“ਤੁਹਾਡੇ ਬ੍ਰਾਂਡ ਦੇ ਲਹਿਜੇ ਵਾਲਾ AI” ਸੁਣਨ ਨੂੰ ਜਿੰਨਾ ਸੌਖਾ ਲੱਗਦਾ ਹੈ, ਓਨਾ ਹੈ ਨਹੀਂ — ਅਤੇ ਚੰਗੇ ਸਿਸਟਮ ਇਹ ਅਸਲ ਵਿੱਚ ਕਰਦੇ ਕਿਵੇਂ ਹਨ

ਹਰ AI ਸਹਾਇਤਾ ਵਿਕਰੇਤਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ ਕਿ ਉਹ ਤੁਹਾਡੇ ਵਾਂਗ ਬੋਲੇਗਾ। ਡੈਮੋ ਵਿੱਚ ਦੋਸਤਾਨਾ ਲਹਿਜੇ ਵਾਲਾ ਇੱਕ ਜਵਾਬ ਦਿਖਾਇਆ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਤੁਹਾਡੀ ਕੰਪਨੀ ਦਾ ਨਾਂ ਟੰਗਿਆ ਹੁੰਦਾ ਹੈ। ਗਾਹਕ ਸਿਰ ਹਿਲਾ ਦਿੰਦਾ ਹੈ। ਸੌਦਾ ਪੱਕਾ ਹੋ ਜਾਂਦਾ ਹੈ। AI ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਚਲਾ ਜਾਂਦਾ ਹੈ।

ਛੇ ਮਹੀਨੇ ਬਾਅਦ ਕੋਈ AI ਦੇ ਇਸ ਜਵਾਬ ਦਾ ਸਕ੍ਰੀਨਸ਼ਾਟ ਲੈ ਲੈਂਦਾ ਹੈ: “ਮੈਂ ਤੁਹਾਡੀ ਪਰੇਸ਼ਾਨੀ ਸਮਝਦਾ ਹਾਂ ਅਤੇ ਤੁਹਾਡੇ ਸਬਰ ਦੀ ਕਦਰ ਕਰਦਾ ਹਾਂ, ਅਸੀਂ ਮਿਲ ਕੇ ਇਸ ਦਾ ਹੱਲ ਕੱਢ ਲਵਾਂਗੇ।” ਇਹ Twitter ਉੱਤੇ ਚੜ੍ਹ ਜਾਂਦਾ ਹੈ। ਜਿਸ ਕੰਪਨੀ ਨੇ ਸਾਲਾਂ ਦੀ ਮਿਹਨਤ ਨਾਲ ਖੁਸ਼ਕ ਪਰ ਕਾਬਲ ਲਹਿਜਾ ਘੜਿਆ ਸੀ, ਉਹ ਹੁਣ ਕਿਸੇ ਸਹਾਇਤਾ ਕਾਲ ਸੈਂਟਰ ਵਰਗੀ ਲੱਗਦੀ ਹੈ।

ਇਹੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ AI ਸਿਸਟਮ ਬ੍ਰਾਂਡ ਦੇ ਲਹਿਜੇ ਨੂੰ ਬ੍ਰਾਂਡ ਦਾ ਨਾਂ ਟੰਗ ਦੇਣਾ ਸਮਝ ਬੈਠਦੇ ਹਨ।

ਅਸਲੀ ਬ੍ਰਾਂਡ ਲਹਿਜਾ ਬਾਰੀਕ ਚੀਜ਼ ਹੈ। ਇਹ ਓਨਾ ਹੀ ਉਸ ਵਿੱਚ ਦਿਸਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਕਹਿੰਦੇ, ਜਿੰਨਾ ਉਸ ਵਿੱਚ ਜੋ ਤੁਸੀਂ ਕਹਿੰਦੇ ਹੋ। ਤਕਨੀਕ ਨੂੰ ਪਹਿਲ ਦੇਣ ਵਾਲਾ ਬ੍ਰਾਂਡ “ਕਿਰਪਾ ਕਰਕੇ” ਅਤੇ “ਧੰਨਵਾਦ” ਵਰਗੀਆਂ ਰਸਮਾਂ ਛੱਡ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਉਹ ਗੱਲ ਵਿੱਚ ਰੁਕਾਵਟ ਪਾਉਂਦੀਆਂ ਹਨ। ਪ੍ਰਾਹੁਣਚਾਰੀ ਵਾਲਾ ਬ੍ਰਾਂਡ ਇਸ ਦਾ ਉਲਟ ਕਰ ਸਕਦਾ ਹੈ। ਡਿਵੈਲਪਰ ਟੂਲ ਬਣਾਉਣ ਵਾਲੀ ਕੰਪਨੀ ਤਕਨੀਕੀ ਸ਼ਬਦਾਵਲੀ ਵਰਤ ਸਕਦੀ ਹੈ, ਕਿਉਂਕਿ ਉਸ ਦੇ ਗਾਹਕ ਇਹੀ ਬੋਲੀ ਬੋਲਦੇ ਹਨ। ਆਮ ਖਪਤਕਾਰਾਂ ਵਾਲਾ ਬ੍ਰਾਂਡ ਉਸ ਤੋਂ ਸਖ਼ਤੀ ਨਾਲ ਬਚ ਸਕਦਾ ਹੈ।

