ການກໍ່ສ້າງອັດຕະໂນມັດທີ່ເຮັດວຽກ: ບົດຮຽນຈາກ MVPs ກັບ LLMs

ເຕັກໂນໂລຊີທີ່ພົ້ນເດັ່ນຂື້ນເຊັ່ນ: ປັນຍາປະດິດ (AI) ໄດ້ຖືກຕັ້ງໄວ້ພຽງແຕ່ຈະເພີ່ມຂຶ້ນໃນຄວາມໂດດເດັ່ນໃນຂະນະທີ່ທົດສະວັດຕໍ່ໄປ. ດັ່ງນັ້ນ, ທຸລະກິດກໍາລັງກ້າວໄປສູ່ລະບົບປະສົມປະສານທີ່ຫຼຸດຜ່ອນວຽກງານທີ່ມະນຸດປະເຊີນຢູ່ໃນບ່ອນເຮັດວຽກ. ອາປາຣິມີຢາ ທາເນຈາ ນັກພັດທະນາ ແລະຊ່ຽວຊານດ້ານວິສະວະກຳ, ໄດ້ໃຊ້ເວລາສ້າງອາຊີບຂອງລາວທັງໃນຂະໜາດ ແລະໃນຕອນເລີ່ມຕົ້ນ. ແຕ້ມກ່ຽວກັບປະສົບການຂອງລາວຢູ່ທີ່ DoorDash ແລະ Fulcrum Tech, ລາວຊີ້ໃຫ້ເຫັນສິ່ງທ້າທາຍໃນການປະຕິບັດແລະໂອກາດຂອງການປັບຂະຫນາດອັດຕະໂນມັດຈາກ MVPs ໄປສູ່ການແກ້ໄຂຕົວແທນທີ່ຖືກນໍາໃຊ້ຢ່າງເຕັມທີ່.

ແນະນຳ Tech Expert Aparimeya Taneja

ໃນໂຮງຮຽນມັດທະຍົມ, Aparimeya ສະແດງໃຫ້ເຫັນຄໍາສັນຍາໃນ STEM, ນໍາພາລາວໄປສູ່ອາຊີບວິສະວະກໍາ. ຫຼັງຈາກນັ້ນ, Aparimeya ຈະເລີ່ມຕົ້ນອາຊີບວິສະວະກໍາຂອງລາວຢ່າງເປັນທາງການຫຼັງຈາກຮຽນຈົບຈາກມະຫາວິທະຍາໄລ Duke. ບໍ່ດົນຫຼັງຈາກສໍາເລັດການສຶກສາຂອງລາວ, ລາວຈະເຂົ້າຮ່ວມອົງການແນວຕັ້ງໃຫມ່ຂອງ DoorDash ເປັນສ່ວນຫນຶ່ງຂອງທີມງານປະສົບການຄົ້ນຫາ.

Aparimeya ຈະໃຊ້ເວລາ 1 ປີໃນທີມນີ້ ກ່ອນທີ່ຈະປ່ຽນໄປຫາທີມງານ Verticals Machine Learning (ML) ໃໝ່, ບ່ອນທີ່ທ່ານໄດ້ເນັ້ນທັກສະດ້ານວິຊາການຂອງລາວ ແລະ ປະກອບສ່ວນເຂົ້າໃນໂຄງການອັດຕະໂນມັດເປັນເວລາຫຼາຍກວ່າ 6 ເດືອນກ່ອນທີ່ຈະຍ້າຍໄປຢູ່ໃນທີມລາຍການແນວຕັ້ງໃໝ່ອີກ 6 ເດືອນ.

ຫຼັງຈາກໄດ້ຮັບປະສົບການຈາກການເຮັດວຽກຢູ່ໃນອົງການຈັດຕັ້ງຂະຫນາດໃຫຍ່ດັ່ງກ່າວ, ລາວໄດ້ເຂົ້າຮ່ວມ Paraform, ການເລີ່ມຕົ້ນທີ່ສຸມໃສ່ການແກ້ໄຂການຈ້າງງານສໍາລັບອຸດສາຫະກໍາເຊັ່ນການພັດທະນາຊອບແວແລະການບໍລິການທາງດ້ານການເງິນ.

ຫຼັງຈາກນັ້ນລາວໄດ້ເຂົ້າຮ່ວມ ຟູລຄຣັມ ເປັນວິສະວະກອນຜູ້ກໍ່ຕັ້ງເພື່ອນໍາໃຊ້ຄວາມຊໍານານດ້ານອັດຕະໂນມັດຂອງລາວເຂົ້າໃນອຸດສາຫະກໍາປະກັນໄພ. Fulcrum ສະເຫນີຜະລິດຕະພັນ AI ທີ່ປອດໄພທີ່ອະນຸຍາດໃຫ້ນາຍຫນ້າສາມາດຂະຫນາດບັນຊີຂອງເຂົາເຈົ້າໂດຍບໍ່ມີການນັບຫົວ. ການຈັດລໍາດັບຄວາມສໍາຄັນຂອງການແກ້ໄຂອັດຕະໂນມັດຂອງ Aparimeya ໄດ້ສະຫນັບສະຫນູນການຂະຫຍາຍຕົວຢ່າງຕໍ່ເນື່ອງຂອງບໍລິສັດເຕັກໂນໂລຢີ.

ການສ້າງ MVPs ສໍາລັບອັດຕະໂນມັດກັບ LLMs

ໃນລະຫວ່າງເວລາຂອງລາວຢູ່ທີ່ DoorDash, Aparimeya ໄດ້ນໍາພາຄວາມພະຍາຍາມໃນການພັດທະນາ MVPs ສໍາລັບການອັດຕະໂນມັດຂອງວຽກງານທີ່ມາຈາກ BPOs. ການປະກອບສ່ວນຂອງລາວໄດ້ນໍາໄປສູ່ໂອກາດທີ່ຈະຮ່ວມມືກັບທີມງານ ML ແລະອັດຕະໂນມັດຂອງບໍລິສັດ. ລາວໄດ້ເຫັນທ່າແຮງຂອງ LLMs ທີ່ຈະອັດຕະໂນມັດວຽກງານ outsourced ຄູ່ມືທີ່ອົງການຈັດຕັ້ງຈໍານວນຫຼາຍມັກຈະໃຊ້ເງິນຫຼາຍລ້ານໂດລາ. DoorDash ເຮັດໃຫ້ລາວສາມາດເຮັດວຽກໃນໂຄງການທີ່ຂັບເຄື່ອນດ້ວຍ LLM ເພື່ອປັບປຸງຂະບວນການທຸລະກິດຕ່າງໆ.

Aparimeya ແມ່ນຜູ້ພັດທະນາທໍາອິດທີ່ DoorDash ສະເຫນີການນໍາໃຊ້ອັດຕະໂນມັດ, ສ້າງລາຍໄດ້ ການກ່າວເຖິງທີ່ຫນ້າສັງເກດ ສໍາລັບຄວາມພະຍາຍາມຂອງລາວ. ການນໍາໃຊ້ LLMs, ລາວໄດ້ເຮັດວຽກກັບທີມງານຂອງຜູ້ຊ່ຽວຊານທີ່ມີຈິດໃຈດຽວກັນເພື່ອສ້າງຄວາມຮູ້ກ່ຽວກັບຜະລິດຕະພັນຂອງບໍລິສັດ.

ວຽກງານຂອງລາວລວມມີການສ້າງລະບົບຄວາມຮູ້ກ່ຽວກັບຜະລິດຕະພັນທີ່ປັບປຸງການປັບແຕ່ງສ່ວນບຸກຄົນ, ການຄັດເລືອກ, ແລະການບັນລຸຜົນ. ໂດຍການແກ້ໄຂສິ່ງທ້າທາຍຕ່າງໆເຊັ່ນຂໍ້ມູນບໍ່ຄົບຖ້ວນແລະການສົມເຫດສົມຜົນທີ່ບໍ່ມີເຫດຜົນ, Aparimeya ໄດ້ຊ່ວຍເພີ່ມປະສິດທິພາບການປະຕິບັດງານຂອງ DoorDash.

ໃນຂະນະທີ່ລາວເປັນເຄື່ອງມືໃນຫຼາຍໆໂຄງການເຫຼົ່ານີ້, Aparimeya ໄດ້ປະສົບກັບສິ່ງທ້າທາຍຫຼາຍຢ່າງທີ່ການເຄື່ອນຍ້າຍ MVPs ໄປຂ້າງຫນ້າໃນອົງການຈັດຕັ້ງຂະຫນາດໃຫຍ່ເຊັ່ນ DoorDash. ຫຼັງຈາກການຊຸກຍູ້ການສ້າງການແກ້ໄຂອັດຕະໂນມັດສໍາລັບບໍລິສັດແລະເຮັດວຽກກ່ຽວກັບ MVPs ຈໍານວນຫນ້ອຍ, ລາວໄດ້ຖືກຮຽກຮ້ອງໃຫ້ກັບຄືນໄປຫາໂຄງການປົກກະຕິ.

ຂໍ້ຈໍາກັດຂອງອົງການຈັດຕັ້ງຂະຫນາດໃຫຍ່ຈໍາກັດຄວາມສາມາດຂອງລາວທີ່ຈະເຫັນໂຄງການເຫຼົ່ານີ້ຈົນເຖິງການສໍາເລັດ. ນີ້ຊ່ວຍໃຫ້ Aparimeya ຮູ້ວ່າລາວຕ້ອງການເຮັດວຽກຢູ່ໃນການເລີ່ມຕົ້ນໃນຂັ້ນຕອນຕົ້ນ, ເຊິ່ງເຫັນວ່າລາວຫັນໄປສູ່ Fulcrum Tech, ບ່ອນທີ່ລາວເປັນຫົວຫນ້າໂຄງການກັບພະນັກງານດ້ານວິຊາການຂອງບໍລິສັດ.

ທີ່ Fulcrum, ບັນຫາເຊັ່ນການຈັດການຂໍ້ມູນ, ການຝຶກອົບຮົມແບບຈໍາລອງ, ແລະການຂະຫຍາຍຂະຫນາດໄດ້ເລີ່ມເກີດຂື້ນ. ບັນຫາເຫຼົ່ານີ້ມັກຈະສັບສົນ ແລະທ້າທາຍທາງດ້ານເຕັກນິກ, ເຖິງແມ່ນວ່າສໍາລັບຜູ້ຊ່ຽວຊານເຊັ່ນ Aparimeya. ເຖິງວ່າຈະມີອຸປະສັກເຫຼົ່ານີ້, ລາວໄດ້ເຮັດວຽກຢ່າງບໍ່ອິດເມື່ອຍໃນການອັດຕະໂນມັດຂະບວນການຄູ່ມືທີ່ plague ນາຍຫນ້າ, ເຮັດໃຫ້ພວກເຂົາສາມາດປັບຕົວໄດ້ຫຼາຍຂຶ້ນໃນຂະນະທີ່ຕັດຄ່າໃຊ້ຈ່າຍແລະຫຼຸດຜ່ອນເວລາສໍາລັບວຽກງານຈາກຊົ່ວໂມງເປັນນາທີ.

ການປະຕິບັດທີ່ດີທີ່ສຸດສໍາລັບການກໍ່ສ້າງການແກ້ໄຂອັດຕະໂນມັດທີ່ສາມາດຂະຫຍາຍໄດ້

ການເຮັດວຽກຂອງ Aparimeya ຢູ່ DoorDash ແລະ Fulcrum ໄດ້ສ້າງຄວາມເຂັ້ມແຂງໃຫ້ຂະບວນການທຸລະກິດຜ່ານການແກ້ໄຂອັດຕະໂນມັດ. ລາວສັງເກດເຫັນວ່າການປັບຂະຫນາດຈາກ MVPs ໄປສູ່ຄໍາຮ້ອງສະຫມັກໃນໂລກທີ່ແທ້ຈິງຊ່ວຍໃຫ້ນາຍຫນ້າສາມາດດຸ່ນດ່ຽງຄ່າໃຊ້ຈ່າຍ, ເພີ່ມປະສິດຕິພາບ, ແລະເສີມຂະຫຍາຍການຮັບຮອງເອົາຜູ້ໃຊ້, ໃນທີ່ສຸດການເພີ່ມປະສິດທິພາບການເຮັດວຽກຂອງພວກເຂົາ.

ແຕ້ມຈາກປະສົບການຂອງລາວ, Aparimeya ສະຫນັບສະຫນູນວິທີການຍຸດທະສາດໃນການສ້າງການແກ້ໄຂອັດຕະໂນມັດທີ່ສາມາດຂະຫຍາຍໄດ້. ການປະຕິບັດທີ່ດີທີ່ສຸດສໍາລັບລາວປະກອບມີ:

ການດຸ່ນດ່ຽງຄ່າໃຊ້ຈ່າຍທຽບກັບມູນຄ່າທີ່ສະຫນອງໃຫ້

ໃນປະສົບການຂອງ Aparimeya, ການແກ້ໄຂອັດຕະໂນມັດແມ່ນປົກກະຕິແລ້ວລາຄາຕໍ່ຜົນໄດ້ຮັບ / ຜົນຜະລິດໃຫ້ແກ່ລູກຄ້າສຸດທ້າຍ, ດັ່ງນັ້ນຈຶ່ງເປັນສິ່ງສໍາຄັນທີ່ຈະໃຫ້ແນ່ໃຈວ່າຄ່າໃຊ້ຈ່າຍໃນການດໍາເນີນງານຂອງທ່ານສໍາລັບການແລ່ນອັດຕະໂນມັດບໍ່ມີຄ່າທາງລົບຕໍ່ຫນ່ວຍເສດຖະກິດ.

ມູນຄ່າທີ່ສ້າງຂຶ້ນສໍາລັບລູກຄ້າຂອງທ່ານແມ່ນຄວາມແຕກຕ່າງລະຫວ່າງສິ່ງທີ່ມັນຈະເຮັດໃຫ້ພວກເຂົາເສຍເວລາ, ຄຸນນະພາບແລະຄ່າໃຊ້ຈ່າຍເພື່ອບັນລຸຜົນຜະລິດດຽວກັນໂດຍບໍ່ມີການອັດຕະໂນມັດຂອງທ່ານທຽບກັບການແກ້ໄຂຂອງທ່ານ. ດັ່ງນັ້ນ, ທ່ານຄວນມີຄວາມຄິດທີ່ຈະແຈ້ງກ່ຽວກັບວິທີທີ່ທ່ານກໍາລັງສ້າງມູນຄ່າສໍາລັບຕົວທ່ານເອງແລະລູກຄ້າຂອງທ່ານໃນເວລາສ້າງຜະລິດຕະພັນ AI.

ການເກັບຮັກສາຂໍ້ມູນທີ່ບໍ່ມີໂຄງສ້າງຢູ່ໃນຂະຫນາດ

Aparimeya ເນັ້ນຫນັກວ່າໃນຂະນະທີ່ຄິດກ່ຽວກັບການເກັບຮັກສາຂໍ້ມູນ, ຈຸດປະສົງທີ່ສໍາຄັນທີ່ຈະແກ້ໄຂແມ່ນ:

1. ລະບົບການເກັບຮັກສາຂໍ້ມູນທີ່ເຂັ້ມແຂງທີ່ມີການຊໍ້າຊ້ອນແລະໂຄງສ້າງພື້ນຖານເພື່ອສະຫນັບສະຫນູນການຂະຫຍາຍ. ນີ້ຮັບປະກັນວ່າທຸລະກິດສາມາດເຂົ້າເຖິງ, ປົກປ້ອງ, ແລະກູ້ຄືນຂໍ້ມູນຢ່າງປອດໄພ. ການບໍລິການ SQL ລະດັບວິສາຫະກິດເປັນທາງອອກທີ່ດີເພື່ອເລີ່ມຕົ້ນ.

   
   

2. ປັບປຸງເສັ້ນສະແດງຄວາມຮູ້ເພື່ອສ້າງຄຸນສົມບັດ ແລະຂະບວນການເຮັດວຽກຢູ່ເທິງສຸດ. ນີ້ຈະຂຶ້ນກັບໂດເມນທີ່ທ່ານກໍາລັງສ້າງການແກ້ໄຂສໍາລັບແລະຮຽກຮ້ອງໃຫ້ມີຄວາມເຂົ້າໃຈຢ່າງເລິກເຊິ່ງກ່ຽວກັບວິທີທີ່ຜູ້ໃຊ້ຂອງທ່ານເຮັດຂະບວນການເຮັດວຽກຂອງພວກເຂົາດ້ວຍຕົນເອງໃນມື້ນີ້. ໂດຍທົ່ວໄປແລ້ວ, ມັນເປັນປະໂຫຍດຫຼາຍກວ່າທີ່ຈະສະກັດເອົາຈຸດຂໍ້ມູນທີ່ສໍາຄັນແລະເກັບໄວ້ໃນວິທີທີ່ພວກເຂົາງ່າຍຕໍ່ການດັດສະນີແທນທີ່ຈະຖິ້ມຂໍ້ມູນທັງຫມົດເປັນວັດຖຸເກັບຮັກສາຫຼື JSON blobs.

ການປະເມີນການຮັບຮອງເອົາຜູ້ໃຊ້

ຕະຫຼອດການເຮັດວຽກຂອງລາວ, Aparimeya ຮັບຮູ້ວ່າການຮັບຮອງເອົາຜູ້ໃຊ້ເປັນສ່ວນປະກອບສໍາຄັນອີກອັນຫນຶ່ງສໍາລັບການປະຕິບັດຂະບວນການອັດຕະໂນມັດທີ່ປະສົບຜົນສໍາເລັດ. ການລິເລີ່ມເຊັ່ນ: ໂຄງການການຝຶກອົບຮົມແມ່ນມີຄວາມຈໍາເປັນໃນການໃຫ້ຜູ້ໃຊ້ສາມາດດໍາເນີນການຂະບວນການຍົກລະດັບຄວາມຫມັ້ນໃຈແລະສາມາດສົ່ງເສີມການເຮັດວຽກຂອງການແກ້ໄຂອັດຕະໂນມັດຕື່ມອີກ. ທຸລະກິດສາມາດດຸ່ນດ່ຽງການຮັບຮອງເອົາຜູ້ໃຊ້ໂດຍການລວບລວມຄໍາຄຶດຄໍາເຫັນແລະການປັບແຕ່ງສ່ວນຕິດຕໍ່ຜູ້ໃຊ້ຕາມຄວາມເຫມາະສົມໃນຂະນະທີ່ມີທ່າແຮງທີ່ຈະປະສົມປະສານກັບແອັບພລິເຄຊັນພາກສ່ວນທີສາມ. ໃນກໍລະນີຂອງ Fulcrum, Aparimeya ແລະທີມງານຂອງລາວປະສົມປະສານໂດຍກົງກັບ AMS ຂອງລູກຄ້າຂອງພວກເຂົາ (ລະບົບການຄຸ້ມຄອງອົງການ).

ອີກວິທີຫນຶ່ງທີ່ມີປະສິດທິພາບໃນການເຂົ້າເຖິງການມີສ່ວນຮ່ວມຂອງຜູ້ໃຊ້ໃນປະລິມານແມ່ນຜ່ານ telemetry ຜ່ານຄໍາຮ້ອງສະຫມັກຂອງທ່ານທີ່ບັນທຶກກອງປະຊຸມຂອງຜູ້ໃຊ້, ເຊັ່ນດຽວກັນກັບການສ້າງສະຖິຕິການນໍາໃຊ້ເພື່ອສັງເກດແນວໂນ້ມຂອງການນໍາໃຊ້ໃນໄລຍະເວລາທີ່ທ່ານສົ່ງຄຸນສົມບັດເພີ່ມເຕີມ.

ການຮັກສາຄວາມໄວ

ໃນຂະນະທີ່ລະບົບອັດຕະໂນມັດສາມາດປັບປຸງຂະບວນການເຮັດວຽກ, ພວກມັນມັກຈະມີຄວາມສ່ຽງຕໍ່ການໂຫຼດເກີນ, ແລະເນື່ອງຈາກການຂາດການເບິ່ງເຫັນສາມາດເຮັດໃຫ້ຜູ້ໃຊ້ສຸດທ້າຍຊ້າລົງ. ດັ່ງນັ້ນ, ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະພະຍາຍາມຂະຫນານວຽກງານຫຼາຍເທົ່າທີ່ເປັນໄປໄດ້ໃນທີ່ສຸດຂອງທ່ານເພື່ອສິ້ນສຸດອັດຕະໂນມັດແລະນໍາໃຊ້ແຖວທີ່ເຂັ້ມແຂງສໍາລັບການຈັດການວຽກທີ່ຍາວນານ. ນອກນັ້ນທ່ານຍັງສາມາດເພີ່ມຄວາມໄວໂດຍການຫຼຸດຜ່ອນການເຮັດວຽກທີ່ຊ້ໍາກັນແລະການສະຫນອງຊັບພະຍາກອນເພີ່ມເຕີມ.

Aparimeya ເຊື່ອໃນການອອກແບບສະຖາປັດຕະຍະກໍາຂອງຄໍາຮ້ອງສະຫມັກດັ່ງກ່າວວ່າຂໍ້ບົກຜ່ອງຂອງລະບົບບໍ່ໄດ້ຢູ່ໃນຈຸດສໍາຄັນໃດໆແລະຊັບພະຍາກອນນັ້ນບໍ່ໄດ້ຢູ່ລ້າໆຫຼືຫຼາຍເກີນໄປ.

ການສັງເກດແລະການເພີ່ມປະສິດທິພາບ

ລະບົບອັດຕະໂນມັດຮຽກຮ້ອງໃຫ້ມີການຕິດຕາມຢ່າງຕໍ່ເນື່ອງເພື່ອໃຫ້ແນ່ໃຈວ່າຂະບວນການທັງຫມົດເຮັດວຽກຕາມທີ່ຄາດໄວ້. ການເບິ່ງແຍງລະບົບການເຮັດວຽກແບບອັດຕະໂນມັດສາມາດເຮັດໃຫ້ທຸລະກິດສາມາດລະບຸອົງປະກອບທີ່ເປັນຂໍ້ບົກຜ່ອງຂອງຂະບວນການທັງໝົດໄດ້ຢ່າງງ່າຍດາຍ, ພ້ອມທັງຮູ້ເຖິງສຸຂະພາບຂອງບໍລິການຈຸລະພາກຕ່າງໆໃນທຸກເວລາ. ເມື່ອບໍລິສັດກວດສອບການປະຕິບັດລະບົບຂອງຕົນຢ່າງເປັນປົກກະຕິ, ມັນສາມາດພັດທະນາວິທີການປັບປຸງຂະບວນການອັດຕະໂນມັດໃນໄລຍະຍາວ.

Aparimeya ສະຫນັບສະຫນູນວ່າການຕິດຕາມປະເພດນີ້ຍັງຄວນຈະຂະຫຍາຍໄປສູ່ຜົນໄດ້ຮັບສຸດທ້າຍທີ່ຜູ້ໃຊ້ຂອງທ່ານເຫັນເພື່ອໃຫ້ທ່ານສະເຫມີກ່ຽວກັບປະສົບການຂອງຜູ້ໃຊ້.

ວົງຄໍາຕິຊົມຜະລິດຕະພັນ

ລັກສະນະການຂົນສົ່ງແລະອັດຕະໂນມັດແມ່ນພຽງແຕ່ເຄິ່ງຫນຶ່ງຂອງສິ່ງທີ່ເວທີການແກ້ໄຂທີ່ດີຄວນເຮັດ. ທຸກໆຄັ້ງທີ່ມີລັກສະນະໃຫມ່ຫຼືຂະບວນການເຮັດວຽກຖືກປ່ອຍອອກມາ, ນອກຈາກການທົດສອບພາຍໃນມັນຄວນຈະຖືກເປີດຕົວເພື່ອເລືອກຜູ້ໃຊ້ໃນຄັ້ງທໍາອິດ. ຈາກ​ນັ້ນ, ຄວນ​ເກັບ​ກຳ​ຂໍ້​ຄິດ​ເຫັນ​ຢ່າງ​ລະອຽດ​ຈາກ​ກຸ່ມ​ນັກ​ບິນ​ນີ້ ບົນ​ພື້ນຖານ​ທີ່​ຄວນ​ປັບປຸງ​ການ​ເຮັດ​ວຽກ​ຄືນ​ໃໝ່​ໃນ​ອະນາຄົດ. ມັນເປັນສິ່ງ ສຳ ຄັນທີ່ຈະຮັກສາແຜນທີ່ເສັ້ນທາງຜະລິດຕະພັນຂອງທ່ານຢ່າງໃດກໍ່ຕາມ ຄຳ ຕິຊົມຂອງຜູ້ໃຊ້ຄວນຖືກພິຈາລະນາຢູ່ສະ ເໝີ ເມື່ອຕັດສິນໃຈວ່າສິ່ງທີ່ ສຳ ຄັນທີ່ສຸດທີ່ຈະເຮັດວຽກ.

ຄໍາແນະນໍາຂອງ Aparimeya Taneja ສໍາລັບວິສະວະກອນເຂົ້າໄປໃນພື້ນທີ່ອັດຕະໂນມັດ

Aparimeya Taneja ຊຸກຍູ້ໃຫ້ວິສະວະກອນທີ່ມີຄວາມປາດຖະຫນາທີ່ຈະພັດທະນາພື້ນຖານອັນຫນັກແຫນ້ນໃນຄອມພິວເຕີ້ຫຼືວິສະວະກໍາໃນຂະນະທີ່ພວກເຂົາກ້າວເຂົ້າສູ່ໂລກຂອງເຕັກໂນໂລຢີອັດຕະໂນມັດ. ລາວເນັ້ນຫນັກວ່າທັກສະການຂຽນໂປລແກລມທີ່ເຂັ້ມແຂງແລະການພັດທະນາຊອບແວສາມາດເພີ່ມຄວາມສໍາເລັດຢ່າງຫຼວງຫຼາຍ. ຄວາມຄຸ້ນເຄີຍກັບໂດເມນຂອງສິ່ງທີ່ທ່ານຈະອັດຕະໂນມັດແມ່ນຍັງມີຄວາມຈໍາເປັນ, ເນື່ອງຈາກວ່າຄວາມຮູ້ດັ່ງກ່າວຈະຊ່ວຍໃຫ້ທ່ານສະຫນອງການແກ້ໄຂດ້ານວິຊາການຢ່າງເລິກເຊິ່ງໃຫ້ມູນຄ່າຫຼາຍກ່ວາພຽງແຕ່ bot ສົນທະນາ.

ນອກເຫນືອຈາກທັກສະດ້ານວິຊາການ, ວິສະວະກອນຄວນຈັດລໍາດັບຄວາມສໍາຄັນໃນການອອກແບບການໂຕ້ຕອບຜູ້ໃຊ້ (UI) ແລະປະສົບການຜູ້ໃຊ້ (UX) ເມື່ອສ້າງການແກ້ໄຂອັດຕະໂນມັດ. ການຮັບປະກັນການເຂົ້າເຖິງແລະຄວາມສະດວກໃນການນໍາໃຊ້ສາມາດປັບປຸງປະສິດທິພາບແລະການຮັບຮອງເອົາເຄື່ອງມືເຫຼົ່ານີ້. Aparimeya ຍັງຊີ້ໃຫ້ເຫັນຄວາມສໍາຄັນຂອງຄວາມຄິດສ້າງສັນໃນການປະຕິບັດລະບົບອັດຕະໂນມັດເພື່ອເຮັດໃຫ້ທ່າແຮງຂອງພວກເຂົາສູງສຸດ.

ການເບິ່ງໄປຂ້າງຫນ້າ, Aparimeya Taneja ຈິນຕະນາການອະນາຄົດທີ່ອັດຕະໂນມັດໄດ້ຖືກປະສົມປະສານເຂົ້າໄປໃນຂະບວນການທຸລະກິດ, ຫຼຸດຜ່ອນວຽກງານທີ່ຊ້ໍາກັນສໍາລັບຄົນງານຂອງມະນຸດ. ໂດຍການແບ່ງປັນຄວາມຊ່ຽວຊານຂອງລາວ, ລາວຫວັງວ່າຈະເຮັດໃຫ້ອັດຕະໂນມັດເປັນການປະຕິບັດມາດຕະຖານໃນທົ່ວອຸດສາຫະກໍາໃນອະນາຄົດ.