साक्षात्कार
अरुण कुमार रामचंद्रन, क्यूबर्स्ट के सीईओ – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
अरुण कुमार रामचंद्रन, क्यूबर्स्ट के सीईओ, एक अनुभवी प्रौद्योगिकी और सेवा कार्यकारी हैं जिनके पास 25+ वर्षों का नेतृत्व अनुभव है, जिसमें वैश्विक परामर्श, बड़े सौदों की बिक्री, पी एंड एल स्वामित्व और उद्यम परिवर्तन शामिल हैं। उन्होंने अप्रैल 2025 में सीईओ के रूप में पदभार संभाला और व्यवसाय के पार सभी क्यूबर्स्ट का नेतृत्व करने और एक एआई-नेतृत्व वाली प्रौद्योगिकी सेवाओं और डिजिटल इंजीनियरिंग फर्म के रूप में इसकी रणनीति को आकार देने के लिए जिम्मेदार हैं। क्यूबर्स्ट से पहले, उन्होंने हेक्सावेयर टेक्नोलॉजीज (राष्ट्रपति और जेनएआई परामर्श नेतृत्व सहित), कैपजेमिनी/सोगेटी (कार्यकारी क्लाइंट और बिक्री नेतृत्व), और इंफोसिस और वर्टुसा में वरिष्ठ भूमिकाएं निभाईं, जहां उन्होंने व्यवसाय इकाइयों का निर्माण और स्केल किया, प्रमुख रणनीतिक कार्यक्रमों का नेतृत्व किया और कई भौगोलिक और उद्योग ऊर्ध्वाधर में वृद्धि की।
(HEXT.BO )क्यूबर्स्ट एक वैश्विक डिजिटल इंजीनियरिंग भागीदार है जो “हाई एआई-क्यू” के आसपास स्थित है, जो एआई-सक्षम वितरण के साथ लागू एआई और डेटा-चालित दृष्टिकोणों को जोड़ती है ताकि उद्यमों को आधुनिक बनाने, बनाने और बढ़ाने में मदद मिल सके। कंपनी अंत-से-अंत डिजिटल अनुभव इंजीनियरिंग, आधुनिकीकरण और उत्पाद इंजीनियरिंग पर जोर देती है – ग्राहकों को पहलों के साथ समर्थन करती है जैसे कि घटक डिजिटल प्लेटफ़ॉर्म, वार्तालाप और ग्राहक अनुभव समाधान, और एआई-तैयार डेटा फाउंडेशन – जो उत्पादकता में सुधार, तेजी से वितरण और एक व्यापक अंतरराष्ट्रीय ग्राहक आधार में मजबूत ग्राहक अनुभव जैसे मापनीय परिणामों का उत्पादन करने के लिए है।
आपने हेक्सावेयर, कैपजेमिनी, इंफोसिस और अन्य वैश्विक संगठनों में एक लंबे नेतृत्व करियर के बाद क्यूबर्स्ट में सीईओ की भूमिका संभाली है। आपको क्यूबर्स्ट में इस पल में इसकी वृद्धि में क्या आकर्षित किया, और आपकी पृष्ठभूमि कंपनी को आगे बढ़ाने के लिए आपके दृष्टिकोण को कैसे आकार देती है?
क्यूबर्स्ट में शामिल होने का निर्णय एक अवसर और संभावना का संगम था। मुझे क्यूबर्स्ट में जो आकर्षित किया वह इसकी आंतरिक ताकत और एक अद्वितीय बाजार की संभावना का संयोजन था। क्यूबर्स्ट की उद्यमी संस्कृति और कटिंग-एज तकनीक के साथ मांग वाले ग्राहकों को वितरित करने में इसकी सफलता ने मुझे प्रभावित और आकर्षित किया।
प्रौद्योगिकी, उद्योगों और नियमों में विघटनकारी परिवर्तनों और बदलते वातावरण के साथ, एक केंद्रित और विभेदित फर्म जैसे क्यूबर्स्ट के पास एक पीढ़ी में एक बार का अवसर है पैक से बाहर निकलने और एक नए प्रौद्योगिकी और इंजीनियरिंग सेवाओं के लिए एक नया वितरण मॉडल बनाने के लिए।
प्रौद्योगिकी-संचालित परिवर्तन में 25 वर्षों से अधिक के अनुभव के साथ, आपका अनुभव आज एक एआई-नेतृत्व वाली सेवा मंच को स्केल करने के तरीके से आपकी सोच को कैसे प्रभावित करता है?
