انٹرپرائز میں AI ROI کو زیادہ سے زیادہ کرنا

جیسا کہ اس سے پہلے متعدد ٹیکنالوجیز کا معاملہ رہا ہے، مصنوعی ذہانت (AI) کو اگلے عظیم اختراعی کاروباری اداروں کے لیے استعمال کرنا چاہیے۔ ستم ظریفی یہ ہے کہ بنیادی ٹکنالوجی کئی دہائیوں سے چلی آرہی ہے، لیکن تازہ ترین تکرار کے ساتھ، ہائپ ایک بخار کی حد تک پہنچ گئی ہے جو پورے انٹرپرائز میں عمل درآمد کی حقیقت کو پیچھے چھوڑتی ہے۔ پھر بھی، جیسا کہ IT ٹیموں کو IT ٹرین میں سوار ہونے کے لیے بڑھتے ہوئے دباؤ کا سامنا کرنا پڑتا ہے، انہیں اس جوش و جذبے کو نیچے کی حقیقت کے ساتھ متوازن رکھنا چاہیے۔ مختلف نفاذ کے لیے مختلف سطحوں کی سرمایہ کاری کی ضرورت ہوتی ہے، یعنی انہیں ایک مختلف منافع بھی ملنا چاہیے—اکثر مختلف ٹائم ٹیبل پر۔

کامیاب AI پروڈکٹس فراہم کرنے کی صلاحیت کا انحصار متعدد عوامل پر ہے: مخصوص حکمت عملی، منصوبہ بندی اور عمل درآمد جو کاروباری رہنماؤں کے ذریعے منتخب کیا گیا ہے۔ ہنر مند وسائل کی دستیابی؛ مصنوعات کے روڈ میپ کے اندر فٹ؛ خطرے کی تنظیمی قبولیت؛ اور سرمایہ کاری پر متوقع منافع (ROI) کے خلاف وقت کا انتظام۔

ان عوامل کو متوازن کرنا ایک چیلنج ہے، لیکن ان تین مراحل پر عمل کرنے سے تنظیموں کو AI ROI کی طرف گامزن کیا جا سکتا ہے۔

ٹیکنالوجی کو سمجھیں

بہت سے ادارے AI میدان میں داخل ہوتے ہیں یہ مانتے ہوئے کہ وہ پیچھے ہیں لیکن پوری طرح سے یہ نہیں سمجھتے کہ ٹیکنالوجی کیوں، کیسے، یا یہاں تک کہ کیا ہے۔ نتیجتاً، ان کا پہلا کام AI کے مختلف ذائقوں میں فرق کرنا ہے، جس کا آغاز عین مطابق AI بمقابلہ جنریٹیو AI سے ہوتا ہے۔

پریسجن AI کا استعمال ہے۔ مشین لرننگ اور گہری سیکھنے نتائج کو بہتر بنانے کے ماڈل۔ یہ کاروباری اداروں کو فیصلہ سازی کے عمل کو خودکار بنانے، استعداد کار پیدا کرنے اور ROI کو بڑھانے کے قابل بناتا ہے۔ Precision AI انٹرپرائزز کے لیے ایک قائم شدہ ورک ہارس ٹیکنالوجی میں پختہ ہو گیا ہے جو کہ نمایاں طور پر اپنایا جا رہا ہے اور دن بدن مرکزی دھارے میں شامل ہوتا جا رہا ہے۔

پیداواری AI۔ (GenAI) نیا ہے اور 2022 کے آخر میں OpenAI نے ChatGPT کو جاری کرنے کے بعد سے اس کی اہمیت بڑھی ہے۔ نئے سیمنٹک ٹیکسٹ سیاق و سباق پیدا کرنے کے لیے اربوں پیرامیٹرز کے ساتھ تربیت یافتہ فاؤنڈیشنل لارج لینگوئج ماڈلز (LLMs) پر مشتمل، GenAI کاروباری اثرات اور آپریشنل کارکردگی کے لیے اہم مواقع فراہم کرتا ہے لیکن یہ اپنی گود لینے کی زندگی کے ابتدائی دور میں ہے۔

