Creative Studio Stars — डिजिटल उत्पाद विकास

समानांतर AI ऑफिस का निर्माण: निरंतर डेलिगेशन के लिए

स्रोत: Social Media Examiner

AI WorkspaceDelegationPrompt EngineeringProductivity

Article hero image

क्या आप हर बार ChatGPT या Claude खोलते समय अपनी प्रक्रियाओं, टेम्पलेट्स और पसंद-नापसंद को फिर से समझाने के थक चुके हैं? क्या आप यह जानने की कोशिश कर रहे हैं कि एक ऐसा AI वर्कस्पेस कैसे सेटअप करें जहाँ आप वास्तविक काम AI को सौंप सकें और हर बार वही विश्वसनीय परिणाम प्राप्त कर सकें? इस लेख में, आप यह सीखेंगे कि प्रक्रिया दस्तावेज़ों, टेम्पलेट्स और ऐतिहासिक संदर्भ से मिलकर एक AI वर्कस्पेस (या AI ऑफिस) कैसे बनाया जाए, जिसका उपयोग ChatGPT, Claude और अन्य AI टूल्स सौंपे गए काम को निरंतरता के साथ पूरा करने के लिए कर सकें। यह लेख टिफनी क्यज़्ज़े और माइकल स्तेल्ज़नर ने मिलकर तैयार किया है। टिफनी के बारे में अधिक जानने के लिए, इस लेख के अंत में पढ़ें।

AI वर्कस्पेस कार्य सौंपने को संभव क्यों बनाता है

टिफनी क्यज़्ज़े ऑटोमेशन के जरिए AI की ओर आईं, जिन्हें उन्होंने क्रमबद्ध करने (sequencing) के रूप में परिभाषित किया है: जब यह चीज होती है, तो वह चीज होती है। अपनी AI Flow Club समुदाय में, वे उद्यमीओं को जानबूझकर 'बोरिंग' (सरल और स्थिर) AI सिस्टम बनाना सिखाती हैं, जिन्हें एक बार अच्छी तरह से सोचा-विचारकर तैयार किया जाता है और जांचा जाता है, ताकि वे ऐसे परिणाम दें जिन पर भरोसा किया जा सके। चूंकि AI हमेशा निर्धारित (deterministic) परिणाम नहीं देता, इसलिए उनका लक्ष्य उसे नियंत्रित, सीमित और लाभदायक बनाना है। तभी काम AI को सौंपा जा सकता है जब आउटपुट भविष्यवाणी योग्य हो। टिफनी आदर्श स्थिति की तुलना मैकडॉनल्ड्स के McDouble से करती हैं: यह हर बार वही होता है, और यही इसका मुख्य उद्देश्य है। एक AI वर्कस्पेस AI को हर कार्य के लिए मानकों, प्रक्रियाओं और टेम्पलेट्स खोजने का एकल स्थान प्रदान करके उस भविष्यवाणी योग्यता को सुनिश्चित करता है।

#1: छोटी शुरुआत करें, और केवल वही संदर्भ AI को दें जो हर कार्य के लिए आवश्यक हो

जो गलतफहमी टिफनी सबसे अधिक देखती हैं, वह यह मानना है कि AI को सब कुछ पता होना चाहिए: व्यक्तिगत प्रेरणाएं, कोई कैसे काम करता है, उसके जीवन में क्या चल रहा है, और उसने कभी भी उपयोग किए गए हर ऐप से डेटा। ChatGPT और Claude में कनेक्टर्स और प्लगइन्स के पेज इसे आकर्षक बनाते हैं क्योंकि वहां इतने परिचित ऐप्स सूचीबद्ध हैं। समस्या यह है कि एक बड़ा भाषा मॉडल (LLM) यह मान लेता है कि किसी बातचीत में लाई गई हर चीज का उपयोग किया जाना चाहिए। यदि कोई AI से कहता है कि वह थका हुआ महसूस कर रहा है और पॉडकास्ट के आमंत्रण को अस्वीकार करने वाला ईमेल लिखने के लिए कहता है, तो ईमेल में संभावित रूप से यह कहा जाएगा कि भेजने वाला थका हुआ है, जबकि भेजने वाला शायद यही कहना चाहता था कि समय उपयुक्त नहीं है। जुड़े हुए डेटा के साथ भी वही जोखिम है। एक Stripe कनेक्टर राजस्व की मेल खाने में मदद कर सकता है, लेकिन यदि AI को यह पता है कि व्यवसाय सप्ताह में $10,000 कमाता है, तो वह राशि सोशल मीडिया पोस्ट्स में भी आ सकती है। सेकंड ब्रेन सिस्टम व्यक्तिगत कहानी जानने के लिए उपयोगी हैं, लेकिन टिफनी के अनुसार, काम करने के लिए AI को उस कहानी की आवश्यकता नहीं है। प्रत्येक कार्य के लिए, सही सवाल यह हैं कि कौन सी जानकारी प्रासंगिक है और यदि AI उसे अनावश्यक रूप से साझा कर दे तो जोखिम क्या है। सटीक संदर्भ टोकन्स को भी बचाता है। बिना किसी टेम्पलेट के, एक मीटिंग को सारांशित करने का अनुरोध AI को यह तय करने पर मजबूर करता है कि सारांश कैसा दिखना चाहिए, क्या शामिल करना है और क्या कीमती माना जाएगा। परिणाम एक लंबे दस्तावेज़ के रूप में निकलता है जिसमें ऐसी जानकारी होती है जो प्रासंगिक तो है लेकिन आवश्यक नहीं है। यदि सारांश परियोजना की प्रगति पर केंद्रित होने के लिए निर्देशित नहीं किया गया है, तो उदाहरण के लिए, भागीदारों द्वारा अपने वीकेंड के बारे में बात करने में बिताए पांच मिनत उसमें शामिल हो जाएंगे। टिफनी आवश्यक जानकारी के प्रकार और आउटपुट की संरचना दोनों को परिभाषित करने की सलाह देती हैं। यह परिभाषा AI को इससे अधिक पढ़ने से भी रोकती है: एक कॉल को सारांशित करने के लिए, उसे केवल कॉल ट्रांसक्रिप्ट और कॉल सारांश टेम्पलेट की आवश्यकता होती है, न कि शेड्यूलिंग नियलों जैसे असंबंधित फाइलों की।

