એઆઈ ઉત્પાદનો બનાવતી વખતે સમાધાનોની અસરનું નિરીક્ષણ

• વધુ મેટ્રિક્સ ઉમેરવાથી સમજણ સુધરે જ એવું નથી. ઘણાં ડૅશબોર્ડમાં એક જ મૂળભૂત વર્તનનાં અનેક માપ હોય છે. મેટ્રિક્સને પરસ્પર વિરોધી જોડીઓમાં જોડવાથી વધુ સારું નિદાન થઈ શકે છે: ખર્ચ સાથે ગુણવત્તા, સ્વયં ઉકેલ સાથે ભાવના અથવા ચોકસાઈ સાથે વિલંબ.

• એઆઈ ઉત્પાદન પ્રાયોગિક તબક્કામાંથી વાસ્તવિક ઉપયોગ તરફ જાય તેમ યોગ્ય જોડીઓ બદલાય છે. દરેક તબક્કે ટીમે લેવાના નિર્ણયો અનુસાર માપન થવું જોઈએ.

• કાર્યકારી દેખરેખ અને વ્યૂહાત્મક માપન અલગ હેતુઓ પૂરા કરે છે. ટીમો સેંકડો સિસ્ટમ સંકેતોનું નિરીક્ષણ કરી શકે છે, પરંતુ ઉત્પાદનના નિર્ણયો માટે માત્ર થોડી જોડીઓનો ઉપયોગ કરે છે.

મુખ્ય મેટ્રિક્સ વિશ્વસનીય ચિત્ર રજૂ કરી શકે છે, છતાં ઉત્પાદનનો મહત્ત્વપૂર્ણ નિર્ણય વણઉકેલ્યો રહી શકે છે.

ક્લાર્નાના એઆઈ સહાયકને વધુ થ્રૂપુટ, ઓછા ખર્ચ અને માનવીય એજન્ટો સમકક્ષ ગ્રાહક-સંતોષના ગુણાંક સાથે જાહેર રીતે સાંકળવામાં આવ્યો હતો. પછીના વર્ષે કંપનીએ માનવીય સહાય વધુ સુલભ કરવાનો નિર્ણય લીધો અને તેના મુખ્ય કાર્યકારી અધિકારીએ સ્વીકાર્યું કે ખર્ચ ઘટાડવા પર વધુ પડતો ભાર મુકાયો હતો.

આ AI સહાયક કે તેની પાયાની ટેકનોલોજીનો અસ્વીકાર નહોતો. ઉત્પાદનનું પરિચાલન કરતી વખતે કંપની જે કંઈ શીખી તેના આધારે, સ્વચાલન અને માનવીય સેવા વચ્ચેના સંતુલનમાં આ એક ગોઠવણ હતી. સ્વચાલને વધુ ઉચ્ચ-માત્રાની સરળ પૂછપરછો સંભાળી લીધી, એટલે ક્લાર્નાને એવા માનવીય એજન્ટોની જરૂર હતી જે જટિલ, સંવેદનશીલ કેસો માટે સજ્જ હોય.

ઉત્પાદને શરૂઆતથી શું હાંસલ કરવું જોઈએ તે નક્કી કર્યા પછી, એઆઈ ઉત્પાદનો બનાવતી મોટાભાગની સંસ્થાઓને આખરે એક જ પ્રશ્ન થાય છે: શું તે ખરેખર કામ કરે છે?

જવાબ સ્પષ્ટ ન હોય ત્યારે સામાન્ય વલણ વધુ મેટ્રિક્સ ઉમેરવાનું હોય છે. ત્રણ વધીને 10 થાય છે અને પછી 10 વધીને 30. ડૅશબોર્ડ વધુ સમૃદ્ધ બને છે, પરંતુ ટીમની સમજણ કદાચ સુધરતી નથી.

