कामाच्या ठिकाणी AI: नॉलेज वर्करसाठी एक व्यावहारिक मार्गदर्शक

हा लेख माहिती तंत्रज्ञान वर्कर (knowledge workers) आठवड्यातला कितीतरी वेळ खाणाऱ्या वारंवार कराव्या लागणाऱ्या कामांसाठी AI चा वापर कसा करू शकतात, याचे विश्लेषण करतो. यात तयार प्रॉम्प्ट्स, सुरक्षितपणे AI वापरण्यासाठी मार्गदर्शन आणि तुमच्या वर्कफ्लोमध्ये (workflows) जलद व सोप्या पद्धतीने AI समाविष्ट करण्याचे टप्पे दिले आहेत.

बहुतेक नॉलेज वर्क (knowledge work) अशा ऑपरेशनल ओव्हरहेडसह येते जे नोकरीच्या वर्णनात नसते: मीटिंग्ज, प्रशासन, माहिती ठेवणे, नातेसंबंध व्यवस्थापित करणे.

ही कामे सहसा AI वापरण्यास सुरुवात करण्यासाठी सर्वोत्तम जागा असतात, कारण आउटपुट तपासणे सोपे असते आणि ते चुकण्याचे धोके कमी असतात.

खाली अशी १० कामे आणि प्रत्येकासाठी मदत करण्यासाठी AI ला प्रॉम्प्ट कसे करावे हे दिले आहे.

टीप: काही AI साधनांसाठी मूळ साहित्य जोडणे किंवा थेट पेस्ट करणे आवश्यक असते. इतर साधने कनेक्ट केलेल्या इनबॉक्स, ड्राइव्ह किंवा ओपन ब्राउझर टॅबमधून ते स्वतः मिळवू शकतात. खालील प्रॉम्प्ट्स दोन्ही प्रकारे कार्य करतात.

एकाच विषयावर नवीन लेख आणि अद्ययावत नोट्स जमा होतात आणि काय चालले आहे याचा मागोवा ठेवणे खरोखर एक आव्हान असू शकते.

AI साधने तुम्हाला मदत करू शकतात:

विखुरलेले स्रोत एकाच उत्तरात एकत्रित करा
दस्तऐवजांमधील विरोधाभास किंवा आवृत्तीतील बदल पकडा
शेवटच्या अपडेटपासून काय बदलले आहे ते सारांशित करा
स्रोत कुठे असहमत आहेत ते चिन्हांकित करा

ही क्वेरी वापरून पहा

Information summary query

केव्हा वापरावे:You have multiple sources and need agreement, conflicts, and what’s changed.

Role: Research analyst.
Task: Synthesize the five articles below and our internal notes on {topic}. Identify where they agree, list conflicting numbers/claims, and note what’s changed since {last_date_or_version}.
Inputs:
- Articles: {paste titles + URLs or attach files}
- Internal notes: {paste bullets or attach doc}
- Last date/version to compare against: {YYYY-MM-DD or version}
Constraints:
- Time-bound evidence: prefer sources from {start_date} to {end_date}; flag anything older.
- Evidence rules: for each major claim, cite at least 2 independent sources when possible; label news/blogs as secondary.
Output:
1) 3–5 bullet summary of consensus.
2) Table: Claim | Conflicting values/wording | Sources (with dates) | Confidence (high/med/low).
3) “What’s changed since {last_date_or_version}” as 3–7 bullets.
4) “What I’m missing / what to verify next” with 3–5 specific checks.
Verification:
- Flag any sentence that could be read more than one way.
- Ask up to 3 clarifying questions if any input is underspecified.

स्थिती अद्यतन, रीकॅप, चेक-इन: बहुतेक कार्य संवाद समान काही आकार पुनरावृत्ती करतात, ज्यामुळे AI साठी एक सभ्य प्रथम मसुदा तयार करणे सोपे होते.

AI साधने तुम्हाला मदत करू शकतात:

बुलेट पॉईंटवरून ईमेल, अपडेट किंवा दस्तऐवज मसुदा तयार करा
वेगळ्या प्रेक्षकांसाठी टोन किंवा लांबी समायोजित करा
वेगवेगळ्या वाचकांसाठी समान अपडेट पुन्हा लिहा
पाठवण्यापूर्वी अस्पष्ट वाक्प्रचार पकडा

AI संभाषणामध्ये पुढील कृती आणि निर्णयांच्या मूर्त लॉगमध्ये रूपांतर करण्यास मदत करू शकते.

