यह क्यों मायने रखता है

हर सेवा टीम ऐसा ज्ञान ढोती है जो कहीं लिखा नहीं है: कोई सेटिंग क्यों चुनी गई, किसी नाज़ुक घटक को कैसे पुनः आरंभ करें, किसी विशेष ग्राहक को क्या चाहिए। जब कोई व्यक्ति चला जाता है, छुट्टी पर जाता है, या बस भूल जाता है, तो ज्ञान उसके साथ चला जाता है, और टीम को अपनी निर्भरता का पता सबसे बुरे समय चलता है: रात में किसी घटना के दौरान।

अधिकांश संगठनों ने इसे दस्तावेज़ीकरण अभियानों से ठीक करने की कोशिश की है। कर्मचारियों से कहा जाता है कि सब कुछ लिख दें। ज्ञान-आधार उन लेखों से भर जाता है जिन्हें कोई पढ़ता या जिन पर भरोसा नहीं करता, क्योंकि वे पुराने, लंबे या खोजने में कठिन हैं। कुछ महीनों बाद प्रयास फीका पड़ जाता है, और लोग सहकर्मियों से पूछने लौट जाते हैं।

बेहतर तरीक़े ज्ञान को काम का हिस्सा मानते हैं, अलग कार्य नहीं। पकड़ना किसी समस्या को सुलझाते हुए, कुछ पंक्तियों में, सुलझाने वाले व्यक्ति द्वारा होता है। जो लेख मदद करते हैं वे उपयोग और सुधारे जाते हैं; जो विफल होते हैं वे ठीक या हटाए जाते हैं। ज्ञान-आधार उन उपकरणों में बैठता है जो लोग पहले से उपयोग करते हैं: सर्विस डेस्क, घटना चैनल, कोड रिपॉज़िटरी। यह विषय उन विचारों को समझाता है, Knowledge-Centered Service (KCS) विधि सहित, और खोज तथा मसौदे में अब AI की भूमिका को। यह सर्विस डेस्क («विषय 3.1 — सर्विस डेस्क»), समस्या प्रबंधन («विषय 3.3 — समस्या प्रबंधन») और AI कौशल («विषय 5.7 — AI कौशल और प्रॉम्प्ट») से संबंधित है।

मूल अवधारणाएँ

डेटा, सूचना, ज्ञान। डेटा तथ्य हैं; सूचना संदर्भ में डेटा है; ज्ञान वह सूचना है जिसका व्यक्ति कार्य करने में उपयोग कर सके। त्रुटि कोड डेटा है, उसका अर्थ समझाने वाला लेख सूचना है, और यह जानना कि रात 3 बजे तीन संभावित कारणों में से कौन-सा संभव है, ज्ञान है। ज्ञान-आधार सूचना और संकेतक रख सकता है; वह सारा ज्ञान नहीं रख सकता। ज्ञान प्रबंधन (knowledge management) पर Wikipedia का लेख इस क्षेत्र का वर्णन करता है।

स्पष्ट और निहित ज्ञान। स्पष्ट ज्ञान लिखा जा सकता है: कार्यविधियाँ, जाँच-सूचियाँ, आरेख। निहित ज्ञान (tacit knowledge) अभ्यास और निर्णय में रहता है और व्यक्त करना कठिन है। Wikipedia निहित ज्ञान का वर्णन करता है, जो माइकल पोलैनी से जुड़ा शब्द है। दोनों मायने रखते हैं। लिखना स्पष्ट में मदद करता है; बातचीत, जोड़ी-कार्य और साथ-साथ देखना निहित में।

ज्ञान-आधार। लेखों, मार्गदर्शिकाओं और उत्तरों का संग्रह, जो उपयोगकर्ता और कर्मचारी खोज सकें। Wikipedia ज्ञान-आधार (knowledge base) और विकी (wiki) का वर्णन करता है। वह आंतरिक, कर्मचारियों के लिए, या बाहरी, ग्राहकों के लिए हो सकता है। गुणवत्ता उपकरण से ज़्यादा रखरखाव पर निर्भर करती है।

