एआयचे भविष्य काय आहे?

थोडक्यात उत्तर: एआयचे भविष्य हे अधिक क्षमता आणि कठोर अपेक्षा यांचा मिलाफ आहे: ते प्रश्नांची उत्तरे देण्यापासून एका 'सहकाऱ्या'प्रमाणे कामे पूर्ण करण्याकडे वळेल, तर दुसरीकडे डिव्हाइसवरील लहान मॉडेल्स वेग आणि गोपनीयतेसाठी विस्तारतील. जिथे एआय महत्त्वाच्या निर्णयांवर प्रभाव टाकेल, तिथे विश्वासाची वैशिष्ट्ये - जसे की ऑडिट, उत्तरदायित्व आणि अर्थपूर्ण अपील - अनिवार्य बनतील.

महत्वाचे मुद्दे:

एजंट्स: सुरुवातीपासून शेवटपर्यंतच्या कामांसाठी एआयचा वापर करा, आणि त्यात हेतुपुरस्सर तपासणी करा जेणेकरून चुका लक्षात न येता राहू शकणार नाहीत.

परवानगी: डेटा अॅक्सेसला वाटाघाटी केलेली गोष्ट म्हणून समजा; संमतीसाठी सुरक्षित, कायदेशीर, प्रतिष्ठेच्या दृष्टीने सुरक्षित मार्ग तयार करा.

पायाभूत सुविधा: उत्पादनांमध्ये एआयला डीफॉल्ट लेयर म्हणून योजना करा, अपटाइम आणि इंटिग्रेशनला प्रथम श्रेणीचे प्राधान्य म्हणून मानले जाईल.

विश्वास: उच्च-परिणामकारक निर्णय घेण्यापूर्वी ट्रेसेबिलिटी, रेलिंग आणि मानवी ओव्हरराइड ठेवा.

कौशल्ये: कार्याचे कॉम्प्रेशन कमी करण्यासाठी आणि गुणवत्ता टिकवून ठेवण्यासाठी समस्या-रचना, पडताळणी आणि निर्णय घेण्याकडे संघांचे वळण घ्या.

या लेखानंतर तुम्हाला वाचायला आवडतील असे लेख:

🔗 जनरेटिव्ह एआय मधील फाउंडेशन मॉडेल्स स्पष्ट केले
फाउंडेशन मॉडेल्स, त्यांचे प्रशिक्षण आणि जनरेटिव्ह एआय अॅप्लिकेशन्स समजून घ्या.

🔗 एआय पर्यावरणावर कसा परिणाम करते
एआयचा ऊर्जा वापर, उत्सर्जन आणि शाश्वतता व्यापार-ऑफ एक्सप्लोर करा.

🔗 एआय कंपनी म्हणजे काय?
एआय कंपनी आणि प्रमुख व्यवसाय मॉडेल्सची व्याख्या काय आहे ते जाणून घ्या.

🔗 एआय अपस्केलिंग कसे कार्य करते
एआय-चालित तपशील निर्मितीसह अपस्केलिंग रिझोल्यूशन कसे सुधारते ते पहा.

"एआयचे भविष्य काय आहे?" हे अचानक का निकडीचे वाटते 🚨

हा प्रश्न टर्बो मोडवर येण्याची काही कारणे:

• एआयची ओळख केवळ नवीनतेपुरती मर्यादित न राहता, आता ती उपयुक्ततेकडे वळली आहे. आता केवळ “छान डेमो” पुरे झाला नाही, तर “हे माझ्या इनबॉक्समध्ये, माझ्या फोनमध्ये, माझ्या कामाच्या ठिकाणी, माझ्या मुलांच्या गृहपाठात आहे” 😬 (स्टॅनफोर्ड एआय इंडेक्स रिपोर्ट २०२५)

• वेग दिशाभूल करणारा आहे. मानवांना हळूहळू होणारे बदल आवडतात. एआय म्हणजे आश्चर्य! नवीन नियम.

• यातील धोका वैयक्तिक झाला. जर एआयचा तुमच्या नोकरीवर, तुमच्या गोपनीयतेवर, तुमच्या शिक्षणावर, तुमच्या वैद्यकीय निर्णयांवर परिणाम होत असेल… तर तुम्ही त्याला केवळ एक गॅझेट समजणे थांबवता. (प्यू रिसर्च सेंटर, एआयच्या वापराविषयी)

आणि कदाचित सर्वात मोठा बदल तांत्रिकही नाही. तो मानसिक आहे. लोक या कल्पनेशी जुळवून घेत आहेत की बुद्धिमत्ता पॅक केली जाऊ शकते, भाड्याने दिली जाऊ शकते, अंतर्भूत केली जाऊ शकते आणि तुम्ही झोपेत असताना शांतपणे सुधारली जाऊ शकते. तुम्ही आशावादी असलात तरीही, भावनिकदृष्ट्या चावण्यासारखे हे खूप आहे.

भविष्य घडवणाऱ्या मोठ्या शक्ती (कोणालाही लक्षात येत नसतानाही) ⚙️🧠

जर आपण झूम कमी केला तर, "एआयचे भविष्य" काही गुरुत्वाकर्षण शक्तींद्वारे ओढले जात आहे:

१) सोय नेहमीच जिंकते... जोपर्यंत ती जिंकत नाही 😌

लोक वेळ वाचवणारी गोष्ट स्वीकारतात. जर एआय तुम्हाला वेगवान, शांत, श्रीमंत किंवा कमी त्रासदायक बनवत असेल तर - ते वापरले जाते. जरी नीतिमत्ता अस्पष्ट असली तरीही. (हो, ते अस्वस्थ करणारे आहे.)

