बदल रहा बादल पूर्वानुमान

मैंने पहले देखा है एक पैटर्न

मैं पेशेवर रूप से काम कर रहा था जब बादल एक चीज बन गई। उस दृष्टिकोण से, मैंने शुरुआती अपनाने को देखा: उत्साह, लचीलापन, यह महसूस कि सब कुछ तेजी से आगे बढ़ने जा रहा है। इससे बड़े पैमाने पर अपनाने की ओर ले जाया गया, जहां हर कार्यभार एक उम्मीदवार था और हर विक्रेता के पास एक बादल की कहानी थी।

हालांकि, अपनाना केवल पहला आधा हिस्सा था जिसे मैंने देखा। फिर मैंने इसके दूसरे पक्ष को देखा: प्रत्यावर्तन। कंपनियां विशिष्ट कार्यभार वापस ले रही थीं, यह पूछते हुए कि क्या हर अनुप्रयोग वास्तव में बादल लचीलेपन की आवश्यकता थी। यह दूसरी चाल एक कारण से हुई। आर्थिक बदलावों और कार्यभार परिपक्वता के साथ, जो धारणाएं बादल को लगभग सब कुछ के लिए स्पष्ट विकल्प बनाती थीं, वे एक बार संगठनों ने उन्हें बड़े पैमाने पर जांचा शुरू किया।

एक बार फिर से उस पूरे चाप को जीने के बाद, मैं इसके आकार को पहचानता हूं जब यह फिर से形成 होता है। अब, जब मैं कंपनियों को यह समझने में मदद करता हूं कि उनके वातावरण में वास्तव में क्या करना चाहिए, तो बड़े पैमाने पर अपनाने / प्रत्यावर्तन पैटर्न फिर से परिचित दिखने लगता है।

बादल सुधार

इसके आकार को देखने के लिए यह समझने में मदद करता है कि बादल के साथ वास्तव में क्या हुआ, अपनी शर्तों पर। बादल में जाना तर्कसंगत था। यह घर्षण को हटा दिया, संगठनों को लचीलापन और गति दी, और उन कार्यभारों के लिए समझ में आया जो अनिश्चित या तेजी से बदलते थे। यह तर्कसंगत था क्योंकि यह विशिष्ट प्रकार के काम के लिए बनाया गया था जिसके लिए यह बनाया गया था। डेवओप्स टीमें बादल-पहले गए क्योंकि बादल उस काम के लिए बनाया गया था जो पुनरावृत्ति, परिवर्तनशील या अनुमानित था।

लेकिन जिस चीज़ के लिए वे बना रहे थे वह स्थिर नहीं रहा। बादल नहीं बदला, लेकिन कार्यभार बदल गए। जैसे ही प्रक्रियाएं परिपक्व हुईं और अनुमानित हो गईं, संगठनों ने अपने डेटा को वापस पाने के आसपास की लागतों के साथ परिचित हो गए। निर्गम शुल्क, संग्रहण लागत, स्थानांतरण शुल्क: खर्च जो तब आसानी से अनदेखा किए जा सकते थे जब लचीलापन इसके लायक था, और कठिनाई से अनदेखा किया जा सकता था एक बार कार्यभार स्थिर हो गए। 2024 में, वर्षों के बाद डेटा निर्गम के लिए शुल्क लेने के बाद, एएडब्ल्यूएस, एज़्योर, और गूगल क्लाउड ने सभी अपने प्लेटफ़ॉर्म से ग्राहकों को स्थानांतरित करने के लिए उन शुल्कों को माफ कर दिया, जैसा कि डेटासेंटरडायनामिक्स ने रिपोर्ट किया था।

एक बार उन लागतों को दिखाया गया, तो गणित एक बढ़ती हिस्से के पोर्टफोलियो के लिए काम नहीं करता था। जिन आर्थिक सिद्धांतों ने बादल को कुछ नुकसान के साथ एक अच्छी रणनीति बनाया था, वे एक बढ़ती संख्या में एआई-उन्मुख कार्यभारों के लिए आर्थिक रूप से व्यवहार्य नहीं थे। कंपनियों ने अपने पेंसिल को तेज किया और पूछा कि क्या हर अनुप्रयोग वास्तव में बादल प्रदान कर रहा था जो जरूरी था। जब उन्होंने वास्तव में संख्या चलाई, तो उत्तर, कई कार्यभारों के लिए, नहीं था।

