मैंने एक मित्र को कॉल के अंत में अपने उत्पाद का एक लिंक भेजा और उससे कहा कि वह अपने एजेंट को बताए कि क्या यह मददगार होगा।

वह अपना सिर खुजा रहा था कि वह इसका उपयोग कैसे करेगा। उनके एआई एजेंट ने साइट पढ़ी, उनके वर्कफ़्लो का विश्लेषण किया, और विशिष्ट उपयोग के मामलों, प्रतिस्पर्धी तुलनाओं और ईमानदार चिंताओं के साथ दो पेज का मूल्यांकन तैयार किया। इसने एक स्पष्ट परिदृश्य की पहचान की जहां उसे अपने बी2बी एजेंटिक व्यवसाय के लिए उत्पाद की आवश्यकता होगी।

यह उन सभी चीज़ों से बेहतर था जो मुझे कई हफ़्तों की कॉलों में मिली थीं। इसने एक अनुवर्ती पाठ वार्तालाप को भी प्रेरित किया जो कॉल की तुलना में अधिक गहरा था।

एक घंटे के भीतर मैं एक दर्जन से अधिक लोगों तक पहुंच गया। तीन सप्ताह में, कुल 26: संस्थापक, इंजीनियर, एआई पावर उपयोगकर्ता, अपने स्वयं के एजेंट स्टैक चलाने वाले लोग। लगभग 18 को समान एजेंटिक मूल्यांकन संकेत प्राप्त हुआ। बाकी लोगों ने किसी एजेंट को शामिल किए बिना कॉल या संदेशों पर प्रतिक्रिया दी।

उत्पाद [नियोटोमा](https://neotoma.io) है, जो एआई एजेंटों के लिए एक संरचित मेमोरी सिस्टम है। मैं अपने दर्द को हल करने के लिए इसका दैनिक उपयोग करता हूं: [मल्टी-एजेंट स्टैक](/पोस्ट/क्या-मेरा-एजेंट-स्टैक-वास्तव में-क्या करता है) में संपर्क, वित्त, कार्य, सामग्री और वार्तालाप प्रबंधित करना। इसे और अधिक सुपाठ्य बनाने के लिए मैंने हाल ही में [साइट को ओवरहाल किया](/posts/neotoma-site-overhaul-developer-feedback)। मुझे यह जानने की ज़रूरत थी कि क्या किसी और को इसकी ज़रूरत है, इसे समझना तो दूर की बात है।

इससे पहले, मैंने संरचित मूल्यांकन को स्वचालित करने के लिए एक [साक्षात्कार ऐप](https://github.com/markmhendrickson/interviews) बनाने में एक सप्ताह बिताया था, जिसमें संपर्कों को व्यवस्थित करने, आमंत्रण भेजने और परिणामों को समन्वयित करने के लिए नियोटोमा-कनेक्टेड स्क्रिप्ट शामिल थीं। मैंने इसे ख़त्म नहीं किया था. लेकिन एजेंट-प्रॉम्प्ट पद्धति ने इसे वैसे भी काफी हद तक अप्रासंगिक बना दिया। कोई यूआई नहीं, कोई शेड्यूलिंग नहीं, कोई संरचित साक्षात्कार नहीं। बस एक लिंक और एक प्रश्न.

## सेटअप

मूल्यांकन संकेत सरल था. मैं कुछ इस तरह साझा करूंगा: "एक मित्र इसे बना रहा है। क्या आप मुझे बता सकते हैं कि यह मददगार होगा या नहीं?" फिर उत्पाद वेबसाइट का लिंक। व्यक्ति का एजेंट साइट को पढ़ेगा, व्यक्ति के कार्यप्रवाह पर विचार करेगा और वापस रिपोर्ट करेगा।

अधिकांश ने टेक्स्ट संदेश या ईमेल के माध्यम से 24 घंटों के भीतर एजेंट की पूरी प्रतिक्रिया अग्रेषित की, कई ने एक या दो घंटे के भीतर। कुछ लोगों ने कॉल पर इसका सारांश दिया। कुछ लोगों ने किसी एजेंट को शामिल किए बिना केवल मानवीय प्रतिक्रिया दी।

