क्यों डेटा एआई रणनीति का अनसुना हीरो है

एआई गोल्ड रश – पायलट और प्रयोगों से उद्यम स्तर और रणनीति तक

मूर का नियम एआई के संदर्भ में अच्छी तरह से लागू होता है। एआई की मांग बहुत अधिक है, और हर उद्यम एआई को अपना रहा है। नवाचार भी इस मांग को बढ़ावा देने में मदद कर रहा है क्योंकि नए एआई मॉडल, एआई एजेंट, और नई तकनीकें इस क्षेत्र में आ रही हैं। यह उद्यमों के लिए एक मूलभूत परिवर्तन ला रहा है – एआई के लिए पायलट और प्रयोगों का मंच धीरे-धीरे फीका पड़ रहा है। उद्यमों को एहसास हो रहा है कि एआई को व्यवसायिक विभेदन और स्केलिंग के लिए उद्यम रणनीति का हिस्सा बनाने की आवश्यकता है। एआई अधिकांश बोर्डरूम में एक विषय बन गया है, जो रणनीतिक नवाचार और बजट में परिणत होता है।

डेटा: एआई रणनीति में पहला डोमिनो

किसी भी एआई रणनीति में एक महत्वपूर्ण विचार डेटा होना चाहिए। डेटा एआई मॉडलों को संदर्भिक, बुद्धिमान, और डोमेन और उद्यम-विशिष्ट बनाने के लिए महत्वपूर्ण है। एआई मॉडल परिणामों की भविष्यवाणी करते हैं जो मॉडल के ट्यूनिंग और इनपुट दोनों पर निर्भर करते हैं। दोनों ही डेटा की गुणवत्ता, विविधता, ताजगी, और संरचना पर निर्भर करते हैं।

एक हालिया आईडीसी पूर्वानुमान के अनुसार, एआई 2030 तक वैश्विक अर्थव्यवस्था को लगभग 20 ट्रिलियन डॉलर से बढ़ावा देने की उम्मीद है, जो केवल मॉडल्स से नहीं बल्कि उनका समर्थन करने वाले डेटा और बुनियादी ढांचे में भारी निवेश से भी प्रेरित है।

संकीर्ण उपसेट्स के साथ प्रशिक्षण डेटा पूर्वाग्रहित मॉडल्स की ओर ले जाता है, पुराना डेटा अप्रासंगिक परिणामों की ओर ले जाता है, और खराब डेटा केवल खराब एआई परिणामों की ओर ले जाता है। इसलिए, डेटा उद्यम की डेटा रणनीति में पहला डोमिनो है। सबसे अच्छे लोगों और अत्याधुनिक प्रौद्योगिकी के साथ भी, यदि डेटा डोमिनो गिर जाता है, तो पूरी एआई रणनीति जल्दी से गिर जाती है।

जैसा कि गार्टनर की 2024 रिपोर्ट में डेटा और विश्लेषण के शीर्ष रुझानों पर उल्लेख किया गया है, एआई के साथ स्केल करने वाले संगठन डेटा पर निर्भर करते हैं, और जो नेता सफल होंगे वे उन लोगों के होंगे जो अपने डेटा में विश्वास स्थापित करते हैं और रणनीतिक रूप से इसका नेतृत्व करते हैं।

आपकी एआई रणनीति के लिए महत्वपूर्ण रणनीतिक डेटा निर्णय

यहां 5 महत्वपूर्ण विचार दिए गए हैं जिन पर आपको और आपके उद्यम को अपनी एआई रणनीति के लिए डेटा तैयार करने के लिए विचार करना चाहिए:

1. अपने डेटा लैंडस्केप का पुन: उपयोग करें – कई उद्यम अपने डेटा प्रबंधन, डेटा शासन, और डेटा भंडारण और विश्लेषण लैंडस्केप का उपयोग एआई के लिए नहीं करते हैं। रिपोर्टिंग और विश्लेषण के लिए महत्वपूर्ण डेटा एआई के लिए भी महत्वपूर्ण हो सकता है। इसलिए, उद्यम में पहले से मौजूद डेटा संपत्तियों से शुरू करना महत्वपूर्ण है।当然, इसके लिए सही डेटा गुणवत्ता उपायों की आवश्यकता है।

प्रश्न पूछने के लिए – हमारे पास क्या डेटा है और इसकी स्थिति क्या है?

