आपके पास एआई के लिए, ज़्यादा वैल्यू वाले अवसर ढूंढने का बेहतरीन मौका है. किसी आइडिया को तकनीकी तौर पर लागू करने की संभावना और उपयोगकर्ता अनुभव पर उसके असर, दोनों का आकलन किया जा सकता है. एआई की सुविधाओं को सफल बनाने के लिए, इन दोनों पहलुओं को ध्यान में रखना ज़रूरी है. आपको एआई की सुविधाएं इसलिए नहीं बनानी चाहिए, क्योंकि वे नई या शानदार हैं. इसके बजाय, आपको उन्हें इसलिए बनाना चाहिए, क्योंकि वे लोगों की ज़िंदगी को आसान, तेज़ या ज़्यादा मज़ेदार बनाती हैं.
इस मॉड्यूल में, आपके प्रॉडक्ट में एआई के इस्तेमाल के उदाहरणों को तैयार करने, उनके बारे में बताने, और प्रोटोटाइप बनाने के लिए, व्यवस्थित और बार-बार इस्तेमाल किए जाने वाले तरीके के बारे में बताया गया है.
एआई की अहमियत को समझना
यहां दिए गए एआई ऑपर्च्यूनिटी ट्री में, एआई से मिलने वाली वैल्यू की बड़ी कैटगरी के बारे में बताया गया है:
हमने वैल्यू की कैटगरी की सूची बनाई है, ताकि आप अपने समाधानों को बेहतर बना सकें. सूची में आगे बढ़ने पर, जटिलता, जोखिम, और उपयोगकर्ता पर पड़ने वाले असर की संभावना बढ़ जाती है:
- अहम जानकारी: बेहतर फ़ैसले लेने में मदद मिलती है.
- सुविधा: रुकावटें दूर करें.
- ऑटोमेशन: बार-बार किए जाने वाले कामों को ऑटोमेट करें.
- Augmentation: मुश्किल या क्रिएटिव टास्क में उपयोगकर्ताओं की मदद करना.
- अपनी ज़रूरत के मुताबिक ढालना: प्रॉडक्ट को किसी व्यक्ति की ज़रूरतों और प्राथमिकताओं के हिसाब से ढालना.
सबसे पहले, कम असर वाले इस्तेमाल के उदाहरणों को हल करने की कोशिश करें. उदाहरण के लिए, इंटरनल एआई सिस्टम की मदद से प्रॉडक्ट के बारे में बेहतर इनसाइट इकट्ठा करें, ताकि आप अपने प्रॉडक्ट को बेहतर बना सकें. इसके बाद, अपने मौजूदा यूएक्स डेट का ऑडिट करें और एआई का इस्तेमाल करके, उपयोगकर्ताओं के लिए रुकावटों और कॉग्निटिव लोड को कम करें. जैसे-जैसे आपका आत्मविश्वास और अनुभव बढ़ता है, वैसे-वैसे ज़्यादा मुश्किल कामों के लिए एआई का इस्तेमाल किया जा सकता है. साथ ही, एआई के इस्तेमाल को बढ़ाया जा सकता है.
हालांकि, आपको ऐसे असरदार अवसर मिल सकते हैं जो आसानी से उपलब्ध हों, जिनमें जोखिम कम हो, और जो काम के हों. जैसे, कॉन्टेंट को थोड़ा-बहुत निजी बनाना.
अपने प्रॉडक्ट में अवसरों की पहचान करना
सही आइडिया चुनने के लिए, आपको यह पता होना चाहिए कि आपके उपयोगकर्ता कौन हैं. अपनी यूएक्स टीम के साथ काम करें या पर्सोना के बारे में ज़्यादा जानें, ताकि यह तय किया जा सके कि वे उपयोगकर्ता कौन हैं. सबसे पहले उपयोगकर्ता (या लोगों की पसंद को ध्यान में रखना) की रणनीति अपनाएं. साथ ही, एआई के इस्तेमाल के जो भी अवसर आपको मिलते हैं उन्हें अपने प्रॉडक्ट के लिए इस्तेमाल के मामलों के हिसाब से मैप करें.