२) डेटा अजूनही इंधन आहे, पण "परवानगी" ही नवीन चलन आहे 🔐

भविष्य केवळ किती डेटा अस्तित्वात आहे यावर अवलंबून नाही - तर कोणत्या डेटाचा वापर कोणत्याही दुष्परिणामांशिवाय कायदेशीर, सांस्कृतिक आणि प्रतिष्ठेच्या दृष्टीने केला जाऊ शकतो यावर अवलंबून आहे. (कायदेशीर आधारावरील आयसीओचे मार्गदर्शन)

३) मॉडेल्स पायाभूत सुविधा बनत आहेत 🏗️

एआय "वीज" भूमिकेत सरकत आहे - शब्दशः नाही तर सामाजिकदृष्ट्या. असे काहीतरी जे तुम्ही तिथे असण्याची अपेक्षा करता. असे काहीतरी ज्याच्यावर तुम्ही बांधता. असे काहीतरी जे जेव्हा ते बंद असते तेव्हा तुम्ही शाप देता.

४) विश्वास हे उत्पादनाचे वैशिष्ट्य बनेल (तळटीप नाही) ✅

वास्तविक जीवनातील निर्णयांना जितके जास्त एआय स्पर्श करेल तितके जास्त आपण मागणी करू:

• शोधण्यायोग्यता

• विश्वसनीयता

• सुसंगतता

• रेलिंग

• आणि काही प्रमाणात उत्तरदायित्व जे गोष्टी चुकल्यावरही नाहीसे होत नाही (NIST AI Risk Management Framework 1.0, OECD AI Principles)

भविष्यातील एआयची चांगली आवृत्ती काय असू शकते? ✅ (लोक वगळलेला भाग)

भविष्यातील एक “चांगली” एआय केवळ अधिक हुशार नसते. ती अधिक सुस्वभावी, अधिक पारदर्शक आणि मानवाच्या जीवनशैलीशी अधिक सुसंगत असते. थोडक्यात सांगायचे झाल्यास, भविष्यातील एआयच्या एका चांगल्या आवृत्तीमध्ये खालील गोष्टींचा समावेश असेल:

• दिखाऊ आत्मविश्वासापेक्षा व्यावहारिक अचूकता 😵💫

• स्पष्ट मर्यादा - त्याला माहित असले पाहिजे की ते काय करू शकत नाही.

• पूर्वनिर्धारित गोपनीयता (किंवा किमान अशी गोपनीयता ज्यासाठी पीएचडीची आवश्यकता नाही) (जीडीपीआर कलम २५: रचनेनुसार आणि पूर्वनिर्धारितपणे डेटा संरक्षण)

• मानवी ओव्हरराइड जे खरोखरच काम करते (EU AI कायदा: नियमन (EU) 2024/1689)

• कमी घर्षण जबाबदारी - तुम्ही आउटपुटला आव्हान देऊ शकता, हानी नोंदवू शकता आणि त्रुटी दुरुस्त करू शकता (NIST AI जोखीम व्यवस्थापन फ्रेमवर्क 1.0)

• सुलभता , जेणेकरून फायदे केवळ काही ठराविक पिन कोडपुरते मर्यादित राहणार नाहीत.

• ऊर्जेचा विवेक - कारण होय, विजेचा वापर महत्त्वाचा आहे, जरी तो आकर्षक नसला तरी (आयईए: ऊर्जा आणि एआय (कार्यकारी सारांश))

वाईट भविष्य म्हणजे "एआय वाईट बनते" असे नाही. ते चित्रपट-बुद्धिमत्ता आहे. वाईट भविष्य अधिक सामान्य आहे - एआय सर्वव्यापी बनते, थोडेसे अविश्वसनीय, प्रश्न विचारण्यास कठीण आणि तुम्ही ज्या प्रोत्साहनांना मतदान केले नाही अशा प्रोत्साहनांनी नियंत्रित होते. जग चालवणाऱ्या वेंडिंग मशीनसारखे. उत्तम.

म्हणून जेव्हा तुम्ही विचारता की एआयचे भविष्य काय आहे?,तेव्हा तीक्ष्ण कोन म्हणजे आपण कोणत्या प्रकारचे भविष्य सहन करतो आणि ज्याचा आपण आग्रह धरतो.

तुलना सारणी: एआयच्या भविष्यातील सर्वात संभाव्य "मार्ग" 📊🤝

एआय कुठे जात आहे हे सांगणारी एक छोटीशी, अपूर्ण सारणी येथे आहे (कारण जीवन थोडेसे अपूर्ण आहे). किमती जाणूनबुजून अस्पष्ट आहेत कारण... बरं... किंमत मॉडेल्स मूड स्विंग्सप्रमाणे बदलतात.

जे हरवत आहे ते म्हणजे एकच "विजेता". भविष्य हे एक गुंतागुंतीचे मिश्रण असेल. एखाद्या बुफेसारखे जिथे तुम्ही अर्धे पदार्थ मागितले नाहीत पण तरीही तुम्ही ते खात आहात.

जवळून पहा: एआय तुमचा सहकर्मी बनतो (तुमचा रोबोट नोकर नाही) 🧑💻🤖

सर्वात मोठ्या बदलांपैकी एक म्हणजे एआयचे ‘प्रश्नांची उत्तरे देण्या’पासून प्रत्यक्ष काम करण्याकडे. (सर्वेक्षण: एलएलएम-आधारित स्वायत्त एजंट)

ते असे दिसते:

• तुमच्या साधनांमध्ये मसुदा तयार करणे, संपादित करणे आणि सारांशित करणे

• ग्राहकांच्या संदेशांचे वर्गीकरण करणे

• कोड लिहिणे, नंतर त्याची चाचणी करणे, नंतर तो अपडेट करणे

• वेळापत्रकांचे नियोजन, तिकिटांचे व्यवस्थापन, सिस्टममध्ये माहिती हलवणे

• डॅशबोर्ड पाहणे आणि निर्णय घेणे

पण हे मानवी सत्य आहे: सर्वोत्तम एआय सहकर्मी जादूसारखा वाटणार नाही. तो असे वाटेल:

• एक सक्षम सहाय्यक जो कधीकधी विचित्रपणे शब्दशः बोलतो

• कंटाळवाण्या कामांमध्ये जलद

• कधीकधी आत्मविश्वास असतो तर चुकीचा असतो (उफ) (सर्वेक्षण: एलएलएममध्ये भ्रम)

• आणि तुम्ही ते कसे सेट करता यावर खूप अवलंबून आहे

कामाच्या ठिकाणी एआयचे भविष्य हे “एआय सर्वांची जागा घेईल” यापेक्षा “एआय काम सादर करण्याची पद्धत बदलेल” असे अधिक आहे. तुम्हाला दिसेल:

• कमी शुद्ध एंट्री-लेव्हल "कणकण" भूमिका

• देखरेख + रणनीती + साधन वापर यांचे मिश्रण करणाऱ्या अधिक संकरित भूमिका

• निर्णय, चव आणि जबाबदारी यावर जास्त भर

हे सर्वांना पॉवर टूल देण्यासारखे आहे. प्रत्येकजण सुतार बनत नाही, परंतु प्रत्येकाची नोकरीची जागा बदलते.