AI ਦੇ ਜਵਾਬਾਂ ਵਿੱਚ ਇਹ ਗੱਲ ਠੀਕ ਬਿਠਾਉਣਾ ਸੱਚਮੁੱਚ ਔਖਾ ਹੈ। ਬਹੁਤੇ ਵਿਕਰੇਤਾ ਇਹ ਠੀਕ ਨਹੀਂ ਕਰ ਪਾਉਂਦੇ। ਬਹੁਤੇ ਗਾਹਕਾਂ ਨੂੰ ਉਦੋਂ ਤੱਕ ਪਤਾ ਨਹੀਂ ਲੱਗਦਾ, ਜਦੋਂ ਤੱਕ ਸਿਸਟਮ ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਡੂੰਘਾ ਨਹੀਂ ਵੜ ਜਾਂਦਾ ਅਤੇ ਸ਼ਿਕਾਇਤਾਂ ਆਉਣੀਆਂ ਸ਼ੁਰੂ ਨਹੀਂ ਹੋ ਜਾਂਦੀਆਂ।

ਬ੍ਰਾਂਡ ਦਾ ਲਹਿਜਾ ਅਸਲ ਵਿੱਚ ਬਣਦਾ ਕਿਸ ਤੋਂ ਹੈ

ਛੇ ਪਹਿਲੂ ਤੈਅ ਕਰਦੇ ਹਨ ਕਿ AI ਦੇ ਜਵਾਬ ਤੁਹਾਡੇ ਬ੍ਰਾਂਡ ਵਰਗੇ ਲੱਗਦੇ ਹਨ ਜਾਂ ਨਹੀਂ।

ਰਸਮੀਅਤ ਦਾ ਪੱਧਰ। ਭਾਸ਼ਾ ਕਿੰਨੀ ਰਸਮੀ ਹੈ ਜਾਂ ਕਿੰਨੀ ਬੇਤਕੱਲੁਫ਼? “ਹਾਏ!” ਜਾਂ “ਨਮਸਕਾਰ,”? ਛੋਟੇ ਕੀਤੇ ਰੂਪ ਜਾਂ ਪੂਰੇ ਸ਼ਬਦ? ਇਮੋਜੀ ਹਨ ਜਾਂ ਨਹੀਂ? ਗੱਲ ਪਹਿਲੇ ਪੁਰਖ ਵਿੱਚ ਹੈ ਜਾਂ ਦੂਜੇ? ਵੱਖ-ਵੱਖ ਬ੍ਰਾਂਡ ਇਸ ਧੁਰੇ ਉੱਤੇ ਬਹੁਤ ਵੱਖਰੀਆਂ ਥਾਵਾਂ ਉੱਤੇ ਖੜ੍ਹੇ ਹੁੰਦੇ ਹਨ।

ਨਿੱਘ ਦਾ ਇਜ਼ਹਾਰ। ਲਿਖਤ ਭਾਵਨਾ ਨੂੰ ਕਿੰਨੀ ਕੁ ਥਾਂ ਦਿੰਦੀ ਹੈ? ਜਿਹੜੀ ਸਹਾਇਤਾ ਹਰ ਸੁਨੇਹਾ “ਮੈਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਦਾ ਹਾਂ” ਤੋਂ ਸ਼ੁਰੂ ਕਰਦੀ ਹੈ, ਉਹ ਰਟੀ ਹੋਈ ਲੱਗਦੀ ਹੈ। ਜਿਹੜੀ ਭਾਵਨਾਵਾਂ ਨੂੰ ਕਦੇ ਛੂੰਹਦੀ ਹੀ ਨਹੀਂ, ਉਹ ਠੰਢੀ ਲੱਗਦੀ ਹੈ। ਸਹੀ ਪੱਧਰ ਹਰ ਬ੍ਰਾਂਡ ਲਈ ਆਪਣਾ-ਆਪਣਾ ਹੁੰਦਾ ਹੈ।