इनके उदाहरण हो सकते हैं:
- उपयोगकर्ता की साफ़ तौर पर बताई गई ज़रूरतों या समस्याओं से प्रेरित हो.
- आपकी टीम के सदस्यों या आपके सुझाए गए विषय. ऐसे में, उपयोगकर्ताओं के साथ तुरंत पुष्टि करना ज़रूरी है, ताकि "एआई के लिए एआई" के जाल से बचा जा सके.
- प्रतिस्पर्धियों से प्रेरणा लें, लेकिन सावधानी बरतें. आपके प्रतिस्पर्धियों की ऑडियंस और कॉन्टेक्स्ट, आपसे अलग हो सकते हैं. शुरुआत में ही पुष्टि करें कि प्रतिस्पर्धी की सफल पहल आपके प्रॉडक्ट पर लागू होती हैं या नहीं.
उदाहरण के लिए, यहां दी गई टेबल में फ़्लाइट बुकिंग की वेबसाइट के लिए आइडिया दिए गए हैं:
उपयोगकर्ता अनुभव के हर चरण पर, एआई की मदद से वैल्यू जोड़ने के अलग-अलग अवसरों की पहचान की जा सकती है.
अपने समाधान को बेहतर बनाना
अब तक, आपने उपयोगकर्ता अनुभव के हिसाब से एआई के कई आइडिया मैप कर लिए होंगे. अगला कदम है, उन्हें एक आकार देना और इतना आत्मविश्वास हासिल करना कि आप तय कर सकें कि पहले किन विचारों पर काम करना है. यह टीम की कोशिश होती है और आम तौर पर इसे प्रॉडक्ट मैनेजर मैनेज करता है. डेवलपर के तौर पर, आपकी मुख्य ज़िम्मेदारी यह है कि आप एआई से जुड़े समाधान की लागत, मेहनत, और जोखिमों का अनुमान लगाएं.
अपने आइडिया के बारे में बताएं
सबसे पहले, हर आइडिया को कम शब्दों में और पूरी जानकारी के साथ कैप्चर करें. इसके लिए, हमारे परिचय में दिए गए एआई सिस्टम ब्लूप्रिंट का इस्तेमाल किया जा सकता है. आम तौर पर, डेवलपर समाधान पर फ़ोकस करते हैं. वहीं, प्रॉडक्ट मैनेजर अवसर के बारे में बताते हैं. इस गतिविधि से, आगे बढ़ने से पहले सभी को एक-दूसरे के साथ तालमेल बिठाने और चर्चा करने का मौका मिलता है.
लागत और मेहनत का आकलन करना
इसके बाद, यह आकलन करें कि आपके आइडिया को लागू करना कितना मुश्किल है. उदाहरण के लिए, स्मार्ट फ़िल्टर जोड़ने के लिए, एलएलएम एपीआई के साथ प्रॉम्प्ट-आधारित पार्सिंग की ज़रूरत पड़ सकती है. इससे प्रोटोटाइप बनाना और उसे चलाना आसान हो जाता है. साथ ही, उसमें बदलाव करना भी आसान हो जाता है. इसके उलट, बुकिंग करने वाले किसी असिस्टेंट को उपयोगकर्ता की दिलचस्पी के हिसाब से काम करने के लिए, कस्टम डेटा पाइपलाइन, बुकिंग एपीआई, और निगरानी में काम करने वाले एआई मॉडल की ज़रूरत होगी. यह काफ़ी मुश्किल काम है.
