ફ્લો-આધારિત કાર્ય અને સિસ્ટમ્સ: જનરેટિવ AI ના ઉપયોગનો સાર

શું તમે ક્યારેય ટૂલ અને સિસ્ટમ વચ્ચેનો તફાવત વિચાર્યો છે?

ટૂલ્સ એવી વસ્તુઓ છે જેનો આપણે કામ કરતી વખતે ઉપયોગ કરીએ છીએ. સિસ્ટમ્સ, તે જ રીતે, કાર્યને વધુ કાર્યક્ષમ બનાવે છે.

કેટલાકને એવી છબી હોઈ શકે છે કે સિસ્ટમ એ ફક્ત એક વધુ જટિલ ટૂલ છે.

જોકે, જો આપણે કાર્યને બે પ્રકારમાં વર્ગીકૃત કરીએ - પુનરાવર્તિત કાર્ય (iterative work) અને ફ્લો-આધારિત કાર્ય (flow-based work) - તો ટૂલ અને સિસ્ટમ વચ્ચેનો તફાવત નોંધપાત્ર રીતે સ્પષ્ટ થઈ જાય છે.

પુનરાવર્તન (Iteration) અને ફ્લો (Flow)

પુનરાવર્તિત કાર્ય (Iterative work) એ ટ્રાયલ અને એરર દ્વારા ધીમે ધીમે એક ડિલિવરેબલ બનાવવાની પ્રક્રિયા છે, જેમાં તમે આગળ વધો તેમ લવચીક રીતે અનુકૂલન કરો છો.

પુનરાવર્તિત કાર્ય માટે, એક ટૂલકિટ ઉપયોગી છે જે તમને ચોક્કસ કાર્યો માટે યોગ્ય ટૂલ પસંદ કરવાની સુવિધા આપે છે.

બીજી બાજુ, ફ્લો-આધારિત કાર્ય (Flow-based work) માં તબક્કાઓ દ્વારા પ્રગતિ કરવી અને અંતિમ તબક્કે ડિલિવરેબલનું નિર્માણ કરવું શામેલ છે.

ફ્લો-આધારિત કાર્ય માટે, કાર્યને ફ્લો સાથે માર્ગદર્શન આપવા માટે એક સિસ્ટમ હોવી એ ઉત્પાદકતા અને ગુણવત્તામાં નોંધપાત્ર સુધારો કરે છે.

ફ્લો-આધારિત કાર્યનું રૂપાંતરણ અને વ્યવસ્થિતકરણ

મનુષ્યો દ્વારા કરવામાં આવતા મોટાભાગના કાર્યો કાં તો પુનરાવર્તિત કાર્ય (iterative work) હોય છે અથવા તો વ્યવસ્થિત (systematized) ફ્લો-આધારિત પ્રક્રિયાનો એક ઘટક હોય છે.

પુનરાવર્તિત કાર્યને ફ્લો-આધારિત કાર્યમાં રૂપાંતરિત કરવું અને પછી તેને વ્યવસ્થિત કરવું, ઉત્પાદકતા અને ગુણવત્તામાં સુધારા માટે નોંધપાત્ર રીતે ફાળો આપે છે.

ઔદ્યોગિક ક્રાંતિ અને આઇટી ક્રાંતિ

ઔદ્યોગિક ક્રાંતિ અને આઇટી ક્રાંતિ એ પુનરાવર્તિત કાર્યને ફ્લો-આધારિત કાર્યમાં રૂપાંતરિત કરીને અને ત્યારબાદ તેના વ્યવસ્થિતકરણ દ્વારા ઉત્પાદકતા અને ગુણવત્તામાં નોંધપાત્ર વધારો કરવાના ઉત્તમ ઉદાહરણો છે.

ઔદ્યોગિક ક્રાંતિ પહેલાં, ઉત્પાદન કાર્ય પુનરાવર્તિત કાર્ય તરીકે કરવામાં આવતું હતું, જ્યાં મનુષ્યો કુશળતાપૂર્વક સાધનોનો ઉપયોગ કરતા હતા, અને દરેક વખતે ગોઠવણીઓ અને પ્રક્રિયાઓમાં મુક્તપણે ફેરફાર કરતા હતા.

આઇટી ક્રાંતિ પહેલાં માહિતી પ્રક્રિયા પણ પુનરાવર્તિત કાર્ય હતું, જેમાં મનુષ્યો સાધનોનો ઉપયોગ કરતા હતા અને બિન-પ્રમાણિત રીતે આગળ વધતા હતા.