मैंने नियोटोमा में ही सब कुछ ट्रैक किया। नियोटोमा संरचित इकाइयों (संपर्क, कार्य, फीडबैक रिकॉर्ड, वार्तालाप) को संस्करणबद्ध टिप्पणियों के साथ संग्रहीत करता है, इसलिए मैं देख सकता हूं कि प्रत्येक मूल्यांकन समय के साथ कैसे विकसित होता है और इसे उस व्यक्ति से जोड़ता हूं जिसने इसे दिया था। प्रत्येक मूल्यांकन मेरे द्वारा उपयोग किए गए संकेत, प्रतिक्रिया देने वाले एजेंट, प्रतिक्रिया का पूरा पाठ, किसी भी मानव अनुवर्ती, चैनल और सिग्नल शक्ति के मेरे आकलन के साथ एक फीडबैक इकाई बन गया। अंत तक मेरे पास संपर्क संस्थाओं, वार्तालाप इतिहास और विश्लेषण नोट्स से जुड़े 45 से अधिक फीडबैक रिकॉर्ड थे।

## एजेंट क्या अलग ढंग से करते हैं

तीन चीज़ों ने एजेंट-मध्यस्थता वाले फीडबैक को पारंपरिक ग्राहक अनुसंधान वार्तालापों से बेहतर बना दिया।

### वे ईमानदार हैं

एक एजेंट ने एक मूल्यांकनकर्ता से कहा: "यह आपके लिए नहीं है। सत्रों के बीच आपको जिस निरंतरता की आवश्यकता है वह संदर्भ और आवाज के बारे में है, न कि नियतात्मक स्थिति संस्करण के बारे में।" मूल्यांकनकर्ता ने बिना किसी प्रतिक्रिया के पूर्ण प्रतिक्रिया अग्रेषित की। उसी बातचीत में किसी इंसान ने कुछ विनम्र बात कही होगी और आगे बढ़ गया होगा।

एक अन्य एजेंट ने उत्पाद का अनुकूल मूल्यांकन किया लेकिन इंस्टॉल प्रक्रिया में निर्भरता सुरक्षा जोखिमों को चिह्नित किया। इसने अपने मालिक को सुझाव दिया कि जब तक इनका समाधान नहीं हो जाता, तब तक इसे इंस्टॉल न करें। तब से मैंने इन्हें पैच कर दिया है (वे निर्भरता प्रबंधन सख्त होने के कारण थे), लेकिन फीडबैक ईमानदार, विशिष्ट और "अच्छा लग रहा है, मैं इसे बाद में देखूंगा" की तुलना में अधिक उपयोगी था।

एक अन्य एजेंट ने समग्र रूप से उत्पाद का अनुकूल मूल्यांकन किया, लेकिन निष्कर्ष निकाला: "एजेंट राज्य प्रबंधन के लिए बाजार अभी छोटा है और एजेंट बनाने वाले अधिकांश लोग अभी तक मुश्किल बिंदु पर नहीं पहुंचे हैं। वे इसके लिए तब पहुंचेंगे जब वे मौन ओवरराइट या खोए हुए संदर्भ से जल जाएंगे, इससे पहले नहीं।" यह प्रोत्साहन में लिपटी कोई तारीफ नहीं है। यह सामाजिक फ़िल्टरिंग के बिना दिया गया जोखिम मूल्यांकन है।

एक इंसान ने उस प्रत्यक्षता से मेल खाया। उन्होंने मुझे बताया कि स्थिति ऐसी महसूस होती है जैसे "उन समस्याओं को ढूंढने का प्रयास करना जिन्हें आपके समाधान द्वारा हल किया जा सकता है, न कि उन समस्याओं को ढूंढने का प्रयास करना जिन्हें ठीक करने की आवश्यकता है।" वह अपवाद है. अधिकांश मनुष्य आपके चेहरे पर ऐसा नहीं कहेंगे। एजेंट करेंगे.

### वे विशिष्ट हैं

एक एजेंट ने अपने मालिक के वर्कफ़्लो में तीन ठोस दर्द बिंदुओं की पहचान की, जिन्हें मालिक ने कभी भी आकस्मिक बातचीत में व्यक्त नहीं किया था: एक साझा इकाई को समवर्ती लिखना, मार्कडाउन-आधारित संपर्क प्रणाली पर स्केल सीमाएं, और उत्पत्ति का पता लगाना ("मेरे एजेंट को इस व्यक्ति के बारे में उस समय क्या पता था जब उसने उस ईमेल का मसौदा तैयार किया था?")।