अलग-अलग डाइमेंशन के हिसाब से, मेहनत और लागत देखें:
- डेटा की उपलब्धता: क्या आपके पास पहले से ही वह डेटा मौजूद है जिसकी आपको ज़रूरत है? डेटा को एआई के लिए तैयार करने के लिए, उसे कितना साफ़ करने, प्रोसेस करने या लेबल करने की ज़रूरत है?
- मॉडल मैच्योरिटी: क्या पहले से ट्रेन किया गया कोई सही मॉडल पहले से मौजूद है या आपको किसी मॉडल को नए सिरे से ट्रेन करना होगा?
- लेटेंसी: मॉडल को कितनी तेज़ी से जवाब देना चाहिए, ताकि सुविधा को आसानी से इस्तेमाल किया जा सके और वह मददगार लगे?
- इंटिग्रेशन की जटिलता: कितने सिस्टम कनेक्ट करने हैं? क्या इसमें बैकएंड, एपीआई, यूज़र इंटरफ़ेस (यूआई) या तीसरे पक्ष के टूल शामिल हैं? जितने ज़्यादा टचपॉइंट होंगे, लागत और जोखिम उतना ही ज़्यादा होगा.
- ऑपरेटिंग कॉस्ट: हर मॉडल कॉल या अनुमान कितना महंगा है? स्केलिंग के लिए, हर महीने के इस्तेमाल और बजट का अनुमान लगाएं. प्रोटोटाइप स्टेज पर जो सुविधा "सस्ती" लगती है वह हज़ारों उपयोगकर्ताओं के लाइव होने पर महंगी हो सकती है.
उपयोगकर्ता के लिए छिपी हुई लागतों पर विचार करें. एआई की वजह से, आपके प्रॉडक्ट में अनिश्चितता और गलतियां हो सकती हैं. क्लाइंट-साइड एआई की मदद से, उपयोगकर्ता के डिवाइस पर सुविधाएं चलती हैं. इससे बैंडविड्थ, स्टोरेज, और बैटरी खर्च होती है. यह सुविधा इतनी काम की होनी चाहिए कि लोग इसकी कीमत चुकाने के लिए तैयार हो जाएं.
शुरुआत में ही मेहनत का आकलन करके, ज़्यादा फ़ायदेमंद और कम मेहनत वाले कामों पर ध्यान दिया जा सकता है. साथ ही, ज़्यादा मुश्किल आइडिया को तब तक के लिए टाला जा सकता है, जब तक कि आपके पास ज़रूरी डेटा, इन्फ़्रास्ट्रक्चर, और अनुभव न हो.
गड़बड़ी के मोड का अनुमान लगाना
कभी-कभी, मॉडल से गलतियां हो जाती हैं और सुविधाएं उम्मीद के मुताबिक काम नहीं करतीं. आपको अपने उपयोगकर्ताओं को यह बताना होगा कि क्या हो रहा है और गड़बड़ी कहां हुई है. इससे उन्हें पता चलेगा कि क्या वे अपने इनपुट में बदलाव करके, अपनी पसंद के नतीजे पा सकते हैं.
उदाहरण के लिए, मान लें कि आपकी एक ट्रैवल एजेंसी है. आपकी कंपनी, यात्रियों को उनकी दिलचस्पी के हिसाब से यात्रा के सुझाव देना चाहती है. आपके उपयोगकर्ताओं ने एक ऐसा टूल मांगा है जिससे वे खुद यह काम कर सकें. साथ ही, आपकी प्रॉडक्ट टीम इसे लागू करने के लिए ज़ोर दे रही है. हालांकि, आपको पता है कि लोगों की दिलचस्पी के मुताबिक विज्ञापन दिखाने के लिए, उनकी दिलचस्पी के बारे में कई सिग्नल की ज़रूरत होती है. साथ ही, आपने ऐसा डेटाबेस सेट अप नहीं किया है जो इस तरह के सिग्नल इकट्ठा करता हो. इससे, लोगों को उनकी दिलचस्पी के हिसाब से कॉन्टेंट नहीं मिलता और उन्हें ऐसे सुझाव मिलते हैं जो उनके काम के नहीं होते. इस वजह से, लोग इस सुविधा का इस्तेमाल करना बंद कर देते हैं. निजी डेटा की उपलब्धता के बारे में आपकी समझ से, आपकी टीम को वैल्यू का अनुमान लगाने में मदद मिली होगी.
