૂર છે?

જો તમે સ્વતંત્ર અથવા સ્ટુડિયો-આકારના બનશો, તો વ્યવસાય કન્સલ્ટિંગનો ખર્ચ ઉઠાવવાનો પ્રયાસ કરશે. ન્યૂનતમ સેટઅપ: સ્કોપ, IP, ગુપ્તતા, ડેટા હેન્ડલિંગ અને સમાપ્તિને આવરી લેતો એક સરળ કરાર; પ્રતિ સગાઈ માટે SOW; સાપ્તાહિક નોંધ, નિર્ણય લોગ અને જોખમો; વત્તા એવી કલાકૃતિઓ જે તમારા ડાઉનલોડ્સ ફોલ્ડરમાં અટવાયેલી નથી. દસ્તાવેજો વાંચીને હાજર થાઓ. વર્કશોપ વચ્ચે ભૂતિયા ન થાઓ. જ્યારે પાઇલટ સ્લિપ થાય છે, ત્યારે વિકલ્પો સાથે વહેલા કહો. જો તમે છોડી દો અને ફક્ત તમે જ વસ્તુ ચલાવી શકો છો, તો તમે ડે-રેટ સાથે અડચણ બની ગયા છો. શીખવો, દસ્તાવેજ કરો, સોંપો.

સંદર્ભ

1. એનઆઈએસટી - nvlpubs.nist.gov

2. NIST - airc.nist.gov

3. ICO - ico.org.uk

4. એનસીએસસી - www.ncsc.gov.uk

5. માઈક્રોસોફ્ટ લર્ન - learn.microsoft.com

6. OpenAI - developers.openai.com

7. ઓપનએઆઈ - પ્રોમ્પ્ટ એન્જિનિયરિંગ - developers.openai.com

અધિકૃત AI સહાયક સ્ટોર પર નવીનતમ AI શોધો

અમારા વિશે