जवळून पाहा: लहान एआय मॉडेल्स आणि डिव्हाइसवरील बुद्धिमत्ता 📱⚡

सर्व काही महाकाय क्लाउड ब्रेन असणार नाही. एआयचे भविष्य काय आहे याचा एक मोठा भाग? एआय लहान, स्वस्त आणि तुम्ही जिथे आहात तिथे जवळ येत आहे का? (टायनीएमएल विहंगावलोकन)

डिव्हाइसवरील एआय म्हणजे:

• जलद प्रतिसाद (कमी प्रतीक्षा)

• अधिक गोपनीयता क्षमता (डेटा स्थानिक राहतो)

• इंटरनेट अॅक्सेसवरील अवलंबित्व कमी

• अधिक वैयक्तिकरण ज्यासाठी तुमचे संपूर्ण आयुष्य सर्व्हरवर पाठवण्याची आवश्यकता नाही

आणि हो, काही तडजोडी आहेत:

• लहान मॉडेल्सना गुंतागुंतीच्या तर्काचा सामना करावा लागू शकतो

• अपडेट्स कदाचित हळू असतील

• उपकरणांच्या मर्यादा महत्त्वाच्या

तरीही, या दिशेने दुर्लक्ष केले जाते. "एआय ही एक वेबसाइट आहे जी तुम्ही भेट देता" आणि "एआय ही एक वैशिष्ट्य आहे ज्यावर तुमचे जीवन शांतपणे अवलंबून असते" यातील फरक आहे. ऑटोकरेक्ट सारखे, पण... हुशार. आणि आशा आहे की तुमच्या जिवलग मित्राच्या नावाबद्दल कमी चूक असेल 😵

जवळून पाहणे: मल्टीमॉडल एआय - जेव्हा एआय पाहू, ऐकू आणि अर्थ लावू शकते 🧠👀🎧

केवळ मजकूर वापरणारे एआय शक्तिशाली आहे, परंतु मल्टीमॉडल एआय गेम बदलतो कारण ते अर्थ लावू शकते:

• प्रतिमा (स्क्रीनशॉट्स, आकृत्या, उत्पादनाचे फोटो)

• ऑडिओ (बैठक, कॉल, वातावरणीय संकेत)

• व्हिडिओ (प्रक्रिया, हालचाल, कार्यक्रम)

• आणि मिश्र संदर्भ (जसे की "या फॉर्ममध्ये काय चूक आहे आणि या त्रुटी संदेशात काय चूक आहे") (GPT-4o सिस्टम कार्ड)

इथेच एआय मानवांना जग कसे समजते याच्या जवळ जाते. जे रोमांचक आहे... आणि थोडे भयानक आहे.

वरची बाजू:

• चांगले ट्युटोरिंग आणि सुलभता साधने

• चांगले वैद्यकीय ट्रायएज समर्थन (कठोर सुरक्षा उपायांसह)

• अधिक नैसर्गिक इंटरफेस

• "शब्दात स्पष्ट करा" अशा कमी अडचणी

तोटे:

• देखरेख करणे सोपे होते

• चुकीची माहिती अधिक खात्रीशीर बनते

• खाजगी आणि सार्वजनिक यांच्यातील सीमारेषा अधिकाधिक अस्पष्ट होत चालली आहे (NIST: सिंथेटिक कंटेंटद्वारे निर्माण झालेले धोके कमी करणे)

या भागात समाजाला ठरवायचे आहे की सोयीसुविधा व्यवहार्य आहेत की नाही. आणि ऐतिहासिकदृष्ट्या, समाज दीर्घकालीन विचारसरणीत चांगला नाही. आपण अधिक असे आहोत - अरेरे चमकदार! 😬✨

विश्वासाची समस्या: सुरक्षा, प्रशासन आणि "पुरावा" 🛡️🧾

सरळ सांगायचं तर, एआयचे भविष्य केवळ क्षमतेवर नाही, तर विश्वासावर अवलंबून असेल. ( एनआयएसटी एआय रिस्क मॅनेजमेंट फ्रेमवर्क १.० )

कारण जेव्हा एआय स्पर्श करते:

• भरती

• कर्ज देणे

• आरोग्य मार्गदर्शन

• कायदेशीर निर्णय

• शिक्षणाचे निकाल

• सुरक्षा व्यवस्था

• सार्वजनिक सेवा

…तुम्ही खांदे उडवून “मॉडेलला भास झाला होता” असे म्हणू शकत नाही. हे स्वीकारार्ह नाही. (ईयू एआय कायदा: नियमन (ईयू) २०२४/१६८९)

तर आपण अधिक पाहणार आहोत:

• ऑडिट (मॉडेल वर्तन चाचणी)

• प्रवेश नियंत्रणे (कोण काय करू शकते)

• देखरेख (गैरवापर आणि वाहून नेण्यासाठी)

• स्पष्टीकरणक्षमता स्तर (परिपूर्ण नाही, परंतु काहीही नसण्यापेक्षा चांगले)

• मानवी पुनरावलोकन पाइपलाइन जिथे ते सर्वात महत्वाचे आहे (NIST AI RMF)

आणि हो, काही लोक तक्रार करतील की यामुळे नवोपक्रम मंदावतो. पण ते सीटबेल्टमुळे गाडी चालवण्याचा वेग कमी होतो अशी तक्रार करण्यासारखे आहे. तांत्रिकदृष्ट्या... हो... पण चला.

