এটা কি বলা নিরাপদ নয় যে ``প্রাথমিক অনুসন্ধানের প্রতিক্রিয়া/পরিষেবা ডেস্ককে এআই দিয়ে প্রতিস্থাপন করার ধারণা এখন একটি সাধারণ ধারণা? আসলে, আমি কি করতে চাই তা পরিষ্কার। আমরা অপেক্ষার সময় কমাতে চাই, অপারেটরের বোঝা কমাতে চাই, কর্মীদের কমাতে চাই এবং প্রতিক্রিয়ার গুণমানকে সমান করতে চাই। এই উদ্দেশ্য নিয়ে কোনো আপত্তি নেই।

একটি সাধারণ ভুল হল ‘‘আরএজিকে সবকিছু খেতে দিন’’ প্রায়শই পদ্ধতি হিসেবে বেছে নেওয়া হয়। আমি ব্যক্তিগতভাবে একটি কনফিগারেশন পরীক্ষা করেছি যা অতীতের লগ, অভ্যন্তরীণ উইকি এবং চ্যাট ইতিহাসকে একবারে ইনপুট করে, কিন্তু আমি যা পেয়েছি তা প্রত্যাশিত দক্ষতা ছিল না, কিন্তু আপাতদৃষ্টিতে আবর্জনা উত্তরগুলির একটি ব্যাপক উত্পাদন।

উপসংহার পরিষ্কার। আংশিক প্রতিস্থাপন সম্ভব, কিন্তু জ্ঞান অপারেশন ডিজাইন না করে SD প্রতিস্থাপনের ব্যর্থতার উচ্চ সম্ভাবনা রয়েছে। এবং বেশিরভাগ ব্যর্থতা মডেল নির্বাচন ত্রুটির কারণে নয়। ইনপুট ডেটার মান এবং অপারেশনাল দায়িত্বের নকশা অপর্যাপ্ত।

পরিষেবা ডেস্ক ক্ষেত্রে, সঠিক উত্তর এবং নিরীক্ষাযোগ্যতা একই সময়ে প্রয়োজন। এই উভয় লক্ষ্য অর্জনের জন্য, উভয়ই অর্জনের একমাত্র উপায় হল ‘‘অনুমোদিত এবং প্রতিষ্ঠানের জন্য সঠিক অফিসিয়াল জ্ঞান’’।

প্রথমে উপসংহার

  • এমনকি যদি আপনি সম্পূর্ণ অতীত লগ ইনপুট করেন, যদি গুণমান কম হয়, তবে এটি কেবল উচ্চ গতিতে আবর্জনা অনুসন্ধান করবে এবং আবর্জনার মতো উত্তর দেবে।
  • এমনকি যদি সংস্থার মধ্যে সমস্ত তথ্য ইনপুট হয়, যদি আনুষ্ঠানিক এবং অনানুষ্ঠানিকের মধ্যে সীমানা অস্পষ্ট হয়, তবে এটি সংস্থার অফিসিয়াল প্রেক্ষাপট বা নিয়ম অনুমান না করেই ভুল উত্তরগুলিকে ন্যায্যতা দেওয়ার একটি যন্ত্র হয়ে ওঠে।
  • একটি কাঠামো যা শুধুমাত্র সাধারণ পদে উত্তর দেয় সংস্থার নিয়মের বিরুদ্ধে এবং ক্ষেত্রে ব্যবহার করা যাবে না।
  • আসল সমাধান হল AI সহায়তায় একটি KCS (নলেজ-সেন্টারড সার্ভিস) লুপ চালানো এবং রেফারেন্স উৎসের গুণমান এবং দায়ী ব্যক্তিকে স্পষ্ট করা।
  • AI যা অনুমোদিত অফিসিয়াল জ্ঞান উল্লেখ করতে পারে না পরিষেবা ডেস্ক উত্পাদনে ব্যবহার করা যাবে না।

কেন “আপাতত সবকিছু করা” ব্যর্থ হয়?

1. অতীতের চিঠিপত্রের লগগুলি প্রথম স্থানে জ্ঞান নয়।

মাঠে টিকিট বন্ধ করার জন্য অনেক অনুসন্ধানের লগ লেখা হয়। যদিও এটি নিজেই ব্যবসায়িক উদ্দেশ্যে সঠিক, এটি প্রায়ই পুনঃব্যবহারযোগ্য জ্ঞান হিসাবে অপর্যাপ্ত।

  • পূর্বশর্ত তথ্য অনুপস্থিত (ব্যবহৃত ডিভাইস, কর্তৃপক্ষ, সংযোগ রুট, পরিবেশের পার্থক্য)।
  • লক্ষ্য হল টিকিট সম্পূর্ণ করা, এবং চরম ক্ষেত্রে এটি “পত্রালাপ সম্পন্ন” দিয়ে শেষ হতে পারে। পুনঃব্যবহারের উদ্দেশ্যে নয়।
  • সংক্ষিপ্ত রূপ এবং কথোপকথনের মিশ্রণ, এবং দায়িত্বে থাকা ব্যক্তির স্বচ্ছ জ্ঞানের উপর নির্ভর করে।
  • মূল কারণ এবং অন্তর্বর্তী সমাধান আলাদা করা হয় না।

যদি এই অবস্থায় একটি লগ RAG-তে জমা দেওয়া হয়, অনুসন্ধান সফল হলেও, উত্তরটি সঠিক হবে না। এর কারণ হল AI এমন নথির পরিপূরক হতে পারে যেগুলি অস্পষ্ট বা বোধগম্য নয়, এমনকি মানুষের দ্বারা পড়ার পরেও, যার ফলে অবাস্তব বিভ্রান্তিকর উত্তর তৈরি হয়। এটি একটি ঝামেলাপূর্ণ পরিস্থিতি তৈরি করে যেখানে উত্তর দ্রুত হয় কিন্তু সমস্যার সমাধান হয় না। এমনকি যদি আপনি মনে করেন যে প্রম্পটটি খারাপ এবং এটিকে যতটা সম্ভব কঠিন করার চেষ্টা করুন, এটি সম্ভবত বৃথা যাবে। অন্তত এটা আমার ঘটেছে.

2. অভ্যন্তরীণ তথ্যের সম্পূর্ণ ইনপুট “অফিসিয়াল ডিলিউশন” ঘটায়

কনফিগারেশন যা ব্যবহারকারীদের সমস্ত অভ্যন্তরীণ উইকি,'' সমস্ত ফাইল সার্ভার,’’ এবং ``সমস্ত চ্যাট লগ’’ পড়তে দেয় তা প্রথম নজরে ব্যাপক। যাইহোক, বাস্তবে, এটি একই অনুসন্ধান স্ক্রিনে নির্ভরযোগ্যতার বিভিন্ন ডিগ্রি সহ তথ্য সাজানোর অনুরূপ।

সাধারণত নিম্নলিখিত ঘটে:

  • অফিসিয়াল পদ্ধতি (অনুমোদিত) এবং ব্যক্তিগত নোট (অনুমোদিত) একই কলামে অনুসন্ধান করা হয়
  • অপ্রচলিত পদ্ধতি রয়ে গেছে এবং সর্বশেষ পদ্ধতির সাথে সাংঘর্ষিক
  • অস্থায়ী জ্ঞান-কে কীভাবে স্থায়ী পদ্ধতি হিসাবে ভুল উদ্ধৃত করা হয়
  • যেখানে নিবন্ধের আপডেটের তারিখ এবং সময় নতুন কিন্তু বিষয়বস্তুটি পুরানো সেখানে একটি বিপরীত ঘটনা ঘটে।

RAG “ডকুমেন্ট ফাইন্ডিং” এ ভালো। তবে দলিলটি প্রতিষ্ঠানের জন্য সঠিক কিনা তা নিশ্চিত করার জন্য একটি পৃথক ব্যবস্থা তৈরি করতে হবে।

3. সাংগঠনিক নিয়ম না জেনে সাধারণীকরণ সঠিক হলেও ব্যবহার করা যাবে না।

অপর্যাপ্ত আনুষ্ঠানিক জ্ঞান সহ AI প্রায়শই এমন উত্তর দেয় যা প্রযুক্তিগতভাবে সঠিক কিন্তু কার্যকরীভাবে অসম্ভব।