मैंने देखा है कि मुख्य नवाचार और अपनाना तब होता है जब हYPE चक्र ठंडा हो जाता है और वास्तविक व्यवसायिक समस्याएं उद्यम स्तर पर हल होने लगती हैं। एआई-नेतृत्व वाली सेवा मंच को स्केल करने के संदर्भ में मैं तीन विशिष्ट बिंदुओं पर जोर देना चाहूंगा।
1. पीओसी स्टेज को पार करना।
मैं आज जो सबसे बड़ी चुनौती देखता हूं वह पीओसी स्टेज को पार करना है। स्केलिंग के लिए मानसिकता में परिवर्तन की आवश्यकता है: हम केवल एआई नहीं बनाते हैं; हम उत्पादन-ग्रेड समाधान प्रदान करते हैं। क्यूबर्स्ट में, हम ग्राहकों को पीओसी स्टेज से आगे बढ़ने में मदद करते हैं लचीलेपन पर ध्यान केंद्रित करके – नए मॉडल को बड़े संदर्भ विंडो के साथ अपनाने के बजाय कल की तकनीक में बंद होने के बजाय।
2. कोई एआई बिना मजबूत नींव के।
एक सबक जो मैंने हर तकनीकी चक्र में ले लिया है – 2009 में मोबाइल के शुरुआती दिनों से लेकर क्लाउड क्रांति तक – यह है कि आप अव्यवस्था को स्वचालित नहीं कर सकते। एआई केवल उतना ही शक्तिशाली है जितना कि इसे खिलाने वाला डेटा। क्यूबर्स्ट डिजिटल आधुनिकीकरण और उन्नत डेटा इंजीनियरिंग जैसे “बोरिंग लेकिन आवश्यक” काम को सुनिश्चित करके विकास को बढ़ावा दे रहा है।
3. ‘हाई एआई-क्यू’ दृष्टि।
इस परिवर्तन का नेतृत्व करने के लिए, हमने खुद को ‘हाई एआई-क्यू’ कंपनी के रूप में पुनः स्थापित किया है। यह जनरेटिव एआई और एजेंटिक एआई को हमारी सभी मूल सेवाओं में एकीकरण को दर्शाता है, जो एआई-मूल उद्यम परिवर्तन को बढ़ावा देता है। क्यूबर्स्ट में, एआई एक अतिरिक्त विशेषता नहीं है; यह हमारी रणनीति और वितरण का मूल कपड़ा है। यह कस्टम मशीन लर्निंग मॉडल को बुद्धिमान स्वचालन के साथ मिलाता है ताकि यह सुनिश्चित किया जा सके कि जैसे ही व्यवसाय बढ़ता है, इसकी बुद्धिमत्ता भी उसके साथ बढ़े।
हम एंड्रॉइड के उदय से ही अग्रणी रहे हैं, और हम उसी प्रकार के प्रोएक्टिव डीएनए को लागू करके एआई युग में अग्रणी बनने जा रहे हैं। क्यूबर्स्ट में, हम केवल एक तकनीक-पहले कंपनी नहीं हैं; हम एक परिणाम-पहले भागीदार हैं जिसकी वृद्धि ग्राहक संतुष्टि से चलती है।
आपने ‘हाई एआई-क्यू’ को क्यूबर्स्ट के लिए एक परिभाषित ढांचे के रूप में जोर दिया है। उद्यम नेताओं को इस अवधारणा की व्याख्या कैसे करनी चाहिए, और यह वर्तमान एआई परिदृश्य में एक महत्वपूर्ण विभेदक क्यों है?
