AI सोबत निराशाजनक परस्परसंवादाचा अनुभव आपल्या सर्वांना आला आहे किंवा “संवादी यंत्रणांचा तिरस्कार” करणारी व्यक्ती आपल्याला माहीत आहे. याचे कारण अनेकदा मूलभूत अनुभव उपयुक्त, मौल्यवान किंवा आनंददायी नसणे हे असते. ही निराशा अनेकदा मॉडेलच्या क्षमतेपेक्षा अनुभवाशीच अधिक संबंधित असते: माणसे, AI एजंट आणि अपेक्षित परिणाम यांमधील परस्परसंवादाशी. विशेषतः उद्योगसंस्थांमध्ये स्वीकारातील हा मोठा अडथळा आहे. निकृष्ट परस्परसंवाद गोंधळ निर्माण करू शकतात, प्रत्यक्ष वेळेतील संदर्भ दुर्लक्षित करू शकतात किंवा वापरकर्त्याचा हेतू आणि वर्तन विचारात घेत नाहीत.
या दृष्टिकोनातून आम्ही प्रत्येक पद्धतीचे फायदे, संबंधित रचनात्मक आव्हाने आणि तिच्या वापरासाठी व्यावहारिक मार्गदर्शन ओळखले आहे. या पद्धती विविध परस्परसंवाद प्रकार आणि माध्यमांना लागू होतात. त्यामुळे ग्राहकाभिमुख अनुभव आणि ज्ञानाधारित कामगारांना उत्तम निर्णय घेण्यास मदत करणारे अंतर्गत AI उपाय, अशा दोन्हींसाठी संधी निर्माण होतात.
अनेक निर्मितिक्षम AI उपाय तयार करताना आणि वापरून पाहताना दिसलेल्या उदयोन्मुख पद्धती आम्ही सामायिक करू इच्छितो, जेणेकरून मानव-AI संबंधांची उत्तम रचना करता येईल.
ज्ञानाधारित कामगार किंवा ग्राहक म्हणून तंत्रज्ञानाशी होणारे अनेक परस्परसंवाद दैनंदिन कामे आवश्यकतेपेक्षा अधिक कठीण करतात. ते आपली उत्पादकता, परिणामकारकता आणि मूल्य मर्यादित करतात.
उपलब्ध माहिती, पर्याय आणि साधनांची प्रचंड संख्या ज्ञानाधारित कामगार आणि ग्राहक अशा दोघांनाही गोंधळात टाकू शकते. अनेकदा परस्परविरोधी असलेल्या संदेशांच्या सततच्या भडिमारामुळे स्पष्ट निर्णय घेणे किंवा लक्ष केंद्रित ठेवणे कठीण होते. संशोधनानुसार, कर्मचारी आपल्या कामाच्या दिवसातील 40% वेळ केवळ आवश्यक माहिती शोधण्यात घालवतात (मॅकिन्से). या माहितीच्या अतिरेकाचा उत्पादकता आणि स्वास्थ्य या दोन्हींवर परिणाम होतो.
आपली लक्ष देण्याची क्षमताही मर्यादित असते. माहिती सापडली तरी माहितीपूर्ण निर्णयासाठी आवश्यक असलेल्या प्रत्येक गोष्टीवर प्रक्रिया किंवा तिचे विश्लेषण करता येत नाही. कोणत्याही क्षणी उपलब्ध डेटाच्या केवळ लहान भागावर आपण लक्ष केंद्रित करू शकतो. पर्यायांचा विचार करण्याची किंवा अनपेक्षित नमुने ओळखण्याची क्षमता मर्यादित करणाऱ्या विद्यमान धारणा किंवा कल्पनांनाच आपण अनेकदा धरून राहतो.
साधने स्वतःच अनेकदा या मर्यादा ओळखत नाहीत. बहुतेक तंत्रज्ञानाची रचना “सरासरी” वापरकर्त्यासाठी केली जाते. हे एकच उपाय सर्वांना लागू करण्याचा प्रयत्न करतात आणि वैयक्तिक संदर्भाशी जुळवून घेत नाहीत. कार्यालयीन आज्ञावली असो किंवा ग्राहकाभिमुख अनुप्रयोग, ही साधने आपल्या गरजा, मर्यादा किंवा वैशिष्ट्यपूर्ण परिस्थिती क्वचितच विचारात घेतात. परिणामी, तंत्रज्ञान अकार्यक्षम किंवा प्रतिकूल ठरू शकते. निर्मितिक्षम AI अधिक अनुकूल आणि वैयक्तिक परस्परसंवाद तयार करण्याची संधी देते.
शेवटी, अनेक कार्यस्थळे अनावश्यक त्रास निर्माण करतात. वाढती “निरर्थक व्यस्तता”, “सतत उपलब्ध” राहण्याचा दबाव आणि कमी मूल्याची पुनरावृत्तीची कामे यांमुळे अनास्था आणि दीर्घकालीन ताण वाढतो. निर्मितिक्षम AI आणि AI एजंट हे अनुभव कमी किंवा पूर्णपणे दूर करू शकत असले, तरी अनेक लोकांचा अजूनही कामात एकूण सुधारणा घडवण्याच्या AI च्या क्षमतेवर विश्वास नाही. विस्थापित होण्याची भीती किंवा आपल्या कामावरील स्वामित्वाची भावना यामुळे लोक “AI ने ताबा घेण्याच्या” कल्पनेला विरोध करू शकतात. त्यांना न आवडणाऱ्या कामांबाबतही ही भावना असते.
केवळ AI वापरणे हा उपाय नाही. अयोग्यरीत्या एकत्रित केलेली AI विशेषतः ज्ञानाधारित कामगारांसाठी नवी कामे आणि चिंता निर्माण करू शकते. ही आव्हाने केवळ कार्यक्षमच नव्हे, तर आपल्या बौद्धिक क्षमता, वैयक्तिक परिस्थिती आणि वास्तविक जगातील मर्यादांशी सुसंगत अशा मानव-AI परस्परसंवादांची गरज दाखवतात. खालील सहा पद्धती लोकांच्या गरजा मान्य करून AI सोबतच्या अधिक अनुकूल, पारदर्शक आणि अर्थपूर्ण नात्याला मदत करणारे दृष्टिकोन मांडतात.
