साक्षात्कार
जय अल्लार्डिस, जनरल मैनेजर, डेटा और एनालिटिक्स, इंसाइटसॉफ्टवेयर – इंटरव्यू सीरीज
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
जय अल्लार्डिस इंसाइटसॉफ्टवेयर में डेटा और एनालिटिक्स के जनरल मैनेजर हैं। वह एक टेक्नोलॉजी एक्जीक्यूटिव हैं जिनके पास एंटरप्राइज बी2बी कंपनियों जैसे गूगल, अपटेक, जीई और एचपी में 23+ वर्षों का अनुभव है। वह लिंक्डइन पर सबसे बड़े आर्टिफिशियल इंटेलिजेंस समुदाय के सह-संस्थापक भी हैं।
(GOOGL )इंसाइटसॉफ्टवेयर वित्तीय और परिचालन सॉफ्टवेयर समाधानों का एक वैश्विक प्रदाता है। कंपनी वित्तीय योजना और विश्लेषण (एफपी एंड ए), लेखांकन और परिचालन का समर्थन करने वाले उपकरण प्रदान करती है। इसके उत्पादों को डेटा की पहुंच में सुधार करने और संगठनों को समय पर, सूचित निर्णय लेने में मदद करने के लिए डिज़ाइन किया गया है।
आपने व्यवसायों के लिए ग्राहकों की बढ़ती अपेक्षाओं के जवाब में एआई को अपनाने की तत्कालिकता पर जोर दिया है। व्यवसायों को “एआई फोमो” के जाल में न पड़ने और जेनेरिक एआई समाधानों को अपनाने के लिए क्या कदम उठाने चाहिए?
ग्राहक व्यवसायों को यह बता रहे हैं कि वे जिन उपकरणों का उपयोग कर रहे हैं उनमें बढ़ी हुई एआई क्षमताएं चाहते हैं। इसके जवाब में, व्यवसाय अपने प्रतिस्पर्धियों के साथ तालमेल बिठाने और ग्राहकों की मांगों को पूरा करने के लिए भाग रहे हैं, जिससे सभी पक्षों के लिए एक भागदौड़ भरा चक्र बन जाता है। और हाँ, अंतिम परिणाम एआई फोमो है, जो एक व्यवसाय को केवल यह कहने के लिए अपनी नवाचार की प्रक्रिया को तेज करने के लिए धक्का दे सकता है, “हमारे पास एआई है!”
मेरी कंपनियों के लिए सबसे बड़ी सलाह यह है कि वे ग्राहकों द्वारा एआई को हल करने के लिए किन पAIN पॉइंट्स को समझने के लिए समय लें। क्या कोई प्रक्रिया समस्या है जो बहुत मैनुअल-गहन है? क्या कोई दोहराने वाला कार्य है जिसे स्वचालित किया जाना चाहिए? क्या कोई गणनाएं हैं जिन्हें आसानी से एक मशीन द्वारा किया जा सकता है?
एक बार जब व्यवसायों को यह आवश्यक संदर्भ मिल जाता है, तो वे उद्देश्य के साथ समाधानों को अपनाना शुरू कर सकते हैं। वे ग्राहकों को एआई टूल्स प्रदान करेंगे जो एक समस्या का समाधान करते हैं, न कि उन लोगों को जो केवल उनकी मौजूदा समस्याओं के भ्रम में जोड़ते हैं।
कई कंपनियां एआई को लागू करने के लिए उतावली करती हैं बिना इसके उपयोग के मामलों को पूरी तरह से समझे। व्यवसायों को अपनी विशिष्ट आवश्यकताओं के अनुसार एआई-संचालित समाधानों की पहचान कैसे कर सकते हैं और जेनेरिक कार्यान्वयन पर निर्भर नहीं रह सकते हैं?