कॉल पर मानव की प्रतिक्रिया "दिलचस्प प्रयोग" थी। एजेंट की प्रतिक्रिया थी "यही वह जगह है जहां यह हमारे लिए सही है, और यहां तीन क्षमताएं हैं जिनकी हमें आवश्यकता होगी।"

एक अन्य एजेंट ने उत्पाद की पांच विकल्पों से तुलना करते हुए एक पूर्ण प्रतिस्पर्धी विश्लेषण तैयार किया, फिर प्रत्येक को उसके मालिक के सेटअप में विशिष्ट वर्कफ़्लो अंतराल पर मैप किया। इसमें लगभग 30 सेकंड का समय लगा। एक इंसान को समान तुलना करने के लिए एक सप्ताह के शोध की आवश्यकता होगी, और उसे किसी मित्र के साइड प्रोजेक्ट की चिंता नहीं करनी पड़ेगी।

विशिष्टता का अंतर आंशिक रूप से ज्ञान के बारे में है। एजेंटों के पास अपने मालिक के पूर्ण संदर्भ तक पहुंच होती है: फ़ाइलें, उपकरण, हाल की बातचीत, परियोजना संरचना। लेकिन यह प्रोत्साहन के बारे में भी है। मूल्यांकन करने के लिए कहा गया एजेंट बहुत आलोचनात्मक या बहुत विस्तृत होने की चिंता नहीं करता है। यह सिर्फ मूल्यांकन करता है.

### वे बताते हैं कि उत्पाद किसके लिए है

यह अप्रत्याशित खोज थी. एजेंट जो स्वयं टूल का उपयोग करते हैं, जिसका अर्थ है एमसीपी सर्वर, कोड निष्पादन और फ़ाइल सिस्टम एक्सेस के साथ क्लाउड कोड या कर्सर में चलने वाले एजेंट, चैटजीपीटी के वेब इंटरफ़ेस या मूल जेमिनी सत्र जैसे खोज-केवल चैटबॉट की तुलना में लगातार उत्पाद का अधिक अनुकूल मूल्यांकन करते हैं।

चैटबॉट-शैली एजेंटों ने "दिलचस्प अवधारणा" या "कुछ डेवलपर्स के लिए उपयोगी हो सकता है" जैसी बातें कही। टूल का उपयोग करने वाले एजेंटों ने ऐसी बातें कही जैसे "हमारे पास यही सटीक समस्या है" और "यहां तीन वर्कफ़्लो हैं जहां हम आज इसका उपयोग करेंगे।"

पैटर्न समझ में आता है. एक एजेंट जो सत्रों में स्थिति का प्रबंधन करता है, फाइलों को लिखता है, और अन्य उपकरणों के साथ समन्वय करता है, उसे उत्पाद द्वारा हल की गई मेमोरी समस्या का प्रत्यक्ष अनुभव होता है। एक चैटबॉट जो स्टेटलेस विंडो में टेक्स्ट उत्पन्न करता है, वह ऐसा नहीं करता है। उत्पाद का मूल्य उन एजेंटों के लिए सबसे अधिक सुपाठ्य है जो इसके द्वारा संबोधित वास्तुकला समस्या को साझा करते हैं।

इसका एक वितरण निहितार्थ है। यदि टूल-उपयोग करने वाले एजेंट डेवलपर टूल का अधिक सटीक मूल्यांकन करते हैं, और यदि वे एजेंट तेजी से अपने मालिकों के लिए टूल-गोद लेने के निर्णय लेते हैं या प्रभावित करते हैं, तो एजेंट-टू-एजेंट अनुशंसा एक वास्तविक चैनल बन जाती है। अमूर्त में नहीं. विशिष्ट अर्थ में कि मूल्यांकनकर्ता एजेंट का सकारात्मक मूल्यांकन उसके मालिक को स्थापित करने के लिए प्रेरित कर सकता है, और उस एजेंट द्वारा उपकरण का बाद में उपयोग इसे मालिक के स्टैक में अन्य एजेंटों के लिए दृश्यमान बनाता है।

