विचार नेता

कैसे और कब का समाधान: व्यवसायिक रणनीति को एआई अपनाने में शामिल करना

Boobesh Ramadurai
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
AI Business Applications
मुख्य बिंदुकंपनियों को पहले मजबूत डेटा इकोसिस्टम बनाने को प्राथमिकता देनी चाहिए क्योंकि डेटा की…
और देखें
  • कंपनियों को पहले मजबूत डेटा इकोसिस्टम बनाने को प्राथमिकता देनी चाहिए क्योंकि डेटा की गुणवत्ता एआई के प्रदर्शन को बड़े पैमाने पर प्रभावित करती है।
  • सामान्य एआई अपनाने के रुझानों का पीछा करने के बजाय, एआई द्वारा हल किए जाने वाले विशिष्ट व्यावसायिक समस्याओं की पहचान करें।
  • ओपन-सोर्स एलएलएम नियंत्रण और लचीलापन प्रदान करते हैं, लेकिन इनमें सुरक्षा जोखिमों और टीम के कौशल उन्नयन का प्रबंधन आवश्यक है।

हमने एक ऐसा मोड़ ले लिया है जहां बोर्डरूम चर्चाएं एआई की प्रभावशीलता पर बहस से लेकर अपनाने की गति तेज करने तक पहुंच गई हैं। यह एक रोमांचक समय है, खासकर जब हमें लगता है कि परिवर्तन की गति कभी भी इतनी धीमी नहीं होगी। बीसीजी के अनुसार, वैश्विक आर्थिक अनिश्चितता के बावजूद, 2023 में नवाचार शीर्ष कॉर्पोरेट प्राथमिकता बन गया, जिसमें 79% कंपनियों ने इसे अपने शीर्ष तीन लक्ष्यों में से एक के रूप में स्थान दिया।

लेकिन केवल नवाचार के लिए नवाचार करना एक ठोस व्यावसायिक रणनीति नहीं है। एआई के उत्साह में बहने वाली कंपनियां दीर्घकालिक मूल्य देने वाले समाधानों के बजाय अतिरंजित प्रचार में निवेश करने का जोखिम उठाती हैं। अंतर समझने के लिए वर्तमान क्षमताओं का सावधानीपूर्वक आकलन और अल्पकालिक रुझानों के ऊपर टिकाऊ विकास को प्राथमिकता देने का धैर्य आवश्यक है।

गोल्डीलॉक्स ज़ोन

व्यवसायिक इतिहास उन कंपनियों के उदाहरणों से भरा हुआ है जिनके रणनीतिक निर्णय महत्वपूर्ण क्षणों में उनके अस्तित्व के लिए परिणामकारी रहे हैं। उदाहरण के लिए, अमेज़ॅन डॉट-कॉम संकट से बच गया क्योंकि उसने अपनी लेखांकन रणनीति बदलने और नकदी भंडार बढ़ाने का महत्व पहचाना, जबकि दूसरी कंपनियां बेतहाशा नकदी खर्च कर रही थीं। बात यह है कि उत्साह के समय में ठोस व्यावसायिक निर्णय अधिक महत्वपूर्ण हैं, और कल के लिए योजना बनाने के लिए सभी संभावित परिदृश्यों के माध्यम से सोचने की क्षमता होना आवश्यक है। (AMZN )

कुल मिलाकर, एआई के अवसर से चूक जाने के डर (FOMO) का एक सामान्य भाव है जो नेतृत्व टीमों में प्रवेश कर गया है, जो इस वास्तविकता से और जटिल है कि कुछ नहीं करना (अर्थात् “विश्लेषण द्वारा पक्षाघात”) भी एक वास्तविक खतरा है। (केवल कोडक से पूछें।) यहाँ उन कंपनियों के लिए 3 विचार हैं जो एआई के “गोल्डीलॉक्स ज़ोन” की तलाश में हैं – न तो बहुत तेजी से निवेश करना और न ही बहुत धीमी गति से, बल्कि दीर्घकालिक नवाचार का उपयुक्त संतुलन खोजना।