  • স্থানীয় প্রশাসকের বিশেষাধিকার প্রদান করুন
  • নিরাপত্তা সেটিংস সাময়িক শিথিল
  • স্বতন্ত্র বিবেচনার ভিত্তিতে বাহ্যিক মেঘের ব্যবহার
  • ক্রস-ফাংশনাল ডেটাতে সরাসরি অ্যাক্সেস

এমনকি যদি এআই একটি সাধারণ সমাধান ফিরিয়ে দেয়, তবে এটি সাংগঠনিক নিয়ম লঙ্ঘন করলে এটি বাস্তবায়ন করা অসম্ভব হবে। এই মুহুর্তে, পরিষেবা ডেস্ক AI এমনকি এমন একটি ডিভাইস হয়ে উঠতে পারে যা নিয়ম ভঙ্গকে সমর্থন করে। এটি ব্যবসায়িক সমস্যার সমাধান হিসাবে ব্যবহার করা যাবে না।

সাইটে ঘটে যাওয়া ব্যর্থতার উদাহরণ

ব্যর্থতার উদাহরণ 1: VPN সংযোগ ব্যর্থতার কারণে ভুল নির্দেশনা

  • লক্ষণ: “বাড়ি থেকে ভিপিএন সংযোগ করতে অক্ষম”
  • AI উত্তর: “অনুগ্রহ করে OS নেটওয়ার্ক সেটিংস শুরু করুন এবং পুনরায় চালু করুন।”
  • প্রকৃত: কারণটি হল প্রমাণীকরণ পরিকাঠামোর দিকে শংসাপত্র প্রত্যাহার, এবং এটি ব্যবহারকারীর পক্ষে সমাধান করা যাবে না।

তুমি কেন জাগলে? এর কারণ হল অতীতের লগগুলিতে অনেকগুলি “ব্যক্তিগত ডিভাইসের অস্থায়ী ত্রুটি” ছিল এবং এআই তাদের কাছে টানা হয়েছিল। অধিকন্তু, ``পরিষেবা-সদৃশ ব্যর্থতাকে বিচ্ছিন্ন করার পদ্ধতি’ অফিসিয়াল জ্ঞান হিসাবে দুর্বল ছিল, তাই এটিকে শীর্ষ প্রার্থী হিসাবে স্থান দেওয়া হয়নি। এছাড়াও, ‘‘অনুমতি ছাড়াই NW সেটিংস রিসেট করা ব্যবহারকারীদের পক্ষে কি ঠিক হবে?’’-এর সাংগঠনিক প্রসঙ্গটি উত্তরে ফ্যাক্টর করা হয় না।

ব্যর্থতার উদাহরণ 2: সফ্টওয়্যার অ্যাপ্লিকেশনে প্রবিধান লঙ্ঘনের প্রস্তাব করা

  • লক্ষণ: “আমি বিশ্লেষণ সরঞ্জাম ব্যবহার করতে চাই”
  • AI উত্তর: “নিজেই ট্রায়াল সংস্করণটি ডাউনলোড করুন এবং এটি ব্যবহার শুরু করুন।”
  • অনুশীলনে: সংস্থানগুলির জন্য সংগ্রহ, লাইসেন্স ব্যবস্থাপনা, এবং ক্যারি-অন স্ক্রীনিং অপরিহার্য।

তুমি কেন জাগলে? এর কারণ হল অফিসিয়াল প্রকিউরমেন্ট ফ্লো ডকুমেন্টগুলি বাহ্যিক সাধারণ নিবন্ধ এবং ব্যক্তিগত মেমো উল্লেখ করে সমাহিত করা হয়েছিল। এটি কি করা যায়'' থেকে কী করা ঠিক আছে’’ আলাদা করতে না পারার একটি সাধারণ উদাহরণ।

