Connect with us

рд░рдгрдиреАрддрд┐рдХ рдХреНрд▓рд╛рдЙрдб рдЦрд░реНрдЪ рдФрд░ рдПрдЖрдИ: 2024 рдореЗрдВ рд╡реНрдпрд╡рд╕рд╛рдпрд┐рдХ рдореВрд▓реНрдп рдХреЛ рдЕрдзрд┐рдХрддрдо рдХрд░рдирд╛

рд╡рд┐рдЪрд╛рд░ рдиреЗрддрд╛

рд░рдгрдиреАрддрд┐рдХ рдХреНрд▓рд╛рдЙрдб рдЦрд░реНрдЪ рдФрд░ рдПрдЖрдИ: 2024 рдореЗрдВ рд╡реНрдпрд╡рд╕рд╛рдпрд┐рдХ рдореВрд▓реНрдп рдХреЛ рдЕрдзрд┐рдХрддрдо рдХрд░рдирд╛

mm

विशेषज्ञों का अनुमान है कि 2024 में क्लाउड खर्च में वृद्धि होगी, ज्यादातर कृत्रिम बुद्धिमत्ता (एआई) और जनरेटिव एआई (जेनएआई) के अपनाने में वृद्धि के कारण। समझदार कंपनियां पहले से ही अपने एआई और जेनएआई के उपयोग की जांच कर रही हैं, क्लाउड बजट से जुड़ी लागत पर ध्यान केंद्रित कर रही हैं। अगला कदम उन निवेशों को अनुकूलित करने और स्थायी व्यवसायिक विकास सुनिश्चित करने के लिए प्रबंधन रणनीतियों को अपनाना है।

एआई और डेटा: एक सymbiotic संबंध

एआई क्लाउड लागत में कैसे योगदान करता है? डेटा इसका एक बड़ा हिस्सा है। एआई उच्च गुणवत्ता वाले डेटा और इसकी बहुत अधिक मात्रा पर निर्भर करता है। इसे इस तरह सोचें – जितना अधिक डेटा एआई अल्गोरिदम के लिए उपलब्ध होगा, परिणाम उतना ही बेहतर होगा। लेकिन बड़ी मात्रा में डेटा होने से कुछ चुनौतियां भी उत्पन्न हो सकती हैं जो अक्सर लागत में वृद्धि का कारण बनती हैं, खासकर क्लाउड में।

और सभी एआई समान नहीं हैं। उदाहरण के लिए, एआई का एक रूप, प्राकृतिक भाषा प्रसंस्करण (एनएलपी) बहुत डेटा गहन है। एनएलपी का उपयोग ग्राहक सेवा स्वचालन, दस्तावेजों को सारांशित करने, और ईमेल बनाने में किया जा सकता है, बस कुछ अनुप्रयोगों के लिए। प्रत्येक कार्य तब और अधिक जटिल हो जाता है जब एक व्यवसाय संदर्भित प्रतिक्रियाओं की मांग करता है। उदाहरण के लिए, वित्त या स्वास्थ्य सेवा जैसे उच्च नियंत्रित उद्योगों में संवेदनशील डेटा की समीक्षा करना।

जनरेटिव एआई मॉडल में विश्लेषण किए जा सकने वाले डेटा की मात्रा में भी जबरदस्त वृद्धि हुई है। आधुनिक जनरेटिव एआई मॉडल अक्सर एक या दो साल पहले के एआई मॉडल की तुलना में दस से सौ गुना बड़े होते हैं। बड़े मॉडल और डेटा की जटिलता के साथ, साथ ही अतिरिक्त उपयोग के मामले, डेटा की मांग बढ़ जाती है जो क्लाउड लागत को भी बढ़ाती है।

चीजों को और अधिक जटिल बनाने, क्लाउड को कॉर्पोरेट आईटी बुनियादी ढांचे में एकीकृत करने के तरीके बदल रहे हैं। शुरुआत में, कई कंपनियों ने लिफ्ट-एंड-शिफ्ट माइग्रेशन दृष्टिकोण को अपनाया, जिसे रेहोस्टिंग के रूप में भी जाना जाता है, लेकिन यह बहुत महंगा साबित हुआ। यह पता चला कि कई कंपनियों ने उन सेवाओं के लिए भुगतान किया जिनका वे अक्सर उपयोग नहीं करती थीं। हाल के वर्षों में, जब व्यवसाय अपने क्लाउड उपयोग की जांच करते हैं, तो वे अतिरिक्त लागत को समाप्त करके लागत में कटौती करने के तरीके ढूंढ रहे हैं। फिर भी, एआई और जेनएआई की अविश्वसनीय वृद्धि के कारण कंपनियों ने अपने क्लाउड बुनियादी ढांचे को फिर से देखने का फैसला किया है।