उन जमा उत्तरों ने एक सुधार का नेतृत्व किया जिसे उद्योग ने गलत तरीके से लेबल किया था। उस सुधार को बादल प्रत्यावर्तन कहा जाता था, और यह अधिकांश समय गलत तरीके से वर्णित किया जाता है। यह वास्तव में कार्यभार परिपक्वता है: परिपक्व कंपनियां सीख रही हैं कि प्रत्येक कार्यभार को बुनियादी ढांचे के मॉडल से मिलाना जो इसे फिट करता है। डेटा चयनात्मक पढ़ने का समर्थन करता है rather than संपूर्ण एक। आईडीसी ने पाया कि लगभग 80% संगठन अगले 12 महीनों में कुछ प्रत्यावर्तन की उम्मीद करते हैं, यहां तक कि 10% से कम ने पूरे कार्यभार को प्रत्यावर्तित किया है, सीआईओ.कॉम में रिपोर्टिंग के अनुसार।

सही ढंग से पढ़ें, निष्कर्ष यह नहीं है कि बादल एक गलती थी। बादल अभी भी मूल्यवान है, लेकिन यह सार्वभौमिक नहीं रह गया है। परिपक्व स्थिति हाइब्रिड है: बादल जहां यह अपनी जगह अर्जित करता है, निजी या समर्पित बुनियादी ढांचा हर जगह else.

समान सुधार वक्र, अलग प्रौद्योगिकी

उस चाप को अब पूरा और लेबल किया गया है। एआई के साथ भी वही आकार दिखने लगा है। हर एक विक्रेता, हर एक सम्मेलन, हर एक बिक्री कॉल अभी एआई के बारे में है। संतृप्ति बादल के साथ जो मैंने देखा था उसके समान है। शोर के नीचे खर्च वास्तविक है: गार्टनर 2025 में विश्वभर में उत्पन्न-एआई खर्च के $644 बिलियन का अनुमान लगाता है, जो साल-दर-साल 76.4% है।

समान संतृप्ति आगामी सुधार की ओर इंगित करती है। मुझे लगता है कि एक समान सुधार आ रहा है, न कि इसलिए कि एआई खराब है, बल्कि इसलिए कि वही गतिविधि जिसने बादल प्रत्यावर्तन का उत्पादन किया, यहां भी लागू होती है। यह आ रहा है क्योंकि संगठन अपने स्वयं के वातावरण में एआई-संचालित कार्य प्रवाह में धकेल रहे हैं, बिना यह जाने कि कहानी कैसे समाप्त होती है। अपनाने-मात्रा अंतर मापने योग्य है: मैककिंसे पाता है कि 88% संगठन अब नियमित रूप से कम से कम एक कार्य में एआई का उपयोग रिपोर्ट करते हैं, फिर भी अधिकांश अभी भी पायलटिंग कर रहे हैं और केवल लगभग 39% एंटरप्राइज़-स्तरीय ईबीआईटी प्रभाव की रिपोर्ट करते हैं।

बिना रणनीति के इतनी कठिन धक्का देने से निर्णय लेना नहीं है। वह सुधार आता है। यह हमेशा ऐसा होता है। आप बिना रणनीति के इतनी कठिन धक्का देते हैं, और अंततः आर्थिक और संचालन वास्तविकता एक निर्णय लेने के लिए मजबूर करती है।

