একটি হলিস্টিক মেন্টাল মডেলের সাথে AI পণ্য তৈরি করা

দ্রষ্টব্য: এই নিবন্ধটি "ডিসেক্টিং এআই অ্যাপ্লিকেশন" নামে একটি সিরিজের প্রথম, যা এআই সিস্টেমের জন্য একটি মানসিক মডেল প্রবর্তন করে। মডেলটি ক্রস-ডিসিপ্লিনারি এআই এবং প্রোডাক্ট টিম দ্বারা এআই পণ্যের আলোচনা, পরিকল্পনা এবং সংজ্ঞার পাশাপাশি ব্যবসা বিভাগের সাথে সারিবদ্ধকরণের জন্য একটি হাতিয়ার হিসাবে কাজ করে। পণ্য পরিচালক, ইউএক্স ডিজাইনার, ডেটা বিজ্ঞানী, প্রকৌশলী এবং অন্যান্য দলের সদস্যদের দৃষ্টিভঙ্গি একত্রিত করাই এর লক্ষ্য। এই নিবন্ধে, আমি মানসিক মডেলের সাথে পরিচয় করিয়ে দিচ্ছি, যখন ভবিষ্যতের নিবন্ধগুলি নির্দিষ্ট এআই পণ্য এবং বৈশিষ্ট্যগুলিতে কীভাবে এটি প্রয়োগ করতে হয় তা প্রদর্শন করবে।

প্রায়শই, কোম্পানিগুলি অনুমান করে যে তাদের অফারে AI অন্তর্ভুক্ত করতে হবে AI বিশেষজ্ঞদের নিয়োগ করা এবং তাদের প্রযুক্তিগত জাদু খেলতে দেওয়া। এই পদ্ধতিটি তাদের সরাসরি ইন্টিগ্রেশন ফ্যালাসিতে নিয়ে যায়: এমনকি যদি এই বিশেষজ্ঞরা এবং প্রকৌশলীরা ব্যতিক্রমী মডেল এবং অ্যালগরিদম তৈরি করে, তাদের আউটপুটগুলি প্রায়শই খেলার মাঠ, স্যান্ডবক্স এবং ডেমোর স্তরে আটকে যায় এবং কখনই একটি পণ্যের সম্পূর্ণ অংশ হয়ে ওঠে না। বছরের পর বছর ধরে, আমি ডেটা বিজ্ঞানী এবং ইঞ্জিনিয়ারদের কাছ থেকে প্রচুর হতাশা দেখেছি যাদের প্রযুক্তিগতভাবে অসামান্য AI বাস্তবায়ন ব্যবহারকারী-মুখী পণ্যগুলিতে তাদের পথ খুঁজে পায়নি। বরং, তাদের রক্তপাত-প্রান্তর পরীক্ষার সম্মানজনক মর্যাদা ছিল যা অভ্যন্তরীণ স্টেকহোল্ডারদের এআই তরঙ্গে চড়ার ছাপ দিয়েছে। এখন, 2022 সালে ChatGPT প্রকাশের পর থেকে AI-এর সর্বব্যাপী বিস্তারের সাথে, কোম্পানিগুলি তাদের প্রযুক্তিগত দক্ষতা দেখানোর জন্য "বাতিঘর" বৈশিষ্ট্য হিসাবে AI ব্যবহার করার সামর্থ্য রাখে না।

AI সংহত করা এত কঠিন কেন? কারণ একটি দম্পতি আছে:

• প্রায়শই, দলগুলি এআই সিস্টেমের একটি একক দিকের উপর ফোকাস করে। এটি এমনকি ডেটা-কেন্দ্রিক, মডেল-কেন্দ্রিক এবং মানব-কেন্দ্রিক এআই-এর মতো পৃথক শিবিরের উত্থানের দিকে পরিচালিত করেছে। যদিও তাদের প্রত্যেকটি গবেষণার জন্য উত্তেজনাপূর্ণ দৃষ্টিভঙ্গি অফার করে, একটি বাস্তব-জীবনের পণ্যের ডেটা, মডেল এবং মানব-মেশিনের মিথস্ক্রিয়াকে একটি সুসংগত সিস্টেমে একত্রিত করতে হবে।
• এআই উন্নয়ন একটি অত্যন্ত সহযোগিতামূলক উদ্যোগ। ঐতিহ্যগত সফ্টওয়্যার বিকাশে, আপনি ব্যাকএন্ড এবং ফ্রন্টএন্ড উপাদান সমন্বিত একটি অপেক্ষাকৃত স্পষ্ট দ্বিধাবিভক্তির সাথে কাজ করেন। AI-তে, আপনাকে কেবল আপনার দলে আরও বৈচিত্র্যময় ভূমিকা এবং দক্ষতা যোগ করতে হবে না বরং বিভিন্ন পক্ষের মধ্যে ঘনিষ্ঠ সহযোগিতাও নিশ্চিত করতে হবে। আপনার AI সিস্টেমের বিভিন্ন উপাদান একে অপরের সাথে অন্তরঙ্গ উপায়ে যোগাযোগ করবে। উদাহরণস্বরূপ, আপনি যদি ভার্চুয়াল সহকারীতে কাজ করেন তবে আপনার ইউএক্স ডিজাইনারদের একটি স্বাভাবিক ব্যবহারকারী প্রবাহ তৈরি করতে প্রম্পট ইঞ্জিনিয়ারিং বুঝতে হবে। আপনার ডেটা অ্যানোটেটরদের আপনার ব্র্যান্ড এবং আপনার ভার্চুয়াল সহকারীর "চরিত্রের বৈশিষ্ট্য" সম্পর্কে সচেতন হতে হবে প্রশিক্ষণ ডেটা তৈরি করতে যা আপনার অবস্থানের সাথে সামঞ্জস্যপূর্ণ এবং সারিবদ্ধ, এবং আপনার পণ্য পরিচালককে নিশ্চিত করতে ডেটা পাইপলাইনের আর্কিটেকচার উপলব্ধি করতে হবে এবং যাচাই করতে হবে। এটি আপনার ব্যবহারকারীদের প্রশাসনিক উদ্বেগ পূরণ করে।
• AI তৈরি করার সময়, কোম্পানিগুলি প্রায়শই ডিজাইনের গুরুত্বকে অবমূল্যায়ন করে। যখন AI ব্যাকএন্ডে শুরু হয়, তখন এটিকে উৎপাদনে উজ্জ্বল করতে ভালো ডিজাইন অপরিহার্য। AI ডিজাইন প্রথাগত UX এর সীমানাকে ঠেলে দেয়। আপনি যে কার্যকারিতা অফার করেন তার অনেকগুলি ইন্টারফেসে দৃশ্যমান নয়, তবে মডেলের মধ্যে "লুকানো" এবং এই সুবিধাগুলি সর্বাধিক করার জন্য আপনাকে আপনার ব্যবহারকারীদের শিক্ষিত এবং গাইড করতে হবে। এছাড়াও, আধুনিক ফাউন্ডেশনাল মডেলগুলি বন্য জিনিস যা বিষাক্ত, ভুল এবং ক্ষতিকারক আউটপুট তৈরি করতে পারে, তাই আপনি এই ঝুঁকিগুলি কমাতে অতিরিক্ত রেললাইন স্থাপন করবেন। এই সবের জন্য আপনার দলে নতুন দক্ষতার প্রয়োজন হতে পারে যেমন প্রম্পট ইঞ্জিনিয়ারিং এবং কথোপকথন ডিজাইন। কখনও কখনও, এর অর্থ কাউন্টারইন্ট্যুটিভ জিনিসগুলি করাও, যেমন ব্যবহারকারীদের প্রত্যাশাগুলি পরিচালনা করার জন্য মূল্যকে ছোট করা এবং তাদের আরও নিয়ন্ত্রণ এবং স্বচ্ছতা দেওয়ার জন্য ঘর্ষণ যোগ করা।
• এআই হাইপ চাপ তৈরি করে। অনেক কোম্পানি কাস্টমার এবং বাজারের চাহিদা দ্বারা বৈধ নয় এমন বাস্তবায়নে ঝাঁপ দিয়ে ঘোড়ার আগে কার্ট রাখে। মাঝে মাঝে AI বাজওয়ার্ড নিক্ষেপ আপনাকে একটি প্রগতিশীল এবং উদ্ভাবনী ব্যবসা হিসাবে বাজারজাত করতে এবং নিজেকে অবস্থান করতে সাহায্য করতে পারে, তবে দীর্ঘমেয়াদে, আপনাকে বাস্তব সুযোগগুলির সাথে আপনার গুঞ্জন এবং পরীক্ষাকে সমর্থন করতে হবে। এটি ব্যবসা এবং প্রযুক্তির মধ্যে দৃঢ় সমন্বয়ের মাধ্যমে অর্জন করা যেতে পারে, যা প্রযুক্তিগত সম্ভাবনার বাজার-পার্শ্বের সুযোগগুলির একটি সুস্পষ্ট ম্যাপিংয়ের উপর ভিত্তি করে।