1. पहले डेटा वृद्धि पर ध्यान दें

किसी भी मशीन की तरह, इसके आंतरिक कामकाज को समझना मूल्य को समझने के लिए आवश्यक है। अर्थात्, एआई एक पूरी तरह तैयार उत्पाद नहीं है, बल्कि इसके बड़े भाषा मॉडल (एलएलएम) विभिन्न डोमेन और कार्यों में पैटर्न, संदर्भ और भाषाई बारीकियों को सीखने के लिए भारी मात्रा में विविध डेटा बिंदुओं पर निर्भर करते हैं। एलएलएम के विशाल आकार और जटिलता के कारण विभिन्न क्षेत्रों और कार्यों में प्रभावी ढंग से काम करने के लिए व्यापक प्रशिक्षण डेटा आवश्यक होता है। इस डेटा की गुणवत्ता और मात्रा एलएलएम के प्रदर्शन और, उसके माध्यम से, कंपनी के एआई उपकरणों के पूरे समूह पर गहरा प्रभाव डालती है।

अधिक मजबूत डेटा पारिस्थितिकी तंत्र बनाना इसलिए किसी भी कंपनी के लिए एक बुद्धिमान पहला निवेश है जो एआई परिवर्तन की योजना बना रही है, और यह डेटा एलएलएम के लिए आधार के रूप में कार्य करेगा क्योंकि वे बढ़ते हैं और विकसित होते हैं। 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, विशेषज्ञ अब कहते हैं कि “डेटा की गुणवत्ता और विविधता का प्रभाव लक्ष्य-संरेखण तथा एलएलएम प्रशिक्षण के अन्य पहलुओं—पूर्व-प्रशिक्षण, विशिष्ट कार्यों के लिए अनुकूलन, व्यवहार को निर्देशित करने की क्षमता आदि—दोनों पर अत्यंत बड़ा है।”

2. एक व्यवसायिक उपयोग का मामला पहचानें

जबकि एआई की क्षमता बाहरी अनुप्रयोगों के लिए है, अधिकांश कंपनियां अपनी 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 सॉफ़्टवेयर को बस प्लग-एंड-प्ले करने और आउटपुट में सुधार करने की उम्मीद नहीं करनी चाहिए। इसके बजाय, एआई के सबसे सफल उपयोग मामलों में ग्राहक व्यवहार, बाजार रुझान और संभावित जोखिमों के बारे में मूल्यवान अंतर्दृष्टि प्रदान करने के लिए डेटा का विश्लेषण करना शामिल है। यह आंतरिक गतिविधियों को स्ट्रीमलाइन करने में भी प्रभावी साबित हुआ है, जिसमें कर्मचारियों के समय को उच्च-स्तरीय गतिविधियों के लिए आवंटित करने के लिए मैनुअल कार्यों को स्वचालित करना शामिल है।

संक्षेप में, कौन से एआई मॉडल इस्तेमाल करें यह तय करने में 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, पहले वह परिणाम तय करें जिसे आप सुधारना चाहते हैं, उससे संबंधित केपीआई निर्धारित करें, और फिर उलटे क्रम में विचार करें कि कौन से एआई उपकरण इन उद्देश्यों को पूरा करेंगे।) एमआईटी के ग्लोबल एग्जीक्यूटिव एआई सर्वे के अनुसार, जो लोग नए केपीआई बनाने के लिए एआई का उपयोग करते हैं उनमें से 90% कहते हैं कि वे अपने केपीआई में सुधार देखते हैं। “एआई से मिली जानकारी पर आधारित ये केपीआई व्यावसायिक लाभ देते हैं और नई क्षमताएं दिखाते हैं: वे अक्सर अधिक कुशलता और वित्तीय लाभ की ओर ले जाते 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 भयावह लग सकता है, और कई कंपनियां एक बाहरी विक्रेता से एक लाइसेंस खरीदने का विकल्प चुनती हैं जिसमें एक प्रोप्राइटरी एलएलएम होता है जो उस मार्ग से बचने के लिए है। 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 विकासकर्ताओं के लिए आधारभूत संरचना उपलब्ध है जिसे विशिष्ट कंपनी की आवश्यकताओं के अनुसार एक्सेस, निर्माण और संशोधित किया जा सकता है।

