अपनी नौकरी के लिए AI का उपयोग कैसे करें — परखे हुए वर्कफ़्लो जो फ़ालतू काम घटाएँ

एक अच्छा AI वर्कफ्लो क्या बनाता है?

सबसे अच्छे AI वर्कफ्लो चमकदार नहीं होते। वे उन कार्यों से घंटे पुनः प्राप्त करने के बारे में हैं जो सोचने के समय से कहीं अधिक उत्पादन समय खपाते हैं। एक परियोजना अपडेट लिखने में तीस मिनट लगते हैं, लेकिन इसके पीछे वास्तविक सोच में पांच मिनट लगते हैं। बाकी टाइपिंग, फॉर्मेटिंग, और वाक्यांशन है। AI उत्पादन के पच्चीस मिनट संभालता है। आप निर्णय के पांच मिनट संभालते हैं।

यदि आपने कभी "अपनी नौकरी के लिए AI का उपयोग कैसे करें" खोजा है, तो यह ईमानदार जवाब है: उन कार्यों से शुरू करें जहां प्रयास और सोच का अनुपात सबसे अधिक असमान है। विशिष्ट कार्य भूमिका के अनुसार बदलते हैं, लेकिन सिद्धांत हर जगह लागू होता है। पहचानें कि आपका समय कहां जाता है, निर्णय को उत्पादन से अलग करें, और AI को उत्पादन संभालने दें।

ईमेल ड्राफ्टिंग के लिए AI का उपयोग कैसे करें?

ईमेल सबसे आम प्रवेश बिंदु है क्योंकि हर पेशेवर ईमेल भेजता है और अधिकांश अनुमानित पैटर्न का पालन करते हैं। वर्कफ्लो सीधा है और समय बचत तुरंत शुरू होती है।

चार-चीज़ों का दृष्टिकोण

AI को चार चीजें दें: ईमेल किसे है (और उनका आपसे संबंध), स्थिति क्या है, आपको क्या संप्रेषित करना है, और कौन सा स्वर काम करता है। AI एक पहला मसौदा उत्पन्न करता है। आप समीक्षा करते हैं, कोई भी बारीकियां समायोजित करते हैं जो केवल आप जानते होंगे, और भेजते हैं।

संदर्भ लोडिंग क्यों मायने रखती है

वह तकनीक जो इसे लगातार काम करती है वह संदर्भ लोडिंग है। AI को संबंध के इतिहास, स्थिति की राजनीति, या संचार के उपाय के बारे में कोई जानकारी नहीं है। आप प्रॉम्प्ट में वह संदर्भ प्रदान करते हैं, और AI संरचना और भाषा संभालता है।

यह व्यवहार में कैसा दिखता है

उदाहरण: "परियोजना में देरी के बारे में एक ईमेल लिखें" के बजाय, आजमाएं "Meridian Corp में क्लाइंट अकाउंट मैनेजर को 200-शब्द का ईमेल लिखें। उनकी IT टीम के विलंबित एक्सेस प्रावधान के कारण हम डेटा माइग्रेशन पर तीन सप्ताह पीछे हैं। मुझे उन्हें दोष दिए बिना देरी संप्रेषित करनी है, एक संशोधित समयरेखा प्रस्तावित करनी है, और चर्चा के लिए एक कॉल का सुझाव देना है। स्वर रचनात्मक और समाधान-केंद्रित होना चाहिए।"

प्रॉम्प्ट पर तीस सेकंड अधिक प्रयास। मसौदे पर पंद्रह मिनट कम। वह गणित आपके द्वारा भेजे जाने वाले प्रत्येक ईमेल पर एक ही तरह से काम करती है।

मीटिंग दस्तावेज़ीकरण के लिए AI का उपयोग कैसे करें?

