क्या आपकी इन्फ्रास्ट्रक्चर वास्तव में एआई के लिए तैयार है?

अब तक, हर किसी के पास एक एआई रणनीति है। लेकिन बहुत कम संगठनों के पास वास्तव में इसका समर्थन करने के लिए बुनियादी ढांचा है।

पिछले एक साल में, मैंने कई आईटी नेताओं से बात की है जो एआई-संचालित अनुभवों को वितरित करने के लिए वास्तविक दबाव में हैं। उन्हें तेजी से उत्पादकता उपकरण, बुद्धिमान स्वचालन और स्मार्टर एंडपॉइंट प्रबंधन की उम्मीद है। और यह दबाव मानव श्रमिकों से परे है: संगठन अब अपने स्वयं के कंप्यूटे, अपने स्वयं के डेस्कटॉप वातावरण और अपने स्वयं के शासन मॉडल की आवश्यकता वाले एआई एजेंटों को प्रावधान और प्रबंधन करने के लिए कहा जा रहा है।

माइक्रोसॉफ्ट में विंडोज 365 और एज्योर वirtual डेस्कटॉप बनाने में मदद करने के बाद, मुझे यह स्पष्ट हो गया है कि कौन से संगठन एआई को सफलतापूर्वक तैनात करते हैं और कौन से ठप हो जाते हैं। यह लगभग हमेशा तीन चीजों पर निर्भर करता है: क्लाउड उपयोग, डेटा गुणवत्ता और लागत अनुशासन।

क्या आप जो पहले से ही है उसका उपयोग कर रहे हैं?

मैं किसी भी आईटी नेता से पूछने वाला पहला प्रश्न यह है: आप जो क्लाउड क्षमताएं पहले से ही भुगतान कर रहे हैं उन्हें कितनी अच्छी तरह से उपयोग कर रहे हैं?

अधिकांश संगठन, यदि वे ईमानदार हैं, तो अपने क्लाउड वातावरण का उपयोग बहुत कम कर रहे हैं। उन्होंने कार्यभार को स्थानांतरित किया है, लेकिन लिफ्ट-एंड-शिफ्ट मानसिकता का अर्थ है कि वे एक आधुनिक वातावरण में विरासत पैटर्न चला रहे हैं और अपने क्लाउड प्रदाता के प्लेटफ़ॉर्म में निर्मित अनुकूलन सुविधाओं को याद कर रहे हैं।

यह एआई के लिए बहुत महत्वपूर्ण है। ये कार्यभार संसाधन-गहन और गतिशील होते हैं। वे चोटी, वे स्केल करते हैं, और उन्हें लोच की आवश्यकता होती है। जो पर्यावरण क्लाउड-मूल नामक संचालन के लिए अनुकूलित नहीं किया गया है, वह इस तरह की मांग के तहत झुक जाएगा, या जब यह नहीं होगा तो आपको आवश्यकता से अधिक खर्च करेगा।

नई एआई क्षमताओं में निवेश करने से पहले, अपने वर्तमान वातावरण पर एक कठिन नज़र डालें और खुद से ये प्रश्न पूछें:

• क्या आपके वर्चुअल मशीन सही आकार के हैं, या आप अधिक आकार के उदाहरण चला रहे हैं?
• क्या ऑटो-स्केलिंग नीतियां वास्तव में आपके कार्यभार पैटर्न के लिए ट्यून की गई हैं, या सेट और भूल गई हैं?
• क्या आप आरक्षित उदाहरणों और बचत योजनाओं का उपयोग कर रहे हैं, या बोर्ड भर में ऑन-डिमांड मूल्य निर्धारण पर डिफ़ॉल्ट कर रहे हैं?

क्लाउड प्रदाताओं ने अनुकूलन टूलिंग में निवेश किया है। इसका उपयोग करें। और यदि आपकी प्रबंधन परत इन अंतर्दृष्टि को नहीं दिखा रही है, तो यह एक अंतर है जिसे एआई के लिए आगे बढ़ने से पहले बंद करने योग्य है।

डेटा नींव है, और अधिकांश संगठनों का डेटा टूटा हुआ है

एआई तैयारी का दूसरा, और ईमानदारी से, अधिक महत्वपूर्ण कारक डेटा है। अमूर्त डेटा रणनीति नहीं। वास्तविक राज्य आपके डेटा का आज।

एआई सिस्टम उतने ही अच्छे हैं जितना डेटा उन्हें प्रशिक्षित किया जाता है या उनके खिलाफ संचालित किया जाता है। यह एक नई अंतर्दृष्टि नहीं है, लेकिन व्यावहारिक निहितार्थ अभी भी अधिकांश आईटी संगठनों में कम अनुमानित हैं। जब मैं एआई के लिए डेटा तैयारी के बारे में बात करता हूं, तो मेरा मतलब तीन विशिष्ट आयामों से है: स्वच्छता, पूर्णता और समयबद्धता।

स्वच्छता का अर्थ है कि आपके डेटा में डुप्लिकेट, असंगतता या त्रुटियां नहीं हैं जो आउटपुट को भ्रष्ट करेंगी। एंडपॉइंट प्रबंधन के लिए, इसका अर्थ हो सकता है उपयोगकर्ता रिकॉर्ड जिनके पुराने विशेषताएं हैं, डिवाइस प्रोफाइल जो महीनों में अपडेट नहीं किए गए हैं, या नीति असाइनमेंट जो वर्तमान संगठन संरचना को प्रतिबिंबित नहीं करते हैं।