AI साधने तुम्हाला मदत करू शकतात:

नोट्स किंवा ट्रान्सकृिप्टमधून कृती आयटम आणि मालक बाहेर काढा
कॉलच्या लगेच नंतर रीकॅप तयार करा
प्रत्यक्षात कोणालाही नेमले गेले नाही अशी वचने पकडा
शेवटच्या मीटिंगच्या उघड्या आयटममधून अजेंडा तयार करा

ही क्वेरी वापरून पहा

Meeting recap query

केव्हा वापरावे:You have a transcript/notes and need a decision/commitment log plus a ready‑to‑send recap.

Role: Project coordinator.

Task: From the call transcript/notes below, list every commitment made, who owns it, and any date mentioned. Flag anything that sounded like a decision but was never clearly assigned. Then draft a five-sentence recap email I can send as-is or edit.

Inputs:

- Transcript/notes: {paste text or attach file}

- Meeting context: {meeting name, date, attendees if known}

Constraints:

- Be literal: only record commitments/decisions that are explicit or strongly implied; mark implied items as [Implied].

- If owner/date is missing, write “Owner: TBD” or “Date: TBD”.

Output:

1) Commitments table: Commitment | Owner | Date | Status (Confirmed/Implied) | Source line (quote short snippet).

2) “Unassigned decisions” list: Decision | Why it’s unclear | Suggested owner + next step.

3) Draft email (5 sentences): subject line + body, neutral tone, no fluff.

Verification:

- Flag any sentence in the draft email that could be read more than one way.

- Ask up to 3 clarifying questions if critical details (owner/date) are missing for high-impact items.

AI गुंतागुंतीचे साप्ताहिक वेळापत्रक आयोजित करणे, अनेक प्रतिबद्धता जुगळणे आणि वेळेचा अधिक अचूक अंदाज लावणे सोपे करू शकते.

AI साधने तुम्हाला मदत करू शकतात:

स्पर्धा करणाऱ्या अंतिम मुदती ऑपरेशनच्या क्रमाने बदला
समस्या बनण्यापूर्वी शेड्युलिंग संघर्ष फ्लॅग करा
खरोखर निकडीचे काय आहे ते तातडीचे वाटते यापासून वेगळे करा
योजना वास्तववादी आहे की नाही याची सॅनिटी-तपासणी करा

ही क्वेरी वापरून पहा

Weekly planning query

केव्हा वापरावे:You need ranking, conflict detection, and a reality check for a 5‑day week.

Role: Operations planner.

Task: Rank my weekly work by urgency and impact, flag likely conflicts, and tell me if this is realistic for a five-day week. If not, say what to cut or push.

Inputs:

- Work items: {list each item with deadline, rough time estimate, and any dependencies}

- Constraints: {working hours/day, meetings, hard deadlines, time zones}

- Success criteria: {what “done” looks like this week}

Constraints:

- Use a simple scoring rubric: Urgency (1–5), Impact (1–5), Effort (hours). Show the score for each item.

- Assume a 5-day week with {X} productive hours/day after meetings.

Output:

1) Ranked list: Item | Urgency | Impact | Effort (h) | Score | Deadline | Dependencies.

2) “Likely conflicts” list: conflict | items involved | why it conflicts (time/dependency).

3) Reality check: “Realistic? Yes/No.” If No: “Cut/push” recommendations with rationale (which items, how many hours freed).

4) A proposed day-by-day plan (Mon–Fri) with time blocks.

Verification:

- Flag any assumptions you made (e.g., meeting load, focus time).

- Ask up to 3 clarifying questions if deadlines/dependencies are unclear.

AI हा मानवी निर्णयाचा पर्याय नाही, परंतु निर्णय प्रक्रिया सुलभ करण्यासाठी जटिल माहिती एकत्र करणे, क्रमवारी लावणे आणि तुलना करणे यात तो चांगला आहे.

AI साधने तुम्हाला मदत करू शकतात:

निर्णय घेण्यासाठी संबंधित माहिती एकत्र आणा
कारणमीमांसा (reasoning) कुठे सहमत आहे किंवा असहमत आहे ते पृष्ठभागावर आणा
त्यावर तयार करण्यापूर्वी गृहीतकाची ताण-चाचणी करा
खेळात घटक आयोजित करा

ही क्वेरी वापरून पहा

Decision analysis query

केव्हा वापरावे:Making a complex choice between two possible strategic options.

