फ्लो-आधारित कार्य आणि सिस्टिम्स: जनरेटिव्ह एआय (Generative AI) च्या उपयोगाचे सार

तुम्ही कधी टूल (साधन) आणि सिस्टिम (प्रणाली) मधील फरक विचारात घेतला आहे का?

टूल ही अशी साधने आहेत जी आपण काम करताना वापरतो. त्याचप्रमाणे, सिस्टिममुळे काम अधिक कार्यक्षम होते.

काहींना असे वाटू शकते की सिस्टिम म्हणजे फक्त एक अधिक जटिल टूल आहे.

तथापि, जर आपण कामाचे दोन प्रकारात वर्गीकरण केले – पुनरावृत्तीचे काम (iterative work) आणि फ्लो-आधारित काम (flow-based work) – तर टूल आणि सिस्टिममधील फरक लक्षणीयरीत्या स्पष्ट होतो.

पुनरावृत्ती (Iteration) आणि फ्लो (Flow)

पुनरावृत्तीचे काम (iterative work) म्हणजे, प्रयत्न आणि त्रुटींच्या (trial and error) माध्यमातून, परिस्थितीनुसार जुळवून घेत हळूहळू एखादे वितरित करण्यायोग्य (deliverable) उत्पादन तयार करण्याची प्रक्रिया.

पुनरावृत्तीच्या कामासाठी, विशिष्ट कार्यांसाठी योग्य टूल निवडण्याची सोय असलेले टूलकिट उपयुक्त ठरते.

दुसरीकडे, फ्लो-आधारित काम (flow-based work) म्हणजे, विविध टप्प्यांतून पुढे सरकत जाणे आणि अंतिम टप्प्यावर वितरित करण्यायोग्य उत्पादन तयार करणे.

फ्लो-आधारित कामासाठी, कामाला फ्लोनुसार मार्गदर्शन करणारी सिस्टिम असल्यामुळे उत्पादकता आणि गुणवत्ता लक्षणीयरीत्या सुधारते.

फ्लो-आधारित कामामध्ये बदल आणि पद्धतशीरपणा (Systematization)

मानवाद्वारे केले जाणारे बहुतेक काम एकतर पुनरावृत्तीचे काम (iterative work) असते किंवा पद्धतशीर (systematized) फ्लो-आधारित प्रक्रियेचा एक भाग असते.

पुनरावृत्तीच्या कामाला फ्लो-आधारित कामामध्ये रूपांतरित करणे आणि नंतर त्याला पद्धतशीर करणे, यामुळे उत्पादकता आणि गुणवत्तेत लक्षणीय सुधारणा होते.

औद्योगिक क्रांती आणि माहिती तंत्रज्ञान क्रांती (IT Revolution)

औद्योगिक क्रांती आणि माहिती तंत्रज्ञान क्रांती ही पुनरावृत्तीच्या कामाचे फ्लो-आधारित कामात रूपांतर आणि त्यानंतर त्याचे पद्धतशीरकरण (systematization) करून उत्पादकता आणि गुणवत्ता लक्षणीयरीत्या वाढवण्याची उत्तम उदाहरणे आहेत.

औद्योगिक क्रांतीपूर्वी, उत्पादन कार्य पुनरावृत्तीचे काम म्हणून केले जात असे, जिथे मानव कुशलतेने साधनांचा वापर करून, प्रत्येक वेळी मांडणी आणि कार्यपद्धतीमध्ये मुक्तपणे बदल करत असे.

माहिती तंत्रज्ञान क्रांतीपूर्वीची माहिती प्रक्रिया देखील पुनरावृत्तीचे काम होते, ज्यात मानव साधने वापरून गैर-प्रमाणित पद्धतीने काम करत असे.

या प्रक्रियांचे पद्धतशीरकरण करून, जसे की कारखान्यांमधील उत्पादन लाईन्स आणि व्यावसायिक माहिती तंत्रज्ञान सिस्टिम्स, उत्पादकता आणि गुणवत्ता वाढवण्यात आली.

