भाग 10 का परिचय: AI के युग में मेट्रिक्स
AI आउटपुट को सस्ता और धाराप्रवाह बना देता है, जो जो बनाया गया है और जो रखने योग्य है उसके बीच पुरानी कड़ी तोड़ता है। इसलिए मापें कि क्या टिकता है, क्या मदद करता है, और क्या नियंत्रण में रहता है।
इस पुस्तक का हर मेट्रिक इस मान्यता पर टिका है कि जिस चीज़ को गिना जा रहा है उसे बनाने में वास्तविक प्रयास लगता है। सुलझा टिकट कार्य दर्शाता था। लिखा लेख ज्ञान दर्शाता था। मर्ज हुआ बदलाव सावधानी दर्शाता था। जनरेटिव AI उस मान्यता को कमज़ोर करता है। वह उत्तर, लेख, परीक्षण, या कोड का ब्लॉक सेकंडों में तैयार कर सकता है, और जो वह तैयार करता है वह अक्सर विश्वसनीय और कभी-कभी गलत होता है। गिनतियाँ बढ़ती हैं। क्या जिन लोगों की सेवा हुई वे बेहतर स्थिति में हैं, यह अलग प्रश्न है जिसका गिनतियाँ उत्तर नहीं दे सकतीं।
AI मापने के लिए नई चीज़ें भी जोड़ता है। बातचीत वाले सहायकों और एजेंटों को जो उपयोगकर्ता की ओर से कार्य करते हैं समाधान, हैंडऑफ़ और गलत कार्रवाइयों की हानि के माप चाहिए। मॉडलों, प्रॉम्प्ट और आपूर्तिकर्ताओं के शासन को कवरेज, नियंत्रण और घटना सँभाल के माप चाहिए। और जो लोग इन उपकरणों के बगल में काम करते हैं उनके कौशल, समझ और टिकाऊ गति की रक्षा होनी चाहिए। इस भाग के माप पुस्तक के बाकी हिस्से पर आधारित हैं, क्योंकि रेलिंग वही हैं: हर मेट्रिक को इस जाँच के साथ जोड़ें कि वह क्या छिपा सकता है, आधाररेखा से तुलना करें, लोगों के साथ नमूना लें, और लोगों के बारे में डेटा मूल्यांकन से बाहर रखें (देखें विषय 1.2, गुडहार्ट का नियम और मेट्रिक्स का मनोविज्ञान)।
एजाइल और ITIL कार्य-पद्धतियाँ इस सबके प्रति विवेकपूर्ण रुख देती हैं। AI के हर उपयोग को छोटा प्रयोग मानें। अपेक्षित लाभ बताएँ, इच्छुक लोगों के साथ आज़माएँ, उसके बिना किए समान कार्य से तुलना करें, और प्रमाण पर निर्णय लें। हितधारकों को सतत शामिल रखें, क्योंकि वे सबसे पहले नोटिस करते हैं जब संकेत बिगड़ता है। टिकाऊ गति का लक्ष्य रखें, ताकि बचा समय गुणवत्ता और सीखने का चुनाव हो, माँग में स्वचालित वृद्धि नहीं। और प्रेरित व्यक्तियों के आसपास निर्माण का लक्ष्य याद रखें: AI को नीरस कार्य से राहत देनी और लोगों के विवेक का सम्मान करना चाहिए, और उसे उनकी निगरानी का तरीका नहीं बनना चाहिए।
AI उपकरणों, उत्पादों और नियमों के तथ्य तेज़ी से बदलते हैं। इस भाग में विशिष्ट विनियमों, मानकों और उपकरणों के बारे में कथन अक्टूबर 2026 तक के हैं, और पाठक को उन्हें दोबारा जाँचना चाहिए। मापन सिद्धांत उस तकनीक से अधिक टिकाऊ हैं जिसका वे वर्णन करते हैं।
इस भाग के विषय
- 10.1 सेवा प्रबंधन मापन में AI: AI कार्य में कहाँ प्रवेश करता है, अपनाने से पहले आधाररेखाएँ, तुलनाएँ, जाँचे परिणाम तक का समय, और पूरी लागत।