ਸਿੱਧੀ ਗੱਲ। ਤੁਹਾਡਾ ਬ੍ਰਾਂਡ ਸਿੱਧਾ ਮਤਲਬ ਦੀ ਗੱਲ ਉੱਤੇ ਆਉਂਦਾ ਹੈ ਜਾਂ ਪਹਿਲਾਂ ਭੂਮਿਕਾ ਬੰਨ੍ਹਦਾ ਹੈ? “ਤੁਹਾਡੀ ਗਾਹਕੀ 5 ਮਾਰਚ ਨੂੰ ਨਵਿਆਈ ਜਾਵੇਗੀ” ਅਤੇ “ਮੈਂ ਤੁਹਾਡੀ ਆਉਣ ਵਾਲੀ ਗਾਹਕੀ ਦੇ ਨਵੀਨੀਕਰਨ ਬਾਰੇ ਗੱਲ ਕਰਨੀ ਚਾਹੁੰਦਾ ਸੀ — ਇਹ 5 ਮਾਰਚ ਨੂੰ ਨਵਿਆਈ ਜਾਵੇਗੀ” — ਇਹ ਦੋ ਵੱਖਰੀਆਂ ਗੱਲਾਂ ਹਨ। ਜਾਣਕਾਰੀ ਉਹੀ, ਲਹਿਜਾ ਵੱਖਰਾ।

ਅਧਿਕਾਰ ਦਾ ਪੱਧਰ। ਬ੍ਰਾਂਡ ਆਪਣੇ ਆਪ ਨੂੰ ਕਿਵੇਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ — ਵਰਤੋਂਕਾਰ ਨੂੰ ਰਾਹ ਦਿਖਾਉਂਦੇ ਮਾਹਰ ਵਜੋਂ, ਬਰਾਬਰ ਦੇ ਸਾਥੀ ਦੀ ਮਦਦ ਕਰਦੇ ਸਾਥੀ ਵਜੋਂ, ਜਾਂ ਨਿਮਾਣੇ ਸੇਵਕ ਵਜੋਂ? ਇਹ ਵਾਕਾਂ ਦੀ ਬਣਤਰ ਵਿੱਚ ਦਿਸਦਾ ਹੈ: “ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਇਹ ਹੈ…” ਬਨਾਮ “ਤੁਸੀਂ ਇਹ ਅਜ਼ਮਾ ਕੇ ਵੇਖ ਸਕਦੇ ਹੋ…” ਬਨਾਮ “ਆਓ, ਮੈਂ ਤੁਹਾਨੂੰ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਾਂ।”

ਹਾਸਾ ਅਤੇ ਸ਼ਰਾਰਤ। ਕੁਝ ਬ੍ਰਾਂਡਾਂ ਨੂੰ ਹਲਕਾ-ਫੁਲਕਾ ਅਤੇ ਕਦੇ-ਕਦੇ ਮਜ਼ਾਕੀਆ ਹੋਣਾ ਸੂਤ ਬੈਠਦਾ ਹੈ। ਕੁਝ ਹੋਰਾਂ ਦੇ ਮੂੰਹੋਂ ਉਹੀ ਗੱਲ ਓਪਰੀ ਲੱਗੇਗੀ। AI ਦਾ ਮੂਲ ਰਵੱਈਆ ਆਮ ਤੌਰ ਉੱਤੇ ਸਪਾਟ ਨਿਰਪੱਖਤਾ ਹੁੰਦਾ ਹੈ — ਨਾ ਇੱਧਰ ਦਾ ਹਾਸਾ, ਨਾ ਉੱਧਰ ਦਾ — ਅਤੇ ਇਹ ਦੋਵਾਂ ਸਿਰਿਆਂ ਵਾਲੇ ਬ੍ਰਾਂਡਾਂ ਲਈ ਥੋੜ੍ਹਾ ਗ਼ਲਤ ਬੈਠਦਾ ਹੈ।

ਬੁਰੀ ਖ਼ਬਰ ਦੇਣ ਦਾ ਢੰਗ। ਤੁਹਾਡਾ ਬ੍ਰਾਂਡ “ਨਹੀਂ” ਜਾਂ “ਇਹ ਅਸੀਂ ਨਹੀਂ ਕਰ ਸਕਦੇ” ਕਿਵੇਂ ਕਹਿੰਦਾ ਹੈ? AI ਦਾ ਟੈਂਪਲੇਟ ਜਵਾਬ ਹਮਦਰਦੀ ਦੀ ਗੱਦੀ ਲਾ ਕੇ ਆਉਂਦਾ ਹੈ: “ਮੈਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਦਾ ਹਾਂ ਕਿ ਤੁਸੀਂ ਇਹ ਸੁਣਨਾ ਨਹੀਂ ਸੀ ਚਾਹੁੰਦੇ, ਪਰ ਬਦਕਿਸਮਤੀ ਨਾਲ…” ਕੁਝ ਬ੍ਰਾਂਡ ਬਿਲਕੁਲ ਇਹੀ ਕਰਦੇ ਹਨ। ਕੁਝ ਸਿੱਧਾ ਕਹਿ ਦਿੰਦੇ ਹਨ, “ਇਹ ਸਹੂਲਤ ਸਾਡੇ ਕੋਲ ਨਹੀਂ ਹੈ”, ਅਤੇ ਅੱਗੇ ਵਧ ਜਾਂਦੇ ਹਨ।