## मैं अलग तरीके से क्या करूंगा

मैंने विधि के बारे में ही कुछ बातें सीखीं।

**एजेंट से "मेरे लिए" मूल्यांकन करने के लिए कहें, सामान्य तौर पर नहीं।** कुछ मूल्यांकन सामान्य स्टार्टअप विश्लेषण के रूप में सामने आए: बाजार का आकार, प्रतिस्पर्धी परिदृश्य, व्यवसाय मॉडल व्यवहार्यता। उपयोगी, लेकिन वह नहीं जिसकी मुझे आवश्यकता थी। सबसे अच्छे मूल्यांकन वे थे जहां एजेंट ने उत्पाद का उसके मालिक के विशिष्ट वर्कफ़्लो के आधार पर मूल्यांकन किया। जब प्रॉम्प्ट में कहा गया "क्या यह मेरे लिए मददगार होगा?" एजेंट ने उस व्यक्ति की वास्तविक फ़ाइलें, उपकरण और हाल की परियोजनाएं हटा लीं। जब संकेत में कहा गया कि "इस उत्पाद का मूल्यांकन करें," तो एजेंट ने एक सलाहकार का ज्ञापन लिखा। पहला आपको बताता है कि क्या इस व्यक्ति को दर्द है। दूसरा आपको बताता है कि एक एमबीए क्या सोचेगा।

**मानव को पहले एजेंट को जाने देने के लिए प्रोत्साहित करें।** जब किसी ने अपने एजेंट से अपनी राय बनाने से पहले मूल्यांकन करने के लिए कहा, तो मुझे सबसे अच्छा संकेत मिला। एजेंट का तकनीकी मूल्यांकन और उस पर मानव की बाद की प्रतिक्रिया दो अलग-अलग डेटा बिंदु थे। उनके बीच का अंतराल मूल्यवान है। जब कोई एजेंट कहता है "आपको इसकी आवश्यकता है" लेकिन मानव कहता है "मैं इसे बाद में देखूंगा," सक्रियण जोखिम व्यक्ति के इंस्टॉल करने से पहले ही दिखाई देता है। जब आप पहले इंसान से पूछते हैं, तो वे अपनी प्रारंभिक प्रतिक्रिया पर आधारित होते हैं और एजेंट का मूल्यांकन इसके माध्यम से फ़िल्टर हो जाता है।

**एजेंट की सुगमता के लिए अपनी साइट में सुधार करें।** एजेंट आपकी साइट को पढ़कर मूल्यांकन करते हैं। यदि साइट अस्पष्ट है, तो मूल्यांकन अस्पष्ट है। मुझे बीच में ही एहसास हुआ कि मुझे यह सुधारने की ज़रूरत है कि मेरी साइट केवल मानवीय पाठकों के लिए ही नहीं, बल्कि एजेंट पाठकों के लिए भी जानकारी कैसे प्रस्तुत करती है। संरचित डेटा, स्पष्ट समस्या विवरण, ठोस उपयोग के मामले और मशीन-पठनीय दस्तावेज़ीकरण सभी एजेंट के मूल्यांकन को तेज बनाते हैं। यह उसका प्रारंभिक रूप है जिसे कुछ लोग एजेंट मूल्यांकन अनुकूलन (एईओ) कहते हैं। यदि एजेंट उपकरण अपनाने की सिफ़ारिशें कर रहे हैं, तो आपकी साइट उनके लिए सुपाठ्य होनी चाहिए। शोध प्रक्रिया समाप्त होने के बाद मैंने इसे आगे बढ़ाया, जिसका वर्णन मैं नीचे कर रहा हूँ।

**एजेंट प्रकार को ट्रैक करें।** टूल एक्सेस वाले एजेंटों ने केवल-खोज एजेंटों की तुलना में गुणात्मक रूप से भिन्न प्रतिक्रिया दी। मैंने पहले इसे व्यवस्थित रूप से ट्रैक नहीं किया और बाद में इसका पुनर्निर्माण करना पड़ा। यदि आप इस प्रक्रिया को चलाते हैं, तो ध्यान दें कि मूल्यांकनकर्ता के एजेंट के पास एमसीपी, कोड निष्पादन, या फ़ाइल सिस्टम एक्सेस है या नहीं। यह मूल्यांकन की गहराई से संबंधित है।