AI वर्कस्पेस को शुरू करें बिना उसे ओवरलोड किए

एक लोकप्रिय रुझान यह रहा है कि मास्टर प्रॉम्प्ट का उपयोग किया जाए, जो एक आत्मकथा होती है जिसे हर अनुरोध के साथ AI को दिया जाता है। कुछ लोगों ने 90 पृष्ठों वाले मास्टर प्रॉम्प्ट लिखे थे। टिफनी का कहना है कि यह बहुत अधिक जानकारी थी, क्योंकि AI किसी बड़े दस्तावेज़ में छिपी छोटी बातों पर उतना ध्यान नहीं देता। इसे बनाए रखना भी मुश्किल होता है: यदि ब्रांड वॉइस में बदलाव की आवश्यकता होती है, तो उस खंड और अन्य सभी खंडों को ढूंढने में जिनका उस पर प्रभाव पड़ता है, बहुत समय लग जाता है। इसके बजाय, टिफनी केवल कुछ हिस्सों से शुरू करने और यह सुनिश्चित करने की सलाह देती हैं कि हर एक ठीक से काम कर रहा है। छोटा शुरू करना हर जोड़े गए हिस्से को समायोजित करने और यह देखने की अनुमति देता है कि AI उस जानकारी का उपयोग कैसे करता है। यदि पहले दिन ही फ़ोल्डर में 55 दस्तावेज़ हों, तो यह बताना मुश्किल हो जाता है कि परिणाम उत्पन्न करते समय AI ने किसका संदर्भ लिया। जिसके पास पहले से इतने सारे दस्तावेज़ हैं, उन्हें हर कार्य के लिए AI को स्पष्ट रूप से बता देना चाहिए कि कौन से दस्तावेज़ों का उपयोग करना है। फिर, यदि परिणम खराब होता है, तो केवल दो जगहें जाँचनी होती हैं: निर्देश या संदर्भ। एक Claude प्रोजेक्ट जो पहले से ही अच्छा प्रदर्शन कर रहा हो, वह एक अच्छा पहला उम्मीदवार हो सकता है। प्रोजेक्ट एक फ़ोल्डर होता है जिसमें एक कार्य पर केंद्रित निर्देश और फ़ाइलें होती हैं, इसलिए यह नए वर्कस्पेस की एक सबफ़ोल्डर बन सकता है, जहाँ किसी भी AI टूल तक पहुँच हो सकती है।

#2: चुनें कि AI वर्कस्पेस कहाँ रहेगा

AI वर्कस्पेस कंप्यूटर पर एक फ़ोल्डर होता है जिसमें जानकारी को सबफ़ोल्डर्स में व्यवस्थित किया गया होता है। टिफनी इसे एक डिजिटल बाइंडर की तरह बताती हैं, जैसे कि उनके पहले नौकरी पर उन्हें मिले बाइंडर में, जिसमें टैब होते थे जो हर स्थिति को कैसे संभालना है, जैसे फ्रंट डेस्क पर कॉल करना, इसकी व्याख्या करते थे। प्रशासनिक जानकारी, प्रक्रियाओं और टेम्पलेट्स के लिए टैब्स की जगह, वर्कस्पेस में सबफ़ोल्डर्स होते हैं, और AI अगली बार जब कोई कार्य आता है तो हर एक को ठीक से ढूंढने का तरीका जानता है। यह उन टूल्स के साथ काम करता है जो फ़ाइलों तक पहुँच सकते हैं, जैसे Claude Cowork, Claude Code, ChatGPT Work और ChatGPT Codex। टिफनी के अनुसार, सामान्य ChatGPT भी फ़ाइल सिस्टम तक पहुँच रखता है। Google Drive भी सत्य का स्रोत (source of truth) के रूप में काम कर सकता है, क्योंकि यह लगभग हर AI टूल से जुड़ जाता है।