रनबुक। किसी ज्ञात स्थिति को सँभालने के चरण-दर-चरण निर्देश, जैसे सेवा को पुनः आरंभ करना या आम अलर्ट का उत्तर देना। रनबुक (runbook) पर Wikipedia का लेख उन्हें प्रणाली संचालन की कार्यविधियों के संकलन के रूप में वर्णित करता है। अच्छी रनबुक छोटी, परखी हुई और उस अलर्ट से जुड़ी होती है जो उसे ट्रिगर करता है। देखें «विषय 6.6 — रनबुक स्वचालन और स्वतः-उपचार»।

Knowledge-Centered Service (KCS)। Consortium for Service Innovation द्वारा प्रकाशित विधि। इसके मुख्य विचार हैं: समस्याएँ सुलझाते हुए, कार्य-प्रवाह में, ज्ञान पकड़ें; लेखों का उपयोग करते हुए उन्हें दोबारा उपयोग और सुधारें; सबके लिए योगदान देना सुरक्षित और सामान्य बनाएँ; और ज्ञान-आधार को पहले से योजना के बजाय माँग के अनुसार विकसित करें। इसके वर्णन में "सॉल्व लूप" और "इवॉल्व लूप" जैसे अभ्यास शामिल हैं। ब्योरे के लिए Consortium का वर्तमान मार्गदर्शन देखें।

कार्य-प्रवाह में पकड़ना। लेख लिखने का सबसे अच्छा समय तब है जब आपने अभी-अभी समस्या सुलझाई हो। लक्षण, कारण और सुधार के साथ छोटा नोट, टिकट वाले उपकरण में ही, मिनट लेता है। बाद में स्मृति से लिखने में ज़्यादा समय लगता है और अक्सर छूट जाता है।

संकेत के रूप में पुनः-उपयोग। जब किसी लेख का उपयोग समस्या सुलझाने में हो, तो उसे टिकट से जोड़ें। लिंक की गिनती दिखाती है कि कौन-से लेख मदद करते हैं और कौन-से कभी उपयोग नहीं होते। अगर कोई लेख का उपयोग करे और वह विफल हो, तो उसे तभी ठीक करना या चिह्नित करना चाहिए।

लेख की गुणवत्ता। अच्छे लेख में स्पष्ट शीर्षक होता है उन शब्दों में जो उपयोगकर्ता उपयोग करते हैं, लक्षण या प्रश्न का छोटा कथन, जहाँ ज्ञात हो वहाँ कारण, चरण, यह जाँचने का तरीक़ा कि काम किया, और अगर नहीं किया तो किससे पूछें। वह छोटा होता है और प्रणाली के साथ तालमेल में रखा जाता है।

रिपॉज़िटरी के हिस्से के रूप में दस्तावेज़ीकरण। इंजीनियरिंग टीमों के लिए, दस्तावेज़ीकरण को कोड के पास, Markdown जैसे सादे पाठ में रखना और बदलावों की कोड के साथ समीक्षा करना उन्हें संरेखित रखता है। Wikipedia का Markdown पर लेख प्रारूप का वर्णन करता है। जो पुल रिक्वेस्ट व्यवहार बदलते हैं वे दस्तावेज़ भी बदलते हैं।

निर्णय रिकॉर्ड। छोटे नोट जो दर्ज करते हैं कि कोई महत्त्वपूर्ण निर्णय क्यों लिया गया, कौन-से विकल्पों पर विचार हुआ, और उस समय क्या ज्ञात था। वे नए टीम सदस्यों और भविष्य की समीक्षाओं को तर्क समझने में मदद करते हैं।

बस फ़ैक्टर। उन लोगों की संख्या जिन्हें खोना पड़े तो ज्ञान की कमी से परियोजना रुक जाए। Wikipedia बस फ़ैक्टर (bus factor) का वर्णन करता है, जिसे लॉटरी फ़ैक्टर भी कहते हैं। एक का बस फ़ैक्टर जोखिम है। जोड़ी-कार्य, बारी-बारी और साझाकरण से ज्ञान फैलाने से वह बढ़ता है।

ज्ञान हस्तांतरण। ज्ञान को एक व्यक्ति से दूसरे तक ले जाना, हस्तांतरण, जोड़ी-कार्य, प्रशिक्षण और साथ-साथ देखने से। Wikipedia ज्ञान हस्तांतरण (knowledge transfer) का वर्णन करता है। इसके लिए समय निकालें, ख़ासकर जब कोई जा रहा हो।