क्यूबर्स्ट की ‘हाई एआई-क्यू’ यात्रा एक जानबूझकर निर्णय है: एआई-ड्रIVEN एसडीएलसी के साथ परिचालन परत पर तेजी से चलना, और प्रबंधित एजेंटों के साथ रणनीतिक परत पर बड़े कदम। सबसे महत्वपूर्ण बात यह है कि यह पूरे उद्यम को संस्कृति, मूल्यों और मानव क्षमता के स्थिर, आधारभूत परिवर्तन में निहित करता है।
एआई के बारे में जोखिम और चिंताएं हैं, लेकिन यदि इसे सुरक्षित रूप से लागू किया जाए, तो एआई बहुतायत और नवाचार पैदा कर सकता है। उद्यम उत्पादकता के साथ-साथ विकास और परिवर्तन में भी मूल्य देखेंगे।
वितरण के दृष्टिकोण से, हम इसे दैनिक रूप से अपने एआई-ड्रIVEN एसडीएलसी ढांचे के माध्यम से देख रहे हैं। यह परिवर्तन का “कैसे” है, जहां हमने विकास के हर चरण में एआई को एम्बेड किया है, उपयोगकर्ता कहानी पीढ़ी से लेकर स्व-चिकित्सा परीक्षण स्क्रिप्ट तक। परिणाम खुद बोलते हैं:
- समय-से-बाजार: विकास और परीक्षण चक्रों में महत्वपूर्ण कमी।
- गुणवत्ता: पोस्ट-रिलीज़ दोषों में 25-35% की उल्लेखनीय कमी।
- कुशलता: समग्र वितरण में 20-30% की स्थिर सुधार।
रणनीतिक परत वह है जहां हम भागों को अनुकूलित करने से परे पूरे पारिस्थितिकी तंत्र को अनुकूलित करते हैं। इसके लिए हमारे समाधान स्तंभों की पुनः सोच की आवश्यकता थी, जिससे प्रबंधित एजेंटों का निर्माण हुआ, जो एंटरप्राइज़ एजेंटिक एआई और प्रबंधित सेवाओं का संयोजन है। हमारे ग्राहकों के लिए, इसका अर्थ है कि एआई एजेंट फ्रंट-एंड और बैक-एंड कार्यों, कार्य प्रवाहों और संचालन को संभालते हैं, जो दोनों कुशलता और निरंतर नवाचार को बढ़ावा देते हैं। हम केवल सेवाएं प्रदान नहीं कर रहे हैं; हम एक निर्बाध मूल्य नेटवर्क का संचालन कर रहे हैं।
कई उद्यम जेनएआई पायलटों पर महत्वपूर्ण राशि खर्च कर रहे हैं जो स्केल नहीं करते हैं या मूल्य उत्पन्न नहीं करते हैं। इस समस्या के मूल कारण क्या हैं, और संगठन इस पैटर्न से कैसे बाहर निकल सकते हैं?
उद्यम “एआई ऋण” जमा करते हैं जब जेनएआई निवेश पायलटों पर रुक जाते हैं और वास्तविक व्यवसाय मूल्य में नहीं बदलते हैं। जड़ का कारण जो हम “रेट्रोफिटिंग ट्रैप” कहते हैं – जेनएआई क्षमताओं को विरासत प्रणालियों पर बोल्ट करने का प्रयास जो एआई-मूल प्रवाह का समर्थन करने के लिए डिज़ाइन नहीं किए गए थे। इन वातावरण में, डेटा, वास्तुकला और शासन बस तैयार नहीं हैं, इसलिए पायलट स्केल पर ठप हो जाते हैं या टूट जाते हैं।
इसके अलावा, एक आधारभूत तैयारी की कमी है। कई संगठन डेटा रणनीति, डेटा इंजीनियरिंग और शासन में आवश्यक निवेश को छोड़कर जेनएआई प्रयोग में जल्दी हैं। बिना आधुनिक डेटा फाउंडेशन और स्पष्ट नियंत्रण ढांचे के, जेनएआई पहल उद्यम क्षमताओं के बजाय अलग-अलग प्रमाण के रूप में रहती हैं।
इस पैटर्न को तोड़ने के लिए एआई-पहले डिजाइन में स्थानांतरण की आवश्यकता है। एआई कहां जोड़ा जा सकता है, इसके बजाय संगठनों को दिन एक से एआई परिणामों के साथ प्रणालियों को डिजाइन करना चाहिए। यह डेटा इंजीनियरिंग से शुरू होता है। आगे की ओर देखते हुए जेनएआई-आधारित उपकरणों के साथ डेटा फाउंडेशन को आधुनिक बनाना तेजी से और सीधा हो गया है।
पारंपरिक समय और सामग्री अनुबंध मॉडल एआई-संचालित दक्षता की वास्तविकताओं के साथ बढ़ती तरह से असंगत देखा जा रहा है। यह मॉडल क्यों पुराना हो रहा है, और “प्रबंधित एजेंट” या “सेवा-ए-सॉफ़्टवेयर” जैसे दृष्टिकोण एआई-संचालित उद्यम आईटी के लिए एक अधिक स्थायी मार्ग प्रदान कर सकते हैं?