ایک اہم رکاوٹ ڈیٹا کے معیار کا معیار ہے، جو GenAI ایپلی کیشنز کے لیے بلند ہے کیونکہ کم معیار والے ڈیٹا سیٹس شفافیت اور اخلاقی مسائل کو متعارف کروا سکتے ہیں۔

ڈیٹا کی وشوسنییتا کام کے بہاؤ کو ڈیزائن اور لاگو کرنے سے شروع ہوتی ہے۔ انجام دینے کے لئے پائپ لائنوں کا قیام؛ APIs کے ذریعے خلاصہ؛ کیورٹنگ اور ڈیموکریٹائزنگ؛ اور مختلف قسم کے ڈیٹا کی پروسیسنگ۔ ڈیٹا کے معیار کے تقاضوں کی پچھلی نسل کے بجائے جس میں 4Vs (حجم، رفتار، سچائی اور مختلف قسم) شامل ہیں، AI کو نئی تقاضوں کی ضرورت ہے جس میں 4Ps شامل ہیں: پیشین گوئی، پیداواری صلاحیت، درستگی اور پیمانے پر شخصیت۔

پیشن گوئی: AI الگورتھم اعداد و شمار میں پیٹرن تلاش کرنے کے لیے اعداد و شمار کے تجزیے کے استعمال کی اجازت دیتے ہیں اور حقیقی وقت میں فیصلے کرنے کے لیے تاریخی ڈیٹا اور ڈیٹا سٹریمنگ کو باہم مربوط کرکے مستقبل کے واقعات کی پیش گوئی اور پیش گوئی کرنے کے لیے طرز عمل کی نشاندہی کرتے ہیں۔

پروڈکٹیوٹی: AI کاروباری عمل کی آٹومیشن کو قابل بناتا ہے، جو انٹرپرائز کی آپریشنل کارکردگی اور پیداواری صلاحیت کو بڑھاتا ہے، دہرائے جانے والے کاموں کو کم کرتا ہے اور مزید اسٹریٹجک اسائنمنٹس پر کام کرنے کے لیے عملے کو وقت دیتا ہے۔

صحت سے متعلق: یہ میٹرک ماڈل کے نتائج کی پیمائش اس طرح کرتا ہے کہ مشین لرننگ ماڈل استعمال کے معاملات کے ذریعہ طے شدہ قابل قبول حد کے درمیان درستگی پیدا کر سکتے ہیں۔ درستگی کو مثبت پیشین گوئیوں کی کل تعداد سے تقسیم کرنے والے حقیقی مثبتات کی تعداد کے طور پر بھی شمار کیا جاتا ہے۔

پیمانے پر شخصیت: اس سے مراد قابل اعتماد ڈیٹا استعمال کرنے کا عمل ہے جیسے کہ گاہک کی خریداری کی تاریخ، سائٹ پر ہونے والی کارروائیاں، مخصوص مصنوعات کے لیے صارفین کے جذبات کا تجزیہ اور سروے کے جوابات۔ یہ پورے ڈیموگرافکس میں انفرادی تجربات فراہم کرتا ہے۔

ڈیٹا کوالٹی کے علاوہ، انٹرپرائزز کو اپنی AI تیاری کا جائزہ لیتے وقت بہت سے دوسرے عوامل پر غور کرنا چاہیے - اندرونی اور بیرونی دونوں: گورننس، کمپلائنس الائنمنٹ، کلاؤڈ انویسٹمنٹ، ٹیلنٹ، نئے بزنس آپریشنز ماڈلز، رسک مینجمنٹ، اور لیڈر شپ وابستگی۔

