විධායක සාරාංශය: ආයතනික තොරතුරු විසිරී යාමේ අර්බුදය
ශ්රී ලංකාවේ වර්තමාන කෝපරේට් ක්ෂේත්රය දෙස බැලීමේදී, බොහෝ ආයතන මුහුණ දෙන ප්රධානතම ගැටලුවක් වන්නේ ආයතනික දැනුම සහ තොරතුරු තැනින් තැන විසිරී පැවතීමයි. කොළඹ ගාලු පාරේ පිහිටි දැවැන්ත සමූහ ව්යාපාරයක වේවා, බියගම අපනයන නිෂ්පාදන කර්මාන්තශාලාවක වේවා, නැතහොත් යාපනයේ ශීඝ්රයෙන් වර්ධනය වන ටෙක් සමාගමක වේවා, සේවකයන් දහස් ගණනක් පැරණි PDF ලේඛන, ඊමේල් ත්රෙඩ්ස්, යල්පැන ගිය ERP මැනුවල් සහ WhatsApp voice notes අතරේ අවශ්ය තොරතුරු සොයමින් වටිනා කාලය නාස්ති කරති. බොහෝ ආයතනවල ඇති සාම්ප්රදායික ඉන්ට්රානෙට් (intranet) නිසි පරිදි යාවත්කාලීන නොවන බැවින්, සෙවීම්වලදී ලැබෙන්නේ නිෂ්ඵල ප්රතිඵල පමණි.
2026 වන විට ව්යාපාරික කාර්යක්ෂමතාව තීරණය වන්නේ ආයතනය තුළ ඇති තොරතුරු කෙතරම් කඩිනමින් සහ නිවැරදිව ලබාගත හැකිද (contextual retrieval speed) යන්න මතයි. Retrieval-Augmented Generation (RAG) තාක්ෂණය මඟින් බලගැන්වුණු internal AI assistant එකක් හඳුන්වා දීමෙන්, නිකම්ම ගොනු කර ඇති ලිපිගොනු ක්රියාශීලී බුද්ධිමය සම්පතක් බවට පත් කළ හැක. වරාය බඩු නිෂ්කාශන ප්රතිපත්තියක් පිළිබඳව හෝ ටෙන්ඩර් ලියකියවිලි ගැන ජ්යෙෂ්ඨ කළමනාකරුවෙකුගෙන් විමසනවා වෙනුවට, ආරක්ෂිත company wiki AI පද්ධතියකින් නිල මූලාශ්ර සහ නීතිමය පසුබිම සහිතව ක්ෂණික පිළිතුරු ලබාගැනීමට සේවකයන්ට අවස්ථාව සැලසේ.
1. ශ්රී ලාංකික ව්යාපාර තුළ තොරතුරු විසිරී පැවතීමේ සැබෑ පාඩුව
ඕනෑම ව්යාපාරයක් වර්ධනය වන විට, එහි ප්රධාන නිලධාරීන් ඩුබායි, ලන්ඩන් හෝ මෙල්බර්න් වැනි නගරවල නව රැකියා අවස්ථා සොයා රට හැර යාම සාමාන්ය දෙයක් බවට පත්ව ඇත. එවැනි අවස්ථාවල ඔවුන් සතු වටිනා ආයතනික පළපුරුද්ද සහ දැනුමද ඔවුන් සමඟම ගිලිහී යයි. මෙහි ප්රතිඵලයක් ලෙස:
- නව සේවක පුහුණුව ප්රමාද වීම (Prolonged Onboarding): කොළඹ හෝ ප්රාදේශීය කාර්යාලවලට එක්වන නවක සේවකයින්ට ආයතනයේ සම්මත මෙහෙයුම් ක්රමවේද (SOPs) තේරුම් ගැනීමට දින 30 සිට 45 දක්වා කාලයක් ගතවීම.
- ජ්යෙෂ්ඨ කළමනාකාරීත්වයේ කාලය නාස්ති වීම: ප්රසම්පාදන ක්රියාවලි, මානව සම්පත් ප්රතිපත්ති (HR policies), හෝ සේවා මට්ටමේ ගිවිසුම් (SLAs) පිළිබඳ එදිනෙදා සාමාන්ය ප්රශ්නවලට පිළිතුරු දීමට ජ්යෙෂ්ඨ නිලධාරීන්ගේ දෛනික කාලයෙන් 20% - 30% අතර ප්රමාණයක් වැයවීම.