पारंपरिक समय और सामग्री मॉडल संसाधन की कमी के युग के लिए बनाया गया था, जहां मूल्य मानव प्रयास से直接 जुड़ा होता था। एआई युग में, यह धारणा अब लागू नहीं होती है। बुद्धिमत्ता और निष्पादन अब बहुतायत में हैं, और जैसे ही बहुतायत बढ़ती है, मूल्य प्रयास से परिणामों में स्थानांतरित हो जाता है। एआई मूल रूप से प्रति घंटे की बिलिंग के तर्क को तोड़ता है।
यही कारण है कि उद्योग परिणाम-आधारित मॉडल की ओर बढ़ रहा है। टिकटों को मानव हस्तक्षेप के बिना हल किया जाना या एआई द्वारा एंड-टू-एंड किए गए कार्य प्रवाह जैसे मेट्रिक्स स्पष्ट, मापनीय मूल्य प्रदान करते हैं। इन मॉडलों में क्षमता को श्रम के बजाय सॉफ़्टवेयर के रूप में माना जाता है, जिसे “सेवा-ए-सॉफ़्टवेयर” के रूप में वर्णित किया जा सकता है।
प्रबंधित एजेंट और सेवा-ए-सॉफ़्टवेयर जैसे दृष्टिकोण एक अधिक स्थायी मार्ग प्रदान कर सकते हैं। वे प्रयास के लिए भुगतान करने के बजाय बुद्धिमान परिणामों के लिए भुगतान करने पर ध्यान केंद्रित करते हैं, जो भविष्यवाणी योग्य लागत, निरंतर सुधार और स्वचालन से साझा लाभ की अनुमति देते हैं। प्रबंधित एजेंट मानव इंजीनियरों और एआई एजेंटों को व्यावसायिक लक्ष्यों की ओर काम करने की अनुमति देते हैं, जबकि सेवा-ए-सॉफ़्टवेयर मूल्य को परिणामों के माध्यम से मापने योग्य बनाता है, न कि बिताए गए घंटों के माध्यम से।
आपकी ‘हाई एआई-क्यू’ विधि टैलेंट, एप्लिकेशन और इम्पैक्ट के तीन महत्वपूर्ण परतों पर जोर देती है। जेनएआई पहल को स्केल करने से पहले सीआईओ अपनी परिपक्वता का मूल्यांकन कैसे कर सकते हैं?
जेनएआई को स्केल करने से पहले, सीआईओ को प्रतिभा, अनुप्रयोग और प्रभाव की तीन ‘हाई एआई-क्यू’ परतों में परिपक्वता का स्पष्ट दृष्टिकोण प्राप्त करने की आवश्यकता है और न कि केवल प्रौद्योगिकी स्टैक।
प्रतिभा परत पर, परिपक्वता लोगों की तैयारी के बारे में है। सीआईओ को एआई कौशल, परिवर्तन के प्रति खुलापन और कर्मचारियों की सुरक्षित, नियंत्रित पहुंच का मूल्यांकन करना चाहिए जो सुरक्षित प्रयोग को सक्षम बनाता है।
अनुप्रयोग परत पर, ध्यान डेटा और शासन मूलभूत बातों पर केंद्रित है, जैसे कि डेटा गुणवत्ता, वास्तुकला, सुरक्षा और एलएलएम एक्सेस और एआई विकास अभ्यासों पर नीतियों और गार्डरेल की परिपक्वता।
प्रभाव परत पर, सीआईओ को प्रयास बनाम व्यवसाय मूल्य द्वारा उपयोग के मामलों का मूल्यांकन करना चाहिए। कम प्रयास, उच्च प्रभाव के अवसरों की पहचान करने से शुरुआती जीत और जेनएआई को स्केल करने के लिए एक पुनरावृत्त दृष्टिकोण का समर्थन मिलता है।
विरासत वास्तुकला पर अभी भी काम कर रहे संगठनों के लिए, एजेंटिक कार्य प्रवाह और एआई-मूल वितरण मॉडल के लिए तैयार करने के लिए कौन से मूलभूत आधुनिकीकरण कदम आवश्यक हैं?