तथापि, केवळ पद्धतशीरकरणच नव्हे, तर त्या पुनरावृत्तीच्या कामाचे फ्लो-आधारित रूपांतरण अत्यंत महत्त्वाचे आहे. फ्लो-आधारित रूपांतरण साध्य झाल्यामुळेच पद्धतशीरकरण शक्य झाले.

जनरेटिव्ह एआय क्रांती

व्यवसायात जनरेटिव्ह एआय (Generative AI) वापरून उत्पादकता आणि गुणवत्ता सुधारण्याचे उद्दिष्ट ठेवल्यास, केवळ एआयला एक साधन म्हणून वापरल्याने खरे मूल्य मिळणार नाही.

पुनरावृत्तीच्या कामाचे (iterative work) फ्लो-आधारित कामामध्ये रूपांतर करणे आणि नंतर त्या फ्लो-आधारित कामाचे पद्धतशीरकरण करणे हे मुख्य उद्दिष्ट आहे.

जनरेटिव्ह एआय, लवचिक जुळवून घेण्यास सक्षम असल्याने, पुनरावृत्तीची कार्ये हाताळू शकते. तथापि, मानवाद्वारे किंवा जनरेटिव्ह एआय द्वारे केली गेली तरी, पुनरावृत्तीच्या कामाची उत्पादकता आणि गुणवत्ता मर्यादित असते.

यामुळेच फ्लो-आधारित रूपांतरण आणि पद्धतशीरकरणाचे उद्दिष्ट ठेवणे महत्त्वाचे आहे.

एखादा असा युक्तिवाद करू शकतो की, जर फ्लो-आधारित रूपांतरण मानवी कामगारांद्वारेही उत्पादकता आणि गुणवत्ता सुधारू शकत असते, तर जनरेटिव्ह एआयच्या आगमनापूर्वीच असे उपक्रम हाती घेतले गेले असते.

परंतु, मानवी कामगारांवर आधारित फ्लो-आधारित रूपांतरण प्रत्यक्षात एक अतिशय कठीण समस्या आहे. मानवी कामगार कार्य नेमणुका किंवा सामग्रीतील बदलांशी त्वरित जुळवून घेऊ शकत नाहीत.

दुसरीकडे, जेव्हा काम करणारा जनरेटिव्ह एआय असतो, तेव्हा प्रयत्न आणि त्रुटींच्या (trial and error) माध्यमातून नेमणुका आणि कार्याची सामग्री पुन्हा कॉन्फिगर करणे सोपे असते.

मानवांच्या विपरीत, जनरेटिव्ह एआय मागील पायऱ्या विसरू शकते, नवीन प्रक्रिया त्वरित वाचू आणि समजू शकते आणि त्यानुसार कार्य करू शकते.

म्हणून, व्यवसायात जनरेटिव्ह एआयचा लाभ घेण्यासाठी मुख्य दृष्टीकोन म्हणजे पुनरावृत्तीच्या कामाचे फ्लो-आधारित कामामध्ये रूपांतर आणि त्यानंतर त्याचे पद्धतशीरकरण.

जनरेटिव्ह एआय (Generative AI) वापरून व्यवसायाची कार्यक्षमता सुधारणे

जनरेटिव्ह एआय वापरून व्यवसायाची कार्यक्षमता सुधारण्याच्या एका उदाहरणाचा विचार करूया.

उदाहरणार्थ, कंपनीच्या नियमांबद्दल कर्मचाऱ्यांच्या चौकशींना प्रतिसाद देण्याचे कार्य विचारात घ्या.

जनरेटिव्ह एआय वापरून, कंपनीचे नियम शोधता येतात आणि उत्तरांचे मसुदे (drafts) तयार करता येतात.

तथापि, जनरेटिव्ह एआय जुन्या नियमांचा संदर्भ देऊ शकते किंवा नियमांमध्ये स्पष्टपणे नमूद नसलेल्या उत्तरांची चुकीची कल्पना करून ती देऊ शकते अशी शक्यता असते.