- වැරදි ප්රතිපත්ති ක්රියාත්මක වීම: මහනුවර, ගාල්ල හෝ මීගමුව වැනි ශාඛා කාර්යාලවල විවිධ පැරණි නීතිරීති ක්රියාත්මක වීම නිසා සේවා ගුණාත්මකභාවය බිඳවැටීම.
ශ්රී ලංකාව තුළ ව්යවසාය මට්ටමේ RAG knowledge base එකක් ස්ථාපිත කිරීමෙන් Google Drive, SharePoint, Notion සහ අභ්යන්තර PDF ලේඛන සියල්ල එකම මධ්යගත AI බුද්ධි පද්ධතියකට සම්බන්ධ කළ හැක. සේවකයින්ට සාමාන්ය භාෂාවෙන් ඕනෑම පැනයක් ඇසීමටත්, ආයතනයේ නිල ලේඛන මත පමණක් පදනම් වූ විශ්වාසදායක පිළිතුරු ලබා ගැනීමටත් මෙයින් හැකියාව ලැබේ.
2. තාක්ෂණික ව්යුහය: Generic LLMs වෙනුවට Production RAG
බොහෝ ආයතන සේවකයන්ට පොදු ChatGPT හෝ Claude ගිණුම් ලබාදීමට උත්සාහ කළද, එමඟින් ආයතනික රහස්ය තොරතුරු පිටතට කාන්දු වීමේ (data leaks) සහ වැරදි තොරතුරු සැපයීමේ (hallucinations) දැඩි අවදානමක් පවතී. කාර්යාලීය භාවිතය සඳහාම නිපදවන ලද internal AI assistant එකක් ක්රියාත්මක වන්නේ දත්ත ආරක්ෂාව මුල් කරගත් ක්රමවේදයකිනි:
- Data Ingestion Pipeline: ERP, HR පද්ධති සහ ව්යාපෘති වාර්තාවල ඇති දත්ත නිවැරදිව කියවා වෙන්කර ගැනීම.
- Vector Embeddings සහ Semantic Search: වචනවල මතුපිට තේරුම පමණක් නොව එහි ගැඹුරු අර්ථය හඳුනාගැනීම. උදාහරණයක් ලෙස, සේවකයෙකු "මාතෘ නිවාඩු දීමනා" ගැන සෙවූ විට, වෙළඳසැල් සහ කාර්යාල සේවක පනතට (Shop and Office Act) අදාළ නිවැරදි වගන්තිය AI මඟින් ක්ෂණිකව උපුටා දක්වයි.
- Hybrid Reranking: දේශීය කෙටි යෙදුම් (EPF, ETF, BOI, SLFFA) කිසිදු අර්ථ විකෘතියකින් තොරව නිවැරදිව හඳුනාගැනීම සඳහා විශේෂ සෙවුම් ඇල්ගොරිතම භාවිත කිරීම.
- Role-Based Guardrails: ආයතනයේ තනතුර අනුව තොරතුරු සීමා කිරීම. නිදසුනක් ලෙස, පුහුණු සේවකයෙකුට අධ්යක්ෂ මණ්ඩල තීරණ හෝ වැටුප් විස්තර ලබාගත නොහැකි වන සේ ආරක්ෂණ පද්ධති සැකසීම. මෙවැනි අභිරුචි විසඳුම් ශ්රී ලංකාවේ මෘදුකාංග සංවර්ධන ආයතනයක් හරහා පහසුවෙන් සකස් කරගත හැක.
3. භාෂා ත්රිත්වයේ අභියෝගය: ඉංග්රීසි, සිංහල සහ දෙමළ දත්ත කළමනාකරණය
ශ්රී ලංකාවේ ව්යාපාරික පරිසරය භාෂා ත්රිත්වයෙන්ම සමන්විත වේ. අධ්යක්ෂ මණ්ඩල ලියකියවිලි ඉංග්රීසි භාෂාවෙන් තිබුණද, කර්මාන්තශාලා සේවකයින්, පාරිභෝගික සේවා අංශ සහ ක්ෂේත්ර නිලධාරීන් බොහෝවිට සිංහල, දෙමළ හෝ 'Singlish' භාෂාවෙන් අදහස් හුවමාරු කර ගනිති.
