সেবা ব্যবস্থাপনায় এআই
কৃত্রিম বুদ্ধিমত্তা সেবা ব্যবস্থাপনায় ঢোকে সার্ভিস ডেস্কে, অপারেশনে, জ্ঞানে, পরিবর্তনে এবং সিদ্ধান্ত সহায়তায়; প্রতিটি ব্যবহারকে একটি সেবা হিসেবে দেখুন, যার একজন মালিক আছেন, ক্ষতির সম্ভাবনা থাকলে সিদ্ধান্ত নেওয়া একজন মানুষ আছেন, ত্রুটি ধরার একটি উপায় আছে, এবং তা সাহায্য করে কি না তার একটি মাপকাঠি আছে।
কেন এটি গুরুত্বপূর্ণ
এআই একটি গবেষণা বিষয় থেকে সেবা দলগুলো ইতিমধ্যে যে টুল ব্যবহার করে তার একটি বৈশিষ্ট্যে পরিণত হয়েছে। টিকিটিং ব্যবস্থা শ্রেণি প্রস্তাব করে। মনিটরিং প্ল্যাটফর্ম সতর্কবার্তা গুচ্ছবদ্ধ করে। চ্যাট সহকারী কর্মীদের প্রশ্নের উত্তর দেয়। কোড এডিটর একটি স্ক্রিপ্ট খসড়া করে। এর কিছু ভেন্ডর চালু করে দিয়েছে, আর দলের কেউ সেগুলো গ্রহণের সিদ্ধান্ত নেননি।
সম্ভাবনা বাস্তব। সেবার অনেক কাজ পড়া, লেখা, বাছাই ও অনুসন্ধান, যে কাজ বর্তমান এআই সময় বাঁচানোর মতো যথেষ্ট ভালো করে। ঝুঁকিও বাস্তব। এআই ব্যবস্থা সাবলীল উত্তর দেয় যা ভুল হতে পারে, কীভাবে সিদ্ধান্তে পৌঁছাল তা লুকাতে পারে, ডেটা ফাঁস করতে পারে, এবং এমনভাবে ব্যর্থ হতে পারে যা পূর্বানুমান করা কঠিন। যে দল মালিকানা, পর্যালোচনা ও মাপকাঠি ছাড়া এআই গ্রহণ করে সে সুবিধা ছাড়াই সেই ঝুঁকি উত্তরাধিকার পায়।
এই বিষয়টি এই নির্দেশিকার এআই অংশের মানচিত্র। এটি সেবার কাজে এআই-এর প্রধান ধরন, কোথায় সাহায্য করে ও কোথায় করে না, এবং গ্রহণের আগে কী জিজ্ঞাসা করবেন তা ব্যাখ্যা করে। পরবর্তী বিষয়গুলো আরও গভীরে যায়: অপারেশন (বিষয় 5.2 — এআইঅপস), সার্ভিস ডেস্ক (বিষয় 5.3 — এআই সার্ভিস ডেস্ক ও ভার্চুয়াল এজেন্ট), জেনারেটিভ এআই (বিষয় 5.4 — ইনসিডেন্ট, জ্ঞান ও পরিবর্তনের জন্য জেনারেটিভ এআই), যে এজেন্ট কাজ করে (বিষয় 5.5 — এজেন্টিক এআই ও মানব তত্ত্বাবধান), শাসন (বিষয় 5.6 — এআই শাসন, ঝুঁকি ও সম্মতি), প্রম্পট ও স্কিল (বিষয় 5.7 — এআই দক্ষতা ও প্রম্পট), এবং পরিচালনা মডেল (বিষয় 5.8 — এআই পরিচালনা মডেল ও দক্ষতা)। নতুনতম ITIL সংস্করণ সম্পর্কে মালিকের বর্ণনা এআই-কে সেই পরিবেশের অংশ হিসেবে নাম দেয়, যা সেবা ব্যবস্থাপনাকে সামলাতে হবে (দেখুন বিষয় 1.3 — ITIL 5)।
মূল ধারণা
কৃত্রিম বুদ্ধিমত্তা। এমন ব্যবস্থার একটি বিস্তৃত শব্দ, যা সাধারণত মানব বুদ্ধিমত্তা দরকার এমন কাজ করে, যেমন ধরন চেনা, ভাষা বোঝা এবং সুপারিশ করা। Wikipedia-র কৃত্রিম বুদ্ধিমত্তা নিবন্ধ ক্ষেত্র ও তার ইতিহাস বর্ণনা করে। শব্দটি অনেক ভিন্ন কৌশল আচ্ছাদন করে, এবং মানুষ "এআই" বলতে কী বোঝায় তা ভিন্ন হয়। একটি ব্যবহার নিয়ে আলোচনায় কৌশল ও কাজের নাম বলুন।