शिवाय, चौकशा विविध स्वरूपात येतात, जसे की ईमेल, मेसेंजर टूल्स, फोन कॉल्स किंवा तोंडी संवाद.

म्हणून, चौकशा हाताळणाऱ्या कर्मचाऱ्यांना त्या पूर्वीप्रमाणेच प्राप्त करणे आवश्यक आहे.

ज्या प्रश्नांची जागेवर उत्तरे देता येतात, त्यांची उत्तरे देऊन आणि ज्यांना नियमांची पडताळणी आवश्यक आहे, त्यांच्या चौकशीची सामग्री जनरेटिव्ह एआयमध्ये टाकून उत्तरांचे मसुदे तयार करून कार्यक्षमता सुधारली जाऊ शकते, हे कल्पनीय आहे.

याव्यतिरिक्त, वारंवार विचारल्या जाणाऱ्या प्रश्नांसाठी, त्यांना कंपनीच्या अंतर्गत होमपेजवर FAQ (वारंवार विचारले जाणारे प्रश्न) म्हणून पोस्ट करणे आवश्यक आहे.

जनरेटिव्ह एआयचा वापर सामान्य प्रश्न आणि उत्तरे इनपुट करण्यासाठी आणि वेबसाइट प्रकाशनासाठी बुलेटेड मसुदे तयार करण्यासाठी देखील केला जाऊ शकतो.

शिवाय, जेव्हा नियमांमध्ये सुधारणांची आवश्यकता असते, तेव्हा जनरेटिव्ह एआयचा वापर प्रस्तावांचा मसुदा तयार करण्यासाठी केला जाऊ शकतो.

अशा प्रकारच्या ॲप्लिकेशन्समुळे चौकशी हाताळणीच्या कामांचा काही विशिष्ट टक्के भाग अधिक कार्यक्षम होऊ शकतो.

तथापि, यामुळे चौकशी हाताळणी केवळ पुनरावृत्तीचे काम (iterative work) म्हणून राहते आणि जनरेटिव्ह एआयचा केवळ एक साधन म्हणून वापर होतो.

परिणामी, कार्यक्षमतेतील वाढ खूप मर्यादित असते.

फ्लो-आधारित कार्य रूपांतरण

उदाहरण म्हणून दिलेल्या चौकशी हाताळणीच्या कामाची कार्यक्षमता वाढवण्यासाठी, हे काम फ्लोमध्ये रूपांतरित करणे आवश्यक आहे.

हे करण्यासाठी, चौकशी हाताळताना जबाबदार व्यक्तीने केलेली कार्ये तपशीलवार आणि औपचारिक करणे आवश्यक आहे.

• विविध माध्यमांतून चौकशी प्राप्त करणे.
• जर चौकशी पूर्वी उत्तर दिलेल्या चौकशीसारखीच असेल आणि संबंधित नियमांमध्ये कोणताही बदल नसेल, तर तेच उत्तर देणे.
• नवीन चौकशांसाठी किंवा नियमांमध्ये बदल असलेल्या चौकशांसाठी, नियमांची पुष्टी करणे आणि उत्तराचा मसुदा तयार करणे.
• मसुद्यातील उत्तरात कालबाह्य नियमांचा संदर्भ नाही किंवा नियमांमध्ये नमूद नसलेली माहिती समाविष्ट नाही याची तपासणी करणे.
• उत्तर देण्यापूर्वी मंजुरी आवश्यक आहे का ते तपासणे आणि आवश्यक असल्यास मंजुरी मिळवणे.
• ज्या माध्यमातून चौकशी प्राप्त झाली, त्याच माध्यमातून प्रतिसाद देणे.
• चौकशीची सामग्री, मंजुरीचा निकाल आणि उत्तराचा निकाल चौकशी इतिहासाच्या डेटामध्ये नोंदवणे.
• चौकशी इतिहासाच्या डेटाची नियमितपणे तपासणी करणे आणि वारंवार विचारले जाणारे प्रश्न आणि उत्तरे अद्ययावत करण्यासाठी मसुदे तयार करणे.
• मंजुरी मिळाल्यानंतर अंतर्गत कंपनी होमपेज अद्ययावत करणे.
• नियम अद्ययावत करताना संदर्भित नियम डेटा अद्ययावत करणे.
• त्याच वेळी, मागील चौकशी इतिहासाच्या डेटामध्ये संबंधित उत्तरे आणि नियम अद्ययावत झाले आहेत याची नोंद करणे.
• नियमांमधील बदलांमुळे वारंवार विचारले जाणारे प्रश्न आणि उत्तरे तपासण्याची आवश्यकता आहे का याची पुष्टी करणे आणि आवश्यक असल्यास अद्ययावत करणे.