ਛੇ ਦੇ ਛੇ ਪਹਿਲੂ ਲਗਾਤਾਰ ਠੀਕ ਬੈਠਣ, ਤਾਂ AI ਦੇ ਜਵਾਬ ਇੰਝ ਲੱਗਦੇ ਹਨ ਜਿਵੇਂ ਤੁਹਾਡੀ ਟੀਮ ਨੇ ਹੀ ਲਿਖੇ ਹੋਣ। ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵੀ ਖੁੰਝ ਜਾਵੇ, ਤਾਂ ਜਵਾਬ ਓਪਰਾ ਲੱਗਣ ਲੱਗਦਾ ਹੈ — ਭਾਵੇਂ ਗਾਹਕ ਦੱਸ ਨਾ ਸਕਣ ਕਿ ਕੀ ਗੜਬੜ ਹੈ।

ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਕਾਫ਼ੀ ਕਿਉਂ ਨਹੀਂ

AI ਸਹਾਇਤਾ ਵਿੱਚ ਬ੍ਰਾਂਡ ਲਹਿਜੇ ਦਾ ਆਮ ਤਰੀਕਾ ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਹੈ। ਤੁਸੀਂ ਆਪਣੇ ਬ੍ਰਾਂਡ ਦੇ ਲਹਿਜੇ ਦਾ ਵੇਰਵਾ ਲਿਖ ਕੇ ਮਾਡਲ ਦੇ ਸੰਦਰਭ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜ ਦਿੰਦੇ ਹੋ: “ਦੋਸਤਾਨਾ, ਪੇਸ਼ੇਵਰ ਲਹਿਜੇ ਵਿੱਚ ਜਵਾਬ ਦਿਓ। ਛੋਟੇ ਕੀਤੇ ਰੂਪ ਵਰਤੋ। ਲੋੜੋਂ ਵੱਧ ਰਸਮੀਅਤ ਤੋਂ ਬਚੋ। ਜਵਾਬ ਸੰਖੇਪ ਰੱਖੋ।”

ਡੈਮੋ ਵਿੱਚ ਇਹ ਚੱਲ ਜਾਂਦਾ ਹੈ। ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਇਹ ਤਿੰਨ ਕਾਰਨਾਂ ਕਰਕੇ ਨਾਕਾਮ ਹੁੰਦਾ ਹੈ।

ਇਕਸਾਰਤਾ ਦਾ ਖਿਸਕਣਾ। LLM ਸੰਭਾਵਨਾ ਉੱਤੇ ਚੱਲਦੇ ਹਨ। ਉਹੀ ਪ੍ਰੋਂਪਟ, ਪਰ ਗਾਹਕ ਦੇ ਸਵਾਲ ਵਿੱਚ ਰਤਾ ਕੁ ਫ਼ਰਕ — ਅਤੇ ਜਵਾਬਾਂ ਦਾ ਲਹਿਜਾ ਵੀ ਥੋੜ੍ਹਾ ਬਦਲ ਜਾਂਦਾ ਹੈ। ਕਦੇ AI ਤੁਹਾਡੀ ਪਸੰਦ ਨਾਲੋਂ ਵੱਧ ਨਿੱਘਾ ਹੁੰਦਾ ਹੈ। ਕਦੇ ਵੱਧ ਠੰਢਾ। ਕਦੇ ਉਹ ਅਜਿਹੀ ਸ਼ਬਦਾਵਲੀ ਵਰਤ ਜਾਂਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਲਹਿਜੇ ਨਾਲ ਟਕਰਾਉਂਦੀ ਹੈ। ਪਰਖ ਵੇਲੇ ਇਹ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਦਿਸਦਾ ਨਹੀਂ, ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਇਹ ਲਗਾਤਾਰ ਬਣਿਆ ਰਹਿੰਦਾ ਹੈ।