মেশিন লার্নিং। স্পষ্ট নিয়ম অনুসরণ না করে ডেটা থেকে ধরন শেখা ব্যবস্থা। Wikipedia মেশিন লার্নিং ও তার শাখা বর্ণনা করে। সেবার কাজে উদাহরণের মধ্যে আছে টিকিট শ্রেণিবদ্ধ করা, অস্বাভাবিক মেট্রিক শনাক্ত করা এবং ব্যর্থতার পূর্বাভাস। এগুলো প্রশিক্ষণ ডেটার ওপর নির্ভর করে, এবং অবস্থা বদলালে খারাপ হতে পারে, যে সমস্যা Wikipedia ধারণার সরণ হিসেবে বর্ণনা করে।
জেনারেটিভ এআই ও বৃহৎ ভাষা মডেল। প্রম্পট থেকে টেক্সট, কোড বা ছবির মতো নতুন বিষয়বস্তু তৈরি করা ব্যবস্থা। বৃহৎ ভাষা মডেল (LLM) প্রচুর টেক্সটে প্রশিক্ষিত এবং সারসংক্ষেপ, খসড়া, অনুবাদ ও প্রশ্নের উত্তর দিতে পারে। Wikipedia জেনারেটিভ এআই ও বৃহৎ ভাষা মডেল বর্ণনা করে। এদের আউটপুট সাবলীল এবং সত্য হওয়ার নিশ্চয়তা নেই।
হ্যালুসিনেশন। এমন আউটপুট যা বিশ্বাসযোগ্য কিন্তু মিথ্যা বা অসমর্থিত। Wikipedia এআই-তে হ্যালুসিনেশন বর্ণনা করে। সেবার কাজে এর অর্থ হতে পারে একটি বানানো কমান্ড, একটি তৈরি করা নীতি, বা আত্মবিশ্বাসী কিন্তু ভুল মূল কারণ। এর জন্য পরিকল্পনা করুন: উত্তর উৎসে ভিত্তি করুন, উৎস দেখান, এবং কাজ করার আগে যাচাই করুন।
পুনরুদ্ধার-সমৃদ্ধ উৎপাদন। একটি ধরন, যেখানে ব্যবস্থা প্রথমে জ্ঞান নিবন্ধের মতো প্রাসঙ্গিক নথি পুনরুদ্ধার করে, তারপর মডেলকে শুধু সেগুলো ব্যবহার করে উত্তর দিতে বলে। Wikipedia পদ্ধতিটি বর্ণনা করে। এটি ভুল উত্তর কমায় কিন্তু সরায় না, এবং নথির মানের ওপর নির্ভর করে। দেখুন বিষয় 3.9 — জ্ঞান ব্যবস্থাপনা।
এজেন্ট। যে ব্যবস্থা শুধু উত্তর দেয় না, কাজও করে: টুল ডাকে, রেকর্ড বদলায়, স্ক্রিপ্ট চালায়। Wikipedia সাধারণভাবে বুদ্ধিমান এজেন্ট বর্ণনা করে। এজেন্ট ঝুঁকি বাড়ায়, কারণ ভুলের প্রভাব জগতে পড়ে। দেখুন বিষয় 5.5 — এজেন্টিক এআই ও মানব তত্ত্বাবধান।
সেবা ব্যবস্থাপনায় এআই কোথায় সাহায্য করে। সাধারণ ব্যবহার পাঁচটি গোষ্ঠীতে পড়ে:
| ক্ষেত্র | উদাহরণ | প্রধান সতর্কতা |
|---|---|---|
| সার্ভিস ডেস্ক | টিকিট শ্রেণিবদ্ধ ও রুট, উত্তর খসড়া, সাধারণ প্রশ্নের উত্তর | ব্যবহারকারীদের ভুল বা বানানো উত্তর |
| অপারেশন | সতর্কবার্তা গুচ্ছবদ্ধ, অসঙ্গতি খোঁজা, কারণ প্রস্তাব | লুকানো মিস হওয়া সংকেত |
| জ্ঞান | অনুসন্ধান, সারসংক্ষেপ ও নিবন্ধ খসড়া | খসড়া যা ভুল ছড়ায় |
| পরিবর্তন ও ডেলিভারি | কোড ও পরীক্ষা খসড়া, পরিবর্তনের ঝুঁকি মূল্যায়ন, রিলিজ নোট লেখা | অনিরাপদ বা ভুল কোড, অতিরিক্ত বিশ্বাস করা ঝুঁকির স্কোর |
| সিদ্ধান্ত সহায়তা | ডেটার সারসংক্ষেপ, চাহিদার পূর্বাভাস, ধরন খোঁজা | দুর্বল ডেটা থেকে অতিরিক্ত আত্মবিশ্বাসী সিদ্ধান্ত |