ব্যর্থতার উদাহরণ 3: একই প্রশ্ন, উত্তর প্রতিবার পরিবর্তন হয়

  • লক্ষণ: “ইমেল ফরওয়ার্ডিং সেট আপ করার পদক্ষেপগুলি কি কি?”
  • এআই উত্তর: দিনের উপর নির্ভর করে
  • প্রকৃত: পুরানো অপারেশন পদ্ধতি পৃষ্ঠা এবং নতুন পদ্ধতি পৃষ্ঠা সহাবস্থান

তুমি কেন জাগলে? এর কারণ হল “বৈধ সংস্করণ” (বৈধ শুরুর তারিখ, বিলুপ্তির তারিখ, অনুমোদনকারী) নির্দেশ করে এমন কোনো মেটাডেটা ছিল না এবং অনুসন্ধানের র‍্যাঙ্কিংয়ে উত্তরগুলি ভিন্ন ছিল৷ যখন ব্যক্তিগত ইমেল এবং চ্যাট স্নিপেটগুলি মিশ্রিত হয়, তখন সম্ভাবনা বৃদ্ধি পায় যে একটি অনানুষ্ঠানিক ব্যাখ্যা সুযোগ দ্বারা উচ্চতর স্থান পাবে।

তাহলে কি করবেন: AI সহায়তায় KCS লুপ চালান

আসল সমাধান হল AI দিয়ে KCS প্রতিস্থাপন করা নয়। AI এর সাথে KCS ত্বরান্বিত করা।

কেসিএস কি?

KCS (নলেজ-সেন্টারড সার্ভিস) হল একটি অপারেশনাল ধারণা যা অনুসন্ধানের প্রতিক্রিয়ার ক্ষেত্রে উত্পন্ন জ্ঞান রেকর্ড করে, এটি পুনঃব্যবহার করে এবং এটিকে উন্নত করতে থাকে। গুরুত্বপূর্ণ বিষয় হল ‘‘সমস্যা সমাধানের পর একটি নথি লিখতে’’ নয়, বরং সমস্যা সমাধানের কাজটিতে আপডেট করা জ্ঞানকে এম্বেড করা। RAG যুগে কেন KCS-এর পুনর্মূল্যায়ন করা হচ্ছে তার কারণ সহজ: অনুসন্ধানের গন্তব্যের গুণমান মূলত উত্তরের গুণমান নির্ধারণ করে।

ছোটগল্পঃ পুরাতন গল্প, কিন্তু কার্যকর।

KCS একটি ধারণা যা 1992 সালে শুরু হয়েছিল, AI এর থেকে অনেক পুরানো। যাইহোক, এটি বর্তমানে কার্যকর হওয়ার কারণ হল কারণ স্থলের সমস্যাগুলি মূলত পরিবর্তিত হয়নি।

  • একটি লগ আছে, কিন্তু আমি এটা পড়তে পারি না.
  • একটি নথি আছে, কিন্তু আমি অফিসিয়াল সংস্করণ জানি না.
  • আপডেট করা হয়নি এবং পচন ধরেছে

আপনি যখন জেনারেশন এআই অন্তর্ভুক্ত করেন, তখন এই তিনটি জিনিস অদৃশ্য হওয়ার পরিবর্তে প্রসারিত হয়। এই কারণেই চটকদার নতুন বৈশিষ্ট্যের আগে সমতল কিন্তু অবিচ্ছেদ্য KCS ছাঁচে ফিরে যাওয়া অর্থপূর্ণ।

KCS অপারেশনের জন্য ন্যূনতম কনফিগারেশন

  • ‘ক্যাপচার’: অনুসন্ধানের উত্তর দেওয়ার সময় লক্ষণ, কারণ, পাল্টা ব্যবস্থা এবং প্রযোজ্য শর্তগুলি গঠন এবং রেকর্ড করুন।
  • ‘কাঠামো’: একটি টেমপ্লেট তৈরি করুন এবং পরিবেশগত অবস্থা, লক্ষ্য পরিসর এবং নিষেধাজ্ঞাগুলি বাধ্যতামূলক আইটেম তৈরি করুন৷
  • পুনঃব্যবহার: পরবর্তী অনুসন্ধানটি পড়ুন এবং একটি সেট হিসাবে উত্তর এবং ভিত্তি URL উপস্থাপন করুন
  • ‘উন্নতি’: প্রকৃত ক্রিয়াকলাপে পার্থক্য প্রতিফলিত করা এবং অস্পষ্ট শব্দ এবং পুরানো পদ্ধতিগুলি সংশোধন করা চালিয়ে যাওয়া