खोज-योग्यता। अच्छी सामग्री भी बेकार है अगर लोग उसे खोज न सकें। शीर्षक, टैग, खोज की ट्यूनिंग, और अलर्ट तथा टिकटों से लिंक मायने रखते हैं। खोज इंजन (search engines) और सूचना अधिभार (information overload) पर Wikipedia के लेख संबंधित समस्याओं का वर्णन करते हैं।

AI और पुनर्प्राप्ति। AI सहायक ज्ञान-आधार खोज सकते हैं, लेखों का सारांश दे सकते हैं, और नए लेखों का मसौदा बना सकते हैं। आम पैटर्न, पुनर्प्राप्ति-संवर्धित जनन (retrieval-augmented generation), प्रासंगिक अंश पुनर्प्राप्त करता है और मॉडल से केवल उन्हीं का उपयोग करके उत्तर देने को कहता है। Wikipedia विचार का वर्णन करता है। सहायक के उत्तर उतने ही अच्छे होते हैं जितना वह आधार जिसे वह पढ़ता है, और वह फिर भी ग़लती कर सकता है। देखें «विषय 5.4 — घटनाओं, ज्ञान और परिवर्तनों के लिए जनरेटिव AI»।

गवर्नेंस। तय करें कि ज्ञान-आधार का स्वामी कौन है, लेखों की समीक्षा कैसे होती है, संवेदनशील सामग्री कैसे नियंत्रित होती है, और पुरानी सामग्री कब अभिलेखागार में जाती है। नियम हल्के रखें।

दृष्टियाँ कैसे फ़िट होती हैं। ज्ञान प्रबंधन अलग-अलग लेखों के स्तर पर निरंतर सुधार है। AI उपयोगकर्ताओं को खोजने, सारांश बनाने और मसौदा बनाने में मदद करता है, समीक्षा के अधीन। स्वचालन अलर्टों को रनबुक से और टिकटों को लेखों से जोड़ता है। विश्लेषण दिखाता है कि कौन-से लेख उपयोग होते हैं, कौन-से विफल होते हैं, और कौन-सी ख़ाली जगहें खोजी जाती हैं।

सर्वोत्तम अभ्यास

  1. सुलझाते हुए पकड़ें। टिकट बंद करने के हिस्से के रूप में छोटा लेख लिखें या एक को अद्यतन करें। इसे सामान्य चरण बनाएँ, अतिरिक्त काम नहीं।
  2. रात 3 बजे के पाठक के लिए लिखें। वे शब्द उपयोग करें जो लोग खोजते हैं, छोटे चरण, और जाँच कि सुधार काम किया। सबसे उपयोगी हिस्सा पहले रखें।
  3. लेखों को टिकटों और अलर्टों से जोड़ें। जब अलर्ट बजे, तो रनबुक से लिंक करें। जब लेख टिकट सुलझाए, तो उन्हें जोड़ें। लिंक दिखाते हैं कि क्या उपयोगी है।
  4. उपयोग पर ठीक करें या चिह्नित करें। अगर उपयोग करते समय कोई लेख ग़लत या अस्पष्ट हो, तो तुरंत उसे सुधारें या समीक्षा के लिए चिह्नित करें। इसे करना आसान बनाएँ।
  5. योगदान देना सुरक्षित बनाएँ। सबको संपादन की अनुमति दें, संवेदनशील या उच्च प्रभाव वाली सामग्री की हल्की समीक्षा के साथ। योगदानकर्ताओं को धन्यवाद दें और ग़लतियों को दंडित न करें।
  6. नियमित रूप से छाँटें। जिन लेखों का लंबे समय से उपयोग नहीं हुआ उनकी समीक्षा करें और उन्हें अभिलेखागार में भेजें। छोटा, भरोसेमंद आधार बड़े, संदिग्ध आधार से बेहतर है।
  7. इंजीनियरिंग दस्तावेज़ीकरण कोड के साथ रखें। बदलावों के साथ उसकी समीक्षा करें, और जो हो सके, जैसे API संदर्भ, स्रोत से बनाएँ।
  8. महत्त्वपूर्ण निर्णय दर्ज करें। संदर्भ, विकल्प और कारणों के साथ छोटे निर्णय-नोट लिखें। उन्हें उस कोड या डिज़ाइन से जोड़ें जिससे वे संबंधित हैं।
  9. ज्ञान जानबूझकर फैलाएँ। निहित ज्ञान को ले जाने के लिए जोड़ी-कार्य, बारी-बारी, छोटी वार्ताएँ और साथ-साथ देखना उपयोग करें। हर महत्त्वपूर्ण सेवा का बस फ़ैक्टर जाँचें।
  10. AI के उत्तरों को मसौदा मानें। AI को स्रोत दिखाते हुए खोजने और सुझाने दें, और लेख आधिकारिक बनने से पहले व्यक्ति पुष्टि करे। ख़राब उत्तर ट्रैक करें और स्रोत ठीक करें।