यहां एआई के काम न करने की कुछ और गंभीर स्थितियों के बारे में बताया गया है:
- गलत जानकारी (हलुसनेशन): मॉडल ऐसे आउटपुट जनरेट करता है जो सही लगते हैं, लेकिन असल में गलत होते हैं. जैसे, किसी ऐसी फ़्लाइट के बारे में बताना जो असल में मौजूद ही नहीं है.
- पक्षपात: मॉडल, ट्रेनिंग डेटा के आधार पर गलत सामान्यीकरण दिखाता है या उसे बढ़ावा देता है. इससे भेदभाव वाले या असमान नतीजे मिलते हैं. उदाहरण के लिए, मॉडल यह मान सकता है कि उपयोगकर्ता अपने लिंग या नस्ल के आधार पर, फ़र्स्ट क्लास फ़्लाइट चाहते हैं और अन्य लोग इकॉनमी क्लास चाहते हैं.
- कोल्ड-स्टार्ट की समस्या: शुरुआती डेटा की कमी की वजह से, सिस्टम नए उपयोगकर्ताओं या आइटम के लिए वैल्यू नहीं दे सकता. जैसा कि आपकी दिलचस्पी के हिसाब से बनाए गए यात्रा टूल के उदाहरण में बताया गया है.
- परफ़ॉर्मेंस में गिरावट: समय के साथ मॉडल की सटीकता कम हो जाती है, क्योंकि असल दुनिया का डेटा बदलता रहता है और ओरिजनल डिस्ट्रिब्यूशन से अलग हो जाता है. इसे मॉडल ड्रिफ़्ट भी कहा जाता है.
प्रोटोटाइप
लागत, मेहनत, और गड़बड़ी के मोड पर आपके इनपुट की क्वालिटी शुरुआत में कम होगी. एआई की किसी सुविधा को लेकर भरोसा बढ़ाने के लिए, उसका प्रोटोटाइप बनाना सबसे सही तरीका है. प्रोटोटाइपिंग की मदद से, पूरा बिल्ड बनाने से पहले, मुख्य तकनीकी अनुमानों (डेटा की उपलब्धता, इंतज़ार का समय, सटीक जानकारी) की तुरंत जांच की जा सकती है. खास तौर पर, एआई जैसी नई टेक्नोलॉजी के बारे में रिसर्च और विश्लेषण करने के बजाय, उसे इस्तेमाल करके ज़्यादा तेज़ी से सीखा जा सकता है.
एआई की मदद से कोड जनरेट करने वाले टूल, जैसे कि Vertex AI और Replit का इस्तेमाल करके, प्रोटोटाइप बनाने की प्रोसेस को तेज़ी से और बिना किसी जोखिम के पूरा किया जा सकता है.
इस मानसिकता को अपनाएं: कुछ छोटा शिप करें, देखें कि वह कैसा काम करता है, और उसे लगातार बेहतर बनाएं.
ये सबसे सही तरीके अपनाएं:
- शुरुआत से ही एंड-टू-एंड टेस्टिंग करें. सिर्फ़ मॉडल की सटीक जानकारी की जांच न करें, बल्कि अपने एआई सिस्टम के ब्लूप्रिंट (डेटा, इंटेलिजेंस, उपयोगकर्ता अनुभव) में बताए गए पूरे फ़्लो की जांच करें. इस बिल्ड में, एआई के साथ उपयोगकर्ता के अनुभव का हर हिस्सा दिखना चाहिए. हालांकि, इसमें ऐप्लिकेशन की हर सुविधा को दिखाना ज़रूरी नहीं है.
