पायलट से उत्पादन तक: दीर्घकालिक रूप से GenAI कार्यक्रमों को बढ़ाने पर अंतर्दृष्टि

अब से कई साल बाद, जब हम जनरेटिव एआई (GenAI) के प्रसार पर विचार करेंगे, तो 2024 को एक महत्वपूर्ण क्षण के रूप में देखा जाएगा - व्यापक प्रयोग, आशावाद और विकास का दौर, जब व्यवसाय के नेता कभी नवाचार के अप्रयुक्त क्षेत्र में अपने पैर डुबाने में संकोच करते थे, अब वे इसमें सिर से पैर तक डूब जाएंगे। मैकिन्से का एआई पर वैश्विक सर्वेक्षण 2024 के मध्य में किए गए एक सर्वेक्षण में, 75% ने भविष्यवाणी की कि GenAI आने वाले वर्षों में उनके उद्योगों में महत्वपूर्ण या विघटनकारी परिवर्तन लाएगा।

जबकि GenAI के लाभों और सीमाओं के बारे में बहुत कुछ सीखा जा चुका है, यह याद रखना महत्वपूर्ण है कि हम अभी भी विकास के चरण में हैं। पायलट कार्यक्रमों को जल्दी से बढ़ाया जा सकता है और उन्हें बनाना अपेक्षाकृत सस्ता है, लेकिन क्या होगा जब वे कार्यक्रम CIO के कार्यालय के दायरे में उत्पादन में चले जाएँगे? कम नियंत्रित वातावरण में फ़ंक्शन-विशिष्ट उपयोग के मामले कैसे प्रदर्शन करेंगे, और टीमें अपने कार्यक्रम को परिणाम दिखाने का मौका मिलने से पहले गति खोने से कैसे बच सकती हैं?

पायलट से उत्पादन तक जाने में आने वाली आम चुनौतियाँ

GenAI की कार्यकुशलता में सुधार, लागत में कमी और निर्णय लेने की क्षमता को बढ़ाने की अपार क्षमता को देखते हुए, C-Suite का कार्यात्मक व्यवसाय नेताओं के लिए आदेश स्पष्ट रहा है - आगे बढ़ो और सुधार करो। व्यवसाय नेताओं को काम करना पड़ा, GenAI की कार्यक्षमता के साथ खेलना और अपने स्वयं के पायलट कार्यक्रम बनाना। मार्केटिंग टीमों ने अत्यधिक व्यक्तिगत ग्राहक अनुभव बनाने और दोहराए जाने वाले कार्यों को स्वचालित करने के लिए GenAI का उपयोग किया। ग्राहक सेवा में, GenAI ने वास्तविक समय में समस्याओं को हल करने के लिए बुद्धिमान चैटबॉट को सशक्त बनाने में मदद की, और R&D टीमें नए रुझानों को खोजने के लिए बड़ी मात्रा में डेटा का विश्लेषण करने में सक्षम थीं।

फिर भी, इस सारी संभावना और इसके अंतिम क्रियान्वयन के बीच अभी भी बहुत अंतर है।

एक बार जब कोई पायलट प्रोग्राम CIO के कार्यालय की कक्षा में चला जाता है, तो डेटा की बहुत बारीकी से जांच की जाती है। अब तक, हम GenAI के साथ मॉडल पूर्वाग्रह और मतिभ्रम जैसे कुछ सामान्य मुद्दों से परिचित हैं, और बड़े पैमाने पर वे मुद्दे बड़ी समस्या बन जाते हैं। एक CIO पूरे संगठन में डेटा गोपनीयता और डेटा शासन के लिए जिम्मेदार होता है, जबकि व्यवसाय के नेता ऐसे डेटा का उपयोग कर रहे हैं जो केवल उनके विशिष्ट फोकस क्षेत्र से संबंधित हो सकता है।

स्केलिंग से पहले विचार करने योग्य 3 मुख्य बातें

कोई गलती न करें, व्यवसाय के नेताओं ने अपने विशिष्ट कार्य के लिए प्रभावशाली परिणामों के साथ GenAI उपयोग के मामलों के निर्माण में महत्वपूर्ण प्रगति की है, लेकिन दीर्घकालिक प्रभाव के लिए स्केलिंग काफी अलग है। इस यात्रा पर निकलने से पहले यहाँ तीन विचार दिए गए हैं:

1. आईटी और सूचना सुरक्षा टीमों को जल्दी (और अक्सर) शामिल करें

कार्यात्मक व्यवसाय के नेताओं के लिए अपने दिन-प्रतिदिन के काम में अंधाधुंध विकास करना और अपने पायलट कार्यक्रम को व्यापक संगठन में विस्तारित करने के लिए आवश्यक चीज़ों को कम आंकना आम बात है। लेकिन एक बार जब पायलट उत्पादन में चला जाता है, तो व्यवसाय के नेताओं को उन सभी अलग-अलग चीज़ों के बारे में सोचने के लिए आईटी और सूचना सुरक्षा टीम के समर्थन की आवश्यकता होती है जो गलत हो सकती हैं।