अपनी टीम के साथ चर्चा के प्रश्न

हमें आख़िरी बार किससे कुछ समझाने को कहना पड़ा जो लिखा होना चाहिए था? वास्तविक मामले से शुरू करें। "X को कैसे पुनः आरंभ करें" या "Y इस तरह क्यों सेट है" की अपेक्षा रखें। पूछें कि उसे लिखे जाने से किसने रोका। फ़ॉलो-अप में उसे अभी साथ मिलकर लिखें।

हम किन लेखों पर भरोसा करते हैं, और किनसे बचते हैं? भरोसा टीम और विषय के अनुसार बदलता है। पूछें क्यों। "पुराने" और "बहुत लंबे" की अपेक्षा रखें। फ़ॉलो-अप में ठीक करने या हटाने के लिए तीन अविश्वसनीय लेख चुनें।

हममें से कितने जानते हैं कि हमारी सबसे महत्त्वपूर्ण सेवा कैसे बहाल करें, और अगर वे दूर हों तो क्या होगा? यह बस फ़ैक्टर को परखता है। ईमानदारी से गिनें। एक या दो नामों की अपेक्षा रखें। फ़ॉलो-अप में जोड़ी-सत्र या पूर्वाभ्यास की योजना बनाएँ जो ज्ञान फैलाए।

आज हम चीज़ें कहाँ लिखते हैं, और क्या हम उन्हें खोज सकते हैं? जगहें सूचीबद्ध करें: चैट, विकी, टिकट, रिपॉज़िटरी, व्यक्तिगत नोट्स। साथ मिलकर कोई विशिष्ट उत्तर खोजने की कोशिश करें। फ़ॉलो-अप में हर प्रकार के ज्ञान के लिए एक घर तय करें।

टीम में किसी के लिए ग़लत मिले लेख को ठीक करना कितना आसान है? बाधाओं में अनुमतियाँ, समीक्षा की देरी और आलोचना का डर शामिल हैं। पूछें कि क्या इसे तीस सेकंड का काम बनाएगा। फ़ॉलो-अप में एक बाधा हटाएँ।

हम ज्ञान खोजने या लिखने के लिए AI का उपयोग कैसे कर रहे हैं, और जो वह कहता है उसे कैसे जाँचते हैं? पूछें कि ज्ञान-कार्य के लिए AI उपकरण कौन उपयोग करता है और वे किस पर भरोसा करते हैं। कुछ जगह बिना आलोचना के उपयोग की अपेक्षा रखें। फ़ॉलो-अप में सहमत हों कि उत्तर लेखों का हवाला दें, और उनके विरुद्ध उत्तरों का नमूना लें।

व्यवहार में: सेवा प्रबंधन का एक उदाहरण

एक राष्ट्रीय मौसम-विज्ञान सेवा की आठ लोगों की इन्फ्रास्ट्रक्चर टीम पूर्वानुमान डेटा पाइपलाइनें चलाती है। दो वरिष्ठ इंजीनियरों के पास सबसे पुरानी पाइपलाइन का अधिकांश ज्ञान है, जो उपग्रह डेटा संसाधित करती है। जब उनमें से एक तीन सप्ताह की छुट्टी पर जाता है, तो पाइपलाइन की एक विफलता सुलझाने में दो दिन लगते हैं क्योंकि ऑन-कॉल कनिष्ठ को पुनः आरंभ करने की कार्यविधि नहीं मिलती, जो छह साल पुराने ईमेल थ्रेड में है।

टीम प्रमुख KCS का हल्का संस्करण उपयोग करने का फ़ैसला करती हैं। जो कोई समस्या सुलझाता है वह टिकट के समाधान-फ़ील्ड में कुछ पंक्तियाँ लिखता है: लक्षण, कारण, सुधार, जाँच। साप्ताहिक दस मिनट का सत्र नए नोट्स की समीक्षा करता है और उपयोगी नोट्स को टीम की रिपॉज़िटरी में रनबुक के रूप में आगे बढ़ाता है। हर अलर्ट अपनी रनबुक से जुड़ता है। दोनों वरिष्ठ इंजीनियर रोटा पर कनिष्ठों के साथ जोड़ी-कार्य करने और पाइपलाइन का भ्रमण कराने वाले दो छोटे वीडियो रिकॉर्ड करने पर सहमत होते हैं।