ਪ੍ਰੋਂਪਟ ਦੀ ਕਮਜ਼ੋਰੀ। ਗਾਹਕ ਦੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਛੋਟਾ ਜਿਹਾ ਫ਼ਰਕ ਵੀ ਜਵਾਬ ਦਾ ਢਾਂਚਾ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਜੋ ਗਾਹਕ ਬੇਤਕੱਲੁਫ਼ ਲਿਖਦਾ ਹੈ, ਉਸ ਨੂੰ ਬੇਤਕੱਲੁਫ਼ ਜਵਾਬ ਮਿਲਦਾ ਹੈ। ਜੋ ਰਸਮੀ ਲਿਖਦਾ ਹੈ, ਉਸ ਨੂੰ ਰਸਮੀ। AI ਨੂੰ ਇਹ ਨਕਲ ਕੁਦਰਤੀ ਲੱਗਦੀ ਹੈ, ਪਰ ਇਸ ਨਾਲ ਬ੍ਰਾਂਡ ਦਾ ਲਹਿਜਾ ਟੁੱਟ ਜਾਂਦਾ ਹੈ — ਤੁਹਾਡੇ ਬ੍ਰਾਂਡ ਨੂੰ ਇਸ ਹਿਸਾਬ ਨਾਲ ਆਪਣਾ ਸੁਰ ਨਹੀਂ ਬਦਲਣਾ ਚਾਹੀਦਾ ਕਿ ਗਾਹਕ ਨੇ ਕਿਵੇਂ ਲਿਖਿਆ ਹੈ।

ਢੱਕ ਵਿੱਚ ਪਾੜੇ। ਪ੍ਰੋਂਪਟ ਦੀਆਂ ਹਦਾਇਤਾਂ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਹਾਲਾਤਾਂ ਨੂੰ ਢੱਕਦੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਤੁਸੀਂ ਸੋਚਿਆ ਸੀ। ਗਾਹਕਾਂ ਦੇ ਅਸਲੀ ਸਵਾਲ ਬੇਅੰਤ ਥਾਂ ਘੇਰਦੇ ਹਨ। ਜਿਨ੍ਹਾਂ ਹਾਲਾਤਾਂ ਦਾ ਤੁਸੀਂ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਾਇਆ, ਉੱਥੇ AI ਆਪਣੇ ਵੱਲੋਂ ਲਹਿਜਾ ਘੜ ਲੈਂਦਾ ਹੈ — ਅਤੇ ਇਹ ਘੜਤ ਹਮੇਸ਼ਾ LLM ਵਾਲੀ ਨਿਰਪੱਖਤਾ ਵੱਲ ਹੀ ਢਲ ਜਾਂਦੀ ਹੈ।

ਜਿਨ੍ਹਾਂ ਬ੍ਰਾਂਡਾਂ ਦਾ ਆਪਣਾ ਵੱਖਰਾ ਲਹਿਜਾ ਹੈ, ਉਨ੍ਹਾਂ ਲਈ ਸਿਰਫ਼-ਪ੍ਰੋਂਪਟ ਵਾਲੇ ਤਰੀਕੇ ਅਜਿਹੇ ਜਵਾਬ ਦਿੰਦੇ ਹਨ ਜੋ ਨੇੜੇ ਤਾਂ ਹੁੰਦੇ ਹਨ, ਪਰ ਪੂਰੇ ਨਹੀਂ। ਗਾਹਕਾਂ ਨੂੰ ਇਹ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ, ਭਾਵੇਂ ਉਹ ਦੱਸ ਨਾ ਸਕਣ ਕਿ ਕੀ ਗੜਬੜ ਹੈ।

ਅਸਲ ਵਿੱਚ ਕੀ ਕੰਮ ਕਰਦਾ ਹੈ: ਤੁਹਾਡੇ ਆਪਣੇ ਡਾਟੇ ਉੱਤੇ ਫ਼ਾਈਨ-ਟਿਊਨਿੰਗ

ਜਿਹੜੇ ਸਿਸਟਮ ਬ੍ਰਾਂਡ ਲਹਿਜੇ ਦਾ ਵਾਅਦਾ ਸੱਚਮੁੱਚ ਪੂਰਾ ਕਰਦੇ ਹਨ, ਉਹ ਤੁਹਾਡੀ ਅਸਲੀ ਸਹਾਇਤਾ ਦੇ ਇਤਿਹਾਸ ਉੱਤੇ ਫ਼ਾਈਨ-ਟਿਊਨਿੰਗ ਕਰਦੇ ਹਨ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਇੰਝ ਚੱਲਦੀ ਹੈ।