এই নিবন্ধে, আমরা AI সিস্টেমগুলির জন্য একটি মানসিক মডেল তৈরি করব যা এই বিভিন্ন দিকগুলিকে একীভূত করে (cf. চিত্র 1)। এটি নির্মাতাদের সামগ্রিকভাবে চিন্তা করতে, তাদের লক্ষ্য পণ্য সম্পর্কে একটি পরিষ্কার বোঝা তৈরি করতে এবং পথে নতুন অন্তর্দৃষ্টি এবং ইনপুটগুলির সাথে আপডেট করতে উত্সাহিত করে৷ মডেলটিকে সহযোগিতা সহজ করতে, এআই টিমের অভ্যন্তরে এবং বাইরে বিভিন্ন দৃষ্টিভঙ্গি সারিবদ্ধ করতে এবং ভাগ করা দৃষ্টিভঙ্গির উপর ভিত্তি করে সফল পণ্য তৈরি করতে একটি হাতিয়ার হিসাবে ব্যবহার করা যেতে পারে। এটি শুধুমাত্র নতুন, AI-চালিত পণ্যগুলিতেই নয় বরং বিদ্যমান পণ্যগুলির মধ্যে অন্তর্ভুক্ত AI বৈশিষ্ট্যগুলিতেও প্রয়োগ করা যেতে পারে।

নিম্নলিখিত বিভাগগুলি AI পণ্যগুলির জন্য নির্দিষ্ট অংশগুলির উপর ফোকাস করে প্রতিটি উপাদানের সংক্ষিপ্তভাবে বর্ণনা করবে। আমরা ব্যবসায়িক দৃষ্টিকোণ দিয়ে শুরু করব — বাজার-পার্শ্বের সুযোগ এবং মূল্য — এবং তারপরে UX এবং প্রযুক্তিতে ডুব দেব। মডেলটি ব্যাখ্যা করার জন্য, আমরা বিপণন বিষয়বস্তুর প্রজন্মের জন্য একটি সহ-পাইলটের চলমান উদাহরণ ব্যবহার করব।

যদি এই গভীর-শিক্ষামূলক সামগ্রী আপনার জন্য কার্যকর হয় তবে আপনি তা করতে পারেন আমাদের এআই গবেষণা মেলিং তালিকার সাবস্ক্রাইব করুন সতর্কতা অবলম্বন করার জন্য যখন আমরা নতুন উপাদান প্রকাশ করি। 

1। সুযোগ

আপনি এখন AI দিয়ে করতে পারেন এমন সমস্ত দুর্দান্ত জিনিস সহ, আপনি আপনার হাত নোংরা করতে এবং নির্মাণ শুরু করতে অধৈর্য হতে পারেন। যাইহোক, আপনার ব্যবহারকারীদের প্রয়োজন এবং পছন্দের কিছু তৈরি করতে, আপনাকে বাজারের সুযোগ দিয়ে আপনার বিকাশকে সমর্থন করা উচিত। আদর্শ বিশ্বে, সুযোগগুলি গ্রাহকদের কাছ থেকে আমাদের কাছে পৌঁছায় যারা তাদের কী প্রয়োজন বা চান তা আমাদের জানান। এগুলি অপূর্ণ চাহিদা, ব্যথার পয়েন্ট বা ইচ্ছা হতে পারে। আপনি এই তথ্যটি বিদ্যমান গ্রাহক প্রতিক্রিয়াতে দেখতে পারেন, যেমন পণ্য পর্যালোচনা এবং আপনার বিক্রয় এবং সাফল্য দলের নোটগুলিতে। এছাড়াও, আপনার পণ্যের একজন সম্ভাব্য ব্যবহারকারী হিসাবে নিজেকে ভুলে যাবেন না — আপনি যদি এমন একটি সমস্যা লক্ষ্য করেন যা আপনি নিজে অনুভব করেছেন, এই তথ্য সুবিধাটি একটি অতিরিক্ত প্রান্ত। এর বাইরে, আপনি সমীক্ষা এবং সাক্ষাত্কারের মতো সরঞ্জামগুলি ব্যবহার করে সক্রিয় গ্রাহক গবেষণা পরিচালনা করতে পারেন।

উদাহরণস্বরূপ, স্টার্টআপের জন্য বিষয়বস্তু বিপণনের যন্ত্রণা দেখার জন্য আমাকে খুব বেশি দূরে তাকানোর দরকার নেই, তবে বড় কোম্পানিগুলিও। আমি নিজে এটা অনুভব করেছি — প্রতিযোগিতা বাড়ার সাথে সাথে ব্যক্তি, নিয়মিত, এবং (!) উচ্চ-মানের বিষয়বস্তুর সাথে চিন্তার নেতৃত্বের বিকাশ ঘটানো পার্থক্যের জন্য আরও বেশি গুরুত্বপূর্ণ হয়ে ওঠে। এদিকে, একটি ছোট এবং ব্যস্ত দলের সাথে, টেবিলে সবসময় এমন জিনিস থাকবে যা সপ্তাহের ব্লগ পোস্ট লেখার চেয়ে বেশি গুরুত্বপূর্ণ বলে মনে হয়। আমি প্রায়ই আমার নেটওয়ার্কের লোকেদের সাথে দেখা করি যারা একটি সামঞ্জস্যপূর্ণ সামগ্রী বিপণন রুটিন সেট আপ করতে সংগ্রাম করে। এই "স্থানীয়", সম্ভাব্য পক্ষপাতদুষ্ট পর্যবেক্ষণগুলি সমীক্ষার দ্বারা যাচাই করা যেতে পারে যা একজনের নেটওয়ার্কের বাইরে যায় এবং একটি সমাধানের জন্য একটি বিস্তৃত বাজার নিশ্চিত করে৷

বাস্তব জগৎ কিছুটা অস্পষ্ট, এবং গ্রাহকরা সবসময় আপনার কাছে নতুন, সুনিপুণ সুযোগ উপস্থাপন করতে আসবে না। বরং, আপনার অ্যান্টেনা প্রসারিত করলে, সুযোগগুলি অনেক দিক থেকে আপনার কাছে পৌঁছাবে, যেমন:

• বাজার অবস্থান: AI প্রচলিত — প্রতিষ্ঠিত ব্যবসাগুলির জন্য, এটি একটি ব্যবসার ইমেজকে উদ্ভাবনী, উচ্চ-প্রযুক্তি, ভবিষ্যৎ-প্রমাণ ইত্যাদি হিসাবে শক্তিশালী করতে ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, এটি একটি বিদ্যমান বিপণন সংস্থাকে একটি AI-চালিত পরিষেবায় উন্নীত করতে পারে এবং প্রতিযোগীদের থেকে এটি আলাদা করুন। যাইহোক, AI এর জন্য AI করবেন না। পজিশনিং কৌশলটি সতর্কতার সাথে এবং অন্যান্য সুযোগের সাথে একত্রে প্রয়োগ করা উচিত - অন্যথায়, আপনি বিশ্বাসযোগ্যতা হারানোর ঝুঁকিতে থাকবেন।
• প্রতিযোগীরা: যখন আপনার প্রতিযোগীরা একটি পদক্ষেপ নেয়, তখন সম্ভবত তারা ইতিমধ্যেই অন্তর্নিহিত গবেষণা এবং বৈধতা সম্পন্ন করেছে। কিছুক্ষণ পর তাদের দিকে তাকান—তাদের উন্নয়ন কি সফল হয়েছে? আপনার নিজের সমাধানটি অপ্টিমাইজ করতে, সফল অংশগুলি গ্রহণ করতে এবং ভুলগুলিকে আয়রন করতে এই তথ্যটি ব্যবহার করুন৷ উদাহরণ স্বরূপ, ধরা যাক আপনি একজন প্রতিযোগীকে পর্যবেক্ষণ করছেন যে বিপণন সামগ্রীর সম্পূর্ণ স্বয়ংক্রিয় প্রজন্মের জন্য একটি পরিষেবা অফার করছে। ব্যবহারকারীরা একটি "বড় লাল বোতাম" ক্লিক করেন এবং এআই বিষয়বস্তু লিখতে এবং প্রকাশ করতে এগিয়ে যায়। কিছু গবেষণার পরে, আপনি জানতে পারেন যে ব্যবহারকারীরা এই পণ্যটি ব্যবহার করতে দ্বিধা করেন কারণ তারা প্রক্রিয়াটির উপর আরও নিয়ন্ত্রণ বজায় রাখতে চান এবং লেখায় তাদের নিজস্ব দক্ষতা এবং ব্যক্তিত্বকে অবদান রাখতে চান। সর্বোপরি, লেখাটি আত্ম-প্রকাশ এবং স্বতন্ত্র সৃজনশীলতা সম্পর্কেও। এটি আপনার জন্য একটি বহুমুখী সরঞ্জাম নিয়ে এগিয়ে যাওয়ার সময় যা আপনার সামগ্রীকে আকার দেওয়ার জন্য সমৃদ্ধ কার্যকারিতা এবং কনফিগারেশন সরবরাহ করে। এটি ব্যবহারকারীদের দক্ষতা বাড়ায় যখন তাদের ইচ্ছা তখনই প্রক্রিয়ায় "ইনজেকশন" করার অনুমতি দেয়।
• আইন: মেগাট্রেন্ড যেমন প্রযুক্তিগত ব্যাঘাত এবং বিশ্বায়ন নিয়ন্ত্রকদের তাদের প্রয়োজনীয়তা কঠোর করতে বাধ্য করে। প্রবিধান চাপ সৃষ্টি করে এবং এটি সুযোগের একটি বুলেট-প্রুফ উৎস। উদাহরণ স্বরূপ, কল্পনা করুন যে একটি প্রবিধান কার্যকর হয়েছে যেটির জন্য প্রত্যেককে কঠোরভাবে এআই-উত্পন্ন সামগ্রীর বিজ্ঞাপন দিতে হবে। যে সংস্থাগুলি ইতিমধ্যে AI সামগ্রী তৈরির জন্য সরঞ্জামগুলি ব্যবহার করে তারা এটি চায় কিনা সে বিষয়ে অভ্যন্তরীণ আলোচনার জন্য অদৃশ্য হয়ে যাবে। তাদের মধ্যে অনেকেই বিরত থাকবেন কারণ তারা দৃশ্যত এআই-জেনারেটেড বয়লারপ্লেট তৈরির বিপরীতে প্রকৃত চিন্তাশীল নেতৃত্বের ইমেজ বজায় রাখতে চান। ধরা যাক আপনি স্মার্ট ছিলেন এবং একটি বর্ধিত সমাধান বেছে নিয়েছেন যা ব্যবহারকারীদের যথেষ্ট নিয়ন্ত্রণ দেয় যাতে তারা পাঠ্যের অফিসিয়াল "লেখক" হিসেবে থাকতে পারে। নতুন বিধিনিষেধ চালু হওয়ার সাথে সাথে, আপনি অনাক্রম্য এবং নিয়ন্ত্রণকে পুঁজি করে এগিয়ে যেতে পারেন, যখন সম্পূর্ণ স্বয়ংক্রিয় সমাধান সহ আপনার প্রতিযোগীদের বিপত্তি থেকে পুনরুদ্ধার করতে সময় লাগবে।
• প্রযুক্তি সক্ষম করা: উদীয়মান প্রযুক্তি এবং বিদ্যমান প্রযুক্তিতে উল্লেখযোগ্য উল্লম্ফন, যেমন 2022-23 সালে জেনারেটিভ এআই-এর তরঙ্গ, জিনিসগুলি করার নতুন উপায় খুলতে পারে, বা বিদ্যমান অ্যাপ্লিকেশনগুলিকে একটি নতুন স্তরে ক্যাটাপল্ট করতে পারে। ধরা যাক আপনি গত এক দশক ধরে একটি ঐতিহ্যবাহী বিপণন সংস্থা চালাচ্ছেন। এখন, আপনি আপনার কর্মীদের দক্ষতা বাড়াতে, বিদ্যমান সংস্থানগুলির সাথে আরও ক্লায়েন্টদের পরিষেবা দিতে এবং আপনার লাভ বাড়াতে আপনার ব্যবসায় AI হ্যাক এবং সমাধানগুলি প্রবর্তন করা শুরু করতে পারেন৷ আপনি আপনার বিদ্যমান দক্ষতা, খ্যাতি এবং (আশা করি সদিচ্ছাপূর্ণ) গ্রাহক বেস তৈরি করছেন, তাই AI বর্ধিতকরণগুলি প্রবর্তন করা একজন নবাগতের তুলনায় অনেক মসৃণ এবং কম ঝুঁকিপূর্ণ হতে পারে।

অবশেষে, আধুনিক পণ্য জগতে, সুযোগগুলি প্রায়শই কম স্পষ্ট এবং আনুষ্ঠানিক হয় এবং সরাসরি পরীক্ষায় যাচাই করা যেতে পারে, যা আপনার বিকাশকে ত্বরান্বিত করে। এইভাবে, পণ্য-নেতৃত্বাধীন বৃদ্ধিতে, দলের সদস্যরা কঠোর ডেটা-চালিত যুক্তি ছাড়াই তাদের নিজস্ব অনুমান নিয়ে আসতে পারে। এই অনুমানগুলি একটি টুকরো টুকরো করে তৈরি করা যেতে পারে, যেমন একটি প্রম্পট পরিবর্তন করা বা কিছু UX উপাদানের স্থানীয় বিন্যাস পরিবর্তন করা, যা তাদের বাস্তবায়ন, স্থাপন এবং পরীক্ষা করা সহজ করে তোলে। সরবরাহ করার চাপ সরিয়ে দিয়ে একটি অগ্রাধিকার প্রতিটি নতুন পরামর্শের জন্য ডেটা, এই পদ্ধতিটি পরামর্শের সরাসরি বৈধতা প্রয়োগ করার সময় সমস্ত দলের সদস্যদের অন্তর্দৃষ্টি এবং কল্পনাশক্তিকে কাজে লাগায়। ধরা যাক যে আপনার কন্টেন্ট জেনারেশন মসৃণভাবে চলছে, কিন্তু আপনি AI স্বচ্ছতা এবং ব্যাখ্যাযোগ্যতার সাধারণ অভাব সম্পর্কে আরও বেশি অভিযোগ শুনতে পাচ্ছেন। আপনি একটি অতিরিক্ত স্বচ্ছতা স্তর বাস্তবায়ন করার সিদ্ধান্ত নেন এবং আপনার ব্যবহারকারীদের নির্দিষ্ট নথিগুলি দেখান যা সামগ্রীর একটি অংশ তৈরি করতে ব্যবহৃত হয়েছিল। আপনার দল ব্যবহারকারীদের একটি সমষ্টির সাথে পরীক্ষা করার জন্য বৈশিষ্ট্যটি রাখে এবং খুঁজে পায় যে তারা মূল তথ্য উত্সগুলিতে ফিরে আসার জন্য এটি ব্যবহার করতে পেরে খুশি। এইভাবে, আপনি ব্যবহার এবং সন্তুষ্টি বাড়াতে মূল পণ্যে এটি স্থাপন করার সিদ্ধান্ত নেন।

2. মান

আপনার AI পণ্য বা বৈশিষ্ট্যের মান বুঝতে এবং যোগাযোগ করতে, আপনাকে প্রথমে এটিকে একটি ব্যবহারের ক্ষেত্রে ম্যাপ করতে হবে — একটি নির্দিষ্ট ব্যবসায়িক সমস্যা যা এটি সমাধান করবে — এবং ROI (বিনিয়োগের উপর রিটার্ন) বের করতে হবে। এটি আপনাকে প্রযুক্তি থেকে আপনার মনকে সরিয়ে নিতে এবং সমাধানের ব্যবহারকারী-পার্শ্বের সুবিধাগুলিতে ফোকাস করতে বাধ্য করে৷ ROI বিভিন্ন মাত্রা বরাবর পরিমাপ করা যেতে পারে. AI এর জন্য, তাদের মধ্যে কয়েকটি হল:

• দক্ষতা বৃদ্ধি: AI ব্যক্তি, দল এবং সমগ্র কোম্পানির উৎপাদনশীলতার জন্য একটি বুস্টার হতে পারে। উদাহরণস্বরূপ, বিষয়বস্তু তৈরির জন্য, আপনি দেখতে পারেন যে একটি ব্লগ পোস্ট লিখতে সাধারণত 4-5 ঘন্টার প্রয়োজন হয় [2], আপনি এখন এটি 1-2 ঘন্টার মধ্যে করতে পারেন, এবং অন্যান্য কাজের জন্য আপনি যে সময় সংরক্ষণ করেছেন তা ব্যয় করতে পারেন। দক্ষতা অর্জন প্রায়শই ব্যয় সাশ্রয়ের সাথে হাতে-কলমে যায়, যেহেতু একই পরিমাণ কাজ সম্পাদন করার জন্য কম মানুষের প্রচেষ্টার প্রয়োজন হয়। সুতরাং, ব্যবসায়িক প্রেক্ষাপটে, এই সুবিধাটি ব্যবহারকারী এবং নেতৃত্ব উভয়ের জন্যই আকর্ষণীয়।
• আরও ব্যক্তিগতকৃত অভিজ্ঞতা: উদাহরণ স্বরূপ, আপনার কন্টেন্ট জেনারেশন টুল ব্যবহারকারীদের তাদের কোম্পানির প্যারামিটার যেমন ব্র্যান্ড অ্যাট্রিবিউট, পরিভাষা, পণ্যের সুবিধা ইত্যাদি সেট করতে বলতে পারে। উপরন্তু, এটি একটি নির্দিষ্ট লেখকের করা সম্পাদনাগুলিকে ট্র্যাক করতে পারে এবং তার প্রজন্মকে অনন্য লেখার সাথে মানিয়ে নিতে পারে। সময়ের সাথে সাথে এই ব্যবহারকারীর শৈলী।
• মজা এবং পরিতোষ: এখানে, আমরা পণ্য ব্যবহারের সংবেদনশীল দিকে প্রবেশ করি, যাকে ডন নরম্যান দ্বারা "ভিসারাল" স্তরও বলা হয় [৩]। গেমিং এবং অগমেন্টেড রিয়েলিটির মতো B3C ক্যাম্পে মজা এবং বিনোদনের জন্য পণ্যের সম্পূর্ণ বিভাগ বিদ্যমান। B2B সম্পর্কে কী - আপনি কি অনুমান করবেন না যে B2B পণ্যগুলি একটি জীবাণুমুক্ত পেশাদার ভ্যাকুয়ামে বিদ্যমান? বাস্তবে, এই বিভাগটি B2C এর চেয়েও শক্তিশালী মানসিক প্রতিক্রিয়া তৈরি করতে পারে। উদাহরণস্বরূপ, লেখাকে আত্ম-প্রকাশের একটি সন্তোষজনক কাজ হিসাবে বা লেখকের ব্লক এবং অন্যান্য সমস্যাগুলির সাথে একটি অভ্যন্তরীণ সংগ্রাম হিসাবে বিবেচনা করা যেতে পারে। আপনার পণ্যটি কীভাবে একটি কাজের ইতিবাচক আবেগকে শক্তিশালী করতে পারে তা নিয়ে চিন্তা করুন এবং এর বেদনাদায়ক দিকগুলিকে উপশম বা রূপান্তরিত করার সময়।
• সুবিধা: আপনার ব্যবহারকারীকে এআই-এর জাদু ক্ষমতার সুবিধা পেতে কী করতে হবে? MS Office, Google Docs, এবং Notion-এর মতো জনপ্রিয় সহযোগিতার টুলে আপনার কন্টেন্ট জেনারেশন কপিলটকে একীভূত করার কল্পনা করুন। ব্যবহারকারীরা তাদের ডিজিটাল "হোম" এর আরাম না রেখেই আপনার পণ্যের বুদ্ধিমত্তা এবং দক্ষতা অ্যাক্সেস করতে সক্ষম হবে। এইভাবে, আপনি পণ্যের মূল্য অনুভব করার জন্য ব্যবহারকারীদের যে প্রচেষ্টা করতে হবে তা কমিয়ে দিন এবং এটি ব্যবহার চালিয়ে যান, যা আপনার ব্যবহারকারীর অধিগ্রহণ এবং গ্রহণকে বাড়িয়ে তোলে।

কিছু AI সুবিধা — যেমন দক্ষতা — সরাসরি ROI-এর জন্য পরিমাপ করা যেতে পারে। সুবিধা এবং আনন্দের মতো কম বাস্তব লাভের জন্য, আপনাকে ব্যবহারকারীর সন্তুষ্টির মতো প্রক্সি মেট্রিক্সের কথা ভাবতে হবে। মনে রাখবেন যে শেষ-ব্যবহারকারীর মূল্যের পরিপ্রেক্ষিতে চিন্তা করা শুধুমাত্র আপনার ব্যবহারকারী এবং আপনার পণ্যের মধ্যে ব্যবধান বন্ধ করবে না। একটি স্বাগত পার্শ্ব প্রতিক্রিয়া হিসাবে, এটি আপনার সর্বজনীন যোগাযোগের প্রযুক্তিগত বিশদ হ্রাস করতে পারে। এটি আপনাকে ঘটনাক্রমে পার্টিতে অবাঞ্ছিত প্রতিযোগিতার আমন্ত্রণ থেকে বিরত রাখবে।

অবশেষে, মূল্যের একটি মৌলিক দিক যা আপনার প্রাথমিকভাবে বিবেচনা করা উচিত তা হল স্থায়িত্ব। কিভাবে আপনার সমাধান সমাজ এবং পরিবেশ প্রভাবিত করে? আমাদের উদাহরণে, স্বয়ংক্রিয় বা বর্ধিত বিষয়বস্তু তৈরি করতে পারে বাস্তুচ্যুত এবং বৃহৎ মাপের মানুষের কাজের চাপ দূর করতে। আপনি সম্ভবত একটি সম্পূর্ণ চাকরি বিভাগের খুনি হিসেবে পরিচিত হতে চান না — সর্বোপরি, এটি কেবল নৈতিক প্রশ্নই ছুঁড়ে দেবে না বরং সেই ব্যবহারকারীদের পক্ষ থেকে প্রতিরোধও ডেকে আনবে যাদের চাকরি আপনি হুমকি দিচ্ছেন। আপনি কিভাবে এই ভয় মোকাবেলা করতে পারেন সম্পর্কে চিন্তা করুন. উদাহরণস্বরূপ, আপনি ব্যবহারকারীদের শেখাতে পারেন যে তারা কীভাবে দক্ষতার সাথে তাদের নতুন ফ্রি সময়কে আরও পরিশীলিত বিপণন কৌশলগুলি ডিজাইন করতে ব্যবহার করতে পারে। অন্যান্য প্রতিযোগীরা স্বয়ংক্রিয় বিষয়বস্তু তৈরির সাথে জড়িত থাকা সত্ত্বেও এটি একটি প্রতিরক্ষাযোগ্য পরিখা প্রদান করতে পারে।

3। উপাত্ত

যেকোনো ধরনের AI এবং মেশিন লার্নিংয়ের জন্য, আপনাকে আপনার ডেটা সংগ্রহ এবং প্রস্তুত করতে হবে যাতে এটি বাস্তব জীবনের ইনপুটগুলিকে প্রতিফলিত করে এবং আপনার মডেলের জন্য পর্যাপ্ত শিক্ষার সংকেত প্রদান করে। আজকাল, আমরা ডেটা-কেন্দ্রিক AI-এর দিকে একটি প্রবণতা দেখতে পাচ্ছি - একটি AI দর্শন যা মডেলগুলির অন্তহীন টুইকিং এবং অপ্টিমাইজেশন থেকে দূরে সরে যায় এবং এই মডেলগুলিতে খাওয়ানো ডেটাতে থাকা অসংখ্য সমস্যা সমাধানের উপর ফোকাস করে৷ আপনি যখন শুরু করেন, একটি শালীন ডেটাসেটে আপনার হাত পেতে বিভিন্ন উপায় রয়েছে:

• আপনি একটি বিদ্যমান ডেটাসেট ব্যবহার করুন. এটি হয় একটি স্ট্যান্ডার্ড মেশিন লার্নিং ডেটাসেট বা ভিন্ন প্রাথমিক উদ্দেশ্য সহ একটি ডেটাসেট হতে পারে যা আপনি আপনার কাজের জন্য মানিয়ে নিতে পারেন। কিছু ডেটাসেট ক্লাসিক আছে, যেমন আইএমডিবি মুভি রিভিউ ডেটাসেট অনুভূতি বিশ্লেষণের জন্য এবং MNIST ডেটাসেট হাতে লেখা চরিত্র স্বীকৃতির জন্য। আরো বহিরাগত এবং উত্তেজনাপূর্ণ বিকল্প আছে, মত অবৈধ মাছ ধরা এবং কুকুরের জাত পরিচয়, এবং কাগলের মতো ডেটা হাবগুলিতে অসংখ্য ব্যবহারকারী-নিযুক্ত ডেটাসেট। আপনি এমন একটি ডেটাসেট খুঁজে পাবেন যা আপনার নির্দিষ্ট কাজের জন্য তৈরি করা হয়েছে এবং আপনার প্রয়োজনীয়তাগুলি সম্পূর্ণরূপে সন্তুষ্ট করে এমন সম্ভাবনা খুবই কম, এবং বেশিরভাগ ক্ষেত্রে, আপনাকে আপনার ডেটা সমৃদ্ধ করার জন্য অন্যান্য পদ্ধতিগুলিও ব্যবহার করতে হবে।
• আপনি ম্যানুয়ালি ডেটা টীকা বা তৈরি করুন সঠিক শিক্ষার সংকেত তৈরি করতে। ম্যানুয়াল ডেটা টীকা — উদাহরণস্বরূপ, সেন্টিমেন্ট স্কোর সহ পাঠ্যের টীকা — মেশিন লার্নিংয়ের প্রথম দিনগুলিতে যাওয়ার পদ্ধতি ছিল। সম্প্রতি, এটি ChatGPT-এর গোপন সসের প্রধান উপাদান হিসেবে মনোযোগ ফিরে পেয়েছে। মানুষের পছন্দগুলি প্রতিফলিত করার জন্য মডেলের প্রতিক্রিয়াগুলি তৈরি এবং র‌্যাঙ্ক করার জন্য একটি বিশাল ম্যানুয়াল প্রচেষ্টা ব্যয় করা হয়েছিল। এই কৌশলটিকে রিইনফোর্সমেন্ট লার্নিং ফ্রম হিউম্যান ফিডব্যাক (RLHF)ও বলা হয়। আপনার কাছে প্রয়োজনীয় সংস্থান থাকলে, আপনি সেগুলিকে আরও নির্দিষ্ট কাজের জন্য উচ্চ-মানের ডেটা তৈরি করতে ব্যবহার করতে পারেন, যেমন বিপণন সামগ্রী তৈরি করা। টীকা অভ্যন্তরীণভাবে বা একটি বহিরাগত প্রদানকারী বা ক্রাউডসোর্সিং পরিষেবা যেমন অ্যামাজন মেকানিক্যাল তুর্ক ব্যবহার করে করা যেতে পারে। যাইহোক, বেশিরভাগ কোম্পানি RLHF ডেটা ম্যানুয়াল তৈরির জন্য প্রয়োজনীয় বিশাল সংস্থান ব্যয় করতে চাইবে না এবং তাদের ডেটা তৈরি স্বয়ংক্রিয় করার জন্য কিছু কৌশল বিবেচনা করবে।
• সুতরাং, আপনি ব্যবহার করে বিদ্যমান ডেটাসেটে আরও উদাহরণ যোগ করতে পারেন ডেটা বর্ধন. অনুভূতি বিশ্লেষণের মতো সহজ কাজগুলির জন্য, আপনি পাঠ্যগুলিতে কিছু অতিরিক্ত শব্দ প্রবর্তন করতে পারেন, কয়েকটি শব্দ পরিবর্তন করতে পারেন, ইত্যাদি। আরও উন্মুক্ত প্রজন্মের কাজের জন্য, বর্তমানে স্বয়ংক্রিয় মডেলগুলির জন্য বড় মডেলগুলি (যেমন ফাউন্ডেশনাল মডেল) ব্যবহার করার বিষয়ে প্রচুর উত্সাহ রয়েছে প্রশিক্ষণ তথ্য উত্পাদন। একবার আপনি আপনার ডেটা বাড়ানোর জন্য সর্বোত্তম পদ্ধতি চিহ্নিত করলে, প্রয়োজনীয় ডেটাসেট আকারে পৌঁছানোর জন্য আপনি সহজেই এটিকে স্কেল করতে পারেন।