उदयोन्मुख रचना पद्धती आणि प्रभावी, मानवकेंद्रित AI अनुभवांची तत्त्वे यांतील संबंध.
निवड व मांडणी: बुद्धिमान मेनूच्या भूमिकेत AI—AI माहिती निवडते आणि तिची मांडणी करते. प्रचंड डेटासंचातून मार्ग काढण्यास मदत करून ती गोंधळ कमी करते.
अभिप्राय देणे: विचारसहकारी म्हणून AI—AI प्रत्यक्ष वेळेत विचारप्रवर्तक अभिप्राय देते, जो गृहितकांना आव्हान देतो आणि पर्यायी दृष्टिकोन मांडतो.
परिस्थितीजन्य जागरूकता: वर्तमान परिस्थिती समजणारी AI—परिसरातील माहिती आणि वापरकर्त्याच्या गरजांवर सतत प्रक्रिया करून AI प्रत्यक्ष वेळेतील संदर्भाशी जुळवून घेते.
सातत्यपूर्ण शोध: प्रत्येक परस्परसंवादाचे वापरकर्ता संशोधनात रूपांतर—AI प्रत्येक वापरकर्ता परस्परसंवादातून निरीक्षणे शोधते आणि आपली समज सुधारते, त्यामुळे सतत शिक्षण आणि सुधारणा होते.
संवर्धन: उत्तम परिणामांसाठी वापरकर्ता निविष्टीचा विस्तार—वापरकर्त्यांचा मूळ हेतू कायम ठेवून AI पडद्यामागे त्यांची निविष्ट सुधारते.
कार्यपद्धती दाखवणे: पारदर्शक AI रीझनिंग—AI आपली निर्णयप्रक्रिया दृश्यमान आणि उपयुक्त करते. त्यामुळे विश्वास वाढतो आणि वापरकर्त्यांना अधिक माहितीपूर्ण निर्णय घेता येतात.
या सहा पद्धती दाखवतात की प्रभावी AI उपायांसाठी उत्तम रचनेच्या वापरकर्ता आंतरपृष्ठापेक्षा अधिक गोष्टी आवश्यक असतात. गुंतागुंतीच्या ज्ञान प्रणालींमध्ये लोक आणि AI एजंट कसा समन्वय साधतात, निर्णय घेतात आणि परस्परसंवाद करतात हे या पद्धती घडवतात. या पद्धती पुढील मार्गांनी मानव-AI परस्परसंवाद सुधारतात:
द्विमार्गी ज्ञान देवाणघेवाणीला प्राधान्य: AI आणि माणसे कल्पना, संदर्भ आणि निरीक्षणे देऊ शकतील असा संवाद शक्य करा. यामुळे अद्याप औपचारिकरीत्या नोंदवलेले नसलेले तज्ज्ञ ज्ञान आणि अंतःप्रेरणेवर आधारित अधिक सक्षम AI प्रणाली तयार होतात.
परिस्थितीनुसार जुळवून घेणारे आणि बदलणारे अनुभव तयार करणे: AI साधने झपाट्याने कालबाह्य किंवा असंबंधित होऊ शकतात. परिस्थितीजन्य जागरूकता राखणाऱ्या, सातत्याने शिकणाऱ्या आणि प्रत्येक वापरकर्त्याच्या परिस्थितीशी जुळवून घेणाऱ्या प्रणाली दीर्घकाळ उपयुक्त राहतात.
विश्वास आणि आत्मविश्वास वाढवणे: पारदर्शक, सहयोगी परस्परसंवाद स्वीकारातील अडथळे कमी करतात, सहभाग वाढवतात आणि मानवी व AI निर्णयक्षमता सुधारतात. विचारपूर्वक केलेली रचना लोकांना कालांतराने प्रणालीच्या निर्णयांवर आणि निष्पत्तींवर विश्वास ठेवण्यास मदत करते.
प्रभावी AI अनुभवांची रचना करणे आव्हानात्मक आहे, पण सिद्ध पद्धती त्यासाठी मदत करू शकतात. वापरकर्त्यांना समजून घेण्याची आणि उपयुक्त अनुभव निर्माण करण्याची मूलभूत तत्त्वे अजूनही लागू होतात. त्यासोबत स्वायत्त कृती करणाऱ्या AI प्रणालींमुळे आलेले नवे मुद्देही विचारात घ्यावे लागतात. माहितीची प्रभावी निवड व मांडणी करणारे, उपयुक्त अभिप्राय देणारे आणि पारदर्शकपणे शिकणारे अनुभव अतिरेक कमी करू शकतात, निर्णयक्षमता सुधारू शकतात आणि विश्वास निर्माण करू शकतात.
या पद्धती स्वीकारातील सामान्य अडथळे दूर करण्यास मदत करतात आणि AI सर्व संबंधितांसाठी खरोखर उपयुक्त, अनुकूल व अधिक मौल्यवान बनवतात.
खालील मार्गदर्शकात प्रत्येक पद्धतीचा अधिक तपशीलवार आढावा घेऊन ती व्यापक AI अनुभवाला कशी मदत करू शकते हे स्पष्ट केले आहे.
हे काय आहे: वापरकर्त्यांनी असंख्य शोध परिणाम किंवा दस्तऐवज स्वतः तपासण्याऐवजी, AI एजंट मोठ्या डेटासंचांमधून माहिती निवडून सर्वाधिक संबंधित निरीक्षणे सादर करू शकतात. थोडक्यात, AI ग्रंथपालाची भूमिका निभावते आणि वापरकर्त्याच्या संदर्भानुसार ज्ञानाची मांडणी करते.