মানব-লুপে। একজন ব্যক্তি এআই-এর আউটপুট বা পদক্ষেপ কার্যকর হওয়ার আগে পর্যালোচনা বা অনুমোদন করেন। Wikipedia মানব-লুপে ব্যবস্থা বর্ণনা করে। এটি একটি নিয়ন্ত্রণ, এবং কাজ করে কেবল তখনই, যখন ব্যক্তির না বলার সময়, তথ্য ও কর্তৃত্ব আছে। Wikipedia স্বয়ংক্রিয়তা পক্ষপাতও বর্ণনা করে, স্বয়ংক্রিয় পরামর্শে অতিরিক্ত নির্ভর করার প্রবণতা, যা মানব যাচাইকে রাবার স্ট্যাম্পে পরিণত করতে পারে।
ব্যাখ্যাযোগ্যতা। একটি ব্যবস্থা কেন একটি আউটপুট দিল তা বলার সক্ষমতা। Wikipedia ব্যাখ্যাযোগ্য এআই বর্ণনা করে। কিছু ব্যবহারের জন্য, যেমন একটি টিকিটের ক্রম, মোটামুটি কারণই যথেষ্ট; অন্যগুলোর জন্য, যেমন কারও অ্যাক্সেস বা বেতন প্রভাবিত করা সিদ্ধান্ত, আরও বেশি লাগে। ঠিক করুন প্রতিটি ব্যবহারের কতটা ব্যাখ্যা দরকার।
পক্ষপাত ও ন্যায্যতা। অতীত ডেটায় প্রশিক্ষিত এআই অতীতের ধরন, অন্যায্যগুলোসহ, পুনরুৎপাদন করতে পারে। Wikipedia অ্যালগরিদমিক পক্ষপাত বর্ণনা করে। সেবার কাজে পক্ষপাত দেখা দিতে পারে কে দ্রুত সাহায্য পায়, কার অনুরোধ চিহ্নিত হয়, বা ব্যবস্থা কার ভাষা ভালো বোঝে।
ডেটা ও গোপনীয়তা। এআই টুল আপনার দেওয়া ডেটা, যেমন ব্যক্তিগত বিবরণসহ টিকিটের পাঠ্য, প্রক্রিয়া করে। ডেটা কোথায় যায়, কতদিন রাখা হয়, এবং তা অন্য মডেল প্রশিক্ষণ করে কি না, কেন্দ্রীয় প্রশ্ন। দেখুন বিষয় 5.6 — এআই শাসন, ঝুঁকি ও সম্মতি।
নিরাপত্তা ঝুঁকি। এআই ব্যবস্থার নিজস্ব দুর্বলতা আছে, যেমন প্রম্পট ইনজেকশন, যেখানে একটি নথি বা বার্তার পাঠ্য মডেলকে নতুন নির্দেশ দিতে চায়। Wikipedia প্রম্পট ইনজেকশন বর্ণনা করে। বাইরের ইনপুটকে অবিশ্বস্ত ধরুন।
জীবনচক্র ও অপারেশন। ব্যবহারে থাকা একটি মডেলের মনিটরিং, পুনঃপ্রশিক্ষণ বা প্রতিস্থাপন, সংস্করণ নির্ধারণ এবং অবসর দরকার। Wikipedia-য় বর্ণিত MLOps এতে প্রকৌশল শৃঙ্খলা প্রয়োগ করে। ভেন্ডর মডেলের ক্ষেত্রেও হালনাগাদের পর আচরণের পরিবর্তন ট্র্যাক করতে হয়।
শাসন কাঠামো। Wikipedia-য় বর্ণিত ইউরোপীয় ইউনিয়নের কৃত্রিম বুদ্ধিমত্তা আইন ঝুঁকির শ্রেণির ওপর নির্ভর করা আইনি দায় নির্ধারণ করে। ISO/IEC 42001 একটি এআই ব্যবস্থাপনা ব্যবস্থা নির্ধারণ করে, এবং যুক্তরাষ্ট্রের National Institute of Standards and Technology একটি AI Risk Management Framework প্রকাশ করে। এগুলো শাসনের শব্দভান্ডার ও কাঠামো; আইনি পরামর্শের বিকল্প নয়।
দৃষ্টিকোণগুলো কীভাবে খাপ খায়। এআই চার দৃষ্টিকোণের একটি। এজাইল অনুশীলন প্রকৃত ব্যবহারকারী ও ছোট ফিডব্যাকসহ ছোট পরীক্ষা প্রস্তাব করে। অটোমেশন নিকটতম প্রতিবেশী: এআই সিদ্ধান্ত নেয় বা প্রস্তাব করে, অটোমেশন কাজ করে। বিশ্লেষণ এআই যা শেখে সেই ডেটা এবং তা সাহায্য করে কি না দেখানো মাপকাঠি জোগায়।
সেরা অনুশীলন
- সমস্যা দিয়ে শুরু করুন, টুল দিয়ে নয়। একটি নির্দিষ্ট কষ্টের নাম দিন, যেমন টিকিট বাছাইয়ে ব্যয় হওয়া সময়, এবং উন্নতির একটি মাপকাঠি। তারপর জিজ্ঞাসা করুন এআই সঠিক উত্তর কি না, নাকি সরলতর সংশোধন কাজ করে।
