ਆਟੋਨੋਮਸ ਏਜੰਟਾਂ ਲਈ ਡਿਜ਼ਾਈਨਿੰਗ ਇੱਕ ਵਿਲੱਖਣ ਨਿਰਾਸ਼ਾ ਪੇਸ਼ ਕਰਦੀ ਹੈ. ਅਸੀਂ ਇੱਕ AI ਨੂੰ ਇੱਕ ਗੁੰਝਲਦਾਰ ਕੰਮ ਸੌਂਪਦੇ ਹਾਂ, ਇਹ 30 ਸਕਿੰਟਾਂ (ਜਾਂ 30 ਮਿੰਟ) ਲਈ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਇਹ ਨਤੀਜੇ ਦੇ ਨਾਲ ਵਾਪਸ ਆਉਂਦਾ ਹੈ। ਅਸੀਂ ਸਕਰੀਨ ਵੱਲ ਦੇਖਦੇ ਹਾਂ। ਕੀ ਇਹ ਕੰਮ ਕੀਤਾ? ਕੀ ਇਹ ਭੁਲੇਖਾ ਪਿਆ? ਕੀ ਇਸ ਨੇ ਪਾਲਣਾ ਡੇਟਾਬੇਸ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂ ਉਸ ਕਦਮ ਨੂੰ ਛੱਡ ਦਿੱਤਾ? ਅਸੀਂ ਆਮ ਤੌਰ 'ਤੇ ਇਸ ਚਿੰਤਾ ਦਾ ਜਵਾਬ ਦੋ ਅਤਿਅੰਤ ਵਿੱਚੋਂ ਇੱਕ ਨਾਲ ਦਿੰਦੇ ਹਾਂ। ਅਸੀਂ ਜਾਂ ਤਾਂ ਸਿਸਟਮ ਨੂੰ ਬਲੈਕ ਬਾਕਸ ਰੱਖਦੇ ਹਾਂ, ਸਾਦਗੀ ਬਣਾਈ ਰੱਖਣ ਲਈ ਸਭ ਕੁਝ ਲੁਕਾਉਂਦੇ ਹਾਂ, ਜਾਂ ਅਸੀਂ ਘਬਰਾ ਜਾਂਦੇ ਹਾਂ ਅਤੇ ਡੇਟਾ ਡੰਪ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਾਂ, ਉਪਭੋਗਤਾ ਨੂੰ ਹਰ ਲੌਗ ਲਾਈਨ ਅਤੇ API ਕਾਲ ਨੂੰ ਸਟ੍ਰੀਮ ਕਰਦੇ ਹਾਂ। ਕੋਈ ਵੀ ਪਹੁੰਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਪਾਰਦਰਸ਼ਤਾ ਦੇ ਆਦਰਸ਼ ਪੱਧਰ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਸੂਖਮਤਾ ਨੂੰ ਸੰਬੋਧਿਤ ਨਹੀਂ ਕਰਦੀ। ਬਲੈਕ ਬਾਕਸ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸ਼ਕਤੀਹੀਣ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ। ਡੇਟਾ ਡੰਪ ਨੋਟੀਫਿਕੇਸ਼ਨ ਅੰਨ੍ਹੇਪਣ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਏਜੰਟ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕਰਨ ਦਾ ਵਾਅਦਾ ਕੀਤਾ ਗਿਆ ਕੁਸ਼ਲਤਾ ਨੂੰ ਨਸ਼ਟ ਕਰਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਜਾਣਕਾਰੀ ਦੀ ਨਿਰੰਤਰ ਧਾਰਾ ਨੂੰ ਉਦੋਂ ਤੱਕ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੇ ਹਨ ਜਦੋਂ ਤੱਕ ਕੋਈ ਚੀਜ਼ ਟੁੱਟ ਨਹੀਂ ਜਾਂਦੀ, ਜਿਸ ਸਮੇਂ ਉਹਨਾਂ ਕੋਲ ਇਸ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਸੰਦਰਭ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਸਾਨੂੰ ਸੰਤੁਲਨ ਲੱਭਣ ਲਈ ਇੱਕ ਸੰਗਠਿਤ ਤਰੀਕੇ ਦੀ ਲੋੜ ਹੈ। ਮੇਰੇ ਪਿਛਲੇ ਲੇਖ, "ਏਜੰਟਿਕ AI ਲਈ ਡਿਜ਼ਾਈਨਿੰਗ" ਵਿੱਚ, ਅਸੀਂ ਇੰਟਰਫੇਸ ਤੱਤਾਂ ਨੂੰ ਦੇਖਿਆ ਜੋ ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ AI ਦੀ ਇਰਾਦਾ ਕਾਰਵਾਈ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਦਿਖਾਉਣਾ (ਇੰਟੈਂਟ ਪ੍ਰੀਵਿਊਜ਼) ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਨਿਯੰਤਰਣ ਦੇਣਾ ਕਿ AI ਆਪਣੇ ਆਪ ਕਿੰਨਾ ਕਰਦਾ ਹੈ (ਆਟੋਨੋਮੀ ਡਾਇਲਸ)। ਪਰ ਇਹ ਜਾਣਨਾ ਕਿ ਕਿਹੜੇ ਤੱਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ ਚੁਣੌਤੀ ਦਾ ਸਿਰਫ ਹਿੱਸਾ ਹੈ. ਡਿਜ਼ਾਈਨਰਾਂ ਲਈ ਔਖਾ ਸਵਾਲ ਇਹ ਜਾਣਨਾ ਹੈ ਕਿ ਉਹਨਾਂ ਨੂੰ ਕਦੋਂ ਵਰਤਣਾ ਹੈ। ਤੁਸੀਂ ਕਿਵੇਂ ਜਾਣਦੇ ਹੋ ਕਿ 30-ਸਕਿੰਟ ਦੇ ਵਰਕਫਲੋ ਵਿੱਚ ਕਿਹੜੇ ਖਾਸ ਪਲ ਲਈ ਇੱਕ ਇਰਾਦੇ ਦੀ ਪੂਰਵਦਰਸ਼ਨ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਜਿਸ ਨੂੰ ਇੱਕ ਸਧਾਰਨ ਲੌਗ ਐਂਟਰੀ ਨਾਲ ਸੰਭਾਲਿਆ ਜਾ ਸਕਦਾ ਹੈ? ਇਹ ਲੇਖ ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਇੱਕ ਢੰਗ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ. ਅਸੀਂ ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਰਾਹੀਂ ਚੱਲਾਂਗੇ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ ਲਈ ਬੈਕਐਂਡ ਤਰਕ ਨੂੰ ਮੈਪ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨਰਾਂ ਅਤੇ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਇੱਕੋ ਕਮਰੇ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ। ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ AI ਕੀ ਕਰ ਰਿਹਾ ਹੈ ਇਸ ਬਾਰੇ ਇੱਕ ਉਪਭੋਗਤਾ ਨੂੰ ਅਪਡੇਟ ਦੀ ਲੋੜ ਵਾਲੇ ਸਹੀ ਪਲਾਂ ਨੂੰ ਕਿਵੇਂ ਨਿਸ਼ਚਿਤ ਕਰਨਾ ਹੈ। ਅਸੀਂ ਇੱਕ ਪ੍ਰਭਾਵ/ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਵੀ ਕਵਰ ਕਰਾਂਗੇ ਜੋ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਵਾਲੇ ਫੈਸਲੇ ਨੋਡਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ ਅਤੇ ਉਸ ਫੈਸਲੇ ਨਾਲ ਜੋੜਾ ਬਣਾਉਣ ਲਈ ਕੋਈ ਸੰਬੰਧਿਤ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨ। ਪਾਰਦਰਸ਼ਤਾ ਪਲ: ਇੱਕ ਕੇਸ ਅਧਿਐਨ ਉਦਾਹਰਨ ਮੈਰੀਡੀਅਨ (ਅਸਲ ਨਾਮ ਨਹੀਂ) 'ਤੇ ਵਿਚਾਰ ਕਰੋ, ਇੱਕ ਬੀਮਾ ਕੰਪਨੀ ਜੋ ਸ਼ੁਰੂਆਤੀ ਦੁਰਘਟਨਾ ਦਾਅਵਿਆਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਇੱਕ ਏਜੰਟ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਉਪਭੋਗਤਾ ਵਾਹਨ ਦੇ ਨੁਕਸਾਨ ਦੀਆਂ ਫੋਟੋਆਂ ਅਤੇ ਪੁਲਿਸ ਰਿਪੋਰਟ ਅਪਲੋਡ ਕਰਦਾ ਹੈ। ਏਜੰਟ ਫਿਰ ਜੋਖਮ ਮੁਲਾਂਕਣ ਅਤੇ ਪ੍ਰਸਤਾਵਿਤ ਅਦਾਇਗੀ ਸੀਮਾ ਦੇ ਨਾਲ ਵਾਪਸ ਆਉਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਮਿੰਟ ਲਈ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ। ਸ਼ੁਰੂ ਵਿੱਚ, ਮੈਰੀਡੀਅਨ ਦਾ ਇੰਟਰਫੇਸ ਸਿਰਫ਼ ਕਲੇਮ ਸਥਿਤੀ ਦੀ ਗਣਨਾ ਕਰਦਾ ਸੀ। ਉਪਭੋਗਤਾ ਨਿਰਾਸ਼ ਹੋ ਗਏ। ਉਹਨਾਂ ਨੇ ਕਈ ਵਿਸਤ੍ਰਿਤ ਦਸਤਾਵੇਜ਼ ਜਮ੍ਹਾ ਕੀਤੇ ਸਨ ਅਤੇ ਇਸ ਬਾਰੇ ਅਨਿਸ਼ਚਿਤ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਕੀ ਏਆਈ ਨੇ ਪੁਲਿਸ ਰਿਪੋਰਟ ਦੀ ਸਮੀਖਿਆ ਵੀ ਕੀਤੀ ਸੀ, ਜਿਸ ਵਿੱਚ ਹਾਲਾਤਾਂ ਨੂੰ ਘੱਟ ਕੀਤਾ ਗਿਆ ਸੀ। ਬਲੈਕ ਬਾਕਸ ਨੇ ਅਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕੀਤਾ। ਇਸ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ, ਡਿਜ਼ਾਈਨ ਟੀਮ ਨੇ ਇੱਕ ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਕਰਵਾਇਆ। ਉਹਨਾਂ ਨੇ ਪਾਇਆ ਕਿ ਏਆਈ ਨੇ ਤਿੰਨ ਵੱਖ-ਵੱਖ, ਸੰਭਾਵਨਾ-ਅਧਾਰਿਤ ਕਦਮਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਕਈ ਛੋਟੇ ਕਦਮ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਹਨ:
ਚਿੱਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਏਜੰਟ ਨੇ ਮੁਰੰਮਤ ਦੀ ਲਾਗਤ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਖਾਸ ਕਾਰ ਦੁਰਘਟਨਾਵਾਂ ਦੇ ਡੇਟਾਬੇਸ ਦੇ ਨਾਲ ਨੁਕਸਾਨ ਦੀਆਂ ਫੋਟੋਆਂ ਦੀ ਤੁਲਨਾ ਕੀਤੀ। ਇਸ ਵਿੱਚ ਇੱਕ ਆਤਮਵਿਸ਼ਵਾਸ ਸਕੋਰ ਸ਼ਾਮਲ ਸੀ। ਲਿਖਤੀ ਸਮੀਖਿਆਇਸ ਨੇ ਉਹਨਾਂ ਕੀਵਰਡਾਂ ਲਈ ਪੁਲਿਸ ਰਿਪੋਰਟ ਨੂੰ ਸਕੈਨ ਕੀਤਾ ਜੋ ਦੇਣਦਾਰੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ (ਉਦਾਹਰਨ ਲਈ, ਨੁਕਸ, ਮੌਸਮ ਦੀ ਸਥਿਤੀ, ਸੰਜਮ)। ਇਸ ਵਿੱਚ ਕਾਨੂੰਨੀ ਸਥਿਤੀ ਦਾ ਇੱਕ ਸੰਭਾਵੀ ਮੁਲਾਂਕਣ ਸ਼ਾਮਲ ਹੈ। ਪਾਲਿਸੀ ਕ੍ਰਾਸ ਰੈਫਰੈਂਸਇਹ ਉਪਭੋਗਤਾ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ ਨੀਤੀ ਸ਼ਰਤਾਂ ਦੇ ਵਿਰੁੱਧ ਦਾਅਵੇ ਦੇ ਵੇਰਵਿਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਅਪਵਾਦਾਂ ਜਾਂ ਕਵਰੇਜ ਸੀਮਾਵਾਂ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਸੰਭਾਵੀ ਮਿਲਾਨ ਵੀ ਸ਼ਾਮਲ ਹੈ।
ਟੀਮ ਨੇ ਇਨ੍ਹਾਂ ਕਦਮਾਂ ਨੂੰ ਪਾਰਦਰਸ਼ਤਾ ਪਲਾਂ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ। ਇੰਟਰਫੇਸ ਕ੍ਰਮ ਨੂੰ ਅੱਪਡੇਟ ਕੀਤਾ ਗਿਆ ਸੀ:
ਨੁਕਸਾਨ ਦੀਆਂ ਫੋਟੋਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ: 500 ਵਾਹਨ ਪ੍ਰਭਾਵ ਪ੍ਰੋਫਾਈਲਾਂ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ। ਪੁਲਿਸ ਰਿਪੋਰਟ ਦੀ ਸਮੀਖਿਆ ਕਰਨਾ: ਦੇਣਦਾਰੀ ਕੀਵਰਡਸ ਅਤੇ ਕਾਨੂੰਨੀ ਉਦਾਹਰਣ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ। ਪਾਲਿਸੀ ਕਵਰੇਜ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ: ਤੁਹਾਡੀ ਯੋਜਨਾ ਵਿੱਚ ਖਾਸ ਅਲਹਿਦਗੀਆਂ ਦੀ ਜਾਂਚ ਕਰਨਾ।
ਸਿਸਟਮ ਨੇ ਅਜੇ ਵੀ ਓਨਾ ਹੀ ਸਮਾਂ ਲਿਆ, ਪਰ ਏਜੰਟ ਦੇ ਅੰਦਰੂਨੀ ਕੰਮਕਾਜ ਬਾਰੇ ਸਪਸ਼ਟ ਸੰਚਾਰ ਨੇ ਉਪਭੋਗਤਾ ਦਾ ਵਿਸ਼ਵਾਸ ਬਹਾਲ ਕੀਤਾ। ਉਪਭੋਗਤਾ ਸਮਝ ਗਏ ਸਨ ਕਿ AI ਉਸ ਗੁੰਝਲਦਾਰ ਕੰਮ ਨੂੰ ਕਰ ਰਿਹਾ ਸੀ ਜਿਸ ਲਈ ਇਸਨੂੰ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਉਹ ਜਾਣਦੇ ਸਨ ਕਿ ਜੇਕਰ ਅੰਤਿਮ ਮੁਲਾਂਕਣ ਗਲਤ ਲੱਗਦਾ ਹੈ ਤਾਂ ਉਹਨਾਂ ਦਾ ਧਿਆਨ ਕਿੱਥੇ ਕੇਂਦਰਿਤ ਕਰਨਾ ਹੈ। ਇਸ ਡਿਜ਼ਾਇਨ ਦੀ ਚੋਣ ਨੇ ਚਿੰਤਾ ਦੇ ਇੱਕ ਪਲ ਨੂੰ ਉਪਭੋਗਤਾ ਨਾਲ ਕੁਨੈਕਸ਼ਨ ਦੇ ਇੱਕ ਪਲ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ. ਪ੍ਰਭਾਵ/ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਲਾਗੂ ਕਰਨਾ: ਅਸੀਂ ਕੀ ਛੁਪਾਉਣਾ ਚੁਣਿਆ ਹੈ ਜ਼ਿਆਦਾਤਰ AI ਤਜ਼ਰਬਿਆਂ ਵਿੱਚ ਇਵੈਂਟਾਂ ਅਤੇ ਫੈਸਲੇ ਨੋਡਾਂ ਦੀ ਕੋਈ ਕਮੀ ਨਹੀਂ ਹੁੰਦੀ ਹੈ ਜੋ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਦੌਰਾਨ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਆਡਿਟ ਦੇ ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ ਨਤੀਜਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਸੀ ਕਿ ਕੀ ਅਦਿੱਖ ਰੱਖਣਾ ਹੈ। ਮੈਰੀਡੀਅਨ ਉਦਾਹਰਨ ਵਿੱਚ, ਬੈਕਐਂਡ ਲੌਗਸ ਨੇ ਪ੍ਰਤੀ ਦਾਅਵਾ 50+ ਇਵੈਂਟਸ ਤਿਆਰ ਕੀਤੇ। ਅਸੀਂ ਹਰੇਕ ਇਵੈਂਟ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਹੋ ਸਕਦੇ ਸੀ ਕਿਉਂਕਿ ਉਹਨਾਂ ਨੂੰ UI ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਸਦੀ ਬਜਾਏ, ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਛਾਂਟਣ ਲਈ ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਲਾਗੂ ਕੀਤਾ:
ਲੌਗ ਇਵੈਂਟ: ਪਿੰਗਿੰਗ ਸਰਵਰਰਿਡੰਡੈਂਸੀ ਜਾਂਚ ਲਈ ਪੱਛਮੀ-2। ਫਿਲਟਰ ਫੈਸਲਾ: ਲੁਕਾਓ। (ਘੱਟ ਸਟੇਕਸ, ਉੱਚ ਤਕਨੀਕੀਤਾ).
ਲੌਗ ਇਵੈਂਟ: ਬਲੂਬੁੱਕ ਮੁੱਲ ਨਾਲ ਮੁਰੰਮਤ ਅਨੁਮਾਨ ਦੀ ਤੁਲਨਾ ਕਰਨਾ। ਫਿਲਟਰ ਫੈਸਲਾ: ਦਿਖਾਓ। (ਉੱਚ ਸਟੇਕਸ, ਉਪਭੋਗਤਾ ਦੇ ਭੁਗਤਾਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ)।
ਬੇਲੋੜੇ ਵੇਰਵਿਆਂ ਨੂੰ ਕੱਟ ਕੇ, ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ — ਜਿਵੇਂ ਕਿ ਕਵਰੇਜ ਤਸਦੀਕ — ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੀ। ਅਸੀਂ ਇੱਕ ਖੁੱਲਾ ਇੰਟਰਫੇਸ ਬਣਾਇਆ ਹੈ ਅਤੇ ਇੱਕ ਖੁੱਲਾ ਅਨੁਭਵ ਤਿਆਰ ਕੀਤਾ ਹੈ। ਇਹ ਪਹੁੰਚ ਇਸ ਵਿਚਾਰ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਕਿ ਲੋਕ ਕਿਸੇ ਸੇਵਾ ਬਾਰੇ ਬਿਹਤਰ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ ਜਦੋਂ ਉਹ ਕੰਮ ਕੀਤੇ ਜਾ ਰਹੇ ਦੇਖ ਸਕਦੇ ਹਨ। ਖਾਸ ਕਦਮਾਂ (ਮੁਲਾਂਕਣ, ਸਮੀਖਿਆ, ਤਸਦੀਕ) ਦਿਖਾ ਕੇ, ਅਸੀਂ ਚਿੰਤਾ ਦੇ ਸਮੇਂ ("ਕੀ ਇਹ ਟੁੱਟ ਗਿਆ ਹੈ?") ਤੋਂ ਇੱਕ 30-ਸਕਿੰਟ ਦੇ ਇੰਤਜ਼ਾਰ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਮਹਿਸੂਸ ਕਰਨ ਦੇ ਸਮੇਂ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ ਹੈ ਜਿਵੇਂ ਕੁਝ ਕੀਮਤੀ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ ("ਇਹ ਸੋਚ ਰਿਹਾ ਹੈ")। ਆਓ ਹੁਣ ਇਸ ਗੱਲ 'ਤੇ ਡੂੰਘਾਈ ਨਾਲ ਵਿਚਾਰ ਕਰੀਏ ਕਿ ਅਸੀਂ ਸਪੱਸ਼ਟ ਜਾਣਕਾਰੀ ਦੀ ਲੋੜ ਵਾਲੇ ਮੁੱਖ ਪਲਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਆਪਣੇ ਉਤਪਾਦਾਂ ਵਿੱਚ ਫੈਸਲੇ ਲੈਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੀ ਸਮੀਖਿਆ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹਾਂ। ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਪਾਰਦਰਸ਼ਤਾ ਫੇਲ੍ਹ ਹੋ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਅਸੀਂ ਇਸਨੂੰ ਕਾਰਜਸ਼ੀਲ ਲੋੜ ਦੀ ਬਜਾਏ ਇੱਕ ਸ਼ੈਲੀ ਦੀ ਚੋਣ ਦੇ ਰੂਪ ਵਿੱਚ ਮੰਨਦੇ ਹਾਂ। ਸਾਡੇ ਕੋਲ ਇਹ ਪੁੱਛਣ ਦਾ ਰੁਝਾਨ ਹੈ, "UI ਕਿਸ ਤਰ੍ਹਾਂ ਦਾ ਦਿਖਾਈ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ?" ਸਾਡੇ ਪੁੱਛਣ ਤੋਂ ਪਹਿਲਾਂ, "ਏਜੰਟ ਅਸਲ ਵਿੱਚ ਕੀ ਫੈਸਲਾ ਕਰ ਰਿਹਾ ਹੈ?" ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ AI ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਆਸਾਨ ਬਣਾਉਣ ਦਾ ਇੱਕ ਸਿੱਧਾ ਤਰੀਕਾ ਹੈ। ਇਹ ਸਿਸਟਮ ਦੀ ਅੰਦਰੂਨੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਧਿਆਨ ਨਾਲ ਮੈਪ ਕਰਕੇ ਕੰਮ ਕਰਦਾ ਹੈ। ਮੁੱਖ ਟੀਚਾ ਸਹੀ ਪਲਾਂ ਨੂੰ ਲੱਭਣਾ ਅਤੇ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਹੈ ਜਿੱਥੇ ਸਿਸਟਮ ਆਪਣੇ ਨਿਰਧਾਰਤ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨਾ ਬੰਦ ਕਰ ਦਿੰਦਾ ਹੈ ਅਤੇ ਇਸ ਦੀ ਬਜਾਏ ਮੌਕਾ ਜਾਂ ਅੰਦਾਜ਼ੇ ਦੇ ਅਧਾਰ 'ਤੇ ਚੋਣ ਕਰਦਾ ਹੈ। ਇਸ ਢਾਂਚੇ ਦੀ ਮੈਪਿੰਗ ਕਰਕੇ, ਸਿਰਜਣਹਾਰ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਲੋਕਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਦੇ ਇਹ ਬਿੰਦੂ ਦਿਖਾ ਸਕਦੇ ਹਨ। ਇਹ ਸਿਸਟਮ ਅਪਡੇਟਾਂ ਨੂੰ ਅਸਪਸ਼ਟ ਬਿਆਨਾਂ ਤੋਂ ਖਾਸ, ਭਰੋਸੇਮੰਦ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਕਿ ਕਿਵੇਂ AI ਆਪਣੇ ਸਿੱਟੇ 'ਤੇ ਪਹੁੰਚਿਆ। ਉਪਰੋਕਤ ਬੀਮਾ ਕੇਸ ਅਧਿਐਨ ਤੋਂ ਇਲਾਵਾ, ਮੈਂ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ ਖਰੀਦ ਏਜੰਟ ਬਣਾਉਣ ਵਾਲੀ ਟੀਮ ਨਾਲ ਕੰਮ ਕੀਤਾ ਹੈ। ਸਿਸਟਮ ਨੇ ਵਿਕਰੇਤਾ ਦੇ ਇਕਰਾਰਨਾਮੇ ਅਤੇ ਫਲੈਗ ਕੀਤੇ ਜੋਖਮਾਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ। ਅਸਲ ਵਿੱਚ, ਸਕਰੀਨ ਇੱਕ ਸਧਾਰਨ ਪ੍ਰਗਤੀ ਪੱਟੀ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੀ ਹੈ: "ਇਕਰਾਰਨਾਮਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨਾ।" ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਇਸ ਨੂੰ ਨਫ਼ਰਤ ਕੀਤੀ. ਸਾਡੀ ਖੋਜ ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਕਿ ਉਹ ਗੁੰਮ ਹੋਈ ਧਾਰਾ ਦੇ ਕਾਨੂੰਨੀ ਪ੍ਰਭਾਵਾਂ ਬਾਰੇ ਚਿੰਤਤ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਇੱਕ ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਕਰਵਾ ਕੇ ਇਸ ਨੂੰ ਠੀਕ ਕੀਤਾ ਹੈ। ਮੈਂ ਇਸ ਲੇਖ ਦੇ ਅੰਤ 'ਤੇ ਇਹ ਆਡਿਟ ਕਰਨ ਲਈ ਇੱਕ ਕਦਮ-ਦਰ-ਕਦਮ ਚੈੱਕਲਿਸਟ ਸ਼ਾਮਲ ਕੀਤੀ ਹੈ। ਅਸੀਂ ਇੰਜੀਨੀਅਰਾਂ ਨਾਲ ਇੱਕ ਸੈਸ਼ਨ ਚਲਾਇਆ ਅਤੇ ਦੱਸਿਆ ਕਿ ਸਿਸਟਮ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਅਸੀਂ "ਫੈਸਲੇ ਬਿੰਦੂਆਂ" ਦੀ ਪਛਾਣ ਕੀਤੀ - ਉਹ ਪਲ ਜਿੱਥੇ AI ਨੂੰ ਦੋ ਚੰਗੇ ਵਿਕਲਪਾਂ ਵਿੱਚੋਂ ਇੱਕ ਦੀ ਚੋਣ ਕਰਨੀ ਪੈਂਦੀ ਸੀ। ਮਿਆਰੀ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮਾਂ ਵਿੱਚ, ਪ੍ਰਕਿਰਿਆ ਸਪਸ਼ਟ ਹੈ: ਜੇਕਰ A ਵਾਪਰਦਾ ਹੈ, ਤਾਂ B ਹਮੇਸ਼ਾ ਵਾਪਰਦਾ ਹੈ। ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ, ਪ੍ਰਕਿਰਿਆ ਅਕਸਰ ਮੌਕੇ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦੀ ਹੈ। AI ਸੋਚਦਾ ਹੈ ਕਿ A ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਕਲਪ ਹੈ, ਪਰ ਇਹ ਸਿਰਫ 65% ਨਿਸ਼ਚਿਤ ਹੋ ਸਕਦਾ ਹੈ। ਕੰਟਰੈਕਟ ਸਿਸਟਮ ਵਿੱਚ, ਸਾਨੂੰ ਇੱਕ ਪਲ ਮਿਲਿਆ ਜਦੋਂ AI ਨੇ ਸਾਡੀ ਕੰਪਨੀ ਦੇ ਨਿਯਮਾਂ ਦੇ ਵਿਰੁੱਧ ਦੇਣਦਾਰੀ ਦੀਆਂ ਸ਼ਰਤਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ। ਇਹ ਸ਼ਾਇਦ ਹੀ ਇੱਕ ਸੰਪੂਰਣ ਮੈਚ ਸੀ. AI ਨੇ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਸੀ ਕਿ ਕੀ 90% ਮੈਚ ਕਾਫ਼ੀ ਚੰਗਾ ਸੀ। ਇਹ ਇੱਕ ਮੁੱਖ ਫੈਸਲਾ ਬਿੰਦੂ ਸੀ.
ਇੱਕ ਵਾਰ ਜਦੋਂ ਅਸੀਂ ਇਸ ਨੋਡ ਦੀ ਪਛਾਣ ਕਰ ਲਈ, ਅਸੀਂ ਇਸਨੂੰ ਉਪਭੋਗਤਾ ਦੇ ਸਾਹਮਣੇ ਪ੍ਰਗਟ ਕੀਤਾ। "ਇਕਰਾਰਨਾਮਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨ" ਦੀ ਬਜਾਏ, ਇੰਟਰਫੇਸ ਨੂੰ ਇਹ ਕਹਿਣ ਲਈ ਅਪਡੇਟ ਕੀਤਾ ਗਿਆ ਹੈ: "ਜ਼ਿੰਮੇਵਾਰੀ ਧਾਰਾ ਮਿਆਰੀ ਟੈਂਪਲੇਟ ਤੋਂ ਵੱਖਰੀ ਹੁੰਦੀ ਹੈ। ਜੋਖਮ ਪੱਧਰ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ।" ਇਸ ਖਾਸ ਅਪਡੇਟ ਨੇ ਯੂਜ਼ਰਸ ਨੂੰ ਭਰੋਸਾ ਦਿੱਤਾ ਹੈ। ਉਹ ਜਾਣਦੇ ਸਨ ਕਿ ਏਜੰਟ ਨੇ ਦੇਣਦਾਰੀ ਧਾਰਾ ਦੀ ਜਾਂਚ ਕੀਤੀ ਹੈ। ਉਨ੍ਹਾਂ ਨੇ ਦੇਰੀ ਦਾ ਕਾਰਨ ਸਮਝ ਲਿਆ ਅਤੇ ਵਿਸ਼ਵਾਸ ਪ੍ਰਾਪਤ ਕੀਤਾ ਕਿ ਲੋੜੀਂਦੀ ਕਾਰਵਾਈ ਪਿਛਲੇ ਪਾਸੇ ਹੋ ਰਹੀ ਹੈ। ਉਹ ਇਹ ਵੀ ਜਾਣਦੇ ਸਨ ਕਿ ਇੱਕ ਵਾਰ ਏਜੰਟ ਦੁਆਰਾ ਇਕਰਾਰਨਾਮਾ ਤਿਆਰ ਕਰਨ ਤੋਂ ਬਾਅਦ ਕਿੱਥੇ ਡੂੰਘੀ ਖੁਦਾਈ ਕਰਨੀ ਹੈ। ਇਹ ਦੇਖਣ ਲਈ ਕਿ AI ਕਿਵੇਂ ਫੈਸਲੇ ਲੈਂਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਆਪਣੇ ਇੰਜੀਨੀਅਰਾਂ, ਉਤਪਾਦ ਪ੍ਰਬੰਧਕਾਂ, ਕਾਰੋਬਾਰੀ ਵਿਸ਼ਲੇਸ਼ਕਾਂ, ਅਤੇ ਮੁੱਖ ਲੋਕਾਂ ਨਾਲ ਮਿਲ ਕੇ ਕੰਮ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਚੋਣਾਂ (ਅਕਸਰ ਲੁਕਵੇਂ) ਕਰ ਰਹੇ ਹਨ ਜੋ AI ਟੂਲ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਟੂਲ ਦੁਆਰਾ ਚੁੱਕੇ ਗਏ ਕਦਮਾਂ ਨੂੰ ਖਿੱਚੋ। ਹਰ ਉਸ ਥਾਂ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਜਿੱਥੇ ਪ੍ਰਕਿਰਿਆ ਦੀ ਦਿਸ਼ਾ ਬਦਲਦੀ ਹੈ ਕਿਉਂਕਿ ਇੱਕ ਸੰਭਾਵਨਾ ਪੂਰੀ ਹੁੰਦੀ ਹੈ। ਇਹ ਉਹ ਸਥਾਨ ਹਨ ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਵਧੇਰੇ ਪਾਰਦਰਸ਼ੀ ਹੋਣ 'ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਹੇਠਾਂ ਚਿੱਤਰ 2 ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ, ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਵਿੱਚ ਇਹ ਕਦਮ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ:
ਟੀਮ ਨੂੰ ਇਕੱਠੇ ਕਰੋ: ਉਤਪਾਦ ਦੇ ਮਾਲਕਾਂ, ਕਾਰੋਬਾਰੀ ਵਿਸ਼ਲੇਸ਼ਕਾਂ, ਡਿਜ਼ਾਈਨਰਾਂ, ਮੁੱਖ ਫੈਸਲੇ ਲੈਣ ਵਾਲਿਆਂ, ਅਤੇ AI ਬਣਾਉਣ ਵਾਲੇ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਲਿਆਓ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਉਤਪਾਦ ਟੀਮ ਬਾਰੇ ਸੋਚੋ ਜੋ ਗੜਬੜ ਵਾਲੇ ਕਾਨੂੰਨੀ ਇਕਰਾਰਨਾਮਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਇੱਕ AI ਟੂਲ ਬਣਾ ਰਿਹਾ ਹੈ। ਟੀਮ ਵਿੱਚ UX ਡਿਜ਼ਾਈਨਰ, ਉਤਪਾਦ ਪ੍ਰਬੰਧਕ, UX ਖੋਜਕਾਰ, ਇੱਕ ਅਭਿਆਸੀ ਵਕੀਲ ਜੋ ਵਿਸ਼ੇ-ਵਿਸ਼ੇ ਦੇ ਮਾਹਰ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਪਾਠ-ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਲਿਖਣ ਵਾਲਾ ਬੈਕਐਂਡ ਇੰਜੀਨੀਅਰ ਸ਼ਾਮਲ ਹੈ।
ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਖਿੱਚੋ: ਉਪਭੋਗਤਾ ਦੀ ਪਹਿਲੀ ਕਾਰਵਾਈ ਤੋਂ ਲੈ ਕੇ ਅੰਤਮ ਨਤੀਜੇ ਤੱਕ, AI ਦੁਆਰਾ ਚੁੱਕੇ ਗਏ ਹਰ ਕਦਮ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ। ਟੀਮ ਇੱਕ ਵ੍ਹਾਈਟਬੋਰਡ 'ਤੇ ਖੜ੍ਹੀ ਹੈ ਅਤੇ ਇੱਕ ਮੁੱਖ ਵਰਕਫਲੋ ਲਈ ਪੂਰੇ ਕ੍ਰਮ ਨੂੰ ਸਕੈਚ ਕਰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਏਆਈ ਦੁਆਰਾ ਇੱਕ ਗੁੰਝਲਦਾਰ ਇਕਰਾਰਨਾਮੇ ਵਿੱਚ ਦੇਣਦਾਰੀ ਧਾਰਾ ਦੀ ਖੋਜ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਵਕੀਲ ਅੱਪਲੋਡ ਕਰਦਾ ਹੈਇੱਕ ਪੰਜਾਹ ਪੰਨਿਆਂ ਦੀ PDF → ਸਿਸਟਮ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਪੜ੍ਹਨਯੋਗ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। → AI ਦੇਣਦਾਰੀ ਦੀਆਂ ਧਾਰਾਵਾਂ ਲਈ ਪੰਨਿਆਂ ਨੂੰ ਸਕੈਨ ਕਰਦਾ ਹੈ। → ਉਪਭੋਗਤਾ ਉਡੀਕ ਕਰਦਾ ਹੈ। → ਪਲਾਂ ਜਾਂ ਮਿੰਟਾਂ ਬਾਅਦ, ਟੂਲ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ ਉੱਤੇ ਪੀਲੇ ਰੰਗ ਵਿੱਚ ਪਾਏ ਗਏ ਪੈਰਿਆਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਉਹ ਇਹ ਬਹੁਤ ਸਾਰੇ ਹੋਰ ਵਰਕਫਲੋ ਲਈ ਕਰਦੇ ਹਨ ਜੋ ਟੂਲ ਵੀ ਅਨੁਕੂਲ ਹੁੰਦਾ ਹੈ।
ਲੱਭੋ ਕਿ ਚੀਜ਼ਾਂ ਕਿੱਥੇ ਅਸਪਸ਼ਟ ਹਨ: ਕਿਸੇ ਵੀ ਥਾਂ ਲਈ ਪ੍ਰਕਿਰਿਆ ਦੇ ਨਕਸ਼ੇ ਨੂੰ ਦੇਖੋ ਜਿੱਥੇ AI ਉਹਨਾਂ ਵਿਕਲਪਾਂ ਜਾਂ ਇਨਪੁੱਟਾਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਇੱਕ ਸੰਪੂਰਨ ਮੇਲ ਨਹੀਂ ਹੈ। ਟੀਮ ਅਸਪਸ਼ਟ ਕਦਮਾਂ ਨੂੰ ਲੱਭਣ ਲਈ ਵ੍ਹਾਈਟਬੋਰਡ ਨੂੰ ਦੇਖਦੀ ਹੈ। ਇੱਕ ਚਿੱਤਰ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲਣਾ ਸਖਤ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ। ਇੱਕ ਖਾਸ ਦੇਣਦਾਰੀ ਧਾਰਾ ਲੱਭਣ ਵਿੱਚ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਸ਼ਾਮਲ ਹੈ। ਹਰ ਫਰਮ ਇਹਨਾਂ ਧਾਰਾਵਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਲਿਖਦੀ ਹੈ, ਇਸਲਈ AI ਨੂੰ ਕਈ ਵਿਕਲਪਾਂ ਨੂੰ ਤੋਲਣਾ ਪੈਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਸਹੀ ਸ਼ਬਦ ਮੇਲ ਲੱਭਣ ਦੀ ਬਜਾਏ ਇੱਕ ਭਵਿੱਖਬਾਣੀ ਕਰਨੀ ਪੈਂਦੀ ਹੈ।
'ਸਭ ਤੋਂ ਵਧੀਆ ਅਨੁਮਾਨ' ਕਦਮਾਂ ਦੀ ਪਛਾਣ ਕਰੋ: ਹਰੇਕ ਅਸਪਸ਼ਟ ਸਥਾਨ ਲਈ, ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਸਿਸਟਮ ਇੱਕ ਭਰੋਸੇ ਦੇ ਸਕੋਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਕੀ ਇਹ 85% ਯਕੀਨੀ ਹੈ?) ਇਹ ਉਹ ਬਿੰਦੂ ਹਨ ਜਿੱਥੇ AI ਅੰਤਿਮ ਚੋਣ ਕਰਦਾ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਹੁੰਦਾ ਹੈ (ਸੰਭਾਵਨਾ ਦੇਣਾ) ਕਿਹੜਾ ਪੈਰੇ (ਆਂ) ਇੱਕ ਮਿਆਰੀ ਦੇਣਦਾਰੀ ਧਾਰਾ ਨਾਲ ਮਿਲਦੇ-ਜੁਲਦੇ ਹਨ। ਇਹ ਆਪਣੇ ਸਭ ਤੋਂ ਵਧੀਆ ਅੰਦਾਜ਼ੇ ਲਈ ਇੱਕ ਵਿਸ਼ਵਾਸ ਸਕੋਰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। ਇਹ ਅਨੁਮਾਨ ਇੱਕ ਫੈਸਲਾ ਨੋਡ ਹੈ. ਇੰਟਰਫੇਸ ਨੂੰ ਵਕੀਲ ਨੂੰ ਇਹ ਦੱਸਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਇਹ ਇੱਕ ਸੰਭਾਵੀ ਮੈਚ ਨੂੰ ਉਜਾਗਰ ਕਰ ਰਿਹਾ ਹੈ, ਨਾ ਕਿ ਇਹ ਦੱਸਣ ਦੀ ਬਜਾਏ ਕਿ ਇਹ ਨਿਸ਼ਚਤ ਧਾਰਾ ਲੱਭੀ ਹੈ।
ਚੋਣ ਦੀ ਜਾਂਚ ਕਰੋ: ਹਰੇਕ ਚੋਣ ਬਿੰਦੂ ਲਈ, ਕੀਤੇ ਜਾ ਰਹੇ ਖਾਸ ਅੰਦਰੂਨੀ ਗਣਿਤ ਜਾਂ ਤੁਲਨਾ ਦਾ ਪਤਾ ਲਗਾਓ (ਉਦਾਹਰਣ ਵਜੋਂ, ਕਿਸੇ ਇਕਰਾਰਨਾਮੇ ਦੇ ਕਿਸੇ ਹਿੱਸੇ ਦਾ ਪਾਲਿਸੀ ਨਾਲ ਮੇਲ ਕਰਨਾ ਜਾਂ ਖਰਾਬ ਕਾਰ ਦੀਆਂ ਫੋਟੋਆਂ ਦੀ ਲਾਇਬ੍ਰੇਰੀ ਨਾਲ ਟੁੱਟੀ ਹੋਈ ਕਾਰ ਦੀ ਤਸਵੀਰ ਦੀ ਤੁਲਨਾ ਕਰਨਾ)। ਇੰਜੀਨੀਅਰ ਦੱਸਦਾ ਹੈ ਕਿ ਸਿਸਟਮ ਪਿਛਲੇ ਫਰਮ ਕੇਸਾਂ ਤੋਂ ਮਿਆਰੀ ਦੇਣਦਾਰੀ ਧਾਰਾਵਾਂ ਦੇ ਡੇਟਾਬੇਸ ਦੇ ਨਾਲ ਵੱਖ-ਵੱਖ ਪੈਰਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ। ਇਹ ਸੰਭਾਵਨਾਵਾਂ ਦੇ ਅਧਾਰ 'ਤੇ ਮੈਚ ਦਾ ਫੈਸਲਾ ਕਰਨ ਲਈ ਇੱਕ ਟੈਕਸਟ ਸਮਾਨਤਾ ਸਕੋਰ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ।
ਸਪਸ਼ਟ ਵਿਆਖਿਆਵਾਂ ਲਿਖੋ: ਉਪਭੋਗਤਾ ਲਈ ਸੁਨੇਹੇ ਬਣਾਓ ਜੋ AI ਦੁਆਰਾ ਚੋਣ ਕਰਨ ਵੇਲੇ ਹੋਣ ਵਾਲੀ ਖਾਸ ਅੰਦਰੂਨੀ ਕਾਰਵਾਈ ਦਾ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਵਰਣਨ ਕਰਦੇ ਹਨ। ਸਮੱਗਰੀ ਡਿਜ਼ਾਈਨਰ ਇਸ ਸਹੀ ਪਲ ਲਈ ਇੱਕ ਖਾਸ ਸੰਦੇਸ਼ ਲਿਖਦਾ ਹੈ। ਟੈਕਸਟ ਪੜ੍ਹਦਾ ਹੈ: ਸੰਭਾਵੀ ਦੇਣਦਾਰੀ ਜੋਖਮਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਦਸਤਾਵੇਜ਼ ਟੈਕਸਟ ਦੀ ਮਿਆਰੀ ਫਰਮ ਧਾਰਾਵਾਂ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ।
ਸਕ੍ਰੀਨ ਨੂੰ ਅੱਪਡੇਟ ਕਰੋ: "ਇਕਰਾਰਨਾਮਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨਾ" ਵਰਗੇ ਅਸਪਸ਼ਟ ਸੁਨੇਹਿਆਂ ਨੂੰ ਬਦਲਦੇ ਹੋਏ, ਇਹਨਾਂ ਨਵੇਂ, ਸਪਸ਼ਟ ਵਿਆਖਿਆਵਾਂ ਨੂੰ ਉਪਭੋਗਤਾ ਇੰਟਰਫੇਸ ਵਿੱਚ ਪਾਓ। ਡਿਜ਼ਾਈਨ ਟੀਮ ਆਮ ਪ੍ਰੋਸੈਸਿੰਗ PDF ਲੋਡਿੰਗ ਸਪਿਨਰ ਨੂੰ ਹਟਾਉਂਦੀ ਹੈ। ਉਹ ਨਵੀਂ ਵਿਆਖਿਆ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਦਰਸ਼ਕ ਦੇ ਉੱਪਰ ਸਥਿਤ ਸਥਿਤੀ ਪੱਟੀ ਵਿੱਚ ਸੰਮਿਲਿਤ ਕਰਦੇ ਹਨ ਜਦੋਂ ਕਿ AI ਸੋਚਦਾ ਹੈ।
ਭਰੋਸੇ ਲਈ ਜਾਂਚ ਕਰੋ: ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਨਵੇਂ ਸਕ੍ਰੀਨ ਸੁਨੇਹੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕਿਸੇ ਵੀ ਉਡੀਕ ਸਮੇਂ ਜਾਂ ਨਤੀਜੇ ਲਈ ਇੱਕ ਸਧਾਰਨ ਕਾਰਨ ਦਿੰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਉਹਨਾਂ ਨੂੰ ਵਧੇਰੇ ਵਿਸ਼ਵਾਸ ਅਤੇ ਭਰੋਸੇਮੰਦ ਮਹਿਸੂਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
ਪ੍ਰਭਾਵ/ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਏਆਈ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਨੇੜਿਓਂ ਵੇਖਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਬਹੁਤ ਸਾਰੇ ਬਿੰਦੂ ਮਿਲਣਗੇ ਜਿੱਥੇ ਇਹ ਚੋਣ ਕਰਦਾ ਹੈ। ਇੱਕ ਏਆਈ ਇੱਕ ਇੱਕਲੇ ਗੁੰਝਲਦਾਰ ਕੰਮ ਲਈ ਦਰਜਨਾਂ ਛੋਟੀਆਂ ਚੋਣਾਂ ਕਰ ਸਕਦਾ ਹੈ। ਉਹਨਾਂ ਸਾਰਿਆਂ ਨੂੰ ਦਿਖਾਉਣਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬੇਲੋੜੀ ਜਾਣਕਾਰੀ ਬਣਾਉਂਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਇਹਨਾਂ ਚੋਣਾਂ ਦਾ ਸਮੂਹ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਤੁਸੀਂ AI ਦੁਆਰਾ ਕੀਤੀਆਂ ਜਾ ਰਹੀਆਂ ਕਾਰਵਾਈਆਂ ਦੀਆਂ ਕਿਸਮਾਂ ਦੇ ਅਧਾਰ 'ਤੇ ਇਹਨਾਂ ਚੋਣਾਂ ਨੂੰ ਛਾਂਟਣ ਲਈ ਇੱਕ ਪ੍ਰਭਾਵ/ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। ਇੱਥੇ ਪ੍ਰਭਾਵ/ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਹਨ: ਪਹਿਲਾਂ, ਘੱਟ-ਦਾਅ ਅਤੇ ਘੱਟ ਪ੍ਰਭਾਵ ਵਾਲੇ ਫੈਸਲਿਆਂ ਦੀ ਭਾਲ ਕਰੋ। ਘੱਟ ਸਟੇਕਸ / ਘੱਟ ਪ੍ਰਭਾਵ
ਉਦਾਹਰਨ: ਇੱਕ ਫਾਈਲ ਢਾਂਚੇ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨਾ ਜਾਂ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਦਾ ਨਾਮ ਬਦਲਣਾ। ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਲੋੜ: ਨਿਊਨਤਮ। ਇੱਕ ਸੂਖਮ ਟੋਸਟ ਸੂਚਨਾ ਜਾਂ ਇੱਕ ਲੌਗ ਐਂਟਰੀ ਕਾਫੀ ਹੈ। ਉਪਭੋਗਤਾ ਇਹਨਾਂ ਕਾਰਵਾਈਆਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਅਨਡੂ ਕਰ ਸਕਦੇ ਹਨ।
ਫਿਰ ਉੱਚ-ਦਾਅ ਅਤੇ ਉੱਚ-ਪ੍ਰਭਾਵ ਵਾਲੇ ਫੈਸਲਿਆਂ ਦੀ ਪਛਾਣ ਕਰੋ। ਉੱਚ ਸਟੇਕਸ / ਉੱਚ ਪ੍ਰਭਾਵ
ਉਦਾਹਰਨ: ਲੋਨ ਦੀ ਅਰਜ਼ੀ ਨੂੰ ਰੱਦ ਕਰਨਾ ਜਾਂ ਸਟਾਕ ਵਪਾਰ ਨੂੰ ਚਲਾਉਣਾ। ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਲੋੜ: ਉੱਚ. ਇਹਨਾਂ ਕਾਰਵਾਈਆਂ ਲਈ ਕੰਮ ਦੇ ਸਬੂਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਜਾਂ ਤੁਰੰਤ ਤਰਕ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ।