नोकऱ्या आणि कौशल्ये: विचित्र मधला टप्पा (म्हणजेच आताची ऊर्जा) 💼😵💫

बऱ्याच लोकांना एआय त्यांचे काम घेते की नाही याचे स्पष्ट उत्तर हवे असते.

सरळ उत्तर असे आहे की: एआय बदलेल , आणि काही पदांसाठी, जरी तांत्रिकदृष्ट्या ही “पुनर्रचना” असली तरी, हा बदल बदली झाल्यासारखा वाटेल. (ही कॉर्पोरेट भाषा आहे, आणि ती ऐकायला अगदीच सामान्य वाटते.) (आयएलओ वर्किंग पेपर: जनरेटिव्ह एआय आणि नोकऱ्या)

तुम्हाला तीन नमुने दिसतील:

१) टास्क कॉम्प्रेशन

पूर्वी ५ लोकांची भूमिका आता २ जणांना घ्यावी लागते, कारण एआय पुनरावृत्ती होणारी कामे कोलमडून टाकते. (आयएलओ वर्किंग पेपर: जनरेटिव्ह एआय अँड जॉब्स)

२) नवीन संकरित भूमिका

जे लोक एआयला प्रभावीपणे निर्देशित करू शकतात ते गुणक बनतात. ते प्रतिभावान आहेत म्हणून नाही, तर ते करू शकतात म्हणून:

• निकाल स्पष्टपणे सांगा

• निकाल पडताळून पहा

• चुका पकडा

• डोमेन निर्णय लागू करा

• आणि परिणाम समजून घ्या

३) कौशल्य ध्रुवीकरण

जे जुळवून घेतात त्यांना फायदा मिळतो. जे जुळवून घेत नाहीत… त्यांची कोंडी होते. मला हे म्हणायला आवडत नाही, पण हे वास्तव आहे. (एआय आणि बदलत्या कौशल्य मागणीवर ओईसीडीचे मत)

अधिक मौल्यवान होणारी व्यावहारिक कौशल्ये:

• समस्या मांडणे (ध्येय स्पष्टपणे परिभाषित करणे)

• संवाद (हो, तरीही)

• गुणवत्ता मूल्यांकन मानसिकता (समस्या ओळखणे, आउटपुटची चाचणी घेणे)

• नैतिक तर्क आणि जोखीम जागरूकता

• डोमेन कौशल्य - वास्तविक, आधारभूत ज्ञान

• इतरांना शिकवण्याची आणि प्रणाली तयार करण्याची क्षमता (एआय आणि बदलत्या कौशल्य मागणीवर ओईसीडी)

भविष्य अशा लोकांना अनुकूल आहे जे फक्त करू शकत नाहीत तर मार्गदर्शन करू शकतात .

व्यवसायाचे भविष्य: एआय एम्बेडेड, एकत्रित आणि शांतपणे मक्तेदारी बनते 🧩💰

एआयचे भविष्य काय आहे? चा एक सूक्ष्म भाग म्हणजे एआयची विक्री कशी केली जाईल.

बहुतेक वापरकर्ते "एआय खरेदी करणार नाहीत." ते खरेदी करतील:

• एआय असलेले सॉफ्टवेअर

• असे प्लॅटफॉर्म जिथे एआय एक वैशिष्ट्य आहे

• अशी उपकरणे जिथे एआय प्रीलोड केलेले असते

• अशा सेवा जिथे एआय खर्च कमी करते (आणि ते कदाचित तुम्हाला सांगणारही नाहीत)

कंपन्या स्पर्धा करतील:

• विश्वसनीयता

• एकत्रीकरण

• डेटा अ‍ॅक्सेस

• गती

• सुरक्षा

• आणि ब्रँड ट्रस्ट (जो एकदा जळून जाईपर्यंत मऊ वाटतो)

तसेच, अधिक "एआय इन्फ्लेशन" ची अपेक्षा करा - जिथे प्रत्येक गोष्ट एआय-चालित असल्याचा दावा करते, जरी ती मुळात फॅन्सी टोपी घालून ऑटोकंप्लीट असली तरीही 🎩🤖

दैनंदिन जीवनासाठी याचा काय अर्थ होतो - शांत, वैयक्तिक बदल 🏡📲

दैनंदिन जीवनात, एआयचे भविष्य कमी नाट्यमय परंतु अधिक जवळचे दिसते:

• संदर्भ लक्षात ठेवणारे वैयक्तिक सहाय्यक

• आरोग्यावर परिणाम करणारे घटक (झोप, ​​अन्न, ताण) जे मूडनुसार आधार देणारे किंवा त्रासदायक वाटतात

• तुमच्या गतीशी जुळवून घेणारा शैक्षणिक आधार

• खरेदी आणि नियोजन जे निर्णय घेण्याचा थकवा कमी करते

• तुम्ही काय पाहता आणि काय कधीही पाहत नाही हे ठरवणारे कंटेंट फिल्टर (मोठी गोष्ट)

• बनावट माध्यमे निर्माण करणे सोपे होत असल्याने डिजिटल ओळख आव्हाने ( NIST: सिंथेटिक कंटेंटद्वारे निर्माण होणारे धोके कमी करणे )

भावनिक परिणाम देखील महत्त्वाचा आहे. जर एआय एक डिफॉल्ट साथीदार बनला तर काही लोकांना कमी एकटे वाटेल. काहींना हाताळले गेलेले वाटेल. काहींना एकाच आठवड्यात दोन्हीही जाणवतील.

मला वाटतं मी असं म्हणत आहे की - एआयचे भविष्य ही फक्त एक तंत्रज्ञानाची गोष्ट नाही. ती एक नातेसंबंधांची गोष्ट आहे. आणि नातेसंबंध गुंतागुंतीचे असतात... जरी एक बाजू कोडची असली तरीही.

