𝗛𝗼𝘄 𝘁𝗼 𝗜𝗺𝗽𝗹𝗲𝗺𝗲𝗻𝘁 𝗗𝗼𝗺𝗮𝗶𝗻-𝗦𝗽𝗲𝗰𝗶𝗳𝗶𝗰 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀
பொதுவான AI API-கள் பெரும்பாலும் வணிகப் பிரச்சினைகளைத் தீர்ப்பதில் தோல்வியடைகின்றன. உண்மையான முடிவுகளைப் பெற, குறிப்பிட்ட நோக்கத்திற்காக உருவாக்கப்பட்ட ஏஜென்ட்கள் (purpose-built agents) உங்களுக்குத் தேவை. இந்த அமைப்புகள் உங்கள் குறிப்பிட்ட தொழில்துறையைப் புரிந்துகொள்கின்றன.
திட்டமிடலில் இருந்து தயாரிப்பு நிலைக்குச் செல்ல இந்த கட்டமைப்பைப் பின்பற்றவும்.
- குறிப்பிட்ட இலக்குகளை வரையறுக்கவும் தெளிவற்ற இலக்குகள் AI திட்டங்களைச் சிதைத்துவிடும். "சேவையை மேம்படுத்துதல்" என்று இலக்கு வைக்காதீர்கள். அதற்குப் பதிலாக, "ஒப்பந்த ஆய்வு நேரத்தை 2 மணிநேரத்திலிருந்து 15 நிமிடங்களாகக் குறைத்து, 95% துல்லியத்தை அடைதல்" என்று இலக்கு வையுங்கள்.
பின்வருவனவற்றை உள்ளடக்கிய ஒரு பக்க சுருக்கத்தை எழுதவும்:
- தற்போதைய செயல்முறை நிலைகள்.
- குறிப்பிட்ட சிக்கல்கள் (pain points).
- தெளிவான வெற்றி அளவீடுகள்.
- திட்டத்தின் எல்லைகள்.
- உங்கள் தரவைச் சரிபார்க்கவும் (Audit) ஏஜென்ட்களுக்குச் சிறப்புத் தரவுகள் தேவை. உங்கள் தரவில் பின்வருவனவற்றைச் சரிபார்க்கவும்:
- அளவு: 500 முதல் 1000 உயர்தர மாதிரிகளை இலக்காகக் கொள்ளவும்.
- தரம்: தரவு லேபிளிடப்பட்டும் (labeled) மற்றும் கட்டமைக்கப்பட்டும் (structured) இருப்பதை உறுதி செய்யவும்.
- பன்முகத்தன்மை: விளிம்பு நிலை நிகழ்வுகள் (edge cases) மற்றும் மாறுபாடுகளைச் சேர்க்கவும்.
- அணுகல்: தரவைப் பயன்படுத்துவதற்கான சட்டப்பூர்வ உரிமைகள் உங்களிடம் இருப்பதை உறுதி செய்யவும்.
- உங்கள் உருவாக்கப் பாதையைத் தேர்ந்தெடுக்கவும்
- ஆரம்பத்திலிருந்து உருவாக்குதல் (Build from scratch): அதிகக் கட்டுப்பாட்டிற்கு சிறந்தது. இதற்கு ML பொறியாளர்கள் மற்றும் 6 முதல் 12 மாதங்கள் தேவைப்படும்.
- தளங்களைப் பயன்படுத்துதல் (Use platforms): வேகத்திற்கு சிறந்தது. பயன்பாட்டுக்குக் கொண்டுவர (Deployment) 2 முதல் 4 மாதங்கள் ஆகும்.
- விற்பனையாளர் தீர்வுகளைப் பயன்படுத்துதல் (Adopt vendor solutions): பொதுவான பணிகளுக்குச் சிறந்தது. பயன்பாட்டுக்குக் கொண்டுவர சில வாரங்களே ஆகும்.
- ஒரு MVP-யுடன் தொடங்கவும் ஒரு குறுகிய பணியைத் தேர்ந்தெடுக்கவும். நீங்கள் ஒரு சட்ட ஏஜென்ட்டை (legal agent) உருவாக்குகிறீர்கள் என்றால், NDA-க்களுடன் மட்டும் தொடங்கவும். ஒரே நேரத்தில் அனைத்து வகையான ஒப்பந்தங்களையும் பகுப்பாய்வு செய்ய முயற்சிக்காதீர்கள்.
உங்கள் MVP பின்வருவனவற்றைக் கொண்டிருக்க வேண்டும்:
- ஒரு பணியை நம்பகமான முறையில் செய்ய வேண்டும்.
- மனித மறுஆய்வுப் படிகளைக் கொண்டிருக்க வேண்டும்.
- அனைத்து முடிவுகளையும் பதிவு (log) செய்ய வேண்டும்.
- உங்கள் பழைய செயல்முறையுடன் ஒப்பிட்டுத் துல்லியத்தை அளவிட வேண்டும்.
- ஒருங்கிணைப்புகளைத் திட்டமிடவும் உங்கள் ஏஜென்ட்டை உங்கள் தற்போதைய கருவிகளுடன் இணைக்கவும்.
- CRM அல்லது மின்னஞ்சல்கள் போன்ற உள்ளீட்டு ஆதாரங்களைக் கண்டறியவும்.
- தரவுத்தளங்கள் (databases) அல்லது டேஷ்போர்டுகள் (dashboards) போன்ற வெளியீட்டு இடங்களைக் கண்டறியவும்.
- பிழைகளைக் கையாள்வது எப்படி என்று திட்டமிடவும்.
- சோதனை மற்றும் கண்காணிப்பு மூன்று அடுக்கு சோதனை அணுகுமுறையைப் பயன்படுத்தவும்:
- தனிப்பட்ட கூறுகளுக்கான யூனிட் டெஸ்ட்கள் (Unit tests).
- கணினி இணைப்புகளுக்கான ஒருங்கிணைப்புச் சோதனைகள் (Integration tests).
- நிபுணர்களிடமிருந்து நம்பிக்கையைப் பெற பயனர் சோதனைகள் (User tests).
2 முதல் 4 வாரங்களுக்கு மனிதர்களுடன் இணையாக ஏஜென்ட்டை இயக்கவும். இடைவெளிகளைக் கண்டறிய முடிவுகளை ஒப்பிட்டுப் பார்க்கவும். நிச்சயமற்ற பணிகளை மனிதர்களுக்கு அனுப்ப 'கான்ஃபிடன்ஸ் ஸ்கோர்களை' (confidence scores) பயன்படுத்தவும்.
இந்த அளவீடுகளை வாரந்தோறும் கண்காணிக்கவும்:
- துல்லிய விகிதம் (Accuracy rate).
- செயலாக்க நேரம் (Processing time).
- மனிதத் தலையீட்டு விகிதம் (Human intervention rate).
- பயனர் திருப்தி (User satisfaction).
மதிப்பை நிரூபித்த பின்னரே உங்கள் எல்லையை விரிவுபடுத்தவும்.
Source: https://dev.to/jasperstewart/how-to-implement-domain-specific-ai-agents-in-your-organization-54hg
Optional learning community: https://t.me/GyaanSetuAi