आर्टिफिशियल इंटेलिजेंस से रिसर्च, डेवलपमेंट और इनोवेशन में प्रभाव डालना

आर्टिफिशियल इंटेलिजेंस (एआई) रिसर्च, डेवलपमेंट और इनोवेशन (आर&D&I) को बदल रहा है, जिससे स्थायित्व, स्वास्थ्य सेवा, जलवायु परिवर्तन, और खाद्य एवं ऊर्जा सुरक्षा जैसी दुनिया की सबसे बड़ी चुनौतियों का सामना करने के लिए नए अवसर प्रदान हो रहे हैं, साथ ही संगठनों को बेहतर ढंग से नवाचार करने और नए उत्पादों और सेवाओं को लॉन्च करने में मदद मिल रही है।

आर&D&I में एआई नया नहीं है। हालांकि, जेनरेटिव एआई (GenAI) और बड़े भाषा मॉडल (LLMs) के उदय ने इसकी क्षमताओं को काफी बढ़ा दिया है, जिससे नवाचार और तेजी से प्रगति हो रही है।

संगठन अपने आर&D&I प्रयासों में एआई से कैसे लाभ उठा सकते हैं, और सफलता के लिए किन अच्छी प्रथाओं को अपनाना चाहिए? यह जानने के लिए, आर्थर डी लिटल (एडीएल) के ब्लू शिफ्ट इंस्टीट्यूट ने 40 से अधिक एआई प्रदाताओं, विशेषज्ञों और पрак्टिशनर्स के साथ एक व्यापक अध्ययन किया, साथ ही सार्वजनिक और निजी क्षेत्रों में 200 से अधिक संगठनों का सर्वेक्षण किया। परिणामी रिपोर्ट, यूरेका! ऑन स्टेरॉयड्स: एआई-ड्रिवन रिसर्च, डेवलपमेंट, और इनोवेशन, आर&D&I में एआई के वर्तमान परिदृश्य और भविष्य की दिशा का गहन विश्लेषण प्रदान करती है।

हमारा विश्लेषण पांच मुख्य क्षेत्रों पर केंद्रित है:

एआई आर&D&I में लाभ प्रदान करता है – लेकिन यह मानवों को प्रतिस्थापित नहीं करेगा

आर&D&I के हर निर्माण खंड में एआई का लाभ मिल सकता है, प्रौद्योगिकी और बाजार बुद्धिमत्ता से लेकर नवाचार रणनीति, विचार, पोर्टफोलियो और परियोजना प्रबंधन, और आईपी प्रबंधन तक। जब हम इन लाभों को समझने की कोशिश करते हैं, तो तीन मुख्य कारक सामने आते हैं:

• एआई शोधकर्ताओं को बढ़ावा देगा, उन्हें प्रतिस्थापित नहीं करेगा, जिससे उनके समय की बचत होगी और वे अधिक उत्पादक और रचनात्मक हो सकेंगे
• एआई उन असाध्य समस्याओं का समाधान करेगा जो पहले तकनीक की गति और स्केलिंग क्षमता के कारण नहीं की जा सकती थीं, जिससे नए नवाचार के मार्ग खुलेंगे
• एआई एक “योजनाकार-विचारक” की स्थिति में होगा, जो सामग्री निर्माण और खोज से परे जाकर ज्ञान प्रबंधक, परिकल्पना जनरेटर, और आर&D&I टीमों के सहायक की भूमिका निभाएगा।

जब किसी विशिष्ट आर&D&I उपयोग के मामले में एआई का उपयोग करने का निर्णय लेने की बात आती है, तो कोई एक मॉडल नहीं है जिसे लागू किया जा सके। एआई दृष्टिकोण को समझने के लिए संगठनों को दो कारकों पर ध्यान देने की आवश्यकता है – उपलब्ध डेटा का प्रकार और मात्रा (थोड़ा से लेकर बहुत अधिक तक) और पूछे जाने वाले प्रश्न की प्रकृति (खुले से लेकर विशिष्ट तक)। साथ ही, एक ही एआई दृष्टिकोण से इष्टतम परिणाम नहीं मिल सकता है – पिछले 15 वर्षों में उत्पादित अधिकांश राज्य-ऑफ-द-आर्ट बुद्धिमान प्रणालियां प्रणालियों की प्रणाली हैं।

सफलता के लिए आठ अच्छी प्रथाएं आवश्यक हैं

शोधकर्ताओं, एआई वैज्ञानिकों, संस्थापकों और डिजिटल, विनिर्माण, विपणन और आर&D&I टीमों में आर&D&I के प्रमुखों के साथ साक्षात्कार के आधार पर, हम आठ अच्छी प्रथाएं देखते हैं जो एआई की सफल तैनाती का समर्थन करती हैं। संगठनों को:

• तेजी से बदलते एआई वातावरण में टीमों को जल्दी से काम करने के लिए लचीली विधियों को अपनाना चाहिए
• डेटा गुणवत्ता, संगठन भर में सहयोग और प्रोप्राइटरी डेटा का लाभ उठाकर मजबूत नींव बनानी चाहिए
• मॉडल बनाने, खरीदने और फाइन-ट्यूनिंग के बीच रणनीतिक चुनाव करना चाहिए, जिसमें अक्सर बाद का दृष्टिकोण सबसे प्रभावी होता है
• प्रगति को सुनिश्चित करने के लिए प्रमाण-ऑफ-概念 परियोजनाओं में विश्लेषणात्मक व्यापार-बंद करने की आवश्यकता है, जैसे कि डेटा प्राप्त करने के लिए संश्लेषण के बीच, सटीकता के लिए रिकॉल, और अंडरफिटिंग के लिए ओवरफिटिंग
• उपलब्ध डेटा विज्ञान प्रतिभा का लाभ उठाने के लिए सक्रिय रहना चाहिए, जिसमें आवश्यक कौशल प्राप्त करने के लिए संगठन के बाहर साझेदारी करना शामिल हो सकता है
• सुरक्षा और अनुपालन के साथ प्रयोग की गति के बीच संतुलन बनाने के लिए आईटी के साथ संरेखित करना चाहिए
• शीघ्र लाभ प्रदर्शित करना और उपयोगकर्ता की खरीद प्राप्त करना चाहिए ताकि विश्वास बनाया जा सके और आगे के निवेश को अनलॉक किया जा सके
• प्रणाली के प्रदर्शन की निरंतर निगरानी और निगरानी करनी चाहिए, विशेष रूप से मॉडल सुधार के आसपास

3. प्रौद्योगिकी घटक अब स्थान पर हैं

जैसा कि अधिकांश एआई उपयोग के मामलों में, आर&D&I मूल्य श्रृंखला में तीन परतें शामिल हैं – बुनियादी ढांचा, मॉडल डेवलपर और अनुप्रयोग।

बुनियादी ढांचे के संदर्भ में, पर्याप्त कंप्यूटिंग शक्ति को लागू करने और बनाए रखने की लागत बड़ी है, लेकिन होस्टिंग प्रदाता बढ़ते हुए इन्फरेंस-ए-सर्विस मॉडल प्रदान कर रहे हैं, जो क्लाउड में चल रहे हैं और इन्फरेंस और प्रश्नों को हटा देते हैं, जिससे इन-हाउस बुनियादी ढांचे की आवश्यकता को हटा देते हैं, और लागत को कम करते हैं और एआई तक पहुंच को लोकतांत्रिक बनाते हैं।

आर&D&I में एआई के लिए मूल्य श्रृंखला मेटा, माइक्रोसॉफ्ट और एनवीडिया जैसे खिलाड़ियों से प्रमुख ओपन सोर्स मॉडल पर बहुत अधिक निर्भर करती है। हालांकि, छोटे खिलाड़ियों जैसे मिस्ट्रल और कोहेरे भी पारिस्थितिकी तंत्र का एक महत्वपूर्ण हिस्सा बनाते हैं, साथ ही अकादमिक संस्थान भी हैं।

अनुप्रयोग के अंत में, सामान्य और विशेषज्ञता वाले आर&D&I ऐप्स पहले से ही अधिकांश उपयोग के मामलों को पूरा करने के लिए बनाए जा चुके हैं, जिनमें से 500 से अधिक अब उपलब्ध हैं, जो पूरी आर&D&I प्रक्रिया को कवर करते हैं।

भविष्य अनिश्चित है – लेकिन परिदृश्य योजना समझने में मदद करती है

आर&D&I में एआई कैसे विकसित होगा, यह तीन मुख्य कारकों – प्रदर्शन, विश्वास और मूल्य – के परिणामों पर निर्भर करता है। इन कारकों को मिलाकर छह संभावित भविष्य के परिदृश्य हैं जो आर&D&I के हर पहलू को बदलने वाले एआई से लेकर केवल चयनित, कम जोखिम वाले उपयोग के मामलों में इसका उपयोग करने तक हैं। अधिकतम से न्यूनतम प्रभाव तक, ये परिदृश्य हैं:

• ब्लॉकबस्टर: एआई आर&D&I चक्र में शीर्ष पर है, जिससे संगठनों को बदलने की आवश्यकता है। डेटा नए फ्रंटियर बन जाता है।
• क्राउड-प्लीज़र: एआई सुविधाजनक, सस्ता और दैनिक उत्पादकता कार्यों के लिए अपनाया जाता है, लेकिन वैज्ञानिक/रचनात्मक मूल्य प्रदान करने में विफल रहता है।
• क्राउन ज्वेल: एआई उत्पादकता और वैज्ञानिक सफलता प्रदान करता है, लेकिन केवल उन संगठनों के लिए जो इसे खरीद सकते हैं – जिससे आर&D&I में दो गति की दुनिया बन जाती है।
• समस्या बाल: कुछ हॉलमार्क उपयोग के मामलों और सस्ती समाधानों के बावजूद, एआई अपने मूल्य को प्रदर्शित करने में विफल रहता है – आर&D&I संगठन डेटा सुरक्षा, नीतिशास्त्र और व्याख्या की कमी के बारे में चिंतित रहते हैं।
• बेस्ट-कीप्ट सीक्रेट: एआई के प्रदर्शन में सुधार होता है, लेकिन उच्च लागत संगठनों को अधिक जोखिम से बचाती है। कम विश्वास और लाल फीता अपनाने को सीमित करते हैं, जिससे नए साहसिक प्रयोग शुरू नहीं होते हैं।
• सस्ता और घटिया: एआई का व्यापक रूप से कम जोखिम वाले उपयोग के मामलों में उपयोग किया जाता है, लेकिन केवल एक प्रोटोटाइप या ब्रेनस्टॉर्मिंग टूल के रूप में। अविश्वसनीय प्रणालियों की सख्त जांच की जाती है, और आउटपुट की पुष्टि की जाती है, जिससे उत्पादकता लाभ सीमित हो जाते हैं।

