𝟱 𝗔𝗜 𝗔𝗣/𝗔𝗥 பயன்பாட்டில் (Deployment) செய்யக்கூடிய 𝟱 முக்கியமான தவறுகள்
AI தானியங்கித் திட்டங்களில் 40% தோல்வியடைகின்றன. பல திட்டங்கள் இரண்டு ஆண்டுகளுக்குள்ளேயே முடிவுக்கு வருகின்றன.
வெற்றி பெற இந்த ஐந்து தவறுகளைத் தவிர்க்கவும்.
- தரமற்ற தரவு (Bad Data) AI-க்குத் தூய்மையான தரவு தேவை. மோசமான ஆவணங்கள் (archives) உங்கள் மாதிரியை (model) பாதிக்கும்.
- முதலில் உங்கள் தரவைச் சரிபார்க்கவும் (Audit).
- இடைவெளிகளைச் சரிசெய்யவும்.
- தரக்கட்டுப்பாட்டு விதிகளை அமைக்கவும்.
- தரவுத் தயாரிப்பிற்காக (data prep) உங்கள் நேரத்தின் 20%-ஐச் செலவிடுங்கள்.
- மோசமான ஒருங்கிணைப்பு (Poor Integration) AI உங்கள் ERP மற்றும் பணப்பரிமாற்ற முறைகளுடன் (payment rails) இணைந்து செயல்பட வேண்டும்.
- நீங்கள் இணைக்க வேண்டிய ஒவ்வொரு அமைப்பையும் பட்டியலிடுங்கள்.
- உங்கள் APIs-களைச் சரிபார்க்கவும்.
- உங்கள் கட்டமைப்புத் குழுவை (architecture team) ஆரம்பத்திலேயே ஈடுபடுத்தவும்.
- மனிதர்களைப் புறக்கணித்தல் (Ignoring People) AI வேலை முறைகளை மாற்றும். உங்கள் ஊழியர்கள் புதிய கருவிகளை எதிர்க்கக்கூடும்.
- உங்கள் திட்டத்தைப் பற்றி உங்கள் குழுவிடம் முன்கூட்டியே தெரிவிக்கவும்.
- பணிப் பொறுப்புகளை (job roles) மறுவரையறை செய்யவும்.
- நேரடிப் பயிற்சியை (hands-on training) வழங்கவும்.
- இணக்கச் சிக்கல்கள் (Compliance Gaps) வங்கித் துறையில் கடுமையான விதிகள் உள்ளன. KYC மற்றும் AML ஆகியவற்றிற்கு தணிக்கைப் பதிவுகள் (audit trails) தேவை.
- ஆரம்பத்திலிருந்தே தணிக்கைக் குழுக்களைச் சேர்த்துக் கொள்ளவும்.
- AI ஏன் ஒரு முடிவை எடுத்தது என்பதை ஆவணப்படுத்தவும்.
- பணிப் பிரிப்பை (duty segregation) உறுதி செய்யவும்.
- தெளிவற்ற இலக்குகள் (Vague Goals) "திறனை அதிகரிப்பது" போன்ற இலக்குகள் தோல்வியடையும். உங்களுக்குத் துல்லியமான எண்கள் தேவை.
- ஒரு ஊழியருக்கான விலைப்பட்டியல் (invoice) எண்ணிக்கையைக் கண்காணிக்கவும்.
- பிழை விகிதங்களை அளவிடவும்.
- ஒரு விலைப்பட்டியலுக்கான செலவைக் கண்காணிக்கவும்.
தொழில்நுட்பம் மட்டுமே போதுமானதல்ல. லாபத்தைப் பெற இந்த ஐந்து பகுதிகளையும் சரிசெய்யவும்.
Source: https://dev.to/edith_heroux_aca4c9046ef5/5-critical-mistakes-to-avoid-when-deploying-ai-accounts-payable-receivable-1e3 Optional learning community: https://t.me/GyaanSetuAi