“एआयचे भविष्य काय आहे?” यावरील समारोपाचा सारांश 🧠✅

एआयचे भविष्य हे फक्त एकच अंतिम बिंदू नाही. ते अनेक मार्गांचे समूह आहे:

• एआय केवळ प्रश्नांची उत्तरे देण्यापुरते मर्यादित न राहता, कामे पार पाडणारा सहकारी बनतो 🤝 ( सर्वेक्षण: एलएलएम-आधारित स्वायत्त एजंट )

• लहान मॉडेल्स एआयला उपकरणांवर आणतात, ज्यामुळे ते अधिक वेगवान आणि अधिक वैयक्तिक 📱 (टायनीएमएलचा आढावा)

• मल्टिमोडल एआय प्रणालींना वास्तविक जगाच्या संदर्भाबद्दल अधिक जागरूक 👀 (जीपीटी-4ओ सिस्टम कार्ड)

• विश्वास, सुशासन आणि सुरक्षितता हे केंद्रस्थानी येतात - ऐच्छिक नाहीत 🛡️ (NIST AI RMF, EU AI Act)

• नोकऱ्या निर्णयक्षमता, देखरेख आणि समस्या-मांडणीकडे वळतात 💼 ( आयएलओ कार्यपत्र: जनरेटिव्ह एआय आणि नोकऱ्या )

• एआय उत्पादनांमध्ये एम्बेड केले जाते जोपर्यंत ते पार्श्वभूमी पायाभूत सुविधांसारखे वाटत नाही 🏗️

आणि निर्णायक घटक कच्ची बुद्धिमत्ता नाही. आपण असे भविष्य घडवू का जिथे एआय असेल:

• जबाबदार

• समजण्यासारखा

• मानवी मूल्यांशी सुसंगत

• आणि योग्यरित्या वितरित केले (केवळ आधीच शक्तिशाली असलेल्यांनाच नाही) (ओईसीडी एआय तत्त्वे)

तर जेव्हा तुम्ही विचारता की एआयचे भविष्य काय आहे?… तेव्हा सर्वात वास्तववादी उत्तर हे आहे: ते असे भविष्य आहे ज्याला आपण सक्रियपणे आकार देतो. किंवा असे भविष्य ज्यात आपण नकळतपणे प्रवेश करतो. चला, पहिल्या पर्यायासाठी प्रयत्न करूया 😅

वास्तविक उदाहरण: ग्राहक सहाय्यता वर्गीकरणासाठी एआय सहकारी तयार करणे 🤝📩

परिस्थिती

एका लहान SaaS कंपनीची कल्पना करा, जिच्याकडे पाच जणांची सपोर्ट टीम आहे. त्यांना ईमेल, लाइव्ह चॅट आणि हेल्पडेस्क टूलद्वारे दररोज सुमारे १२० ग्राहक संदेश मिळतात.

एआय येण्यापूर्वी, दररोज सकाळी पहिला सपोर्ट एजंट ६०-९० मिनिटे तिकीटांचे बिलिंग, लॉगिन समस्या, बग्स, फीचर रिक्वेस्ट्स, कॅन्सलेशन आणि तातडीच्या अकाउंट समस्या अशा विविध श्रेणींमध्ये वर्गीकरण करण्यात घालवत असे. हे वर्गीकरण कंटाळवाणे असले तरी महत्त्वाचे आहे. जर बिलिंगमधील एखादा वाद किंवा सुरक्षेशी संबंधित लॉगिन समस्या सुटून राहिली, तर कंपनी पटकन विश्वास गमावू शकते.

म्हणून टीम एक साधा एआय ट्रायएज असिस्टंट तयार करते. तो ग्राहकांना स्वतःहून प्रतिसाद देत नाही. त्याचे काम अधिक मर्यादित आहे: येणारी तिकिटे वाचणे, त्यांना लेबल लावणे, प्राधान्य सुचवणे, एक संक्षिप्त अंतर्गत सारांश तयार करणे आणि मानवी पुनरावलोकनाची आवश्यकता असलेल्या कोणत्याही गोष्टीला चिन्हांकित करणे.

हे एआयच्या भविष्यातील कामाचे एक छोटेसे रूप आहे: टीमची जागा घेणारा रोबोट नव्हे, तर एक सहकारी जो प्राथमिक तपासणीचे काम हाताळेल, जेणेकरून माणसे निर्णय घेण्यावर लक्ष केंद्रित करू शकतील.

सहाय्यकाला काय हवे आहे

सुरक्षितपणे काम करण्यासाठी, सहाय्यकाला केवळ संदेशांपर्यंत पोहोचण्याचीच नव्हे, तर स्पष्ट मर्यादांचीही गरज असते.

उपयुक्त माहितीमध्ये खालील गोष्टींचा समावेश आहे:

• कंपनीचे तिकीट प्रकार आणि प्राधान्य नियम

• पेमेंट विवाद, सुरक्षेच्या चिंता, कायदेशीर धमक्या, संतप्त रद्दीकरण संदेश किंवा असुरक्षित ग्राहकांची परिस्थिती यांसारख्या ‘नेहमी वरिष्ठांकडे पाठवाव्यात’ अशा परिस्थितींची यादी

• योग्यरित्या लेबल लावलेल्या मागील तिकिटांची २०-३० उदाहरणे

• गोपनीयतेचा नियम: सारांशांमध्ये पेमेंटचा संपूर्ण तपशील, पासवर्ड, वैयक्तिक कागदपत्रे किंवा अनावश्यक संवेदनशील माहिती उघड करू नका

• परवानगी मर्यादा, जसे की “लेबल लावू शकता आणि मसुदा तयार करू शकता, परंतु प्रत्युत्तर पाठवू शकत नाही, परतावा देऊ शकत नाही, तिकीट बंद करू शकत नाही किंवा खाते सेटिंग्ज बदलू शकत नाही”

• तात्काळ, संवेदनशील किंवा अनिश्चित प्रकरणांसाठी मानवी समीक्षक

उदाहरण सूचना

तुम्ही एका SaaS कंपनीसाठी सपोर्ट ट्रायएज असिस्टंट आहात. प्रत्येक नवीन कस्टमर तिकीट वाचा आणि चार गोष्टी नोंदवा: श्रेणी, प्राधान्य, अंतर्गत सारांश आणि शिफारस केलेली पुढील पायरी.