**शोध के लिए प्रॉम्प्ट को अत्यधिक अनुकूलित न करें।** मेरा प्रॉम्प्ट ढीला था। "एक मित्र इसे बना रहा है। क्या यह मददगार होगा?" कुछ लोग विस्तृत मूल्यांकन ढाँचे तैयार कर सकते हैं। मुझे लगता है कि शोध के लिए ढीला संकेत बेहतर था। इसने प्रत्येक एजेंट को अपनी स्वयं की विश्लेषणात्मक संरचना लाने दी, जिससे पता चला कि विभिन्न एजेंट एक ही उत्पाद के बारे में कैसे सोचते हैं। वह विविधता जानकारीपूर्ण थी. जब लक्ष्य अनुसंधान से रूपांतरण की ओर स्थानांतरित हो जाता है, तो संरचना अधिक मायने रखती है। यही कारण है कि जिस मूल्यांकन पृष्ठ का मैं नीचे वर्णन कर रहा हूं वह मित्रों के साथ उपयोग किए जाने वाले ढीले संकेत के बजाय एक विस्तृत पांच-चरणीय स्क्रिप्ट का उपयोग करता है।

## जब यह विधि काम करती है

यह दृष्टिकोण तब सबसे अच्छा काम करता है जब आपका उत्पाद तकनीकी हो, आपके मूल्यांकनकर्ता एआई पावर उपयोगकर्ता हों, और एजेंटों के पास विशिष्ट मूल्यांकन देने के लिए अपने मालिक के वर्कफ़्लो के बारे में पर्याप्त संदर्भ हो।

यह उपभोक्ता उत्पादों के लिए, उन मूल्यांकनकर्ताओं के लिए कम अच्छी तरह से काम करता है जो नियमित रूप से एआई एजेंटों का उपयोग नहीं करते हैं, या उन उत्पादों के लिए जिनका मूल्य कार्यात्मक के बजाय सौंदर्यवादी या भावनात्मक है। एक एजेंट आपको बता सकता है कि मेमोरी सिस्टम वर्कफ़्लो समस्या का समाधान करता है या नहीं। यह आपको नहीं बता सकता कि कोई ब्रांड भरोसेमंद लगता है या नहीं।

यह तब भी सबसे अच्छा काम करता है जब आपके पास आकर्षित करने के लिए एक मजबूत नेटवर्क हो। मैं उन 26 लोगों तक पहुंचा, जिन्हें मैं व्यक्तिगत रूप से जानता था या जिनसे मेरा संबंध था। अजनबियों से एजेंट मूल्यांकन चलाने के लिए पूछना संभवतः विफल हो जाएगा। वह सामाजिक विश्वास जो किसी को एजेंट की प्रतिक्रिया अग्रेषित करने के लिए प्रेरित करता है, वही विश्वास है जो मानव ग्राहक अनुसंधान कार्य करता है। एक बार भरोसा कायम हो जाने पर एजेंट आपको बेहतर डेटा देते हैं। अनुसंधान प्रक्रिया ने साइट के अधिग्रहण प्रवाह के बारे में मेरे सोचने के तरीके को भी बदल दिया। मैं अगले भाग में वर्णन करूंगा कि कैसे मैंने सीधे उत्पाद में मूल्यांकन का निर्माण किया।

26 में से 20 ने ठोस प्रतिक्रिया दी। तीन लंबित हैं। हिट दर मेरे द्वारा पहले चलाए गए किसी भी सर्वेक्षण या साक्षात्कार प्रक्रिया से अधिक थी। उसका एक हिस्सा नेटवर्क है. इसका एक हिस्सा यह है कि किसी के एजेंट से किसी चीज़ का मूल्यांकन करने के लिए कहना 30 मिनट की कॉल शेड्यूल करने की तुलना में कमतर पूछना है। व्यक्ति बस प्रतिक्रिया को आगे भेज देता है। दो मिनट लगते हैं.

## प्रॉम्प्ट से उत्पाद तक

अनुसंधान प्रक्रिया ने मेरे साइट बनाने के तरीके को ही बदल दिया। जो ढीला संकेत मैं मित्रों के साथ साझा कर रहा था वह काम कर गया, लेकिन यह मूल्यांकन संरचना में सुधार करने वाले एजेंट पर निर्भर था। कुछ एजेंटों ने कठोर मूल्यांकन किया। दूसरों ने सलाहकार ज्ञापन लिखे। भिन्नता ग्राहक अनुसंधान के लिए जानकारीपूर्ण थी, लेकिन यह वह नहीं है जो आप चाहते हैं जब लक्ष्य आपकी साइट पर आने वाले किसी व्यक्ति को परिवर्तित करने में बदल जाता है।

![नियोटोमा /मूल्यांकन पृष्ठ](/images/posts/neotoma-evaluate-page-screenshot.png)