- এআই ব্যবহারের একটি তালিকা রাখুন। ভেন্ডর বৈশিষ্ট্য ও কাজের জন্য কর্মীদের ব্যবহার করা ব্যক্তিগত টুলসহ ব্যবহারে থাকা প্রতিটি এআই বৈশিষ্ট্য ও টুলের তালিকা করুন। উদ্দেশ্য, ডেটা, মালিক ও অবস্থা লিখুন।
- প্রতিটি ব্যবহারের একজন মালিক ঠিক করুন। এআই কী করে, কোন ডেটা ব্যবহার করে, এবং ভুল হলে কী ঘটে তার জন্য একজন ব্যক্তি জবাবদিহি করেন। মালিক ছাড়া অবনতি কেউ লক্ষ করে না।
- মানুষ কোথায় সিদ্ধান্ত নেবে ঠিক করুন। প্রতিটি ব্যবহারের জন্য লিখুন এআই একা কী করতে পারে, কীসের পর্যালোচনা দরকার, এবং কখনো কী করা চলবে না। পর্যালোচনা বাস্তব করুন: পর্যালোচকদের সময় ও প্রেক্ষাপট দিন।
- আপনার নিজস্ব উৎসে উত্তর ভিত্তি করুন। পর্যালোচিত জ্ঞান থেকে পুনরুদ্ধার ব্যবহার করুন, ব্যবহারকারীদের উৎস দেখান, এবং কোনো উৎস উত্তর সমর্থন না করলে স্পষ্টভাবে বলুন।
- চালুর আগে ও পরে পরীক্ষা করুন। জানা উত্তরসহ, অদ্ভুত ও বৈরী সহ, বাস্তবসম্মত পরীক্ষার ক্ষেত্রের একটি সেট বানান। রিলিজের আগে এবং মডেল বা ডেটার প্রতিটি পরিবর্তনের পর চালান।
- মূল্য ও ত্রুটি মাপুন। বাঁচানো সময়, আউটপুটের মান, মানুষের সংশোধন, ব্যবহারকারীর অভিযোগ ও খরচ ট্র্যাক করুন। নিয়মিত আউটপুটের নমুনা নিন।
- ডেটা রক্ষা করুন। কোন ডেটা কোন টুলে পাঠানো যাবে ঠিক করুন, যেখানে পারেন ব্যক্তিগত ও সংবেদনশীল বিবরণ সরান, এবং সংরক্ষণ ও প্রশিক্ষণের ব্যবহারের জন্য চুক্তির শর্ত যাচাই করুন।
- ব্যর্থতার পরিকল্পনা করুন। একটি এআই বৈশিষ্ট্য বন্ধ করা, একজন ব্যক্তির কাছে রুট করা এবং পুনরুদ্ধার সহজ করুন। আপনি নির্ভর করেন এমন একটি এআই সেবার ব্যর্থতার মহড়া দিন।
- দক্ষতা গড়ুন এবং শিক্ষা ভাগ করুন। মানুষকে এআই ভালোভাবে ব্যবহার করতে এবং তাকে প্রশ্ন করতে প্রশিক্ষণ দিন। দল জুড়ে কী কাজ করে আর কী ব্যর্থ হয় তা ভাগ করুন। দেখুন বিষয় 5.7 — এআই দক্ষতা ও প্রম্পট।
দলের সঙ্গে আলোচনার প্রশ্ন
আমরা আজ কোথায় ইতিমধ্যে এআই ব্যবহার করি, আমরা বাছিনি এমন বৈশিষ্ট্য এবং মানুষ নিজে ব্যবহার করে এমন টুলসহ? সবাইকে জিজ্ঞাসা করুন, এবং ভেন্ডর সেটিং যাচাই করুন। কেউ যা ভেবেছিল তার চেয়ে লম্বা তালিকা আশা করুন। পরবর্তী ধাপে প্রতিটি ব্যবহার একজন মালিকসহ লিখে রাখুন।
আমাদের কোন কাজ বেশিরভাগ পড়া, লেখা ও বাছাই, আর কোনগুলো আমরা মেশিনকে ঠিক করতে দিতে চাই না? এটি কাজগুলোকে উপযুক্ততা অনুযায়ী সাজায়। খসড়ায় সম্মতি এবং সিদ্ধান্তে মতভেদ আশা করুন। পরবর্তী ধাপে পরীক্ষার জন্য একটি কম-ঝুঁকির কাজ বাছুন।
আমাদের এআই সহকারী কোনো ব্যবহারকারীকে আত্মবিশ্বাসী ভুল উত্তর দিলে আমরা কী করতাম, এবং কীভাবে জানতাম? পরিস্থিতিটি ধরে ধরে দেখুন। শনাক্তকরণে ফাঁক আশা করুন। পরবর্তী ধাপে আউটপুটের নমুনা নেওয়া এবং ব্যবহারকারীর ফিডব্যাক সংগ্রহের একটি উপায়ে সম্মত হোন।
আমরা এআই টুলে কোন ডেটা পাঠাই, এবং শর্ত কি পড়েছি? টুল ও ডেটার তালিকা করুন। অজানা শর্তের ব্যক্তিগত অ্যাকাউন্ট আশা করুন। পরবর্তী ধাপে বাহ্যিক টুলে কী পেস্ট করা যাবে না তার একটি নিয়মে সম্মত হোন।
একটি এআই ব্যবহার তার খরচের যোগ্য ছিল তা আমরা কীভাবে জানব? সুবিধার একটি মাপকাঠি এবং ক্ষতির একটি মাপকাঠি চান। "দ্রুত মনে হয়" আশা করুন। পরবর্তী ধাপে একটি ব্যবহার বেছে আগে ও পরের একটি মাপকাঠিতে সম্মত হোন।
এআই ভালোভাবে ব্যবহার করতে আমাদের মানুষদের কোন দক্ষতা দরকার, এবং কে তাদের শেখাবে? ভালো প্রম্পট লেখা, উত্তর যাচাই এবং সীমা চেনার কথা ভাবুন। আত্মবিশ্বাসের বিস্তৃত পরিসর আশা করুন। পরবর্তী ধাপে বাস্তব কাজসহ একটি ছোট অনুশীলন সেশনের পরিকল্পনা করুন।
বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ
একটি জাতীয় পাবলিক লাইব্রেরি নেটওয়ার্কের আইটি দল 200টি শাখা ও প্রায় 6,000 কর্মীকে সহায়তা করে। সার্ভিস ডেস্ক প্রিন্টিং, লগইন ও ঋণ ব্যবস্থা নিয়ে পুনরাবৃত্ত প্রশ্নের উচ্চ পরিমাণ সামলায়। সেবা প্রধান সারি কমাতে এআই ব্যবহার করতে চান, আর টিকিট ব্যবস্থার ভেন্ডর সবেমাত্র একটি এআই সহকারী যোগ করেছে, কর্মীমুখী চ্যাটের জন্য ডিফল্টভাবে চালু।
সেবা ব্যবস্থাপক প্রথমে এআই ব্যবহারের তালিকা করেন। ভেন্ডর সহকারীর পাশাপাশি তিনি পান দুজন বিশ্লেষক টিকিটের সারসংক্ষেপে একটি পাবলিক চ্যাট টুল ব্যবহার করেন, এবং একজন ডেভেলপার উত্তর খসড়া করা একটি স্ক্রিপ্ট বানিয়েছেন। তিনি প্রত্যেককে একজন মালিক দেন এবং একটি নিয়ম ঠিক করেন: পাবলিক টুলে ব্যক্তিগত ডেটা নয়। তারপর তিনি উন্নত করার জন্য একটি ব্যবহার বাছেন: শুধু অনুমোদিত জ্ঞান ভান্ডার ব্যবহার করে "কীভাবে করব" প্রশ্নের উত্তর দেওয়া একটি কর্মীমুখী সহকারী, উৎসের লিঙ্ক ও একজন ব্যক্তির কাছে পৌঁছানোর দৃশ্যমান বোতামসহ।
তিনি বাস্তব টিকিট থেকে 60টি পরীক্ষার প্রশ্ন বানান, যার দশটি জ্ঞান ভান্ডার উত্তর দিতে পারে না, যেখানে সঠিক আচরণ হলো তা বলা। প্রথম সংস্করণ সেই দশটির তিনটিতে বানানো ধাপসহ উত্তর দেয়। দল নির্দেশ কঠোর করে এবং কোনো নিবন্ধ না মিললে প্রত্যাখ্যানের একটি নিয়ম যোগ করে, আর ব্যর্থতা একটিতে নামে। প্রথম মাসে একজন ডেস্ক এজেন্ট সহকারী সমাধান করেনি এমন প্রতিটি কথোপকথন এবং বাকিগুলোর একটি নমুনা পড়েন।