सुधारात्मक पैटर्न के लिए पहले से ही एक नाम है, और यह मेरा नहीं है। एआई प्रत्यावर्तन, संभाव्यता एआई प्रणालियों से विशिष्ट कार्यों को हटाने और उन्हें निर्धारित कार्य प्रवाह में वापस लाने की प्रक्रिया, एक概念 नहीं है जिसे मैंने आविष्कार किया है। यह एक पैटर्न है जिसे मैं अनविकसित देख रहा हूं। मैं इसे देखने वाला अकेला नहीं हूं: गार्टनर का अनुमान है कि 2027 के अंत तक 40% से अधिक एजेंटिक एआई परियोजनाएं रद्द हो जाएंगी, जिसमें बढ़ती लागत, अस्पष्ट व्यवसाय मूल्य, और अपर्याप्त जोखिम नियंत्रण का हवाला दिया जाएगा।

एआई सुधार कैसा दिखता है

सुधार की भविष्यवाणी करने के लिए, साफ परिभाषाएं होना मददगार है जो दो प्रकार के कार्य प्रवाह शामिल हैं।

एक निर्धारित कार्य प्रवाह नियम-आधारित, अनुमानित, और पुनरावृत्ति है। समान इनपुट और समान नियम समान आउटपुट का उत्पादन करते हैं, हर समय। यह तेज है, यह तय है। यह ठीक वही करता है जो यह करने के लिए डिज़ाइन किया गया है, न कि अधिक, न ही कम। एक संभाव्यता कार्य प्रवाह एआई या मॉडल-आधारित तर्क का उपयोग संदर्भ की व्याख्या करने और एक संभावित उत्तर का उत्पादन करने के लिए करता है। यह तब उपयोगी होता है जब प्रक्रियाओं में अस्पष्टता, असंरचित जानकारी, या निर्णय लेने की आवश्यकता होती है जहां निश्चित नियम टूट जाते हैं और अनुमान भार उठाते हैं।

परिभाषाओं को निर्धारित करने के साथ, समय प्रश्न स्वयं का उत्तर देता है। संभाव्यता कार्य प्रवाह अक्सर शुरुआत में सही उपकरण होते हैं जब प्रक्रियाएं पूरी तरह से समझ में नहीं आती हैं। वे तब समस्याग्रस्त हो जाते हैं जब कंपनियां उन्हें तब उपयोग करती हैं जब प्रक्रियाएं स्पष्ट हो जाती हैं।

एक कंक्रीट कार्य प्रवाह उस प्रारंभिक-विरुद्ध-देर से अंतर को स्पष्ट करता है। कार्य प्रवाह का एक हिस्सा वास्तव में एआई की आवश्यकता है। एक कॉल ट्रांसक्रिप्ट से सही खाते की पहचान करना, उदाहरण के लिए, एक निर्धारित प्रणाली जो नहीं कर सकती है जो अनुमान लगाती है। अन्य भाग, एक रिकॉर्ड से एक फ़ाइल संलग्न करना या स्लैक में एक अधिसूचना पोस्ट करना, निर्धारित कार्य हैं। एक निश्चित नियम, एक सीधा एपीआई कॉल, हर समय एक ही आउटपुट है। मैं इसे खुद के लिए दोषी मानता हूं: मैं वर्तमान में एक आंतरिक स्वचालन बना रहा हूं जो कॉल ट्रांसक्रिप्ट, सीआरएम में जानकारी मार्ग, कार्रवाई आइटम सौंपता है, और स्लैक में अपडेट धक्का देता है।

पूरे चीज़ को एआई के माध्यम से चलाने की लालसा है, और उस लालसा में एक वास्तविक, आवर्ती बोझ है। जबकि एआई-मध्यस्थता वाले कॉल चलाने की लालसा है, हर एआई कॉल लेटेंसी को पेश करता है और उपयोग और बुनियादी ढांचे की लागत को वहन करता है। एआई प्रणालियों को निगरानी की आवश्यकता है, प्रॉम्प्ट प्रबंधन, और गार्डरेल, क्योंकि अंतर्निहित मॉडल लगातार (और अप्रत्याशित रूप से) इसके मालिक द्वारा विकसित किया जा रहा है। आप कभी नहीं जानते कि यह कब अलग तरह से प्रदर्शन करना शुरू कर देगा; आउटपुट विभिन्न तरीकों से भिन्न हो सकते हैं जो बड़े पैमाने पर शासन संबंधी समस्याएं पैदा करते हैं।