- शॉर्टकट से शुरुआत करें. एपीआई और पहले से ट्रेन किए गए मॉडल का इस्तेमाल करके, वैल्यू की पुष्टि तेज़ी से करें.
- सब कुछ लॉग करें. इनपुट, आउटपुट, और उपयोगकर्ता के बदलावों को ट्रैक करें, ताकि गड़बड़ी के सामान्य तरीकों को देखा जा सके और संभावित समस्याओं का आकलन किया जा सके.
- असली डेटा के साथ टेस्ट करना. शुरुआती टेस्ट में, उपयोगकर्ता के सामान्य और उलझन भरे व्यवहार को कैप्चर किया जाना चाहिए.
- सुझाव/राय देने और कंट्रोल करने के तरीके जोड़ें. उपयोगकर्ताओं के लिए, गलतियों को फ़्लैग करना या आउटपुट में बदलाव करना आसान बनाएं. साथ ही, उन्हें नतीजों की पुष्टि करने या उन्हें सही करने की सुविधा दें.
ज़्यादातर मामलों में, प्रोटोटाइप बनाने की प्रोसेस, आकलन और स्पेसिफ़िकेशन के काम के साथ-साथ चलती है.
आपके लिए खास जानकारी
आपने एआई की क्षमता का इस्तेमाल करके, प्रॉडक्ट के लिए बेहतरीन आइडिया जनरेट करने का तरीका सीखा. एक डेवलपर के तौर पर, आपको तकनीकी संभावनाओं को उपयोगकर्ता अनुभव के साथ जोड़ने का फ़ायदा मिलता है. आपने जाना कि एआई किस तरह अलग-अलग कैटगरी में वैल्यू जोड़ सकता है. साथ ही, आपने इन अवसरों को अपने प्रॉडक्ट के उपयोगकर्ता अनुभव से मैप किया. इसके अलावा, आपने स्ट्रक्चर्ड फ़्रेमवर्क का इस्तेमाल करके, उन्हें तय करने, उनका आकलन करने, और उन्हें प्राथमिकता देने का तरीका सीखा.
याद रखें कि एआई, लगातार किए जाने वाले बदलावों से बेहतर बनता है. अपने प्रॉडक्ट को जल्दी लॉन्च करें, उपयोगकर्ताओं की सुनें और उन्हें देखें, और प्रॉडक्ट को तेज़ी से बेहतर बनाएं. हर प्रोटोटाइप, यह समझने की दिशा में एक कदम है कि एआई आपके प्रॉडक्ट की वैल्यू और उसे इस्तेमाल करने के अनुभव को कैसे बेहतर बना सकता है.
संसाधन
- Getting AI Discovery Right, यह एआई के इस्तेमाल के उदाहरणों को खोजने, उनकी पुष्टि करने, और उन्हें प्राथमिकता देने के लिए एक गाइड है.
- एआई रडार, एक ऐसा टूल है जो अलग-अलग इंडस्ट्री में एआई के इस्तेमाल के उदाहरणों की पहचान करने और उन्हें प्राथमिकता देने में मदद करता है.
देखें कि आपको कितना समझ आया
एआई के इस्तेमाल की किस कैटगरी में, उपयोगकर्ताओं को मुश्किल या क्रिएटिव टास्क पूरे करने में मदद की जाती है?
एआई से जुड़े किसी आइडिया को लागू करने में लगने वाली मेहनत और लागत का आकलन करते समय, "इंटिग्रेशन की जटिलता" का क्या मतलब है?
एआई के फ़ेलियर मोड के संदर्भ में, कोल्ड-स्टार्ट की समस्या क्या है?
एआई की सुविधाओं का प्रोटोटाइप बनाने के लिए, किस तरह की सोच होनी चाहिए?
प्रोटोटाइप बनाते समय लॉग रखना क्यों ज़रूरी है?