যা বদলায়: সহকারী টিকিট ছাড়াই প্রায় এক-তৃতীয়াংশ কথোপকথন সমাধান করে, এবং এজেন্টরা পুনরাবৃত্ত প্রশ্নে কম সময় ব্যয় করেন। যা এখনো কঠিন: জ্ঞান ভান্ডারে পুরোনো নিবন্ধ আছে যা সহকারী উদ্ধৃত করে, তাই দলকে তা পরিষ্কার করতে হবে; ভেন্ডর নোটিশ ছাড়া অন্তর্নিহিত মডেল বদলায়, যা একবার রাতারাতি আচরণ বদলে দিয়েছিল; এবং ছোট শাখার কর্মীরা মাঝে মাঝে ফোন করতে পছন্দ করেন। ব্যবস্থাপক মাসিক পরীক্ষা চালানো, মডেল পরিবর্তনের জন্য একটি সম্মত যোগাযোগ, এবং ফোন করা এখনো সম্ভব, এই একটি স্পষ্ট বার্তা ঠিক করেন।
চারটি দৃষ্টিকোণ
পণ্য ও ডেলিভারি দল
আপনার স্বাভাবিক পর্যালোচনা ও পাইপলাইন যাচাইয়ের অধীনে কোড, পরীক্ষা ও নথি খসড়া করতে এআই ব্যবহার করুন। এআই কোথায় ব্যবহার হয়েছে তা লিখে রাখুন, এবং অনিরাপদ বা লাইসেন্সহীন কোডের দিকে নজর রাখুন। নিজের পণ্যের এআই বৈশিষ্ট্যকে মালিকসহ সেবা হিসেবে দেখুন।
সেবা ও অপারেশন দল
বাছাই, সারসংক্ষেপ ও অনুসন্ধানে এআই ব্যবহার করুন, ব্যবহারকারী বা ব্যবস্থাকে প্রভাবিত করে এমন সবকিছুর সিদ্ধান্ত একজন ব্যক্তি নেন। ত্রুটি ও অল্পের জন্য বেঁচে যাওয়া জানান, এবং এআই কী দেখে ও বলে তা টিউন করতে সাহায্য করুন।
নেতৃত্ব ও শাসন
তালিকা, মালিক, মাপকাঠি এবং ব্যর্থতার পরিকল্পনা চান। ডেটা ও সিদ্ধান্তে স্পষ্ট নিয়ম ঠিক করুন। শুধু লাইসেন্স নয়, প্রশিক্ষণ ও পরীক্ষায় অর্থ দিন।
গ্রাহক ও ব্যবহারকারী
আপনি একটি এআই-এর সঙ্গে কথা বলছেন তা জানা এবং একজন ব্যক্তির কাছে পৌঁছাতে পারা উচিত। কোনো উত্তর ভুল বা অসহায়ক হলে সরবরাহকারীকে জানান। কোন ব্যক্তিগত ডেটা ভাগ করছেন তা নিয়ে সতর্ক থাকুন।
এজাইল, এআই, অটোমেশন ও বিশ্লেষণ
এজাইল
প্রকৃত ব্যবহারকারীদের সঙ্গে ছোট পরীক্ষায় এআই চেষ্টা করুন, ফিডব্যাক থেকে শিখুন, এবং রাখা, বদলানো বা বন্ধ করার সিদ্ধান্ত নিন। এআই কী করতে পারবে তাতে অংশীজনদের জড়িত রাখুন। সতর্কতা: সফল ডেমো কোনো ব্যবহার নিরাপদ বা মূল্যবান তার প্রমাণ নয়; মাপকাঠিসহ প্রকৃত পরীক্ষা চালান।
এআই
এই বিষয়টি নিজেই এআই দৃষ্টিকোণ: প্রতিটি ব্যবহারে একজন মালিক, ক্ষতির সম্ভাবনা থাকলে সিদ্ধান্ত নেওয়া একজন মানুষ, ত্রুটি শনাক্তকরণ এবং মাপকাঠি দরকার। সতর্কতা: জবাবদিহি কোনো ভেন্ডর বা মডেলের কাছে অর্পণ করবেন না; আপনার সেবা যে ফল দেয় তার জন্য আপনিই জবাবদিহি করেন।
অটোমেশন
এআই সিদ্ধান্ত নেয় বা প্রস্তাব করে; অটোমেশন কাজ করে। দুটি সাবধানে যুক্ত করুন, অনুমোদন ছাড়া কী ঘটতে পারে তার সীমা, লগ এবং থামার উপায়সহ। সতর্কতা: অটোমেশন ট্রিগার করা একটি এআই দ্রুত একটি ভুল গুণিত করতে পারে; হার সীমা ও পর্যালোচনা যোগ করুন। দেখুন বিষয় 6.1 — অটোমেশন কৌশল।
বিশ্লেষণ
সুবিধা, নমুনায় পাওয়া ত্রুটির হার, ব্যবহারকারীর ফিডব্যাক এবং খরচ মাপুন। সতর্কতা: মান খারাপ থাকলেও ব্যবহারের সংখ্যা ও ব্যবহারকারীর রেটিং ভালো দেখাতে পারে; আউটপুটের নমুনা নিন এবং ভিত্তিরেখার সঙ্গে তুলনা করুন। দেখুন বিষয় 7.3 — পরিমাপ ও প্রতিবেদন এবং Service Management Metrics বই।
