हाइप से आगे बढ़ना: व्यवसायिक परिणामों के लिए एआई और एमएल को संचालित करना

कृष्णन वेंकटा, डिजिटल एनालिटिक्स फर्म LatentView Analytics के चीफ क्लाइंट ऑफिसर द्वारा。

पिछले एक दशक से अधिक समय से, छोटे स्टार्टअप से लेकर बड़े निगमों तक के व्यवसायों ने कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) के वादे के बारे में बात की है। इन भविष्यवाणियों के अनुसार, एआई और एमएल आधुनिक कार्य को बदल देंगे, दैनिक प्रक्रियाओं को स्वचालित करेंगे और मानव कर्मचारियों को उच्च-स्तरीय कार्यों पर ध्यान केंद्रित करने की अनुमति देंगे।

दस साल बाद, कई उद्यमों के लिए, एआई का वादा सिर्फ एक वादा साबित हुआ है – और कुछ नहीं। जबकि इनमें से कई संगठनों ने अपने डिजिटल परिवर्तन प्रयासों को तेज करने के लिए कदम उठाए हैं, कुछ सामान्य गड़बड़ियां अक्सर एआई/एमएल के सपने को असफल बना देती हैं।

एआई और एमएल के परिवर्तनकारी संभावनाओं को रोकने वाले कुछ सबसे बड़े कारक क्या रहे हैं?

• संगठन की कमी: एक सफल एआई रणनीति का पहला कदम डेटा एकत्र करना है। लेकिन समान रूप से महत्वपूर्ण है उस डेटा के संगठन की योजना; व्यवसाय जो किसी योजना के बिना डेटा का एक खजाना इकट्ठा करते हैं कि इसे कैसे व्यवस्थित किया जाए, विश्लेषण किया जाए और इसका उपयोग किया जाए, उन्हें एक अप्राकृतिक, व्यावहारिक रूप से अनुपयोगी संसाधन के साथ छोड़ दिया जाता है। तेल की खोज में मूल्य क्या है अगर आपके पास इसे जमीन से बाहर निकालने या उपयोग के लिए परिष्कृत करने का कोई तरीका नहीं है?
• टुकड़ों में अपनाना: जबकि डिजिटल परिवर्तन लंबी अवधि में लागत बचत का वादा करते हैं, नए प्रौद्योगिकी को अपनाने के लिए प्रारंभिक मूल्य टैग स्टीप हो सकता है। यह स्टिकर शॉक कुछ उद्यमों को एआई टूल्स को एक-एक करके एकीकृत करने के लिए प्रेरित करता है, बिना यह विचार किए कि एकल समाधान बड़े रोडमैप में कैसे फिट होगा।
• गुम हुए प्रक्रिया/अनुशासन: एआई और एमएल समाधान प्राकृतिक रूप से कंपनी के भीतर विशिष्ट नेताओं द्वारा चैंपियन और पेश किए जाएंगे, लेकिन उनकी सफलता संस्थागत खरीद में निर्भर करती है शीर्ष से नीचे तक। शुरुआती अपनाने वालों को नए टूल्स के एकीकरण को यथासंभव चिकनी बनाने के लिए आवश्यक अनुशासन और दिनचर्या को स्थापित करने के लिए रनवे तैयार करने की आवश्यकता है।

पिछला साल यह दिखा दिया है कि डिजिटल परिवर्तन और एआई और एमएल के माध्यम से दिनचर्या को स्वचालित करने के संदर्भ में कोई समय बर्बाद नहीं किया जा सकता है। फॉर्च्यून बिजनेस इंसाइट्स के अनुसार, 2027 तक कृत्रिम बुद्धिमत्ता का वैश्विक बाजार 267 अरब डॉलर तक पहुंच जाने की उम्मीद है, जो 2019 में 27 अरब डॉलर के मूल्य से लगभग दस गुना वृद्धि का प्रतिनिधित्व करता है। कोविड -19 महामारी के कारण दूरस्थ कार्य में लंबे समय तक बदलाव ने उद्यमों को नए समाधानों को अपनाने के लिए प्रेरित किया; ट्विलियो की कोविड -19 डिजिटल इंगेजमेंट रिपोर्ट में पाया गया कि 97% कार्यकारी अधिकारियों ने कहा कि महामारी ने उनके डिजिटल परिवर्तन प्रयासों को तेज कर दिया है।