ਤੁਹਾਡੀਆਂ ਮੌਜੂਦਾ ਸਹਾਇਤਾ ਟਿਕਟਾਂ ਵਿੱਚ ਤੁਹਾਡੀ ਟੀਮ ਦੇ ਲਹਿਜੇ ਦੀਆਂ ਸੈਂਕੜੇ ਜਾਂ ਹਜ਼ਾਰਾਂ ਮਿਸਾਲਾਂ ਪਈਆਂ ਹਨ। ਤੁਹਾਡੇ ਸਹਾਇਤਾ ਕਰਮਚਾਰੀਆਂ ਦਾ ਲਿਖਿਆ ਹਰ ਜਵਾਬ ਇੱਕ ਸਿਖਲਾਈ ਮਿਸਾਲ ਹੈ — ਅੰਦਰ ਗਾਹਕ ਦਾ ਸਵਾਲ, ਬਾਹਰ ਤੁਹਾਡੇ ਲਹਿਜੇ ਵਾਲਾ ਜਵਾਬ।

ਫ਼ਾਈਨ-ਟਿਊਨਿੰਗ ਬੁਨਿਆਦੀ ਮਾਡਲ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਅੱਪਡੇਟ ਕਰਦੀ ਹੈ ਕਿ ਉਹ ਇਹ ਪੈਟਰਨ ਆਪਣੇ ਅੰਦਰ ਵਸਾ ਲਵੇ। ਮਾਡਲ ਸਿਰਫ਼ ਸ਼ਬਦਾਂ ਦੀ ਚੋਣ ਨਹੀਂ ਸਿੱਖਦਾ, ਸਗੋਂ ਉਸ ਚੋਣ ਪਿੱਛੇ ਖੜ੍ਹੇ ਫ਼ੈਸਲੇ ਸਿੱਖਦਾ ਹੈ: ਕਦੋਂ “ਤੁਸੀਂ” ਕਹਿਣਾ ਹੈ ਤੇ ਕਦੋਂ “ਤੁਹਾਡਾ ਖਾਤਾ”, ਕਦੋਂ ਮਾਫ਼ੀ ਮੰਗਣੀ ਹੈ ਤੇ ਕਦੋਂ ਸਿੱਧਾ ਨੁਕਸ ਠੀਕ ਕਰ ਦੇਣਾ ਹੈ, ਕਦੋਂ ਪ੍ਰਸੰਗ ਜੋੜਨਾ ਹੈ ਤੇ ਕਦੋਂ ਗੱਲ ਛੋਟੀ ਰੱਖਣੀ ਹੈ।

ਫ਼ਾਈਨ-ਟਿਊਨਿੰਗ ਤੋਂ ਬਾਅਦ ਮਾਡਲ ਦੇ ਜਵਾਬ LLM ਦੇ ਮੂਲ ਢੰਗ ਨਹੀਂ, ਸਗੋਂ ਤੁਹਾਡੇ ਪੈਟਰਨ ਦਿਖਾਉਂਦੇ ਹਨ। ਲਹਿਜਾ ਹਰ ਵਿਸ਼ੇ ਅਤੇ ਹਰ ਤਰ੍ਹਾਂ ਦੇ ਸਵਾਲ ਉੱਤੇ ਇੱਕੋ ਜਿਹਾ ਰਹਿੰਦਾ ਹੈ। ਨਵੇਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਵੀ ਇੰਝ ਲੱਗਦੇ ਹਨ ਜਿਵੇਂ ਤੁਹਾਡੀ ਟੀਮ ਨੇ ਲਿਖੇ ਹੋਣ — ਕਿਉਂਕਿ ਮਾਡਲ ਨੇ ਸਿੱਖਿਆ ਹੀ ਤੁਹਾਡੀ ਟੀਮ ਦੀ ਲਿਖਤ ਤੋਂ ਹੈ।

ਇਸ ਦੀ ਕੀਮਤ ਵੀ ਅਸਲੀ ਹੈ। ਫ਼ਾਈਨ-ਟਿਊਨਿੰਗ ਲਈ ਸਾਫ਼ ਸਿਖਲਾਈ ਡਾਟਾ, ਪਰਖ ਦਾ ਢਾਂਚਾ, ਅਤੇ ਲਹਿਜਾ ਬਦਲਣ ਦੇ ਨਾਲ-ਨਾਲ ਸਮੇਂ-ਸਮੇਂ ਦੁਬਾਰਾ ਸਿਖਲਾਈ ਚਾਹੀਦੀ ਹੈ। ਬਹੁਤੇ ਵਿਕਰੇਤਾ ਇਸ ਵਿੱਚ ਪੈਸਾ ਨਹੀਂ ਲਾਉਂਦੇ, ਕਿਉਂਕਿ ਇਹ ਮਹਿੰਗਾ ਹੈ ਅਤੇ ਡੈਮੋ ਵਿੱਚ ਦਿਖਾਉਣਾ ਔਖਾ ਹੈ। ਪਰ ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਫ਼ਰਕ ਵੱਡਾ ਪੈਂਦਾ ਹੈ।