विरासत वास्तुकला पर काम करने वाले संगठनों के लिए, तीन कदम हैं जो एजेंटिक कार्य प्रवाह के लिए तैयारी में मदद कर सकते हैं।
-
डेटा फाउंडेशन मॉडर्नाइजेशन को प्राथमिकता दें: विरासत वास्तुकला पर काम करने वाले संगठनों के लिए पहला कदम डेटा फाउंडेशन को आधुनिक बनाना है ताकि एजेंटों को संदर्भ से भरपूर, व्याख्या योग्य डेटा मिल सके जिसकी उन्हें आवश्यकता है। जेनएआई-आधारित उपकरणों के आगमन ने इस आधुनिकीकरण को तेजी से और सीधा बना दिया है।
-
एंटरप्राइज़ ज्ञान परतें स्थापित करें: जिन संगठनों ने अपनी प्रणालियों को आधुनिक नहीं किया है, उनके पास बहुत सारा जमा ज्ञान है जो दस्तावेजीकृत नहीं है। इस अस्थायी जमा ज्ञान को प्रणाली के भीतर कैप्चर करने के लिए ज्ञान परतें बनाना दूसरा उच्च-प्राथमिकता वाला कार्य है। यह कई संगठनों की एआई अपनाने की यात्रा में缺की गई परत है।
-
एजेंट सीमाओं और कार्य तरीकों को परिभाषित करें: तीसरा कदम यह सुनिश्चित करना है कि एजेंट वर्तमान में संगठन द्वारा अपनाई जाने वाली सभी सर्वोत्तम प्रथाओं और सुरक्षा अनुपालन का पालन करते हैं। शासन ढांचे, सुरक्षा नीतियों और दृश्यता ढांचे एजेंटों को सीमाओं के भीतर और संगठन के काम के तरीके से प्रभावी ढंग से सोचने और कार्य करने में सक्षम बनाते हैं।
“एआई तैयारी” के लिए तैयारी करने में, इसके लिए टूलिंग से परे क्या आवश्यक है – डेटा, प्रक्रियाओं, शासन और टीम क्षमताओं के संदर्भ में?
एआई तैयारी टूलिंग का चयन करने से बहुत आगे निकल जाती है। वास्तव में, एआई अपनाना तब तक सफल नहीं हो सकता जब तक कि एक संगठन अपने आदिम ज्ञान को पकड़ नहीं लेता, जैसे कि अवritten प्रक्रियाएं, निर्णय तर्क और महत्वपूर्ण संबंध जो केवल कर्मचारियों के दिमाग में मौजूद होते हैं। यह ज्ञान एआई प्रणालियों द्वारा तर्कसंगत होने के लिए प्राकृतिक भाषा में दस्तावेजीकृत किया जाना चाहिए, न कि केवल डेटा को अलग से संसाधित करना चाहिए।
डेटा तैयारी भी महत्वपूर्ण है, लेकिन गुणवत्ता पर्याप्त नहीं है। जो वास्तव में सफलता को निर्धारित करता है वह मेटाडेटा है जिसमें डेटा के पीछे का संदर्भ, वंश और अर्थ शामिल है। इसके बिना, यहां तक कि सबसे उन्नत मॉडल भी उथले या अविश्वसनीय परिणाम उत्पन्न करते हैं।
एआई को अपनाने में उद्यम उपभोक्ता एआई से पीछे रह जाता है: शासन, सुरक्षा और अनुपालन गैर-विचारणीय हैं। ये बाधाएं नहीं हैं जिन्हें काम के चारों ओर किया जाना चाहिए, बल्कि आवश्यकताएं हैं जिन्हें निर्मित किया जाना चाहिए। संगठनों को विश्वास ढांचे स्थापित करना चाहिए जिसमें गार्डरेल, जेनएआई दृश्यता, व्याख्या और मानव-इन-द-लूप कार्य प्रवाह शामिल हैं ताकि यह सुनिश्चित किया जा सके कि एआई आउटपुट सुरक्षित, पुनरावृत्ति और सटीक हैं।