ફેક્ટરી ઉત્પાદન લાઇન અને વ્યવસાય આઇટી સિસ્ટમ્સની જેમ આ પ્રક્રિયાઓને વ્યવસ્થિત કરીને, ઉત્પાદકતા અને ગુણવત્તામાં વધારો થયો.

જોકે, માત્ર વ્યવસ્થિતકરણ જ નહીં, પરંતુ તે પુનરાવર્તિત કાર્યનું ફ્લો-આધારિત રૂપાંતરણ અત્યંત મહત્વપૂર્ણ છે. ફ્લો-આધારિત રૂપાંતરણ પ્રાપ્ત થયું હોવાને કારણે જ વ્યવસ્થિતકરણ શક્ય બન્યું.

જનરેટિવ AI ક્રાંતિ

જ્યારે વ્યવસાયમાં જનરેટિવ AI નો ઉપયોગ કરીને ઉત્પાદકતા અને ગુણવત્તા સુધારવાનું લક્ષ્ય રાખવામાં આવે છે, ત્યારે ફક્ત AI ને એક સાધન તરીકે ઉપયોગ કરવાથી સાચું મૂલ્ય પ્રાપ્ત થશે નહીં.

મુખ્ય ઉદ્દેશ્ય પુનરાવર્તિત કાર્ય (iterative work) ને ફ્લો-આધારિત કાર્યમાં રૂપાંતરિત કરવાનો છે, અને પછી તે ફ્લો-આધારિત કાર્યનું વ્યવસ્થિતકરણ કરવાનો છે.

જનરેટિવ AI, લવચીક અનુકૂલન માટે સક્ષમ હોવાને કારણે, પુનરાવર્તિત કાર્યોને સંભાળી શકે છે. જોકે, ભલે તે મનુષ્યો દ્વારા કરવામાં આવે કે જનરેટિવ AI દ્વારા, પુનરાવર્તિત કાર્યની ઉત્પાદકતા અને ગુણવત્તાની મર્યાદાઓ હોય છે.

આથી જ ફ્લો-આધારિત રૂપાંતરણ અને વ્યવસ્થિતકરણનું લક્ષ્ય રાખવું અત્યંત મહત્વપૂર્ણ છે.

કોઈ દલીલ કરી શકે કે જો ફ્લો-આધારિત રૂપાંતરણ માનવ કાર્યકરો સાથે પણ ઉત્પાદકતા અને ગુણવત્તા સુધારી શકે, તો જનરેટિવ AI ના આગમન પહેલાં પણ આવા પ્રયાસો હાથ ધરી શકાયા હોત.

જોકે, માનવ કાર્યકરોને આધારિત ફ્લો-આધારિત રૂપાંતરણ ખરેખર ખૂબ જ મુશ્કેલ સમસ્યા છે. માનવ કાર્યકરો કાર્ય સોંપણીઓ અથવા સામગ્રીમાં થતા ફેરફારોને તરત જ અનુકૂલિત કરી શકતા નથી.

બીજી બાજુ, જ્યારે કાર્યકર જનરેટિવ AI હોય, ત્યારે ટ્રાયલ અને એરર દ્વારા સોંપણીઓ અને કાર્ય સામગ્રીને ફરીથી ગોઠવવી સરળ છે.

મનુષ્યોથી વિપરીત, જનરેટિવ AI અગાઉના પગલાં ભૂલી શકે છે, નવી પ્રક્રિયાઓને તત્કાળ વાંચી અને સમજી શકે છે, અને તેના આધારે કાર્ય કરી શકે છે.

તેથી, વ્યવસાયમાં જનરેટિવ AI નો લાભ લેવા માટેનો મુખ્ય અભિગમ પુનરાવર્તિત કાર્યને ફ્લો-આધારિત કાર્યમાં રૂપાંતરિત કરવાનો અને ત્યારબાદ તેનું વ્યવસ્થિતકરણ કરવાનો રહેશે.

જનરેટિવ AI નો ઉપયોગ કરીને વ્યવસાય કાર્યક્ષમતામાં સુધારો

ચાલો આપણે જનરેટિવ AI નો ઉપયોગ કરીને વ્યવસાય કાર્યક્ષમતામાં સુધારાનું ઉદાહરણ ધ્યાનમાં લઈએ.

ઉદાહરણ તરીકે, કંપનીના નિયમો વિશે કર્મચારીઓની પૂછપરછનો જવાબ આપવાના કાર્યને ધ્યાનમાં લો.

