𝗔𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝗻𝗴 𝗧𝗵𝗲 𝗧𝗲𝗰𝗵𝗻𝗶𝗰𝗮𝗹 𝗖𝗼𝗿𝗲: 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝗻𝗴 𝗧𝗥𝗔𝗤 & 𝗜𝗦𝗔-𝗖𝗼𝗺𝗽𝗹𝗶𝗮𝗻𝘁 𝗥𝗶𝘀𝗸 𝗔𝘀𝘀𝗲𝘀𝘀𝗺𝗲𝗻𝘁𝘀 𝘄𝗶𝘁𝗵 𝗔𝗜

ഫീൽഡ് കുറിപ്പുകളെ (field notes) മികച്ച റിസ്ക് റിപ്പോർട്ടുകളാക്കി മാറ്റാൻ ആർബോറിസ്റ്റുകൾ (Arborists) മണിക്കൂറുകൾ ചെലവഴിക്കുന്നു. ഈ റിപ്പോർട്ടുകൾ ISA BMP, TRAQ മാനദണ്ഡങ്ങൾ പാലിച്ചിരിക്കണം. മാനുവലായി റിപ്പോർട്ടുകൾ തയ്യാറാക്കുന്നത് സമയമെടുക്കുന്നതും തെറ്റുകൾ സംഭവിക്കാൻ കാരണമാകുന്നതുമാണ്. നിങ്ങൾ വിദഗ്ദ്ധമായ മേൽനോട്ടം വഹിക്കുമ്പോൾ, ആവർത്തന സ്വഭാവമുള്ള എഴുത്തുകൾ AI കൈകാര്യം ചെയ്യുന്നു.

പ്രധാന തത്വം: സ്ട്രക്ചേർഡ് ഡാറ്റ പ്രോംപ്റ്റ് (The Structured Data Prompt)

AI-യിൽ നിന്ന് വിശ്വസനീയമായ ഔട്ട്‌പുട്ട് ലഭിക്കാനുള്ള ഏറ്റവും നല്ല മാർഗ്ഗം സ്ട്രക്ചേർഡ് ഡാറ്റ പ്രോംപ്റ്റ് ഉപയോഗിക്കുക എന്നതാണ്. ഈ ഫ്രെയിംവർക്ക് ISA TRAQ പ്രവർത്തനരീതിയെ (workflow) അനുകരിക്കുന്നു. ഇത് പ്രധാനമായും മൂന്ന് ജോലികൾ ചെയ്യുന്നു.

  • ഇത് AI-ക്ക് ഒരു പ്രത്യേക റോൾ നൽകുന്നു, ഉദാഹരണത്തിന് ഒരു ISA TRAQ യോഗ്യതയുള്ള ആർബോറിസ്റ്റ്.
  • ഇത് നിരീക്ഷണങ്ങളെ വ്യക്തമായ ലേബൽ, വാല്യൂ ജോഡികളായി (label and value pairs) നൽകുന്നു. ഇതിൽ ഇനം (species), ലക്ഷ്യം (target), തകരാർ (defect), അളവ് (measurement) എന്നിവ ഉൾപ്പെടുന്നു.
  • ഇത് റിപ്പോർട്ട് വിഭാഗങ്ങളും സേഫ്റ്റി നെറ്റ് നിർദ്ദേശങ്ങളും ഉൾപ്പെടുത്തുന്നു. വിവരങ്ങൾ സ്വയം നിർമ്മിക്കുന്നത് ഒഴിവാക്കാനും, ഫീൽഡ് പരിശോധനയ്ക്കായി വിട്ടുപോയ വിവരങ്ങൾ അടയാളപ്പെടുത്താനും ഈ നിർദ്ദേശങ്ങൾ AI-യോട് ആവശ്യപ്പെടുന്നു.

ഈ പ്രോംപ്റ്റ് ഉപയോഗിക്കുന്നതിലൂടെ, 'per ISA BMP' പോലുള്ള പ്രയോഗങ്ങൾ ശരിയായ സ്ഥലങ്ങളിൽ വരുന്നുണ്ടെന്ന് നിങ്ങൾക്ക് ഉറപ്പാക്കാം. ഇത് ഔട്ട്‌പുട്ടിനെ ISA മാട്രിക്സ് ലോജിക്കുമായി (ISA matrix logic) പൊരുത്തപ്പെടുന്നു എന്ന് ഉറപ്പാക്കുന്നു.