Role: Strategy analyst.

Task: I’m deciding between {Option A} and {Option B} for {decision/context}. Give the strongest case for each on its own terms, then tell me where those cases actually disagree: a difference in facts, assumptions, or priorities. Do not average them into a compromise.

Inputs:

- Decision context: {goal, constraints, stakeholders, timeline}

- Option A description: {key features, costs, risks, evidence}

- Option B description: {key features, costs, risks, evidence}

Constraints:

- Treat each option sympathetically; no straw-manning.

- Separate facts (verifiable), assumptions (beliefs), and priorities (values/trade-offs).

Output:

1) “Case for A” (5–7 bullets): benefits, risks, key assumptions, evidence cited.

2) “Case for B” (5–7 bullets): benefits, risks, key assumptions, evidence cited.

3) “True disagreements” table: Disagreement | Type (Fact/Assumption/Priority) | Why it matters for the decision | How to resolve/test.

4) “Decision criteria” checklist: the 3–5 criteria that should drive the choice given my context.

Verification:

- Flag any claim that lacks evidence or depends on a critical assumption.

- Ask up to 3 clarifying questions if the decision context is underspecified.

आजची अधिक अत्याधुनिक AI साधने स्लाइड, अहवाल, दस्तऐवज किंवा स्प्रेडशीट तयार करण्यासाठी फक्त प्रश्नांची उत्तरे देण्याच्या पलीकडे जाऊ शकतात.

AI साधने तुम्हाला मदत करू शकतात:

संशोधन किंवा नोट्स प्रथम-मसुदा डेक, स्प्रेडशीट किंवा अहवालात बदला
कच्च्या सामग्रीवरून थेट स्वरूपित दस्तऐवजावर जा
पॉलिशवर वेळ घालवण्यापूर्वी वितरकाची रचना करा
तुम्ही ते तयार करत असताना स्रोत एकत्र करा

ही क्वेरी वापरून पहा

Presentation outline query

केव्हा वापरावे:You need a presentation outline with source-backed claims.

Role: Presentation strategist.

Task: Using the research below, build a five-slide outline for a stakeholder presentation: title slide, three content slides (clear headline + three supporting points each), and a recommendations slide. Note which source backs each claim.

Inputs:

- Research: {paste excerpts/links or attach files}

- Audience: {executives / technical / mixed}

- Goal: {what decision or action you want from stakeholders}

Constraints:

- Each supporting point must cite a source (title + date or URL).

- Keep headlines action-oriented (verb-first).

Output:

- Slide 1 (Title): Title | Subtitle | Presenter | Date.

- Slide 2 (Content): Headline | Point 1 (source) | Point 2 (source) | Point 3 (source).

- Slide 3 (Content): Headline | Point 1 (source) | Point 2 (source) | Point 3 (source).

- Slide 4 (Content): Headline | Point 1 (source) | Point 2 (source) | Point 3 (source).

- Slide 5 (Recommendations): Recommendation 1 (source) | Recommendation 2 (source) | Recommendation 3 (source) | Next step/ask.

Verification:

- Flag any claim that lacks a source or relies on outdated evidence (> {max_age}).

- Ask up to 3 clarifying questions if the goal/audience is unclear.

AI कंटाळवाणी मॅन्युअल कार्ये कमी करू शकते, जसे की डेटा इनपुट करणे किंवा वर्गीकृत करणे, फाइल्स लेबल करणे किंवा एका टूलवरून दुसऱ्या टूलवर माहिती स्वयंचलितपणे कॉपी-पेस्ट करणे.

AI साधने तुम्हाला मदत करू शकतात:

खर्च वर्गीकृत करा आणि डुप्लिकेट किंवा गहाळ नोंदी फ्लॅग करा
नियमित ईमेलचा मसुदा तयार करा
रफ नोट सबमिट करण्यायोग्य गोष्टीत बदला
तुमच्याकडे आधीपासून असलेल्या माहितीवरून पुनरावृत्ती होणारे फॉर्म भरा

ही क्वेरी वापरून पहा

Categorization query

केव्हा वापरावे:Cleaning and summarizing expenses for reporting.