हे उपयुक्त का आहे: माहितीचा अतिरेक कमी होतो. ज्ञानाधारित काम करणारी व्यक्ती दररोज सरासरी 1.8 तास माहिती शोधण्यात घालवते. यामुळे अनेक कर्मचाऱ्यांमध्ये कामाचा शीण वाढतो (मॅकिन्से). AI-आधारित निवड व मांडणी विविध स्रोतांतील माहितीचे अनुक्रमणीकरण, शोध आणि एकत्रीकरण करून ही समस्या सोडवते. त्यामुळे पारंपरिक शोधात न सापडणारी माहिती, पर्याय आणि निरीक्षणे वापरकर्त्यांना मिळतात.
आव्हान: पारंपरिक आंतरपृष्ठाधारित शोधाऐवजी एजंटच्या मदतीने शोध घेण्यासाठी वापरकर्त्यांना आपल्या अपेक्षा बदलाव्या लागतात. दुव्यांची सूची पाहण्याची किंवा डेटासंच गाळण्यासाठी बटणे दाबण्याची लोकांना सवय असते. याउलट, AI निवडकर्ता वापरकर्त्यांना माहीतही नसलेल्या स्रोतांमधून उत्तरे एकत्रित करतो. यामुळे गाळणीवर आपले नियंत्रण कमी असल्याचे वापरकर्त्यांना वाटू शकते आणि त्यांना एजंटच्या निवडींवर विश्वास ठेवावा लागतो. परिचित शोधपद्धतींमुळे आत्मविश्वास किंवा नियंत्रण न गमावता AI-आधारित निवड व मांडणीशी जुळवून घेता येते.
संरचित आणि असंरचित माहिती शोधण्यास मदत करण्यासाठी OpenAI परिचित परस्परसंवाद पद्धती कशा वापरते.
परिचित परस्परसंवादांच्या स्वरूपात शोधपद्धती सादर करा:
पारंपरिक शोधापासूनचे संक्रमण सुलभ करण्यासाठी रिकाम्या पटलांऐवजी परिचित परस्परसंवाद द्या. ओळखीचे पर्याय, प्रश्नावली आणि संदर्भाधारित सूचना वापरणारा अनुभव अधिक सहज वाटतो.
मुक्त स्वरूपातील मजकूर मागण्याऐवजी प्रॉम्प्ट म्हणून बटणे वापरा:
मुक्त स्वरूपातील मजकूर लिहिणे धडकी भरवणारे किंवा वेळखाऊ वाटू शकते. पूर्वनिश्चित किंवा आपोआप तयार होणारी बटणे निवड व मांडणी अधिक सुलभ करतात. उदाहरणार्थ, “सर्वात अलीकडील परिणामांनुसार गाळा”, “किमतींची तुलना करा” आणि “जागतिक स्रोत समाविष्ट करा” हे पर्याय परिणाम नेमके करण्यात मदत करू शकतात. यामुळे सहभागी होणे सोपे होते, शोध घेण्यास प्रोत्साहन मिळते आणि वापरकर्त्याच्या हेतूनुसार AI च्या शिफारशी घडतात.
शोध परिणाम नेमके करण्यासाठी वापरकर्त्यांना आपली गोष्ट सांगू द्या:
कधीकधी थेट प्रश्न किंवा गाळण्यांपेक्षा गोष्ट सांगितल्याने वापरकर्त्याच्या गरजा अधिक प्रभावीपणे व्यक्त होतात. गुंतागुंतीच्या माहितीफलकातून मार्ग काढताना किंवा योग्य उत्पादन शोधताना पारंपरिक साधने गोंधळात टाकू शकतात किंवा कोणते मापदंड बदलायचे हे समजत नाही.
वापरकर्ते एखादी अडचण, वैयक्तिक ध्येय किंवा अपेक्षित उत्पादन सांगून “आपली गोष्ट मांडतात”, तेव्हा AI त्या कथनाचे संरचित शोध मापदंडांत रूपांतर करू शकते. उदाहरणार्थ, “मी नुकताच लहान घरात राहायला आलो आहे आणि मला बहुपयोगी, परवडणारे साठवणुकीचे उपाय हवे आहेत”, असे सांगणाऱ्याला निवडक उत्पादने, व्यावहारिक सूचना आणि संबंधित शिफारशी मिळू शकतात.
कथनपद्धती स्वीकारल्याने कोणत्या गाळण्या लावाव्यात हे ठरवण्याचा मानसिक भार कमी होतो आणि अंतिम निवडक परिणामांबद्दल अधिक आत्मविश्वास व स्पष्टता निर्माण होते.
शोध वैयक्तिक करण्यासाठी मीम आणि सांस्कृतिक संदर्भ वापरा:
मीममुळे AI-आधारित निवड व मांडणीला दोन प्रकारे मदत होते: वापरकर्त्याबद्दल एजंटची समज वाढते आणि शोध परिणाम अधिक मानवी व आपलेसे वाटतात. प्रथम, ध्येय, मनःस्थिती किंवा शैली दर्शवणारे मीम निवडून किंवा त्यांचा संदर्भ देऊन, जसे “आज स्वतःचे लाड करावेसे वाटत आहेत!”, वापरकर्ते आपली “मनाची संकल्पना” AI सोबत प्रत्यक्षात सामायिक करतात. सामान्य चित्रमय आंतरपृष्ठात किंवा मजकूर प्रश्नात हरवू शकणारा संदर्भ ओळखून एजंट आपली निवड अधिक नेमकी करू शकतो.
दुसरे म्हणजे, एजंट विषयाधारित किंवा लोकप्रिय संस्कृतीने प्रेरित “प्रारंभिक संचां”मधून परिणाम मांडू शकतो. त्यामुळे शिफारशी अधिक संबंधित आणि वैयक्तिक वाटतात. उदाहरणार्थ, एखादी व्यक्ती घरातील कार्यालयाची पुनर्रचना करत असल्यास AI टेबलवरील वस्तू, तंत्रज्ञान आणि प्रेरणादायी कल्पना एकत्र करून “घरून कामाचा प्रारंभिक संच” तयार करू शकते.
