AI can write your emails, debug your code, and summarize a hundred page report before you finish your coffee. That speed

AI നിങ്ങളുടെ ഇമെയിലുകൾ എഴുതാനും, കോഡ് ഡിബഗ് ചെയ്യാനും, നിങ്ങൾ ഒരു കപ്പ് കോഫി കുടിച്ചു തീരുന്നതിന് മുമ്പ് നൂറ് പേജുള്ള ഒരു റിപ്പോർട്ട് സംഗ്രഹിക്കാനും കഴിയും. ആ വേഗത യഥാർത്ഥമാണ്, അത് ആകർഷകവുമാണ്. എന്നാൽ ലക്ഷ്യബോധമില്ലാത്ത വേഗത വെറും അനാവശ്യമായ ചലനം മാത്രമാണ്. ഒരുപാട് ആളുകൾ സ്റ്റിയറിംഗ് വീൽ യന്ത്രത്തിന് കൈമാറുകയാണ്. അവർ വായിക്കാതെ തന്നെ ചാറ്റ്ബോട്ട് നൽകുന്ന ഉത്തരങ്ങൾ കോപ്പി ചെയ്ത് പേസ്റ്റ് ചെയ്യുന്നു. ലോജിക് മനസ്സിലാക്കാതെ AI നിർമ്മിച്ച കോഡ് അവർ സ്വീകരിക്കുന്നു. തന്ത്രപരമായ തീരുമാനങ്ങൾ എടുക്കാൻ അവർ ഒരു ലാംഗ്വേജ് മോഡലിനോട് ആവശ്യപ്പെടുകയും, അതിന്റെ ഫലം ശൂന്യമായി തോന്നുന്നതിൽ അത്ഭുതപ്പെടുകയും ചെയ്യുന്നു. അത് ഒരു ഉപകരണം ഉപയോഗിക്കുന്നതല്ല; മറിച്ച് ഒരു ഊന്നുവടിയിൽ ചാരിനിൽക്കുന്നതാണ്.

പ്രശ്നം സാധാരണയായി ചെറുതായിട്ടാണ് തുടങ്ങുന്നത്. ഒരു ഡെവലപ്പർ ഒരു വിരസമായ ബഗ് കണ്ടുമുട്ടുമ്പോൾ, അത് സ്വയം പരിശോധിക്കുന്നതിന് പകരം "ഇത് ശരിയാക്കി തരൂ" എന്ന് AI-യോട് ആവശ്യപ്പെടുന്നു. ഒരു മാർക്കറ്റർ പത്ത് ബ്ലോഗ് പോസ്റ്റുകൾ തയ്യാറാക്കി, അവയിലെ വിവരങ്ങൾ പരിശോധിക്കാതെ തന്നെ പ്രസിദ്ധീകരിക്കുന്നു, കാരണം എഴുത്ത് വളരെ ആത്മവിശ്വാസത്തോടെയാണ് തോന്നിയത്. ഒരു മാനേജർ ഒരു പ്രോജക്റ്റ് ബ്രീഫ് മുഴുവനായി ഒരു അൽഗോരിതത്തിന് നൽകുന്നു, എന്നിട്ട് ഒരു ചെറിയ വിട്ടുവീഴ്ച പോലും മനസ്സിലാക്കാതെ മീറ്റിംഗിൽ ആ പ്ലാൻ അവതരിപ്പിക്കുന്നു. ഓരോ സാഹചര്യത്തിലും, ആ വ്യക്തി ചിന്തിക്കുന്നത് നിർത്തിയിരിക്കുന്നു. അവർ ടൈപ്പിംഗ് മാത്രമല്ല, വിവേചനാധികാരം (judgment) കൂടി പുറത്തുവിട്ടു. അവിടെയാണ് നാശത്തിന്റെ തുടക്കം.

AI ചില പ്രത്യേക ജോലികളിൽ മികവ് പുലർത്തുന്നു. അതിനെ ഒരു വിദഗ്ദ്ധന്റെ പകരക്കാരനായിട്ടല്ല, മറിച്ച് ഒരു കഴിവുള്ള സഹായിയായി കാണുക.