ਇੱਕ ਵਿੱਤੀ ਵਪਾਰ ਬੋਟ 'ਤੇ ਵਿਚਾਰ ਕਰੋ ਜੋ ਸਾਰੇ ਖਰੀਦ/ਵੇਚਣ ਦੇ ਆਦੇਸ਼ਾਂ ਨੂੰ ਇੱਕੋ ਜਿਹਾ ਸਮਝਦਾ ਹੈ। ਇਹ $50,000 ਦੇ ਵਪਾਰ ਦੇ ਬਰਾਬਰ ਧੁੰਦਲਾਪਨ ਨਾਲ $5 ਦਾ ਵਪਾਰ ਕਰਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਸਵਾਲ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕੀ ਇਹ ਸਾਧਨ ਵੱਡੀ ਡਾਲਰ ਦੀ ਰਕਮ 'ਤੇ ਵਪਾਰ 'ਤੇ ਪਾਰਦਰਸ਼ਤਾ ਦੇ ਸੰਭਾਵੀ ਪ੍ਰਭਾਵ ਨੂੰ ਪਛਾਣਦਾ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਉੱਚ-ਦਾਅ ਵਾਲੇ ਵਪਾਰਾਂ ਲਈ ਇਸ ਦੇ ਕੰਮ ਨੂੰ ਰੋਕਣ ਅਤੇ ਦਿਖਾਉਣ ਲਈ ਸਿਸਟਮ ਦੀ ਲੋੜ ਹੈ। ਹੱਲ ਇਹ ਹੈ ਕਿ ਕਿਸੇ ਖਾਸ ਡਾਲਰ ਦੀ ਰਕਮ ਤੋਂ ਵੱਧ ਦੇ ਕਿਸੇ ਵੀ ਲੈਣ-ਦੇਣ ਲਈ ਇੱਕ ਸਮੀਖਿਆ ਤਰਕ ਸਥਿਤੀ ਪੇਸ਼ ਕੀਤੀ ਜਾਵੇ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾ ਨੂੰ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਤੋਂ ਪਹਿਲਾਂ ਫੈਸਲੇ ਨੂੰ ਚਲਾਉਣ ਵਾਲੇ ਕਾਰਕਾਂ ਨੂੰ ਦੇਖਣ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲਦੀ ਹੈ। ਪੈਟਰਨਾਂ ਲਈ ਨੋਡਸ ਦੀ ਮੈਪਿੰਗ: ਇੱਕ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨ ਚੋਣ ਰੁਬਰਿਕ ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੇ ਅਨੁਭਵ ਦੇ ਮੁੱਖ ਫੈਸਲੇ ਨੋਡਾਂ ਦੀ ਪਛਾਣ ਕਰ ਲੈਂਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਦੁਆਰਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਹਰੇਕ 'ਤੇ ਕਿਹੜਾ UI ਪੈਟਰਨ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਏਜੰਟਿਕ AI ਲਈ ਡਿਜ਼ਾਈਨਿੰਗ ਵਿੱਚ, ਅਸੀਂ ਇੰਟੈਂਟ ਪੂਰਵਦਰਸ਼ਨ (ਉੱਚ-ਸਟੇਕ ਨਿਯੰਤਰਣ ਲਈ) ਅਤੇ ਐਕਸ਼ਨ ਆਡਿਟ (ਪਿਛਲੀ ਸੁਰੱਖਿਆ ਲਈ) ਵਰਗੇ ਪੈਟਰਨ ਪੇਸ਼ ਕੀਤੇ ਹਨ। ਉਹਨਾਂ ਵਿਚਕਾਰ ਚੋਣ ਕਰਨ ਦਾ ਨਿਰਣਾਇਕ ਕਾਰਕ ਉਲਟਾ ਹੈ। ਅਸੀਂ ਹਰ ਇੱਕ ਨੂੰ ਫਿਲਟਰ ਕਰਦੇ ਹਾਂਸਹੀ ਪੈਟਰਨ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਪ੍ਰਭਾਵ ਮੈਟ੍ਰਿਕਸ ਦੁਆਰਾ ਫੈਸਲਾ ਨੋਡ: ਉੱਚ ਸਟੇਕਸ ਅਤੇ ਅਟੱਲ: ਇਹਨਾਂ ਨੋਡਾਂ ਲਈ ਇੱਕ ਇਰਾਦੇ ਪ੍ਰੀਵਿਊ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕਿਉਂਕਿ ਉਪਭੋਗਤਾ ਆਸਾਨੀ ਨਾਲ ਕਾਰਵਾਈ ਨੂੰ ਅਨਡੂ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਡੇਟਾਬੇਸ ਨੂੰ ਸਥਾਈ ਤੌਰ 'ਤੇ ਮਿਟਾਉਣਾ), ਪਾਰਦਰਸ਼ਤਾ ਪਲ ਨੂੰ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਤੋਂ ਪਹਿਲਾਂ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਰੁਕਣਾ ਚਾਹੀਦਾ ਹੈ, ਇਸਦੇ ਇਰਾਦੇ ਦੀ ਵਿਆਖਿਆ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਅਤੇ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ। ਉੱਚ ਸਟੇਕਸ ਅਤੇ ਉਲਟਾਉਣ ਯੋਗ: ਇਹ ਨੋਡ ਐਕਸ਼ਨ ਆਡਿਟ ਅਤੇ ਅਨਡੂ ਪੈਟਰਨ 'ਤੇ ਭਰੋਸਾ ਕਰ ਸਕਦੇ ਹਨ। ਜੇਕਰ AI-ਸੰਚਾਲਿਤ ਸੇਲਜ਼ ਏਜੰਟ ਇੱਕ ਵੱਖਰੀ ਪਾਈਪਲਾਈਨ ਵੱਲ ਲੀਡ ਨੂੰ ਲੈ ਕੇ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਉਦੋਂ ਤੱਕ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਅਜਿਹਾ ਕਰ ਸਕਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਇਹ ਉਪਭੋਗਤਾ ਨੂੰ ਸੂਚਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਤੁਰੰਤ ਅਨਡੂ ਬਟਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ। ਇਸ ਤਰੀਕੇ ਨਾਲ ਨੋਡਸ ਨੂੰ ਸਖਤੀ ਨਾਲ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਕੇ, ਅਸੀਂ "ਚੇਤਾਵਨੀ ਥਕਾਵਟ" ਤੋਂ ਬਚਦੇ ਹਾਂ। ਹੋਰ ਹਰ ਚੀਜ਼ ਲਈ ਗਤੀ ਬਣਾਈ ਰੱਖਣ ਲਈ ਐਕਸ਼ਨ ਆਡਿਟ 'ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹੋਏ, ਅਸੀਂ ਉੱਚ-ਰਘੜ ਇਰਾਦੇ ਦੀ ਪੂਰਵਦਰਸ਼ਨ ਨੂੰ ਸਿਰਫ਼ ਸੱਚਮੁੱਚ ਨਾ ਬਦਲਣਯੋਗ ਪਲਾਂ ਲਈ ਰਾਖਵਾਂ ਰੱਖਦੇ ਹਾਂ।
ਉਲਟਾਉਣਯੋਗ ਅਟੱਲ ਘੱਟ ਪ੍ਰਭਾਵ ਕਿਸਮ: ਆਟੋ-ਐਗਜ਼ੀਕਿਊਟਯੂਆਈ: ਪੈਸਿਵ ਟੋਸਟ / ਲੌਗਐਕਸ: ਇੱਕ ਫਾਈਲ ਦਾ ਨਾਮ ਬਦਲਣਾ ਕਿਸਮ: ConfirmUI: ਸਧਾਰਨ ਅਨਡੂ ਵਿਕਲਪEx: ਇੱਕ ਈਮੇਲ ਨੂੰ ਆਰਕਾਈਵ ਕਰਨਾ ਉੱਚ ਪ੍ਰਭਾਵ ਕਿਸਮ: ਰੀਵਿਊਯੂਆਈ: ਨੋਟੀਫਿਕੇਸ਼ਨ + ਰੀਵਿਊ ਟ੍ਰੇਲਐਕਸ: ਕਲਾਇੰਟ ਨੂੰ ਡਰਾਫਟ ਭੇਜਣਾ ਕਿਸਮ: ਇਰਾਦਾ ਪੂਰਵਦਰਸ਼ਨਯੂਆਈ: ਮਾਡਲ / ਸਪਸ਼ਟ ਇਜਾਜ਼ਤEx: ਸਰਵਰ ਨੂੰ ਮਿਟਾਉਣਾ
ਸਾਰਣੀ 1: ਪ੍ਰਭਾਵ ਅਤੇ ਰਿਵਰਸਬਿਲਟੀ ਮੈਟ੍ਰਿਕਸ ਦੀ ਵਰਤੋਂ ਫਿਰ ਤੁਹਾਡੇ ਪਾਰਦਰਸ਼ਤਾ ਦੇ ਪਲਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨਾਂ ਲਈ ਮੈਪ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਗੁਣਾਤਮਕ ਪ੍ਰਮਾਣਿਕਤਾ: "ਉਡੀਕ, ਕਿਉਂ?" ਟੈਸਟ ਤੁਸੀਂ ਵ੍ਹਾਈਟਬੋਰਡ 'ਤੇ ਸੰਭਾਵੀ ਨੋਡਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹੋ, ਪਰ ਤੁਹਾਨੂੰ ਉਹਨਾਂ ਨੂੰ ਮਨੁੱਖੀ ਵਿਵਹਾਰ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਕਿ ਕੀ ਤੁਹਾਡਾ ਨਕਸ਼ਾ ਉਪਭੋਗਤਾ ਦੇ ਮਾਨਸਿਕ ਮਾਡਲ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਮੈਂ ਇੱਕ ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ ਜਿਸਨੂੰ "ਉਡੀਕ ਕਰੋ, ਕਿਉਂ?" ਟੈਸਟ. ਕਿਸੇ ਉਪਭੋਗਤਾ ਨੂੰ ਏਜੰਟ ਨੂੰ ਇੱਕ ਕੰਮ ਪੂਰਾ ਕਰਦੇ ਹੋਏ ਦੇਖਣ ਲਈ ਕਹੋ। ਉਹਨਾਂ ਨੂੰ ਉੱਚੀ ਆਵਾਜ਼ ਵਿੱਚ ਬੋਲਣ ਲਈ ਕਹੋ। ਜਦੋਂ ਵੀ ਉਹ ਕੋਈ ਸਵਾਲ ਪੁੱਛਦੇ ਹਨ, "ਉਡੀਕ ਕਰੋ, ਅਜਿਹਾ ਕਿਉਂ ਕੀਤਾ?" ਜਾਂ "ਕੀ ਇਹ ਫਸਿਆ ਹੋਇਆ ਹੈ?" ਜਾਂ "ਕੀ ਇਸਨੇ ਮੈਨੂੰ ਸੁਣਿਆ?" - ਤੁਸੀਂ ਇੱਕ ਟਾਈਮਸਟੈਂਪ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰਦੇ ਹੋ। ਇਹ ਸਵਾਲ ਉਪਭੋਗਤਾ ਉਲਝਣ ਦਾ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ। ਉਪਭੋਗਤਾ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਦਾ ਨਿਯੰਤਰਣ ਖਿਸਕਦਾ ਜਾ ਰਿਹਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਹੈਲਥਕੇਅਰ ਸ਼ਡਿਊਲਿੰਗ ਅਸਿਸਟੈਂਟ ਲਈ ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ, ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਏਜੰਟ ਨੂੰ ਇੱਕ ਮੁਲਾਕਾਤ ਬੁੱਕ ਕਰਦੇ ਦੇਖਿਆ। ਸਕਰੀਨ ਚਾਰ ਸਕਿੰਟਾਂ ਲਈ ਸਥਿਰ ਬੈਠੀ ਸੀ। ਭਾਗੀਦਾਰਾਂ ਨੇ ਲਗਾਤਾਰ ਪੁੱਛਿਆ, "ਕੀ ਇਹ ਮੇਰੇ ਕੈਲੰਡਰ ਦੀ ਜਾਂਚ ਕਰ ਰਿਹਾ ਹੈ ਜਾਂ ਡਾਕਟਰ ਦਾ?"