पुढील सर्वोत्तम कृतींद्वारे वापरकर्त्याला स्पष्टता द्या:
AI एजंटचे परिणाम अपेक्षेनुसार असोत किंवा नसोत, वापरकर्त्यांना मापदंड सहजपणे नेमके करता आले पाहिजेत. उदाहरणार्थ, ते “मला घटक 2 सारखे आणखी पर्याय दाखवा” किंवा “2020 पूर्वीचे स्रोत वगळा” असे सांगू शकतात. पुढील सुचवलेल्या कृती नव्या वापरकर्त्यांना गोंधळात न टाकता मार्गदर्शन करतात.
हे काय आहे: पारंपरिकरीत्या माणसे करत असलेले काम सोपवण्याचा मार्ग म्हणून AI एजंटची अनेकदा चर्चा केली जाते. प्रत्यक्ष वेळेतील सहकारी म्हणून काम करण्याच्या त्यांच्या क्षमतेकडे तुलनेने कमी लक्ष दिले जाते. केवळ सूचनांचे पालन किंवा सामग्री निर्माण करण्याऐवजी एजंट विचारप्रवर्तक प्रश्न विचारू शकतो, गृहितकांना आव्हान देऊ शकतो आणि पर्यायी दृष्टिकोन मांडू शकतो. यामुळे AI विचारसहकारी बनते आणि काम विकसित होत असतानाच ते सुधारण्यास वापरकर्त्यांना मदत करते.
हे उपयुक्त का आहे: योग्य वेळी मिळणाऱ्या अभिप्रायाचा आपणा सर्वांना फायदा होतो, पण तो नेहमी मिळत नाही. एखाद्या कल्पनेशी अतिशय बांधील होण्यापूर्वी विरोधी आणि समर्थक दोन्ही मते आपल्याला नमुने ओळखायला मदत करतात. मानवी निर्णयक्षमतेची जागा न घेता AI एजंट आपल्या गृहितकांना आव्हान देऊ शकतात, कल्पना निर्माण करू शकतात आणि डेटाचे पर्यायी अर्थ सुचवू शकतात. अशा प्रकारच्या एजंट-आधारित अभिप्रायाला लोक अनेकदा चांगला प्रतिसाद देतात, असे आम्हाला आढळले आहे.
AI एजंट रीझनिंगमधील त्रुटी उघड करणारे किंवा पर्यायी दृष्टिकोन दाखवणारे प्रतिवाद निर्माण करू शकतात.
आव्हान: AI अभिप्राय सहज समजणारा आणि कृतीयोग्य असला पाहिजे, अन्यथा तो लक्ष विचलित करतो. असंबंधित सूचना देण्यासाठी व्यत्यय आणणारा किंवा प्रत्येक तपशिलातील किरकोळ दोष काढणारा एजंट लोकांना आवडत नाही. AI ने योग्य क्षणी आणि योग्य शैलीत हस्तक्षेप केला पाहिजे. ते अतिनिष्क्रिय असल्यास उपयुक्त संधी सुटतात आणि अतिआक्रमक असल्यास आपल्या निर्णयांवर शंका घेतली जात असल्याचे वापरकर्त्यांना वाटू शकते.
AI चा अभिप्राय कसा दाखवायचा हे आव्हान आहे: तो सूचनांच्या रूपात, ऐच्छिक परीक्षण म्हणून की द्विमार्गी संवाद म्हणून दिसावा? योग्य परस्परसंवादामुळेच वापरकर्ते AI ला सहकारी मानतील की केवळ “क्लिपी 2.0” म्हणून पाहतील, हे ठरेल.
अभिप्राय पुढाकार घेणारा असावा, पण त्रासदायक नसावा:
AI ला नैसर्गिक विरामांच्या वेळी सूचना देऊ द्या. उदाहरणार्थ, दस्तऐवज संपादकात सुधारणा सुचवण्यापूर्वी ते वाक्य किंवा परिच्छेद पूर्ण होईपर्यंत थांबू शकते. रिकामे मजकूर क्षेत्र निवडल्यानंतर मदत देण्यापूर्वी एजंटने थोडा वेळ थांबावे, या पद्धतीचाही आम्ही अभ्यास केला आहे. शैली महत्त्वाची आहे: बोथट विधानापेक्षा “विचार करण्यासाठी ही एक कल्पना आहे...” अधिक विधायक वाटते.
अभिप्रायाचे शोधक संवादात रूपांतर करा:
अभिप्राय अस्पष्ट असल्यास, “हे बदलण्याची सूचना तुम्ही का देत आहात?” असे प्रश्न वापरकर्त्यांना सहज विचारता आले पाहिजेत. जिज्ञासू व्यक्तिमत्त्व असलेल्या AI मुळे संवाद अधिक विधायक वाटतो. विचारशील समुपदेशक किंवा सुलभीकरणकर्त्याप्रमाणे एजंट योग्य क्षणी संबंधित प्रश्न विचारून अभिप्रायाचे वापरकर्त्याला शिकवणाऱ्या संभाषणात रूपांतर करू शकतो.
यामुळे AI लाही संदर्भ मिळतो आणि वापरकर्ता व एजंट दोघेही अधिक स्पष्ट सामायिक समज विकसित करू शकतात.
अनेक पर्याय किंवा कल्पना द्या:
एकच कल्पना, उपाय किंवा आव्हान देण्याऐवजी एजंट अनेक दृष्टिकोन सादर करू शकतो. उदाहरणार्थ, रचना एजंट तीन पर्यायी मांडण्या तयार करू शकतो, तर लेखन एजंट वेगवेगळ्या वाचकांसाठी वाक्याच्या वेगवेगळ्या आवृत्त्या सुचवू शकतो. पर्याय दिल्याने नियंत्रण वापरकर्त्याकडेच असल्याची जाणीव दृढ होते.