यह ओपन-सोर्स मॉडल पारिस्थितिकी तंत्र लोकप्रिय हो गया है क्योंकि कंपनियां अपने नेटवर्क पर संवेदनशील जानकारी रखने और अपने डेटा पर अधिक नियंत्रण रखने का प्रयास करती हैं। ओपन-सोर्स एलएलएम कंपनियों को यह पारदर्शिता और लचीलापन प्रदान करते हैं, साथ ही कम विलंबता मुद्दों और बढ़ी हुई प्रदर्शन के अतिरिक्त लाभ भी प्रदान करते हैं। आईबीएम और नासा ने हाल ही में भू-स्थानिक डेटा पर प्रशिक्षित एक ओपन-सोर्स एलएलएम विकसित करने के लिए साझेदारी की, जो नासा की दशक लंबी ओपन-सोर्स साइंस पहल का हिस्सा है, जो एक अधिक सुलभ, समावेशी और सहयोगी वैज्ञानिक समुदाय बनाने के लिए है।

जैसा कि किसी भी ओपन-सोर्स प्रौद्योगिकी के साथ, ओपन-सोर्स एलएलएम के साथ जोखिम जुड़े हुए हैं, जिनमें संभावित सुरक्षा रिसाव/ उल्लंघन, गलत या दोषपूर्ण जानकारी से उत्पन्न निराधार उत्तर और पूर्वाग्रह, तथा दुर्भावनापूर्ण लोगों द्वारा डेटा में जानबूझकर हेरफेर 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 सर्वश्रेष्ठ बंद-सोर्स एलएलएम के स्तर तक पहुंच जाएंगे, जो प्रारंभिक अपनाने और टीमों को अपस्किल करने में समय बिताने में निवेश को सही ठहराते हैं।

एआई अपनाना एक मैराथन में कई तेज़ दौड़ होगा

हाल के आंकड़ों के आधार पर, संयुक्त राज्य अमेरिका में लगभग 15,000 एआई कंपनियां हैं, जो 2017 में मौजूद कंपनियों की संख्या के दोगुने से भी अधिक है। विश्व स्तर पर, ये संख्या लगभग चार गुना बढ़ जाती है। इतने सारे विक्रेताओं और हॉट न्यू स्टार्टअप्स के साथ जो अपनी सेवाओं को बढ़ावा दे रहे हैं, यह आश्चर्य की बात नहीं है कि कंपनियां अपना समय और पैसा कहां निवेश करना चाहें, यह तय करने के लिए संघर्ष कर रही हैं। लेकिन नवाचार द्वारा प्रस्तुत जोखिम/पुरस्कार और अपनी आवश्यकताओं का सावधानीपूर्वक मूल्यांकन करके, नेता अपनी कंपनियों को दीर्घकालिक विकास की दिशा में आगे बढ़ाने के लिए एआई का सही मिश्रण पाएंगे।

LatentView Analytics में प्रौद्योगिकी व्यवसाय के प्रमुख के रूप में Boobesh एक ऐसे नेतृत्वकर्ता हैं जिन्हें विश्लेषण, डेटा विज्ञान, डिजिटल मार्केटिंग और डेटा विज़ुअलाइज़ेशन का व्यावहारिक अनुभव है। वह उच्च प्रदर्शन वाली टीमों का निर्माण करके प्रौद्योगिकी क्षेत्र के ग्राहकों की वृद्धि पर ध्यान देते हैं। ये टीमें ऐसे अभिनव समाधान बनाती हैं जो कार्रवाई योग्य अंतर्दृष्टि प्रदान करते हैं।