پائلٹ سے پروڈکشن تک: طویل مدتی کے لیے GenAI پروگراموں کی اسکیلنگ پر بصیرت

اب سے برسوں بعد، جب ہم جنریٹو AI (GenAI) کے پھیلاؤ پر غور کریں گے، تو 2024 کو ایک واٹرشیڈ لمحے کے طور پر دیکھا جائے گا – وسیع پیمانے پر تجربات، امید پرستی اور ترقی کا ایک دور، جب کاروباری رہنما ایک بار اپنی انگلیوں کو غیر تجربہ شدہ پانیوں میں ڈبونے سے ہچکچاتے تھے۔ جدت، سر میں کبوتر. میں AI پر McKinsey کا عالمی سروے 2024 کے وسط میں منعقد کیے گئے، 75٪ نے پیش گوئی کی کہ GenAI آنے والے سالوں میں ان کی صنعتوں میں اہم یا خلل ڈالنے والی تبدیلی کا باعث بنے گی۔

اگرچہ GenAI کے فوائد اور حدود کے بارے میں بہت کچھ سیکھا جا چکا ہے، لیکن یہ یاد رکھنا ضروری ہے کہ ہم ابھی تک ارتقاء کے مرحلے میں ہیں۔ پائلٹ پروگراموں کو تیزی سے بڑھایا جا سکتا ہے اور ان کی تعمیر نسبتاً سستی ہے، لیکن کیا ہوتا ہے جب وہ پروگرام CIO کے دفتر کے دائرہ کار میں پروڈکشن میں چلے جاتے ہیں؟ فنکشن کے مخصوص استعمال کے کیسز کم کنٹرول شدہ ماحول میں کیسے انجام دیں گے، اور ٹیمیں اپنے پروگرام کو نتائج دکھانے کا موقع ملنے سے پہلے رفتار کھونے سے کیسے بچ سکتی ہیں؟

پائلٹ سے پیداوار کی طرف بڑھتے ہوئے مشترکہ چیلنجز

GenAI کی کارکردگی کو بہتر بنانے، لاگت کو کم کرنے اور فیصلہ سازی کو بڑھانے کی بے پناہ صلاحیت کے پیش نظر، فعال کاروباری رہنماؤں کے لیے C-Suite کا مینڈیٹ واضح ہے - آگے بڑھیں اور ٹنکر کریں۔ کاروباری رہنماؤں نے کام کرنا شروع کیا، GenAI کی فعالیت کے ساتھ کھلواڑ کیا اور اپنے پائلٹ پروگرام بنائے۔ مارکیٹنگ ٹیموں نے GenAI کو انتہائی ذاتی نوعیت کے کسٹمر کے تجربات بنانے اور بار بار ہونے والے کاموں کو خودکار بنانے کے لیے استعمال کیا۔ کسٹمر سروس میں، GenAI نے طاقت کے ذہین چیٹ بوٹس کو حقیقی وقت میں مسائل کو حل کرنے میں مدد کی، اور R&D ٹیمیں نئے رجحانات کو تلاش کرنے کے لیے بہت زیادہ ڈیٹا کا تجزیہ کرنے میں کامیاب ہوئیں۔

اس کے باوجود، اس تمام صلاحیت اور اس کے حتمی نفاذ کے درمیان ابھی بھی بہت کچھ منقطع ہے۔

ایک بار جب پائلٹ پروگرام CIO کے دفتر کے مدار میں چلا جاتا ہے، تو ڈیٹا کی بہت قریب سے جانچ پڑتال کی جاتی ہے۔ اب تک، ہم GenAI کے ساتھ کچھ عام مسائل سے واقف ہو چکے ہیں جیسے ماڈل تعصب اور فریب کاری، اور بڑے پیمانے پر یہ مسائل بڑے مسائل بن جاتے ہیں۔ ایک CIO پوری تنظیم میں ڈیٹا پرائیویسی اور ڈیٹا گورننس کے لیے ذمہ دار ہے، جب کہ کاروباری رہنما ایسے ڈیٹا کا استعمال کر رہے ہیں جو صرف ان کے فوکس کے مخصوص شعبے سے متعلق ہو۔

سکیلنگ سے پہلے سوچنے کے لیے 3 اہم چیزیں

کوئی غلطی نہ کریں، کاروباری رہنماؤں نے اپنے مخصوص کام کے لیے متاثر کن نتائج کے ساتھ GenAI کے استعمال کے کیسز بنانے میں اہم پیش رفت کی ہے، لیکن طویل مدتی اثرات کے لیے اسکیلنگ بالکل مختلف ہے۔ اس سفر کو شروع کرنے سے پہلے یہاں تین خیالات ہیں:

1. ابتدائی (اور اکثر) IT اور انفارمیشن سیکورٹی ٹیموں کو شامل کریں

فعال کاروباری رہنماؤں کے لیے یہ عام بات ہے کہ وہ اپنے روزمرہ کے کام میں بلائنڈر تیار کریں اور اپنے پائلٹ پروگرام کو وسیع تر تنظیم تک پھیلانے کے لیے ضروری چیزوں کو کم سمجھیں۔ لیکن ایک بار جب وہ پائلٹ پروڈکشن میں چلا جاتا ہے، کاروباری رہنماؤں کو ان تمام مختلف چیزوں کے بارے میں سوچنے کے لیے IT اور انفارمیشن سیکیورٹی ٹیم کی مدد کی ضرورت ہوتی ہے جو غلط ہو سکتی ہیں۔