ਇਸ ਸਵਾਲ ਨੇ ਪਾਰਦਰਸ਼ਤਾ ਦੇ ਇੱਕ ਗੁੰਮ ਹੋਏ ਪਲ ਨੂੰ ਪ੍ਰਗਟ ਕੀਤਾ। ਸਿਸਟਮ ਨੂੰ ਉਸ ਚਾਰ-ਸਕਿੰਟ ਉਡੀਕ ਨੂੰ ਦੋ ਵੱਖ-ਵੱਖ ਪੜਾਵਾਂ ਵਿੱਚ ਵੰਡਣ ਦੀ ਲੋੜ ਸੀ: "ਆਪਣੀ ਉਪਲਬਧਤਾ ਦੀ ਜਾਂਚ" ਅਤੇ "ਪ੍ਰਦਾਤਾ ਅਨੁਸੂਚੀ ਨਾਲ ਸਮਕਾਲੀਕਰਨ" ਤੋਂ ਬਾਅਦ। ਇਸ ਛੋਟੀ ਜਿਹੀ ਤਬਦੀਲੀ ਨੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਚਿੰਤਾ ਦੇ ਪ੍ਰਗਟਾਵੇ ਦੇ ਪੱਧਰ ਨੂੰ ਘਟਾ ਦਿੱਤਾ। ਪਾਰਦਰਸ਼ਤਾ ਫੇਲ੍ਹ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਇਹ ਕੇਵਲ ਇੱਕ ਸਿਸਟਮ ਕਾਰਵਾਈ ਦਾ ਵਰਣਨ ਕਰਦੀ ਹੈ। ਇੰਟਰਫੇਸ ਨੂੰ ਤਕਨੀਕੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਉਪਭੋਗਤਾ ਦੇ ਖਾਸ ਟੀਚੇ ਨਾਲ ਜੋੜਨਾ ਚਾਹੀਦਾ ਹੈ। "ਤੁਹਾਡੀ ਉਪਲਬਧਤਾ ਦੀ ਜਾਂਚ" ਦਿਖਾਉਣ ਵਾਲੀ ਇੱਕ ਸਕ੍ਰੀਨ ਫਲੈਟ ਡਿੱਗਦੀ ਹੈ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਸੰਦਰਭ ਦੀ ਘਾਟ ਹੈ। ਉਪਭੋਗਤਾ ਸਮਝਦਾ ਹੈ ਕਿ AI ਇੱਕ ਕੈਲੰਡਰ ਨੂੰ ਦੇਖ ਰਿਹਾ ਹੈ, ਪਰ ਉਹ ਨਹੀਂ ਜਾਣਦੇ ਕਿ ਕਿਉਂ. ਸਾਨੂੰ ਕਾਰਵਾਈ ਨੂੰ ਨਤੀਜੇ ਨਾਲ ਜੋੜਨਾ ਚਾਹੀਦਾ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਉਸ ਚਾਰ-ਸਕਿੰਟ ਉਡੀਕ ਨੂੰ ਦੋ ਵੱਖ-ਵੱਖ ਪੜਾਵਾਂ ਵਿੱਚ ਵੰਡਣ ਦੀ ਲੋੜ ਹੈ। ਪਹਿਲਾਂ, ਇੰਟਰਫੇਸ "ਖੁੱਲ੍ਹੇ ਸਮੇਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਆਪਣੇ ਕੈਲੰਡਰ ਦੀ ਜਾਂਚ ਕਰਨਾ" ਦਿਖਾਉਂਦਾ ਹੈ। ਫਿਰ ਇਹ "ਤੁਹਾਡੀ ਮੁਲਾਕਾਤ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ ਪ੍ਰਦਾਤਾ ਦੇ ਅਨੁਸੂਚੀ ਨਾਲ ਸਮਕਾਲੀਕਰਨ" ਵਿੱਚ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਪਭੋਗਤਾ ਦੇ ਅਸਲ ਜੀਵਨ ਵਿੱਚ ਤਕਨੀਕੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਧਾਰ ਬਣਾਉਂਦਾ ਹੈ। ਇੱਕ ਸਥਾਨਕ ਕੈਫੇ ਲਈ ਇੱਕ AI ਪ੍ਰਬੰਧਨ ਵਸਤੂ 'ਤੇ ਵਿਚਾਰ ਕਰੋ। ਸਿਸਟਮ ਨੂੰ ਸਪਲਾਈ ਦੀ ਕਮੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। "ਵਿਕਰੇਤਾ ਨਾਲ ਸੰਪਰਕ ਕਰਨਾ" ਜਾਂ "ਸਮੀਖਿਆ ਵਿਕਲਪਾਂ" ਨੂੰ ਪੜ੍ਹਨ ਵਾਲਾ ਇੱਕ ਇੰਟਰਫੇਸ ਚਿੰਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਮੈਨੇਜਰ ਹੈਰਾਨ ਹੁੰਦਾ ਹੈ ਕਿ ਕੀ ਸਿਸਟਮ ਆਰਡਰ ਨੂੰ ਰੱਦ ਕਰ ਰਿਹਾ ਹੈ ਜਾਂ ਕੋਈ ਮਹਿੰਗਾ ਬਦਲ ਖਰੀਦ ਰਿਹਾ ਹੈ। ਇੱਕ ਬਿਹਤਰ ਪਹੁੰਚ ਹੈ ਇੱਛਤ ਨਤੀਜੇ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ: "ਤੁਹਾਡੇ ਸ਼ੁੱਕਰਵਾਰ ਦੀ ਡਿਲੀਵਰੀ ਅਨੁਸੂਚੀ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਵਿਕਲਪਕ ਸਪਲਾਇਰਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ।" ਇਹ ਉਪਭੋਗਤਾ ਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ AI ਕੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਆਡਿਟ ਨੂੰ ਸੰਚਾਲਿਤ ਕਰਨਾ ਤੁਸੀਂ ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਨੂੰ ਪੂਰਾ ਕਰ ਲਿਆ ਹੈ ਅਤੇ ਪ੍ਰਭਾਵ ਅਤੇ ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਦੁਆਰਾ ਆਪਣੀ ਸੂਚੀ ਨੂੰ ਫਿਲਟਰ ਕੀਤਾ ਹੈ। ਤੁਹਾਡੇ ਕੋਲ ਹੁਣ ਪਾਰਦਰਸ਼ੀ ਹੋਣ ਲਈ ਜ਼ਰੂਰੀ ਪਲਾਂ ਦੀ ਸੂਚੀ ਹੈ। ਅੱਗੇ, ਤੁਹਾਨੂੰ ਉਹਨਾਂ ਨੂੰ UI ਵਿੱਚ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਕਦਮ ਲਈ ਵੱਖ-ਵੱਖ ਵਿਭਾਗਾਂ ਵਿੱਚ ਟੀਮ ਵਰਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਤੁਸੀਂ ਇੱਕ ਡਿਜ਼ਾਈਨ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਆਪ ਪਾਰਦਰਸ਼ਤਾ ਨਹੀਂ ਬਣਾ ਸਕਦੇ ਹੋ। ਤੁਹਾਨੂੰ ਇਹ ਸਮਝਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਕਿ ਸਿਸਟਮ ਸੀਨ ਦੇ ਪਿੱਛੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਤਰਕ ਸਮੀਖਿਆ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ। ਆਪਣੇ ਲੀਡ ਸਿਸਟਮ ਡਿਜ਼ਾਈਨਰ ਨਾਲ ਮਿਲੋ। ਫੈਸਲਾ ਨੋਡਾਂ ਦਾ ਆਪਣਾ ਨਕਸ਼ਾ ਲਿਆਓ। ਤੁਹਾਨੂੰ ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਕਿ ਸਿਸਟਮ ਅਸਲ ਵਿੱਚ ਇਹਨਾਂ ਰਾਜਾਂ ਨੂੰ ਸਾਂਝਾ ਕਰ ਸਕਦਾ ਹੈ। ਮੈਨੂੰ ਅਕਸਰ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਤਕਨੀਕੀ ਪ੍ਰਣਾਲੀ ਸਹੀ ਸਥਿਤੀ ਨੂੰ ਪ੍ਰਗਟ ਨਹੀਂ ਕਰਦੀ ਜੋ ਮੈਂ ਦਿਖਾਉਣਾ ਚਾਹੁੰਦਾ ਹਾਂ। ਇੰਜੀਨੀਅਰ ਕਹਿ ਸਕਦਾ ਹੈ ਕਿ ਸਿਸਟਮ ਸਿਰਫ਼ ਇੱਕ ਆਮ "ਵਰਕਿੰਗ" ਸਥਿਤੀ ਵਾਪਸ ਕਰਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਅੱਪਡੇਟ ਲਈ ਜ਼ੋਰ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਇੱਕ ਖਾਸ ਨੋਟਿਸ ਭੇਜਣ ਲਈ ਸਿਸਟਮ ਦੀ ਲੋੜ ਹੈਜਦੋਂ ਇਹ ਟੈਕਸਟ ਪੜ੍ਹਨ ਤੋਂ ਨਿਯਮਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਬਦਲਦਾ ਹੈ। ਉਸ ਤਕਨੀਕੀ ਕੁਨੈਕਸ਼ਨ ਤੋਂ ਬਿਨਾਂ, ਤੁਹਾਡਾ ਡਿਜ਼ਾਈਨ ਬਣਾਉਣਾ ਅਸੰਭਵ ਹੈ। ਅੱਗੇ, ਸਮੱਗਰੀ ਡਿਜ਼ਾਈਨ ਟੀਮ ਨੂੰ ਸ਼ਾਮਲ ਕਰੋ। ਤੁਹਾਡੇ ਕੋਲ AI ਦੀ ਕਾਰਵਾਈ ਦਾ ਤਕਨੀਕੀ ਕਾਰਨ ਹੈ, ਪਰ ਤੁਹਾਨੂੰ ਇੱਕ ਸਪਸ਼ਟ, ਮਨੁੱਖੀ-ਅਨੁਕੂਲ ਵਿਆਖਿਆ ਦੀ ਲੋੜ ਹੈ। ਇੰਜੀਨੀਅਰ ਅੰਡਰਲਾਈੰਗ ਪ੍ਰਕਿਰਿਆ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਪਰ ਸਮੱਗਰੀ ਡਿਜ਼ਾਈਨਰ ਇਸ ਨੂੰ ਸੰਚਾਰਿਤ ਕਰਨ ਦਾ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਹ ਸੰਦੇਸ਼ ਇਕੱਲੇ ਨਾ ਲਿਖੋ। ਇੱਕ ਡਿਵੈਲਪਰ "ਐਗਜ਼ੀਕਿਊਟਿੰਗ ਫੰਕਸ਼ਨ 402" ਲਿਖ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਸਹੀ ਹੈ ਪਰ ਉਪਭੋਗਤਾ ਲਈ ਅਰਥਹੀਣ ਹੈ। ਇੱਕ ਡਿਜ਼ਾਈਨਰ "ਸੋਚ" ਲਿਖ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਦੋਸਤਾਨਾ ਹੈ ਪਰ ਬਹੁਤ ਅਸਪਸ਼ਟ ਹੈ। ਇੱਕ ਸਮੱਗਰੀ ਰਣਨੀਤੀਕਾਰ ਸਹੀ ਮੱਧ ਜ਼ਮੀਨ ਲੱਭਦਾ ਹੈ. ਉਹ ਖਾਸ ਵਾਕਾਂਸ਼ ਬਣਾਉਂਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ "ਜ਼ਿੰਮੇਵਾਰੀ ਦੇ ਜੋਖਮਾਂ ਲਈ ਸਕੈਨਿੰਗ", ਜੋ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ AI ਉਪਭੋਗਤਾ ਨੂੰ ਉਲਝਣ ਤੋਂ ਬਿਨਾਂ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ। ਅੰਤ ਵਿੱਚ, ਆਪਣੇ ਸੁਨੇਹਿਆਂ ਦੀ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਜਾਂਚ ਕਰੋ। ਇਹ ਦੇਖਣ ਲਈ ਕਿ ਕੀ ਟੈਕਸਟ ਕੰਮ ਕਰਦਾ ਹੈ, ਅੰਤਿਮ ਉਤਪਾਦ ਬਣਨ ਤੱਕ ਉਡੀਕ ਨਾ ਕਰੋ। ਮੈਂ ਸਧਾਰਣ ਪ੍ਰੋਟੋਟਾਈਪਾਂ 'ਤੇ ਤੁਲਨਾਤਮਕ ਟੈਸਟਾਂ ਦਾ ਸੰਚਾਲਨ ਕਰਦਾ ਹਾਂ ਜਿੱਥੇ ਇਕੋ ਚੀਜ਼ ਜੋ ਬਦਲਦੀ ਹੈ ਸਥਿਤੀ ਸੁਨੇਹਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਮੈਂ ਇੱਕ ਸਮੂਹ (ਗਰੁੱਪ A) ਨੂੰ ਇੱਕ ਸੁਨੇਹਾ ਦਿਖਾਉਂਦਾ ਹਾਂ ਜੋ "ਪਛਾਣ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ" ਕਹਿੰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਹੋਰ ਸਮੂਹ (ਗਰੁੱਪ B) ਨੂੰ ਇੱਕ ਸੁਨੇਹਾ ਦਿਖਾਉਂਦਾ ਹਾਂ ਜੋ ਕਹਿੰਦਾ ਹੈ "ਸਰਕਾਰੀ ਡੇਟਾਬੇਸ ਦੀ ਜਾਂਚ ਕਰ ਰਿਹਾ ਹੈ" (ਇਹ ਬਣੀਆਂ ਹੋਈਆਂ ਉਦਾਹਰਣਾਂ ਹਨ, ਪਰ ਤੁਸੀਂ ਇਸ ਗੱਲ ਨੂੰ ਸਮਝਦੇ ਹੋ)। ਫਿਰ ਮੈਂ ਉਨ੍ਹਾਂ ਨੂੰ ਪੁੱਛਦਾ ਹਾਂ ਕਿ ਕਿਹੜਾ AI ਸੁਰੱਖਿਅਤ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਅਕਸਰ ਪਤਾ ਲੱਗੇਗਾ ਕਿ ਕੁਝ ਸ਼ਬਦ ਚਿੰਤਾ ਦਾ ਕਾਰਨ ਬਣਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਦੂਸਰੇ ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਤੁਹਾਨੂੰ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਕੁਝ ਅਜਿਹਾ ਸਮਝਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਸਦੀ ਤੁਹਾਨੂੰ ਜਾਂਚ ਕਰਨ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਾਬਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਡਿਜ਼ਾਈਨ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ ਇਹਨਾਂ ਆਡਿਟਾਂ ਦਾ ਸੰਚਾਲਨ ਕਰਨ ਨਾਲ ਇੱਕ ਟੀਮ ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਅਸੀਂ ਪਾਲਿਸ਼ਡ ਡਿਜ਼ਾਈਨ ਫਾਈਲਾਂ ਨੂੰ ਸੌਂਪਣਾ ਬੰਦ ਕਰ ਦਿੰਦੇ ਹਾਂ। ਅਸੀਂ ਗੜਬੜ ਵਾਲੇ ਪ੍ਰੋਟੋਟਾਈਪਾਂ ਅਤੇ ਸਾਂਝੀਆਂ ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦੇ ਹਾਂ। ਕੋਰ ਟੂਲ ਇੱਕ ਪਾਰਦਰਸ਼ਤਾ ਮੈਟ੍ਰਿਕਸ ਬਣ ਜਾਂਦਾ ਹੈ। ਇੰਜੀਨੀਅਰ ਅਤੇ ਸਮੱਗਰੀ ਡਿਜ਼ਾਈਨਰ ਇਸ ਸਪ੍ਰੈਡਸ਼ੀਟ ਨੂੰ ਇਕੱਠੇ ਸੰਪਾਦਿਤ ਕਰਦੇ ਹਨ। ਉਹ ਸਹੀ ਤਕਨੀਕੀ ਕੋਡਾਂ ਨੂੰ ਉਹਨਾਂ ਸ਼ਬਦਾਂ ਨਾਲ ਮੈਪ ਕਰਦੇ ਹਨ ਜੋ ਉਪਭੋਗਤਾ ਪੜ੍ਹੇਗਾ। ਟੀਮਾਂ ਤਰਕ ਸਮੀਖਿਆ ਦੇ ਦੌਰਾਨ ਰਗੜ ਦਾ ਅਨੁਭਵ ਕਰਨਗੀਆਂ। ਕਲਪਨਾ ਕਰੋ ਕਿ ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਇੰਜੀਨੀਅਰ ਨੂੰ ਪੁੱਛ ਰਿਹਾ ਹੈ ਕਿ ਏਆਈ ਇੱਕ ਖਰਚੇ ਦੀ ਰਿਪੋਰਟ 'ਤੇ ਜਮ੍ਹਾਂ ਕੀਤੇ ਗਏ ਲੈਣ-ਦੇਣ ਨੂੰ ਅਸਵੀਕਾਰ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕਿਵੇਂ ਕਰਦਾ ਹੈ। ਇੰਜੀਨੀਅਰ ਕਹਿ ਸਕਦਾ ਹੈ ਕਿ ਬੈਕਐਂਡ ਸਿਰਫ ਇੱਕ ਆਮ ਸਥਿਤੀ ਕੋਡ ਨੂੰ ਆਊਟਪੁੱਟ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ "ਗਲਤੀ: ਗੁੰਮ ਡੇਟਾ"। ਡਿਜ਼ਾਈਨਰ ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਹ ਸਕ੍ਰੀਨ 'ਤੇ ਕਾਰਵਾਈਯੋਗ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ। ਡਿਜ਼ਾਈਨਰ ਇੱਕ ਖਾਸ ਤਕਨੀਕੀ ਹੁੱਕ ਬਣਾਉਣ ਲਈ ਇੰਜੀਨੀਅਰ ਨਾਲ ਗੱਲਬਾਤ ਕਰਦਾ ਹੈ। ਇੰਜੀਨੀਅਰ ਇੱਕ ਨਵਾਂ ਨਿਯਮ ਲਿਖਦਾ ਹੈ ਤਾਂ ਜੋ ਸਿਸਟਮ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਗੁੰਮ ਹੈ, ਜਿਵੇਂ ਕਿ ਗੁੰਮ ਹੋਈ ਰਸੀਦ ਚਿੱਤਰ। ਸਮੱਗਰੀ ਡਿਜ਼ਾਈਨਰ ਇਸ ਪੜਾਅ ਦੌਰਾਨ ਅਨੁਵਾਦਕਾਂ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਇੱਕ ਡਿਵੈਲਪਰ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਸਹੀ ਸਤਰ ਲਿਖ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਕਿ "ਵਿਕਰੇਤਾ ਦੇ ਮੇਲ ਲਈ ਭਰੋਸੇ ਦੀ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੀ ਗਣਨਾ ਕਰਨਾ।" ਇੱਕ ਸਮਗਰੀ ਡਿਜ਼ਾਈਨਰ ਉਸ ਸਟ੍ਰਿੰਗ ਨੂੰ ਇੱਕ ਵਾਕਾਂਸ਼ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ ਜੋ ਇੱਕ ਖਾਸ ਨਤੀਜੇ ਲਈ ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਰਣਨੀਤੀਕਾਰ ਇਸਨੂੰ "ਤੁਹਾਡੀ ਸ਼ੁੱਕਰਵਾਰ ਦੀ ਸਪੁਰਦਗੀ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ ਸਥਾਨਕ ਵਿਕਰੇਤਾ ਦੀਆਂ ਕੀਮਤਾਂ ਦੀ ਤੁਲਨਾ" ਵਜੋਂ ਦੁਬਾਰਾ ਲਿਖਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਕਾਰਵਾਈ ਅਤੇ ਨਤੀਜੇ ਨੂੰ ਸਮਝਦਾ ਹੈ। ਪੂਰੀ ਕਰਾਸ-ਫੰਕਸ਼ਨਲ ਟੀਮ ਉਪਭੋਗਤਾ ਟੈਸਟਿੰਗ ਸੈਸ਼ਨਾਂ 'ਤੇ ਬੈਠਦੀ ਹੈ। ਉਹ ਇੱਕ ਅਸਲੀ ਵਿਅਕਤੀ ਨੂੰ ਵੱਖ-ਵੱਖ ਸਥਿਤੀ ਸੰਦੇਸ਼ਾਂ 'ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੇ ਹੋਏ ਦੇਖਦੇ ਹਨ। ਇੱਕ ਉਪਭੋਗਤਾ ਨੂੰ ਘਬਰਾਹਟ ਦੇਖਣਾ ਕਿਉਂਕਿ ਸਕ੍ਰੀਨ ਕਹਿੰਦੀ ਹੈ "ਵਪਾਰ ਚਲਾਉਣਾ" ਟੀਮ ਨੂੰ ਆਪਣੀ ਪਹੁੰਚ 'ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਲਈ ਮਜ਼ਬੂਰ ਕਰਦਾ ਹੈ। ਇੰਜੀਨੀਅਰ ਅਤੇ ਡਿਜ਼ਾਈਨਰ ਬਿਹਤਰ ਸ਼ਬਦਾਂ 'ਤੇ ਇਕਸਾਰ ਹੁੰਦੇ ਹਨ। ਉਹ ਸਟਾਕ ਖਰੀਦਣ ਤੋਂ ਪਹਿਲਾਂ ਟੈਕਸਟ ਨੂੰ "ਕਾਫ਼ੀ ਫੰਡਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ" ਵਿੱਚ ਬਦਲਦੇ ਹਨ। ਇਕੱਠੇ ਟੈਸਟ ਕਰਨਾ ਗਾਰੰਟੀ ਦਿੰਦਾ ਹੈ ਕਿ ਅੰਤਮ ਇੰਟਰਫੇਸ ਸਿਸਟਮ ਤਰਕ ਅਤੇ ਉਪਭੋਗਤਾ ਦੀ ਮਨ ਦੀ ਸ਼ਾਂਤੀ ਦੋਵਾਂ ਦੀ ਸੇਵਾ ਕਰਦਾ ਹੈ। ਟੀਮ ਦੇ ਕੈਲੰਡਰ ਵਿੱਚ ਇਹਨਾਂ ਵਾਧੂ ਗਤੀਵਿਧੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਸਮੇਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਅੰਤਮ ਨਤੀਜਾ ਇੱਕ ਟੀਮ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਜੋ ਵਧੇਰੇ ਖੁੱਲ੍ਹ ਕੇ ਸੰਚਾਰ ਕਰਦੀ ਹੈ, ਅਤੇ ਉਪਭੋਗਤਾ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਸ ਗੱਲ ਦੀ ਬਿਹਤਰ ਸਮਝ ਹੈ ਕਿ ਉਹਨਾਂ ਦੇ AI-ਸੰਚਾਲਿਤ ਟੂਲ ਉਹਨਾਂ ਦੀ ਤਰਫੋਂ ਕੀ ਕਰ ਰਹੇ ਹਨ (ਅਤੇ ਕਿਉਂ)। ਇਹ ਏਕੀਕ੍ਰਿਤ ਪਹੁੰਚ ਸੱਚਮੁੱਚ ਭਰੋਸੇਮੰਦ AI ਅਨੁਭਵਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦਾ ਆਧਾਰ ਹੈ। ਟਰੱਸਟ ਇੱਕ ਡਿਜ਼ਾਈਨ ਵਿਕਲਪ ਹੈ ਅਸੀਂ ਅਕਸਰ ਵਿਸ਼ਵਾਸ ਨੂੰ ਇੱਕ ਚੰਗੇ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਦੇ ਭਾਵਨਾਤਮਕ ਉਪ-ਉਤਪਾਦ ਵਜੋਂ ਦੇਖਦੇ ਹਾਂ। ਭਵਿੱਖਬਾਣੀਯੋਗ ਸੰਚਾਰ ਦੇ ਮਕੈਨੀਕਲ ਨਤੀਜੇ ਵਜੋਂ ਵਿਸ਼ਵਾਸ ਨੂੰ ਦੇਖਣਾ ਆਸਾਨ ਹੈ। ਅਸੀਂ ਸਹੀ ਸਮੇਂ 'ਤੇ ਸਹੀ ਜਾਣਕਾਰੀ ਦਿਖਾ ਕੇ ਭਰੋਸਾ ਪੈਦਾ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਉਪਭੋਗਤਾ ਨੂੰ ਹਾਵੀ ਕਰਕੇ ਜਾਂ ਮਸ਼ੀਨਰੀ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਲੁਕਾ ਕੇ ਇਸ ਨੂੰ ਨਸ਼ਟ ਕਰ ਦਿੰਦੇ ਹਾਂ। ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ, ਖਾਸ ਤੌਰ 'ਤੇ ਏਜੰਟ AI ਟੂਲਸ ਅਤੇ ਉਤਪਾਦਾਂ ਲਈ। ਉਹਨਾਂ ਪਲਾਂ ਨੂੰ ਲੱਭੋ ਜਿੱਥੇ ਸਿਸਟਮ ਇੱਕ ਨਿਰਣਾ ਕਾਲ ਕਰਦਾ ਹੈ। ਉਹਨਾਂ ਪਲਾਂ ਨੂੰ ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਮੈਪ ਕਰੋ। ਜੇ ਦਾਅ ਉੱਚੇ ਹਨ, ਤਾਂ ਡੱਬਾ ਖੋਲ੍ਹੋ. ਕੰਮ ਦਿਖਾਓ। ਅਗਲੇ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਦੇਖਾਂਗੇ ਕਿ ਇਹਨਾਂ ਪਲਾਂ ਨੂੰ ਕਿਵੇਂ ਡਿਜ਼ਾਇਨ ਕਰਨਾ ਹੈ: ਕਾਪੀ ਕਿਵੇਂ ਲਿਖਣੀ ਹੈ, UI ਦੀ ਬਣਤਰ ਕਿਵੇਂ ਕਰਨੀ ਹੈ, ਅਤੇ ਏਜੰਟ ਦੁਆਰਾ ਗਲਤ ਹੋਣ 'ਤੇ ਅਟੱਲ ਗਲਤੀਆਂ ਨੂੰ ਸੰਭਾਲਣਾ ਹੈ। ਅੰਤਿਕਾ: ਫੈਸਲਾ ਨੋਡ ਆਡਿਟ ਚੈੱਕਲਿਸਟ ਪੜਾਅ 1: ਸੈੱਟਅੱਪ ਅਤੇ ਮੈਪਿੰਗ ✅ ਟੀਮ ਨੂੰ ਇਕੱਠੇ ਕਰੋ: ਉਤਪਾਦ ਦੇ ਮਾਲਕਾਂ, ਵਪਾਰਕ ਵਿਸ਼ਲੇਸ਼ਕਾਂ, ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਲਿਆਓ,ਮੁੱਖ ਫੈਸਲੇ ਲੈਣ ਵਾਲੇ, ਅਤੇ ਇੰਜੀਨੀਅਰ ਜਿਨ੍ਹਾਂ ਨੇ AI ਬਣਾਇਆ ਹੈ। ਸੰਕੇਤ: ਤੁਹਾਨੂੰ ਅਸਲ ਬੈਕਐਂਡ ਤਰਕ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਲੋੜ ਹੈ। ਇਕੱਲੇ ਇਸ ਕਦਮ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਾ ਕਰੋ. ✅ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਡ੍ਰਾ ਕਰੋ: ਉਪਭੋਗਤਾ ਦੀ ਪਹਿਲੀ ਕਾਰਵਾਈ ਤੋਂ ਲੈ ਕੇ ਅੰਤਮ ਨਤੀਜੇ ਤੱਕ AI ਦੁਆਰਾ ਚੁੱਕੇ ਗਏ ਹਰ ਕਦਮ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ। ਸੰਕੇਤ: ਇੱਕ ਭੌਤਿਕ ਵ੍ਹਾਈਟਬੋਰਡ ਸੈਸ਼ਨ ਅਕਸਰ ਇਹਨਾਂ ਸ਼ੁਰੂਆਤੀ ਕਦਮਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ। ਪੜਾਅ 2: ਲੁਕੇ ਹੋਏ ਤਰਕ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ✅ ਲੱਭੋ ਕਿ ਚੀਜ਼ਾਂ ਕਿੱਥੇ ਅਸਪਸ਼ਟ ਹਨ: ਕਿਸੇ ਵੀ ਥਾਂ ਲਈ ਪ੍ਰਕਿਰਿਆ ਦੇ ਨਕਸ਼ੇ ਨੂੰ ਦੇਖੋ ਜਿੱਥੇ AI ਉਹਨਾਂ ਵਿਕਲਪਾਂ ਜਾਂ ਇਨਪੁੱਟਾਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਇੱਕ ਵੀ ਸੰਪੂਰਨ ਮੇਲ ਨਹੀਂ ਹੈ। ✅ ਸਭ ਤੋਂ ਵਧੀਆ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵਾਲੇ ਕਦਮਾਂ ਦੀ ਪਛਾਣ ਕਰੋ: ਹਰੇਕ ਅਸਪਸ਼ਟ ਥਾਂ ਲਈ, ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਸਿਸਟਮ ਵਿਸ਼ਵਾਸ ਸਕੋਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਪੁੱਛੋ ਕਿ ਕੀ ਸਿਸਟਮ 85 ਪ੍ਰਤੀਸ਼ਤ ਯਕੀਨੀ ਹੈ. ਇਹ ਉਹ ਬਿੰਦੂ ਹਨ ਜਿੱਥੇ AI ਅੰਤਿਮ ਚੋਣ ਕਰਦਾ ਹੈ। ✅ ਚੋਣ ਦੀ ਜਾਂਚ ਕਰੋ: ਹਰੇਕ ਚੋਣ ਬਿੰਦੂ ਲਈ, ਖਾਸ ਅੰਦਰੂਨੀ ਗਣਿਤ ਜਾਂ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ। ਇੱਕ ਉਦਾਹਰਨ ਇੱਕ ਪਾਲਿਸੀ ਨਾਲ ਇਕਰਾਰਨਾਮੇ ਦੇ ਇੱਕ ਹਿੱਸੇ ਦਾ ਮੇਲ ਹੈ। ਇੱਕ ਹੋਰ ਉਦਾਹਰਨ ਵਿੱਚ ਇੱਕ ਟੁੱਟੀ ਹੋਈ ਕਾਰ ਦੀ ਤਸਵੀਰ ਨੂੰ ਨੁਕਸਾਨੀਆਂ ਗਈਆਂ ਕਾਰ ਦੀਆਂ ਫੋਟੋਆਂ ਦੀ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਪੜਾਅ 3: ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਬਣਾਉਣਾ ✅ ਸਪਸ਼ਟ ਵਿਆਖਿਆਵਾਂ ਲਿਖੋ: ਉਪਭੋਗਤਾ ਲਈ ਸੁਨੇਹੇ ਬਣਾਓ ਜੋ AI ਦੁਆਰਾ ਚੋਣ ਕਰਨ ਵੇਲੇ ਹੋਣ ਵਾਲੀ ਖਾਸ ਅੰਦਰੂਨੀ ਕਾਰਵਾਈ ਦਾ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਵਰਣਨ ਕਰਦੇ ਹਨ। ਸੰਕੇਤ: ਆਪਣੇ ਸੁਨੇਹਿਆਂ ਨੂੰ ਠੋਸ ਹਕੀਕਤ ਵਿੱਚ ਰੱਖੋ। ਜੇਕਰ ਕੋਈ AI ਸਥਾਨਕ ਕੈਫੇ 'ਤੇ ਗਾਹਕ ਨਾਲ ਮੀਟਿੰਗ ਬੁੱਕ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਪਭੋਗਤਾ ਨੂੰ ਦੱਸੋ ਕਿ ਸਿਸਟਮ ਕੈਫੇ ਰਿਜ਼ਰਵੇਸ਼ਨ ਸਿਸਟਮ ਦੀ ਜਾਂਚ ਕਰ ਰਿਹਾ ਹੈ। ✅ ਸਕ੍ਰੀਨ ਨੂੰ ਅੱਪਡੇਟ ਕਰੋ: ਇਹਨਾਂ ਨਵੀਆਂ, ਸਪਸ਼ਟ ਵਿਆਖਿਆਵਾਂ ਨੂੰ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ ਵਿੱਚ ਪਾਓ। ਅਸਪਸ਼ਟ ਸੁਨੇਹਿਆਂ ਨੂੰ ਬਦਲੋ ਜਿਵੇਂ ਕਿ ਇਕਰਾਰਨਾਮਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨਾ ਆਪਣੇ ਖਾਸ ਸਪੱਸ਼ਟੀਕਰਨਾਂ ਨਾਲ। ✅ ਭਰੋਸੇ ਦੀ ਜਾਂਚ ਕਰੋ: ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਨਵੇਂ ਸਕ੍ਰੀਨ ਸੁਨੇਹੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕਿਸੇ ਵੀ ਉਡੀਕ ਸਮੇਂ ਜਾਂ ਨਤੀਜੇ ਲਈ ਇੱਕ ਸਧਾਰਨ ਕਾਰਨ ਦਿੰਦੇ ਹਨ। ਇਸ ਨਾਲ ਉਨ੍ਹਾਂ ਨੂੰ ਆਤਮ-ਵਿਸ਼ਵਾਸ ਅਤੇ ਭਰੋਸੇਮੰਦ ਮਹਿਸੂਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਸੰਕੇਤ: ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਅਸਲ ਉਪਭੋਗਤਾਵਾਂ ਨਾਲ ਇਹਨਾਂ ਸੰਦੇਸ਼ਾਂ ਦੀ ਜਾਂਚ ਕਰੋ ਕਿ ਉਹ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾ ਰਹੇ ਖਾਸ ਨਤੀਜੇ ਨੂੰ ਸਮਝਦੇ ਹਨ।