જનરેટિવ AI નો ઉપયોગ કરીને, વ્યક્તિ કંપનીના નિયમો શોધી શકે છે અને જવાબોનો મુસદ્દો તૈયાર કરી શકે છે.

જોકે, એવી સંભાવના છે કે જનરેટિવ AI જૂના નિયમોનો સંદર્ભ લઈ શકે અથવા ભૂલથી નિયમોમાં સ્પષ્ટપણે જણાવેલ ન હોય તેવા જવાબોની કલ્પના કરીને આપી શકે.

વધુમાં, પૂછપરછો વિવિધ સ્વરૂપોમાં આવે છે, જેમ કે ઇમેઇલ, મેસેન્જર ટૂલ્સ, ફોન કૉલ્સ અથવા મૌખિક સંચાર.

તેથી, પૂછપરછ સંભાળતા કર્મચારીઓને હજુ પણ પહેલાની જેમ તેમને પ્રાપ્ત કરવાની જરૂર છે.

એવું કલ્પી શકાય છે કે જે પ્રશ્નોનો તાત્કાલિક જવાબ આપી શકાય છે તેનો જવાબ આપીને કાર્યક્ષમતામાં સુધારો કરી શકાય છે, અને જેમને નિયમ ચકાસણીની જરૂર હોય તેવા પ્રશ્નો માટે, પૂછપરછની સામગ્રી જનરેટિવ AI માં દાખલ કરીને મુસદ્દા જવાબો ઉત્પન્ન કરી શકાય છે.

વધુમાં, વારંવાર પૂછાતા પ્રશ્નો માટે, તેમને કંપનીના આંતરિક હોમપેજ પર FAQs તરીકે પોસ્ટ કરવા જરૂરી છે.

જનરેટિવ AI નો ઉપયોગ સામાન્ય પ્રશ્નો અને જવાબો દાખલ કરવા અને વેબસાઇટ પ્રકાશન માટે બુલેટેડ ડ્રાફ્ટ્સ બનાવવા માટે પણ થઈ શકે છે.

તદુપરાંત, જ્યારે નિયમ સુધારાઓની જરૂર હોય, ત્યારે જનરેટિવ AI નો ઉપયોગ દરખાસ્તોનો મુસદ્દો તૈયાર કરવા માટે કરી શકાય છે.

આવા એપ્લિકેશનો પૂછપરછ સંભાળવાના કાર્યોના અમુક ટકાને વધુ કાર્યક્ષમ બનાવી શકે છે.

જોકે, આ ફક્ત પૂછપરછ સંભાળવાને પુનરાવર્તિત કાર્ય તરીકે છોડી દે છે અને જનરેટિવ AI ને એક સાધન તરીકે ઉપયોગ કરે છે.

પરિણામે, કાર્યક્ષમતામાં થતો લાભ ખૂબ જ મર્યાદિત છે.

ફ્લો-આધારિત કાર્યનું રૂપાંતરણ

ઉદાહરણ તરીકે આપેલ પૂછપરછ સંભાળવાના કાર્યની કાર્યક્ષમતાને મહત્તમ કરવા માટે, આ કાર્યને ફ્લોમાં રૂપાંતરિત કરવું આવશ્યક છે.

આ કરવા માટે, પૂછપરછ સંભાળતી વખતે જવાબદાર વ્યક્તિ દ્વારા કરવામાં આવતા કાર્યોને વિગતવાર અને ઔપચારિક બનાવવાની જરૂર છે.