Role: Finance operations assistant.

Task: Categorize each line of my expense export by {your categories}, flag duplicates or missing categories, and give me a summary total by category I can paste into my report.

Inputs:

- Expense export: {paste CSV-like rows or attach file}

- Categories: {e.g., Travel, Software, Meals, Office, Other}

- Reporting period: {month/year}

Constraints:

- If a line is ambiguous, assign the most likely category and mark it [Assumed: {reason}].

- Flag potential duplicates (same vendor/amount/date within ±1 day).

Output:

1) Categorized list: Date | Vendor | Amount | Category | Notes (e.g., [Assumed], [Duplicate?]).

2) Summary table: Category | Total amount | Count of lines.

3) “Issues to fix” list: missing categories, duplicates, outliers.

Verification:

- Ask up to 3 clarifying questions if the category list is incomplete or if currency/tax treatment is unclear.

एकाच दस्तऐवजातील विसंगती पकडण्यासाठी आणि एकाधिक स्रोतांच्या दाव्यांचे सुलह करण्यासाठी, जसे की मसुदा शैली मार्गदर्शकापासून कसा विचलित होतो हे फ्लॅग करणे यासारख्या गोष्टींसाठी AI उपयुक्त आहे.

AI साधने तुम्हाला मदत करू शकतात:

दस्तऐवजात विसंगत क्रमांक किंवा दावे पकडा
काहीतरी शिप करण्यापूर्वी अस्पष्ट वाक्प्रचार फ्लॅग करा
चेकलिस्ट किंवा शैली मार्गदर्शकाविरुद्ध मसुदा तपासा
प्रारंभिक विभाग आणि नंतरचा विभाग यांच्यातील अंतर గుర్తించండి

ही क्वेरी वापरून पहा

Draft QC query

केव्हा वापरावे:You need a targeted QC pass without a full rewrite.

Role: Senior editor.

Task: Check my draft against the style guide/checklist below. Flag numbers or claims that contradict each other elsewhere in the document, any sentence you had to re-read to understand, and anything the checklist requires that’s missing. List issues by location. Do not rewrite the whole thing.

Inputs:

- Draft: {paste text or attach file}

- Style guide/checklist: {paste bullets or attach doc}

Constraints:

- Reference locations by section/paragraph/line where possible.

- For contradictions, quote both conflicting passages.

Output:

1) “Contradictions” table: Location A | Quote A | Location B | Quote B | Why it conflicts | Suggested fix.

2) “Hard-to-read sentences” list: Location | Quote | Why it’s unclear | Suggested rewrite.

3) “Missing checklist items” list: Checklist item | Where it’s missing | Suggested addition.

Verification:

- Ask up to 3 clarifying questions if the checklist is ambiguous or the document structure is unclear.

अपरिचित विषयावर वेग वाढवणे म्हणजे पूर्वी धीमे वाचणे किंवा व्यस्त सहकाऱ्याची अनुकूलता होती.

AI साधने तुम्हाला मदत करू शकतात:

अपरिचित साधन, प्रक्रिया किंवा विषयाची कार्य समज जलद मिळवा
तुम्ही उत्तर देण्यासाठी तयार असले पाहिजे असे प्रश्न तयार करा
तुम्हाला आवश्यक असलेल्या स्तरावर संकल्पना स्पष्ट करा
तुमच्यापेक्षा अधिक तज्ज्ञ असलेल्या कोणाशीही बोलण्यापूर्वी पार्श्वभूमी भरा

ही क्वेरी वापरून पहा

Information briefing query

केव्हा वापरावे:You need a fast, plain-language briefing before a meeting.

Role: Subject-matter explainer.

Task: I have a meeting tomorrow about {topic} and I’m not deeply familiar with it. Explain the essentials in plain language: what it is, why it matters now, and the terms people will assume I know. Give me three questions I should be ready to answer or ask.

Inputs:

- Topic: {specific topic}

- Audience/industry: {e.g., fintech, healthcare, SaaS}

- Time sensitivity: {what’s new in the last 6–12 months}

Constraints:

- Plain language, no jargon without definitions.

- Time-bound: prefer developments from {start_date} to {end_date}; flag anything older.

Output:

1) “What it is” (3–5 bullets).

2) “Why it matters now” (3–5 bullets with recent developments).

3) “Terms you’ll be assumed to know” (term | one-line definition).

