рд╡рд┐рдЪрд╛рд░ рдиреЗрддрд╛
рдХреИрд╕реЗ рдФрд░ рдХрдм рдХрд╛ рд╕рдорд╛рдзрд╛рди: рд╡реНрдпрд╡рд╕рд╛рдп рд░рдгрдиреАрддрд┐ рдХреЛ рдПрдЖрдИ рдЕрдкрдирд╛рдиреЗ рдореЗрдВ рд╢рд╛рдорд┐рд▓ рдХрд░рдирд╛
हम एक ऐसे बिंदु पर पहुंच गए हैं जहां बोर्डरूम चर्चाएं एआई (कृत्रिम बुद्धिमत्ता) की प्रभावशीलता पर बहस करने से लेकर इसके अपनाने को तेज करने तक पहुंच गई हैं। यह एक रोमांचक समय है, खासकर जब से बदलाव की गति कभी भी इतनी धीमी नहीं होगी। बीसीजी के अनुसार, वैश्विक आर्थिक अनिश्चितता के बावजूद, 2023 में नवाचार एक शीर्ष कॉर्पोरेट प्राथमिकता के रूप में उभरा, जिसमें 79% कंपनियों ने इसे अपने शीर्ष तीन लक्ष्यों में से एक के रूप में स्थान दिया।
लेकिन नवाचार के लिए नवाचार का कोई अर्थ नहीं है, और जो संगठन एआई के हंगामे में फंस जाते हैं वे हYPE में निवेश करने का जोखिम उठाते हैं, न कि दीर्घकालिक मूल्य बनाने वाले समाधानों में। इस अंतर को समझने के लिए वर्तमान क्षमताओं पर ध्यान से विचार करने और सतत विकास के बजाय अल्पकालिक रुझानों को प्राथमिकता देने के लिए धैर्य की आवश्यकता होती है।
गोल्डिलॉक्स ज़ोन
व्यवसायिक इतिहास ऐसी कंपनियों के उदाहरणों से भरा हुआ है जिनके रणनीतिक निर्णय महत्वपूर्ण क्षणों में उनके अस्तित्व के लिए परिणामी रहे हैं। उदाहरण के लिए, अमेज़ॅन ने डॉट-कॉम बबल को बचाया अपनी लेखा रणनीति को समायोजित करने और अन्य कंपनियों के नकदी के माध्यम से जलने के दौरान आरक्षित धन में वृद्धि करके। मुद्दा यह है, सामूहिक उत्साह के समय में ध्वनि व्यवसायिक निर्णय अधिक महत्वपूर्ण हैं, और कल के लिए योजना बनाने के लिए सभी संभावित परिदृश्यों पर विचार करने की क्षमता आवश्यक है।
कुल मिलाकर, एक सामान्य भावना है कि एआई का डर (फियर ऑफ मिसिंग आउट) नेतृत्व टीमों में प्रवेश कर गया है, जो इस तथ्य से और जटिल है कि कुछ नहीं करना (अर्थात् “विश्लेषण से पक्षाघात” में पड़ना) भी एक वास्तविक खतरा है। (केवल कोडक से पूछें।) यहाँ उन कंपनियों के लिए 3 विचार हैं जो एआई के “गोल्डिलॉक्स ज़ोन” की तलाश में हैं – न तो बहुत तेजी से और न ही बहुत धीमी, बल्कि सतत नवाचार का मीठा स्थान खोज रहे हैं।
1. डेटा विकास पर ध्यान केंद्रित करें
किसी भी मशीन की तरह, इसके आंतरिक कार्यों को समझना मूल्य की उत्पत्ति को निर्धारित करने के लिए महत्वपूर्ण है। अर्थात्, एआई एक पूरी तरह से बनी हुई उत्पाद नहीं है, बल्कि इसके बड़े भाषा मॉडल (एलएलएम) विभिन्न डोमेन और कार्यों में पैटर्न, संदर्भ और भाषाई सूक्ष्मताओं को सीखने के लिए विविध डेटा बिंदुओं पर निर्भर करते हैं। एलएलएम के विशाल आकार और जटिलता के कारण व्यापक प्रशिक्षण डेटा की आवश्यकता होती है ताकि वे प्रभावी ढंग से काम कर सकें। इस डेटा की गुणवत्ता और मात्रा एलएलएम के प्रदर्शन और एक कंपनी के एआई टूल्स के सूट पर बहुत अधिक प्रभाव डालेगी।
अधिक मजबूत डेटा पारिस्थितिकी तंत्र बनाना इसलिए किसी भी कंपनी के लिए एक समझदार पहला निवेश है जो एआई परिवर्तन की योजना बना रही है, और यह डेटा एलएलएम के विकास और विकास के लिए आधार के रूप में काम करेगा। यह विकास है जहां उच्च गुणवत्ता वाला डेटा और भी महत्वपूर्ण हो जाता है। जबकि अध्ययनों से पता चलता है कि एलएलएम न्यूनतम डेटा के साथ सक्षम हो सकते हैं, विशेषज्ञों अब कहते हैं कि “डेटा की गुणवत्ता और विविधता का एलएलएम प्रशिक्षण (प्री-प्रशिक्षण, फाइन-ट्यूनिंग, स्टीयरेबिलिटी, आदि) पर प्रभाव绝ता से अधिक है।”
2. एक व्यवसाय उपयोग का मामला पहचानें
