जेनएआई क्यों पायलट में अटक जाता है

कंपनियां जेनरेटिव एआई परियोजनाओं को प्रयोग से उत्पादन में बदलने के साथ जूझ रही हैं – कई व्यवसाय अभी भी पायलट मोड में फंसे हुए हैं। जैसा कि हमारे हाल के शोध में बताया गया है, 92% संगठन चिंतित हैं कि जेनएआई पायलट मूलभूत डेटा समस्याओं को हल किए बिना तेजी से आगे बढ़ रहे हैं। और भी अधिक बताने वाला है: 67% पायलटों में से आधे को उत्पादन में स्केल करने में असमर्थ रहे हैं। यह उत्पादन अंतर तकनीकी परिपक्वता के बारे में कम और अंतर्निहित डेटा की तैयारी के बारे में अधिक है। जेनएआई की संभावना उस आधार की ताकत पर निर्भर करती है जिस पर यह खड़ा है। और आज, अधिकांश संगठनों के लिए, वह आधार सबसे अच्छा है।

जेनएआई पायलट में क्यों अटक जाता है

हालांकि जेनएआई समाधान निश्चित रूप से शक्तिशाली हैं, वे केवल उतने ही प्रभावी हैं जितना डेटा उन्हें खिलाता है। “गार्बेज इन, गार्बेज आउट” की पुरानी कहावत आज पहले से कहीं अधिक सच है। विश्वसनीय, पूर्ण, हकदार और समझने योग्य डेटा के बिना, जेनएआई मॉडल अक्सर परिणाम उत्पन्न करते हैं जो असटीक, पूर्वाग्रहपूर्ण या उद्देश्य के लिए उपयुक्त नहीं हैं।

दुर्भाग्य से, संगठनों ने कम-प्रयास वाले उपयोग के मामलों को तैनात करने के लिए जल्दी की, जैसे कि एआई-संचालित चैटबॉट जो विभिन्न आंतरिक दस्तावेजों से अनुकूलित उत्तर प्रदान करते हैं। और जबकि वे ग्राहक अनुभव को कुछ हद तक बेहतर बनाते हैं, वे कंपनी की डेटा बुनियादी ढांचे में गहरे परिवर्तन की मांग नहीं करते हैं। लेकिन जेनएआई को रणनीतिक रूप से स्केल करने के लिए, चाहे वह स्वास्थ्य सेवा, वित्तीय सेवाओं में हो या आपूर्ति श्रृंखला स्वचालन में, डेटा परिपक्वता का एक अलग स्तर आवश्यक है।

वास्तव में, 56% मुख्य डेटा अधिकारी डेटा विश्वसनीयता को एआई की तैनाती के लिए एक प्रमुख बाधा के रूप में उद्धृत करते हैं। अन्य मुद्दों में अधूरा डेटा (53%), गोपनीयता समस्याएं (50%), और बड़े एआई शासन अंतराल (36%) शामिल हैं।

कोई शासन, कोई जेनएआई नहीं

जेनएआई को पायलट चरण से परे ले जाने के लिए, कंपनियों को डेटा शासन को अपने व्यवसाय के लिए एक रणनीतिक आवश्यकता के रूप में मानना ​​चाहिए। उन्हें यह सुनिश्चित करने की आवश्यकता है कि डेटा एआई मॉडल को शक्ति प्रदान करने के लिए पर्याप्त है, और इसलिए निम्नलिखित प्रश्नों का समाधान किया जाना चाहिए:

• क्या मॉडल को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा सही प्रणालियों से आ रहा है?
• क्या हमने व्यक्तिगत रूप से पहचान योग्य जानकारी को हटा दिया है और सभी डेटा और गोपनीयता नियमों का पालन किया है?
• क्या हम पारदर्शी हैं, और क्या हम डेटा की वंशावली को साबित कर सकते हैं जिसका उपयोग मॉडल द्वारा किया जाता है?
• क्या हम अपनी डेटा प्रक्रियाओं का दस्तावेजीकरण कर सकते हैं और यह दिखाने के लिए तैयार हैं कि डेटा में कोई पूर्वाग्रह नहीं है?