क्लाउड अर्थशास्त्र: एक रणनीतिक दृष्टिकोण

यही कारण है कि यह समझना महत्वपूर्ण है कि एआई एक संगठन के लिए क्या मूल्य ला सकता है। कंपनी के नेताओं को यह स्पष्ट अपेक्षाएं निर्धारित करनी चाहिए कि एआई व्यवसाय को मूल्य कैसे प्रदान करेगा, और एआई परियोजनाओं में शामिल सभी टीमों को एआई-संचालित पहलों को मंजूरी देने के लिए एक साझा ढांचे के भीतर सहयोग करना चाहिए।

एआई की लागत को प्रबंधित करने के लिए एक उत्कृष्ट रणनीति क्लाउड अर्थशास्त्र का लाभ उठाना है। इसमें क्लाउड प्रौद्योगिकियों में निवेश और व्यवसायिक प्राथमिकताओं के साथ लागत-लाभ विश्लेषण करना शामिल है। लक्ष्य केवल लागत में कटौती करना और दक्षता बढ़ाना नहीं है, बल्कि समग्र व्यवसायिक मूल्य को अधिकतम करना है।

क्लाउड अर्थशास्त्र व्यवसायों को एआई से जुड़ी लागत को प्रबंधित करने में मदद करता है, जबकि अभिनव प्रौद्योगिकियों में निवेश जारी रखता है। एआई लागत पर क्लाउड अर्थशास्त्र लागू करने से एआई पहल दीर्घकालिक व्यवसायिक लक्ष्यों के साथ संरेखित होती है।

उदाहरण के लिए, हमने एक कंपनी के साथ काम किया जो अपनी मैनुअल, नीचे-से-ऊपर राजस्व पूर्वानुमान प्रक्रिया को बदलना चाहती थी। पहले, कंपनी के पास एक अकुशल प्रणाली थी जो तेजी से बदलते बाजार की स्थितियों के साथ तालमेल बिठाने के लिए पर्याप्त सटीकता की कमी थी। लक्ष्य एक डेटा-संचालित दृष्टिकोण को लागू करना था जो पूर्वानुमान सटीकता में सुधार करता है, जो बिक्री और विपणन रणनीतियों को चलाता है और राजस्व वृद्धि उत्पन्न करता है। हमने 30 ऐतिहासिक वित्तीय और विपणन डेटा प्रकारों के साथ-साथ सार्वजनिक स्रोत वाले उपभोक्ता भावना डेटा का उपयोग करके एक एआई-आधारित समाधान डिज़ाइन किया। इस डेटा-संचालित दृष्टिकोण ने पूर्वानुमान समय में 50% की कमी के साथ-साथ बिक्री और विपणन टीमों के लिए कार्रवाई योग्य अंतर्दृष्टि प्रदान की, जो पहले वर्ष में 15% राजस्व वृद्धि में अनुवादित हुई।

एक और अच्छी प्रथा संसाधनों को स्वचालित करने और एआई की मांग के कारण तुरंत समायोजित करने के लिए बुद्धिमान वर्कलोड प्रबंधन को तैनात करना है, जो अन्य परियोजनाओं के लिए संसाधनों को मुक्त करता है।

इस यात्रा पर शुरू करने के लिए, एक कंपनी क्लाउड अर्थशास्त्र के लिए एक टीम बना सकती है, आदर्श रूप से एक क्लाउड सेंटर ऑफ एक्सीलेंस (क्लाउड सीओई) को समन्वयकारी कार्य करते हुए। यह व्यवसायों को यह निर्णय लेने में मदद करता है कि कौन से परियोजनाएं विचार करने योग्य हैं और कौन से परियोजनाएं मूल्यांकन के योग्य हैं, सुनिश्चित करने के लिए कि सभी एआई पहल रणनीतिक उद्देश्यों और सर्वोत्तम प्रथाओं के साथ संरेखित हैं।