સમસ્યા હંમેશાં અલગ-અલગ માપોની ગુણવત્તામાં નહીં, પરંતુ તેમની વચ્ચેના સંબંધમાં હોય છે. ગ્રાહક સંતોષ, નેટ પ્રમોટર સ્કોર, સમીક્ષાઓ અને પસંદગીના દર ઉપયોગી સંકેતો આપી શકે છે, પરંતુ તે એકંદર ભાવનામાં સમાન ફેરફારો દર્શાવતા હોઈ શકે છે. જ્યારે તે એકસાથે બદલાય છે, ત્યારે કંઈક બન્યું હોવાની પુષ્ટિ થાય છે, પણ તેનું કારણ સમજાય જ એવું નથી.

તેથી એઆઈ ટીમોએ એકબીજા સાથે સંમત મેટ્રિક્સથી આગળ જોઈને સ્પર્ધાત્મક પરિણામો ઉજાગર કરતાં માપ ઓળખવા જોઈએ. આ પરસ્પર વિરોધી જોડીઓ ઉત્પાદનના પ્રદર્શન પાછળનાં સમાધાનોની અસર દર્શાવે છે અને તેનું નિરીક્ષણ કરવામાં મદદ કરે છે, જેથી વધુ સારા નિર્ણયો લઈ શકાય.

ઉપયોગ પહેલાંના એક અમલીકરણમાં સંયુક્ત ટીમ ગ્રાહક સહાય માટે આવતા કૉલ સંભાળતો તાત્કાલિક એઆઈ અવાજ-આધારિત એજન્ટ વિકસાવી રહી હતી. સૌથી અઘરા પ્રશ્નોમાંનો એક મોડલની પસંદગી કે સંકલન વિશે નહોતો. પ્રશ્ન એ હતો કે ગ્રાહકો મોટા પાયે તેનો ઉપયોગ શરૂ કરે પછી ઉત્પાદન કામ કરી રહ્યું છે કે નહીં, તે સંસ્થા કેવી રીતે જાણશે.

પ્રારંભિક માળખામાં ત્રણ માપ હતાં:

• સ્વયં ઉકેલનો દર: એઆઈ કોઈ વ્યક્તિને કૉલ સોંપ્યા વિના કેટલી વાર તેનો ઉકેલ લાવે છે.

• માનવીય સહાયને સોંપવાનો દર: કૉલ કેટલી વાર માનવીય એજન્ટને સોંપાય છે.

• ઉકેલનો દર: ગ્રાહકની સમસ્યા આખરે કેટલી વાર ઉકેલાય છે.

દરેક માપ વાજબી હતું. પરંતુ એકસાથે પણ તે એક સ્પષ્ટ પ્રશ્નનો જવાબ આપી શકતાં નહોતાં: માનવીય સહાયને સોંપવાનું વધે તો તે શું સૂચવે છે?

ટીમે માનવીય સહાયને સોંપવાની પ્રક્રિયાને આઠ પેટાપ્રકારોમાં વહેંચી. પછી તેણે અધવચ્ચે છોડવા, પ્રવાસ અને સમયનાં માપ, ભાષા-સમજના ગુણાંક તથા પ્રશ્નના પ્રકાર પ્રમાણે ઉકેલના માપ ઉમેર્યાં. આખરે માળખામાં છ શ્રેણીનાં 31 મેટ્રિક્સ હતાં.

તે માનવીય સહાયને સોંપવાની વિગતો જણાવી શકતું હતું, પરંતુ કારણનું વિશ્વસનીય નિદાન હજી કરી શકતું નહોતું. મોટાભાગનાં મેટ્રિક્સ એક જ વર્તનના અલગ રૂપ હતાં, તેથી સ્પર્ધાત્મક સમજૂતીઓ ચકાસવાને બદલે તે એકસાથે બદલાતાં હતાં.

ડૅશબોર્ડ નિદાનાત્મક રહેવાને બદલે માત્ર નિરીક્ષણાત્મક બની ગયું હતું.