ഒരു ചെറിയ ഉദാഹരണം (Mini-scenario)

ഒരു മരത്തിന്റെ കിരീടഭാഗത്ത് (crown) 30% ഡൈബാക്കും (dieback), വേരുമേഖലയിൽ (root zone) 20 സെന്റീമീറ്റർ ഗ്രേഡ് മാറ്റവും ഉണ്ടെന്ന് നിങ്ങൾ രേഖപ്പെടുത്തുന്നു. ഈ വിവരങ്ങൾ സ്ട്രക്ചേർഡ് പ്രോംപ്റ്റിൽ നൽകിയ ശേഷം, TRAQ രീതിശാസ്ത്രം (methodology) പരാമർശിച്ചുകൊണ്ടും വേരുമേഖലയിലെ പ്രശ്നം പരിശോധനയ്ക്കായി അടയാളപ്പെടുത്തിയുകൊണ്ടും AI ഒരു ഡ്രാഫ്റ്റ് തയ്യാറാക്കുന്നു.

നടപ്പിലാക്കേണ്ട ഘട്ടങ്ങൾ

  • ഒരു പ്രോംപ്റ്റ് ടെംപ്ലേറ്റ് നിർമ്മിക്കുക. ഇതിൽ റോൾ, കംപ്ലയൻസ് ഫ്രേസുകൾ (compliance phrases), എക്സിക്യൂട്ടീവ് സമ്മറി (Executive Summary), റിസ്ക് റേറ്റിംഗ് (Risk Rating) തുടങ്ങിയ റിപ്പോർട്ട് തലക്കെട്ടുകൾ എന്നിവ ഉൾപ്പെടുത്തുക.

  • ഫീൽഡ് ഡാറ്റ കൃത്യമായി ശേഖരിക്കുക. ഡാറ്റ 'Label: Value' ജോഡികളായി രേഖപ്പെടുത്താൻ ഒരു സ്പ്രെഡ്ഷീറ്റോ മൊബൈൽ ഫോമോ ഉപയോഗിക്കുക. ഈ വിവരങ്ങൾ നിങ്ങളുടെ പ്രോംപ്റ്റിലേക്ക് പേസ്റ്റ് ചെയ്യുക.

  • മനുഷ്യസഹായത്തോടെയുള്ള പരിശോധന നടത്തുക. AI തയ്യാറാക്കിയ ഡ്രാഫ്റ്റ് വായിക്കാൻ സമയം കണ്ടെത്തുക. പ്രൊപ്പോസൽ അയക്കുന്നതിന് മുമ്പ് ആവശ്യമായ മാറ്റങ്ങൾ വരുത്തുകയും എല്ലാ കംപ്ലയൻസ് ഫ്രേസുകളും ഉണ്ടെന്ന് ഉറപ്പുവരുത്തുകയും ചെയ്യുക.

സംഗ്രഹം

സ്ട്രക്ചേർഡ് ഡാറ്റ പ്രോംപ്റ്റ് ഉപയോഗിക്കുന്നത് ആർബോറിസ്റ്റുകൾക്ക് വേഗത്തിലും മാനദണ്ഡങ്ങൾ പാലിച്ചുകൊണ്ടും റിസ്ക് റിപ്പോർട്ടുകൾ തയ്യാറാക്കാൻ സഹായിക്കുന്നു. ഈ രീതി കൃത്യത നിലനിർത്തുകയും അന്തിമ രേഖയുടെ നിയന്ത്രണം വിദഗ്ദ്ധന്റെ കൈകളിൽ തന്നെയാണെന്ന് ഉറപ്പാക്കുകയും ചെയ്യുന്നു.

Source: https://dev.to/ken_deng_ai/automating-the-technical-core-generating-traq-isa-compliant-risk-assessments-with-ai-57he

Optional learning community: https://t.me/GyaanSetuAi