एक अच्छी तरह से प्रबंधित क्लाउड अर्थशास्त्र टीम का होना पूरे संगठन में प्रदर्शन को अनुकूलित करने में मदद करता है। रणनीतिक क्लाउड प्रबंधन के लाभों में शामिल हैं:

  • डेटा उपयोग और परिवर्तनीय लागत मॉडल को समझने से निर्णय लेने में सुधार होता है।
  • व्यवसायिक उद्देश्यों को एआई निवेश के साथ संरेखित करना व्यवसायिक प्रदर्शन को अनुकूलित करता है।
  • संसाधन उपयोग में सुधार और अपशिष्ट खर्च में कमी होती है, जिससे व्यवसाय अपने क्लाउड और एआई निवेश के पूर्ण लाभ प्राप्त कर सकते हैं।

हम 2024 में एआई और क्लाउड निवेश में वृद्धि देखना जारी रखेंगे क्योंकि व्यवसाय समझदार प्रबंधन रणनीतियों को अपनाने में परिवर्तनकारी मूल्य देखते हैं, जो मूल्य को अधिकतम करने और लागत को नियंत्रित करने में मदद करते हैं। क्लाउड अर्थशास्त्र द्वारा प्रदान किया गया ढांचा व्यवसायिक उद्देश्यों को एआई और क्लाउड लागत के साथ संरेखित करना आसान बनाता है, यह सुनिश्चित करता है कि प्रौद्योगिकी निवेश अधिकतम मूल्य प्रदान करते हैं। एक रणनीतिक दृष्टिकोण को अपनाकर, व्यवसाय एआई अपनाने की जटिलताओं को नेविगेट कर सकते हैं और दीर्घकालिक सफलता प्राप्त कर सकते हैं।

Jo Debecker рд╡рд┐рдкреНрд░реЛ рдХреЗ рдлреБрд▓рд╕реНрдЯреНрд░рд╛рдЗрдб рдХреНрд▓рд╛рдЙрдб рд╡реНрдпрд╡рд╕рд╛рдп рд▓рд╛рдЗрди рдХреЗ рдкреНрд░рдореБрдЦ рд╣реИрдВред рдЗрд╕ рднреВрдорд┐рдХрд╛ рдореЗрдВ, рд╡рд╣ рд╡рд┐рдкреНрд░реЛ рдХреА рдХреНрд▓рд╛рдЙрдб рдЬрд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдмрд╛рдЬрд╛рд░ рд░рдгрдиреАрддрд┐ рдХреЛ рдкрд░рд┐рднрд╛рд╖рд┐рдд рдХрд░рдиреЗ, рдПрдкреНрд▓рд┐рдХреЗрд╢рди рдкреНрд░рдмрдВрдзрди рдФрд░ рд╡рд┐рдХрд╛рд╕, рдПрдкреНрд▓рд┐рдХреЗрд╢рди рдЖрдзреБрдирд┐рдХреАрдХрд░рдг рдФрд░ рдХреНрд▓рд╛рдЙрдб рдЗрдиреНрдлреНрд░рд╛рд╕реНрдЯреНрд░рдХреНрдЪрд░ рд╡реНрдпрд╡рд╕рд╛рдп рдХреЛ рдХреНрд▓рд╛рдЙрдб рдореЗрдВ рдмрджрд▓рдиреЗ, рд╡рд┐рдкреНрд░реЛ рдХреЗ рдЕрдВрдд рд╕реЗ рдЕрдВрдд рддрдХ рдбрд┐рд▓реАрд╡рд░реА рдЗрдВрдЬрди рдХреЛ рддреЗрдЬ рдХрд░рдиреЗ рдФрд░ рд╡рд┐рднреЗрджрд┐рдд рд╕рдорд╛рдзрд╛рди рдмрдирд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдЬрд┐рдореНрдореЗрджрд╛рд░ рд╣реИрдВ рдЬреЛ рд╡рд┐рдкреНрд░реЛ рдХреЛ рдХреНрд▓рд╛рдЙрдб рдмрд╛рдЬрд╛рд░ рдХрд╛ рдПрдХ рдмрдбрд╝рд╛ рд╣рд┐рд╕реНрд╕рд╛ рд╣рд╛рд╕рд┐рд▓ рдХрд░рдиреЗ рдореЗрдВ рд╕рдХреНрд╖рдо рдмрдирд╛рдПрдЧрд╛ред