फक्त या श्रेणी वापरा: बिलिंग, लॉगिन/ॲक्सेस, बग रिपोर्ट, फीचर रिक्वेस्ट, कॅन्सलेशन, अकाउंट सिक्युरिटी, जनरल क्वेश्चन, अदर.

तिकिटामध्ये पेमेंट अयशस्वी होणे, खाते लॉक होणे, सुरक्षा, कायदेशीर कारवाई, डेटा गमावणे, संतप्त रद्दीकरण किंवा तातडीचा ​​व्यावसायिक परिणाम यांचा उल्लेख असल्यास, ते उच्च प्राधान्याचे म्हणून चिन्हांकित करा.

ग्राहकांना संदेश पाठवू नका. परतावा, दुरुस्ती, सवलत किंवा वेळेची हमी देऊ नका. तुम्हाला खात्री नसल्यास, तिकीटवर “मानवी पुनरावलोकनाची आवश्यकता आहे” असे चिन्हांकित करा.

सारांश ४० शब्दांपेक्षा कमी ठेवा. अनावश्यक वैयक्तिक तपशील काढून टाका.

त्याची चाचणी कशी करावी

थेट तिकिटांशी जोडण्यापूर्वी एका छोट्या चाचणी संचाने सुरुवात करा.

टीमने आधीच हाताळलेली ५० जुनी सपोर्ट तिकिटे वापरा. ​​मूळ लेबल्स लपवा, असिस्टंटला त्यांचे वर्गीकरण करू द्या, आणि मग त्याच्या आउटपुटची मानवी लेबल्सशी तुलना करा.

चांगल्या परीक्षेच्या प्रश्नांमध्ये खालील गोष्टींचा समावेश असतो:

• त्याने तातडीच्या बिलिंग आणि खाते सुरक्षा समस्या अचूकपणे ओळखल्या का?

• त्याने निरुपद्रवी संदेशांना गरजेपेक्षा जास्त प्राधान्य दिले का?

• त्यात काही संतप्त किंवा रद्द करण्यासंबंधीचे संदेश सुटले का?

• त्यामध्ये सारांशांमध्ये ग्राहकांची संवेदनशील माहिती समाविष्ट होती का?

• शिफारस केलेली पुढील पायरी कंपनीच्या धोरणाशी जुळणारी होती का?

• संदेश संदिग्ध असताना, त्यात “मानवी पुनरावलोकनाची आवश्यकता आहे” असे म्हटले होते का?

एक चांगला नियम: सहायकाला सावधगिरी बाळगण्याची मुभा असावी. चुकीची माहिती वरिष्ठांपर्यंत पोहोचवणे त्रासदायक असते. सुरक्षेसंबंधी किंवा बिलासंबंधी एखादी गोष्ट लक्षात न येणे त्याहूनही वाईट असते.

निकाल

वर्कफ्लो वापरण्यापूर्वी आणि नंतर ५०-तिकिटांच्या चाचणीची वेळ मोजून मिळालेला प्रातिनिधिक निकाल:

मॅन्युअल ट्रायएजमध्ये ५० तिकिटांसाठी ७२ मिनिटे लागली, म्हणजेच प्रत्येक तिकिटामागे सुमारे १.४ मिनिट.

एआय-सहाय्यित वर्गीकरणास १९ मिनिटे लागली, ज्यामध्ये ध्वजांकित तिकिटांच्या मानवी पुनरावलोकनाचा समावेश होता, म्हणजेच प्रत्येक तिकिटामागे सुमारे २३ सेकंद.

यामुळे ट्रायएज वेळेत अंदाजे ७४% घट होते.

त्याच चाचणीत, सहाय्यकाने ५० पैकी ४३ तिकिटांवर टीमच्या मूळ श्रेणीशी जुळणी केली. पाच तिकिटांवर “मानवी पुनरावलोकनाची आवश्यकता आहे” असे चिन्हांकित केले होते. दोन तिकिटे चुकीच्या पद्धतीने लेबल केली होती आणि ग्राहकाला कोणतेही उत्तर पाठवण्यापूर्वी सपोर्ट लीडने ती दुरुस्त केली.

महत्त्वाची गोष्ट केवळ वेग नाही. तर वेग आणि पकडण्याची क्षमता यांचा मिलाफ आहे. असिस्टंटने प्रतिसाद न पाठवल्यामुळे किंवा तिकीट बंद न केल्यामुळे, त्याच्या चुका ग्राहकांपर्यंत पोहोचण्यापूर्वीच दिसून आल्या.

काय बिघडू शकतं?

सर्वात धोकादायक चूक म्हणजे मौन विश्वास. जर सहाय्यकाने गुपचूपपणे एखाद्या तातडीच्या तिकीटला 'सर्वसाधारण प्रश्न' असे चुकीचे लेबल लावले, तर टीमला प्रतिसाद द्यायला खूप उशीर होऊ शकतो.

सामान्य चुकांमध्ये खालील गोष्टींचा समावेश आहे:

• चाचणी होण्यापूर्वीच सहायकाला प्रत्युत्तर पाठवण्याची परवानगी देणे

• उदाहरणांशिवाय “महत्त्वाचे” किंवा “सामान्य” यांसारख्या अस्पष्ट श्रेणींचा वापर करणे

• एस्केलेशन नियम परिभाषित करायला विसरणे

• त्याला संवेदनशील माहितीचा खूप मोकळेपणाने सारांश देऊ देणे

• केवळ वाचलेल्या वेळेचे मोजमाप, त्रुटी दराचे नाही

• उत्पादने, धोरणे किंवा किंमती बदलल्यावर पुन्हा चाचणी करण्यात अयशस्वी होणे

सहाय्यकामध्ये बदल होत आहे का हे देखील तपासले पाहिजे. जानेवारीमध्ये चांगली कामगिरी करणारा कार्यप्रवाह नवीन उत्पादन सादर झाल्यानंतर, किंमतीत बदल झाल्यावर किंवा त्रुटी वाढल्यानंतर खराब कामगिरी करू शकतो.