4) “Three questions to be ready for” (question | why it matters | talking points).

Verification:

- Flag any claim that lacks evidence or depends on a contested assumption.

- Ask up to 3 clarifying questions if the topic is too broad or the industry context is missing.

जुने ईमेल आणि नोट्समध्ये विखुरलेले संदर्भ कॉलच्या अगदी आधी, अल्पावधीत पुनर्निर्माण करणे कठीण होऊ शकते.

AI साधने तुम्हाला मदत करू शकतात:

संभाषणापूर्वी संदर्भ एकत्र करा: काय चर्चा केली गेली, वचन दिले गेले किंवा खुले सोडले गेले
ग्राहक किंवा भागधारक कॉलपूर्वी ब्रीफिंग तयार करा
चालू नातेसंबंधात खुले आयटम ट्रॅक करा
वास्तविक पूर्व संदर्भ संदर्भित करणारा चेक-इन मसुदा तयार करा

ही क्वेरी वापरून पहा

Pre-call relationship briefing query

केव्हा वापरावे:Preparing for a call with a person or account using past interactions.

Role: Account strategist.

Task: Before my call with {person_or_account} today, pull together what we discussed last time, anything promised on either side, and anything unresolved from our past emails/notes. Flag anything you’re not fully confident about so I can double-check.

Inputs:

- Person/account: {name, company, role}

- Past interactions: {paste last meeting notes + key emails or attach files}

- Today’s goal: {what you want from the call}

Constraints:

- Be literal: only record promises/unresolved items that are explicit or strongly implied; mark implied items as [Implied].

- If confidence is low, mark [Low confidence: {reason}].

Output:

1) “Last time” summary (3–5 bullets).

2) “Promises” table: Who | Promise | Date | Status (Done/Open) | Source snippet.

3) “Unresolved items” list: Item | Why it’s unresolved | Suggested next step.

4) “Call plan” (3 bullets): opening, key ask, fallback.

5) “Confidence flags” list: item | why confidence is low | how to verify.

Verification:

- Ask up to 3 clarifying questions if the history is incomplete or ambiguous.

वरील प्रत्येक प्रॉम्प्ट गृहीत धरते की साधनाला वास्तविक, कधीकधी संवेदनशील, कंपनीच्या माहितीवर प्रवेश आहे, त्यामुळे काही सवयी नंतर तो प्रवेश समस्या बनण्यापासून रोखतात.

सुरू करण्यापूर्वी मंजूर साधन सूची तपासा. बहुतेक कंपन्या कुठे ना कुठे पोस्ट करतात: IT विकी, सुरक्षा पोर्टल, ऑनबोर्डिंग कागदपत्र. तुम्हाला एखादे सापडले नसल्यास, एखादे नाही असे गृहीत धरण्याऐवजी थेट विचारणा करा.
वैयक्तिक खात्याद्वारे नव्हे तर तुमच्या कंपनीच्या SSO द्वारे लॉग इन करा. वैयक्तिक लॉगिन तुमच्या कंपनीचे डेटा नियंत्रण, ऑडिट ट्रल किंवा ऑफबोर्डिंग प्रक्रियेचा वारसा घेत नाही, त्यामुळे कार्य स्वतः कंपनीचा व्यवसाय असतानाही कार्य IT च्या दृश्यमानतेच्या बाहेर राहते.
"संवेदनशील विरुद्ध नाही" केवळ नाही तर तुमच्या कंपनीचे डेटा स्तर जाणून घ्या. बहुतेक कंपन्या डेटाचे दोनपेक्षा जास्त श्रेणींमध्ये विभाजन करतात, उदाहरणार्थ सार्वजनिक, अंतर्गत, गोपनीय आणि प्रतिबंधित, आणि एका साधनात पेस्ट करणे ठीक आहे ते दुसऱ्यासाठी ठीक असू शकत नाही. स्तर स्पष्ट ठिकाणी दस्तऐवजीकरण केलेले नसल्यास IT किंवा सुरक्षिततेशी तपासा.
तुम्ही शक्य तेव्हा पेस्ट करण्यापूर्वी ओळखकर्ते काढून टाका. औपचारिकपणे मंजूर न केलेल्या साधनामध्ये पेस्ट करण्यापूर्वी वास्तविक नावे, खाते क्रमांक आणि क्लायंट तपशील {client_name} सारख्या धारकांसाठी बदला.
मॉनेल-प्रशिक्षण टॉगल बंद करा. बहुतेक AI साधनांमध्ये एक सेटिंग असते, ज्याला सहसा "मॉडेल सुधारित करा" किंवा "प्रशिक्षणासाठी माझा डेटा वापरा" असे नाव दिले जाते, जे डीफॉल्टनुसार प्रशिक्षण डेटामध्ये तुमचे इनपुट निवडते. गोपनीयता किंवा सेटिंग्ज पॅनेल तपासा आणि त्या चिंतेशिवाय साधन विशेषतः मंजूर केले गेले नसल्यास ते बंद करा.
कनेक्ट करण्यापूर्वी साधन कशात प्रवेश करू शकते याचे पुनरावलोकन करा. जर ते गोष्टी बुक करत असेल, गोष्टी पाठवत असेल किंवा तुमच्या इनबॉक्सला स्पर्श करत असेल, तर ते कोणत्या परवानग्यांची मागणी करत आहे ते तपासा आणि तुम्ही सक्रियपणे वापरत नसलेल्या कशासाठीही प्रवेश रद्द करा.
काहीतरी मंजूर आहे की नाही हे तुम्हाला माहीत नसल्यास विचार करा. IT किंवा सुरक्षिततेला एक द्रुत संदेश सहसा शोधण्यापेक्षा श्रेयस्कर असतो की एखादे साधन साफ झालले नाही.