সাধারণ ব্যর্থতার ধরন
- সমস্যার আগে টুল। একটি বৈশিষ্ট্য চালু হয় আর কেউ সুবিধা মাপে না। একটি কষ্ট ও একটি মাপকাঠি দিয়ে শুরু করুন।
- তালিকা নেই। ব্যবহার অদৃশ্যভাবে বাড়ে। প্রতিটি এআই ব্যবহার একজন মালিকসহ তালিকাভুক্ত করুন।
- নামমাত্র মানব পর্যালোচনা। পর্যালোচকেরা রাবার স্ট্যাম্প মারেন। সময়, প্রেক্ষাপট ও কর্তৃত্ব দিন, এবং তাঁদের সিদ্ধান্তের নমুনা নিন।
- আত্মবিশ্বাসী ভুল উত্তর। ব্যবহারকারীরা বানানো পরামর্শে কাজ করেন। উত্তর ভিত্তি করুন, উৎস উদ্ধৃত করুন, এবং অনিশ্চিত হলে প্রত্যাখ্যান করুন।
- ডেটা ফাঁস। সংবেদনশীল পাঠ্য বাহ্যিক টুলে যায়। নিয়ম ঠিক করুন এবং শর্ত যাচাই করুন।
- মডেলের পরিবর্তন উপেক্ষা। ভেন্ডর হালনাগাদের পর আচরণ সরে যায়। নিয়মিত পরীক্ষা করুন এবং পরিবর্তনের জন্য একটি যোগাযোগ ঠিক করুন।
- বেরোনোর পথ নেই। সেবা কোনো বিকল্প ছাড়াই এআই-এর ওপর নির্ভর করে। একজন ব্যক্তির কাছে পথ এবং একটি বন্ধ-সুইচ দিন।
পরিপক্বতা মডেল
| মাত্রা | সূচনা | বিকাশ | মানসম্মতকরণ | ব্যবস্থাপনা | সমন্বয় |
|---|---|---|---|---|---|
| তালিকা ও মালিকানা | অজানা ব্যবহার | প্রধান ব্যবহার তালিকাভুক্ত | মালিক ও উদ্দেশ্যসহ তালিকা | তালিকা পর্যালোচিত ও পরীক্ষিত | তালিকা ক্যাটালগ ও শাসনের সঙ্গে একীভূত |
| মানব সিদ্ধান্ত | সংজ্ঞায়িত নয় | অনানুষ্ঠানিক পর্যালোচনা | প্রতিটি ব্যবহারের জন্য সংজ্ঞায়িত পর্যালোচনা বিন্দু | পর্যালোচনার মান নমুনা করা | পর্যালোচনা ঝুঁকি ও প্রমাণ অনুযায়ী খাপ খায় |
| পরীক্ষা ও মনিটরিং | নেই | ডেমো | পরীক্ষার সেট ও নিয়মিত নমুনা | ত্রুটি ও সরণ মাপা | ব্যবহার জুড়ে ধারাবাহিক মূল্যায়ন |
| ডেটা ও ঝুঁকি | অস্পষ্ট | সচেতনতা | ডেটা ও ভেন্ডর শর্তের নিয়ম | সম্মতি যাচাই ও নিরীক্ষিত | ঝুঁকি দল ও সরবরাহকারী জুড়ে পরিচালিত |
চেকলিস্ট
- আমরা ভেন্ডর বৈশিষ্ট্য ও ব্যক্তিগত টুলসহ এআই ব্যবহারের একটি তালিকা রাখি।
- প্রতিটি ব্যবহারের একজন নামযুক্ত মালিক আছে।
- আমরা লিখে রেখেছি প্রতিটি এআই একা কী করতে পারে, কীসের পর্যালোচনা দরকার, এবং কী করা চলবে না।
- উত্তর পর্যালোচিত উৎসে ভিত্তি করা এবং তা দেখায়।
- আমাদের একটি পরীক্ষার সেট আছে এবং নিয়মিত চালাই।
- আমরা আউটপুটের নমুনা নিই এবং ত্রুটি, সংশোধন ও ফিডব্যাক ট্র্যাক করি।
- কোন ডেটা কোন টুলে যায় তার নিয়ম আমাদের আছে।
- ব্যবহারকারীরা একজন ব্যক্তির কাছে পৌঁছাতে পারেন, এবং আমরা প্রতিটি এআই ব্যবহার বন্ধ করতে পারি।
এআই প্রম্পট
আমাদের টুলের বর্ণনা থেকে এআই ব্যবহারের তালিকা করুন।
Here is a description of the tools our team uses and what each does: [paste].