व्यावहारिक निष्कर्ष

अनेक टीम्ससाठी एआयचे नजीकचे भविष्य बहुधा असेच असेल: लहान, व्यावहारिक प्रणाली ज्या सामान्य कामातच सामावून जातील आणि श्रमाचा पहिला टप्पा काढून टाकतील.

"एआय सपोर्ट चालवते" यात विजय नाही. विजय हा आहे की, माणसे अधिक सुव्यवस्थित रांगा, अधिक स्पष्ट प्राधान्यक्रम आणि कमी पुनरावृत्तीच्या निर्णयांसह दिवसाची सुरुवात करतात. पण विश्वासाचा स्तर महत्त्वाचा आहे. लॉग्स, मर्यादा, पुनरावलोकनाचे टप्पे आणि एस्केलेशनचे नियम हेच एआय असिस्टंटला एका धोकादायक शॉर्टकटमधून एका विश्वासार्ह सहकाऱ्यामध्ये बदलतात.

वारंवार विचारले जाणारे प्रश्न

पुढील काही वर्षांत एआयचे भविष्य काय असेल?

नजीकच्या काळात, एआयचे भविष्य "स्मार्ट चॅट" सारखे कमी आणि व्यावहारिक सहकाऱ्यासारखे अधिक दिसते. सिस्टम्स उत्तरांवर थांबण्याऐवजी, संपूर्ण साधनांमध्ये एंड-टू-एंड कामे पार पाडतील. समांतरपणे, अपेक्षा वाढतील: एआय वास्तविक निर्णयांवर प्रभाव पाडू लागल्याने विश्वासार्हता, ट्रेसेबिलिटी आणि जबाबदारी अधिक महत्त्वाची ठरेल. दिशा स्पष्ट आहे - कठोर मानकांसह अधिक क्षमता.

एआय एजंट्स दैनंदिन कामात प्रत्यक्षात कसे बदल करतील?

एआय एजंट्स प्रत्येक टप्प्यावर हाताने काम करण्याऐवजी अॅप्स आणि सिस्टीममध्ये फिरणाऱ्या वर्कफ्लोचे पर्यवेक्षण करण्याकडे काम वळवतील. सामान्य वापरांमध्ये ड्राफ्टिंग, मेसेज ट्रायएजिंग, टूल्समध्ये डेटा हलवणे आणि बदलांसाठी डॅशबोर्ड पाहणे यांचा समावेश आहे. सर्वात मोठा धोका म्हणजे मूक अपयश, म्हणून मजबूत सेटअपमध्ये जाणीवपूर्वक तपासणी, लॉगिंग आणि परिणाम जास्त असताना मानवी पुनरावलोकन यांचा समावेश होतो. "ऑटोपायलट" ऐवजी "डेलिगेशन" चा विचार करा

डिव्हाइसवरील लहान मॉडेल्स एआयच्या भविष्याचा एक मोठा भाग का बनत आहेत?

डिव्हाइसवरील एआय वाढत आहे कारण ते जलद आणि अधिक खाजगी असू शकते, इंटरनेट अॅक्सेसवर कमी अवलंबून राहून. डेटा स्थानिक ठेवल्याने एक्सपोजर कमी होऊ शकतो आणि वैयक्तिकरण अधिक सुरक्षित वाटू शकते. याचा परिणाम असा आहे की मोठ्या क्लाउड सिस्टमच्या तुलनेत लहान मॉडेल्सना जटिल तर्काचा सामना करावा लागू शकतो. अनेक उत्पादने कदाचित दोन्हीचे मिश्रण करतील: वेग आणि गोपनीयतेसाठी स्थानिक, तर जास्त वजन उचलण्यासाठी क्लाउड.

एआय डेटा अॅक्सेससाठी "परवानगी ही नवीन चलन आहे" याचा अर्थ काय आहे?

याचा अर्थ प्रश्न केवळ कोणता डेटा अस्तित्वात आहे हा नाही तर कोणता डेटा कायदेशीररित्या आणि प्रतिष्ठेच्या प्रतिक्रियेशिवाय वापरता येईल हा आहे. अनेक पाइपलाइनमध्ये, प्रवेश हा वाटाघाटी म्हणून मानला जाईल: स्पष्ट संमती मार्ग, प्रवेश नियंत्रणे आणि कायदेशीर आणि सांस्कृतिक अपेक्षांशी जुळणारी धोरणे. परवानगी असलेले मार्ग लवकर बांधल्याने मानके कडक झाल्यावर नंतर व्यत्यय टाळता येतो. ते कागदोपत्री नव्हे तर एक धोरण बनत आहे.

उच्च-स्टेक एआयसाठी कोणती ट्रस्ट वैशिष्ट्ये अ-वाटाघाटीयोग्य होतील?

जेव्हा एआयमध्ये भरती, कर्ज देणे, आरोग्य, शिक्षण किंवा सुरक्षिततेचा समावेश असतो तेव्हा "मॉडेल चुकीचे होते" हे स्वीकार्य ठरणार नाही. विश्वासाच्या वैशिष्ट्यांमध्ये सामान्यतः ऑडिट आणि चाचणी, आउटपुटची ट्रेसेबिलिटी, रेलिंग आणि खऱ्या मानवी ओव्हरराइडचा समावेश असतो. अर्थपूर्ण अपील प्रक्रिया देखील महत्त्वाची असते, जेणेकरून लोक निकालांना आव्हान देऊ शकतात आणि चुका दुरुस्त करू शकतात. उद्दिष्ट जबाबदारी आहे जी काहीतरी बिघडल्यावर वाया जात नाही.

मल्टीमॉडल एआय उत्पादने आणि जोखीम कशी बदलेल?