ટીમને વધુ એક સ્તરનું વિભાજન જોઈતું નહોતું. તેને એકબીજાને મર્યાદિત કરતાં મેટ્રિક્સની જરૂર હતી.

અમે આને પરસ્પર વિરોધી જોડીઓ કહીએ છીએ: એવાં બે માપ જેમાં એકને અલગથી સુધારવાથી બીજા માપ દ્વારા દર્શાવાતા પરિણામને નુકસાન થઈ શકે છે. આ નામ ઇચ્છિત સ્થિતિને નહીં, પરંતુ એકતરફી શ્રેષ્ઠીકરણથી સર્જાતી નિષ્ફળતાને વર્ણવે છે.

બંને પાસાં સ્વસ્થ રહે ત્યારે ઉત્પાદન ટકાઉ રીતે કાર્ય કરતું હોઈ શકે છે. બંને અલગ દિશામાં જાય ત્યારે એ તફાવતની દિશા ટીમને ક્યાં તપાસવું તે નક્કી કરવામાં મદદ કરે છે.

આ કેવી રીતે ઉજાગર થાય છે અને આ સમજનો શું ઉપયોગ કરવો તે ઊંડાણથી સમજવા, માનવીય સહાયને સોંપવાનો દર અને તેમાં લાગતા સમયને ધ્યાનમાં લઈએ. વાસ્તવિક કૉલ આવે ત્યાં સુધી ગ્રાહકો કેવી રીતે વર્તશે તે ટીમ જાણી શકશે નહીં, પરંતુ કઈ પરિકલ્પનાઓ ચકાસવી તે નક્કી કરી શકે છે.

જો વધુ કૉલ માનવીય સહાયને સોંપાવા લાગે અને ગ્રાહકો પ્રથમ 30 સેકન્ડમાં એઆઈ અનુભવ છોડી દે, તો ટીમે વિશ્વાસ, જાણકારી આપવાની રીત, સ્વર અને શરૂઆતની ક્રિયાપ્રતિક્રિયાઓ તપાસવી જોઈએ. જો ગ્રાહકો કોઈ કાર્ય માટે અનેક મિનિટ પ્રયાસ કર્યા પછી માનવીય સહાય માગે, તો ક્ષમતા અથવા કાર્યપ્રવાહના આવરણમાં સમસ્યા હોવાની શક્યતા વધુ છે.

માનવીય સહાયને સોંપવાનો મુખ્ય આંકડો સમાન છે. ઉત્પાદનનો નિર્ણય અલગ છે.

ઉપયોગી જોડી પોતાની મેળે કારણ સાબિત કરતી નથી. તે તપાસનો વ્યાપ ઘટાડે છે અને આગામી નિર્ણય વધુ સ્પષ્ટ કરે છે.

અગાઉ રજૂ કરેલું ક્લાર્નાનું ઉદાહરણ ખર્ચ અને સેવાની ગુણવત્તા વચ્ચેની ક્રિયાપ્રતિક્રિયામાં આ સિદ્ધાંત કેવી રીતે લાગુ પડે છે તે દર્શાવે છે. કંપની સમાધાનોની અસરનું નિરીક્ષણ કરે અને અમલીકરણમાંથી શીખે તેમ એઆઈ-સક્ષમ કાર્યકારી મોડલ કેવી રીતે વિકસી શકે છે તે આ દર્શાવે છે.

ફેબ્રુઆરી 2024માં કંપનીએ જણાવ્યું કે તેના એઆઈ સહાયકે પ્રથમ મહિનામાં 23 લાખ વાતચીત સંભાળી, 700 પૂર્ણકાલીન એજન્ટો જેટલું કામ કર્યું અને માનવીય એજન્ટો સમકક્ષ ગ્રાહક-સંતોષના ગુણાંક મેળવ્યા. ક્લાર્નાના અંદાજ મુજબ સહાયક 2024 દરમિયાન નફામાં ચાર કરોડ ડૉલરનો સુધારો કરશે. આ સ્વતંત્ર મૂલ્યાંકન નહીં, પરંતુ ક્લાર્નાએ પોતે જણાવેલાં પરિણામો હતાં.