യന്ത്രം കൈകാര്യം ചെയ്യേണ്ട കാര്യങ്ങൾ:

• ഡാറ്റ ക്രമീകരിക്കുക (Organizing data). ഒരു CRM-ൽ നിന്നുള്ള ഡാറ്റയോ, ക്രമരഹിതമായ സ്പ്രെഡ്ഷീറ്റുകളോ, അല്ലെങ്കിൽ ഇരുപത് പേജുള്ള മീറ്റിംഗ് ട്രാൻസ്ക്രിപ്റ്റുകളോ നൽകുക. അത് തരംതിരിക്കാനും ടാഗ് ചെയ്യാനും ഫോർമാറ്റ് ചെയ്യാനും അനുവദിക്കുക. മണിക്കൂറുകൾ എടുത്തേക്കാവുന്ന പാറ്റേണുകൾ കണ്ടെത്താൻ അതിന് കഴിയും. എന്നാൽ ആ പാറ്റേണുകൾ നിങ്ങളുടെ ബിസിനസ്സിന് എന്ത് അർത്ഥമാണ് നൽകുന്നത് എന്ന് തീരുമാനിക്കരുത്.

• ആദ്യകാല ആശയങ്ങൾ തയ്യാറാക്കുക (Drafting initial ideas). ഒരു ശൂന്യമായ പേജ് നിങ്ങളെ ബുദ്ധിമുട്ടിച്ചേക്കാം. ഒരു ഔട്ട്‌ലൈൻ, ഒരു ഇമെയിൽ ടെംപ്ലേറ്റ്, അല്ലെങ്കിൽ ഡോക്യുമെന്റേഷന്റെ ഒരു ആദ്യ രൂപം നൽകിക്കൊണ്ട് AI അതിനെ മറികടക്കാൻ സഹായിക്കും. തുടങ്ങാനുള്ള മടി മാറ്റാൻ ഇത് സഹായിക്കുന്നു. തയ്യാറാക്കിയ ഡ്രാഫ്റ്റ് ഒരു അസംസ്കൃത വസ്തുവാണ്, അല്ലാതെ പൂർത്തിയായ ഉൽപ്പന്നമല്ല.

• ആവർത്തന ജോലികൾ വേഗത്തിലാക്കുക (Speeding up repetitive tasks). ഫയലുകൾ ബൾക്ക് ആയി റീനാം ചെയ്യുക, JSON ഫോർമാറ്റ് ചെയ്യുക, boilerplate ഫംഗ്ഷനുകൾ നിർമ്മിക്കുക, അല്ലെങ്കിൽ സ്റ്റാൻഡേർഡ് SQL ക്വറികൾ എഴുതുക. ഇവ യന്ത്രം ചെയ്യേണ്ട ജോലികളാണ്. ഇവ യന്ത്രത്തിന് വിട്ടുകൊടുക്കുന്നത് വഴി സർഗ്ഗാത്മകത ആവശ്യമായ ജോലികൾക്കായി നിങ്ങൾക്ക് സമയം ലഭിക്കുന്നു.

ഇവയെല്ലാം സപ്പോർട്ട് റോളുകൾ മാത്രമാണ്. ആ ഉപകരണം മുഴുവൻ ഭാരം ചുമക്കുമെന്ന് നിങ്ങൾ പ്രതീക്ഷിക്കുന്ന നിമിഷം, ഗുണനിലവാരം തകരും.

നിങ്ങളുടെ ബുദ്ധി ഉപയോഗിക്കേണ്ട കാര്യങ്ങൾ:

• വിമർശനാത്മക ചിന്ത (Critical thinking). AI തെറ്റായ വിവരങ്ങൾ നൽകിയേക്കാം (hallucinate). നിലവിലില്ലാത്ത ലൈബ്രറി ഫംഗ്ഷനുകൾ അത് നിർമ്മിച്ചേക്കാം, എഴുതപ്പെടാത്ത ഗവേഷണ പ്രബന്ധങ്ങൾ ഉദ്ധരിച്ചേക്കാം, തെറ്റായ കാര്യങ്ങൾ കൃത്യമായ വ്യാകരണത്തോടെ പറഞ്ഞേക്കാം. നിങ്ങൾ സംശയം പ്രകടിപ്പിച്ചില്ലെങ്കിൽ, നിങ്ങൾ തെറ്റുകൾ പ്രചരിപ്പിക്കും. ഒരു പുതിയ ഇന്റേൺ ചെയ്ത ജോലി പരിശോധിക്കുന്നതുപോലെ ഓരോ ഔട്ട്‌പുട്ടും നിങ്ങൾ പരിശോധിക്കണം: ഒന്നും മുൻകൂട്ടി ഉറപ്പിക്കരുത്, എല്ലാം പരിശോധിക്കുക.

• അന്തിമ തീരുമാനങ്ങൾ (Final decisions). ഒരു ഉപകരണം മൂന്ന് മാർക്കറ്റിംഗ് തന്ത്രങ്ങൾ പട്ടികപ്പെടുത്താം, ഫീച്ചറുകളുടെ മുൻഗണനകൾ നിർദ്ദേശിക്കാം, അല്ലെങ്കിൽ ഒരു ബജറ്റ് തയ്യാറാക്കാം. എന്നാൽ നിങ്ങളുടെ ടീമിന്റെ ശേഷിയോ, റിസ്ക് എടുക്കാനുള്ള നിങ്ങളുടെ താൽപ്പര്യമോ, അല്ലെങ്കിൽ നിങ്ങളുടെ കമ്പനി ലംഘിക്കാൻ പാടില്ലാത്ത ധാർമ്മികമായ അതിർവരമ്പുകളോ അതിന് അറിയില്ല. ഇത്തരം തീരുമാനങ്ങൾക്ക് ട്രെയിനിംഗ് ഡാറ്റയ്ക്ക് പുറത്തുള്ള സാഹചര്യങ്ങൾ ആവശ്യമാണ്. നിങ്ങൾ തീരുമാനമെടുക്കുക. അതിന്റെ ഫലത്തിന് നിങ്ങൾ ഉത്തരവാദിയായിരിക്കണം.

• സങ്കീർണ്ണമായ പ്രശ്നപരിഹാരം (Complex problem solving). പുതിയ ബഗുകൾ, ആർക്കിടെക്ചറൽ തീരുമാനങ്ങൾ, മനുഷ്യകേന്ദ്രീകൃതമായ ഡിസൈനുകൾ എന്നിവ കേവലം പാറ്റേൺ മാച്ചിംഗിലൂടെ മാത്രം പരിഹരിക്കാൻ കഴിയില്ല. AI കണ്ട കാര്യങ്ങൾ പുനഃക്രമീകരിക്കുക മാത്രമാണ് ചെയ്യുന്നത്. ലോകം ഇതുവരെ പരിഹരിക്കാത്ത ഒരു പ്രശ്നത്തെ നിങ്ങൾ നേരിടുമ്പോൾ, നിങ്ങളുടെ സ്വന്തം യുക്തി മാത്രമാണ് അവിടെ പ്രസക്തമാകുന്നത്.

നിങ്ങൾ നയിക്കുമ്പോൾ മാത്രമേ ഓട്ടോമേഷൻ മികച്ച രീതിയിൽ പ്രവർത്തിക്കൂ. ഹൈവേയിലെ ക്രൂയിസ് കൺട്രോൾ പോലെ ഇതിനെ കരുതുക. അത് വേഗത നിലനിർത്തുന്നു, പക്ഷേ നിങ്ങളുടെ കൈകൾ സ്റ്റിയറിംഗിന് അടുത്തായിരിക്കണം, കണ്ണുകൾ റോഡിലായിരിക്കണം, ട്രാഫിക് അപ്രതീക്ഷിതമാകുന്ന നിമിഷം നിങ്ങൾ നിയന്ത്രണം ഏറ്റെടുക്കണം. നിങ്ങൾ പിൻസീറ്റിൽ പോയി കിടന്നുറങ്ങിയാൽ, അപകടം ഒഴിവാക്കാനാവില്ല.

