AI വിപ്ലവത്തിന്റെ തിരിച്ചറിവ്: എന്തുകൊണ്ടാണ് ഭൂരിഭാഗം കമ്പനികളും പിന്നിലായിപ്പോകുന്നത്
AI കാലഘട്ടത്തിലെ ആവേശം അവസാനിച്ചിരിക്കുന്നു.
വർഷങ്ങളായി, കമ്പനികൾ ChatGPT പോലുള്ള ടൂളുകൾ സ്വീകരിക്കാൻ തിടുക്കം കൂട്ടി. അവർ ഇൻഫ്രാസ്ട്രക്ചറിനായി കോടിക്കണക്കിന് രൂപ ചെലവഴിച്ചു. എന്നാൽ ഇപ്പോൾ ശ്രദ്ധ മാറുകയാണ്. AI എന്താണ് ചെയ്യാൻ കഴിയുന്നത് എന്നല്ല സിഇഒമാരും (CEOs) സിഎഫ്ഒമാരും (CFOs) ഇപ്പോൾ ചോദിക്കുന്നത്. പകരം, AI അവരുടെ ലാഭത്തിന് എന്ത് നൽകുന്നു എന്നാണ് അവർ ചോദിക്കുന്നത്.
പല കമ്പനികൾക്കും എന്തുകൊണ്ടാണ് ഫലങ്ങൾ ലഭിക്കാത്തതെന്ന് McLean Forrester-ന്റെ പുതിയ വൈറ്റ്പേപ്പർ വിശദീകരിക്കുന്നു. അവർ 'പൈലറ്റ് കെണിയിൽ' (pilot trap) വീഴുന്നു. ഉൽപ്പാദനക്ഷമതയിൽ ചെറിയ വർദ്ധനവ് മാത്രം കാണിക്കുന്ന ചെറിയ പ്രോജക്റ്റുകൾ അവർ ആരംഭിക്കുന്നു. ഇവയിൽ സംയോജനത്തിന്റെ (integration) കുറവ് ഉള്ളതിനാൽ വലിയ രീതിയിൽ വ്യാപിപ്പിക്കാൻ (scale) ഇവയ്ക്ക് സാധിക്കുന്നില്ല.
വിജയിക്കണമെങ്കിൽ, AI മൂല്യത്തിന്റെ മൂന്ന് തലങ്ങളെക്കുറിച്ച് നിങ്ങൾ മനസ്സിലാക്കണം.
Horizontal AI ChatGPT പോലുള്ള പൊതുവായ ടൂളുകൾ ഇതിൽ ഉൾപ്പെടുന്നു. ലളിതമായ ജോലികൾക്ക് ഇവ നന്നായി പ്രവർത്തിക്കുന്നു. ഉൽപ്പാദനക്ഷമതയിൽ 5% മുതൽ 10% വരെ വർദ്ധനവ് നിങ്ങൾക്ക് കാണാൻ കഴിഞ്ഞേക്കും. എന്നിരുന്നാലും, കമ്പനിയുടെ പ്രത്യേക അറിവോ സങ്കീർണ്ണമായ യുക്തിപരമായ ചിന്താഗതിയോ (complex reasoning) ആവശ്യമായി വരുമ്പോൾ ഈ ടൂളുകൾ പരാജയപ്പെടുന്നു.
Hybrid AI ഇത് ബുദ്ധിപരമായ ഒരു മധ്യമാർഗ്ഗമാണ്. ഇത് Retrieval-Augmented Generation (RAG) ഉപയോഗിക്കുന്നു. ഒരു വലിയ മോഡലിനെ നിങ്ങളുടെ സ്വന്തം ആന്തരിക ഡാറ്റയുമായും (internal data), നയങ്ങളുമായും (policies), ഉപഭോക്തൃ ഫയലുകളുമായും നിങ്ങൾ ബന്ധിപ്പിക്കുന്നു. ഒരു പുതിയ മോഡൽ നിർമ്മിക്കുന്നതിനുള്ള ഉയർന്ന ചിലവില്ലാതെ തന്നെ ഈ രീതി കൃത്യത നൽകുന്നു. AI നിങ്ങളുടെ വസ്തുതകൾ തന്നെ ഉപയോഗിക്കേണ്ടതുകൊണ്ട് ഇത് പിശകുകൾ കുറയ്ക്കുന്നു.