ग्राहक की ओर से, यह महत्वपूर्ण है कि वे अपनी सबसे दबाव वाली उपयोग के मामलों को बेहतर ढंग से समझने के लिए निरंतर संचार बनाए रखें। ग्राहक अधोक्षेत्र बोर्ड एक सहायक समाधान प्रदान कर सकते हैं। लेकिन ग्राहकों के अलावा, यह भी महत्वपूर्ण है कि टीमें आंतरिक रूप से देखें और समझें कि नए एआई टूल्स को कैसे लागू करने से आंतरिक कार्यक्षमता पर क्या प्रभाव पड़ेगा। प्रत्येक नए टूल के लिए जो ग्राहक को पेश किया जाता है, आंतरिक डेटा टीमों को नए चर और नए डेटा के साथ प्रस्तुत किया जाता है जो बनाया जा रहा है।
आपने फॉर्च्यून 1000 कंपनियों को डेटा-पहले दृष्टिकोण को अपनाने में मदद की है। एक कंपनी के लिए “डेटा-चालित” होने का क्या अर्थ है, और इस परिवर्तन के दौरान व्यवसायों को किन सामान्य गलतियों का सामना करना पड़ता है?
एक कंपनी को “डेटा-चालित” होने के लिए, व्यवसायों को डेटा का प्रभावी ढंग से उपयोग करना सीखना होगा। एक वास्तव में डेटा-चालित टीम डेटा-चालित निर्णय लेने पर अमल कर सकती है, जिसमें व्यवसायिक निर्णयों को सूचित और समर्थन करने के लिए जानकारी का उपयोग करना शामिल है। केवल अंतर्ज्ञान या व्यक्तिगत अनुभव पर निर्भर रहने के बजाय, निर्णय लेने वाले प्रासंगिक डेटा एकत्र करते हैं और विश्लेषण करते हैं ताकि उनकी रणनीतियों का मार्गदर्शन किया जा सके। डेटा पर आधारित निर्णय लेने से व्यवसायों को अधिक सूचित, वस्तुनिष्ठ अंतर्दृष्टि प्राप्त करने में मदद मिल सकती है, जो एक तेजी से बदलते बाजार में एक रणनीतिक निर्णय और एक आवेगी निर्णय के बीच अंतर बना सकती है।
आपके आईओटी और औद्योगिक प्रौद्योगिकियों के साथ काम करने के अनुभव को देखते हुए, आप ऊर्जा, परिवहन और भारी निर्माण जैसे उद्योगों में एआई और आईओटी के交 को कैसे विकसित होते हुए देखते हैं?
जब आईओटी दृश्य पर आया, तो यह विश्वास था कि यह निर्णय लेने में सुधार के लिए अधिक कनेक्टिविटी की अनुमति देगा। बदले में, यह कनेक्टिविटी एक नए आर्थिक मूल्य की दुनिया को अनलॉक करती है, और वास्तव में यह उद्योग के लिए मामला था और बना हुआ है।
मुद्दा यह था कि बहुत से लोग “स्मार्ट प्लंबिंग” पर ध्यान केंद्रित करते थे, जो वितरित उपकरणों के साथ जुड़ने, निकालने और संवाद करने के लिए आईओटी का उपयोग करते थे, और परिणाम से कम। आपको यह निर्धारित करने की आवश्यकता है कि अब आप 400 भारी निर्माण संपत्तियों या 40 स्वामित्व वाले बिजली संयंत्रों से जुड़े हुए हैं, तो हल की जाने वाली समस्या क्या है? क्या कोई प्रक्रिया समस्या है जो बहुत मैनुअल-गहन है? क्या कोई दोहराने वाला कार्य है जिसे स्वचालित किया जाना चाहिए? क्या कोई गणनाएं हैं जिन्हें आसानी से एक मशीन द्वारा किया जा सकता है?