अभिप्राय संदर्भ-जागरूक असल्याची खात्री करा:
एजंटने आपली “विचारसहकारी” ही भूमिका वापरकर्त्याच्या सध्याच्या संदर्भानुसार बदलली पाहिजे. एखादी व्यक्ती प्रश्न किंवा मजकूर क्षेत्राजवळ थांबल्यास AI ने थेट संपूर्ण उत्तर देण्याऐवजी विचारप्रवर्तक प्रश्न विचारावा. वापरकर्त्याला केवळ वाक्याची पुनर्मांडणी हवी असल्यास स्वीकारता किंवा नाकारता येईल अशी संक्षिप्त सूचना त्याचे स्वामित्व टिकवून ठेवते.
सर्वांत महत्त्वाचे म्हणजे, AI ला कधी माघार घ्यावी हे कळले पाहिजे. दीर्घकाळ चालणाऱ्या संवादामुळे अंतहीन संपादनाचे “दुष्टचक्र” निर्माण होऊन वापरकर्त्याचा आत्मविश्वास कमी होऊ शकतो. संदर्भ आणि वापरकर्त्याच्या कृतींशी सुसंगत राहून AI एजंट मर्यादा न ओलांडता खरोखर उपयुक्त ठरेल असा अभिप्राय देऊ शकतो.
हे काय आहे: प्रत्यक्ष वेळेत संदर्भात्मक माहितीचा अर्थ लावून त्यानुसार आपले वर्तन बदलण्याची एजंटची क्षमता म्हणजे परिस्थितीजन्य जागरूकता. केवळ पूर्वनिश्चित निविष्टींवर अवलंबून न राहता AI एजंट परिसर, वापरकर्त्याची सध्याची स्थिती आणि इतर संबंधित परिस्थितींची माहिती सतत प्रक्रिया करू शकतात.
याचा अर्थ वापरकर्त्याच्या तातडीच्या गरजेनुसार आंतरपृष्ठ बदलणे किंवा प्रतिसाद अधिक संबंधित करण्यासाठी बाजारातील सद्यस्थितीचा अर्थ लावणे असा असू शकतो.
हे उपयुक्त का आहे: वास्तविक जग स्थिर नसते. सद्यस्थितीला प्रतिसाद देणाऱ्या परिस्थिती-जागरूक AI प्रणाली अधिक उपयुक्त ठरू शकतात. एजंटला संबंधित संदर्भ समजल्यास परस्परसंवाद अधिक नैसर्गिक, वैयक्तिक आणि वास्तवाधारित वाटतात.
आव्हान: खऱ्या अर्थाने परिस्थिती-जागरूक AI तयार करणे कठीण आहे. आवश्यक डेटा मिळवणे आणि एकत्रित करणे यात मोठी तांत्रिक गुंतागुंत निर्माण होऊ शकते.
उपयुक्त संदर्भ-जागरूकता आणि घुसखोर अतिरेक यांच्यात अतिशय सूक्ष्म सीमारेषा आहे. परिस्थिती “अचूक समजणारा” एजंट वापरकर्त्यांना आवडतो, पण तो अतिमाहिती मागत असल्यास किंवा अति आग्रही वाटल्यास त्यांना अस्वस्थ वाटू शकते. परिस्थिती झपाट्याने बदलू शकत असल्यामुळे मानवी कौशल्य आणि निर्णयक्षमता आवश्यकच राहतात.
म्हणूनच, वापरकर्त्यांच्या परिस्थितीची उपयुक्त आणि अद्ययावत समज राखण्यासाठी प्रभावी AI प्रणालीला त्यांची निविष्ट आवश्यक असते.
चांगला संदर्भ कसा असतो हे वापरकर्त्यांना दाखवा:
OpenAI o1 सारख्या रीझनिंग मॉडेलनी लोक मोठ्या भाषा मॉडेलना संदर्भ कसा देतात यात बदल घडवला आहे. मॉडेल कोणतेही असो, तपशीलवार संदर्भामुळे अधिक संबंधित प्रतिसाद मिळतात. स्पष्ट उदाहरणे, स्थानधारक मजकूर आणि विस्तारता येणाऱ्या सूचना वापरकर्त्यांनी कोणती माहिती द्यावी आणि ती महत्त्वाची का आहे हे सांगू शकतात.
“चांगला संदर्भ” कसा असतो हे स्पष्टपणे दाखवल्याने अर्थपूर्ण तपशील देताना करावा लागणारा अंदाज कमी होतो.
एजंटच्या मर्यादा निश्चित करणे सोपे करा:
वापरकर्त्याच्या तातडीच्या गरजा महत्त्वाच्या असतात, पण त्या नेहमी स्पष्ट नसतात. परिस्थिती-जागरूक एजंटने कोणते विषय, क्षेत्रे आणि साधने तपासावीत हे वापरकर्ता त्याच्यासोबत ठरवू शकतो. ChatGPT मधील डीप रिसर्च संशोधन कार्य सुरू करण्यापूर्वी स्पष्टीकरणासाठी प्रश्न विचारून या पद्धतीला मदत करते.
झटपट संपादने आणि भर घालण्यासाठी दृश्यमान संदर्भ द्या:
AI ने सध्या आपली ध्येये, केंद्रबिंदू आणि डेटा स्रोत यांबद्दल काय गृहीत धरले आहे, याचे चित्र वापरकर्त्यांना हवे असू शकते. स्वतंत्र पटल त्याची ज्ञान कालमर्यादा, सध्याची गृहितके आणि संबंधित निविष्टी स्पष्ट करू शकते. स्थान डेटा वापरला जात असल्याचे चिन्ह दर्शवू शकते, तर एखाद्या निरीक्षणासाठी किती नोंदी वापरल्या हे सारांशातून दिसू शकते.