अंत में, टीमों को एआई साक्षरता विकसित करनी चाहिए। तैयारी का अर्थ है कर्मचारियों को एआई साक्षरता में प्रशिक्षित करना ताकि वे प्रभावी ढंग से प्रेरित कर सकें, परिणामों को सत्यापित कर सकें और आउटपुट को ऑडिट कर सकें, न कि केवल एक “ब्लैक बॉक्स” पर आंखें मूंदकर भरोसा करें। एआई तब सबसे अच्छा काम करता है जब मानव दृढ़ता से लूप में रहते हैं।
प्रौद्योगिकी सेवा क्षेत्र विरासत खिलाड़ियों से भरा हुआ है। क्यूबर्स्ट के लिए आपके सबसे मजबूत विभेदक क्या हैं जब उद्यम परिवर्तन जनादेश के लिए प्रतिस्पर्धा की जा रही हो?
क्यूबर्स्ट गहरी इंजीनियरिंग विशेषज्ञता को एक छोटे, नवाचार-संचालित फर्म की लचीलेपन के साथ जोड़कर एक भीड़-भरे प्रौद्योगिकी सेवा बाजार में खुद को अलग करता है।
हमारा प्रतिस्पर्धी लाभ पांच कुंजी स्तंभों द्वारा परिभाषित किया जाता है:
-
इंजीनियरिंग गहराई के साथ डिजाइन सोच – हम केवल कोड नहीं लिखते हैं; हम व्यावसायिक समस्याओं को हल करने के लिए समग्र, उपयोगकर्ता-केंद्रित समाधान प्रदान करते हैं।
-
लचीलापन और स्वामित्व – हम इतने बड़े हैं कि हम स्केल कर सकते हैं लेकिन इतने पतले हैं कि हम देखभाल कर सकते हैं – हमारी लचीलापन और तेजी से बदलावों के अनुकूलन के लिए हमारे ग्राहकों ने गवाही दी है। हमारी टीमें वास्तविक ग्राहक सफलता का स्वामित्व लेती हैं। आप देखेंगे कि वितरण स्वामित्व वरिष्ठ नेतृत्व स्तर तक चलता है।
-
सांस्कृतिक फ्लूएंसी: चाहे वह जापान में लाइन मिनी-एप्स हों या अमेरिकी किराने की दुकानों के लिए एकीकृत मूल्य निर्धारण प्रणाली, हम न केवल तकनीक को अनुकूलित करते हैं – हम अनुभव को भी बाजार के अनुसार अनुकूलित करते हैं।
-
एआई-पहले दृष्टि – हम अपनी डिलीवरी में, हमारे संचालन में, और हमारे ग्राहक समाधानों में एआई को एम्बेड कर रहे हैं – एक बाजवورد के रूप में नहीं, बल्कि एक क्षमता गुणक के रूप में।
-
नवाचार और प्रयोग की संस्कृति – हमारे नेता तकनीक-सवvy हैं और नवीनतम और उभरती तकनीक का उपयोग करके ग्राहक समस्याओं का समाधान करना पसंद करते हैं। हम विफलता से नहीं डरते हैं और कई मामलों में एक स्टार्टअप दृष्टिकोण बनाकर अपने ग्राहकों के लिए महत्वपूर्ण प्रभाव पैदा किया है।
हम अपने आप को भी बाधित करने से नहीं हिचकिचाते हैं। हम परिणाम-आधारित मॉडल, संग्रहणीय वितरण ढांचे, और उद्यम ग्राहकों के लिए सह-नवाचार प्रयोगशालाओं के साथ प्रयोग कर रहे हैं।
आगे देखते हुए तीन से पांच साल, आप एआई-संचालित उद्यम आईटी के लिए कैसे देखते हैं कि वे एजेंटिक कार्य प्रवाह और एआई-मूल संगठनों के उदय के साथ कैसे विकसित होंगे, और नेताओं को अब क्या तैयारी करनी चाहिए?