Markdown और Obsidian के साथ वर्कस्पेस कैसे सेटअप करें

टिफनी अपने वर्कस्पेस को कंप्यूटर के फ़ाइल सिस्टम में Markdown फ़ाइलों के रूप में रखती हैं। हर फ़ाइल केवल कुछ किलोबाइट की होती है, जिससे टोकन का उपयोग कम रहता है। वे Markdown को AI की पहली भाषा कहती हैं। बिना फॉर्मेटिंग के भी, यह पढ़ने में आसान होता है: एक हैशटैग हेडिंग को चिह्नित करता है और तारांकन (asterisks) बोल्ड टेक्स्ट को चिह्नित करते हैं। उन लोगों के लिए जो कच्चे Markdown को नहीं पढ़ना चाहते, टिफनी Obsidian की सलाह देती हैं, जो फ़ाइलों को साफ़ फॉर्मेटिंग के साथ प्रदर्शित करता है और दिखाता है कि कौन से दस्तावेज़ एक-दूसरे से जुड़े हुए हैं। ये कनेक्शन AI को हर कार्य के लिए आवश्यक सब कुछ खींचने की अनुमति देते हैं। उदाहरण के लिए, एक ईमेल प्रक्रिया ईमेल के उदाहरणों, एक ईमल टेम्पलेट और उन नियमों से जुड़ सकती है जो तय करते हैं कि किस संदेश का जवाब देना चाहिए। टिफनी Obsidian को Notion पर पसंद करती हैं क्योंकि AI इसमें जानकारी तेज़ी से ढूंढ लेता है। Claude में एक Notion खोज कई फ़ील्ड्स को स्कैन करती है, और उनके Notion डेटाबेस में कभी-कभी 20 या 30 कॉलम होते हैं। Obsidian YAML में उसी प्रकार के फ़ील्ड्स को स्टोर करता है, जो हर फ़ाइल के शीर्ष पर कोड का एक छोटा ब्लॉक होता है, और फिर भी फ़ाइल को डेटाबेस की तरह प्रदर्शित करता है।

GitHub के साथ टीम के साथ वर्कस्पेस को सिंक कैसे करें

टिफनी अपने वर्कस्पेस को गिटहब के साथ सिंक करती है। वह अपने कंप्यूटर पर अपने टीम ऑफिस के लिए एक फ़ोल्डर रखती है, और उसके पार्टनर टेलर, जो कनाडा में रहते हैं, अपने कंप्यूटर पर उसका मैचिंग फ़ोल्डर रखते हैं। जब टिफनी गिटहब पर बदलाव पुश करती है, तो टेलर का फ़ोल्डर स्वतः अपडेट हो जाता है, और यदि दोनों एक ही दस्तावेज़ को एडिट करते हैं, तो गिटहब एक के द्वारा दूसरे के काम को ओवरराइट किए बिना बदलावों को मर्ज कर देता है। गिटहब नए AI टूल्स को फ़ाइल सिस्टम का एक्सेस दिए बिना ही एक्सेस भी प्रदान करता है। जब म्यूज़ लॉन्च हुआ, तो टिफनी ने उसे अपने कंप्यूटर तक पहुँच देने के बजाय अपने गिटहब रिपॉजिटरी की ओर इशारा किया, और इससे उसे आवश्यक जानकारी मिल गई।

#3: AI ऑफिस को प्रक्रिया दस्तावेज़ों, टेम्पलेट्स और ऐतिहासिक संदर्भ से भरें

टिफनी तैयार वर्कस्पेस को एक 'AI ऑफिस' कहती हैं: फ़ाइलों का वह फ़ोल्डर जिसे AI शुरुआत के बिंदु के रूप में उपयोग करता है। इसमें सामग्री के तीन प्रकार होते हैं।

  1. प्रक्रिया दस्तावेज़ (Process Documents): एक प्रक्रिया दस्तावेज़ उन चरणों को रेखांकित करता है जो करने हैं और मानक संचालन प्रक्रिया के रूप में कार्य करता है। ईमेल का उत्तर देने योग्य है या नहीं, यह तय करने के लिए टिफनी के मानदंड एक उदाहरण हैं।
  2. टेम्पलेट्स (Templates): एक टेम्पलेट या तो किसी पूर्ण आउटपुट का उदाहरण होता है या वह दस्तावेज़ जिसे AI डुप्लिकेट करके भरता है। एक फ़िल-इन टेम्पलेट में केवल हेडिंग्स हो सकती हैं