List which tools probably include AI features, what each might do, what data it might process, and a question to ask the vendor or owner. Mark clearly which items are guesses and do not state facts about vendors.
List what you are unsure of.
একটি সহকারীর জন্য পরীক্ষার প্রশ্ন খসড়া করুন।
Our assistant answers questions about [topics] using only these documents: [list titles].
Write 30 test questions: 15 that the documents answer, 10 that they do not, and 5 that try to make the assistant ignore its instructions. For each, state the correct behavior. Do not include real personal data.
List what you are unsure of.
একটি এআই ব্যবহার পর্যালোচনার প্রস্তুতি নিন।
AI use: [describe]. Owner: [role]. Data used: [list]. Decisions it affects: [list].
Draft a one-page review with: purpose, what it may do alone, what needs human review, how errors are detected, how it is switched off, and open questions. Mark every item you could not fill from my description.
List what you are unsure of.
এআই স্কিল
- prompt-engineering: স্পষ্ট, ভিত্তিযুক্ত ও পরীক্ষাযোগ্য প্রম্পট নকশা করতে ব্যবহার করুন।
- machine-learning-model-card: একটি মডেল কী করে, তার ডেটা ও সীমা লিখে রাখতে ব্যবহার করুন।
- risk-register: এআই ঝুঁকি, মালিক ও সিদ্ধান্ত লিপিবদ্ধ করতে ব্যবহার করুন।
- itil-5: অযাচাইকৃত দাবি চিহ্নিত রেখে মালিকের নতুনতম নির্দেশনার সঙ্গে এআই ব্যবহার সম্পর্কিত করতে ব্যবহার করুন।
- mlops: জীবনচক্র জুড়ে মডেল পরিচালনা করতে ব্যবহার করুন।
মূল সূত্র
- NIST, AI Risk Management Framework: এআই ঝুঁকি চিহ্নিত ও পরিচালনার একটি বহুল ব্যবহৃত কাঠামো।
- ISO/IEC 42001 (মানটি নিজে): একটি কৃত্রিম বুদ্ধিমত্তা ব্যবস্থাপনা ব্যবস্থার চাহিদা; প্রকাশকের কাছ থেকে বর্তমান সংস্করণ পড়ুন।
- PeopleCert, ITIL certification pages: এআইসহ ITIL (সংস্করণ 5) সম্পর্কে মালিকের বর্ণনা।
- Wikipedia, "Artificial intelligence" ও "Large language model": ক্ষেত্র ও প্রযুক্তির পরিচিতি।
তথ্যসূত্র
- Artificial intelligence — Wikipedia — https://en.wikipedia.org/wiki/Artificial_intelligence
- Machine learning — Wikipedia — https://en.wikipedia.org/wiki/Machine_learning
- Generative AI — Wikipedia — https://en.wikipedia.org/wiki/Generative_AI
- Large language model — Wikipedia — https://en.wikipedia.org/wiki/Large_language_model
- Hallucination (artificial intelligence) — Wikipedia — https://en.wikipedia.org/wiki/Hallucination_(artificial_intelligence)
- Retrieval-augmented generation — Wikipedia — https://en.wikipedia.org/wiki/Retrieval-augmented_generation
- Human-in-the-loop — Wikipedia — https://en.wikipedia.org/wiki/Human-in-the-loop
- Automation bias — Wikipedia — https://en.wikipedia.org/wiki/Automation_bias
- Algorithmic bias — Wikipedia — https://en.wikipedia.org/wiki/Algorithmic_bias
- Artificial Intelligence Act — Wikipedia — https://en.wikipedia.org/wiki/Artificial_Intelligence_Act
- ITIL Foundation Bridge (Version 5) — PeopleCert — https://www.peoplecert.org/browse-certifications/it-governance-and-service-management/ITIL-1/itil-foundation-bridge-version-5-4158
- AI Risk Management Framework — NIST — https://www.nist.gov/itl/ai-risk-management-framework