اس لیے یہ ایک اچھا خیال ہے کہ آئی ٹی اور انفارمیشن سیکیورٹی ٹیموں کو شروع سے ہی شامل کیا جائے تاکہ پائلٹ کو دباؤ کی جانچ کرنے اور ممکنہ خدشات پر قابو پانے میں مدد ملے۔ ایسا کرنے سے کراس فنکشنل تعاون کو فروغ دینے میں بھی مدد ملے گی، جو باہر کے تناظر میں لانے اور تصدیقی تعصب کو چیلنج کرنے کے لیے اہم ہے جو انفرادی افعال میں ہو سکتا ہے۔

2. جب بھی ممکن ہو اصلی ڈیٹا استعمال کریں۔

جیسا کہ پہلے ذکر کیا گیا ہے، ڈیٹا سے چلنے والے مسائل GenAI کو سکیل کرنے میں سب سے بڑی رکاوٹ ہیں۔ اس کی وجہ یہ ہے کہ پائلٹ پروگرام اکثر مصنوعی اعداد و شمار پر انحصار کرتے ہیں جو کاروباری رہنماؤں، IT ٹیموں اور بالآخر CIO کے درمیان مماثل توقعات کا باعث بن سکتے ہیں۔ مصنوعی ڈیٹا۔ مصنوعی طور پر تیار کردہ ڈیٹا ہے جو حقیقی دنیا کے ڈیٹا کی نقل کرنے کے لیے بنایا گیا ہے، بنیادی طور پر اصل ڈیٹا کے لیے ایک اسٹینڈ ان کے طور پر کام کرتا ہے، لیکن بغیر کسی حساس ذاتی معلومات کے۔

فنکشنل لیڈرز کو ہمیشہ حقیقی ڈیٹا تک رسائی حاصل نہیں ہوگی، اس لیے مسئلے کو حل کرنے کے لیے چند اچھے نکات یہ ہوں گے: (1) ایسے پائلٹ پروگراموں سے گریز کریں جن کے لیے سڑک پر اضافی ریگولیٹری جانچ پڑتال کی ضرورت ہو سکتی ہے۔ (2) خراب ڈیٹا کو خراب کرنے/پائلٹ کے نتائج کو متزلزل ہونے سے روکنے کے لیے رہنما اصول وضع کریں؛ اور (3) مستقبل کی صف بندی کے امکانات کو بڑھانے کے لیے کمپنی کے موجودہ ٹیکنالوجی اسٹیک کا استعمال کرتے ہوئے حل میں سرمایہ کاری کریں۔

3. حقیقت پسندانہ توقعات طے کریں۔

جب 2022 کے آخر میں ChatGPT کے آغاز کے بعد GenAI نے پہلی بار عوامی اہمیت حاصل کی، تو صنعتوں میں راتوں رات انقلاب لانے والی ٹیکنالوجی کے لیے توقعات آسمان سے اونچی تھیں۔ یہ ہائپ (بہتر یا بدتر کے لیے) بڑی حد تک برقرار ہے، اور ٹیموں پر فوری نتائج دکھانے کے لیے اب بھی بہت زیادہ دباؤ ہے اگر ان کی GenAI سرمایہ کاری کو مزید فنڈنگ ​​ملنے کی امید ہے۔

حقیقت یہ ہے کہ اگرچہ GenAI تبدیلی کا باعث ہوگا، کمپنیوں کو تبدیلی شروع کرنے کے لیے ٹیکنالوجی کو وقت (اور مدد) دینے کی ضرورت ہے۔ GenAI پلگ اینڈ پلے نہیں ہے، اور نہ ہی اس کی حقیقی قدر صرف ہوشیار چیٹ بوٹس یا تخلیقی امیجری تک محدود ہے۔ وہ کمپنیاں جو GenAI پروگراموں کو کامیابی کے ساتھ پیمانہ بنا سکتی ہیں وہی ہوں گی جو سب سے پہلے اختراع کا کلچر بنانے میں وقت نکالتی ہیں جو قلیل مدتی نتائج پر طویل مدتی اثرات کو ترجیح دیتی ہے۔

ہم سب اس میں ایک ساتھ ہیں۔

اس کے باوجود کہ ہم نے حال ہی میں GenAI کے بارے میں کتنا پڑھا ہے، یہ اب بھی ایک بہت ہی جدید ٹیکنالوجی ہے، اور کمپنیوں کو کسی ایسے وینڈر سے ہوشیار رہنا چاہیے جو دعویٰ کرتا ہے کہ یہ سب کچھ پتہ چلا ہے۔ اس طرح کے ہبرس بادلوں کے فیصلے، آدھے پکے ہوئے تصورات کو تیز کرتا ہے، اور انفراسٹرکچر کے مسائل کا باعث بنتا ہے جو کاروبار کو دیوالیہ کر سکتا ہے۔ اس کے بجائے، جیسا کہ ہم GenAI کے جوش و خروش کے ایک اور سال کی طرف بڑھ رہے ہیں، آئیے اس طاقتور ٹیکنالوجی کو ذمہ داری سے کیسے پیمانہ کرنے کے بارے میں بامعنی بات چیت میں مشغول ہونے کے لیے وقت نکالیں۔ آئی ٹی ٹیم کو عمل کے آغاز میں لا کر، حقیقی دنیا کے ڈیٹا پر انحصار کرتے ہوئے، اور معقول ROI توقعات کو برقرار رکھتے ہوئے، کمپنیاں اس بات کو یقینی بنانے میں مدد کر سکتی ہیں کہ ان کی GenAI حکمت عملی نہ صرف قابل توسیع ہے، بلکہ پائیدار بھی ہے۔