इन परिदृश्यों को समझना आर&D&I संगठनों के लिए महत्वपूर्ण है क्योंकि वे अपने एआई अपनाने के लिए आगे का रास्ता तैयार करते हैं।

आर&D&I संगठनों के लिए अब कार्रवाई करने का समय है

कुछ स्थितियों में, एआई पहले से ही समय, लागत और दक्षता में दो अंकों की वृद्धि को सक्षम कर रहा है, जैसे कि सूत्रीकरण, उत्पाद विकास, बुद्धिमत्ता और अन्य आर&D&I कार्यों में। इसका मतलब है कि जो भी परिदृश्य खेलता है, छह नो-रेग्रेट चाल आर&D&I संगठनों को लचीलापन बनाने और एआई के लाभों का लाभ उठाने में मदद करेगी। उन्हें:

• प्रतिभा का प्रबंधन और सशक्तिकरण करना चाहिए, यह सुनिश्चित करना चाहिए कि कार्यबल के पास एआई का लाभ उठाने के लिए प्रशिक्षण और विशेषज्ञता है, यदि आवश्यक हो तो मध्यम अवधि में बाहरी प्रदाताओं को सबकॉन्ट्रैक्ट करना
• एआई-जनित सामग्री को नियंत्रित करना चाहिए, जोखिम प्रबंधन प्रक्रियाओं को अद्यतन करना और मान्यकरण विधियों को सार्वजनिक रूप से साझा करना ताकि विश्वास बनाया जा सके
• व्यापक सार्वजनिक और निजी क्षेत्र के पारिस्थितिकी तंत्र के साथ डेटा साझा करने और सहयोग करने के लिए काम करना चाहिए ताकि एआई को सफलतापूर्वक अपनाया जा सके
• लंबे समय तक प्रशिक्षण देना चाहिए, एआई के मूलभूत सिद्धांतों, आवश्यक कौशल और संभावित जोखिमों पर व्यापक उपयोगकर्ता आबादी को शिक्षित करना
• संगठन और शासन को फिर से तैयार करना चाहिए, इसे आईटी से परे ले जाना चाहिए ताकि वरिष्ठ स्तर पर ध्यान केंद्रित किया जा सके और सिलोस को तोड़कर सहयोग को सुगम बनाया जा सके
• कंप्यूट रिसोर्सेस को साझा करना चाहिए, भागीदारों के साथ काम करना चाहिए या संसाधनों को आंतरिक रूप से साझा करना चाहिए ताकि वर्तमान और भविष्य की बुनियादी ढांचागत आवश्यकताओं को लागत प्रभावी ढंग से पूरा किया जा सके

इन नो-रेग्रेट चालों के अलावा, सफलता एक संतुलित पोर्टफोलियो बनाने से आएगी जो एआई-आधारित आर&D&I निवेश को कॉर्पोरेट उद्देश्यों के साथ संरेखित करता है। इसका मतलब है कि विशिष्ट एआई उपयोग के मामलों के दायरे, लागत और लाभों पर विचार करना और इसे नवाचार परियोजना पोर्टफोलियो के अनुकूलन को चलाने के लिए उपयोग करना। निर्णयों को रणनीतिक उद्देश्यों, क्षमताओं और बाजार बुद्धिमत्ता पर आधारित होना चाहिए, और संदर्भ में जिसमें संगठन काम करते हैं।

आर&D&I मूल्य श्रृंखला के हर चरण में एआई के माध्यम से संभावित रूपांतरण हो सकता है, जो मानव शोधकर्ताओं को बढ़ावा देता है और उत्पादकता को बदल देता है और नवाचार को सक्षम बनाता है। इन अवसरों को प्रदर्शन, विश्वास और मूल्य के आसपास की चुनौतियों के खिलाफ संतुलित करने की आवश्यकता है, जिसका अर्थ है कि संगठनों को अपने आर&D&I एआई प्रयासों को सफलता के लिए स्थिति में लाने के लिए अब ध्यान केंद्रित करने की आवश्यकता है, जो भी भविष्य लाता है।

इस लेख को अल्बर्ट मेइगे, ज़ो हुज़ॉक, अर्नॉड सिरौडिन और आर्थर डी लिटल की सहायता से लिखा गया है।