મે 2025માં ક્લાર્નાના મુખ્ય કાર્યકારી અધિકારીએ કહ્યું કે કંપનીએ ગ્રાહક સેવામાં ખર્ચ ઘટાડવા પર વધુ પડતો ભાર મૂક્યો હતો અને માનવીય સહાય વધુ સુલભ કરવાની યોજનાઓ જણાવી હતી. આ એઆઈ સહાયક કે તેની પાયાની ટેકનોલોજીનો અસ્વીકાર નહોતો, પરંતુ સ્વચાલિત અને માનવીય સેવા વચ્ચેના સંતુલનમાં કરાયેલો ફેરફાર હતો.

જાહેર પુરાવા દર્શાવે છે કે કાર્યક્ષમતાનાં માપને અલગ-અલગ ગ્રાહકો અને ક્રિયાપ્રતિક્રિયાઓની જરૂરિયાતો સાથે કેમ જોવાં જોઈએ. એઆઈ સિસ્ટમ સરેરાશ સારું પ્રદર્શન કરી શકે છે, છતાં કેટલાક જટિલ, સંવેદનશીલ કે અસામાન્ય કિસ્સાઓમાં સુલભ માનવીય માધ્યમ વધુ લાભદાયી રહે છે.

આ સંબંધનાં બંને પાસાંનું નિરીક્ષણ કંપનીને ક્યાં સ્વચાલન મૂલ્ય સર્જે છે, ક્યાં માનવીય સહાય મહત્ત્વની રહે છે અને નવા પુરાવા મળતાં સંતુલન કેવી રીતે બદલવું તે નક્કી કરવામાં મદદ કરે છે.

એઆઈ ઉત્પાદનોમાં અન્ય પરસ્પર વિરોધી જોડીઓમાં આનો સમાવેશ થઈ શકે છે:

બંને માપ અનંતકાળ સુધી વધારવાનો હેતુ નથી. હેતુ એ છે કે એકતરફી શ્રેષ્ઠીકરણ કાર્યકારી સમસ્યા ઊભી કરે તે પહેલાં સમાધાન દૃશ્યમાન બને.

મોબાઇલ રમતની કંપની માટે ખેલાડી-સહાયના એક અમલીકરણમાં સંબંધિત પડકાર સામે આવ્યો હતો. સિસ્ટમ ખોવાયેલી પ્રગતિ, ચુકવણીના વિવાદો અને ખાતાની પહોંચ જેવી મોટી સંખ્યાની સમસ્યાઓ સંભાળતી હતી.

સિસ્ટમ મોટા પાયે કાર્ય કરતી હોવાથી કાર્યક્ષમતાનાં માપ મહત્ત્વનાં હતાં. પરંતુ ખેલાડી-સહાય માત્ર કાર્યકારી કતાર નથી. ખેલાડીઓ ઘણી વાર નિરાશ થઈને આવે છે, કારણ કે તેમના અનુભવમાં અગાઉથી જ કંઈક ખોટું થયું હોય છે.

આ શરૂઆતની સ્થિતિ ગ્રાહક-સંતોષના ડેટાનું અર્થઘટન કરવાની રીત બદલે છે. જે ખેલાડીની સમસ્યા યોગ્ય રીતે ઉકેલાય તે પણ ઓછો સંતોષ દર્શાવી શકે છે, કારણ કે તેણે શરૂઆતમાં પ્રગતિ ગુમાવી હતી. સંદર્ભ વિના આ ગુણાંક વાંચવાથી ગ્રાહકના પ્રવાસમાં અગાઉ સર્જાયેલી નિરાશાનો દોષ સહાયની ક્રિયાપ્રતિક્રિયા પર આવી શકે છે.