तीन महीनों बाद 40 रनबुक हैं, और टीम टिकट उपकरण में देख सकती है कि कौन-सी सुलझी घटनाओं से जुड़ी हैं। अगली विफलता पर ऑन-कॉल कनिष्ठ अलर्ट से रनबुक पाता है, उसका पालन करता है, और 25 मिनट में पाइपलाइन बहाल कर देता है। रिपॉज़िटरी पर आज़माया गया खोज सहायक एक प्रश्न का ग़लत उत्तर देता है, रनबुक के उस हिस्से को उद्धृत करते हुए जिसे बाद के संपादन ने बदल दिया था। प्रमुख नियम जोड़ती हैं कि प्रतिस्थापित हिस्से हटाए जाएँ, काटे नहीं।

क्या बदलता है: पाइपलाइन अब दो लोगों पर निर्भर नहीं, और कनिष्ठ अधिक आत्मविश्वास महसूस करते हैं। क्या कठिन रहता है: वरिष्ठ इंजीनियर अब भी पाते हैं कि लिखने में वह समय लगता है जो उनके पास नहीं; कुछ रनबुक केवल पढ़कर परखी गई हैं; और सबसे पुरानी पाइपलाइन में ऐसे घटक हैं जिन्हें कोई पूरी तरह नहीं समझता, जिसे कोई दस्तावेज़ ठीक नहीं करेगा। प्रमुख सबसे पुरानी पाइपलाइन के लिए पूर्वाभ्यास की योजना बनाती हैं और उन घटकों की डिज़ाइन-समीक्षा निर्धारित करती हैं जिन्हें कोई नहीं समझता।

चार दृष्टिकोण

उत्पाद और डिलीवरी टीमें

दस्तावेज़ीकरण कोड के साथ रखें और बदलावों के साथ उसकी समीक्षा करें। काम के हिस्से के रूप में निर्णय-नोट और रनबुक लिखें, और जो सीखें उसे संचालन से साझा करें।

सेवा और संचालन टीमें

काम करते हुए समाधान पकड़ें, उपयोग करते हुए लेख ठीक करें, और अलर्टों को रनबुक से जोड़ें। जोड़ी-कार्य से निहित ज्ञान साझा करें। जो ख़ाली जगहें आप पाते हैं उनके बारे में स्वामियों को बताएँ।

नेतृत्व और गवर्नेंस

ज्ञान लिखना और पढ़ना काम का सामान्य हिस्सा बनाएँ, किनारे का कार्य नहीं। जोड़ी-कार्य और पूर्वाभ्यास के लिए समय का वित्तपोषण करें। महत्त्वपूर्ण सेवाओं का बस फ़ैक्टर माँगें। लेखों की मात्रा को पुरस्कृत न करें।

ग्राहक और उपयोगकर्ता

अच्छे लेख आपको ख़ुद समस्याएँ सुलझाने और उत्तर जल्दी पाने देते हैं। जब कोई लेख भ्रमित करे या ग़लत हो तो प्रदाता को बताएँ, और यह भी कि आप क्या करने की कोशिश कर रहे थे।

एजाइल, AI, स्वचालन और विश्लेषण

एजाइल

ज्ञान-आधार को छोटे चरणों में, उपयोग से प्रेरित होकर, उपयोगकर्ताओं और कर्मचारियों के फ़ीडबैक के साथ विकसित करें। छोटे नियमित सत्र में ख़ाली जगहों की समीक्षा करें। सावधानी: बड़ी दस्तावेज़ीकरण परियोजनाओं से बचें; वे लॉन्च तक पुरानी पड़ चुकी सामग्री बनाती हैं।