पर्याप्त दूर खेलने के लिए, वह बोझ शुद्ध अपशिष्ट में बदल जाता है। एक कंपनी के बारे में सोचें जो 50,000 समर्थन टिकटों का विश्लेषण करने के लिए एआई का उपयोग कर रही है। एआई पांच सबसे सामान्य समाधान पथों की पहचान करता है। पहले, एआई संभाव्यता के साथ मार्ग को संभालता है: प्रत्येक टिकट पढ़ना और एक निर्णय लेना। समय के साथ, कंपनी उन पैटर्न को मान्य करती है। समाधान पथ अब ज्ञात हैं। उन्हें निर्धारित कार्य प्रवाह शाखाओं में बदलना एआई को प्रक्रिया से हटा नहीं देता है, लेकिन यह अतिरिक्त अभ्यास को हटा देता है जो एआई को भुगतान करने के लिए भुगतान करता है जो अब ज्ञात हैं।

यह संभाव्यता कर है: ज्ञात उत्तरों को पुनः खोजने के लिए एआई के रूप में चलाने के लिए जोड़ा गया लागत, लेटेंसी, और शासन बोझ।

परिपक्व संचालन मॉडल कैसा दिखता है

यदि हल किए गए कार्य पर एआई चलाना एक कर है, तो परिपक्व कदम कार्य को प्रकार द्वारा विभाजित करना है। बादल परिपक्वता ने हाइब्रिड बुनियादी ढांचे का उत्पादन किया, बादल जहां यह अपनी जगह अर्जित करता है, समर्पित बुनियादी ढांचा हर जगह else। मैं भविष्यवाणी करता हूं कि एआई परिपक्वता हाइब्रिड संचालन का उत्पादन करेगी जिसमें समान तर्क है।

वह विभाजन एक स्पष्ट संचालन नियम का उत्पादन करता है। संभाव्यता प्रणालियां तब मूल्यवान होती हैं जब वास्तविक अस्पष्टता मौजूद होती है। मानव अस्पष्ट हैं। असंरचित डेटा अस्पष्ट है। प्रक्रियाएं जो अभी तक पूरी तरह से समझ में नहीं आई हैं अस्पष्ट हैं। अनुमान सभी के लिए सही उपकरण है। नियम का दूसरा आधा हिस्सा उतना ही महत्वपूर्ण है: निर्धारित प्रणालियां तब मायने रखती हैं जब पैमाने, लागत, गति, और शासन मायने रखते हैं। संभाव्यता परत खोजती है और व्याख्या करती है। निर्धारित परत निष्पादित करती है।

जमीन पर, दो संकेत आपको बताते हैं कि एक दिया गया कार्यभार किस तरफ है:

1. यदि आप अपनी टीम को कुछ ऐसा करने के लिए एआई पर निर्भर पाते हैं जो स्थिर, पुनरावृत्ति और अच्छी तरह से समझ में आया है, तो यह निर्धारित कार्य पर एक संभाव्यता कर का भुगतान कर रहा है।
2. यदि आप अपने निर्धारित कोड को अपवाद हैंडलर और परिवर्तनशीलता विचारों से भरा हुआ पाते हैं, तो यह एक संकेत है कि आपको वास्तव में एआई की आवश्यकता हो सकती है। नियम सेट अनुमान की ओर बढ़ रहा है।

प्रैक्टिस में, वह सीमा अक्सर एक विश्वास अंतराल के रूप में खींची जाती है। मॉडल 90% से अधिक निश्चित होने पर एक निर्णय के लिए प्रतिबद्ध होना, या इसके नीचे सुंदर रूप से विफल होना, अक्सर वह सीमा है जहां यह अभ्यास में खींची जाती है।

जो वास्तव में एआई के साथ जीतने की आवश्यकता को पुनः परिभाषित करता है। एआई को अपनाने वाली सबसे सफल कंपनियां वे नहीं होंगी जो इसका सबसे अधिक उपयोग करती हैं, लेकिन वे जो जानते हैं कि कब इसका उपयोग करना है और कब इसकी पूरक करना है।