প্রোডাকশন লুপ: অফিসিয়াল জ্ঞানের সাথে AI উত্তর দেয়

ক্ষেত্রটিতে, পরবর্তী লুপে ধীরে ধীরে প্রয়োগের সুযোগ প্রসারিত করা বাস্তবসম্মত।

  1. ব্যবহারকারী প্রথমে AI জিজ্ঞাসা করে৷
  2. যদি AI সমস্যার সমাধান না করে, তাহলে সার্ভিস ডেস্কে (SD) যান
  3. এআই দ্বারা পড়ার জন্য উপযুক্ত টেমপ্লেটগুলি ব্যবহার করে SD চিঠিপত্রের রেকর্ডগুলিকে জ্ঞানে রূপান্তর করুন
  4. AI রেফারেন্স ডেটা উত্সগুলিতে শুধুমাত্র অনুমোদিত এবং পর্যালোচনাকৃত অফিসিয়াল জ্ঞান যোগ করুন
  5. অনুরূপ অনুসন্ধানের সাথে AI এর প্রাথমিক প্রতিক্রিয়া হার এবং সঠিক উত্তরের হার বৃদ্ধি পায়

এই লুপের মূল বিষয় হল জ্ঞানের সংগ্রহ যা “পরিমাণ” এর পরিবর্তে “অনুমোদন” বা অফিসিয়াল উত্তরের জন্য ব্যবহার করা যেতে পারে। শুধুমাত্র “অনুমোদিত তথ্য” তৈরি করুন, “রেকর্ড করা তথ্য” নয়, AI-এর ডেটা উৎস। যদি এটি ভাঙা হয়, উত্তরের পরিসর প্রসারিত হবে, কিন্তু সঠিকতা হবে না।

যে ক্ষেত্রগুলি AI-তে ছেড়ে দেওয়া যেতে পারে

  • অনুরূপ প্রশ্নের ক্লাস্টারিং
  • খসড়া উত্তর তৈরি করা (প্রমাণ সহ)
  • অনুপস্থিত আইটেমগুলি নির্দেশ করুন (“লক্ষ্য OS অজানা”, “কর্তৃপক্ষের পূর্বশর্তগুলি বলা নেই”, ইত্যাদি)
  • ডুপ্লিকেট জ্ঞান একত্রিত করার জন্য প্রার্থীদের উপস্থাপনা

যেখানে মানুষের দায়িত্বশীল হওয়া উচিত

  • অফিসিয়াল/অনানুষ্ঠানিক রায়
  • পদ্ধতির অনুমোদন এবং সেগুলি বাতিল করার সিদ্ধান্ত
  • ব্যতিক্রম পরিচালনার অনুমতি দিন
  • জ্ঞানের মেয়াদ উত্তীর্ণ ব্যবস্থাপনা

এমনকি আপনি যদি এটি AI-তে ছেড়ে দেওয়ার চেষ্টা করেন তবে AI সঠিকভাবে প্রতিক্রিয়া জানাতে সক্ষম হবে না।

ব্যবহারিক পয়েন্ট

অনুশীলনে নিচের বিষয়গুলো মাথায় রাখতে হবে।

জ্ঞান অপারেশন সাইড

  • কে কী ধরনের অফিসিয়াল জ্ঞান তৈরি এবং প্রকাশ করবে এবং কখন তৈরি করবে তা নির্ধারণ করুন এবং তৈরি এবং গুণমান নিশ্চিতকরণ প্রকল্পের বিষয়ে সিদ্ধান্ত নিন।
  • কে জ্ঞান দেখতে পারে এবং অ্যাক্সেস নিয়ন্ত্রণের বিষয়ে সিদ্ধান্ত নিতে পারে তা নির্ধারণ করুন।

