← नवीनतम पेपर
🤖 AI

Task-Level AI Readiness Assessment for Business Process Management:The T-IPO Model and LARA Matrix in Financial-Services IT Operations

यह शोध पत्र T-IPO मॉडल और LARA मैट्रिक्स प्रस्तुत करता है, जो एक कार्य-स्तरीय मूल्यांकन ढांचा है जिसे डेलफी अध्ययन और 127 वित्तीय आईटी कार्यों के अनुभवजन्य विश्लेषण के माध्यम से मान्य किया गया है, ताकि संज्ञानात्मक जटिलता और अनुपालन संवेदनशीलता का मूल्यांकन करके विशिष्ट वर्कफ़्लो कार्यों की लार्ज-लैंग्वेज-मॉडल एजेंट प्रतिस्थापन के लिए तत्परता को विश्वसनीय रूप से निर्धारित किया जा सके।

मूल लेखक: Mingjun Li, Xiaojun Ye

प्रकाशित 2026-05-19
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Mingjun Li, Xiaojun Ye

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी कंपनी की कल्पना एक विशाल, जटिल कारखाने के रूप में करें। वर्षों से, प्रबंधक इस कारखाने को व्यापक रूप में देखते आए हैं, यह कहते हुए, "यह पूरा कमरा (एक 'गतिविधि') 'सॉफ्टवेयर डिज़ाइन' करता है।" उन्होंने मान लिया था कि यदि वे इसमें मदद के लिए एक नया, सुपर-स्मार्ट रोबोट (एक AI एजेंट) लगाना चाहते हैं, तो वे या तो पूरे कमरे में इसे लगा सकते हैं या बिल्कुल नहीं।

लेकिन यह शोध पत्र तर्क देता है कि पूरे कमरे को एक इकाई के रूप में देखना एक गलती है। उस "सॉफ्टवेयर डिज़ाइन" कमरे के भीतर, कुछ काम बिजली का स्विच दबाने जितने सरल हैं, जबकि अन्य मस्तिष्क की सर्जरी करने जैसे जटिल हैं। यदि आप वहां एक रोबोट रखते हैं, तो वह स्विच दबाने का काम तो बखूबी कर सकता है लेकिन सर्जरी में बुरी तरह विफल हो सकता है, जिससे आपदा आ सकती है।

लेखकों ने, जो त्सिंगहुआ विश्वविद्यालय के शोधकर्ता हैं, इस समस्या को विशेष रूप से वित्तीय उद्योग (जैसे बैंक और प्रतिभूति फर्मों) के लिए हल करने हेतु दो नए उपकरण बनाए हैं। वे अपने दृष्टिकोण को PARTIS कहते हैं, लेकिन इसके दो मुख्य उपकरण T-IPO और LARA हैं।

यहाँ बताया गया है कि वे कैसे काम करते हैं:

1. समस्या: "जैग्ड फ्रंटियर" (ऊबड़-खाबड़ सीमा)

एक एकल कार्य गतिविधि को एक फ्रूट सलाद के रूप में सोचें। कुछ टुकड़े खाना आसान है (जैसे अंगूर), और कुछ चबाना कठिन है (जैसे सेब का सख्त कोर)। पिछले तरीकों ने पूरे सलाद को एक ही चीज़ माना। लेखक कहते हैं, "नहीं, हमें फल के हर एक टुकड़े को व्यक्तिगत रूप से देखने की आवश्यकता है।" वे इसे "टास्क एटमाइजेशन" (कार्य का परमाणुकरण) कहते हैं—काम को उसके सबसे छोटे, अविभाज्य हिस्सों में तोड़ना।

2. उपकरण #1: T-IPO (रेसिपी कार्ड)

T-IPO हर एक छोटे कार्य के लिए एक बहुत ही सख्त, विस्तृत रेसिपी कार्ड की तरह है।

  • पहले, एक प्रबंधक केवल कह सकता था, "एक रिपोर्ट बनाओ।"
  • T-IPO के साथ, उन्हें ठीक से परिभाषित करना होगा:
    • इनपुट (Input): कौन सा डेटा अंदर जा रहा है? (जैसे, "एक विशिष्ट प्रकार की CSV फ़ाइल")।
    • लॉजिक (Logic): AI द्वारा उठाए गए कदम क्या हैं? (जैसे, "पढ़ना, गणना करना, फॉर्मेट करना")।
    • आउटपुट (Output): वास्तव में बाहर क्या आता है? (जैसे, "एक विशिष्ट हस्ताक्षर वाला PDF")।
    • कन्स्ट्रेंट्स (Constraints): नियम क्या हैं? (जैसे, "भेजने से पहले एक इंसान द्वारा अनुमोदित होना चाहिए")।

इन "रेसिपी कार्डों" को लिखने के लिए लोगों को मजबूर करके, वे देख सकते हैं कि AI को वास्तव में क्या करने की आवश्यकता है। यह अस्पष्ट निर्देशों को एक स्पष्ट ब्लूप्रिंट में बदल देता है जिसे एक रोबोट वास्तव में पालन कर सकता है।

3. उपकरण #2: LARA (रेडीनेस स्कोरकार्ड)

एक बार जब हमारे पास रेसिपी कार्ड होते हैं, तो हमें यह जानने की आवश्यकता है: क्या एक रोबोट वास्तव में यह कर सकता है?
LARA एक स्कोरकार्ड है जो प्रत्येक कार्य को L1 (बेहद आसान) से L4 (बेहद कठिन) तक ग्रेड देता है।