તેથી ટીમે ગ્રાહકની શરૂઆતની ભાવના અને સહાયના અનુભવની અસર વચ્ચે ભેદ કરવો જરૂરી હતો. વધુ ઉપયોગી પ્રશ્ન એ નહોતો કે, “શું ખેલાડી ખુશ હતો?” પરંતુ એ હતો, “ખેલાડીની શરૂઆતની સ્થિતિની સરખામણીમાં શું આ ક્રિયાપ્રતિક્રિયાએ પરિસ્થિતિ સુધારી?”

ટીમ પાસે બંનેને માપવાની વિશ્વસનીય રીત હોય તો આ સરખામણી ઉત્પાદનથી સર્જાયેલી નિરાશાને સહાયની ગુણવત્તાથી અલગ કરવામાં મદદ કરી શકે છે.

એઆઈ ઉત્પાદનો બદલાય છે, પરંતુ તેમનાં મેટ્રિક્સ ઘણી વાર સ્થિર રહે છે.

પ્રાયોગિક તબક્કા દરમિયાન મુખ્ય પ્રશ્ન એ હોઈ શકે છે કે સતત રોકાણને વાજબી ઠેરવી શકાય એટલી સિસ્ટમ વિશ્વસનીય છે કે નહીં:

• શું તે મુખ્ય કાર્ય વિશ્વસનીય રીતે પૂરું કરે છે?

• શું વપરાશકર્તાઓને તેનો ઉપયોગ ચાલુ રાખવા જેટલો વિશ્વાસ છે?

• સૌથી સામાન્ય પરિસ્થિતિઓની બહાર તે કેવી રીતે વર્તે છે?

• શું નિષ્ફળતાઓ ઓળખીને સુરક્ષિત રીતે સુધારી શકાય છે?

એ પ્રશ્નો આવી જોડીઓને પ્રાધાન્ય આપે છે:

• મુખ્ય કાર્યની સફળતા ↔ અસામાન્ય કિસ્સાઓમાં પ્રદર્શન;

• સ્વચાલનનો દર ↔ માનવીય ફેરફારનો દર; અને

• પૂર્ણ કરવાની ઝડપ ↔ વપરાશકર્તાનો વિશ્વાસ.

ઉત્પાદન કાર્યકારી રીતે મહત્ત્વનું બન્યા પછી પ્રશ્નો બદલાય છે:

• શું તે ગુણવત્તા ઘટાડ્યા વિના મોટા પાયે કાર્ય કરી શકે છે?

• શું ઉપયોગ વધતાં તેનું અર્થતંત્ર સુધરે છે?

• અપનાવવાનું વધે તેમ શું પ્રદર્શન સ્થિર રહે છે?

• શું યોગ્ય સ્થળોએ માનવીય હસ્તક્ષેપ થઈ રહ્યા છે?

સંબંધિત જોડીઓ આ તરફ બદલાઈ શકે છે:

• પ્રતિ ક્રિયાપ્રતિક્રિયા ખર્ચ ↔ મૂલ્યાંકિત પરિણામની ગુણવત્તા;

• અપનાવવાનો વ્યાપ ↔ ઉપયોગની ઊંડાઈ; અને

• સ્વચાલનનો દર ↔ કાર્યકારી જોખમનો સામનો.

શરૂઆતનાં મેટ્રિક્સ ખોટાં જ હોય એવું નથી. તે અગાઉના તબક્કે મહત્ત્વના રહેલા પ્રશ્નોના જવાબ આપે છે.

જોખમ પરિવર્તનના સમયગાળા દરમિયાન ઊભું થાય છે. પ્રાયોગિક તબક્કાનાં મેટ્રિક્સ ઘણી વાર ચાલુ રહે છે, કારણ કે ટીમો તેનો અહેવાલ આપવાનું જાણે છે અને તેને નિવૃત્ત કરવાનો નિર્ણય કોઈની જવાબદારી હોતો નથી. એક સમયે શીખવામાં મદદ કરનારાં માપ ધીમે ધીમે માત્ર દેખાવ પૂરતાં મેટ્રિક્સ બની શકે છે.