• વિવિધ ચેનલો દ્વારા પૂછપરછો પ્રાપ્ત કરવી.
• જો પૂછપરછ અગાઉ જવાબ આપવામાં આવેલી પૂછપરછ જેવી જ હોય અને સંબંધિત નિયમોમાં કોઈ ફેરફાર ન હોય, તો તે જ જવાબ આપવો.
• નવી પૂછપરછો અથવા નિયમ ફેરફારો સંબંધિત પૂછપરછો માટે, નિયમોની પુષ્ટિ કરવી અને જવાબનો મુસદ્દો તૈયાર કરવો.
• મુસદ્દા જવાબ જૂના નિયમોનો સંદર્ભ આપતો નથી અથવા નિયમોમાં દર્શાવેલ ન હોય તેવી માહિતી શામેલ કરતો નથી તેની તપાસ કરવી.
• જવાબ આપતા પહેલા મંજૂરી જરૂરી છે કે કેમ તે તપાસવું, અને જો જરૂરી હોય તો મંજૂરી મેળવવી.
• જે ચેનલ દ્વારા પૂછપરછ પ્રાપ્ત થઈ હતી તે જ ચેનલ દ્વારા જવાબ આપવો.
• પૂછપરછની સામગ્રી, મંજૂરીનું પરિણામ અને જવાબનું પરિણામ પૂછપરછ ઇતિહાસ ડેટામાં નોંધવું.
• નિયમિતપણે પૂછપરછ ઇતિહાસ ડેટા તપાસવો અને વારંવાર પૂછાતા પ્રશ્નો અને જવાબોને અપડેટ કરવા માટે મુસદ્દા તૈયાર કરવા.
• મંજૂરી મેળવ્યા પછી આંતરિક કંપની હોમપેજ અપડેટ કરવું.
• જ્યારે નિયમો અપડેટ થાય ત્યારે સંદર્ભિત નિયમ ડેટા અપડેટ કરવો.
• સાથે સાથે, પાછલા પૂછપરછ ઇતિહાસ ડેટામાં નોંધવું કે સંબંધિત જવાબો અને નિયમ અપડેટ્સ થયા છે.
• નિયમ ફેરફારોને કારણે વારંવાર પૂછાતા પ્રશ્નો અને જવાબોની સમીક્ષાની જરૂર છે કે કેમ તે પુષ્ટિ કરવી, અને જો જરૂરી હોય તો અપડેટ કરવું.

ઉપર વર્ણવ્યા મુજબ, કરવામાં આવતા કાર્યોની વિગતોને સ્પષ્ટપણે વ્યાખ્યાયિત કરીને, આ કાર્યોને જોડી શકાય છે, લવચીક પુનરાવર્તિત કાર્યને સ્પષ્ટ ફ્લો-આધારિત પ્રક્રિયામાં રૂપાંતરિત કરી શકાય છે.

વ્યવસ્થિતકરણનું ઉદાહરણ

આ કાર્ય-પ્રવાહ (work-flow) બનાવીને, વ્યવસ્થિતકરણનો માર્ગ સ્પષ્ટ બને છે.

વ્યવસ્થિતકરણ માટે, જો કર્મચારીઓની કેટલીક સુવિધાનું બલિદાન સ્વીકાર્ય હોય, તો એક વિકલ્પ પૂછપરછ ચેનલોને એકીકૃત કરવાનો છે.

તેનાથી વિપરીત, જો કર્મચારીઓની સુવિધાને પ્રાથમિકતા આપવામાં આવે, તો સિસ્ટમે બધી ચેનલો દ્વારા પૂછપરછ પ્રાપ્ત કરવાની ક્ષમતા જાળવી રાખવી જોઈએ.

મૂળભૂત રીતે, સિસ્ટમે સીધી પૂછપરછ પ્રાપ્ત કરવી જોઈએ. ફક્ત મૌખિક પૂછપરછ માટે જ જવાબદાર વ્યક્તિએ તેમને સિસ્ટમમાં દાખલ કરવી જોઈએ.

પૂછપરછ પ્રાપ્ત થયા પછી, IT સિસ્ટમ અને જનરેટિવ AI એ ફ્લોને અનુસરીને શક્ય તેટલું વધુ અનુગામી કાર્ય ચલાવવું જોઈએ. શરૂઆતમાં, માનવ તપાસ અને મંજૂરીઓ સિસ્ટમમાં વિતરિત થવી જોઈએ, અને માનવ સંચાલકો સુધારા કરી શકવા જોઈએ.

પછી, જેમ જેમ સિસ્ટમનો ઉપયોગ પૂછપરછ સંભાળવા માટે થાય છે, જો જનરેટિવ AI ભૂલ કરે છે, તો જનરેટિવ AI ને આપેલી સૂચનાઓ ચેતવણીઓ, તપાસવાના મુદ્દાઓ, ભૂલોના ઉદાહરણો અને પુનરાવૃત્તિ અટકાવવા માટેના સાચા ઉદાહરણો સાથે અપડેટ થવી જોઈએ.

આનાથી જનરેટિવ AI ભૂલોમાં ઘટાડો થાય છે. જનરેટિવ AI માટે સૂચનાઓને અપડેટ કરવાની આ પ્રક્રિયાને પુનરાવર્તિત કાર્ય (iterative task) ને બદલે ફ્લો-આધારિત કાર્ય (flow-based task) માં રૂપાંતરિત કરવામાં આવે તો તે વધુ કાર્યક્ષમ બનાવી શકાય છે.