AI

AI आधार खोज सकता है, लेखों का सारांश दे सकता है, हवालों के साथ प्रश्नों के उत्तर दे सकता है, और टिकटों तथा चैट से लेखों का मसौदा बना सकता है, जो कुछ आधिकारिक बनता है उसे व्यक्ति के मंज़ूर करने के साथ। स्वामी तय करें। सावधानी: सहायक पुरानी या ग़लत सामग्री से आत्मविश्वास के साथ उत्तर दे सकता है; स्रोत दिखाएँ और सुधार ट्रैक करें। देखें «विषय 5.4 — घटनाओं, ज्ञान और परिवर्तनों के लिए जनरेटिव AI»।

स्वचालन

अलर्टों को रनबुक से जोड़ें, नए टिकटों पर लेख सुझाएँ, पुरानी सामग्री चिह्नित करें, और बंद टिकटों से मसौदा लेख बनाएँ, मानवीय संपादन के साथ। सावधानी: स्वचालित सुझाव आधार को कम गुणवत्ता के मसौदों से भर सकते हैं; समीक्षा के बिना जो प्रकाशित हो उसे सीमित करें। देखें «विषय 6.6 — रनबुक स्वचालन और स्वतः-उपचार»।

विश्लेषण

लेख का उपयोग, सुलझे टिकटों से लिंक, बिना परिणाम की खोजें, और आख़िरी समीक्षा से बीता समय ट्रैक करें। सावधानी: बनाए गए लेखों की गिनती मात्रा को पुरस्कृत करती है, और उपयोग की गिनती महत्त्वपूर्ण दुर्लभ विषयों के बजाय लोकप्रिय विषयों को; फ़ीडबैक और नमूनों के साथ जोड़ें। देखें सेवा प्रबंधन मेट्रिक्स पुस्तक और «विषय 7.3 — मापन और रिपोर्टिंग»।

आम विफलता के तरीके

  • दस्तावेज़ीकरण अभियान। लिखने के उफान के बाद क्षय। ज्ञान को काम के हिस्से के रूप में पकड़ें।
  • लंबे लेख। कोई नहीं पढ़ता। छोटे, कार्य-केंद्रित लिखें।
  • पुरानी सामग्री। भरोसा घिसता है। उपयोग पर ठीक करें या चिह्नित करें, और छाँटें।
  • ज्ञान केवल चैट में। वह खोजा नहीं जा सकता। उपयोगी उत्तर आधार में ले जाएँ।
  • एक का बस फ़ैक्टर। किसी व्यक्ति की अनुपस्थिति काम रोक देती है। ज्ञान जानबूझकर फैलाएँ।
  • AI के उत्तर बिना जाँचे। ग़लत सलाह फैलती है। स्रोत दिखाएँ और उत्तरों का नमूना लें।
  • लिखना दंड के रूप में। लोग उससे बचते हैं। उसे सामान्य बनाएँ और पहचान दें।

परिपक्वता मॉडल

आयाम आरंभ विकास मानकीकरण प्रबंधन समन्वय
पकड़ना दिमाग़ों और चैट में घटनाओं के बाद कुछ लेख पकड़ना कार्य-प्रवाह का सामान्य चरण पकड़ने की गुणवत्ता का नमूना और सुधार मानवीय समीक्षा के साथ स्वचालित पकड़
खोज-योग्यता सहकर्मी से पूछें खोजने योग्य आधार अलर्ट और टिकट लेखों से जुड़ते हैं खोज की ख़ाली जगहें सामग्री को चलाती हैं उपकरणों में पुनर्प्राप्ति और सहायक एकीकृत
गुणवत्ता असमीक्षित कभी-कभार सफ़ाई उपयोग पर ठीक-या-चिह्नित, नियमित छँटाई उपयोग और परिणामों से गुणवत्ता मापी गई संगठन भर में गुणवत्ता निरंतर सुधरती है
प्रसार एक विशेषज्ञ कुछ जोड़ी-कार्य महत्त्वपूर्ण सेवाओं का बस फ़ैक्टर जाँचा गया पूर्वाभ्यास और बारी-बारी की योजना टीमों और भागीदारों में ज्ञान साझा

जाँच-सूची

  • लोग टिकट बंद करने के हिस्से के रूप में समाधान पकड़ते हैं।
  • अलर्ट रनबुक से जुड़ते हैं।
  • लेख छोटे हैं और उन शब्दों में लिखे हैं जो उपयोगकर्ता खोजते हैं।
  • कोई भी ग़लत मिले लेख को हल्की समीक्षा के साथ ठीक कर सकता है।
  • हम अप्रयुक्त या पुराने लेख नियमित रूप से छाँटते हैं।
  • इंजीनियरिंग दस्तावेज़ीकरण कोड के साथ रहता है और बदलावों के साथ समीक्षित होता है।
  • हम हर महत्त्वपूर्ण सेवा का बस फ़ैक्टर जानते हैं।
  • AI के उत्तर स्रोतों का हवाला देते हैं और शुद्धता के लिए नमूना जाँचे जाते हैं।