এআই সাইড

  • স্পষ্টভাবে শিক্ষার্থীদের প্রম্পটে তাদের উত্তরের যুক্তি প্রদান করতে নির্দেশ দিন।
  • উত্তর তৈরিতে অনানুষ্ঠানিক/অননুমোদিত উত্স ব্যবহার করার অনুমতি দেবেন না।

উন্নত অপারেশন

  • AI এর ভুল উত্তর সংগ্রহ করার উপায়গুলি নির্ধারণ করুন এবং স্বাভাবিক ক্রিয়াকলাপের উন্নতির জন্য জ্ঞান উত্পাদনকে অন্তর্ভুক্ত করুন।

এই তিনটি পয়েন্ট বিমূর্ত মনে হতে পারে, কিন্তু বাস্তবায়িত হলে তারা একটি পার্থক্য করে। যে দলগুলি সিদ্ধান্ত নেয় ‘‘কে দায়ী হবে’’ তারা প্রথমে দ্রুত উন্নতি করে, যখন যে দলগুলি বারবার সিদ্ধান্ত নেয় না তারা একই ভুল করে।

“এটি কি প্রতিস্থাপন করা যেতে পারে?” এর উত্তর

আপনি যদি আমাকে জিজ্ঞাসা করেন যে একটি পরিষেবা ডেস্ক 100% একটি এআই এজেন্ট দ্বারা প্রতিস্থাপিত হতে পারে, বর্তমান উত্তরটি “না।” যাইহোক, আপনি যদি অনুসন্ধানের ধরনগুলি ভেঙে দেন এবং এমন একটি অপারেশন স্থাপন করেন যা জ্ঞানের দায়িত্বগুলিকে স্পষ্ট করে, প্রাথমিক উত্তর উপস্থাপনা, স্থির নির্দেশিকা, এবং আদর্শ পদ্ধতি সম্পূর্ণরূপে প্রতিস্থাপিত হতে পারে।

অন্য কথায়, ইস্যুতে বিন্দুটি AI এর বুদ্ধিমত্তা নয়।

  • কোন জ্ঞান সরকারী হিসাবে গ্রহণ?
  • কে মানের গ্যারান্টি দেয়?
  • ভুল করলে কে বাধা দেবে?

শুধুমাত্র যে সংস্থাগুলি এই তিনটি পয়েন্ট ডিজাইন করতে পারে তারাই এআই এজেন্টকে ``মাত্র একটি দ্রুত চ্যাট টুল’’ থেকে ‘‘একটি ব্যবসায়িক শক্তি’‘তে রূপান্তর করতে সক্ষম হবে। বিপরীতভাবে, একটি অনুমোদিত অফিসিয়াল জ্ঞান অপারেশন নেই এমন একটি সংস্থা পরিষেবা ডেস্কের মান তৈরি করতে সক্ষম হবে না, মডেল যতই পরিশীলিত হোক না কেন।

সারাংশ

‘‘আপনি যদি সমস্ত লগ অন্তর্ভুক্ত করেন তবে আপনি আরও স্মার্ট হয়ে উঠবেন’’ এই ধারণাটি একটি বিভ্রম। সার্ভিস ডেস্ক এআই আটকে যাওয়ার আসল কারণ জ্ঞানের পরিমাণ নয়, জ্ঞানের শাসনের অভাব।

আমাদের এখন যা করতে হবে তা গ্র্যান্ড মোট অটোমেশন নয়। এটি একটি কম-কী অপারেশন যা কেসিএস লুপ চালানো এবং অফিসিয়াল জ্ঞান চাষ করতে AI সহায়তা ব্যবহার করে।

সংস্থাগুলি এই বিনয়কে গ্রহণ করতে শুরু করার সাথে সাথে তাদের প্রতিক্রিয়ার মান দৃশ্যমানভাবে পরিবর্তিত হয়। একটি পরিষেবা ডেস্কে AI ব্যবহার করার সময়, শীর্ষ অগ্রাধিকার সর্বদা একই থাকে। ** ক্রমাগত অনুমোদিত এবং প্রাতিষ্ঠানিকভাবে সঠিক অফিসিয়াল জ্ঞান বিকাশ করুন। **

রেফারেন্স উপকরণ