AI Productivity

နားလည်ထားရမယ့် အချက်

AI tool တွေဟာ productivity အတွက် တကယ် အသုံးဝင်ပါတယ်၊ ဒါပေမဲ့ mental model က အရေးကြီးပါတယ် - AI ဟာ assistant ပါ၊ တွေးခေါ်မှုရဲ့ အစားထိုးမဟုတ်ပါဘူး။

Draft ရေးခြင်း, ပုံစံပြောင်းခြင်း, summarize, structure လုပ်ခြင်းတို့မှာ AI က မြန်မြန်ဆန်ဆန် ကောင်းပါတယ်။ ဒါပေမဲ့ goal အစစ်က ဘာလဲ၊ context ဘာအရေးကြီးလဲ၊ claim တစ်ခု မှန်လား ဆုံးဖြတ်ရာမှာတော့ မကောင်းပါဘူး။

အဲဒီ ဆုံးဖြတ်ချက်တွေက tool သုံးနေတဲ့ လူသားထံမှာပဲ အမြဲ လုံးဝ ရှိနေပါတယ်။

• ရှည်လျားတဲ့ document တွေကို summarize လုပ်ခြင်း
• idea များ brainstorm လုပ်ခြင်း
• research အတွက် ပြင်ဆင်ခြင်း
• ရေးသားမှု ပထမဆုံး version draft လုပ်ခြင်း
• project ရဲ့ ကြမ်းသား ပုံစံကို plan လုပ်ခြင်း
• အလုပ်ကြီးကို အလုပ်သေးအဖြစ် ခွဲခြင်း
• meeting များကို summarize လုပ်ခြင်း
• ကွဲကွဲပြားပြား notes များကို organize လုပ်ခြင်း
• အသစ်သင်ယူမှုတွေအတွက် ကူညီခြင်း
• ကိုယ်ပိုင် ရေးသားမှု ရှင်းလင်းမှုကို တိုးတက်စေခြင်း
• Hallucination - ယုံကြည်စွာ ပြောပေမဲ့ မှားနေတဲ့ အချက်အလက်
• sensitive data ကို paste ချခြင်းကြောင့် privacy ပေါက်ကြားခြင်း
• Overreliance ကြောင့် ကိုယ်ပိုင် ဆုံးဖြတ်ချက် အားနည်းသွားခြင်း
• မူရင်း source ကို တိတ်တဆိတ် လွှမ်းမိုးစေတဲ့ summary
• တကယ်ရှိပုံပေါက်ပေမဲ့ လုံးဝ မရှိတဲ့ citation

Hallucination

မှားယွင်း (သို့) လုပ်ကြံထားတဲ့ အချက်အလက်ကို ယုံကြည်ဖွယ်၊ ယုံကြည်စွာ ဖော်ပြထားတဲ့ AI output။

AI ASSISTANCE LOOP
------------------
HUMAN INTENT --> AI ASSISTANCE --> HUMAN REVIEW --> FINAL OUTPUT
                      ^                  |
                      |                  |  (problems found)
                      +------------------+

လက်တွေ့ scenario နဲ့ ချိတ်ကြည့်မယ်

AI tool ကို တစ်ခုခု မမေးခင် စက္ကန့် ၃၀ လောက် အချိန်ယူပြီး လိုအပ်ချက်ကို ရေးပါ - task, audience, format, constraint တွေကို။

AI ကို အချက်အလက်တွေ ကိုယ်တိုင် လုပ်ကြံခိုင်းမည့်အစား source material (သို့) notes ရှေ့ကို paste ပေးပြီး context အစစ် ပေးပါ။

Draft ရလာရင် ဝေဖန်ပိုင်းခြားပြီး ဖတ်ပါ - မေးခွန်းကို တကယ်ဖြေလား၊ ဂဏန်းတွေ စစ်ဆေးလို့ရလား၊ named source တွေ တကယ်ရှိလား။

အချက်အလက်ဆိုင်ရာ ဘာမဆို ယုံခင် source အစစ်နဲ့ verify လုပ်ပါ၊ အထူးသဖြင့် statistics, quote, citation တွေအတွက်။

AI ကို မြန်မြန်သုံးတာက ညံ့တဲ့နည်းနဲ့ သုံးတာ မဟုတ်ပါဘူး - review အဆင့်ကပဲ workflow တစ်ခုလုံးကို အားကိုးလောက်အောင် ယုံကြည်ရလောက်စေတာပါ။

• AI ဟာ draft, transform, summarize အတွက် assistant ပါ - human judgment ရဲ့ အစားထိုး မဟုတ်ပါဘူး။
• intent -> assistance -> review -> output loop က AI သုံးစွဲမှုကို ယုံကြည်ရလောက်အောင် ထိန်းထားပေးပါတယ်။
• Hallucination, privacy ပေါက်ကြားမှု, overreliance တို့ဟာ အကြိမ်တိုင်း စစ်ဆေးထိုက်တဲ့ တကယ့် risk များပါ။

AI Output ကို မယုံခင်

• Facts, dates, numbers များကို verify လုပ်ပြီးပြီ
• Source, citation များ တကယ်ရှိမရှိ စစ်ဆေးပြီးပြီ
• Sensitive data ဘာမှ tool ထဲ paste မထည့်ခဲ့ပါ
• Output က မူရင်း goal နဲ့ ဆက်စပ်နေဆဲ ဖြစ်ပါတယ်
• Human တစ်ဦးက နောက်ဆုံး ဆုံးဖြတ်ချက် ချပြီးပြီ

အတူတူ စမ်းရေးကြည့်မယ်

function isSafeToUse(draft, checks) {
  const failed = Object.entries(checks).filter(([, verified]) => !verified).map(([name]) => name);
  return {
    title: draft.title,
    safe: failed.length === 0,
    failedChecks: failed
  };
}

const verifiedDraft = {
  title: "Q3 planning summary",
  checks: {
    factsVerified: true,
    sourcesReal: true,
    noSensitiveDataPasted: true,
    matchesGoal: true,
    humanReviewed: true
  }
};

const unverifiedDraft = {
  title: "Competitor research summary",
  checks: {
    factsVerified: false,
    sourcesReal: false,
    noSensitiveDataPasted: true,
    matchesGoal: true,
    humanReviewed: false
  }
};

console.log(isSafeToUse(verifiedDraft, verifiedDraft.checks));
console.log(isSafeToUse(unverifiedDraft, unverifiedDraft.checks));

'Q3 planning summary' - safe: true, failedChecks မရှိပါ။
'Competitor research summary' - safe: false, failedChecks: factsVerified, sourcesReal, humanReviewed တို့ ကျန်နေပါတယ်။

NIST AI Risk Management Framework — Productivity Systems