તેથી જોડીઓનું પણ જીવનચક્ર હોવું જોઈએ. ટીમોએ ચોક્કસ નિર્ણય માટે જોડીઓ રજૂ કરવી, તે હજી મહત્ત્વપૂર્ણ સમાધાન દર્શાવે છે કે નહીં તેની સમીક્ષા કરવી અને ઉત્પાદન કે નિર્ણય બદલાય ત્યારે તેને નિવૃત્ત કરવી જોઈએ.

એઆઈ સિસ્ટમને વિગતવાર અવલોકનક્ષમતા, ચેતવણીઓ, ગુણવત્તાની ખાતરી અને મૂલ્યાંકનની જરૂર પડે છે. એ સંકેતો દૂર કરવાથી ઉત્પાદનને સુરક્ષિત રીતે ચલાવવું વધુ મુશ્કેલ બનશે. પરંતુ કાર્યકારી નિરીક્ષણ અને નેતૃત્વ માટેનું માપન એક નથી.

નિરીક્ષણ ટીમોને ઘટનાઓ શોધવા, નિષ્ફળતાઓનો ક્રમ સમજવા અને સિસ્ટમનું વર્તન જાણવા મદદ કરે છે. નિર્ણય મેટ્રિક્સ ઉત્પાદન અને વ્યવસાયના નેતાઓને રોકાણ, હસ્તક્ષેપ, દિશા બદલવા કે સમાધાન સ્વીકારવા અંગે નિર્ણય લેવામાં મદદ કરે છે.

સંસ્થા સેંકડો ટેકનિકલ અને કાર્યકારી સંકેતોનું નિરીક્ષણ કરી શકે છે, છતાં ઉત્પાદનના કોઈ ચોક્કસ નિર્ણય માટે માત્ર બે કે ત્રણ પરસ્પર વિરોધી જોડીઓને મહત્ત્વ આપી શકે છે. આ નિર્ણય સ્તર નાનું રાખવાથી પ્રાથમિકતા નક્કી કરવી સરળ બને છે.

યોગ્ય સમીક્ષા-અવધિ ઉત્પાદન પર આધાર રાખે છે. નવી કે ઝડપથી બદલાતી સિસ્ટમ માટે સાપ્તાહિક નિર્ણય-સમીક્ષા જરૂરી હોઈ શકે છે, જ્યારે પરિપક્વ ઉત્પાદન માટે માસિક કે ત્રિમાસિક સમીક્ષા પૂરતી હોઈ શકે છે. સમયાંતર કરતાં સિદ્ધાંત વધુ મહત્ત્વનો છે: સમાધાન મોંઘું કે અસુરક્ષિત બને તે પહેલાં પગલું લઈ શકાય એટલી વાર જોડીની સમીક્ષા કરો.

જોડી બગડે તો શું કરવું એ અંગે સંસ્થા સંમત થાય ત્યારે જ તે ઉપયોગી બને છે.

તે માટે તફાવતની માત્ર ગંભીર મર્યાદા નક્કી કરવી પૂરતી નથી. ટીમોએ ત્રણ સ્થિતિઓ ધ્યાનમાં લેવી જોઈએ:

• સંપૂર્ણ નિષ્ફળતા: બીજા માપને ધ્યાનમાં લીધા વિના એક માપ અસ્વીકાર્ય મર્યાદા વટાવે છે.

• વિચલન: એક માપ સુધરે છે, જ્યારે તેનું સંતુલન જાળવતું બીજું માપ બગડે છે.

• સંયુક્ત બગાડ: બંને પાસાં બગડે છે, જે ઉત્પાદન કે કામગીરીની વ્યાપક સમસ્યા સૂચવે છે.