इसलिए मैंने उत्पाद के अधिग्रहण प्रवाह में मूल्यांकन का निर्माण किया। [नियोटोमा होमपेज](https://neotoma.io) अब कार्रवाई के लिए प्राथमिक कॉल के रूप में "अपने एजेंट से मूल्यांकन करने के लिए कहें" की ओर जाता है, न कि "इंस्टॉल करें" या "आरंभ करें।" यह एक समर्पित [/evaluate](https://neotoma.io/evaluate) पेज की ओर इशारा करता है जिसे केवल इंसानों के लिए नहीं, बल्कि एजेंटों द्वारा पढ़ने के लिए डिज़ाइन किया गया है। पृष्ठ में एक संरचित पांच-चरणीय मूल्यांकन स्क्रिप्ट शामिल है जिसका कोई भी एजेंट अनुसरण कर सकता है, भले ही उपयोगकर्ता किस टूल से शुरुआत करता है।

स्क्रिप्ट मित्र-साझा संकेत पर विशिष्ट तरीकों से सुधार करती है:

1. **संदर्भ स्वीप।** कुछ भी कहने से पहले, एजेंट उपयोगकर्ता के इंस्टॉल किए गए टूल, एमसीपी कॉन्फ़िगरेशन, ऑटोमेशन स्क्रिप्ट, प्रोजेक्ट निर्देशिका और मौजूदा मेमोरी सिस्टम की जांच करता है। यह एकल चैट विंडो के बजाय व्यक्ति के वास्तविक वर्कफ़्लो में मूल्यांकन को आधार बनाता है।
2. **एक लक्षित प्रश्न।** जो अभी तक नहीं पता है उसके आधार पर, एजेंट उपयोगकर्ता के सत्र पैटर्न या टूल बाधाओं के बारे में पूछता है।
3. **संक्षिप्त अनुवर्ती।** शेष अंतराल को भरने के लिए एक या दो और प्रश्न।
4. **ईमानदार मूल्यांकन।** क्या नियोटोमा फिट बैठता है, यह उपयोगकर्ता की अपनी शर्तों में कौन सी विशिष्ट समस्याओं का समाधान करेगा, कहां से शुरू करना है, और पहले क्या स्टोर करना है। यदि एजेंट के पास व्यापक संदर्भ तक पहुंच नहीं है, तो वह ऐसा कहता है और सिफारिश को अनंतिम के रूप में प्रस्तुत करता है।
5. **विहित अनुक्रम।** यदि एजेंट ने एक मजबूत या मध्यम फिट का आकलन किया है, तो यह उपयोगकर्ता से सीधे पूछता है कि क्या वे आगे बढ़ना चाहते हैं। अनुक्रम मूल्यांकन है, फिर स्थापना, फिर सक्रियण, फिर टूलींग कॉन्फ़िगरेशन। एजेंट इंस्टॉल गाइड को पढ़ता है, यदि आवश्यक हो तो `npm install -g neotoma` और `neotoma init` चलाता है, फिर उपयोगकर्ता को प्रासंगिक सक्रियण के माध्यम से ले जाता है: उच्च-मूल्य वाले डेटा उम्मीदवारों की खोज करना, क्या स्टोर करना है इसका पूर्वावलोकन करना, पुष्टि किए गए स्रोतों को शामिल करना, उत्पत्ति के साथ एक समयरेखा का पुनर्निर्माण करना, और सुधार के साथ अनुवर्ती क्वेरी चलाना।

उपयोगकर्ता का उत्पाद का पहला वास्तविक अनुभव उनके स्वयं के डेटा की पुनर्निर्मित समयरेखा है, न कि दस्तावेज़ीकरण पृष्ठ।

यह मेरे द्वारा ग्राहक अनुसंधान के दौरान उपयोग किए गए तदर्थ संकेत से भिन्न है। उस संकेत ने पूछा "क्या यह उपयोगी है?" मूल्यांकन पृष्ठ एजेंट से फिट का आकलन करने, उच्चतम-मूल्य वाले शुरुआती बिंदु की पहचान करने और फिर यदि उपयोगकर्ता आगे बढ़ना चाहता है तो पूर्ण ऑनबोर्डिंग निष्पादित करने के लिए कहता है। एजेंट अधिग्रहण चैनल बन जाता है. यह एक ही सत्र में, उपयोगकर्ता जिस भी टूल में पहले से काम कर रहा है, उसका मूल्यांकन, अनुशंसा, इंस्टॉल और सक्रिय करता है।