आगामी नवाचार की लहर उन लोगों की होगी जो शक्तिशाली एआई क्षमताओं को सावधानीपूर्वक नियंत्रण, पर्यवेक्षण और विश्वास प्रणालियों के साथ जोड़ सकते हैं। यही कारण है कि उद्यम एजेंटिक ढांचे के बारे में उभरती हुई बातचीत इतनी महत्वपूर्ण और इतनी जरूरी लगती है।
मेरे लिए कुछ प्रमुख अंतर्दृष्टि हैं:
- एआई डेटा सेंटर निर्माण तेजी से बढ़ रहा है, धीमा नहीं; डेटा सेंटर दुनिया में भावना अत्यधिक आशावादी है, जिसमें क्षमता, मांग और निवेश सभी बढ़ रहे हैं।
- उद्यम एआई अपनाना उपभोक्ता एआई की तुलना में धीमा होगा (संगठनात्मक डेटा अक्सर गंदा, खंडित और कई प्रणालियों में वितरित होता है, न कि साफ और केंद्रीकृत; आज के मॉडल विशिष्ट कंपनी स्थितियों और कार्यों के लिए पर्याप्त सटीक नहीं हैं; वास्तविक मूल्य अनलॉक करने के लिए, मॉडलों को प्रोप्राइटरी उद्यम डेटा पर प्रशिक्षित और फाइन-ट्यून किया जाना चाहिए, विशेष रूप से विशिष्ट कार्य प्रवाह और उपयोग के मामलों के “अंतिम मील” में)।
- वास्तव में स्वायत्त एजेंट उद्यम में पनप सकते हैं, एक बड़ा चुनौती है: कर्मचारियों के लिए मौजूदा पर्यवेक्षी संरचनाओं, अनुमोदन और गार्डरेल के समतुल्य का निर्माण – जो मानव कार्यबल को विश्वसनीय रूप से निष्पादित करने और स्केल करने की अनुमति देता है।
नेताओं को निम्नलिखित बातों का ध्यान रखना चाहिए:
- एजेंटों को नए भर्ती के रूप में माना जाना चाहिए, स्पष्ट रूप से परिभाषित दायरे के साथ, स्पष्ट पर्यवेक्षण और त्रुटियों को सीमित करने के लिए तंत्र जबकि वे “सीखते हैं” संगठन के लिखित और अलिखित नियमों को।
- एक “एजेंट बस” या समन्वय परत की आवश्यकता है जहां एजेंट पंजीकरण करते हैं, लिखने की अनुमति प्राप्त करते हैं और उनकी क्रियाएं पर्यवेक्षी एजेंटों द्वारा निगरानी की जाती हैं।
- मानव संगठनों को मजबूत बनाने वाले जांच और संतुलन को पुनर्निर्माण करना एजेंटिक उद्यम दुनिया में सुरक्षित, सटीक और विश्वसनीय निष्पादन प्राप्त करने के लिए महत्वपूर्ण होगा।
- मानव प्रतिभा और फिर से कौशल का प्रबंधन एक और महत्वपूर्ण पहलू है क्योंकि मानव-एआई इंटरफेस और सहयोग एजेंटिक प्रणालियों और ढांचे के साथ बदलते हैं।
- एआई ऋण के बजाय दीर्घकालिक मूल्य सृजन की ओर बढ़ने के लिए संगठनों को डेटा इंजीनियरिंग पर ध्यान केंद्रित करने की आवश्यकता है।
- सबसे रोमांचक फ्रंटियर उन्नत उद्यम एजेंटिक ढांचों का उदय है – जो आज मौजूद हैं – जो इस दृष्टि को एक व्यावहारिक, स्केलेबल वास्तविकता में बदल सकते हैं, जब इसे मजबूत डोमेन समझ और समाधानों के साथ जोड़ा जाता है।
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें क्यूबर्स्ट पर जाना चाहिए।