আপনার ডেটা তৈরি করার সময়, আপনি গুণমান এবং পরিমাণের মধ্যে ট্রেড-অফের সম্মুখীন হন। আপনি ম্যানুয়ালি একটি উচ্চ মানের সাথে কম ডেটা টীকা করতে পারেন, বা স্বয়ংক্রিয় ডেটা বৃদ্ধির জন্য হ্যাক এবং কৌশলগুলি বিকাশে আপনার বাজেট ব্যয় করতে পারেন যা অতিরিক্ত শব্দের পরিচয় দেবে। আপনি যদি ম্যানুয়াল টীকা করতে যান, আপনি এটি অভ্যন্তরীণভাবে করতে পারেন এবং বিশদ এবং গুণমানের একটি সংস্কৃতি গঠন করতে পারেন বা বেনামী লোকেদের কাছে কাজটি ক্রাউডসোর্স করতে পারেন। ক্রাউডসোর্সিংয়ে সাধারণত নিম্নমানের থাকে, তাই আওয়াজের ক্ষতিপূরণের জন্য আপনাকে আরও টীকা দিতে হতে পারে। আপনি কিভাবে আদর্শ ভারসাম্য খুঁজে পাবেন? এখানে কোন প্রস্তুত রেসিপি নেই — শেষ পর্যন্ত, আপনি প্রশিক্ষণ এবং আপনার ডেটা বাড়ানোর মধ্যে ক্রমাগত পিছিয়ে যাওয়ার মাধ্যমে আপনার আদর্শ ডেটা রচনাটি খুঁজে পাবেন। সাধারণভাবে, একটি মডেলকে প্রাক-প্রশিক্ষণ দেওয়ার সময়, এটিকে স্ক্র্যাচ থেকে জ্ঞান অর্জন করতে হবে, যা শুধুমাত্র একটি বৃহত্তর পরিমাণ ডেটার সাথে ঘটতে পারে। অন্যদিকে, আপনি যদি সূক্ষ্ম সুর করতে চান এবং একটি বিদ্যমান বড় মডেলকে বিশেষত্বের শেষ ছোঁয়া দিতে চান, তাহলে আপনি পরিমাণের চেয়ে গুণমানকে মূল্য দিতে পারেন। বিস্তারিত নির্দেশিকা ব্যবহার করে একটি ছোট ডেটাসেটের নিয়ন্ত্রিত ম্যানুয়াল টীকা এই ক্ষেত্রে সর্বোত্তম সমাধান হতে পারে।

4. অ্যালগরিদম

ডেটা হল সেই কাঁচামাল যা থেকে আপনার মডেল শিখবে এবং আশা করি, আপনি একটি প্রতিনিধি, উচ্চ-মানের ডেটাসেট কম্পাইল করতে পারেন। এখন, আপনার AI সিস্টেমের আসল সুপার পাওয়ার — বিদ্যমান ডেটা থেকে শেখার এবং নতুন ডেটাতে সাধারণীকরণ করার ক্ষমতা — অ্যালগরিদমে থাকে৷ মূল AI মডেলগুলির পরিপ্রেক্ষিতে, তিনটি প্রধান বিকল্প রয়েছে যা আপনি ব্যবহার করতে পারেন:

• একটি বিদ্যমান মডেল প্রম্পট. GPT পরিবারের উন্নত LLMs (বড় ভাষা মডেল), যেমন ChatGPT এবং GPT-4, সেইসাথে অন্যান্য প্রদানকারী যেমন Anthropic এবং AI21 ল্যাবগুলি API এর মাধ্যমে অনুমানের জন্য উপলব্ধ। প্রম্পট করার মাধ্যমে, আপনি সরাসরি এই মডেলগুলির সাথে কথা বলতে পারেন, আপনার প্রম্পটে একটি টাস্কের জন্য প্রয়োজনীয় সমস্ত ডোমেন- এবং টাস্ক-নির্দিষ্ট তথ্য সহ। এটি ব্যবহার করার জন্য নির্দিষ্ট বিষয়বস্তু, অনুরূপ কাজের উদাহরণ (কয়েকটি শট প্রম্পটিং) এবং সেইসাথে মডেল অনুসরণ করার নির্দেশাবলী অন্তর্ভুক্ত করতে পারে। উদাহরণস্বরূপ, যদি আপনার ব্যবহারকারী একটি নতুন পণ্য বৈশিষ্ট্য সম্পর্কে একটি ব্লগ পোস্ট তৈরি করতে চান, আপনি তাদের বৈশিষ্ট্য সম্পর্কে কিছু মূল তথ্য প্রদান করতে বলতে পারেন, যেমন এর সুবিধা এবং ব্যবহারের ক্ষেত্রে, এটি কীভাবে ব্যবহার করবেন, লঞ্চের তারিখ ইত্যাদি। আপনার পণ্য তারপর একটি সাবধানে তৈরি প্রম্পট টেমপ্লেটে এই তথ্যটি পূরণ করে এবং LLM-কে পাঠ্য তৈরি করতে বলে৷ প্রাক-প্রশিক্ষিত মডেলগুলিতে একটি প্রধান-শুরু করার জন্য অনুরোধ করা দুর্দান্ত। যাইহোক, আপনি প্রম্পটিংয়ের মাধ্যমে যে পরিখা তৈরি করতে পারেন তা সময়ের সাথে সাথে দ্রুত পাতলা হয়ে যাবে — মধ্যবর্তী মেয়াদে, আপনার প্রতিযোগিতামূলক প্রান্ত ধরে রাখতে আপনার আরও বেশি প্রতিরক্ষাযোগ্য মডেল কৌশল প্রয়োজন।
• একটি প্রাক-প্রশিক্ষিত মডেল ফাইন-টিউন। এই পদ্ধতি গত বছরগুলিতে AI কে এত জনপ্রিয় করে তুলেছে। যত বেশি সংখ্যক প্রাক-প্রশিক্ষিত মডেল পাওয়া যাচ্ছে এবং Huggingface-এর মতো পোর্টালগুলি মডেলের সাথে কাজ করার জন্য মডেল সংগ্রহস্থলের পাশাপাশি স্ট্যান্ডার্ড কোড অফার করে, ফাইন-টিউনিং চেষ্টা করার এবং প্রয়োগ করার জন্য গো-টু পদ্ধতি হয়ে উঠছে। যখন আপনি একটি প্রাক-প্রশিক্ষিত মডেলের সাথে কাজ করেন, তখন আপনি যে বিনিয়োগ থেকে উপকৃত হতে পারেন যেটি কেউ ইতিমধ্যেই মডেলটির ডেটা, প্রশিক্ষণ এবং মূল্যায়ন করেছে, যেটি ইতিমধ্যে ভাষা এবং বিশ্ব সম্পর্কে অনেক কিছু "জানে"৷ আপনাকে যা করতে হবে তা হল একটি টাস্ক-নির্দিষ্ট ডেটাসেট ব্যবহার করে মডেলটি সূক্ষ্ম-টিউন করা, যা প্রাক-প্রশিক্ষণের জন্য প্রাথমিকভাবে ব্যবহৃত ডেটাসেটের চেয়ে অনেক ছোট হতে পারে। উদাহরণস্বরূপ, বিপণনের বিষয়বস্তু তৈরির জন্য, আপনি ব্লগ পোস্টের একটি সেট সংগ্রহ করতে পারেন যেগুলি ব্যস্ততার পরিপ্রেক্ষিতে ভাল পারফর্ম করেছে এবং এর জন্য নির্দেশনাগুলিকে বিপরীত প্রকৌশলী করতে পারে৷ এই ডেটা থেকে, আপনার মডেল সফল নিবন্ধগুলির গঠন, প্রবাহ এবং শৈলী সম্পর্কে শিখবে। ওপেন-সোর্স মডেলগুলি ব্যবহার করার সময় ফাইন-টিউনিং হল পথ, কিন্তু LLM API প্রদানকারী যেমন OpenAI এবং Cohere এছাড়াও ক্রমবর্ধমানভাবে ফাইন-টিউনিং কার্যকারিতা অফার করছে। বিশেষ করে ওপেন-সোর্স ট্র্যাকের জন্য, আপনাকে এখনও মডেল নির্বাচনের বিষয়গুলি বিবেচনা করতে হবে, প্রশিক্ষণের খরচ ওভারহেড এবং বড় মডেল স্থাপন, এবং আপনার মডেলের রক্ষণাবেক্ষণ এবং আপডেটের সময়সূচী।
• স্ক্র্যাচ থেকে আপনার ML মডেল প্রশিক্ষণ. সাধারণভাবে, এই পদ্ধতিটি সহজ, কিন্তু অত্যন্ত নির্দিষ্ট সমস্যাগুলির জন্য ভাল কাজ করে যার জন্য আপনার নির্দিষ্ট জ্ঞান-কিভাবে বা শালীন ডেটাসেট রয়েছে। বিষয়বস্তুর প্রজন্ম ঠিক এই শ্রেণীতে পড়ে না — আপনাকে স্থল থেকে নামানোর জন্য এটির জন্য উন্নত ভাষাগত ক্ষমতার প্রয়োজন, এবং এইগুলি শুধুমাত্র হাস্যকরভাবে প্রচুর পরিমাণে ডেটার উপর প্রশিক্ষণের পরে অর্জিত হতে পারে। একটি নির্দিষ্ট ধরণের পাঠ্যের জন্য অনুভূতি বিশ্লেষণের মতো সহজ সমস্যাগুলি প্রায়শই লজিস্টিক রিগ্রেশনের মতো প্রতিষ্ঠিত মেশিন লার্নিং পদ্ধতির মাধ্যমে সমাধান করা যেতে পারে, যা অভিনব গভীর শিক্ষার পদ্ধতির তুলনায় গণনাগতভাবে কম ব্যয়বহুল। অবশ্যই, নির্দিষ্ট ডোমেনের জন্য ধারণা নিষ্কাশনের মতো যুক্তিসঙ্গতভাবে জটিল সমস্যার মধ্যম স্থলও রয়েছে, যার জন্য আপনি স্ক্র্যাচ থেকে একটি গভীর নিউরাল নেটওয়ার্ক প্রশিক্ষণের কথা বিবেচনা করতে পারেন।

প্রশিক্ষণের বাইরে, মেশিন লার্নিং এর সফল ব্যবহারের জন্য মূল্যায়ন প্রাথমিক গুরুত্ব বহন করে। উপযুক্ত মূল্যায়ন মেট্রিক্স এবং পদ্ধতিগুলি শুধুমাত্র আপনার AI বৈশিষ্ট্যগুলির একটি আত্মবিশ্বাসী প্রবর্তনের জন্য গুরুত্বপূর্ণ নয়, এটি আরও অপ্টিমাইজেশনের জন্য একটি স্পষ্ট লক্ষ্য এবং অভ্যন্তরীণ আলোচনা এবং সিদ্ধান্তের জন্য একটি সাধারণ ভিত্তি হিসাবে কাজ করবে। যদিও প্রযুক্তিগত মেট্রিক্স যেমন নির্ভুলতা, স্মরণ এবং নির্ভুলতা একটি ভাল সূচনা বিন্দু প্রদান করতে পারে, শেষ পর্যন্ত আপনি এমন মেট্রিকগুলি সন্ধান করতে চাইবেন যা আপনার এআই ব্যবহারকারীদের কাছে সরবরাহ করছে এমন বাস্তব-জীবনের মূল্যকে প্রতিফলিত করে।

5. ব্যবহারকারীর অভিজ্ঞতা

AI পণ্যগুলির ব্যবহারকারীর অভিজ্ঞতা হল একটি চিত্তাকর্ষক থিম — সর্বোপরি, ব্যবহারকারীদের উচ্চ আশা রয়েছে কিন্তু একটি AI এর সাথে "অংশীদারিত্ব" সম্পর্কেও ভয় রয়েছে যা সুপারচার্জ করতে পারে এবং সম্ভাব্যভাবে তাদের বুদ্ধিমত্তাকে ছাড়িয়ে যেতে পারে। এই মানব-এআই অংশীদারিত্বের ডিজাইনের জন্য একটি চিন্তাশীল এবং বুদ্ধিমান আবিষ্কার এবং নকশা প্রক্রিয়া প্রয়োজন। মূল বিবেচ্য বিষয়গুলির মধ্যে একটি হল অটোমেশনের ডিগ্রি যা আপনি আপনার পণ্যের সাথে দিতে চান — এবং মনে রাখবেন, মোট অটোমেশন সর্বদা আদর্শ সমাধান নয়। নিম্নলিখিত চিত্রটি অটোমেশন ধারাবাহিকতাকে চিত্রিত করে:

আসুন এই স্তরগুলির প্রতিটি দেখুন:

• প্রথম পর্যায়ে, মানুষ সমস্ত কাজ করে, এবং কোন অটোমেশন সঞ্চালিত হয় না। AI এর চারপাশে হাইপ থাকা সত্ত্বেও, আধুনিক কোম্পানিগুলিতে বেশিরভাগ জ্ঞান-নিবিড় কাজগুলি এখনও এই স্তরে পরিচালিত হয়, যা অটোমেশনের জন্য বিশাল সুযোগ উপস্থাপন করে। উদাহরণস্বরূপ, বিষয়বস্তু লেখক যিনি AI-চালিত সরঞ্জামগুলিকে প্রতিহত করেন এবং রাজি হন যে লেখা একটি অত্যন্ত ম্যানুয়াল এবং আইডিওসিঙ্ক্রাটিক নৈপুণ্য এখানে কাজ করে।
• অ্যাসিস্টেড এআই-এর দ্বিতীয় পর্যায়ে, ব্যবহারকারীদের টাস্ক এক্সিকিকিউশনের উপর সম্পূর্ণ নিয়ন্ত্রণ থাকে এবং কাজের একটি বড় অংশ ম্যানুয়ালি করে, কিন্তু AI টুলগুলি তাদের সময় বাঁচাতে এবং তাদের দুর্বল পয়েন্টগুলির জন্য ক্ষতিপূরণ দিতে সাহায্য করে। উদাহরণস্বরূপ, একটি কঠোর সময়সীমার সাথে একটি ব্লগ পোস্ট লেখার সময়, গ্রামারলি বা অনুরূপ সরঞ্জামের সাথে একটি চূড়ান্ত ভাষাগত পরীক্ষা একটি স্বাগত টাইমসেভার হয়ে উঠতে পারে। এটি ম্যানুয়াল রিভিশনকে বাদ দিতে পারে, যার জন্য আপনার অনেক কম সময় এবং মনোযোগের প্রয়োজন হয় এবং এখনও আপনাকে ত্রুটি এবং উপেক্ষা করে রেখে যেতে পারে — সর্বোপরি, ভুল করাটাই মানবিক।
• বর্ধিত বুদ্ধিমত্তা সহ, AI এমন একটি অংশীদার যা মানুষের বুদ্ধিমত্তা বৃদ্ধি করে, এইভাবে উভয় জগতের শক্তিকে কাজে লাগায়। অ্যাসিস্টেড এআই-এর তুলনায়, মেশিনে আপনার প্রক্রিয়ায় আরও অনেক কিছু বলার আছে এবং এটি অনেক বড় দায়িত্বের অন্তর্ভুক্ত, যেমন ধারণা, জেনারেশন এবং ড্রাফ্ট সম্পাদনা এবং চূড়ান্ত ভাষাগত পরীক্ষা। ব্যবহারকারীদের এখনও কাজে অংশগ্রহণ করতে হবে, সিদ্ধান্ত নিতে হবে এবং কাজের অংশগুলি সম্পাদন করতে হবে। ব্যবহারকারীর ইন্টারফেসটি স্পষ্টভাবে মানব এবং এআই-এর মধ্যে শ্রম বন্টন নির্দেশ করবে, ত্রুটির সম্ভাবনা হাইলাইট করবে এবং এটি যে পদক্ষেপগুলি সম্পাদন করে তাতে স্বচ্ছতা প্রদান করবে। সংক্ষেপে, "বর্ধিত" অভিজ্ঞতা ব্যবহারকারীদের পুনরাবৃত্তি এবং পরিমার্জনের মাধ্যমে পছন্দসই ফলাফলের দিকে পরিচালিত করে।
• এবং অবশেষে, আমাদের সম্পূর্ণ অটোমেশন রয়েছে — এআই গীক্স, দার্শনিক এবং পন্ডিতদের জন্য একটি আকর্ষণীয় ধারণা, কিন্তু প্রায়শই বাস্তব জীবনের পণ্যগুলির জন্য সর্বোত্তম পছন্দ নয়। সম্পূর্ণ অটোমেশন মানে আপনি একটি "বড় লাল বোতাম" অফার করছেন যা প্রক্রিয়াটি শুরু করে। একবার এআই হয়ে গেলে, আপনার ব্যবহারকারীরা চূড়ান্ত আউটপুটের মুখোমুখি হন এবং হয় এটি গ্রহণ করেন বা ছেড়ে যান। এর মধ্যে যা কিছু ঘটেছিল তারা নিয়ন্ত্রণ করতে পারে না। আপনি কল্পনা করতে পারেন, এখানে UX বিকল্পগুলি বরং সীমিত কারণ কার্যত কোনও ইন্টারঅ্যাক্টিভিটি নেই। সাফল্যের জন্য সিংহভাগ দায়িত্ব আপনার প্রযুক্তিগত সহকর্মীদের কাঁধে, যাদের আউটপুটগুলির একটি ব্যতিক্রমী উচ্চ মানের নিশ্চিত করতে হবে।