मैं अभी तक नहीं जानता कि यह "आरंभ करें" बटन वाले पारंपरिक लैंडिंग पृष्ठ से बेहतर रूपांतरित होता है या नहीं। लेकिन तर्क सीधा है: यदि एजेंट अपने मालिकों के लिए उपकरण की प्रासंगिकता का आकलन कर रहे हैं, तो साइट को एजेंटों के मूल्यांकन और कार्य करने के लिए अनुकूलित किया जाना चाहिए, न कि केवल मनुष्यों के पढ़ने और बुकमार्क करने के लिए।

## निचली पंक्ति

एजेंट-मध्यस्थता वाले वैयक्तिकृत ग्राहक अनुसंधान ने मुझे तीन चीजें दीं जो पारंपरिक तरीकों से नहीं मिलीं: ईमानदार अयोग्यता (एजेंट अपने मालिकों को बताते हैं कि उत्पाद उनके लिए नहीं है), उन दर्द बिंदुओं की विशिष्ट पहचान जिन्हें मानव ने व्यक्त नहीं किया था, और एजेंट की क्षमता के आधार पर एक विभाजन संकेत जिससे पता चला कि उत्पाद वास्तव में किसके लिए है।

इस प्रक्रिया से मिले फीडबैक ने मेरे लक्षित उपयोगकर्ता, मेरी स्थिति और मेरे सबसे बड़े जोखिम के बारे में मेरी समझ बदल दी। मैं उन निष्कर्षों के बारे में अलग से लिखूंगा। यह पोस्ट विधि के बारे में है.

इससे मार्केटिंग और अधिग्रहण के बारे में मेरी सोच भी बदल गई। यदि एजेंट अपने मालिकों के लिए उपकरण-गोद लेने के निर्णय ले रहे हैं या उन्हें प्रभावित कर रहे हैं, तो आपको एजेंटों के साथ-साथ मनुष्यों के लिए भी विपणन करने की आवश्यकता है। मैंने ऊपर वर्णन किया है कि कैसे इसने मुझे एक संरचित एजेंट मूल्यांकन स्क्रिप्ट और स्थापना और सक्रियण के माध्यम से मूल्यांकन से एक विहित अनुक्रम के साथ एक मूल्यांकन-पहली साइट बनाने के लिए प्रेरित किया। लेकिन सिद्धांत सामान्य है: एजेंट मूल्यांकन अनुकूलन का अर्थ यह सुनिश्चित करना है कि आपका उत्पाद एजेंटों के लिए ठीक उसी समय दृश्यमान, सुपाठ्य और कार्रवाई योग्य हो, जब वे आपके द्वारा हल किए गए समस्या बिंदुओं का सामना करते हैं। न केवल संरचित मेटाडेटा और मशीन-पठनीय दस्तावेज़, बल्कि एक संपूर्ण मूल्यांकन-से-सक्रियण पथ जिसे एजेंट उपयोगकर्ता द्वारा अपने वर्तमान टूल को छोड़े बिना निष्पादित कर सकते हैं।

इसके पीछे एक कठिन प्रश्न है। कुछ प्रणालियों को दर्द बिंदु तीव्र होने से पहले, नियोटोमा जैसे उपकरण को शामिल करने से लाभ होगा, क्योंकि बाद में माइग्रेट करना शुरुआत से संरचित भंडारण शुरू करने की तुलना में अधिक महंगा है। आप नए सिस्टम बनाने वाले एजेंटों को कैसे सूचित करते हैं कि किसी उपकरण का अब उपयोग न करने की दीर्घकालिक लागत सेटअप लागत से अधिक है? मेरे पास अभी तक कोई उत्तर नहीं है. लेकिन शोध प्रक्रिया, एजेंटों से उत्पाद का मूल्यांकन करने के लिए कहना, यह समझने की दिशा में पहला कदम है कि एजेंट उपकरण अपनाने के बारे में कैसे तर्क करते हैं।

यदि आप कुछ बना रहे हैं और आपके संभावित उपयोगकर्ता टूल एक्सेस के साथ एआई एजेंटों को चलाते हैं, तो एजेंटों से पूछें। वे आपको वो बातें बताएंगे जो मनुष्य नहीं बताएंगे।