അപകടം എന്നത് പെട്ടെന്നുണ്ടാകുന്ന തെറ്റുകൾ മാത്രമല്ല. അത് ദീർഘകാലത്തെ കഴിവ് നശിക്കലാണ് (atrophy). ഉപയോഗിക്കാത്തപ്പോൾ വിശകലന ശേഷികൾ മന്ദഗതിയിലാകും. ഓരോ ഫംഗ്ഷനും എഴുതാൻ AI-യെ അനുവദിക്കുന്ന ഒരു ജൂനിയർ ഡെവലപ്പർ, "എന്തുകൊണ്ടാണ് നിങ്ങൾ ഈ രീതി തിരഞ്ഞെടുത്തത്?" എന്ന് ആരെങ്കിലും ചോദിക്കുമ്പോൾ ഒരു കോഡ് റിവ്യൂവിൽ ബുദ്ധിമുട്ടാൻ സാധ്യതയുണ്ട്. ചിന്താശേഷി പുറത്തുവിട്ട ഒരു എഴുത്തുകാരൻ, മറ്റ് AI ഉപയോഗിച്ച ലേഖനങ്ങൾ പോലെ തന്നെ വിരസമായ രീതിയിലുള്ള ലേഖനങ്ങൾ മാത്രമേ നിർമ്മിക്കൂ. സ്വന്തമായി മോഡലുകൾ നിർമ്മിക്കാത്ത ഒരു ഡാറ്റാ അനലിസ്റ്റ്, തെറ്റായ ബന്ധങ്ങൾ (spurious correlation) കണ്ടെത്താൻ മറന്നുപോകും. ഈ തകർച്ച സാവധാനത്തിലാണ് സംഭവിക്കുന്നത്. ഒരു യഥാർത്ഥ പ്രതിസന്ധി വരുമ്പോൾ, ആറുമാസം മുമ്പ് നിങ്ങൾ ഉപയോഗിക്കുന്നത് നിർത്തിയ മാനസിക ശേഷിക്ക് വേണ്ടി നിങ്ങൾ ശ്രമിക്കുമ്പോഴാണ് ഇത് തിരിച്ചറിയുന്നത്.

അതുകൊണ്ട് ആ കഴിവുകൾ ബോധപൂർവ്വം മൂർച്ചയുള്ളതാക്കി സൂക്ഷിക്കുക. സാങ്കേതികവിദ്യ പൂർണ്ണമായും ഉപേക്ഷിക്കാതെ തന്നെ ഇത് എങ്ങനെ ചെയ്യാമെന്ന് നോക്കാം.

ആദ്യം സ്വന്തമായി ഒരു ഔട്ട്‌ലൈൻ തയ്യാറാക്കുക. ഒരു പ്രൊപ്പോസൽ തയ്യാറാക്കാനോ കോഡ് നിർമ്മിക്കാനോ നിങ്ങൾ AI-യോട് ആവശ്യപ്പെടുന്നതിന് മുമ്പ്, അതിന്റെ ഘടന സ്വയം രൂപരേഖ തയ്യാറാക്കുക. ഒരു ഏകദേശ രൂപരേഖ തയ്യാറാക്കുന്നത് പോലും നിങ്ങളുടെ ചിന്തകളെ ക്രമീകരിക്കാൻ സഹായിക്കും. അപ്പോൾ AI ഒരു എഴുത്തുകാരനല്ല, മറിച്ച് ഒരു എഡിറ്ററായി മാറുന്നു.

ഓരോ ഔട്ട്‌പുട്ടും പരിശോധിക്കുക. അത് ഉച്ചത്തിൽ വായിച്ചു നോക്കുക. പ്രാഥമിക സ്രോതസ്സുകളുമായി വസ്തുതകൾ ഒത്തുനോക്കുക. AI നിങ്ങൾക്ക് ഒരു Python ഫംഗ്ഷൻ നൽകുകയാണെങ്കിൽ, അതിന്റെ ലോജിക് ഓരോ വരിയായി പരിശോധിക്കുക. അത് ഒരു റിപ്പോർട്ട് സംഗ്രഹിക്കുകയാണെങ്കിൽ, ആ സംഗ്രഹം യഥാർത്ഥ പേജുകളുമായി താരതമ്യം ചെയ്യുക. തെറ്റുകൾ ഇല്ലെന്ന് തെളിയുന്നത് വരെ അവ ഉണ്ടെന്ന് കരുതുക.