تنظیموں کو ایک AI ویژن قائم کرکے شروع کرنا چاہیے جو ان کے اہداف اور اسٹریٹجک مقاصد سے میل کھاتا ہو۔ C-suite سے خریدنا بہت ضروری ہے، کیونکہ AI کی تعیناتیوں کے لیے اہم اپ فرنٹ سرمایہ کاری کی ضرورت ہوتی ہے۔ CIO کو پورے C-suite تک ROI کے راستے کو واضح طور پر بیان کرنا چاہیے- IT کو فعال کرنے والے فنکشن سے اسٹریٹجک فنکشن تک بڑھانے میں CIO کا ایک حقیقی امتحان۔

اگلا، تنظیم کو لوگوں، عمل، اور ٹیکنالوجی کو سیدھ میں لانا چاہیے۔ AI کو نئی مہارتوں اور سرٹیفیکیشنز کی ضرورت ہوتی ہے جیسے گہری سیکھنے کے ماڈلز اور مشین لرننگ، کیونکہ تنظیموں نے روایتی طور پر AI کو انسانی کام کے بہاؤ میں ضم کیا ہے۔ تاہم، GenAI متحرک کو الٹ دیتا ہے، لیکن سب سے بہترین طرز عمل اور ذمہ دارانہ استعمال کے رہنما خطوط میں اب بھی اخلاقی معیارات اور اقدار کو برقرار رکھنے کے لیے ایک "انسان میں انسان" شامل ہے۔

AI کی تعیناتی گورننس اور ڈیٹا کوالٹی اشورینس کے لیے نئے کاروباری عمل کا بھی مطالبہ کرتی ہے، جس سے ڈیٹا سائنسدانوں کو پیچیدہ کاروباری مسائل کو حل کرنے کے لیے نئے AI ماڈل فراہم کرنے کے لیے ذمہ دار بنایا جاتا ہے۔

چونکہ نئی AI مصنوعات کو پیداوار کے لیے ڈیزائن، تیار اور تیار کیا جاتا ہے، کاروباری اداروں کو بھی AI انڈسٹری کی تازہ ترین ریگولیٹری پالیسیوں سے چوکنا رہنا چاہیے۔ یورپی AI ایکٹ نے AI کو استعمال کرنے کے لیے بہترین طریقے قائم کیے ہیں۔اور ان پالیسیوں پر عمل نہ کرنے کے نتائج۔ نتیجے کے طور پر، کاروباری اداروں نے AI ضوابط کے ارد گرد کوششوں کو بنانے، جانچنے اور اپ ڈیٹ کرنے کے لیے ٹیمیں تشکیل دی ہیں۔

انٹرپرائزز کے تیزی سے ڈیٹا پر مبنی ہونے کے ساتھ، انہیں ڈیٹا اثاثوں کی حفاظت کے لیے بنیادی حکمت عملی تیار کرنی چاہیے تاکہ وہ تجزیاتی عمل کے آٹومیشن پلیٹ فارمز کے ذریعے بہترین بصیرت فراہم کر سکیں۔ وہاں سے، وہ AI ٹیکنالوجیز اور نئے پلیٹ فارمز کا انتخاب کر سکتے ہیں جو ان کے لیے سب سے زیادہ معنی خیز ہیں۔

بزنس کیس کی وضاحت کریں۔

آخر میں، AI سرمایہ کاری پر حقیقی واپسی کے لیے صارفین کو فائدہ فروخت کرنے کی ضرورت ہوتی ہے، یعنی AI کی تیاری کے لیے ایک نئی کاروباری ذہنیت کی ضرورت ہوتی ہے کیونکہ ٹیکنالوجی تمام صنعتوں کے کاروباری اداروں کے لیے تبدیلی کا باعث بن رہی ہے۔