AI प्रॉम्प्ट

सुलझे टिकट से लेख का मसौदा बनाएँ।

यह नोट्स के साथ सुलझा हुआ टिकट है, व्यक्तिगत डेटा हटाकर: [चिपकाएँ]।
छोटे ज्ञान-लेख का मसौदा बनाएँ: उन शब्दों में शीर्षक जो उपयोगकर्ता खोजेगा, लक्षण, कारण (केवल अगर कहा गया हो), चरण, यह जाँचने का तरीक़ा कि काम किया, और अगर नहीं किया तो किससे पूछें। हर ख़ाली जगह को [अनुपस्थित] से चिह्नित करें और उसे न भरें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

रात के पाठक के लिए लेख की समीक्षा करें।

यह रनबुक है: [चिपकाएँ]।
वे चरण सूचीबद्ध करें जो अस्पष्ट हैं, वे चरण जो ऐसा ज्ञान मानते हैं जो कहा नहीं गया, और वह सब जो अक्षरशः पालन करने पर नुक़सान कर सकता है। रनबुक को दोबारा न लिखें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

खोजों से ख़ाली जगहें खोजें।

यह वे खोज-शब्द हैं जिनसे कोई परिणाम नहीं मिला या जिनके बाद टिकट आया: [सूची चिपकाएँ]। यह हमारे लेखों के शीर्षक हैं: [सूची चिपकाएँ]।
खोज-शब्दों को विषयों में समूहित करें, और हर विषय के लिए बताएँ कि क्या कोई मौजूदा लेख-शीर्षक संबंधित दिखता है या नए लेख की ज़रूरत है। लेखों का मसौदा न बनाएँ।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

AI कौशल

  • runbook: रनबुक लिखने और परखने के लिए उपयोग करें।
  • decision-records: यह दर्ज करने के लिए उपयोग करें कि निर्णय क्यों लिए गए।
  • architecture-decision-record: ऐसे डिज़ाइन निर्णयों के लिए उपयोग करें जिन्हें दूसरों को समझना होगा।
  • prompt-engineering: ऐसे प्रॉम्प्ट डिज़ाइन करने के लिए उपयोग करें जो ज्ञान-आधार से पढ़ें और स्रोतों का हवाला दें।

प्रमुख स्रोत

  • Consortium for Service Innovation, Knowledge-Centered Service (KCS): सहायता कार्य में ज्ञान पकड़ने की मुख्य व्यावहारिक विधि।
  • Ikujiro Nonaka and Hirotaka Takeuchi, The Knowledge-Creating Company (1995): निहित और स्पष्ट ज्ञान के बारे में।
  • Wikipedia, "Knowledge management" और "Tacit knowledge": तटस्थ अवलोकन।
  • Wikipedia, "Runbook": संचालन की कार्यविधियों की पृष्ठभूमि।

संदर्भ

  1. Knowledge management — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_management
  2. Knowledge base — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_base
  3. Tacit knowledge — Wikipedia — https://en.wikipedia.org/wiki/Tacit_knowledge
  4. Wiki — Wikipedia — https://en.wikipedia.org/wiki/Wiki
  5. Runbook — Wikipedia — https://en.wikipedia.org/wiki/Runbook
  6. Retrieval-augmented generation — Wikipedia — https://en.wikipedia.org/wiki/Retrieval-augmented_generation
  7. Markdown — Wikipedia — https://en.wikipedia.org/wiki/Markdown
  8. Bus factor — Wikipedia — https://en.wikipedia.org/wiki/Bus_factor
  9. Knowledge transfer — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_transfer
  10. Consortium for Service Innovation — KCS library — https://library.serviceinnovation.org

सेवा प्रबंधन मार्गदर्शिका — एजाइल, AI, स्वचालन और विश्लेषण के साथ सेवा प्रबंधन।

स्रोत और योगदान: github.com/service-management-guide. इसके साथ बनाया गया Lily Design System™.

संचालन Joel Parker Henderson.