AI ला काय “माहीत” आहे हे दिसल्याने आणि संबंधित संदर्भ सहज जोडता, काढता किंवा अद्ययावत करता आल्याने लोकांना फायदा होतो.
उपयुक्ततेनुसार AI ला वापरकर्ता आंतरपृष्ठ वैशिष्ट्ये निवडू द्या:
परिस्थितीजन्य संकेतांनुसार AI एजंट निवडक क्षमता सुरू किंवा बंद करू शकतात. एखादी व्यक्ती श्वेतपत्रिका तयार करताना एजंट प्रगत संदर्भ-साधने सक्रिय करू शकतो, तर वक्त्याच्या टिपा संपादित करताना तो संपादन वैशिष्ट्ये ठळक करू शकतो. यामुळे वापरकर्त्यांना प्रत्येक सेटिंग स्वतः हाताळावी न लागता केंद्रित अनुभव मिळतात.
हे काय आहे: अनुभव रचना आणि उत्पादन विकासात वापरकर्ता संशोधनाला अनेकदा प्रकल्पाच्या सुरुवातीचा किंवा ठरावीक अंतराने होणारा स्वतंत्र टप्पा मानले जाते. सातत्यपूर्ण शोधात वापरकर्त्यांचे वर्तन, गरजा आणि प्राधान्ये समजून घेणे ही निरंतर प्रक्रिया मानली जाते. वापरकर्ते स्पष्टपणे व्यक्त करू शकत नाहीत अशी निरीक्षणे शोधण्यासाठी AI संभाषणे, टिचक्या आणि अभिप्राय यांचे संधींमध्ये रूपांतर करू शकते.
थोडक्यात, AI समस्येच्या क्षेत्राबद्दल प्रत्यक्ष वेळेत शिकत राहते आणि त्यानुसार जुळवून घेते.
हे उपयुक्त का आहे: AI च्या निष्पत्तीची परिणामकारकता किंवा वापरसुलभता याबद्दल तज्ज्ञ, व्यावसायिक आणि सामान्य वापरकर्त्यांकडून उपयुक्त अभिप्राय मिळवणे कठीण असू शकते. अनुभव ताजा असतानाच प्रतिक्रिया, निरीक्षणे आणि अंतःप्रेरणा संदर्भासह नोंदवण्यासाठी एजंट मदत करू शकतात.
आव्हान: अभिप्रायातून अनेकदा काय घडले किंवा वापरकर्त्याला परिणाम आवडला का हे कळते, पण त्यामागचे कारण कळत नाही. त्या निरीक्षणांमुळे प्रणालीच्या भावी क्षमता सुधारत असल्या, तरी लोकांना आपल्या विचारातील प्रत्येक पायरी आठवून नोंदवण्यास सांगणे त्रासदायक वाटू शकते.
मुक्त स्वरूपातील संवाद अपेक्षित किंवा शक्य नसलेल्या काटेकोर मर्यादांच्या AI प्रणालींमध्ये हे विशेष महत्त्वाचे आहे.
प्रतिक्रिया नोंदवण्यासाठी वर्णनात्मक खूणचिठ्ठ्या वापरा:
केवळ “पसंत” किंवा “नापसंत” ही खूण वापरकर्त्याच्या प्रतिक्रियेचे कारण क्वचितच स्पष्ट करते. “अर्थसंकल्प नियोजनासाठी उपयुक्त” किंवा “नियामक माहिती उपलब्ध नाही” अशा वर्णनात्मक खूणचिठ्ठ्या अधिक उपयुक्त संदर्भ देतात. या खूणचिठ्ठ्यांतून सध्याचा परस्परसंवाद दिसू शकतो किंवा वापरकर्त्यांना थोडक्यात मत मांडता येते. त्यामुळे गुणांकनाचे रूपांतर AI शिकू शकेल अशा माहितीत होते.
“झटपट अभ्यासपत्रिकां”द्वारे AI एजंटना दिशा द्या:
AI ने चूक केल्यास किंवा अंशतःच यश मिळवल्यास, वापरकर्त्यांना ते दुरुस्त करण्याचा किंवा “शिकवण्याचा” सोपा मार्ग द्या. उदाहरणार्थ, एजंट विचारू शकतो, “तुम्ही हे कसे मांडाल?” किंवा “आपल्याकडून कोणता तपशील राहिला?” यातून मिळालेले मार्गदर्शन सध्याच्या परस्परसंवादासाठी साठवता येते किंवा नंतर पुन्हा वापरता येते.
पुनरावृत्ती आणि विविधतेतून शिका:
कधीकधी पुन्हा प्रयत्न केल्याने सर्वोत्तम अभिप्राय मिळतो. पुनर्निर्मितीची सोपी नियंत्रणे वापरकर्त्यांना नव्या पर्यायांची तुलना करून पसंतीचे पर्याय ओळखू देतात. या निवडी मूळ निविष्टीला अधिक उपयुक्त परिणामाशी जोडतात आणि प्रयोगाला शिक्षण प्रक्रियेचा भाग बनवतात.
परस्परसंवादांचे निरीक्षण करा:
अनेक परस्परसंवादांतून शिकण्यासाठी AI एजंट एकत्र काम करू शकतात. उदाहरणार्थ, एक एजंट संशोधनाचा सारांश तयार करत असताना दुसरा अनुभवाचे मूल्यमापन करण्यासाठी संवादाचे विश्लेषण करू शकतो. लोकसंस्कृती अभ्यासकांप्रमाणे काम करून हे एजंट व्यक्तीचा हेतू आणि निष्पत्तीच्या गुणवत्तेबद्दलची तिची धारणा यांतील फरक ओळखू शकतात.
या निरीक्षणांतून अंतर्दृष्टी समोर येते आणि प्रणालीत बदल सुचवले जातात, ज्यामुळे सातत्यपूर्ण सुधारणा शक्य होते.