डेटा शासन को एक संगठन की संस्कृति के भीतर भी निहित किया जाना चाहिए। ऐसा करने के लिए, सभी टीमों में एआई साक्षरता बनाने की आवश्यकता है। यूरोपीय संघ के एआई अधिनियम इस जिम्मेदारी को औपचारिक बनाता है, जिसमें एआई प्रणालियों के प्रदाताओं और उपयोगकर्ताओं दोनों को यह सुनिश्चित करने के लिए सर्वोत्तम प्रयास करने की आवश्यकता है कि कर्मचारी पर्याप्त रूप से एआई-साक्षर हैं, यह सुनिश्चित करते हुए कि वे जानते हैं कि ये प्रणालियां कैसे काम करती हैं और उन्हें जिम्मेदारी से कैसे उपयोग किया जाता है। हालांकि, प्रभावी एआई अपनाने में केवल तकनीकी ज्ञान से परे जाने की आवश्यकता है। यह डेटा कौशल में एक मजबूत आधार की भी मांग करता है, डेटा शासन को समझने से लेकर विश्लेषणात्मक प्रश्नों को फ्रेम करने तक। एआई साक्षरता को डेटा साक्षरता से अलग करना छोटा दृष्टिकोण होगा, दोनों कितनी निकटता से जुड़े हुए हैं।

डेटा शासन के संबंध में, अभी भी काम करने की जरूरत है। जिन व्यवसायों को अपने डेटा प्रबंधन निवेश बढ़ाना है, उनमें से 47% सहमत हैं कि डेटा साक्षरता की कमी एक शीर्ष बाधा है। यह संगठन भर में सही कौशल विकसित करने और शीर्ष स्तर का समर्थन बनाने की आवश्यकता को रेखांकित करता है। इन आधारों के बिना, यहां तक ​​कि सबसे शक्तिशाली एलएलएम भी वितरित करने के लिए संघर्ष करेंगे।

जिम्मेदार एआई विकसित करना

वर्तमान नियामक वातावरण में, यह पर्याप्त नहीं है कि एआई “केवल काम करे”, यह जिम्मेदार और समझाया जाना चाहिए। यूरोपीय संघ के एआई अधिनियम और यूके की प्रस्तावित एआई एक्शन प्लान उच्च जोखिम वाले एआई उपयोग के मामलों में पारदर्शिता की मांग करते हैं। अन्य इसका पालन कर रहे हैं, और 1,000+ संबंधित नीति बिल 69 देशों में एजेंडे पर हैं।

एल्गोरिदम में न्याय की बढ़ती उपभोक्ता और हितधारक मांगों के परिणामस्वरूप यह वैश्विक आंदोलन जिम्मेदारी की ओर है। उदाहरण के लिए, संगठनों को यह बताने में सक्षम होने की आवश्यकता है कि क्यों एक ग्राहक को ऋण के लिए अस्वीकार कर दिया गया था या प्रीमियम बीमा दर क्यों चार्ज की गई थी। ऐसा करने के लिए, उन्हें यह जानने की आवश्यकता होगी कि मॉडल ने उस निर्णय को कैसे लिया, और यह इस बात पर निर्भर करता है कि मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा की एक स्पष्ट, ऑडिट योग्य ट्रेल है।

यदि समझदारी नहीं है, तो व्यवसाय ग्राहक विश्वास खो सकते हैं और वित्तीय और कानूनी परिणामों का सामना कर सकते हैं। परिणामस्वरूप, डेटा वंशावली की ट्रेसबिलिटी और परिणामों के औचित्य की आवश्यकता नहीं है, बल्कि एक अनुपालन आवश्यकता है।

और जैसा कि जेनएआई सरल उपकरणों से परे फैलता है और पूरी तरह से एजेंट जो निर्णय ले सकते हैं और उन पर कार्रवाई कर सकते हैं, मजबूत डेटा शासन के लिए दांव और भी अधिक बढ़ जाते हैं।