मीटिंग दस्तावेज़ीकरण के दो भाग हैं, तैयारी और फॉलो-अप, और AI दोनों को गति देता है।

तैयारी

तैयारी के लिए: AI को मीटिंग एजेंडा, उपस्थित और उनकी भूमिकाएं, और प्रत्येक विषय के लिए संदर्भ दें। टॉकिंग पॉइंट, अनुमानित प्रश्न या आपत्तियां, और आपकी भूमिका के लिए विशिष्ट कोई भी तैयारी नोट मांगें। AI-सहायता तैयारी के पंद्रह मिनट अपने दम पर तीस मिनट की तुलना में अधिक गहन तत्परता उत्पन्न करते हैं।

अनुवर्ती कार्रवाई

फॉलो-अप के लिए: मीटिंग से प्रमुख निर्णय, कार्य आइटम, और चर्चा बिंदु प्रदान करें। AI से प्रत्येक कार्य आइटम पर स्पष्ट स्वामित्व, समयसीमाएं, और फॉलो-अप की आवश्यकता वाले खुले प्रश्नों के साथ एक सारांश का मसौदा तैयार करने के लिए कहें। अनुमोदन या संशोधन के लिए इसे भेजें।

यह क्यों उच्च-मूल्य का है

यहां तकनीक चार-घटक ढांचा है: स्पष्ट निर्देश (एक मीटिंग सारांश का मसौदा तैयार करें), संदर्भ (मीटिंग विवरण), प्रारूप (निर्णयों, कार्य आइटम, और फॉलो-अप के लिए हेडिंग के साथ संरचित), और स्वर (पेशेवर और स्पष्ट, कार्य स्वामित्व स्पष्ट)।

मीटिंग दस्तावेज़ीकरण उच्च-मूल्य है क्योंकि यह समय लेने वाला और परिणामी दोनों है। अदस्तावेज़ीकृत मीटिंग असंरेखित अपेक्षाओं, भूले हुए प्रतिबद्धताओं, और दोहराई गई चर्चाओं की ओर ले जाती हैं। AI दस्तावेज़ीकरण को इतना तेज बनाता है कि यह वास्तव में प्राथमिकता सूची से गिरने के बजाय लगातार होता है।

शोध और संश्लेषण के लिए AI का उपयोग कैसे करें?

शोध और संश्लेषण वह है जहां AI जानकारी को व्यवस्थित करने, तुलना करने, और संक्षेपित करने के लिए सबसे अधिक मूल्य जोड़ता है। यह वह भी है जहां तथ्यात्मक सटीकता मायने रखने पर यह सबसे अधिक जोखिम वहन करता है।

सुरक्षित दृष्टिकोण — संश्लेषण करें, उत्पन्न न करें

सुरक्षित दृष्टिकोण: AI को स्रोत सामग्री दें और इसे व्यवस्थित करने, संक्षेपित करने, या तुलना करने के लिए कहें। जब AI आपके द्वारा प्रदान की गई जानकारी के साथ काम करता है बजाय उस जानकारी के जो यह उत्पन्न करता है, आउटपुट बहुत अधिक विश्वसनीय होता है। "यहां तीन विक्रेता प्रस्तावों से प्रमुख निष्कर्ष हैं। मूल्य निर्धारण, सुविधाओं, कार्यान्वयन समयरेखा, और समर्थन स्तरों को कवर करने वाली तुलना तालिका में अंतरों को संक्षेपित करें।" इस प्रकार का संश्लेषण प्रॉम्प्ट अच्छी तरह काम करता है क्योंकि AI आपका डेटा व्यवस्थित कर रहा है, अपना नहीं बना रहा।

बहु-चरणीय शोध के लिए विघटन

जो तकनीक शोध संश्लेषण को प्रभावी बनाती है वह विघटन है। कार्य को चरणों में तोड़ें: प्रमुख प्रश्नों की पहचान करें, उपलब्ध जानकारी को प्रश्न के अनुसार व्यवस्थित करें, निष्कर्षों को एक सारांश में संश्लेषित करें, फिर अंतरों और खुले प्रश्नों की पहचान करें। प्रत्येक चरण केंद्रित आउटपुट उत्पन्न करता है जो अगले को पोषित करता है।

दस्तावेज़ निर्माण के लिए AI का उपयोग कैसे करें?

दस्तावेज़ निर्माण — रिपोर्ट, प्रस्ताव, प्रस्तुतियां, योजनाएं — वह है जहां विघटन एकल-प्रॉम्प्ट दृष्टिकोणों की तुलना में सबसे बड़ा सुधार उत्पन्न करता है।

AI से "एक परियोजना प्रस्ताव लिखें" के लिए एकल प्रॉम्प्ट सामान्य सामग्री उत्पन्न करता है जो एक टेम्पलेट की तरह पढ़ती है। एक विघटित दृष्टिकोण कुछ ऐसा उत्पन्न करता है जो एक वास्तविक डिलीवरेबल के करीब है:

चरण 2: AI एक संरचना प्रस्तावित करता है। आप गायब जानकारी प्रदान करते हैं और किसी भी संरचनात्मक मुद्दे को पुनर्निर्देशित करते हैं।

चरण 3: "अब निम्नलिखित विवरणों के आधार पर कार्यकारी सारांश और समस्या वक्तव्य का मसौदा तैयार करें: [विशिष्ट जानकारी]।"

चरण 4: खंड दर खंड जारी रखें, प्रत्येक के लिए विशिष्ट सामग्री और संदर्भ प्रदान करते हुए।

चरण 5: "स्वर की स्थिरता, खंडों के बीच तार्किक प्रवाह, और तर्क में किसी भी अंतराल के लिए पूर्ण दस्तावेज़ की समीक्षा करें।"

इस वर्कफ्लो में एकल अनुरोध की तुलना में अधिक प्रॉम्प्ट लगते हैं, लेकिन प्रत्येक प्रॉम्प्ट उच्च-गुणवत्ता वाला आउटपुट उत्पन्न करता है क्योंकि AI विशिष्ट संदर्भ के साथ एक प्रबंधनीय उप-कार्य पर काम कर रहा है। परिणाम एक दस्तावेज़ है जो किसी ऐसे व्यक्ति द्वारा लिखा गया लगता है जो परियोजना को समझता है, क्योंकि परियोजना ज्ञान आपके प्रॉम्प्ट से आया, और संरचना और भाषा AI से आई।

डेटा विश्लेषण कथाओं के लिए AI का उपयोग कैसे करें?

संख्याएं आपकी स्प्रेडशीट, डेटाबेस, और विश्लेषण टूल से आती हैं। वह कथा जो समझाती है कि संख्याओं का क्या अर्थ है, वहीं AI मूल्य जोड़ता है।

रोल प्रॉम्प्टिंग का उपयोग करें

यह वर्कफ्लो विश्लेषण परिप्रेक्ष्य को आकार देने के लिए रोल प्रॉम्प्टिंग का उपयोग करता है। "आप कार्यकारी टीम को त्रैमासिक परिणाम प्रस्तुत करने वाले एक वरिष्ठ व्यापार विश्लेषक हैं। यहां प्रमुख मेट्रिक्स हैं: [डेटा]। तीन सबसे महत्वपूर्ण रुझानों की पहचान करें, प्रत्येक रुझान को क्या चला रहा है यह समझाएं, और प्रत्येक के लिए एक कार्रवाई की सिफारिश करें।" भूमिका असाइनमेंट आउटपुट को सही दर्शकों और विवरण के स्तर पर कैलिब्रेट करती है।

AI को वास्तविक डेटा दें, सारांश नहीं

AI को डेटा उत्पन्न करने या खोजने के लिए कहने के बजाय प्रॉम्प्ट में वास्तविक डेटा दें। विश्लेषण कथा केवल उतनी ही विश्वसनीय है जितना आप इसे डेटा खिलाते हैं। जब आप वास्तविक डेटा प्रदान करते हैं और AI से पैटर्न पहचानने और कथा उत्पन्न करने के लिए कहते हैं, तो आउटपुट काम करता है। जब आप AI से संख्याएं और कथा दोनों उत्पन्न करने के लिए कहते हैं, तो यह काम नहीं करता।

डेटा के विरुद्ध कथा को सत्यापित करें

सत्यापन चरण यहां किसी भी अन्य जगह से अधिक मायने रखता है: जांचें कि AI की कथा आपके द्वारा प्रदान किए गए डेटा को सटीक रूप से दर्शाती है। AI रुझानों को गलत समझ सकता है, सहसंबंध को कारणता के साथ भ्रमित कर सकता है, या एक महत्वपूर्ण डेटा बिंदु को चूकते हुए एक मामूली को अधिक भार दे सकता है। आपकी समीक्षा सुनिश्चित करती है कि कथा वह कहानी बताए जो डेटा वास्तव में समर्थन करता है।

इन सभी वर्कफ्लो के पीछे की व्यापक पद्धति के लिए, प्रॉम्प्ट इंजीनियरिंग वास्तव में क्या है तकनीकों को गहराई से कवर करता है।

विस्तृत कार्य-विशिष्ट मार्गदर्शिकाएं: - परियोजना प्रबंधन के लिए AI का उपयोग कैसे करें - बिक्री के लिए AI प्रॉम्प्ट - संचालन के लिए AI प्रॉम्प्ट