- 10.2 AI-सहायता प्राप्त कार्य का मापन: प्रतिधारण, पुनर्कार्य, समीक्षा भार, बच निकली खामियाँ, समझ और कौशल।
- 10.3 AI एजेंट और चैटबॉट मेट्रिक्स: सत्यापित समाधान, वापसी संपर्क, हैंडऑफ़, व्यक्ति तक का समय, उत्तर की सटीकता, और एजेंट कार्रवाइयों का पलटना।
- 10.4 मेट्रिक्स का फूलना और गुणवत्ता का क्षरण: मात्रा और गति कैसे फुलाती हैं, उपयोगिता का नमूना, सत्यापन का बोझ, और प्रतिक्रिया चक्र तोड़ना।
- 10.5 AI शासन और जोखिम मेट्रिक्स: उपयोगों का रजिस्टर, जोखिम वर्ग, मॉडलों और प्रॉम्प्ट का बदलाव नियंत्रण, मूल्यांकन, निरीक्षण और घटनाएँ।
ये विषय एक-दूसरे से कैसे जुड़ते हैं
आधार का विषय (देखें विषय 10.1, सेवा प्रबंधन मापन में AI) विधि तय करता है: आधाररेखा, तुलना, नमूना और पूरी लागत। वह इस भाग के हर अन्य विषय पर लागू होता है। सहायता प्राप्त कार्य का विषय (देखें विषय 10.2, AI-सहायता प्राप्त कार्य का मापन) वह विधि उस कार्य पर उपयोग करता है जो लोग अपने बगल में AI के साथ करते हैं, और देखता है कि क्या टिकता है और समझ का क्या होता है। चैटबॉट और एजेंट का विषय (देखें विषय 10.3, AI एजेंट और चैटबॉट मेट्रिक्स) उसे उन प्रणालियों पर लागू करता है जो उपयोगकर्ताओं का सीधा सामना करती हैं या उनकी ओर से कार्य करती हैं, जहाँ गलत उत्तर या कार्रवाई की लागत किसी और पर पड़ती है।
फूलना और क्षरण (देखें विषय 10.4, मेट्रिक्स का फूलना और गुणवत्ता का क्षरण) इन सबका सतर्क साथी है। वह समझाता है कि आसान संख्याएँ क्यों बढ़ती हैं और उनके साथ क्या जोड़ें, और वह अन्य विषयों की उपयोगिता जाँचों से जुड़ता है। शासन (देखें विषय 10.5, AI शासन और जोखिम मेट्रिक्स) वह संरचना है जो बाकी को जगह पर रखती है: वह रजिस्टर देता है जो बताता है क्या मापना है, जोखिम वर्ग जो बताते हैं कितनी गहराई से, बदलाव नियंत्रण जो व्यवहार को अनदेखे भटकने से रोकता है, और घटना प्रक्रिया जब कुछ गलत हो।
कई रेलिंग जोड़ियाँ निकलती हैं। गति के माप को जाँचे परिणाम तक के समय और सत्यापन के बोझ के साथ पढ़ा जाना चाहिए। नियंत्रण या डिफ़्लेक्शन आँकड़े को सत्यापित समाधान और वापसी संपर्कों के साथ पढ़ा जाना चाहिए। पंजीकृत-उपयोग गिनती को स्वतंत्र खोज के विरुद्ध पढ़ा जाना चाहिए। AI उपकरण के अपनाने के आँकड़े को वर्णनात्मक माना जाना चाहिए, और तुलना के विरुद्ध परिणाम वज़न उठाते हैं।
यह भाग पहले के भागों से जुड़ता है: भाग 2 की समीक्षा और प्रवाह माप, भाग 3 के ज्ञान और स्व-सेवा माप, भाग 8 के सुरक्षा और जोखिम माप, और भाग 9 के लोग माप। यह अंतिम सामग्री भाग की ओर ले जाता है, जो स्वयं मेट्रिक्स कार्यक्रम बनाने के बारे में है, क्योंकि जो कार्यक्रम बिना सावधानी के मापन लाता है वह वही विकृतियाँ भुगतेगा जो यह भाग वर्णित करता है।