वर वर्णन केल्याप्रमाणे, केलेल्या कार्यांचे तपशील स्पष्टपणे परिभाषित केल्याने, ही कार्ये जोडली जाऊ शकतात, ज्यामुळे लवचिक पुनरावृत्तीचे कार्य (iterative work) अधिक स्पष्ट फ्लो-आधारित प्रक्रियेत रूपांतरित होते.

पद्धतशीरकरणाचे (Systematization) उदाहरण

हा कार्य-प्रवाह (work-flow) तयार केल्याने, पद्धतशीरकरणाचा मार्ग स्पष्ट होतो.

पद्धतशीरकरणासाठी, जर कर्मचाऱ्यांच्या काही सोयींवर तडजोड करणे स्वीकार्य असेल, तर चौकशीचे चॅनेल (channels) एकत्रित करणे हा एक पर्याय आहे.

याउलट, जर कर्मचाऱ्यांच्या सोयीला प्राधान्य दिले जात असेल, तर सिस्टिमने सर्व चॅनेलद्वारे चौकशी प्राप्त करण्याची क्षमता कायम राखली पाहिजे.

मूलभूतपणे, सिस्टिमने थेट चौकशी प्राप्त केल्या पाहिजेत. केवळ तोंडी चौकशीसाठी, संबंधित व्यक्तीने त्या सिस्टिममध्ये प्रविष्ट केल्या पाहिजेत.

एकदा चौकशी प्राप्त झाल्यानंतर, आयटी सिस्टिम आणि जनरेटिव्ह एआयने (Generative AI) शक्य तितके पुढील कार्य, प्रवाहाचे अनुसरण करून, अंमलात आणले पाहिजे. सुरुवातीला, मानवी तपासणी आणि मंजुऱ्या सिस्टिममध्ये जागोजागी अंतर्भूत केल्या पाहिजेत आणि मानवी ऑपरेटरना दुरुस्त्या करण्याची क्षमता असली पाहिजे.

नंतर, चौकशी हाताळणीसाठी सिस्टिमचा वापर करताना, जर जनरेटिव्ह एआयने चूक केली, तर त्या चुकीची पुनरावृत्ती टाळण्यासाठी जनरेटिव्ह एआयला दिलेल्या सूचनांमध्ये चेतावणी, तपासणीचे मुद्दे, चुकांची उदाहरणे आणि योग्य उदाहरणे समाविष्ट करून त्या अद्ययावत केल्या पाहिजेत.

यामुळे जनरेटिव्ह एआयच्या चुकांमध्ये घट होते. जनरेटिव्ह एआयसाठी सूचना अद्ययावत करण्याची ही प्रक्रिया, जर पुनरावृत्तीचे कार्य (iterative task) ऐवजी फ्लो-आधारित कार्यात (flow-based task) रूपांतरित केली गेली, तर ती आणखी कार्यक्षम होऊ शकते.

अशा प्रकारे, फ्लो-आधारित कामाचे पद्धतशीरकरण करून, मानवी हस्तक्षेपाची आवश्यकता वाटणारी कार्ये देखील जनरेटिव्ह एआय-केंद्रित सिस्टिमद्वारे बदलली जाऊ शकतात.