एक बार जब यह आधार तैयार हो जाता है, तो एआई – चाहे वह पूर्वानुमानित हो या उत्पन्न हो – व्यवसाय को अधिक उत्पादक होने में 10-50 गुना अधिक प्रभाव डाल सकता है। अनुकूलित आपूर्ति, ट्रक-रोल और सेवा चक्र मरम्मत के आधार पर मांग संकेत पैटर्न हैं जो आवश्यक इनपुट चर के साथ मेल खाते हैं। उदाहरण के लिए, ‘सही भाग, सही समय, सही स्थान’ की धारणा एक निर्माण कंपनी के लिए लाखों का अर्थ हो सकती है – क्योंकि उन्हें कम स्टॉकिंग स्तर की आवश्यकता होती है और सेवा तकनीशियनों को एक एआई मॉडल के आधार पर अनुकूलित किया जाता है जो जानता है या भविष्यवाणी करता है कि एक मशीन कब विफल हो सकती है या जब एक सेवा घटना हो सकती है।
आपने डेटा का प्रभावी ढंग से उपयोग करने के महत्व पर बल दिया है। कंपनियां डेटा का दुरुपयोग कैसे करती हैं, और वे इसे एक सच्चे प्रतिस्पर्धी लाभ में कैसे बदल सकती हैं?
“आर्टिफिशियल इंटेलिजेंस” शब्द, जब इसे साहित्यिक रूप से लिया जाता है, तो थोड़ा भ्रामक हो सकता है। किसी भी और सभी डेटा को एक एआई इंजन में इनपुट करने से यह नहीं मतलब है कि यह सहायक, प्रासंगिक या सटीक परिणाम उत्पन्न करेगा। जैसे ही टीमें आज की दुनिया में एआई नवाचार की दर के साथ तालमेल बिठाने की कोशिश करती हैं, कभी-कभी हम डेटा की पूर्ण तैयारी और नियंत्रण के महत्व को भूल जाते हैं, जो यह सुनिश्चित करने के लिए महत्वपूर्ण है कि एआई को खिलाने वाला डेटा पूरी तरह से सटीक है।
गैर-तकनीकी टीमों को संगठन के भीतर डेटा और एआई का प्रभावी ढंग से उपयोग करने के लिए सशक्त बनाने के लिए सर्वोत्तम अभ्यास क्या हैं, जिससे उन्हें जटिल उपकरण या प्रक्रियाओं से अभिभूत न किया जा सके?
मेरी सलाह है कि नेता गैर-तकनीकी टीमों को अपने स्वयं के विश्लेषण उत्पन्न करने के लिए सशक्त बनाने पर ध्यान केंद्रित करें। व्यवसाय के रूप में वास्तव में लचीला होने के लिए, तकनीकी टीमों को अपने प्रयासों को अधिक स्वाभाविक बनाने पर ध्यान केंद्रित करने की आवश्यकता है ताकि संगठन भर में कर्मचारियों के लिए प्रक्रिया अधिक स्वाभाविक हो। वित्त और संचालन से अनुरोधों की बढ़ती बैकलॉग पर ध्यान केंद्रित करने के बजाय। मैनुअल प्रक्रियाओं को हटाना वास्तव में इस प्रक्रिया में पहला महत्वपूर्ण कदम है, क्योंकि यह परिचालन नेताओं को डेटा एकत्र करने में कम समय बिताने और इसे विश्लेषण करने में अधिक समय बिताने की अनुमति देता है।
इंसाइटसॉफ्टवेयर वित्तीय परिचालन में एआई लाने पर केंद्रित है। एआई वित्त प्रमुखों और वित्त टीमों के संचालन को कैसे बदल रहा है, और वित्तीय निर्णय लेने में एआई के शीर्ष लाभ क्या हैं जो ला सकता है?
एआई ने वित्तीय निर्णय लेने और वित्त टीमों पर एक गहरा प्रभाव डाला है। वास्तव में, 87% टीमें पहले से ही इसका मध्यम से उच्च दर पर उपयोग कर रही हैं, जो इसकी सफलता और प्रभाव का एक शानदार उपाय है। विशेष रूप से, एआई वित्त टीमों को महत्वपूर्ण अनुमानों का उत्पादन करने में तेजी लाने में मदद कर सकता है – और इसलिए वर्तमान अनुमान चक्रों में काफी सुधार हो सकता है, जो अनुमान लगाते हैं कि 58% बजट चक्र पांच दिनों से अधिक हैं।
आप आगामी पांच वर्षों में डेटा की आवश्यकताओं को कैसे विकसित होते हुए देखते हैं, विशेष रूप से एआई एकीकरण और क्लाउड संसाधनों में स्थानांतरण के संबंध में?