विश्वसनीय एआई बनाने के लिए कदम

तो अच्छा क्या दिखता है? जेनएआई को जिम्मेदारी से स्केल करने के लिए, संगठनों को तीन स्तंभों पर एक एकल डेटा रणनीति अपनानी चाहिए:

• व्यवसाय के लिए एआई को अनुकूलित करें: अपने डेटा को अपने व्यवसाय के प्रमुख उद्देश्यों के चारों ओर कैटलॉग करें, यह सुनिश्चित करते हुए कि यह आपके व्यवसाय के लिए विशिष्ट संदर्भ, चुनौतियों और अवसरों को दर्शाता है।
• एआई में विश्वास स्थापित करें: नैतिक और जिम्मेदार एआई तैनाती के लिए अनुपालन और पर्यवेक्षण के लिए नीतियों, मानकों और प्रक्रियाओं को स्थापित करें।
• एआई डेटा-तैयार पाइपलाइनें बनाएं: अपने विविध डेटा स्रोतों को एक मजबूत डेटा फाउंडेशन में मिलाएं जो मजबूत एआई के लिए तैयार है, जिसमें पूर्व-निर्मित जेनएआई कनेक्टिविटी शामिल है।

जब संगठन इसे सही करते हैं, तो शासन एआई मूल्य को तेज करता है। वित्तीय सेवाओं में, उदाहरण के लिए, हेज फंड स्टॉक मूल्य पूर्वानुमान में मानव विश्लेषकों को पार करने के लिए जेन एआई का उपयोग कर रहे हैं जबकि लागत को काफी कम कर रहे हैं। निर्माण में, एआई द्वारा संचालित आपूर्ति श्रृंखला अनुकूलन संगठनों को वास्तविक समय में राजनीतिक परिवर्तनों और पर्यावरणीय दबावों का जवाब देने में सक्षम बनाता है।

और ये केवल भविष्य के विचार नहीं हैं, वे विश्वसनीय डेटा द्वारा संचालित हो रहे हैं।

मजबूत डेटा फाउंडेशन के साथ, कंपनियां मॉडल ड्रिफ्ट को कम करती हैं, पुन: प्रशिक्षण चक्रों को सीमित करती हैं, और मूल्य की गति बढ़ाती हैं। यही कारण है कि शासन एक नवाचार के रोडब्लॉक के रूप में नहीं है, बल्कि एक सुविधा के रूप में है।

आगे क्या है?

प्रयोग के बाद, संगठन चैटबॉट्स में निवेश कर रहे हैं और परिवर्तनकारी क्षमताओं में निवेश कर रहे हैं। ग्राहक इंटरैक्शन को व्यक्तिगत करने से लेकर चिकित्सा अनुसंधान में तेजी लाने, मानसिक स्वास्थ्य में सुधार करने और नियामक प्रक्रियाओं को सरल बनाने के लिए, जेनएआई विभिन्न उद्योगों में अपनी संभावना का प्रदर्शन शुरू कर रहा है।

हालांकि, ये लाभ पूरी तरह से उन्हें अंतर्निहित डेटा पर निर्भर करते हैं। जेनएआई एक मजबूत डेटा फाउंडेशन के साथ शुरू होता है, जो मजबूत डेटा शासन के माध्यम से है। और जबकि जेनएआई और एजेंटिक एआई आगे बढ़ते रहेंगे, यह मानव निरीक्षण को जल्द ही प्रतिस्थापित नहीं करेगा। इसके बजाय, हम संरचित मूल्य निर्माण के एक चरण में प्रवेश कर रहे हैं, जहां एआई एक विश्वसनीय को-पायलट बन जाता है। डेटा गुणवत्ता, शासन और संस्कृति में सही निवेश के साथ, व्यवसाय अंततः जेनएआई को एक आशाजनक पायलट से कुछ ऐसा बना सकते हैं जो पूरी तरह से जमीन पर उतर जाए।