इसलिए पायलट को तनाव परीक्षण करने और संभावित चिंताओं पर विचार करने में मदद करने के लिए शुरुआत से ही आईटी और सूचना सुरक्षा टीमों को शामिल करना एक अच्छा विचार है। ऐसा करने से क्रॉस-फ़ंक्शनल सहयोग को बढ़ावा देने में भी मदद मिलेगी, जो बाहरी दृष्टिकोणों को लाने और व्यक्तिगत कार्यों के भीतर होने वाले पुष्टि पूर्वाग्रह को चुनौती देने के लिए महत्वपूर्ण है।

2. जब भी संभव हो वास्तविक डेटा का उपयोग करें

जैसा कि पहले बताया गया है, डेटा-संचालित मुद्दे GenAI को आगे बढ़ाने में सबसे बड़ी बाधाओं में से एक हैं। ऐसा इसलिए है क्योंकि पायलट प्रोग्राम अक्सर सिंथेटिक डेटा पर निर्भर करते हैं जिससे व्यवसाय के नेताओं, आईटी टीमों और अंततः सीआईओ के बीच बेमेल अपेक्षाएँ हो सकती हैं। सिंथेटिक डेटा यह कृत्रिम रूप से उत्पन्न डेटा है जो वास्तविक दुनिया के डेटा की नकल करने के लिए बनाया गया है, जो मूलतः वास्तविक डेटा के स्थान पर कार्य करता है, लेकिन इसमें कोई संवेदनशील व्यक्तिगत जानकारी नहीं होती है।

कार्यात्मक नेताओं के पास हमेशा वास्तविक डेटा तक पहुंच नहीं होगी, इसलिए समस्या के निवारण के लिए कुछ अच्छे सुझाव होंगे: (1) पायलट कार्यक्रमों से बचें, जिनके लिए भविष्य में अतिरिक्त नियामक जांच की आवश्यकता हो सकती है; (2) खराब डेटा को पायलट परिणामों को दूषित/तिरछा करने से रोकने के लिए दिशानिर्देश बनाएं; और (3) भविष्य के संरेखण की संभावना को बढ़ाने के लिए कंपनी की मौजूदा प्रौद्योगिकी स्टैक का उपयोग करके समाधानों में निवेश करें।

3. यथार्थवादी उम्मीदें सेट करें

जब 2022 के अंत में ChatGPT के लॉन्च के बाद GenAI ने पहली बार सार्वजनिक प्रसिद्धि प्राप्त की, तो उम्मीदें आसमान छू रही थीं कि यह तकनीक रातों-रात उद्योगों में क्रांति ला देगी। वह प्रचार (अच्छा हो या बुरा) काफी हद तक कायम रहा है, और अगर GenAI के निवेश को और अधिक फंडिंग मिलने की उम्मीद है, तो टीमों पर तत्काल परिणाम दिखाने का भारी दबाव है।

वास्तविकता यह है कि GenAI परिवर्तनकारी तो होगा, लेकिन कंपनियों को परिवर्तन शुरू करने के लिए तकनीक को समय (और समर्थन) देने की आवश्यकता है। GenAI प्लग-एंड-प्ले नहीं है, न ही इसका वास्तविक मूल्य केवल चतुर चैटबॉट या रचनात्मक इमेजरी तक सीमित है। जो कंपनियाँ GenAI कार्यक्रमों को सफलतापूर्वक बढ़ा सकती हैं, वे वे होंगी जो सबसे पहले नवाचार की संस्कृति बनाने के लिए समय निकालेंगी जो अल्पकालिक परिणामों पर दीर्घकालिक प्रभाव को प्राथमिकता देती है।

हम सब एक साथ इसमें हैं

हाल ही में हमने GenAI के बारे में जितना भी पढ़ा है, यह अभी भी एक बहुत ही नई तकनीक है, और कंपनियों को ऐसे किसी भी विक्रेता से सावधान रहना चाहिए जो यह दावा करता है कि उसने इसे पूरी तरह समझ लिया है। इस तरह का अहंकार निर्णय को प्रभावित करता है, अधूरे विचारों को बढ़ावा देता है, और बुनियादी ढांचे की समस्याओं को जन्म देता है जो व्यवसायों को दिवालिया बना सकता है। इसके बजाय, जैसा कि हम GenAI उत्साह के एक और वर्ष में प्रवेश कर रहे हैं, आइए इस शक्तिशाली तकनीक को जिम्मेदारी से कैसे बढ़ाया जाए, इस बारे में सार्थक चर्चा करने के लिए भी समय निकालें। प्रक्रिया में शुरुआती दौर में आईटी टीम को शामिल करके, वास्तविक दुनिया के डेटा पर भरोसा करके, और उचित ROI अपेक्षाओं को बनाए रखते हुए, कंपनियां यह सुनिश्चित करने में मदद कर सकती हैं कि उनकी GenAI रणनीतियाँ न केवल मापनीय हैं, बल्कि टिकाऊ भी हैं।