Do-and-don’t checklist for secure workplace AI use, emphasizing company SSO, approved tools, data redaction, disabled training, and limited permissions.

मोठेसले नॉलेज वर्कर आधीच AI चा कॅज्युअली वापर करतात: एक बंद प्रश्न, एक द्रुत ईमेल मसुदा, परिणाम कॉपी करा, पूर्ण झाले. एखाद्या कार्याला दोन आठवड्यांचा पायलट मानणे, एक वेळचा प्रश्न नाही, ते कॅज्युअल वापर अर्थपूर्ण वेळेच्या बचतीत बदलते.

येथे कसे सुरू करावे:

पाच कामकाजाच्या दिवसांसाठी, प्रत्येक पुनरावृत्ती होणारी कार्य, त्याला किती वेळ लागतो आणि ते किती कंटाळवाणे वाटते याची नोंद करा. एकाधिक वेळ-ट्रॅकिंग साधने उपलब्ध आहेत, परंतु चालू नोट चांगली कार्य करते: "सोमवार, २० मिनिटे, पावती क्रमवारी लावली, किंचित त्रासदायक." शुक्रवारपर्यंत, एक नमुना सहसा स्वतःच उभा राहतो.

नोट्सचे पुनरावलोकन करा आणि प्रथम स्वयंचलित करण्यासाठी कोणता वेळखाऊ, कंटाळवाणा कार्य निवडा.

विचार करण्यासाठी काही घटक आहेत:

कार्य आठवड्यातून अनेक वेळा होते का?
प्रक्रिया प्रत्येक वेळी तुलनेने सुसंगत आहे का?
आउटपुट तपासणे जलद आहे का?
हे परिस्थितीनुसार बदलणाऱ्या निर्णयांच्या आधारावर आहे का?
चूक पकडणे आणि सुधारणे सोपे होईल का?
स्त्रोत डेटा पूर्ण आणि विश्वासार्ह आहे का?

साप्ताहिक स्थिती अद्यतन किंवा आवर्ती खर्च अहवाल बसतो. त्रैमासिक बोर्ड डेक बसत नाही. पहिल्या पायलटसाठी भागभांडवल आणि पुनरावलोकन वेळ दोन्ही खूप जास्त आहेत.

AI काय तयार करते हे पाहण्यापूर्वी निर्णय घेतलेला, योग्य किंवा वापरण्यायोग्य आउटपुटचे वर्णन करणारी एक वाक्य लिहा.

मॅन्युअली केलेल्या आउटपुटची तीन वास्तविक उदाहरणे खेचा (तीन स्थिती अद्यतने, तीन खर्च अहवाल), आणि त्यांच्यात काय समान आहे ते लिहा: लांबी, रचना, तपशीलाची पातळी.

नंतर विचार करा की कशामुळे ते वापरण्यायोग्य होणार नाही. अपयश नाव देऊन चांगले परिभाषित करणे कधीकधी सोपे होते. चांगल्या आउटपुटच्या व्याख्येत प्रत्येक अपयशाची उलट समाविष्ट करा.