पूर्णता का अर्थ है कि आपके पास एआई को अर्थपूर्ण अनुमान लगाने के लिए आवश्यक संकेतों की पूरी चौड़ाई है। एक अनुशंसा इंजन जो एप्लिकेशन वितरण के लिए उपयोगी नहीं है यदि अधिकांश डिवाइस टेलीमेट्री गायब है। एक असामान्यता का पता लगाने वाला प्रणाली एक बेसलाइन स्थापित नहीं कर सकती है यदि आपकी लॉगिंग में अंतराल है। एआई-संचालित सुविधाओं को तैनात करने से पहले, यह देखें कि आपके पास क्या डेटा है और क्या एक दिए गए क्षमता की आवश्यकता है।

समयबद्धता वह आयाम है जिसे संगठन सबसे ज्यादा कम आंकते हैं। यह वास्तविक समय या नियर-रियल-टाइम बुद्धिमत्ता के बारे में है। स्टेल डेटा स्टेल अंतर्दृष्टि पैदा करता है, और स्टेल अंतर्दृष्टि कोई अंतर्दृष्टि से भी बदतर हो सकती है। यदि आपके डेटा पाइपलाइन रात भर बैचिंग कर रहे हैं जो निरंतर प्रवाहित होना चाहिए, तो यह एक संरचनात्मक समस्या है जिसे एआई हल नहीं करेगा।

डेटा स्वच्छता, पाइपलाइन आधुनिकीकरण और टेलीमेट्री साधन नहीं बनाते हैं जो बोर्ड प्रस्तुतियों में रोमांचक हों। लेकिन वे एआई सुविधाओं के बीच अंतर हैं जो काम करती हैं और एआई सुविधाएं जो लॉन्च के तीन महीने बाद छोड़ दी जाती हैं।

लागत नियंत्रण एक उपविचार नहीं है

एआई तैयारी का तीसरा आयाम वित्तीय है, और यह योजना चरण में इसे मिलने वाले ध्यान से अधिक के पात्र है।

एआई कार्यभार चलाने के लिए महंगेहैं, वे अनुमानित हैं, और वे अक्सर बजट की तुलना में तेजी से बढ़ते हैं। मैंने उन संगठनों को देखा है जो शुरुआती एआई पायलटों से महत्वपूर्ण मूल्य प्राप्त करते हैं, और फिर लागतों को देखते हैं जब वे उत्पादन में जाते हैं, क्योंकि किसी ने उनके साथ एक लागत शासन मॉडल को डिज़ाइन नहीं किया था।

यह विशेष रूप से वर्चुअल डेस्कटॉप और एंडपॉइंट वातावरण में सच है, जहां एआई सुविधाएं जैसे कि सत्र बुद्धिमत्ता, भविष्यसूचक स्केलिंग और स्वचालित उपचार एक ही समय में हजारों सत्रों में काफी कंप्यूटे मांग पैदा कर सकती हैं।

जो संगठन इसे अच्छी तरह से प्रबंधित करते हैं उनमें कुछ विशिष्टताएं हैं:

वे बुनियादी ढांचे की कुशलता को एक पूर्वापेक्षा के रूप में मानते हैं, न कि बाद में करने के लिए एक अनुकूलन के रूप में। उन्होंने पहले ही सही आकार, अपशिष्ट को समाप्त करने और लागत आधारभूत को स्थापित करने का काम किया है इससे पहले कि एआई कार्यभार आ जाए।

वे संचालन में लागत दृश्यता बनाते हैं। वे जानते हैं कि उनकी प्रति-उपयोगकर्ता, प्रति-सत्र और प्रति-कार्यभार लागत क्या है, जिसका अर्थ है कि वे एआई सुविधाओं को अप्रत्याशित खर्च चलाने वाले देख सकते हैं और जल्दी से निर्णय ले सकते हैं।

और महत्वपूर्ण बात, उन्होंने एक प्रबंधन परत चुनी है जो लागत संकेतों को सक्रिय रूप से प्रस्तुत करती है, ताकि वे मासिक क्लाउड बिल में लागत अधिक के बारे में नहीं जानें, बल्कि वास्तविक समय के डैशबोर्ड के माध्यम से जो तेजी से निर्णय लेने की अनुमति देते हैं।

अंतर बंद करने योग्य है, लेकिन इसके लिए पहले ईमानदारी की आवश्यकता है

मैं उन संगठनों के बारे में सबसे अधिक आशावादी हूं जो ईमानदारी से देखने के लिए तैयार हैं कि वे कहां खड़े हैं।

एआई महत्वाकांक्षा और निष्पादन के बीच का अंतर वास्तविक है, लेकिन यह स्थायी नहीं है। और अगला मोर्चा पहले से ही दिखाई दे रहा है: जैसे ही एजेंटिक एआई पायलट से उत्पादन में जाता है, बुनियादी ढांचे की तैयारी का प्रश्न मानव उपयोगकर्ताओं से परे हो जाता है और एजेंटों को शामिल करने के लिए विस्तारित हो जाता है।

इसका अर्थ है कि एआई पर परत करने से पहले क्लाउड उपयोगिता की ऑडिट करना और डेटा गुणवत्ता में निवेश करना। इसका अर्थ है लागत शासन को एक वास्तुकला चिंता के रूप में मानना, न कि वित्त टीम की समस्या के रूप में।

एआई महत्वाकांक्षा और निष्पादन के बीच का अंतरवास्तविक है, लेकिन यह स्थायी नहीं है। यह एक इंजीनियरिंग और संचालन समस्या है, और वे सटीक समस्याएं हैं जिन्हें हमारे आईटी समुदाय हल करने में आनंद लेता है।