હું દરરોજ મારા AI નો ખર્ચ ટ્રેક કરું છું
ટેક લે-ઓફ્સ દરરોજ હજારો લોકોને અસર કરી રહ્યા છે. ઘણી કંપનીઓ AI ને તેનું કારણ ગણાવે છે. તેઓ ઉત્પાદકતાના એવા અનુમાનના આધારે સ્ટાફમાં કાપ મૂકે છે જે હજુ સુધી પ્રાપ્ત થયું નથી.
આ એન્જિનિયરિંગની સમસ્યા નથી. આ માપન (measurement) ની સમસ્યા છે.
કોઈ ટૂલ તૈનાત (deploy) કરવું સરળ છે. તમે તેને સેટ કરો છો, તે કન્ટેન્ટ જનરેટ કરે છે, અને ડેમો જોવામાં સરસ લાગે છે. તમે તમારા બોસને કહો છો કે તે 40% ઝડપી છે.
મૂલ્ય (value) પહોંચાડવું એ અલગ વાત છે. તમારે એ પૂછવું જોઈએ કે તેને ચલાવવા અને મેનેજ કરવાના ખર્ચ બાદ કર્યા પછી તે ટૂલે ખરેખર શું વળતર આપ્યું છે.
મોટાભાગની ટીમો માને છે કે ડિપ્લોયમેન્ટ એટલે ડિલિવરી. આ ધારણા ખરાબ નિર્ણયો તરફ દોરી જાય છે. જો તમે આંકડાઓ સાથે તફાવત બતાવી શકતા નથી, તો તમે મોટા બજેટ સાથે માત્ર અંદાજ લગાવી રહ્યા છો.
કેટલીક કંપનીઓ ઝડપથી આગળ વધવા માટે પ્રોગ્રામ મેનેજમેન્ટ દૂર કરી દે છે. તેઓ એવા લોકોને હટાવી દે છે જે પૂછે છે કે શું કોઈ ટૂલ કામ કરે છે અથવા શું તેનો ખર્ચ ખૂબ વધારે છે. આ લોકો વગર, તમે જાણી શકતા નથી કે તમારો સૌથી મોટો દાવ નિષ્ફળ જઈ રહ્યો છે કે નહીં.
હું દરેક AI વર્કફ્લોને ટ્રેક કરવા માટે એક સાદી ફાઇલનો ઉપયોગ કરું છું. હું કોઈ ફેન્સી ડેશબોર્ડનો ઉપયોગ કરતો નથી.
હું આ ચોક્કસ મેટ્રિક્સ ટ્રેક કરું છું:
• બેઝલાઇન મિનિટ્સ (Baseline minutes): AI પહેલા કામ કરવામાં કેટલો સમય લાગતો હતો. • ટોકન ખર્ચ (Token cost): દરેક રન દીઠ સીધો ડોલર ખર્ચ. • સીટ ખર્ચ (Seat cost): માસિક સબ્સ્ક્રિપ્શન ફી. • સ્ટીયરિંગ મિનિટ્સ (Steering minutes): તમે AI ને પ્રોમ્પ્ટ આપવા અને સુધારવા માટે જે સમય વિતાવો છો તે. આ છુપો ખર્ચ છે. • આઉટપુટ કીપ્ટ પર્સન્ટેજ (Output kept percentage): માનવીય સુધારા વગર AI એ કેટલું ઉત્પાદન કર્યું. • રીવર્ક ટેક્સ (Rework tax): તમારે જે કામ સુધારવું પડ્યું અથવા ફેંકી દેવું પડ્યું તેનો ટકાવારી.
સૌથી મહત્વનો ભાગ 'કિલ સ્વિચ' (kill switch) છે. તમારા થ્રેશોલ્ડ અગાઉથી નક્કી કરો. જો રીવર્ક ટેક્સ 50% થી ઉપર જાય અથવા ચોખ્ખી સમયની બચત 5 મિનિટથી નીચે જાય, તો વર્કફ્લો બંધ કરી દો. 'સન્ક કોસ્ટ' (sunk costs) વિશે દલીલ ન કરો.
આ માનસિક સૂત્રનો ઉપયોગ કરો: Net Value = Minutes Saved - Steering Minutes - (Rework Tax x Volume)
જો આ આંકડો શૂન્ય અથવા નકારાત્મક હોય, તો તમે પૈસા બગાડી રહ્યા છો. તે ઉત્પાદક લાગે છે, પરંતુ તે કંઈ જ આપતું નથી.
આ યુગમાં જે લોકો ટકી રહેશે તેઓ એ નથી જેઓ સૌથી વધુ AI તૈનાત કરે છે. તેઓ એ છે જેઓ સાચું સ્કોરબોર્ડ બતાવી શકે છે. તેઓ સાબિત કરી શકે છે કે શું કામ કરી ગયું, તેનો ખર્ચ કેટલો થયો, અને તેમણે શું બંધ કર્યું.
જો તમે ક્યારેય તેનું માપન ન કરો તો તમે ROI નો દાવો કરી શકતા નથી. તમારા પરિણામો સાબિત કરો, અને તમે અનિવાર્ય બની જશો.
શું તમે તમારું AI શું પહોંચાડે છે તેનું માપન કરી રહ્યા છો, કે તમે ફક્ત સ્લાઇડ પર વિશ્વાસ કરી રહ્યા છો?
વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: https://t.me/GyaanSetuAi