उदाहरणार्थ, स्थिती अद्यतनासाठी, ते असू शकते: "किमान पुनर्लेखनाची आवश्यकता असलेल्या दोन परिच्छेदांमध्ये, काय पाठवले आणि काय ब्लॉक केले आहे ते कव्हर करते."

खर्च अहवालासाठी, ते असू शकते: "प्रत्येक ओळीला श्रेणी असते आणि डुप्लिकेट फ्लॅग केले जातात."

कार्याचे साधे वर्णन आणि पायरी ३ मधील "चांगले" परिभाषाने सुरू करा, नंतर दोन किंवा तीन वास्तविक घटनांविरुद्ध चालवा.

प्रत्येक धावल्यानंतर, त्या परिभाषा विरुद्ध आउटपुटची तुलना करा आणि काय बंद आहे याची नोंद करा: विभाग गहाळ, खूप लांब, चुकीचा टोन. त्या विशिष्ट अंतरला संबोधित करणारी प्रॉम्प्टमध्ये एक ओळ जोडा, नंतर पुन्हा चालवा.

आउटपुटला केवळ किरकोळ संपादनाची आवश्यकता असते, पुनर्लेखनाची नाही तेव्हा थांबणे. अंतिम आवृत्ती पुन्हा शोधण्यास सोप्या ठिकाणी जतन करा: पिन केलेले दस्तऐवज, नोट्स अॅप किंवा सामायिक प्रॉम्प्ट लायब्ररी, उदाहरणार्थ.

मॅन्युअली सत्यापित करण्यासाठी एक पुनरावृत्ती करण्यायोग्य गोष्ट निवडा. खर्च अहवालासाठी, याचा अर्थ सबमिट करण्यापूर्वी कच्च्या निर्याती विरुद्ध श्रेणी एकूण तुलना करणे असू शकते. विश्वासार्ह वाटू लागल्यास, प्रत्येक आउटपुटवर दोन आठवडे तीच तपासा.

प्रत्येक घटनेसाठी, तपासणी पायरीसह, कार्य सुरू होण्यास किती वेळ लागला आणि पायरी १ मध्ये लॉग केलेल्या वेळेची तुलना कशी करते याचा मागोवा घ्या. दोन आठवड्यांच्या शेवटी, स्वयंचलन जसेच्या तसे ठेवणे योग्य आहे की नाही हे ठरवण्यासाठी ते जोडा. नसल्यास, समायोजित करा आणि पुन्हा प्रयत्न करा, किंवा ते सोडवा आणि वेगळे कार्य निवडा.

सर्वात जास्त वेळ खाणारे आणि सर्वात सुसंगतपणे दर्शविणारे कार्य निवडा, पायलट पायऱ्यांमधून ते चालवा आणि AI किती वेळ किंवा प्रयत्न वाचवतो याची नोंद करा.

Perplexity Computer दिवसभरात तास न जोडता नॉलेज वर्करला अधिक क्षमता देते. हे Gmail, Outlook, Google Drive, Notion आणि Slack यासह दैनंदिन वापरात आधीपासून असलेल्या साधनांशी कनेक्ट होते आणि बाहेर जाण्यापूर्वी संबंधित सामग्री खेचू शकते, आउटपुट मसुदा तयार करू शकते आणि दुसरा देखावा आवश्यक असलेली कोणतीही गोष्ट फ्लॅग करू शकते.

तुमच्या दैनंदिन कामासाठी Perplexity Computer वापरून पहा.

कामाच्या ठिकाणी AI म्हणजे काय?

हा नोकरीच्या आवर्ती भागांमध्ये मदत करण्यासाठी कनेक्ट केलेले सहाय्यक आणि चॅटबॉट्स सारख्या AI साधनांचा वापर आहे: माहिती ठेवणे, संवाद साधणे, नियोजन करणे, पुनरावलोकन करणे आणि प्रशासकीय कार्य, बहुतेक लोक आधीच विचारत असलेल्या एक-बंद प्रश्नांव्यतिरिक्त.

कामाच्या ठिकाणी AI ची उदाहरणे कोणती आहेत?

