जनरेटिव एआई ने हमें एआई टिपिंग पॉइंट तक पहुँचाया

कृत्रिम बुद्धिमत्ता (एआई) के जनरेटिव एआई (जेनएआई) की सुलभता के कारण मुख्यधारा में लोकप्रिय होने से पहले, मशीन लर्निंग के लिए डेटा एकीकरण और डेटा की तैयारी प्रमुख व्यावसायिक प्राथमिकताओं में शामिल थे। अतीत में, व्यवसाय और परामर्शदाता विशिष्ट उपयोग के मामलों के लिए एक-एक एआई/एमएल परियोजनाएँ बनाते थे, लेकिन परिणामों में विश्वास सीमित था, और इन परियोजनाओं को लगभग विशेष रूप से आईटी टीमों के बीच रखा गया था। इन शुरुआती एआई उपयोग के मामलों में समर्पित डेटा वैज्ञानिक टीमों की आवश्यकता थी, परिणाम उत्पन्न करने के लिए बहुत समय और प्रयास की आवश्यकता थी, पारदर्शिता की कमी थी, और अधिकांश परियोजनाएँ असफल रहीं।

इसके बाद, जैसे ही डेवलपर्स तकनीक के साथ अधिक सहज और आत्मविश्वासी हो गए, एआई और मशीन लर्निंग (एमएल) का अधिक बार उपयोग किया गया, फिर से, मुख्य रूप से आईटी टीमों द्वारा मॉडल बनाने, डेटा साफ करने और इनपुट करने और परिणामों का परीक्षण करने की जटिल प्रकृति के कारण। आज, जेनएआई के साथ पेशेवर और व्यक्तिगत सेटिंग्स में दुनिया भर में अपरिहार्य होने के साथ, एआई प्रौद्योगिकी अब आम लोगों के लिए सुलभ हो गई है। हम अब एआई टिपिंग पॉइंट पर हैं, लेकिन हम यहाँ कैसे पहुँचे और जेनएआई ने हमें व्यापक अपनाने के लिए क्यों धकेल दिया?

एआई के बारे में सच्चाई

“ओपनएआई” और “चैटजीपीटी” घरेलू नाम बन गए हैं, जेनएआई के बारे में बातचीत हर जगह हैं और अक्सर टाली नहीं जा सकती। व्यवसायिक उपयोगों जैसे कि चैटबॉट, डेटा विश्लेषण और रिपोर्ट सारांश से लेकर व्यक्तिगत उपयोगों जैसे कि यात्रा योजना और सामग्री निर्माण तक, जेनएआई जल्दी से दुनिया भर में चर्चा की जाने वाली सबसे अधिक प्रौद्योगिकी बन रही है और इसका तेजी से विकास अन्य प्रौद्योगिकी नवाचारों की तुलना में तेजी से हो रहा है।

जबकि अधिकांश लोग एआई के बारे में जानते हैं, और कुछ जानते हैं कि यह कैसे काम करता है और लागू किया जा सकता है, सार्वजनिक और निजी क्षेत्र के संगठन अभी भी प्रौद्योगिकी के पूरे लाभ प्राप्त करने के मामले में अब भी पिछड़ रहे हैं। अल्फासेंस के आंकड़ों के अनुसार, वित्तीय नतीजों पर हुई 40% कॉन्फ्रेंस कॉलों ने एआई के लाभों और उत्साह का उल्लेख किया, लेकिन केवल 1 में से 6 (16%) एसएंडपी 500 कंपनियों ने तिमाही नियामक फाइलिंग में एआई का उल्लेख किया। यह सवाल उठाता है: एआई के वित्तीय प्रभाव क्या हैं और कितनी कंपनियाँ वास्तव में इसके अपनाने में निवेश कर रही हैं?

एआई बैंडवागन पर कूदने के बजाय क्योंकि यह फैशनेबल है, उद्यमों को यह सोचने की जरूरत है कि एआई उनके लिए आंतरिक रूप से और उनके ग्राहकों के लिए क्या मूल्य लाएगा और यह उपयोगकर्ताओं के लिए किन समस्याओं का समाधान कर सकता है। एआई परियोजनाएँ आमतौर पर महंगी होती हैं, और यदि एक कंपनी एआई का उपयोग करने के लिए कूदती है बिना इसके उपयोग के मामलों और आरओआई का उचित मूल्यांकन किए, यह समय और धन की बर्बादी हो सकती है। ग्राहकों के साथ निजी पूर्व-परीक्षण एक नियंत्रित तरीके से उत्पाद बाजार के फिट की पुष्टि करने और विशिष्ट उपयोग के मामलों के संबंधित आरओआई को मान्य करने की अनुमति देते हैं ताकि एआई समाधान के मूल्य प्रस्ताव को बाजार में जारी करने से पहले सत्यापित किया जा सके।

विक्रेताओं को एआई में निवेश करने से पहले क्या जानने की आवश्यकता है

एआई में निवेश करना है या नहीं? यह एक महत्वपूर्ण प्रश्न है जिस पर सेवा के रूप में सॉफ्टवेयर (SaaS) उपलब्ध कराने वाले विक्रेताओं को एआई समाधान विकसित करने से पहले विचार करना चाहिए। अपने विकल्पों पर विचार करते समय, मूल्य, गति, विश्वास और पैमाने के प्रति जागरूक रहें।

मूल्य के साथ गति को संतुलित करें। इसकी संभावना कम है कि आपके ग्राहक केवल एआई समाधान का उल्लेख सुनकर प्रभावित होंगे; इसके बजाय, वे मापने योग्य मूल्य चाहेंगे। SaaS उत्पाद टीमों को पहले यह पूछना चाहिए कि क्या उनके ग्राहकों के लिए वास्तविक व्यावसायिक आवश्यकता या समस्या है जिसे वे संबोधित करना चाहते हैं, और क्या एआई उचित समाधान है। एआई (एक चौकोर खूंटे) को अपनी प्रौद्योगिकी पेशकश (एक गोल छेद) में फिट करने की कोशिश न करें। एआई कैसे अंतिम उपयोगकर्ताओं के लिए मूल्य जोड़ेगा, यह जानने के बिना, यह गारंटी नहीं है कि कोई उन क्षमताओं के लिए भुगतान करेगा।

विश्वास बनाएं, फिर पैमाना बढ़ाएं। प्रणालियाँ बदलने के लिए बहुत विश्वास चाहिए। विक्रेताओं को अपने एआई समाधानों में विश्वास बनाने को प्राथमिकता देनी चाहिए, इससे पहले कि वे उन्हें बढ़ाएं। डेटा मॉडल और परिणामों में पारदर्शिता तथा उन्हें देखने की सुविधा बाधाएँ कम कर सकती है। उपयोगकर्ताओं को मॉडल स्रोत में क्लिक करने दें ताकि वे देख सकें कि समाधान के अंतर्दृष्टि कैसे प्राप्त किए गए हैं। अधिकांश प्रतिष्ठित विक्रेता एआई अपनाने के लिए सर्वोत्तम प्रथाओं को साझा करने में भी मदद कर सकते हैं ताकि संभावित समस्याओं को कम किया जा सके।

टेक विक्रेताओं के लिए सामान्य बाधाएँ: एआई संस्करण

एआई यात्रा पर निकलने के लिए तैयार संगठनों के लिए, कुछ जालों से बचने के लिए हैं ताकि यह सुनिश्चित किया जा सके कि प्रभाव अधिकतम हो। समूह की सोच से बचें, और बिना यह जाने कि आप कहाँ जा रहे हैं, भीड़ का पालन न करें। एआई अपनाने के लिए एक स्पष्ट रणनीति रखें ताकि आप अपने अंतिम लक्ष्यों पर प्रतिबिंबित कर सकें और यह पुष्टि कर सकें कि रणनीति आपके संगठन के मिशन और ग्राहक मूल्यों के साथ संरेखित है।

एक एआई उत्पाद को बाजार में लाना एक आसान काम नहीं है और असफलताएँ सफलताओं से अधिक हैं। सुरक्षा, आर्थिक और प्रतिभा जोखिम कई हैं।

केवल सुरक्षा चिंताओं पर विचार करते हुए, एआई मॉडल अक्सर संवेदनशील सामग्री और डेटा रखते हैं, जिन्हें SaaS संगठनों को प्रबंधित करने में सक्षम होने की आवश्यकता है। विचार करने वाली चीजें शामिल हैं:

• संवेदनशील सामग्री को संभालना: सामान्य उद्देश्य के बड़े भाषा मॉडल (एलएलएम) के साथ संवेदनशील सामग्री साझा करना संवेदनशील सामग्री को अनजाने में अन्य उपयोगकर्ताओं को लीक करने का जोखिम पैदा करता है। कंपनियों को उपयोगकर्ताओं – दोनों आंतरिक और बाहरी – के लिए संवेदनशील सामग्री की रक्षा के लिए सर्वोत्तम प्रथाओं को रेखांकित करना चाहिए।
• डेटा को संग्रहीत करना और गोपनीयता के प्रभाव: साझा करने के अलावा, एआई प्रणालियों के भीतर संवेदनशील सामग्री को संग्रहीत करने से डेटा को संभावित उल्लंघनों या अनधिकृत पहुँच के लिए खोला जा सकता है। उपयोगकर्ताओं को सुरक्षित स्थानों में डेटा संग्रहीत करना चाहिए जिसमें डेटा उल्लंघनों के खिलाफ सुरक्षा हो।
• गलत जानकारी को रोकना: एआई मॉडल बड़ी मात्रा में डेटा एकत्र करते हैं और संश्लेषित करते हैं और गलत जानकारी आसानी से फैलाई जा सकती है। निगरानी, पर्यवेक्षण और मानव मान्यीकरण आवश्यक हैं ताकि यह सुनिश्चित किया जा सके कि साझा की जाने वाली जानकारी सही और सटीक है। आलोचनात्मक सोच और विश्लेषण गलत सूचना से बचने के लिए परम हैं।

सुरक्षा के अलावा, एआई कार्यक्रमों में महत्वपूर्ण संसाधन और बजट की आवश्यकता होती है। एआई विकास के लिए आवश्यक ऊर्जा और बुनियादी ढांचे की मात्रा पर विचार करें। यही कारण है कि ग्राहकों के लिए एक स्पष्ट मूल्य प्रस्ताव होना महत्वपूर्ण है, अन्यथा उत्पाद विकास में लगाया गया समय और संसाधन बर्बाद हो जाते हैं। यह समझना कि क्या आपका संगठन एआई के साथ शुरू करने के लिए आधार है, और यदि नहीं, तो पिछड़ापन दूर करने के लिए आवश्यक बजट की पहचान करें।

अंत में, प्रतिभा और कौशल स्तर के जोखिमों को नजरअंदाज नहीं किया जाना चाहिए। सामान्य एआई विकास में डेटा वैज्ञानिकों, डेवलपर्स और डेटा इंजीनियरों की एक समर्पित दल की आवश्यकता होती है, साथ ही कार्यात्मक व्यवसाय विश्लेषकों और उत्पाद प्रबंधन की भी आवश्यकता होती है। हालांकि, जब जेनएआई के साथ काम किया जाता है, तो संगठनों को अतिरिक्त सुरक्षा और अनुपालन पर्यवेक्षण की आवश्यकता होती है जो पहले उल्लिखित सुरक्षा जोखिमों के कारण। यदि एआई एक दीर्घकालिक व्यावसायिक उद्देश्य नहीं है, तो विशेषज्ञों की भर्ती और उन्हें नए कौशल सिखाने की लागतें संभवतः अनावश्यक रूप से अधिक होंगी और अच्छा आरओआई परिणाम नहीं देंगी।

निष्कर्ष

एआई यहाँ रहने के लिए है। लेकिन, यदि आप इस लहर में शामिल होने और एआई परियोजनाओं को धन देने से पहले रणनीतिक रूप से नहीं सोचते, तो इससे आपके संगठन को फायदे से अधिक नुकसान हो सकता है। यह नया एआई युग अभी शुरू हुआ है, और कई जोखिम अभी भी अज्ञात हैं। जब आप अपने संगठन के लिए एआई विकास का मूल्यांकन कर रहे हों, तो अपने आंतरिक और बाहरी ग्राहकों के लिए एआई के मूल्य को स्पष्ट करें, एआई मॉडल में विश्वास बनाएं और जोखिमों को समझें।