मुझे लगता है कि अगले पांच वर्षों में डेटा की लचीलापन में सुधार की आवश्यकता का प्रदर्शन होगा। बाजार कितनी तेजी से बदलता है, डेटा को इतना लचीला होना चाहिए कि व्यवसाय प्रतिस्पर्धी बने रहें। हमने इसे ऑन-प्रीम से ऑफ-प्रीम से क्लाउड में स्थानांतरण में देखा, जहां व्यवसायों के पास डेटा था, लेकिन इसका उपयोग करने के लिए पर्याप्त नहीं था। लचीलेपन में वृद्धि डेटा निर्णय लेने, सहयोग, जोखिम प्रबंधन और कई अन्य क्षमताओं में वृद्धि का अर्थ है। लेकिन अंत में, यह टीमों को चुनौतियों का सामना करने और बदलते रुझानों या बाजार की मांगों के अनुसार अनुकूलन करने के लिए आवश्यक उपकरण प्रदान करता है।
आप एआई प्रौद्योगिकियों का उपयोग कैसे सुनिश्चित करते हैं कि वे जिम्मेदारी से उपयोग की जा रही हैं, और एआई समाधानों को तैनात करते समय व्यवसायों को किन नैतिक विचारों पर ध्यान देना चाहिए?
क्लाउड के उदय और अपनाने के बीच एक समानता खींचते हुए, संगठनों को एक अज्ञात इकाई को अपना डेटा देने के लिए डर था, जो इसे चलाने, बनाए रखने, प्रबंधित करने और सुरक्षित करने जा रहा था। यह विश्वास हासिल करने में कई साल लग गए। अब, एआई अपनाने के साथ, एक समान पैटर्न उभर रहा है।
संगठनों को फिर से एक प्रणाली पर विश्वास करना होगा जो उनकी जानकारी की सुरक्षा करे और, इस मामले में, विश्वसनीय जानकारी का उत्पादन करे जो विश्वसनीय है। क्लाउड के साथ, यह ‘आपके डेटा का मालिक कौन है’ के बारे में था। एआई के साथ, यह डेटा के उपयोग और परिणामस्वरूप उत्पन्न जानकारी पर केंद्रित है। इसलिए, मैं संगठनों को निम्नलिखित तीन चीजों पर ध्यान केंद्रित करने का सुझाव दूंगा जब वे एआई प्रौद्योगिकियों को तैनात करते हैं:
- लीन इन – इस प्रौद्योगिकी का उपयोग करने से न डरें, लेकिन अपनाएं और सीखें।
- ग्राउंडिंग – एंटरप्राइज डेटा जो आप स्वामित्व और प्रबंधन करते हैं वह जानकारी की सटीकता के लिए आधार सत्य है, बशर्ते जानकारी सच्ची, तथ्यात्मक और संदर्भित हो। सुनिश्चित करें कि जब आप अपने डेटा से निर्माण कर रहे हों तो आप जानते हैं कि एआई मॉडल कैसे प्रशिक्षित किया जा रहा है और यह किस जानकारी का उपयोग कर रहा है। जैसे कि सभी अनुप्रयोगों या डेटा के साथ, संदर्भ महत्वपूर्ण है। गैर-एआई-संचालित अनुप्रयोग भी गलत या असटीक परिणाम उत्पन्न कर सकते हैं। एआई द्वारा उत्पन्न एक असटीक परिणाम का अर्थ यह नहीं है कि हमें मॉडल को दोष देना चाहिए, बल्कि यह समझना चाहिए कि मॉडल को क्या खिलाया जा रहा है।
- मूल्य – समझें कि एआई का उपयोग किस मामले में महत्वपूर्ण प्रभाव डाल सकता है।
धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें इंसाइटसॉफ्टवेयर पर जाना चाहिए।