मीटिंग ट्रान्सकृिप्टमधून कृती आयटम बाहेर काढणे, कच्च्या नोट्सना स्थिती अद्यतनामध्ये बदलणे, खर्च अहवाल वर्गीकृत करणे, स्त्रोत-समर्थित प्रस्तुतीकरण बाह्यरेखा तयार करणे आणि मागील संदर्भ वापरून कॉलसाठी तयारी करणे हे पाच सामान्य आहेत.

कामाच्या ठिकाणी AI चे फायदे काय आहेत?

अंदाजित नमुन्याचे अनुसरण करणार्‍या कार्यांवर सर्वात स्पष्ट फायदा वेळ परत आहे: सारांश, मसुदा तयार करणे, वर्गीकरण करणे आणि हाताने करण्यास वास्तविक वेळ घेणारे परंतु खोल निर्णयाची आवश्यकता नसलेले कार्य पुनरावलोकन करणे.

कामाच्या ठिकाणी AI चे साधक आणि बाधक काय आहेत?

उलट बाजू म्हणजे जलद पहिले मसुदे आणि पुनरावृत्ती कार्यांवर कमी वेळ. तपासणी पायरी वगळली जाते तेव्हा बाधक बाजू दिसते: सत्या म्हणून उपचार केलेला अनसत्यापित सारांश, पुनरावलोकन न करता पाठवलेला मसुदा, किंवा कधीही मंजूर न केलेल्या साधनामध्ये पेस्ट केलेला संवेदनशील डेटा.

तुम्ही कामाच्या ठिकाणी AI कसे वापरता?

एका आवर्ती कार्यापासून सुरुवात करा, ते सध्या एका आठवड्यासाठी कसे केले जाते याचा मागोवा घ्या, चांगले आउटपुट कसे दिसते ते परिभाषित करा, काही वास्तविक घटनांविरुद्ध प्रॉम्प्टची चाचणी घ्या आणि दोन आठवड्यांच्या पायलट दरम्यान प्रत्येक आउटपुटवर चालवण्यासाठी एक निश्चित तपासणी सेट करा.

कामाच्या ठिकाणी AI चे धोके काय आहेत?

मुख्य धोके म्हणजे AI आउटपुट सत्यापित न केलेले असताना सत्यापित म्हणून हाताळणे, अनमोदित साधनाद्वारे संवेदनशील डेटा पाठवणे आणि AI सारांशला निर्णयासाठी पर्याय बनू देणे, मंजुरी, किंवा नातेसंबंध निर्णय ज्याला अद्याप व्यक्तीची आवश्यकता आहे.

AI नोकऱ्या बदलणार आहे का?

बहुतेक नॉलेज वर्कसाठी, AI भूमिकेऐवजी भूमिकेतील विशिष्ट पुनरावृत्ती कार्यांची जागा घेत आहे. या मार्गदर्शकातील कार्ये, संवाद, प्रशासक, पहिले मसुदे, बदलण्याची सर्वाधिक शक्यता आहे, तर निर्णय, उत्तरदायित्व आणि नातेसंबंध-निर्माण कार्य करणार्‍या व्यक्तीकडे राहतात.

कामाच्या ठिकाणी AI चा वापर कसा करावा

१) माहिती ठेवत राहाणे

२) संवाद

३) मीटिंग्ज

४) नियोजन आणि प्राधान्यक्रम

५) विश्लेषण आणि निर्णय घेणे

६) वितरके तयार करणे

७) प्रशासकीय ओव्हरहेड

८) पुनरावलोकन आणि गुणवत्ता नियंत्रण

९) शिकणे

१०) नातेसंबंध व्यवस्थापित करणे

तुमच्या IT टीमला त्रास न देता AI सह सुरुवात कशी करावी

AI चा अधिक प्रभावीपणे कार्यक्षेत्रात वापर कसा करावा

१) कोणतेही बदल करण्यापूर्वी पूर्ण आठवडा ट्रॅक करा

२) एक कार्य निवडा

३) चाचणी करण्यापूर्वी "चांगले" कसे दिसते ते परिभाषित करा

४) प्रॉम्प्ट तयार करा आणि चाचणी करा

५) एका गुणवत्ता नियंत्रण तपासणीवर निर्णय घ्या

६) दोन आठवड्यानंतर, बेसलाईनशी तुलना करा.

हे प्रत्यक्षात आणत आहे

नेहमी विचारले जाणारे प्रश्न (FAQs)