जबकि एआई की क्षमता व्यापक बाहरी अनुप्रयोगों के लिए है, अधिकांश कंपनियां अपने आंतरिक प्रक्रियाओं को अनुकूलित करने के लिए प्रौद्योगिकी का उपयोग करने पर अधिक ध्यान केंद्रित करती हैं। “अनुकूलित” यहाँ कुंजी शब्द है, जिसका अर्थ है कि कंपनियों को एआई सॉफ्टवेयर को बस प्लग-एंड-प्ले करने और चमत्कारिक रूप से आउटपुट में सुधार करने की उम्मीद नहीं करनी चाहिए। इसके बजाय, एआई के सबसे सफल उपयोग के मामलों में ग्राहक व्यवहार, बाजार के रुझान और संभावित जोखिमों के बारे में मूल्यवान अंतर्दृष्टि प्रदान करने के लिए डेटा का विश्लेषण शामिल है। यह आंतरिक गतिविधियों को स्ट्रीमलाइन करने में भी प्रभावी साबित हुआ है, जिसमें कर्मचारियों के समय को उच्च-स्तरीय गतिविधियों में आवंटित करने के लिए मैनुअल कार्यों को स्वचालित करना शामिल है।
संक्षेप में, एआई मॉडल का उपयोग करने के लिए समय बर्बाद करने के बजाय, संगठनों को विशिष्ट समस्याओं पर ध्यान केंद्रित करने की आवश्यकता है जिन्हें उन्हें अपने एआई को हल करने की आवश्यकता है। (अर्थात्, सुई को आगे बढ़ाने के लिए शुरू करें, केपीआई सेट करें जिसे आप प्रभावित करना चाहते हैं, और फिर उन उद्देश्यों को प्राप्त करने के लिए एआई टूल्स की ओर काम करें।) एमआईटी के ग्लोबल एक्जीक्यूटिव एआई सर्वेक्षण के अनुसार, 90% लोग जो नए केपीआई बनाने के लिए एआई का उपयोग करते हैं वे देखते हैं कि उनके केपीआई में सुधार होता है। “इन एआई-इन्फॉर्म्ड केपीआई व्यवसाय लाभ और नई क्षमताओं को प्रदर्शित करते हैं: वे अक्सर अधिक कुशलता और वित्तीय लाभ के लिए dẫn होते हैं और अधिक विस्तृत, समय-संवेदनशील और संगठनात्मक उद्देश्यों के साथ संरेखित होते हैं।”
3. ओपन सोर्स एलएलएम का उपयोग करके अनुकूलित एआई टूल्स बनाएं
बनाने के लिए, या खरीदने के लिए – यह प्रश्न है। एक अनुकूलित एआई समाधान बनाना डरावना लग सकता है, और कई कंपनियां एक बाहरी विक्रेता से एक प्रोप्राइटरी एलएलएम के लिए लाइसेंस खरीदने का विकल्प चुनती हैं ताकि वे उस मार्ग से बच सकें। हालांकि, लाइसेंस एलएलएम के उपयोग को प्रतिबंधित कर सकता है, और लाइसेंस शुल्क समय के साथ बहुत महंगा हो सकता है। इसके विपरीत, ओपन-सोर्स एलएलएम मुफ्त हैं और अंतर्निहित वास्तुकला विकासकर्ताओं के लिए सुलभ है ताकि वे विशिष्ट कंपनी की जरूरतों के अनुसार बना और संशोधित कर सकें।
यह ओपन-सोर्स मॉडल पारिस्थितिकी तंत्र कंपनियों द्वारा लोकप्रिय हो गया है क्योंकि वे संवेदनशील जानकारी को अपने नेटवर्क पर रखना चाहते हैं और अपने डेटा पर अधिक नियंत्रण रखना चाहते हैं। ओपन-सोर्स एलएलएम कंपनियों को यह पारदर्शिता और लचीलापन प्रदान करते हैं, साथ ही कम विलंबता मुद्दों और बढ़ी हुई प्रदर्शन जैसे अतिरिक्त लाभ भी प्रदान करते हैं। आईबीएम और नासा ने हाल ही में एक ओपन-सोर्स एलएलएम विकसित करने के लिए भागीदारी की, जो नासा की दशक लंबी ओपन-सोर्स साइंस पहल का हिस्सा है, जिसका उद्देश्य एक अधिक सुलभ, समावेशी और सहयोगी वैज्ञानिक समुदाय बनाना है।
जैसा कि किसी भी ओपन-सोर्स प्रौद्योगिकी के साथ, ओपन-सोर्स एलएलएम से जुड़े जोखिम हैं, जिनमें संभावित सुरक्षा रिसाव/उल्लंघन, भ्रामक/पूर्वाग्रह आधारित गलत या दोषपूर्ण जानकारी और दुर्भाग्यपूर्ण अभिनेताओं द्वारा जानबूझकर डेटा को हेरफेर करना शामिल है। लेकिन ओपन-सोर्स मॉडल समय के साथ अधिक चतुर और सुरक्षित हो रहे हैं, जिससे कुछ विशेषज्ञों को लगता है कि ओपन-सोर्स एलएलएम जल्द ही बंद-सोर्स एलएलएम के स्तर तक पहुंच जाएंगे, जो प्रारंभिक अपनाने और टीमों को अपस्किल करने में समय बिताने में निवेश को उचित ठहराते हैं।
एआई अपनाना एक मैराथन में कई तेजी से दौड़ होगा