کامیاب AI پروڈکٹ کی ترقی کے لیے صنعت کے مخصوص کسٹمر کے سفر کی گہری سمجھ اور کاروباری مقاصد کے ساتھ AI سلوشنز کو ہم آہنگ کرنے کی ضرورت ہوتی ہے۔ نئے آپریٹنگ ماڈلز تیار کرنے میں گاہک کی مرکزیت کلیدی کردار ادا کرتی ہے، اور کارکردگی بڑھانے کے لیے جدید ٹیکنالوجیز کا استعمال کیا جاتا ہے۔

مثال کے طور پر، AI میچورٹی میں چھوٹی جیت تلاش کرنے والے صارفین نئی مصنوعات اور حل تیار کرنے کے لیے اپنے سافٹ ویئر اثاثوں اور کلاؤڈ انفراسٹرکچر پر انحصار کر سکتے ہیں۔ یہ ملازمین کے درمیان اطمینان کو بلند رکھتا ہے اور صارفین کی توقعات سے تجاوز کرنے پر اپنی توجہ برقرار رکھتا ہے۔

اس نے کہا، تنظیم کے بنیادی حصے کو مارکیٹ کے لیے وقت کو کم کرنے اور پروڈکٹ ڈویلپمنٹ لائف سائیکل کو مختصر کرنے اور نئی مصنوعات کی فراہمی کی کارکردگی کو بڑھانے کے لیے نئے پراسیس مینجمنٹ کو بہتر بنانے پر توجہ دینی چاہیے۔ مثال کے طور پر، ایک تقسیم شدہ بڑھا ہوا ڈیٹا اینالیٹکس پلیٹ فارم ریئل ٹائم میں ادخال، کیوریشن، ڈیموکریٹائزیشن، پروسیسنگ، اور تجزیات کو خودکار بنانے کے لیے استعمال کیا جاتا ہے — یہ سب پیداواری صلاحیت اور ROI کو بڑھاتے ہیں۔

AI ROI کی مکمل صلاحیت کو غیر مقفل کریں۔

AI کا بنیادی مطلب ہے جدید الگورتھم، ڈیٹا کوالٹی، کمپیوٹنگ پاور، انفراسٹرکچر بطور کوڈ، گورننس، ذمہ دار AI ڈیٹا کی رازداری اور رازداری کے تحفظ کے لیے اخلاقیات کے ساتھ۔ اے آئی ایپلیکیشن کی تیاری کے لوازم اور ڈیٹا مینجمنٹ کے چیلنجز کے لیے سختی سے ڈیٹا پر مبنی فریم ورک، لوگ، عمل، حکمت عملی اخلاقیات اور ٹیکنالوجی پلیٹ فارمز کی ضرورت ہوتی ہے۔

اس کے ساتھ، Mckinsey رپورٹ کرتا ہے کہ 65% انٹرپرائزز AI ٹیکنالوجیز استعمال کر رہے ہیں۔- پچھلے سال سے دوگنا تعداد۔ یہ رفتار کو ظاہر کرتا ہے، لیکن تعیناتیاں اب بھی آہستہ آہستہ تجسس سے حقیقی کاروباری استعمال کے معاملات کی طرف بڑے پیمانے پر بڑھ رہی ہیں۔ GenAI نئی کامیابیاں دے رہا ہے، جو تنظیموں کو سیمنٹک اور ملٹی ماڈل ایل ایل ایم کی ترقی کے ذریعے نئی صلاحیتوں کو بروئے کار لانے کے قابل بنا رہا ہے۔ یہ AI صلاحیتوں کے ایک مکمل اسپیکٹرم کو جمہوری بناتا ہے، جس سے وہ آمدنی کے نئے سلسلے پیدا کر سکتے ہیں۔

صحیح حکمت عملی، قائدانہ عزم اور صحیح استعمال کے معاملات میں سرمایہ کاری کے ساتھ، کاروبار نمایاں قدر حاصل کر سکتے ہیں اور AI کے ذریعے تبدیلی کی ترقی کو آگے بڑھا سکتے ہیں۔