यह स्कोर देने के लिए पाँच चीजों को देखता है:

  1. ब्रेन पावर (मस्तिष्क शक्ति): कितनी सोच-विचार की आवश्यकता है? (जैसे, एक तथ्य को याद रखना बनाम एक नया कानून बनाना)।
  2. डेटा मेसिनेस (डेटा की अव्यवस्था): क्या डेटा साफ और व्यवस्थित है, या यह ईमेल और वीडियो का एक अराजक मिश्रण है?
  3. लोगों के साथ बातचीत (People Interaction): क्या AI को कई अलग-अलग लोगों या विभागों से बात करने की आवश्यकता है?
  4. अनुपालन संवेदनशीलता (Compliance Sensitivity - सबसे महत्वपूर्ण): यह सबसे महत्वपूर्ण नियम है। यदि किसी गलती के कारण मुकदमा हो जाता है या कानून टूट जाता है, तो यह स्कोर बढ़ जाता है। लेखकों ने इस श्रेणी को अन्य श्रेणियों की तुलना में 1.5 गुना अधिक भार (weight) दिया है। यह एक "सेफ्टी ओवरराइड" की तरह है।
  5. रचनात्मकता (Creativity): क्या कार्य को एक बिल्कुल नए, पहले कभी न देखे गए समाधान की आवश्यकता है?

"फ्लोर रूल" (न्यूनतम नियम):
यहाँ दिलचस्प हिस्सा है। भले ही कोई कार्य बहुत सरल हो (जैसे संख्याओं को क्रम में लगाना), यदि इसमें उच्च अनुपालन संवेदनशीलता (जैसे, इसमें पैसा या कानूनी अनुबंध शामिल हैं) है, तो LARA स्वचालित रूप से स्कोर को ऊपर बढ़ा देता है। आप केवल यह नहीं कह सकते कि "यह आसान है, इसलिए एक रोबोट इसे अकेले कर सकता है।" यदि नियम कहते हैं कि एक इंसान को इसकी जांच करनी चाहिए, तो रोबोट को अनिवार्य रूप से निगरानी में रहना होगा। यह सुनिश्चित करता है कि "आसान गणित" गलती से कानून न तोड़ दे।

4. उन्होंने क्या पाया (परिणाम)

टीम ने एक चीनी प्रतिभूति फर्म के भीतर 127 विभिन्न कार्यों पर इसका परीक्षण किया।

  • विश्वसनीयता: जब विभिन्न विशेषज्ञों ने इन उपकरणों का उपयोग किया, तो वे 80% समय एक दूसरे से सहमत थे। मानवीय निर्णय के लिए यह बहुत उच्च है।
  • "जैग्ड" वास्तविकता: उन्होंने पाया कि एक ही "गतिविधि" (जैसे, "सॉफ्टवेयर आर्किटेक्चर") के भीतर, कुछ कार्य L1 (रोबोट 95% उन्हें पूरी तरह से कर सकते हैं) थे, जबकि अन्य L4 (इंसानों को 100% करना होगा) थे। यदि उन्होंने पूरे कार्य को देखा होता, तो वे आसान मौकों को चूक जाते।
  • वास्तविक दुनिया का परीक्षण: उन्होंने रोबोट को L1 कार्य करने की कोशिश की। यह 95% समय सफल रहा। जब उन्होंने L2 कार्यों को आजमाया, तो यह गिरकर 70% हो गया, और L3 के लिए 40% रह गया। इसने साबित कर दिया कि उनका स्कोरकार्ड वास्तव में भविष्यवाणी करता है कि AI कैसा प्रदर्शन करेगा।

5. यह क्यों मायने रखता है

यह केवल रोबोटों को काम करने के बारे में नहीं है; यह सुरक्षा और सटीकता के बारे में है।

  • पुराना तरीका: "आइए पूरे विभाग को ऑटोमेट करते हैं।" (परिणाम: अराजकता, क्योंकि रोबोट ने वह काम करने की कोशिश की जिसके लिए वह तैयार नहीं था)।
  • नया तरीका (PARTIS): "आइए विभाग को छोटे हिस्सों में तोड़ें। रोबोट डेटा एंट्री (L1) को संभाल सकता है, लेकिन कानूनी अनुबंधों (L3) की समीक्षा एक इंसान को करनी चाहिए।"

लेखक यह भी नोट करते हैं कि यह प्रणाली डायनामिक (गतिशील) है। जैसे-जैसे AI स्मार्ट होता जाता है, "स्कोरकार्ड" को पुनर्गठित किया जा सकता है। यदि AI अचानक गणित में बेहतर हो जाता है, तो उन कार्यों के लिए "ब्रेन पावर" स्कोर नीचे गिर जाता है, और अधिक कार्य ऑटोमेशन के लिए पात्र हो जाते हैं।

संक्षेप में: यह पेपर अनुमान लगाने के बजाय यह बताने का एक तरीका प्रदान करता है कि AI कौन से काम कर सकता है। यह व्यवसायों को काम को देखने के लिए एक "सूक्ष्मदर्शी", इसे परिभाषित करने के लिए एक "रेसिपी", और यह तय करने के लिए एक "ट्रैफिक लाइट" प्रणाली (हरा/पीला/लाल) देता है कि उन्हें वास्तव में कहाँ AI को चलाने देना है और कहाँ इंसान को स्टीयरिंग व्हील पर हाथ रखना है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →