AI உடன் மீண்டும் மீண்டும் வரும் வேலைகளை தானியக்கமாக்குதல்

பெரும்பாலான வேலைகளில் ஒரு பகுதி உள்ளது அதே படிகள் மீண்டும் மீண்டும் செய்யப்படுவது: spreadsheets க்கு இடையே தரவை நகலெடுத்தல், நிலை அப்டேட் மின்னஞ்சல்கள் எழுதுதல், support tickets ஐ வரிசைப்படுத்துதல், அறிக்கைகளை மீண்டும் வடிவமைத்தல். AI-உதவியுள்ள தானியக்கம் என்பது மொழி மாதிரிகள், scripting, மற்றும் existing கருவிகளை ஒன்றாக பயன்படுத்துவது ஆகும் இதன் மூலம் ஒரு கணினி அந்த பகுதியை ஒரு நபருக்கு பதிலாக கையாளுகிறது.

இது உண்மையில் என்ன அர்த்தம்

இங்கே இரண்டு স்তरங்கள் உள்ளன அவை பெரும்பாலும் மக்கள் குழப்புகிறார்கள். ஒன்று பொதுவான தானியக்கம்: scripts, cron jobs, Zapier/Make workflows, Excel macros. மற்றொன்று AI: ஒரு மாதிரி அமைப்பற்ற உரையை படிக்க முடியும், அதை சுருக்கம் செய்ய முடியும், வகைப்படுத்த முடியும், அல்லது ஒரு வரைவை உருவாக்க முடியும். அவற்றை ஒன்றாக இணைப்பது எங்கு மதிப்பு தோன்றுகிறது. ஒரு script ஒரு inbox இல் இருந்து 200 support மின்னஞ்சல்களை pull செய்ய முடியும், ஒரு LLM ஒவ்வொன்றையும் জরூரியதன் அளவு மற்றும் தலைப்பு மூலம் வகைப்படுத்த முடியும், மற்றும் மற்றொரு script அவற்றை சரியான queue க்கு route செய்ய முடியும். அந்த மூன்று படிகளில் எதுவும் தனியாக புதிய தில்லை — இணைப்பு மணிநேரங்களை சேமிக்கிறது.

பொதுவான முறைகள் தெரிந்து வைக்கும் தக்கவை

Text triage. incoming உரை (மின்னஞ்சல்கள், tickets, form submissions) ஐ "classify this into billing, technical, or sales, and rate urgency 1-5." என்ற போன்ற ஒரு prompt உடன் ஒரு மாதிரிக்கு feed செய்யுங்கள். JSON ஆக output செய்யுங்கள், Python இல் parse செய்யுங்கள், accordingly route செய்யுங்கள்.

Summarization pipelines. நீண்ட meeting transcripts, நீண்ட PDFs, நீண்ட Slack threads — ஒரு மாதிரி அவற்றை மூன்று bullet points ஆக சுருக்கம் செய்கிறது. OpenAI API, Anthropic Claude, அல்லது Ollama மூலம் local models போன்ற கருவிகள் இவை அனைத்தையும் செய்ய முடியும்; தேர்வு தரவு உணர்வுதல் மற்றும் செலவைப் பொறுத்தது.

Data extraction. structured fields (invoice number, date, amount) ஐ அமைப்பற்ற documents இல் இருந்து pulling. இது regex மற்றும் OCR tuning தேவைப்பட்டு; இப்போது ஒரு vision-capable மாதிரி ஒரு scanned invoice ஐ படிக்க முடியும் மற்றும் clean JSON fields ஐ நேரடியாக return செய்ய முடியும்.

Drafting, not deciding. auto-generating ஒரு first-pass மின்னஞ்சல் reply, code comment, அல்லது report section அதை ஒரு நபர் அனுப்பும் முன் edit செய்கிறார். இது பாதுகாப்பான தானியக்க முறை ஏனெனில் ஒரு நபர் இன்னும் output ஐ சரிபார்க்கிறார்.

ஒரு குறைந்தபட்ச வேலை செய்யும் உதாரணம்

பெரும்பாலான தானியக்கம் ஒரு fancy framework தேவை இல்லை. Python plus ஒரு API call plus ஒரு scheduler பெரும்பாலான cases ஐ cover செய்கிறது:

import openai, csv

with open("tickets.csv") as f:
    rows = csv.DictReader(f)
    for row in rows:
        resp = openai.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{"role": "user", "content": f"Classify urgency 1-5 for: {row['text']}"}]
        )
        print(row["id"], resp.choices[0].message.content)

cron உடன் ஒவ்வொரு மணிநேரத்திற்கும் அல்லது ஒரு செய்திக்கு wrap செய்யுங்கள் flask endpoint triggered ஒரு webhook மூலம் ஒரு புதிய ticket வரும்போது. தொடங்குவதற்கு agent framework தேவை இல்லை.

Agent frameworks எங்கு வருகிறது

ஒருமுறை ஒரு task பல படிகளை தேவை செய்கிறது அவற்றுக்கு இடையே முடிவுகளுடன் — "check the calendar, then draft the email, then send if confidence is high, otherwise flag for review" — LangChain, CrewAI, அல்லது n8n போன்ற கருவிகள் useful ஆகிறது ஏனெனில் அவை அந்த state மற்றும் tool-calling logic ஐ நிர்வகிக்கிறது. அவற்றை இல்லாமல் தொடங்குங்கள். ஒரு plain script ஒன்றை follow செய்வது கடினமாகிறது ஒரு framework சேர்க்கவும், কারணம் frameworks debugging overhead சேர்க்கிறது அது ஒரு two-step task க்கு தக்கது இல்லை.

முதலில் தானியக்கமாக்க என்ன

Pick tasks அவை: குறைந்தபட்சம் ஒவ்வொரு வாரம் repeated, occasionally wrong ஆனால் low-risk, மற்றும் verify செய்ய easy. ஒரு weekly report ஐ formatting ஒரு நல்ல முதல் target. refunds ஐ automatically approve செய்வது இல்லை — ஒரு mistake ற்கு செலவு முதல் முயற்சியின் மிக அதிகம். ஒவ்வொரு automated decision ஐ log செய்யுங்கள் where reviewable (ஒரு spreadsheet, ஒரு database table, ஒரு Slack channel) அதன் மூலம் mistakes மூன்று மாதங்களுக்கு பிறகு பதிலாக முன்பு பிடிக்கப்படும்। ஒரு தானியக்கம் implement செய்யுங்கள், அதை manual process உடன் parallel இல் இரண்டு வாரத்திற்கு run செய்யுங்கள், outputs compare செய்யுங்கள், பிறகு cut over செய்யுங்கள்.

இந்த failure modes க்கு watch செய்யுங்கள்

Models confidently hallucinate செய்கிறது, எனவே anything touching money, legal text, அல்லது customer-facing commitments ஒரு human check தேவை அது வெளியே செல்ல முன். Cost adds up fast ஒரு script ஒவ்வொரு row உ ஒரு 50,000-row spreadsheet அ batching அல்லது caching இல்லாமல் ஒரு API ஐ call செய்கிறது. மற்றும் silent failures மோசமான வகையாகும் — ஒரு script அது ஒரு Tuesday உ வேலை செய்ய நிறுத்தி மற்றும் எந்த monitoring இல்லை என்பதால் மூன்று வாரங்களுக்கு எந்த ஒரு பதிப்பு செய்யவும் இல்லை.

MePetitive work ஐ automate செய்வது judgment ஐ replace செய்வது பற்றி இல்லை, இது judgment ஆ்து்கோல் தேவை இல்லாத மணிநேரங்களை free up செய்வது பற்றி. சிறியாக தொடங்குங்கள், everything log செய்யுங்கள், மற்றும் boring 80% ஐ தன்னை run செய்ய விடுங்கள்.

இந்த pipelines கற்கை பற்றை மேலும், Korra Studio segments Python scripting மற்றும் AI tool integration உ check செய்யுங்கள்.