ਅੰਨ੍ਹਾ ਟੈਸਟ

ਸਭ ਤੋਂ ਸੌਖੀ ਪਰਖ ਹੈ ਅੰਨ੍ਹੀ ਪੜ੍ਹਤ।

ਜਿਸ ਵੀ ਟੂਲ ਨੂੰ ਤੁਸੀਂ ਪਰਖ ਰਹੇ ਹੋ, ਉਸ ਵਿੱਚੋਂ AI ਦੇ 20 ਤਾਜ਼ਾ ਜਵਾਬ ਕੱਢੋ। ਆਪਣੀ ਟੀਮ ਦੇ ਲਿਖੇ 20 ਤਾਜ਼ਾ ਜਵਾਬ ਕੱਢੋ। ਦੋਵੇਂ ਸੈੱਟ ਗੁਮਨਾਮ ਕਰ ਦਿਓ — ਨਾ ਦਸਤਖ਼ਤ, ਨਾ ਕੋਈ ਮੈਟਾਡਾਟਾ। ਹੁਣ ਇਹ ਕਿਸੇ ਅਜਿਹੇ ਬੰਦੇ ਨੂੰ ਦਿਖਾਓ ਜੋ ਤੁਹਾਡੇ ਬ੍ਰਾਂਡ ਦਾ ਲਹਿਜਾ ਜਾਣਦਾ ਹੈ।

ਉਸ ਨੂੰ ਕਹੋ ਕਿ ਹਰ ਜਵਾਬ ਨੂੰ “AI” ਜਾਂ “ਬੰਦੇ ਦਾ” ਢੇਰ ਵਿੱਚ ਵੰਡੇ।

ਜੇ ਉਹ ਵੱਡੀ ਸ਼ੁੱਧਤਾ ਨਾਲ ਵੰਡ ਦਿੰਦਾ ਹੈ — ਮੰਨ ਲਓ 80%+ ਸਹੀ — ਤਾਂ AI ਤੁਹਾਡਾ ਬ੍ਰਾਂਡ ਲਹਿਜਾ ਨਹੀਂ ਬਣਾ ਰਿਹਾ। ਉਹ ਤਾਂ ਆਮ AI-ਸਹਾਇਤਾ ਵਾਲਾ ਲਹਿਜਾ ਬਣਾ ਰਿਹਾ ਹੈ, ਜਿਸ ਉੱਤੇ ਤੁਹਾਡੇ ਬ੍ਰਾਂਡ ਦਾ ਨਾਂ ਟੰਗਿਆ ਹੋਇਆ ਹੈ।

ਜੇ ਉਹ ਭਰੋਸੇ ਨਾਲ ਫ਼ਰਕ ਨਹੀਂ ਦੱਸ ਸਕਦਾ, ਤਾਂ AI ਨੇ ਸੱਚਮੁੱਚ ਤੁਹਾਡਾ ਲਹਿਜਾ ਸਿੱਖ ਲਿਆ ਹੈ।

ਬਹੁਤੇ ਵਿਕਰੇਤਾ ਇਹ ਟੈਸਟ ਪਾਸ ਨਹੀਂ ਕਰਦੇ। ਜਿਹੜੇ ਪਾਸ ਕਰ ਜਾਂਦੇ ਹਨ, ਸੰਜੀਦਗੀ ਨਾਲ ਗੱਲ ਉਨ੍ਹਾਂ ਨਾਲ ਹੀ ਕਰਨ ਵਾਲੀ ਹੈ।

ਵਿਕਰੇਤਿਆਂ ਤੋਂ ਕੀ ਪੁੱਛਣਾ ਹੈ

ਜੇ ਤੁਸੀਂ AI ਸਹਾਇਤਾ ਟੂਲ ਪਰਖ ਰਹੇ ਹੋ ਅਤੇ ਬ੍ਰਾਂਡ ਦਾ ਲਹਿਜਾ ਤੁਹਾਡੇ ਲਈ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ, ਤਾਂ ਤਿੰਨ ਸਵਾਲ ਮਾਰਕੀਟਿੰਗ ਦਾ ਪਰਦਾ ਚੀਰ ਦਿੰਦੇ ਹਨ।