ශ්රී ලාංකික වෙළෙඳපොළට ගැළපෙන enterprise AI විසඳුමක් සකස් කිරීමේදී:
- Cross-Lingual Embeddings: ඉංග්රීසි බසින් ඇති මෙහෙයුම් අත්පොතක් පිළිබඳව සිංහලෙන් හෝ දෙමළෙන් ප්රශ්නයක් ඇසූ විට, එම ඉංග්රීසි මූලාශ්රයෙන් නිවැරදි කරුණු උපුටා ගෙන සිංහලෙන්ම පිළිතුරු සැපයීමේ හැකියාව.
- දේශීය ව්යවහාරික වචන (Local Jargon): දේශීය බදු ක්රමවේද (IRD), වරාය සහ ප්රවාහන ක්ෂේත්රවල ශ්රී ලංකාවට ආවේණික කෙටි යෙදුම් නිවැරදිව තේරුම් ගැනීම.
- හඬ මඟින් විමසීම් (Voice Search): දුරස්ථ ප්රදේශවල සේවය කරන නිලධාරීන්ට ටයිප් කිරීම වෙනුවට කටහඬ මඟින් ප්රශ්න අසා ක්ෂණික පිළිතුරු ලබාගැනීම.
මීට අමතරව, කාර්යාලයෙන් බැහැරව වැඩ කරන සේවකයින් සඳහා WhatsApp Bot Development තාක්ෂණය හරහා මෙම AI දැනුම් පද්ධතිය WhatsApp සමඟ සම්බන්ධ කළ හැක.
4. දත්ත ආරක්ෂාව සහ ශ්රී ලංකාවේ පුද්ගලික දත්ත ආරක්ෂණ පනත (PDPA)
අභ්යන්තර AI පද්ධතියක් හඳුන්වා දීමේදී, 2022 අංක 9 දරන ශ්රී ලංකා පුද්ගලික දත්ත ආරක්ෂණ පනතට (PDPA) පූර්ණ වශයෙන් අනුකූල විය යුතුය. සමාගමක රහස්ය තොරතුරු කිසිදු විටෙක පොදු AI මොඩල් පුහුණු කිරීම සඳහා විවෘත නොවිය යුතුය.
- Private Cloud හෝ On-Premise Deployment: සියලුම දත්ත සමාගමේ පාලනය යටතේ පවතින AWS/Azure Private VPC හෝ දේශීය සර්වර් තුළ පමණක් රඳවා තැබීම.
- Zero Data Retention Agreements: භාවිත කරන AI මාදිලි සමාගමේ දත්ත තමන් සන්තකයේ තබා නොගන්නා බව සහතික කිරීම.
- Audit Logs: කුමන සේවකයා විසින් කුමන තොරතුරු සොයන ලද්දේද යන්න පිළිබඳව නිරන්තර වාර්තා සටහන් වීම.
නිතර අසන පැන (FAQ)
1. Internal AI Assistant එකක් සාමාන්ය ChatGPT එකට වඩා වෙනස් වන්නේ කෙසේද?
සාමාන්ය ChatGPT පද්ධතියක් අන්තර්ජාලයේ ඇති පොදු තොරතුරු මත පිළිතුරු සපයන අතර, ආයතනයේ අභ්යන්තර රහස්ය දත්ත එය සතුව නැත. තවද, එයට දත්ත ඇතුළත් කිරීමෙන් රහස්යභාවය උල්ලංඝනය විය හැක. Internal AI Assistant එකක් ක්රියාත්මක වන්නේ ඔබේ ආයතනයේ නිල ලේඛන මත පමණක් වන අතර, එම දත්ත කිසිදු බාහිර පාර්ශ්වයකට නිරාවරණය නොවේ.
2. අපගේ සියලුම ලිපිගොනු ඉංග්රීසි භාෂාවෙන් තිබියදී සේවකයින්ට සිංහලෙන් ප්රශ්න ඇසිය හැකිද?
ඔව්. නවීන Multilingual Embedding තාක්ෂණය මඟින් ඉංග්රීසි ලිපිගොනුවල ඇති තොරතුරු විශ්ලේෂණය කර, සේවකයා විමසන සිංහල හෝ දෙමළ භාෂාවෙන්ම නිවැරදි, සරල පිළිතුරු සැපයිය හැක.
3. මෙවැනි RAG Knowledge Base එකක් සකස් කිරීමට කොපමණ කාලයක් ගතවේද?
මූලික දත්ත ප්රමාණය සහ පද්ධතියේ සංකීර්ණතාව අනුව, සාමාන්යයෙන් සති 3 සිට 6 දක්වා කාලයක් තුළ මුල් පද්ධතිය (MVP) සාර්ථකව ක්රියාත්මක කළ හැක.