मल्टीमॉडल एआय मजकूर, प्रतिमा, ऑडिओ आणि व्हिडिओ एकत्रितपणे अर्थ लावू शकते, ज्यामुळे दैनंदिन मूल्य सुधारते - जसे की स्क्रीनशॉटवरून फॉर्म त्रुटीचे निदान करणे किंवा बैठकांचा सारांश देणे. यामुळे ट्युटोरिंग आणि अॅक्सेसिबिलिटी टूल्स अधिक नैसर्गिक वाटू शकतात. तोटा म्हणजे वाढलेली देखरेख आणि अधिक खात्रीशीर सिंथेटिक मीडिया. मल्टीमॉडल जसजसे पसरेल तसतसे गोपनीयतेच्या सीमांना स्पष्ट नियम आणि मजबूत नियंत्रणांची आवश्यकता असेल.

एआय नोकऱ्या घेईल की फक्त त्या बदलेल?

अधिक वास्तववादी पॅटर्न म्हणजे टास्क कॉम्प्रेशन: पुनरावृत्ती होणाऱ्या कामासाठी कमी लोकांची आवश्यकता असते कारण एआय पायऱ्या कोलमडवते. पुनर्रचना म्हणून जरी ते तयार केले असले तरीही ते बदलण्यासारखे वाटू शकते. देखरेख, रणनीती आणि साधनांच्या वापराभोवती नवीन संकरित भूमिका वाढतात, जिथे लोक सिस्टम निर्देशित करतात आणि परिणाम व्यवस्थापित करतात. याचा फायदा त्यांना होतो जे मार्गदर्शन करू शकतात, पडताळू शकतात आणि निर्णय लागू करू शकतात.

एआय "सहकारी" बनण्यासाठी कोणती कौशल्ये सर्वात जास्त महत्त्वाची असतात?

समस्या-रचना करणे महत्त्वाचे बनते: परिणाम स्पष्टपणे परिभाषित करणे आणि काय चूक होऊ शकते हे ओळखणे. पडताळणी कौशल्ये देखील वाढतात - आउटपुटची चाचणी करणे, चुका पकडणे आणि मानवांकडे कधी जायचे हे जाणून घेणे. निर्णय आणि डोमेन कौशल्य अधिक महत्त्वाचे आहे कारण AI आत्मविश्वासाने चुकीचे असू शकते. संघांना जोखीम जागरूकता देखील आवश्यक आहे, विशेषतः जिथे निर्णय लोकांच्या जीवनावर परिणाम करतात. गुणवत्ता केवळ गतीने नाही तर देखरेखीतून येते.

उत्पादन पायाभूत सुविधा म्हणून कंपन्यांनी एआयची योजना कशी करावी?

एआयला प्रयोगाऐवजी डीफॉल्ट लेयर म्हणून वागवा: अपटाइम, देखरेख, एकत्रीकरण आणि स्पष्ट मालकीची योजना करा. सुरक्षित डेटा मार्ग आणि प्रवेश नियंत्रण तयार करा जेणेकरून परवानग्या नंतर अडथळा बनू नयेत. लवकर प्रशासन जोडा - लॉग, मूल्यांकन आणि रोलबॅक योजना - विशेषतः जिथे आउटपुट निर्णयांवर प्रभाव पाडतात. विजेते केवळ "स्मार्ट" नसतील, ते विश्वासार्ह आणि चांगल्या प्रकारे एकत्रित असतील.

संदर्भ

1. Stanford HAI - Stanford AI इंडेक्स रिपोर्ट 2025 - hai.stanford.edu

2. प्यू रिसर्च सेंटर - कामाच्या ठिकाणी भविष्यातील एआय वापराबद्दल अमेरिकन कामगार आशावादीपेक्षा जास्त चिंतित आहेत - pewresearch.org

3. माहिती आयुक्त कार्यालय (ICO) - कायदेशीर आधाराविषयी मार्गदर्शक - ico.org.uk

4. राष्ट्रीय मानके आणि तंत्रज्ञान संस्था (NIST) - एआय जोखीम व्यवस्थापन फ्रेमवर्क १.० (NIST AI १००-१) - nvlpubs.nist.gov

5. आर्थिक सहकार्य आणि विकास संघटना (OECD) - OECD AI तत्त्वे (OECD कायदेशीर साधन 0449) - oecd.org

6. यूके कायदे - GDPR कलम २५: डिझाइन आणि डिफॉल्टनुसार डेटा संरक्षण - legislation.gov.uk

7. EUR-Lex - EU AI कायदा: नियमन (EU) 2024/1689 - eur-lex.europa.eu

8. आंतरराष्ट्रीय ऊर्जा संस्था (IEA) - ऊर्जा आणि AI (कार्यकारी सारांश) - iea.org

9. arXiv - सर्वेक्षण: LLM-आधारित स्वायत्त एजंट्स - arxiv.org

10. हार्वर्ड ऑनलाइन (हार्वर्ड/एडीएक्स) - टिनीएमएलची मूलतत्त्वे - plll.harvard.edu

11. ओपनएआय - जीपीटी-४ओ सिस्टम कार्ड - openai.com

12. arXiv - सर्वेक्षण: एलएलएममध्ये भ्रम - arxiv.org

13. राष्ट्रीय मानके आणि तंत्रज्ञान संस्था (NIST) - एआय जोखीम व्यवस्थापन फ्रेमवर्क - nist.gov

14. नॅशनल इन्स्टिट्यूट ऑफ स्टँडर्ड्स अँड टेक्नॉलॉजी (NIST) - सिंथेटिक कंटेंटमुळे निर्माण होणारे धोके कमी करणे (NIST AI 100-4, IPD) - airc.nist.gov

15. आंतरराष्ट्रीय कामगार संघटना (ILO) - कार्यपत्रक: जनरेटिव्ह एआय आणि जॉब्स (WP140) - ilo.org

16. राष्ट्रीय मानके आणि तंत्रज्ञान संस्था (NIST) - भिन्न खाजगी कृत्रिम डेटा - nist.gov

17. आर्थिक सहकार्य आणि विकास संघटना (OECD) - कृत्रिम बुद्धिमत्ता आणि कामगार बाजारपेठेत कौशल्यांची बदलती मागणी - oecd.org

अधिकृत एआय असिस्टंट स्टोअरमध्ये नवीनतम एआय शोधा

आमच्याबद्दल