“ਪ੍ਰੋਂਪਟ ਤੋਂ ਅੱਗੇ, ਤੁਹਾਡਾ ਸਿਸਟਮ ਸਾਡਾ ਆਪਣਾ ਲਹਿਜਾ ਕਿਵੇਂ ਸਿੱਖਦਾ ਹੈ?” ਜੇ ਜਵਾਬ ਇਹ ਹੈ ਕਿ “ਤੁਸੀਂ ਆਪਣੇ ਲਹਿਜੇ ਦਾ ਵੇਰਵਾ ਲਿਖ ਸਕਦੇ ਹੋ”, ਤਾਂ ਇਹ ਸਿਰਫ਼ ਪ੍ਰੋਂਪਟ ਹੈ। ਜੇ ਜਵਾਬ ਵਿੱਚ ਫ਼ਾਈਨ-ਟਿਊਨਿੰਗ ਜਾਂ ਤੁਹਾਡੇ ਇਤਿਹਾਸ ਉੱਤੇ ਸਿਖਲਾਈ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਹੋਰ ਡੂੰਘਾ ਖੋਦੋ।

“ਕੀ ਮੈਂ ਆਪਣੀਆਂ ਮੌਜੂਦਾ ਟਿਕਟਾਂ ਉੱਤੇ ਅੰਨ੍ਹਾ ਟੈਸਟ ਚਲਾ ਸਕਦਾ ਹਾਂ?” ਚੰਗੇ ਵਿਕਰੇਤਿਆਂ ਕੋਲ ਇਸ ਲਈ ਢਾਂਚਾ ਹੁੰਦਾ ਹੈ। ਉਹ ਤੁਹਾਡੀਆਂ ਟਿਕਟਾਂ ਦਾ ਨਮੂਨਾ ਲੈ ਕੇ ਚਲਾਉਣਗੇ ਅਤੇ ਤੁਹਾਨੂੰ ਖ਼ੁਦ ਪਰਖਣ ਦੇਣਗੇ। ਜਿਹੜੇ ਕਹਿੰਦੇ ਹਨ, “ਅਸੀਂ ਹੋਰ ਗਾਹਕਾਂ ਦੇ ਜਵਾਬਾਂ ਦੀਆਂ ਮਿਸਾਲਾਂ ਦਿਖਾ ਸਕਦੇ ਹਾਂ”, ਉਹ ਗੱਲ ਟਾਲ ਰਹੇ ਹਨ।

“ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਉੱਤੇ ਲਹਿਜੇ ਦੀ ਇਕਸਾਰਤਾ ਤੁਸੀਂ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹੋ?” ਨਾਕਾਮੀ ਇਸ ਸ਼ਕਲ ਵਿੱਚ ਆਉਂਦੀ ਹੈ: ਸੌਖੇ ਸਵਾਲਾਂ ਉੱਤੇ AI ਲਹਿਜੇ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ, ਪਰ ਔਖਿਆਂ ਉੱਤੇ ਖਿਸਕ ਜਾਂਦਾ ਹੈ। ਵਿਕਰੇਤਿਆਂ ਕੋਲ ਇਸ ਦਾ ਪੱਕਾ ਜਵਾਬ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਵਾਲਾਂ ਦੇ ਪੂਰੇ ਦਾਇਰੇ ਵਿੱਚ ਉਹ ਇਕਸਾਰਤਾ ਕਿਵੇਂ ਬਣਾਈ ਰੱਖਦੇ ਹਨ।

ਇਨ੍ਹਾਂ ਜਵਾਬਾਂ ਤੋਂ ਹੀ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਕੌਣ ਸੰਜੀਦਾ ਵਿਕਰੇਤਾ ਹੈ ਅਤੇ ਕੌਣ ਸਿਰਫ਼ ਮਾਰਕੀਟਿੰਗ।

ਆਪਣੀਆਂ ਹੀ ਟਿਕਟਾਂ ਉੱਤੇ ਅੰਨ੍ਹਾ ਟੈਸਟ ਚਲਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ? 14-ਦਿਨਾ ਮੁਫ਼ਤ ਟ੍ਰਾਇਲ ਸ਼ੁਰੂ ਕਰੋ — ਪੂਰੇ Business ਫ਼ੀਚਰ, ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਦੀ ਲੋੜ ਨਹੀਂ — ਜਾਂ 20 ਮਿੰਟ ਦਾ ਡੈਮੋ ਬੁੱਕ ਕਰੋ। ਦੋਵਾਂ ਸੂਰਤਾਂ ਵਿੱਚ ਹਫ਼ਤੇ ਦੇ ਅੰਦਰ ਤੁਹਾਨੂੰ ਪਤਾ ਲੱਗ ਜਾਵੇਗਾ ਕਿ ਇਹ ਤੁਹਾਡੇ ਲਈ ਸਹੀ ਹੈ ਜਾਂ ਨਹੀਂ।