આ રીતે, ફ્લો-આધારિત કાર્યને વ્યવસ્થિત કરીને, માનવ હસ્તક્ષેપની જરૂર હોય તેવા કાર્યો પણ જનરેટિવ AI કેન્દ્રિત સિસ્ટમ દ્વારા બદલી શકાય છે.

સામાન્ય ગેરસમજો

ઘણા લોકો એવું માને છે કે જનરેટિવ AI નો વ્યવસાયિક ઉપયોગ હાલમાં બહુ અસરકારક નથી, અથવા તે અકાળ છે.

જોકે, આમાંના નોંધપાત્ર સંખ્યામાં વ્યક્તિઓ ઘણીવાર ગેરસમજની બે પેટર્નમાં ફસાય છે.

પ્રથમ ગેરસમજ જનરેટિવ AI નો સાધન તરીકે ઉપયોગ કરવા પર ધ્યાન કેન્દ્રિત કરવાથી ઊભી થાય છે.

અહીં દર્શાવ્યા મુજબ, પુનરાવર્તિત કાર્યો (iterative tasks) માટે જનરેટિવ AI નો સાધન તરીકે ઉપયોગ કરવાથી વ્યવસાયિક કાર્યક્ષમતામાં નોંધપાત્ર વધારો થતો નથી. આનો અનુભવ કરવાથી અથવા તેના વિશે સાંભળવાથી આ ગેરસમજ ઊભી થાય છે.

બીજી ગેરસમજ જનરેટિવ AI ને પુનરાવર્તિત કાર્યો કરાવવા પર ધ્યાન કેન્દ્રિત કરવાથી ઉદ્ભવે છે.

ખરેખર, વર્તમાન જનરેટિવ AI ને પુનરાવર્તિત કાર્યો કરાવવાનો પ્રયાસ કરવાથી સારું પરિણામ મળતું નથી. પરિણામે, જનરેટિવ AI મનુષ્યો દ્વારા કરવામાં આવતી ફરજોને સંપૂર્ણપણે પોતાના હાથમાં લઈ શકતું નથી, અને ફક્ત આ મુદ્દા પર ધ્યાન કેન્દ્રિત કરવાથી ગેરસમજ થાય છે.

અંતે

અહીં ચર્ચા કર્યા મુજબ, પુનરાવર્તિત કાર્યને ફ્લો-આધારિત કાર્યમાં રૂપાંતરિત કરીને અને તેને વ્યવસ્થિત કરીને, ફક્ત સાધનોના ઉપયોગ કરતાં વધુ કાર્યક્ષમતાની અપેક્ષા રાખી શકાય છે.

વધુમાં, ભલે પુનરાવર્તિત કાર્યને સંપૂર્ણપણે સંભાળી શકાય નહીં, તેમ છતાં, ફ્લો-આધારિત પ્રક્રિયામાંના ઘણા વ્યક્તિગત કાર્યો વર્તમાન જનરેટિવ AI દ્વારા સંચાલિત કરી શકાય છે. શરૂઆતમાં ઘણી ભૂલો હોય તો પણ, સૂચનાઓ અપડેટ કરીને સતત સુધારણા પ્રાપ્ત કરી શકાય છે.

વૈકલ્પિક રીતે, જરૂરિયાત મુજબ કાર્યોને વિભાજીત કરી શકાય છે, જેમ કે મુસદ્દો તૈયાર કરવાનું કાર્ય તપાસવાથી અલગ કરવું, અથવા બહુ-તબક્કાની તપાસ (multi-stage checking) અમલમાં મૂકવી.

જો આ રીતે વ્યવસ્થિતકરણ પ્રાપ્ત કરી શકાય, તો દરેક કાર્ય સાથે સુધારાઓ આગળ વધશે, અને સમય જતાં કામગીરી વધુ કાર્યક્ષમ બનશે.

આ એક એવી કાર્ય પદ્ધતિ છે જે મિકેનિઝમ પોતે જ સતત સુધારણાને સક્ષમ બનાવે છે, જે ફેક્ટરી ઉત્પાદન અને IT સિસ્ટમ અમલીકરણ જેવી જ છે.

જનરેટિવ AI નો લાભ લેવા માટે, વિચારસરણીમાં પરિવર્તનની જરૂર છે: ફક્ત તમારા પોતાના પુનરાવર્તિત કાર્યોને સુધારવાને બદલે, તમારે તમારા કાર્યને ઉદ્દેશ્યપૂર્વક ફ્લો-આધારિત પ્રક્રિયાઓમાં રૂપાંતરિત કરવાની અને તેમને વ્યવસ્થિત કરવાની જરૂર છે.