तो एआई और एमएल के हाइप से आगे बढ़ने और वास्तव में इन टूल्स को संचालित करने के लिए क्या लेगा? कुछ प्रौद्योगिकियां और रणनीतियां अंतर कर सकती हैं:

1. एआईओप्स, एमएलओप्स, डेटाओप्स

किसी प्रौद्योगिकी या अनुप्रयोग में -ओप्स जोड़ना एक नए बाज़वॉर्ड के लिए एक निश्चित तरीका है, लेकिन इनमें से सभी उभरते समाधान वेपरवेयर नहीं हैं। वास्तव में, एआईओप्स, एमएलओप्स और डेटाओप्स जैसी रणनीतियां उस चुनौती का समाधान प्रदान कर सकती हैं कि उद्यम के भीतर एकत्र किए गए सभी डेटा को कैसे व्यवस्थित किया जाए। ये टूल्स क्रमशः एआई, मशीन लर्निंग और डेटा प्रबंधन में एगिल प्रबंधन के सिद्धांतों को लागू करते हैं, जो नए समाधानों से मूल्य प्राप्त करने के लिए आवश्यक ज्ञान और प्रयास को नाटकीय रूप से सरल बनाते हैं। एआई/एमएल में अपने पहले कदम के लिए व्यवसायों के लिए और गति प्राप्त करने के लिए, ये रणनीतियां एक आवश्यकता हैं।

2. लो कोड/नो कोड

सबसे जटिल और सूक्ष्म एमएल मॉडल हमेशा उनकी सफलता सुनिश्चित करने के लिए समर्पित डेवलपर्स और डेटा वैज्ञानिकों की आवश्यकता होगी। हालांकि, कई उद्यमों का सामना करने वाली चुनौतियां इतनी जटिल नहीं हैं, और उन्हें सरल, एक-आकार-फिट-सभी एआई समाधानों के साथ हल किया जा सकता है। लो-कोड और नो-कोड प्लेटफ़ॉर्म उन कर्मचारियों के लिए प्रवेश बाधा को कम करते हैं जिनके पास सॉफ़्टवेयर विकास में बहुत कम या कोई पृष्ठभूमि नहीं है। नो-कोड टूल्स इंट्यूटिव, ड्रैग-एंड-ड्रॉप प्लेटफ़ॉर्म के माध्यम से सिफारिश इंजन जैसे समाधान बनाने में किसी भी कर्मचारी को सक्षम बनाते हैं, जबकि लो-कोड प्लेटफ़ॉर्म केवल कुछ पंक्तियों के साथ जटिल कार्य कर सकते हैं।

3. ऑटोएआई और ऑटोमेल

यदि कृत्रिम बुद्धिमत्ता और मशीन लर्निंग व्यवसायिक प्रक्रियाओं को स्वचालित करते हैं, तो उन्हें स्वयं स्वचालित करने की आवश्यकता क्यों है? एआई और एमएल की सफलता का एक महत्वपूर्ण पहलू परिष्करण का विचार है: जैसे ही ये टूल्स नौकरी पर सीखते हैं और अधिक डेटा एकीकृत करते हैं, वे अपने प्रदर्शन को स्थिर रूप से बेहतर बना सकते हैं और बेहतर परिणाम प्रदान कर सकते हैं। ऑटोएआई और ऑटोमेल मानव इनपुट की आवश्यकता के बिना इस परिष्करण प्रक्रिया को करते हैं, एक अंतहीन मेरिटरी चक्र बनाते हैं। मानव मॉडल के प्रदर्शन की जांच कर सकते हैं ताकि यह सुनिश्चित किया जा सके कि उपकरण उद्यम की जरूरतों की सेवा कर रहा है, लेकिन ऑटोमेल कर्मचारियों को दिन-प्रतिदिन के दौरान अन्य चुनौतियों पर ध्यान केंद्रित करने की अनुमति देता है।

चिपमेकर्स और सॉफ़्टवेयर कंपनियां प्राकृतिक भाषा प्रसंस्करण के साथ नए मैदान तोड़ रही हैं, एआई/एमएल क्षेत्र एक मोड़ पर पहुंच रहा है जो नए उपयोग के मामलों के विस्फोट को देखेगा। उद्यमों को इन उभरती प्रौद्योगिकियों पर प्रतिक्रिया देने के लिए तैयार रहने की आवश्यकता है; जो लोग अब अपने घर को व्यवस्थित नहीं करते हैं वे प्रतिद्वंद्वियों द्वारा छोड़ दिए जाएंगे जो करते हैं।