2. मेटाडेटा और डेटा लाइनेज – मौजूदा डेटा के लिए, मेटाडेटा, यानी डेटा के बारे में डेटा, एआई के लिए उतना ही महत्वपूर्ण, यदि अधिक नहीं, हो सकता है। उदाहरण के लिए, डेटा से जुड़े व्यवसायिक शब्द एक आरएजी मॉडल के लिए प्रासंगिक संदर्भ की पहचान करने में मदद कर सकते हैं। जब एक उपयोगकर्ता बीमा उद्यम में दावे की स्थिति के बारे में पूछता है, तो दावा स्थिति के साथ टैग किए गए सभी डेटा विशेषताएं एआई मॉडल को प्रतिक्रिया देने के लिए संदर्भ के रूप में उपयोग की जा सकती हैं। डेटा लाइनेज डेटा के प्रवाह को समझने में मदद करता है, जिससे एआई मॉडल विश्वसनीय डेटा स्रोतों की पहचान कर सकते हैं।

एक हालिया आईएसएएसए ब्लॉग के अनुसार, एआई शासन महत्वपूर्ण है और इसके लिए सही मेटाडेटा और डेटा लाइनेज की आवश्यकता होती है।

प्रश्न पूछने के लिए – क्या हमारा डेटा व्यवसायिक और तकनीकी मेटाडेटा के साथ ठीक से टैग किया गया है? क्या हम डेटा लाइनेज एकत्र करते हैं ताकि हम डेटा के प्रवाह को समझ सकें?

3. डेटा शासन और अनुपालन – सुनिश्चित करें कि आपका डेटा अच्छी तरह से प्रबंधित और शासित है, और कि कोई भी अनुपालन और गोपनीयता नियम डेटा पर लागू होते हैं। एआई रणनीति को तब इस शासन और नियमों को विरासत में मिलना चाहिए और उन्हें विस्तारित करना चाहिए, न कि शुरू से शुरू करना चाहिए। उदाहरण के लिए, यदि एक ग्राहक अपने डेटा को जीडीपीआर विनियमों के अनुसार अनामित करना चाहता है, तो एआई मॉडल को अनामित डेटासेट पर प्रशिक्षित और संचालित किया जाना चाहिए।

प्रश्न पूछने के लिए – क्या हमारे पास डेटा शासन और अनुपालन कार्यक्रम है? यदि नहीं, तो मेरी एआई रणनीति के लिए मुझे किन मुख्य पहलुओं पर ध्यान देने की आवश्यकता है?

4. मास्टर डेटा को अपने एआई क्वार्टरबैक के रूप में मानें – महत्वपूर्ण मास्टर डेटा, जिसमें आपके उद्यम के मुख्य इकाइयों के बारे में डेटा होता है, को आपकी एआई रणनीति के लिए आधार के रूप में उपयोग किया जाना चाहिए। उदाहरण के लिए, यदि ग्राहक का 360 डिग्री दृश्य मौजूद है, तो ग्राहक दोमेन पर एआई रणनीति, जैसे कि ग्राहक छोड़ने की भविष्यवाणी, को इस मास्टर डेटा का उपयोग करना चाहिए ताकि कोई डेटा छूट न जाए या अधूरा न हो।当然, इसे विशिष्ट डेटा स्रोतों से अधिक जानकारी के साथ जोड़ा जा सकता है।

प्रश्न पूछने के लिए – क्या मेरे पास मेरे महत्वपूर्ण मास्टर डेटा डोमेन उपलब्ध हैं और वे मेरे डेटा लैंडस्केप के बाकी हिस्सों से जुड़े हुए हैं?

5. डेटा और इसका मूल्य – डेटा को लागत केंद्र के रूप में नहीं माना जाना चाहिए, बल्कि इसका मूल्य एआई और व्यवसाय दोनों के लिए मापा जाना चाहिए। इसके लिए डेटा को बोर्ड और सीएक्सओ विषयों पर भी होना चाहिए, न कि केवल एआई पर।

प्रश्न पूछने के लिए – क्या मेरे बोर्ड और सीएक्सओ डेटा के संगठन में मूल्य को समझते हैं? यदि नहीं, तो हम यह सुनिश्चित करने के लिए क्या कर सकते हैं, विशेष रूप से उद्यम में एआई रणनीति के संदर्भ में?

मॉडल आते हैं और जाते हैं, लेकिन डेटा बना रहता है।

जैसे-जैसे आपकी एआई रणनीति विकसित होती है, नए मॉडल और एआई नवाचार उभरेंगे। इस क्षेत्र में नवाचार की गति मनोरंजक है। लेकिन समय के साथ, एआई मॉडल कमोडिटाइज़ हो जाएंगे; आपके उद्यम में सच्चा विभेदक यह नहीं है कि आप कौन सा मॉडल उपयोग करते हैं, बल्कि यह कि यह किस डेटा के साथ संदर्भित, प्रशिक्षित, और काम कर रहा है।

यदि आप एक एआई रणनीति बना रहे हैं, तो मॉडल से शुरू न करें। प्रश्न पूछें: क्या हमारे पास इसका समर्थन करने के लिए डेटा है?