മാനുവൽ മോഡ് ഷെഡ്യൂൾ ചെയ്യുക. ഓരോ ആഴ്ചയും ഓരോ ജോലി തിരഞ്ഞെടുത്ത് സഹായമില്ലാതെ അത് പൂർത്തിയാക്കുക. ആ ഇമെയിൽ നിങ്ങൾ തന്നെ എഴുതുക. ആ സ്ക്രിപ്റ്റ് സ്വന്തമായി ഡീബഗ് ചെയ്യുക. സ്പ്രെഡ്ഷീറ്റ് ഫോർമുല പൂജ്യത്തിൽ നിന്ന് നിർമ്മിക്കുക. ആ പ്രയാസമാണ് ഇതിന്റെ ലക്ഷ്യം. അത് നിങ്ങളുടെ നൈപുണ്യം നിലനിർത്താൻ സഹായിക്കുന്നു.

രണ്ടുതവണ “എന്തുകൊണ്ട്” എന്ന് ചോദിക്കുക. AI ഒരു പരിഹാരം നിർദ്ദേശിക്കുമ്പോൾ, ഉപരിതലത്തിൽ മാത്രം ഒതുങ്ങരുത്. ഈ നിർദ്ദേശം എന്തുകൊണ്ട് യുക്തിസഹമാകുന്നു? നിങ്ങളുടെ പരിമിതികളെക്കുറിച്ച് അത് എന്ത് അനുമാനങ്ങളാണ് നടത്തുന്നത്? സ്വന്തം വാക്കുകളിൽ നിങ്ങൾക്ക് ഉത്തരം നൽകാൻ കഴിയുന്നില്ലെങ്കിൽ, ആ ഉത്തരത്തിൽ പ്രവർത്തിക്കാൻ പാകത്തിൽ നിങ്ങൾക്ക് അത് കൃത്യമായി മനസ്സിലായിട്ടില്ല എന്നാണ് അർത്ഥം.

ശരിയായി ഉപയോഗിച്ചാൽ, AI നിങ്ങളുടെ നേട്ടങ്ങളെ വർദ്ധിപ്പിക്കുന്നു. അത് കഠിനമായ ജോലികൾ ഏറ്റെടുക്കുന്നു, അങ്ങനെ നിങ്ങൾക്ക് നിങ്ങളുടെ ഊർജ്ജം വിവേചനാധികാരം, സർഗ്ഗാത്മകത, തന്ത്രങ്ങൾ എന്നിവയിലേക്ക് തിരിച്ചുവിടാം. ഇത് ബുദ്ധിശക്തിയുടെ അഭാവം മറച്ചുവെക്കുന്നതിന് പകരം ബുദ്ധിശക്തിയെ വർദ്ധിപ്പിക്കുന്നു. ഈ ഉപകരണം ഒഴിവാക്കുക എന്നതല്ല ലക്ഷ്യം. മറിച്ച്, നിങ്ങളുടെ മനസ്സ് അതിന് മേൽ നിയന്ത്രണം നിലനിർത്തുക എന്നതാണ് ലക്ഷ്യം.

നിങ്ങളുടെ വിശകലന ശേഷിയാണ് യഥാർത്ഥ സമ്പത്ത്. സോഫ്റ്റ്‌വെയർ വെറുമൊരു സഹായം മാത്രമാണ്. അത് നിങ്ങളുടെ ചിന്തയെ പിന്തുണയ്ക്കാൻ ഉപയോഗിക്കുക, മറച്ചുവെക്കാൻ ഉപയോഗിക്കരുത്.

സ്രോതസ്സ്: https://dev.to/fabiosarmento/ai-a-tool-not-a-crutch-11fe

കൂടുതൽ അറിയാൻ ആഗ്രഹമുണ്ടോ? GyaanSetu ലേണിംഗ് കമ്മ്യൂണിറ്റിയിൽ ചേരുക: https://t.me/GyaanSetuAi