डेटा क्यों है एआई रणनीति का अनसुना हीरो

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 में तेजी से वृद्धि हो रही 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 चरण, विशेष रूप से जनरेटिव एआई के लिए, धीरे-धीरे समाप्त हो रहा है। उद्यमों को यह 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, जिसके परिणामस्वरूप रणनीतिक नवाचार और बजट हो रहे हैं।

डेटा: एआई रणनीति का पहला डोमिनो

किसी भी एआई रणनीति में एक महत्वपूर्ण विचार डेटा होना चाहिए। एआई मॉडलों के लिए संदर्भ, बुद्धिमत्ता, और डोमेन और उद्यम-विशिष्ट होने के लिए डेटा महत्वपूर्ण है। एआई मॉडल परिणामों की भविष्यवाणी करते हैं जो मॉडल के ट्यूनिंग और उसे प्रस्तुत किए गए इनपुट दोनों पर आधारित होते 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 बढ़ाने की उम्मीद है, जो केवल मॉडल्स से नहीं बल्कि उनको ईंधन देने वाले अंतर्निहित डेटा और बुनियादी ढांचे में भारी निवेश से भी संचालित होगा।

संकीर्ण उपसेट्स के साथ प्रशिक्षण डेटा पूर्वाग्रहित मॉडल 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 का पहला डोमिनो है। सबसे अच्छे लोगों और अत्याधुनिक प्रौद्योगिकियों 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 नोट किया गया है, संगठन जो एआई के साथ स्केल करते हैं उन्हें डेटा पर निर्भर करते हैं, और जो नेता सफल होंगे वे अपने डेटा में विश्वास स्थापित करेंगे और रणनीतिक रूप से इसका नेतृत्व करेंगे।

अपनी एआई रणनीति के लिए अपने डेटा की तैयारी के लिए 5 कुंजी रणनीतिक डेटा निर्णय

यहाँ 5 मुख्य विचार हैं जिन पर आपको और आपके उद्यम को अपने डेटा को अपनी एआई रणनीति के लिए 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 पुन: उपयोग एआई के लिए नहीं करते हैं। महत्वपूर्ण रिपोर्टिंग और विश्लेषण के लिए उपयोग किए जाने वाले डेटा का एक बड़ा हिस्सा एआई के लिए भी महत्वपूर्ण हो सकता है। इसलिए, उद्यम में पहले से मौजूद डेटा संपत्तियों से शुरू करना महत्वपूर्ण है। natürlich, इसके लिए सही डेटा गुणवत्ता उपायों के साथ पूरक होने की आवश्यकता है।

मुख्य प्रश्न पूछें – हमारे उद्यम में क्या डेटा है, और इसकी स्थिति क्या है?

2. मेटाडेटा और डेटा वंशावली – स्थापित 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 व्यावसायिक शब्द एक आरएजी मॉडल के लिए प्रासंगिक संदर्भ की पहचान में मदद कर सकते हैं। जब एक उपयोगकर्ता बीमा उद्यम में एक 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 वंशावली डेटा के प्रवाह को समझने में भी मदद करती 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 वंशावली की आवश्यकता होती है।

मुख्य प्रश्न पूछें – क्या हमारा डेटा ठीक से व्यावसायिक और तकनीकी मेटाडेटा के साथ टैग किया गया है? क्या हम डेटा वंशावली एकत्र करते हैं ताकि हम डेटा के प्रवाह को समझ सकें?

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

मुख्य प्रश्न पूछें – क्या हमारे पास डेटा शासन और अनुपालन कार्यक्रम है? यदि नहीं, तो मेरी एआई रणनीति के लिए मुझे क्या मुख्य पहलुओं को स्थापित करने की आवश्यकता है?

4. मास्टर डेटा को अपने एआई क्वार्टरबैक के रूप में मानें – महत्वपूर्ण मास्टर डेटा, जिसमें आपके उद्यम की मुख्य संस्थाओं के बारे में डेटा होता है, का उपयोग आपकी एआई रणनीति के आधार के रूप में किया जाना चाहिए। उदाहरण के लिए, यदि ग्राहक के 360-डिग्री दृश्य मौजूद हैं, तो किसी भी ग्राहक डोमेन पर एआई रणनीति, जैसे कि ग्राहक चूर्न पूर्वानुमान, को इस मास्टर डेटा का उपयोग करना चाहिए ताकि कोई डेटा न छूटे। natürlich, इसे विशिष्ट डेटा स्रोतों से अधिक जानकारी के साथ जोड़ा जा सकता है।

मुख्य प्रश्न पूछें – क्या मेरे पास मेरे महत्वपूर्ण मास्टर डेटा डोमेन मौजूद हैं और मेरे डेटा लैंडस्केप 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 के प्रति मापा जाना चाहिए। इसके लिए डेटा को बोर्ड और सीएक्सओ विषयों पर भी होना चाहिए, न कि केवल एआई पर।

मुख्य प्रश्न पूछें – क्या मेरे बोर्ड और सीएक्सओ को संगठन में डेटा का मूल्य समझ में आता है? यदि नहीं, तो हम यह सुनिश्चित करने के लिए क्या कर सकते हैं, खासकर 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 स्थान में नवाचार की गति अद्भुत है। लेकिन समय के साथ, एआई मॉडल कमोडिटाइज हो जाएंगे; आपके उद्यम में वास्तविक विभेदक यह नहीं है कि आप कौन सा मॉडल उपयोग करते हैं, बल्कि यह कि यह किस डेटा के साथ संदर्भित, फाइन-ट्यून और काम कर रहा है।

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