रोज़ाना AI के इस्तेमाल में इंसानी निगरानी का मतलब है यह जांचना कि कोई टूल क्या आउटपुट दे रहा है, इससे पहले कि वह आउटपुट असल दुनिया में कुछ बदले। यह ड्राफ्टिंग, ट्राइएज (प्राथमिकता तय करना), रिव्यू और फ़ैसला लेने में मदद जैसे आम कामों का हिस्सा है, जहाँ तेज़ी और काम के ज़्यादा बोझ की वजह से लोग अक्सर पहला सही लगने वाला जवाब मान लेते हैं। यह कोर्स रोज़ाना की उस निगरानी को EU AI एक्ट से जोड़ता है और इसका मकसद एक प्रैक्टिकल फ़ैसला लेना है। जो व्यक्ति इसे पूरा करता है, वह यह बता सकता है कि कब AI आउटपुट पर भरोसा करना है, कब उसे चुनौती देनी है, और कब टूल को काम करने से रोकना है। आम तौर पर होने वाली गलती यह है कि निगरानी को सिर्फ़ टाइपिंग की गलतियाँ (typos) देखने का आखिरी मौका माना जाता है, न कि असर और उसे पलटने की क्षमता (reversibility) के बारे में सोच-समझकर लिया गया फ़ैसला। यह गलती वर्कफ़्लो डिज़ाइन की वजह से होती है, क्योंकि टूल उसी स्क्रीन पर होता है जहाँ काम हो रहा होता है।
कोई टीम बहुत सावधान हो सकती है, फिर भी वह ज़रूरी पल चूक सकती है। हो सकता है कि टीम मॉडल की समरी (summary) को रिव्यू करे, उसे क्लाइंट के ईमेल में पेस्ट करे और सोर्स डॉक्यूमेंट को चेक किए बिना किसी व्यक्ति के नाम से भेज दे। वही टीम कॉन्फिडेंस स्कोर को मान सकती है, किसी केस को गलत क्यू (queue) में भेज सकती है, और बाद में कस्टमर की शिकायत पर ही ध्यान दे सकती है। दोनों ही मामलों में रिव्यू तो हुआ, लेकिन फ़ैसला बदलने के लिए बहुत देर हो चुकी थी। मुश्किल बात यह जानना नहीं है कि सावधानी अच्छी चीज़ है। मुश्किल बात यह है कि तेज़ वर्कफ़्लो में उन कुछ बिंदुओं को पहचानना जहाँ रुकना, चुनौती देना या काम रोकना अभी भी मुमकिन हो और जिसमें ज़्यादा लागत न आए। नीचे दिया गया मैप उन निगरानी फ़ैसलों को दिखाता है जिन पर यह कोर्स बार-बार लौटता है।
इस कोर्स में, AI सिस्टम कोई भी ऐसा टूल है जो इनपुट लेता है और ऐसे आउटपुट देता है जो लोगों के काम करने के तरीके या किसी सर्विस के व्यवहार को तय करते हैं। इसमें ऐसे सिस्टम शामिल हैं जो टेक्स्ट बनाते हैं, ऑप्शन को रैंक करते हैं, कंटेंट को क्लासिफ़ाई करते हैं, फ़ील्ड निकालते हैं या काम करने के तरीके सुझाते हैं - भले ही वे किसी जाने-पहचाने प्रोडक्ट का हिस्सा हों। एक बार पता चल जाने पर स्प्रेडशीट फ़ॉर्मूला का नतीजा पहले से पता होता है। AI टूल शब्दों में छोटे-मोटे बदलाव से अपना आउटपुट बदल सकता है, इसलिए देखरेख का सवाल सिर्फ़ सही होने के बारे में नहीं, बल्कि भरोसे के बारे में भी है।
आपकी टीम पहले से ही रोज़मर्रा की जगहों पर AI सिस्टम का इस्तेमाल कर रही है, क्योंकि “AI” अक्सर एक अलग ऐप के बजाय एक फ़ीचर का नाम होता है। हेल्पडेस्क कंसोल जवाब सुझा सकता है, डॉक्यूमेंट टूल कुछ हिस्सों को फिर से लिख सकता है, और रिव्यू क्यू अनुमानित प्राथमिकता के आधार पर आइटम को सॉर्ट कर सकता है। हर चीज़ मदद जैसी लगती है। हर चीज़ काम को आगे भी बढ़ाती है, जिसका मतलब है कि आउटपुट बिना किसी के उसे फ़ैसला कहे, फ़ैसला बन सकता है।
रोज़ाना की देखरेख उस व्यक्ति की ज़िम्मेदारी है जो इस्तेमाल के समय सबसे करीब होता है, क्योंकि वही व्यक्ति प्रॉम्प्ट, संदर्भ और आउटपुट का इस्तेमाल किसलिए किया जाएगा, यह देखता है। आप तय करते हैं कि आउटपुट का इस्तेमाल करना है, उसे एडिट करना है, सबूत मांगना है, या रुककर मामले को आगे बढ़ाना है, क्योंकि आउटपुट के टिकट, फ़ाइल, मैसेज या फ़ैसले में बदलने से पहले आप ही आखिरी इंसान होते हैं जो उससे जुड़े होते हैं। इससे आपका काम गवर्नेंस के काम से अलग हो जाता है, जिसमें नियम तय किए जाते हैं और कई तरह के इस्तेमाल में पैटर्न की जाँच की जाती है।
इस कोर्स में ऐसे शब्दों का भी इस्तेमाल किया गया है जो EU AI एक्ट में मायने रखते हैं, क्योंकि ज़िम्मेदारियाँ इस बात पर निर्भर करती हैं कि कौन क्या कर रहा है।
अगली एक्टिविटी यह जाँचती है कि क्या समय के दबाव में आपका सबसे सुरक्षित अगला कदम पहले से ही आपका डिफ़ॉल्ट तरीका है, क्योंकि यहीं पर देखरेख सफल या असफल होती है।