ডিজাইনের ক্ষেত্রে এআই পণ্যগুলির বিশেষ চিকিত্সার প্রয়োজন। স্ট্যান্ডার্ড গ্রাফিকাল ইন্টারফেসগুলি নির্ধারক এবং আপনাকে ব্যবহারকারীর গ্রহণ করা সমস্ত সম্ভাব্য পথের পূর্বাভাস দেওয়ার অনুমতি দেয়। বিপরীতে, বড় এআই মডেলগুলি সম্ভাব্য এবং অনিশ্চিত - তারা আশ্চর্যজনক ক্ষমতার একটি পরিসীমা প্রকাশ করে তবে বিষাক্ত, ভুল এবং ক্ষতিকারক আউটপুটের মতো ঝুঁকিও রয়েছে। বাইরে থেকে, আপনার AI ইন্টারফেসটি সহজ দেখাতে পারে কারণ আপনার পণ্যের অনেকগুলি ক্ষমতা সরাসরি মডেলটিতে থাকে। উদাহরণস্বরূপ, একটি LLM প্রম্পটগুলি ব্যাখ্যা করতে পারে, পাঠ্য তৈরি করতে পারে, তথ্য অনুসন্ধান করতে পারে, এটিকে সংক্ষিপ্ত করতে পারে, একটি নির্দিষ্ট শৈলী এবং পরিভাষা গ্রহণ করতে পারে, নির্দেশাবলী চালাতে পারে ইত্যাদি৷ এমনকি যদি আপনার UI একটি সাধারণ চ্যাট বা প্রম্পটিং ইন্টারফেস হয় তবে এই সম্ভাব্য অদৃশ্য রেখে যাবেন না৷ — ব্যবহারকারীদের সাফল্যের দিকে নিয়ে যেতে, আপনাকে স্পষ্ট এবং বাস্তববাদী হতে হবে। আপনার AI মডেলগুলির ক্ষমতা এবং সীমাবদ্ধতা সম্পর্কে ব্যবহারকারীদের সচেতন করুন, তাদের AI দ্বারা করা ত্রুটিগুলি সহজেই আবিষ্কার করতে এবং ঠিক করার অনুমতি দিন এবং তাদের সর্বোত্তম আউটপুটগুলিতে নিজেকে পুনরাবৃত্তি করার উপায় শেখান৷ বিশ্বাস, স্বচ্ছতা এবং ব্যবহারকারী শিক্ষার উপর জোর দিয়ে, আপনি আপনার ব্যবহারকারীদের AI এর সাথে সহযোগিতা করতে পারেন। যদিও AI ডিজাইনের উদীয়মান শৃঙ্খলার মধ্যে গভীরভাবে ডুব দেওয়া এই নিবন্ধের সুযোগের বাইরে, আমি আপনাকে দৃঢ়ভাবে অনুপ্রেরণা খুঁজতে উত্সাহিত করছি শুধুমাত্র অন্যান্য AI কোম্পানি থেকে নয়, ডিজাইনের অন্যান্য ক্ষেত্র যেমন মানব-মেশিন মিথস্ক্রিয়া থেকেও। আপনি শীঘ্রই পুনরাবৃত্ত ডিজাইন প্যাটার্নের একটি পরিসর সনাক্ত করবেন, যেমন স্বয়ংসম্পূর্ণতা, প্রম্পট পরামর্শ এবং AI নোটিশ, যা আপনি আপনার ডেটা এবং মডেলগুলি থেকে সর্বাধিক সুবিধা পেতে আপনার নিজস্ব ইন্টারফেসে একীভূত করতে পারেন।

আরও, সত্যিকারের একটি দুর্দান্ত ডিজাইন সরবরাহ করার জন্য, আপনাকে আপনার দলে নতুন ডিজাইনের দক্ষতা যোগ করতে হতে পারে। উদাহরণস্বরূপ, আপনি যদি বিপণন বিষয়বস্তুর পরিমার্জনার জন্য একটি চ্যাট অ্যাপ্লিকেশন তৈরি করেন, তাহলে আপনি একজন কথোপকথন ডিজাইনারের সাথে কাজ করবেন যিনি আপনার চ্যাটবটের কথোপকথন প্রবাহ এবং "ব্যক্তিত্ব" এর যত্ন নেন। আপনি যদি একটি সমৃদ্ধ বর্ধিত পণ্য তৈরি করেন যা আপনার ব্যবহারকারীদের উপলব্ধ বিকল্পগুলির মাধ্যমে পুঙ্খানুপুঙ্খভাবে শিক্ষিত এবং গাইড করতে হবে, তাহলে একজন বিষয়বস্তু ডিজাইনার আপনাকে সঠিক ধরনের তথ্য আর্কিটেকচার তৈরি করতে এবং আপনার ব্যবহারকারীদের জন্য সঠিক পরিমাণে নজিং এবং প্রম্পটিং যোগ করতে সাহায্য করতে পারে।

এবং অবশেষে, বিস্ময়ের জন্য উন্মুক্ত হন। এআই ডিজাইন আপনাকে ব্যবহারকারীর অভিজ্ঞতা সম্পর্কে আপনার আসল ধারণাগুলি পুনর্বিবেচনা করতে পারে। উদাহরণ স্বরূপ, অনেক UX ডিজাইনার এবং প্রোডাক্ট ম্যানেজারকে ব্যবহারকারীর অভিজ্ঞতা মসৃণ করার জন্য লেটেন্সি এবং ঘর্ষণ কমানোর জন্য ড্রিল করা হয়েছিল। ঠিক আছে, AI পণ্যগুলিতে, আপনি এই লড়াইকে বিরতি দিতে পারেন এবং আপনার সুবিধার জন্য উভয়ই ব্যবহার করতে পারেন। লেটেন্সি এবং অপেক্ষার সময়গুলি আপনার ব্যবহারকারীদের শিক্ষিত করার জন্য দুর্দান্ত, যেমন AI বর্তমানে কী করছে তা ব্যাখ্যা করে এবং তাদের পক্ষে সম্ভাব্য পরবর্তী পদক্ষেপগুলি নির্দেশ করে৷ সংলাপ এবং বিজ্ঞপ্তি পপ-আপের মতো বিরতি, মানব-এআই অংশীদারিত্বকে শক্তিশালী করতে এবং আপনার ব্যবহারকারীদের জন্য স্বচ্ছতা এবং নিয়ন্ত্রণ বাড়াতে ঘর্ষণ প্রবর্তন করতে পারে।

6. অকার্যকর প্রয়োজনীয়তা

ডেটা, অ্যালগরিদম এবং UX এর বাইরে যা আপনাকে একটি নির্দিষ্ট কার্যকারিতা বাস্তবায়ন করতে সক্ষম করে, তথাকথিত নন-ফাংশনাল প্রয়োজনীয়তা (NFRs) যেমন নির্ভুলতা, লেটেন্সি, স্কেলেবিলিটি, নির্ভরযোগ্যতা এবং ডেটা গভর্নেন্স নিশ্চিত করে যে ব্যবহারকারী প্রকৃতপক্ষে পরিকল্পিত মান পায়। এনএফআর-এর ধারণাটি সফ্টওয়্যার ডেভেলপমেন্ট থেকে আসে কিন্তু এখনও এআই-এর ডোমেনে পদ্ধতিগতভাবে হিসাব করা হয়নি। প্রায়শই, এই প্রয়োজনীয়তাগুলি অ্যাড-হক ফ্যাশনে নেওয়া হয় কারণ এগুলি ব্যবহারকারীর গবেষণা, ধারণা, বিকাশ এবং এআই ক্ষমতার অপারেশনের সময় আসে।

আপনার যত তাড়াতাড়ি সম্ভব আপনার এনএফআরগুলি বোঝার এবং সংজ্ঞায়িত করার চেষ্টা করা উচিত কারণ আপনার যাত্রার বিভিন্ন পয়েন্টে বিভিন্ন এনএফআর জীবিত হবে। উদাহরণস্বরূপ, গোপনীয়তা তথ্য নির্বাচনের একেবারে প্রাথমিক ধাপ থেকে শুরু করে বিবেচনা করা প্রয়োজন। সঠিকতা উৎপাদন পর্যায়ে সবচেয়ে সংবেদনশীল হয় যখন ব্যবহারকারীরা অনলাইনে আপনার সিস্টেম ব্যবহার করা শুরু করে, সম্ভাব্যভাবে এটিকে অপ্রত্যাশিত ইনপুট দিয়ে অভিভূত করে। স্কেলেবিলিটি হল একটি কৌশলগত বিবেচনা যা কার্যকর হয় যখন আপনার ব্যবসায় ব্যবহারকারীর সংখ্যা এবং/অথবা অনুরোধ বা প্রস্তাবিত কার্যকারিতার বর্ণালী স্কেল করে।

যখন NFR-এর কথা আসে, তখন আপনার কাছে সেগুলি সব থাকতে পারে না। এখানে কিছু সাধারণ ট্রেড-অফ রয়েছে যা আপনাকে ভারসাম্য বজায় রাখতে হবে:

• নির্ভুলতা বাড়ানোর প্রথম পদ্ধতিগুলির মধ্যে একটি হল একটি বড় মডেল ব্যবহার করা, যা লেটেন্সিকে প্রভাবিত করবে৷
• আরও অপ্টিমাইজেশানের জন্য "যেমন আছে" উৎপাদন ডেটা ব্যবহার করা শেখার জন্য সেরা হতে পারে, কিন্তু আপনার গোপনীয়তা এবং বেনামী নিয়ম লঙ্ঘন করতে পারে।
• আরও মাপযোগ্য মডেলগুলি হল সাধারণবাদী, যা কোম্পানি- বা ব্যবহারকারী-নির্দিষ্ট কাজগুলিতে তাদের নির্ভুলতাকে প্রভাবিত করে।

আপনি কীভাবে বিভিন্ন প্রয়োজনীয়তাকে অগ্রাধিকার দেবেন তা নির্ভর করবে উপলব্ধ গণনামূলক সংস্থান, অটোমেশনের ডিগ্রি সহ আপনার UX ধারণা এবং AI দ্বারা সমর্থিত সিদ্ধান্তগুলির প্রভাবের উপর।

কী টেকওয়েস

1. মনের মধ্যে শেষ দিয়ে শুরু করুন: ধরে নিবেন না যে প্রযুক্তি একা কাজ করবে; আপনার এআইকে ব্যবহারকারী-মুখী পণ্যের সাথে একীভূত করার জন্য এবং এর সুবিধা, ঝুঁকি এবং সীমাবদ্ধতা সম্পর্কে আপনার ব্যবহারকারীদের শিক্ষিত করার জন্য আপনার একটি পরিষ্কার রোডম্যাপ দরকার।
2. বাজার প্রান্তিককরণ: বাজারের সুযোগগুলিকে অগ্রাধিকার দিন এবং এআই বিকাশের জন্য গ্রাহকের প্রয়োজন। হাইপ দ্বারা চালিত এবং বাজার-সাইড বৈধতা ছাড়াই এআই বাস্তবায়নে তাড়াহুড়ো করবেন না।
3. ব্যবহারকারীর মান: দক্ষতা, ব্যক্তিগতকরণ, সুবিধা এবং মূল্যের অন্যান্য মাত্রার পরিপ্রেক্ষিতে AI পণ্যের মান সংজ্ঞায়িত করুন, পরিমাপ করুন এবং যোগাযোগ করুন।
4. উপাত্ত গুণমান: এআই মডেলগুলিকে কার্যকরভাবে প্রশিক্ষিত করতে ডেটা গুণমান এবং প্রাসঙ্গিকতার উপর ফোকাস করুন৷ সূক্ষ্ম-টিউনিংয়ের জন্য ছোট, উচ্চ-মানের ডেটা এবং স্ক্র্যাচ থেকে প্রশিক্ষণের জন্য বড় ডেটাসেট ব্যবহার করার চেষ্টা করুন।
5. অ্যালগরিদম/মডেল নির্বাচন: আপনার ব্যবহারের ক্ষেত্রে সঠিক জটিলতা এবং প্রতিরক্ষাযোগ্যতা (প্রোম্পটিং, ফাইন-টিউনিং, স্ক্র্যাচ থেকে প্রশিক্ষণ) বেছে নিন এবং এর কার্যকারিতা সাবধানে মূল্যায়ন করুন। সময়ের সাথে সাথে, আপনি আপনার পণ্যে প্রয়োজনীয় দক্ষতা এবং আস্থা অর্জন করার সাথে সাথে আপনি আরও উন্নত মডেল কৌশলগুলিতে স্যুইচ করতে চাইতে পারেন।
6. ব্যবহারকারী-কেন্দ্রিক নকশা: অটোমেশন এবং ব্যবহারকারীর নিয়ন্ত্রণের ভারসাম্য বজায় রেখে, ব্যবহারকারীর চাহিদা এবং আবেগকে মাথায় রেখে AI পণ্য ডিজাইন করুন। সম্ভাব্য এআই মডেলগুলির "অনির্দেশ্যতা" মনে রাখুন এবং আপনার ব্যবহারকারীদের এটির সাথে কাজ করতে এবং এটি থেকে উপকৃত হওয়ার জন্য গাইড করুন৷
7. সহযোগিতামূলক নকশা: বিশ্বাস, স্বচ্ছতা এবং ব্যবহারকারী শিক্ষার উপর জোর দিয়ে, আপনি আপনার ব্যবহারকারীদের AI এর সাথে সহযোগিতা করতে পারেন।
8. অ-কার্যকর প্রয়োজনীয়তা: নির্ভুলতা, লেটেন্সি, স্কেলেবিলিটি, এবং নির্ভরযোগ্যতার মতো বিষয়গুলিকে পুরো বিকাশ জুড়ে বিবেচনা করুন এবং প্রথম দিকে এইগুলির মধ্যে ট্রেড-অফগুলি মূল্যায়ন করার চেষ্টা করুন৷
9. সহযোগিতা: ক্রস-ডিসিপ্লিনারি বুদ্ধিমত্তা থেকে উপকৃত হতে এবং সফলভাবে আপনার AI সংহত করতে AI বিশেষজ্ঞ, ডিজাইনার, পণ্য পরিচালক এবং অন্যান্য দলের সদস্যদের মধ্যে ঘনিষ্ঠ সহযোগিতা বৃদ্ধি করুন।

তথ্যসূত্র

[১] তেরেসা টরেস (1)। ক্রমাগত আবিষ্কারের অভ্যাস: এমন পণ্যগুলি আবিষ্কার করুন যা গ্রাহকের মূল্য এবং ব্যবসায়িক মূল্য তৈরি করে।

[২] অরবিট মিডিয়া (2)। নতুন ব্লগিং পরিসংখ্যান: 2022 সালে কোন বিষয়বস্তুর কৌশল কাজ করে? আমরা 1016 ব্লগারদের জিজ্ঞাসা করেছি.

[৩] ডন নরম্যান (২০১৩)। দৈনন্দিন জিনিষ নকশা.

[৪] Google, Gartner and Motista (4)। প্রচার থেকে আবেগ পর্যন্ত: B2B গ্রাহকদের ব্র্যান্ডের সাথে সংযুক্ত করা.

দ্রষ্টব্য: সমস্ত ছবি লেখকের।

এই নিবন্ধটি মূলত উপর প্রকাশ করা হয়েছিল ডেটা সায়েন্সের দিকে এবং লেখকের অনুমতি নিয়ে TOPBOTS এ আবার প্রকাশিত।

এই নিবন্ধটি উপভোগ করবেন? আরও এআই গবেষণা আপডেটের জন্য সাইন আপ করুন।

আমরা যখন এর মতো আরও সংক্ষিপ্ত নিবন্ধগুলি প্রকাশ করি তখন আমরা আপনাকে জানাব।

সংশ্লিষ্ট

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• চার্টপ্রাইম। ChartPrime এর সাথে আপনার ট্রেডিং গেমটি উন্নত করুন। এখানে প্রবেশ করুন.
• ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
• উত্স: https://www.topbots.com/building-ai-products-with-a-holistic-mental-model/