सामान्य गैरसमज

बरेच लोक असे मत बाळगतात की, सध्या जनरेटिव्ह एआयचा (Generative AI) व्यावसायिक उपयोग फारसा प्रभावी नाही किंवा तो अजून प्राथमिक अवस्थेत आहे.

तथापि, यापैकी मोठ्या संख्येने व्यक्ती अनेकदा दोन प्रकारच्या गैरसमजांमध्ये अडकतात.

पहिला गैरसमज जनरेटिव्ह एआयला केवळ एक साधन म्हणून वापरण्यावर लक्ष केंद्रित केल्यामुळे निर्माण होतो.

येथे दर्शविल्याप्रमाणे, पुनरावृत्तीच्या कामांसाठी (iterative tasks) जनरेटिव्ह एआयचा एक साधन म्हणून वापर केल्याने व्यवसायाची कार्यक्षमता लक्षणीयरीत्या वाढत नाही. याचा अनुभव घेतल्याने किंवा ऐकल्यामुळे हा गैरसमज निर्माण होतो.

दुसरा गैरसमज जनरेटिव्ह एआयकडून पुनरावृत्तीची कामे करून घेण्यावर लक्ष केंद्रित केल्यामुळे उद्भवतो.

खरं तर, सध्याच्या जनरेटिव्ह एआयकडून पुनरावृत्तीची कामे करून घेण्याचा प्रयत्न करणे चांगले काम करत नाही. परिणामी, जनरेटिव्ह एआय मानवाद्वारे केली जाणारी कर्तव्ये पूर्णपणे हाती घेऊ शकत नाही आणि केवळ या मुद्द्यावर लक्ष केंद्रित केल्याने गैरसमज निर्माण होतो.

शेवटी

येथे चर्चा केल्याप्रमाणे, पुनरावृत्तीचे काम (iterative work) फ्लो-आधारित कामात रूपांतरित करून आणि त्याचे पद्धतशीरकरण (systematizing) करून, केवळ साधनांपेक्षा अधिक कार्यक्षमतेची अपेक्षा केली जाऊ शकते.

याव्यतिरिक्त, जरी पुनरावृत्तीचे काम स्वतःच पूर्णपणे हाताळले जाऊ शकत नसले तरी, फ्लो-आधारित प्रक्रियेतील अनेक वैयक्तिक कार्ये सध्याच्या जनरेटिव्ह एआयद्वारे (generative AI) व्यवस्थापित केली जाऊ शकतात. सुरुवातीला अनेक चुका झाल्या तरी, सूचना अद्ययावत करून सतत सुधारणा साधता येते.

पर्यायाने, गरजेनुसार कार्ये विभागली जाऊ शकतात, जसे की मसुदा तयार करणे आणि तपासणे वेगळे करणे, किंवा बहु-टप्प्यातील तपासणी (multi-stage checking) लागू करणे.

जर या पद्धतीने पद्धतशीरकरण साध्य करता आले, तर प्रत्येक कार्यासह सुधारणा होत जातील आणि कालांतराने कार्ये अधिक कार्यक्षम होतील.

ही कामाची एक अशी पद्धत आहे, जी यंत्रणेतच सतत सुधारणा करण्यास सक्षम करते, जशी कारखान्यातील उत्पादन आणि आयटी सिस्टिमच्या अंमलबजावणीमध्ये होते.

जनरेटिव्ह एआयचा लाभ घेण्यासाठी, विचारसरणीत बदल आवश्यक आहे: केवळ स्वतःच्या पुनरावृत्तीच्या कामांमध्ये सुधारणा करण्याऐवजी, आपल्याला आपले कार्य वस्तुनिष्ठपणे फ्लो-आधारित प्रक्रियांमध्ये रूपांतरित करणे आणि त्यांचे पद्धतशीरकरण करणे आवश्यक आहे.