Vertical AI ഏറ്റവും ഉയർന്ന മൂല്യം ഇവിടെയാണ് അടങ്ങിയിരിക്കുന്നത്. നിങ്ങളുടെ പ്രത്യേക പ്രവർത്തനരീതികൾക്കായി (workflows) നിർമ്മിച്ച ഒരു കസ്റ്റം ഇന്റലിജൻസ് ലെയറാണിത്.
ഉദാഹരണത്തിന്, ഒരു പൊതു റിപ്പോർട്ട് സംഗ്രഹിക്കാൻ ഒരു ബാങ്ക് Horizontal AI ഉപയോഗിക്കുന്നു. എന്നാൽ ഒരു ലോൺ അപേക്ഷ പരിശോധിക്കാനും, കുറവുള്ള ഫയലുകൾ കണ്ടെത്താനും, ഒരു തീരുമാനം തയ്യാറാക്കാനും ഒരു ബാങ്ക് Vertical AI ഉപയോഗിക്കുന്നു. ഇത് AI-യെ ഒരു നിഷ്ക്രിയമായ ടൂളിൽ (passive tool) നിന്ന് സജീവമായ ഒരു തൊഴിലാളിയായി (active worker) മാറ്റുന്നു.
2027-ലേക്ക് എങ്ങനെ തയ്യാറെടുക്കാം:
- ഏറ്റവും കുറഞ്ഞ ചിലവുള്ള മോഡലിനായി തിരയുന്നത് നിർത്തുക. നിങ്ങളുടെ പ്രത്യേക പ്രശ്നങ്ങൾക്ക് ഏറ്റവും ഉയർന്ന ലാഭം (return) നൽകുന്ന പരിഹാരത്തിനായി നോക്കുക.
- നിങ്ങളുടെ ഡാറ്റ ഇൻഫ്രാസ്ട്രക്ചർ ശരിയാക്കുക. നിങ്ങളുടെ സ്വന്തമായ ഡാറ്റയാണ് നിങ്ങളുടെ ഏക നേട്ടം. നിങ്ങളുടെ ഡാറ്റ ക്രമരഹിതമാണെങ്കിൽ, നിങ്ങളുടെ AI പരാജയപ്പെടും.
- Hybrid AI-ലൂടെ തുടങ്ങുക. സങ്കീർണ്ണമായ Vertical സിസ്റ്റങ്ങളിലേക്ക് മാറുന്നതിന് മുമ്പ് വിശ്വാസവും വൈദഗ്ധ്യവും വളർത്താൻ കുറഞ്ഞ റിസ്കുള്ള പ്രോജക്റ്റുകൾ ഉപയോഗിക്കുക.
- ഗവേണൻസിന് (governance) മുൻഗണന നൽകുക. നിയന്ത്രണങ്ങൾ വർദ്ധിച്ചുവരികയാണ്. നിലനിൽപ്പിനായി ഡാറ്റാ സ്വകാര്യതയും (data privacy) പക്ഷപാതവും (bias) പോലുള്ള റിസ്കുകൾ നിങ്ങൾ നിയന്ത്രിക്കണം.
ഏറ്റവും വലിയ ബജറ്റുള്ള കമ്പനികളല്ല വിജയിക്കുക. മറിച്ച്, തങ്ങളുടെ സവിശേഷമായ ബിസിനസ് ആവശ്യങ്ങളുമായി AI-യെ യോജിപ്പിക്കുന്ന കമ്പനികളായിരിക്കും വിജയിക്കുക.
സ്രോതസ്സ്: https://dev.to/mcleanforresterllc/the-ai-reckoning-why-most-companies-are-getting-left-behind-175i