हे काय आहे: मूळ हेतू कायम ठेवून अधिक चांगला परिणाम मिळवण्यासाठी संवर्धन वापरकर्त्याची निविष्ट, प्रॉम्प्ट किंवा सूचना अनुकूल करते. स्पष्टपणे केलेल्या विनंतीपलीकडील अतिरिक्त काम AI पडद्यामागे करते. उदाहरणार्थ, प्रणालीने प्रतिसाद तयार करण्यापूर्वी “छाया प्रॉम्प्टिंग” प्रश्न अधिक समृद्ध करू शकते.
वापरकर्ता सुरुवातीची कल्पना देतो आणि परिणाम सुधारण्याची शक्यता असल्यास एजंट त्या निविष्टीचा विस्तार करतो.
हे उपयुक्त का आहे: लोक अनेकदा संक्षिप्त किंवा व्यापक सूचना देतात, पण सर्वोत्तम प्रतिसादासाठी अतिरिक्त पायऱ्या आवश्यक असू शकतात. वापरकर्त्यांना सर्व काही समजावून सांगायला न लावता AI एजंट ही दरी भरून काढू शकतात. उदाहरणार्थ, AI ला “माझ्या नवीन कॉफी उत्पादनासाठी विपणन कल्पना सुचवा” असे विचारल्यास अन्यथा सर्वसाधारण सूची मिळू शकते.
संवर्धित पद्धतीत वाढत्या महत्त्वाकांक्षेची अनेक कल्पनामंथन सत्रे घेऊन त्यांतील सर्वोत्तम कल्पना एकत्र करता येतात. त्यामुळे अधिक समृद्ध आणि वैविध्यपूर्ण परिणाम मिळतो.
आव्हान: पडद्यामागे होणाऱ्या कामामुळे वापरकर्त्याची स्वामित्वाची आणि पारदर्शकतेची भावना कमी होऊ शकते. AI ने बदल न समजावता एखाद्याची विनंती बदलल्यास वापरकर्त्याला नको असलेला परिणाम मिळू शकतो. रचनाकारांनी उपयुक्त संवर्धन आणि अनावश्यक फेरफाराचा धोका यांचा समतोल साधला पाहिजे.
वापरकर्त्यांना हवे तेव्हा संवर्धनाला दिशा देता येणे हे रचनेतील आव्हान आहे.
वापरकर्त्याचा हेतू कायम ठेवून त्यावर पुढे काम करा:
नवी ध्येये न जोडता वापरकर्त्याने सांगितलेली ध्येये संवर्धनाने अधिक परिणामकारक केली पाहिजेत. AI ने प्रॉम्प्टचा विस्तार किंवा पार्श्वभूमीतील कामे पूर्ण केल्यानंतर त्याने किंवा स्वतंत्र पडताळकाने अंतिम निष्पत्तीची मूळ विनंतीशी तुलना केली पाहिजे. अनपेक्षित भर स्पष्टपणे सांगितली पाहिजे.
सुरक्षितता आणि सर्जनशीलतेसाठी संवर्धन वापरा:
छाया प्रॉम्प्टिंगसारख्या तंत्रांमुळे वापरकर्त्यांच्या विनंत्या गुप्तपणे बदलल्या जाण्याची चिंता निर्माण होऊ शकते. विश्वास टिकवण्यासाठी वापरकर्त्याच्या हेतूला बाधा न आणता स्पष्टता, सुरक्षितता किंवा पूर्णता सुधारण्यासाठी ही तंत्रे वापरा. सुरक्षिततेशी संबंधित बदल आवश्यक असल्यास तो समजावून सांगा किंवा तत्काळ अभिप्राय द्या.
वापरकर्त्यांना त्यामागील तर्क किंवा निकष न दिसता केवळ सामग्री नियंत्रणाचा परिणाम दिसू शकतो.
कसोटीला उतरलेली सुलभीकरण तंत्रे वापरा:
फलदायी परस्परसंवाद घडवण्यासाठी AI एजंट “लिबरेटिंग स्ट्रक्चर्स”सारख्या सुलभीकरण आणि सहयोग पद्धती वापरू शकतात. या सोप्या चौकटी व्यक्तीची सर्जनशील आणि विश्लेषणात्मक क्षमता कमाल पातळीवर नेण्यास मदत करतात.
संभाषणादरम्यान एजंट परिचित कल्पनामंथन आणि कल्पना गाळण्याच्या पद्धती वापरू शकतो. संवादाच्या प्रवाहातील छोटे बदल कल्पना आणि निरीक्षणांची अधिक व्यापक श्रेणी निर्माण करू शकतात.
उपयुक्त सामग्री समोर आणण्यासाठी समांतर प्रवाह वापरा:
एकाच सरळ संवादावर अवलंबून न राहता एजंट एकाच वेळी अनेक अर्थ, कल्पना किंवा उपायांचा शोध घेऊ शकतो. हे उपयुक्त निरीक्षणे न गमावता विविध दृष्टिकोनांतून कल्पनामंथन करणाऱ्या तज्ज्ञांच्या गटासारखे आहे.
समन्वय प्रक्रिया शोधाच्या या विविध प्रवाहांना एकत्र करून सुसंगत आणि कृतीयोग्य प्रतिसाद तयार करू शकते.
वापरकर्त्यांना शिकवण्यासाठी संवर्धन वापरा:
उत्तम रचनेचे संवर्धन लोकांना AI सोबत अधिक प्रभावीपणे संवाद साधायला शिकवू शकते. एजंटने “मी उत्तरात क्ष आणि य या बाबींचा विचार केला” असे सांगितल्यास वापरकर्ते भावी विनंत्यांमध्ये त्या बाबी समाविष्ट करू शकतात. यामुळे दुहेरी सुधारणा होते: आत्ता उत्तम प्रतिसाद आणि कालांतराने उत्तम निविष्टी.