દરેક જોડી માટે આ હોવું જોઈએ:

• નામથી નિર્ધારિત જવાબદાર વ્યક્તિ;

• તે જે નિર્ણયને ટેકો આપે છે તેની સ્પષ્ટતા;

• સંમત મર્યાદાઓ અથવા મૂલ્યાંકનના માપદંડ;

• તપાસનો માર્ગ; અને

• સંભવિત હસ્તક્ષેપોનો સમૂહ.

આ તત્ત્વો વિના સંસ્થા ઉત્પાદનનું સંચાલન નહીં, માત્ર નિરીક્ષણ કરે છે.

વધુ એક માપ ઉમેરતાં પહેલાં ઉત્પાદનનો એક મહત્ત્વપૂર્ણ નિર્ણય પસંદ કરો અને આ પ્રશ્નો પર વિચાર કરો. જવાબો લખો, જેથી સમીક્ષા સંમત આગામી પગલા સાથે પૂરી થાય.

1. આ મેટ્રિક્સથી આપણે કયો નિર્ણય લેવામાં મદદ મેળવવી છે?

ચોક્કસ બનો: શું આપણે સ્વચાલન વિસ્તારવું, મોડલ બદલવું કે માનવીય સહાયને સોંપવાની પ્રક્રિયા સુધારવી તે નક્કી કરી રહ્યા છીએ? માપ પસંદ કરતાં પહેલાં નિર્ણયને નામ આપો.

2. આ આંકડો સુધરે તો શું બગડી શકે છે?

તમે સુરક્ષિત રાખવા માગતા પરિણામ અને નુકસાન દર્શાવતું માપ ઓળખો. ઉદાહરણ તરીકે, સસ્તા જવાબો હજી ઉપયોગી છે કે નહીં તે ચકાસવા પ્રતિ ક્રિયાપ્રતિક્રિયા ખર્ચને મૂલ્યાંકિત પરિણામની ગુણવત્તા સાથે જોડો.

3. મુખ્ય આંકડા શું છુપાવી રહ્યા હોઈ શકે છે?

સમાન વપરાશકર્તાઓ, કાર્યો અને સમયગાળા માટે બંને માપ વાંચો અને પછી ખરાબ પરિણામો અનુભવી રહેલા જૂથો શોધો. શરૂઆતની સ્થિતિ પણ ધ્યાનમાં લો: ઓછો સંતોષ સહાયની ક્રિયાપ્રતિક્રિયા પહેલાંથી રહેલી નિરાશાને દર્શાવી શકે છે.

4. આપણે ક્યારે પગલું લઈશું અને પ્રતિભાવની જવાબદારી કોની છે?

એક માપ અસ્વીકાર્ય મર્યાદા વટાવે, એક સુધરે અને બીજું બગડે અથવા બંને બગડે ત્યારે પગલું લેવા માટે માપદંડ નક્કી કરો. તપાસ કોણ કરશે, સૌથી પહેલાં શું ચકાસશે અને ક્યારે અહેવાલ આપશે તે અંગે સંમત થાઓ.

5. શું આ જોડી હજી ઉત્પાદનના વર્તમાન તબક્કાને અનુકૂળ છે?

તેને રાખવી, બદલવી કે નિવૃત્ત કરવી તે નક્કી કરો. પ્રાયોગિક તબક્કો કાર્યની વિશ્વસનીયતા અને વપરાશકર્તાના વિશ્વાસ પર ધ્યાન આપી શકે છે; કાર્યરત સેવામાં ખર્ચ અને ગુણવત્તાની વધુ નજીકથી તપાસ જરૂરી હોઈ શકે છે. પસંદગીની ફરી સમીક્ષા કરવા તારીખ નક્કી કરો.

એઆઈ ઉત્પાદનનું માપન માત્ર પ્રદર્શનનું વર્ણન કરવા પૂરતું ન હોવું જોઈએ. તેણે સંસ્થા કરી રહેલાં સમાધાનો ઉજાગર કરીને આગામી નિર્ણય વધુ સ્પષ્ટ કરવો જોઈએ.