हे काय आहे: या पद्धतीमुळे AI एजंटचे रीझनिंग समजणे सोपे होते. विचारपूर्वक रचलेले परस्परसंवाद एजंटने विशिष्ट उत्तर का दिले हे स्पष्ट करू शकतात, सहाय्यक स्रोत दाखवू शकतात किंवा त्याच्या प्रक्रियेतील संबंधित पायऱ्या दृश्यमान करू शकतात. वापरकर्त्याला गोंधळात न टाकता प्रभावी मानवी निर्णयक्षमतेला मदत करणे हे उद्दिष्ट आहे.
वापरकर्त्यांना संबंधित रीझनिंग टप्प्याटप्प्याने तपासता येते आणि आवश्यक तपशिलाची पातळी निवडता येते, तेव्हा ते सर्वाधिक उपयुक्त ठरते.
हे उपयुक्त का आहे: विशेषतः उद्योगसंस्थांमध्ये AI स्वीकारण्यासाठी विश्वास आवश्यक असतो. प्रणालीचे वर्तन समजत किंवा पडताळता येत नसल्यास लोक तिच्यावर अवलंबून राहण्याची शक्यता कमी असते. पारदर्शक निष्पत्तींमुळे समस्या शोधणे, चुका दुरुस्त करणे आणि उपयुक्त पद्धती पुन्हा वापरणे सोपे होते.
आव्हान: AI चे निर्णय समजावून सांगणे कठीण असू शकते. अतितपशील वापरकर्त्यांना गोंधळात टाकू शकतो, तर संभाव्यता किंवा रीझनिंगचे दीर्घ सारांश समजणे कठीण असू शकते. केवळ पारदर्शकता अचूकतेची हमी देत नाही.
रचनाकारांनी स्पष्टीकरणाची गुणवत्ता, त्याच्या सादरीकरणाची स्पष्टता आणि सहाय्यक पुरावे उपयुक्त संवादाचा भाग कसे बनू शकतात, यांचा विचार केला पाहिजे.
एजंटना विस्तृत विचार करू द्या आणि नंतर परिणाम संक्षिप्त करा:
AI एखाद्या समस्येचे सखोल विश्लेषण करून परिणाम सहज समजणाऱ्या स्वरूपात सादर करू शकते. स्तरबद्ध सारांश आणि टप्प्याटप्प्याने माहिती उघड केल्यामुळे वापरकर्ते मुख्य निरीक्षणापासून सुरुवात करून आवश्यक तेव्हाच सहाय्यक तपशील पाहू शकतात.
उत्तम रचनेच्या परस्परसंवादामुळे खोली किंवा स्पष्टता न गमावता गुंतागुंतीची माहिती तपासणे सोपे होते.
तपासता येतील असे उद्धरण आणि संदर्भ द्या:
AI-निर्मित उत्तरांतील सहाय्यक स्रोत तपासण्याचा स्पष्ट मार्ग वापरकर्त्यांना मिळाला पाहिजे. यात दुवे, अंतर्गत अहवालांतील उतारे, संबंधित संशोधन निष्कर्ष किंवा संख्यात्मक डेटाचे सखोल दृश्य समाविष्ट असू शकते.
उदाहरणार्थ, पुनर्प्राप्ती-संवर्धित निर्मिती प्रणालींमध्ये वापरकर्त्यांना AI सारांशातून त्यामागील पुराव्यापर्यंत जाता आले पाहिजे. यामुळे पडताळणीला मदत होते आणि विश्वास निर्माण करणारी सखोल चौकशी शक्य होते.
प्रगतीचे महत्त्वाचे संकेत कळवा:
गुंतागुंतीच्या एजंट कार्यप्रवाहांमध्ये दिशा बदलणे, आधीच्या पायऱ्यांकडे परत जाणे किंवा तपासाचे अनेक प्रवाह एकत्र करणे समाविष्ट असू शकते. काय घडत आहे हे समजल्यास वापरकर्ते विलंब अधिक सहज स्वीकारतात. प्रगतीची स्पष्ट माहिती एजंटने काय पूर्ण केले, तो सध्या काय करत आहे आणि पुढे काय होणार आहे हे सांगू शकते.
एजंट अडकल्यास किंवा निर्णयासाठी अतिरिक्त दृष्टिकोन आवश्यक असल्यास त्याने तेही स्पष्ट केले पाहिजे.
AI निष्पत्ती टप्प्याटप्प्याने दाखवा:
संपूर्ण प्रतिसाद एकाच वेळी सादर करण्याऐवजी एजंट माहिती टप्प्याटप्प्याने दाखवू शकतो. उदाहरणार्थ, गुंतवणूक सहायक थोडक्यात शिफारस दाखवून तिच्यामागचे कारण विस्तारण्याचा पर्याय देऊ शकतो: “पायरी 1: जोखीम स्वरूपाचे मूल्यमापन करा. पायरी 2: सध्याच्या गुंतवणूक-संचाचे परीक्षण करा. पायरी 3: विविधीकरणाच्या संधी ओळखा. पायरी 4: शिफारस तयार करा.” अधिक तपशील हवा असलेले वापरकर्ते प्रत्येक पायरी तपासू शकतात, तर इतर सारांशापुरते मर्यादित राहू शकतात.
AI रीझनिंगची दृश्य स्पष्टीकरणे वापरा:
स्पष्टीकरणे मुख्य निष्पत्तीइतकीच समजण्यास सोपी असली पाहिजेत. रीझनिंगमध्ये संख्या किंवा संबंध असल्यास आलेख आणि आकृत्या उपयुक्त ठरू शकतात. एजंटचे प्रश्न, प्रक्रिया, रीझनिंग आणि स्रोत दृश्यरूपात मांडल्याने वापरकर्त्यांना त्याची दिशा दुरुस्त करता येते, परिणाम इतरांना समजावता येतो किंवा प्रक्रिया नंतर पुन्हा करता येते.
स्पष्ट दृश्य स्पष्टीकरणांमुळे वापरकर्ते माहिती अधिक वेगाने समजून तिच्यावर कृती करू शकतात.