इनफॉर्मेटिकाने 7 दिवसांसाठी 5 -मिनिट कॉफी पीरियड्समध्ये संस्थेच्या डेटाचे स्वप्न रुपांतरित करण्यासाठी कृत्रिम बुद्धिमत्ता विकसित केली आहे.

प्लॅटफॉर्म प्लॅटफॉर्म इन्फिंगर इनफॉर्मेटिका कृत्रिम बुद्धिमत्तेच्या क्षमतांचा विस्तार करते कारण जनरल एआयच्या संस्थेची आवश्यकता वाढविण्याची आवश्यकता आहे.

कृत्रिम बुद्धिमत्तेच्या जगासाठी इनफॉर्मेटिका परके नाही. खरं तर, 2018 मध्ये डेटासाठी क्लेअर एआयमध्ये कंपनी प्रथमच हजर झाली. आधुनिक पिढीत कृत्रिम बुद्धिमत्तेचा युग क्लेअर जीपीटीमधील सुधारित नैसर्गिक भाषेच्या क्षमतेद्वारे कंपनीने आपले तंत्रज्ञान वाढविले आहे, इनफॉर्मेटिका स्मार्ट डेटा क्लाऊडचा भाग म्हणून, जे प्रथम 2023 मध्ये दिसू लागले. मूलभूत गृहीतकांभोवती फिरते आणि डेटामध्ये प्रवेश करण्यासाठी आणि वापरण्यासाठी अधिक सुलभ, वेगवान आणि हुशार बनते. कंपनीला अधिग्रहण करण्याचे एक आकर्षक ध्येय बनविणे हा एक मूल्य प्रस्ताव आहे, स्लेसफोर्सने मे महिन्यात कंपनीला billion अब्ज डॉलर्स मिळविण्याचा विचार केला आहे.

हे अधिग्रहण मंजुरी आणि संघटनात्मक प्रक्रियेद्वारे चालू असताना, संस्थांना अद्याप डेटाच्या आव्हानांचा सामना करावा लागतो ज्यावर प्रक्रिया करणे आवश्यक आहे. आज, इनफॉर्मेटिकाने 2025 च्या उन्हाळ्यात रिलीजची घोषणा केली, कारण संस्थांच्या आकडेवारीच्या गरजा भागविण्यासाठी कंपनीच्या कृत्रिम बुद्धिमत्ता प्रवास गेल्या सात वर्षांत कसा विकसित झाला आहे याची ऑफर दिली.

अद्ययावत नैसर्गिक भाषेचे दर्शनी भाग प्रदान करते जे साध्या इंग्रजी ऑर्डरपासून जटिल डेटा पाइपलाइन तयार करू शकतात, स्वयंचलित शिक्षण मॉडेल्स आणि स्वयंचलित परिभाषा क्षमता स्वयंचलितपणे डेटा गुणोत्तरांच्या वतीने कार्य करीत असलेल्या गव्हर्नन्स आणि एक आठवड्यापासून मिनिटांसाठी प्रकल्प सेटिंग करतात.

आवृत्ती संस्थेच्या डेटासाठी सतत आव्हान देते ज्यामुळे ते अधिक त्वरित बनले.

“जी गोष्ट बदलली नाही ती म्हणजे डेटा अजूनही संस्थेत खंडित झाला आहे आणि ही किरकोळ अजूनही वेगाने आहे, कारण ती जवळपास नाही,” त्यांनी इनफॉर्मेटिका व्हेंचरबीटमध्ये क्लाऊड एकत्रीकरणासाठी एसव्हीपी आणि जीएम प्रातिक बॅरिकला सांगितले. “याचा अर्थ असा की आपण हा सर्व डेटा एकत्रितपणे एकत्रित केला पाहिजे.”

संस्थेच्या डेटासाठी स्वयंचलित शिक्षणापासून जनरल एआय पर्यंत

इनफॉर्मेटिका काय करीत आहे हे चांगल्या प्रकारे समजून घेण्यासाठी, हा मुद्दा या टप्प्यावर कसा पोहोचला हे समजून घेणे फार महत्वाचे आहे.

2018 मध्ये, 2018 मध्ये क्लेअर क्लेअरने व्यावहारिक शिक्षण समस्या (एमएल) वर लक्ष केंद्रित केले ज्यासह फाउंडेशनच्या डेटा टीमला त्रास झाला. प्लॅटफॉर्मने डिझाइन वेळ शिफारसी, ऑपरेटिंग टाइम सुधारणे आणि ऑपरेशनल व्हिजन प्रदान करण्यासाठी हजारो ग्राहक अनुप्रयोगांमधील संचयित वर्णनात्मक डेटा वापरला.

फाउंडेशनला “वर्णनात्मक डेटा डेटा सिस्टम” ज्याला संस्थेच्या डेटा नमुन्यांच्या 40 याचिका आहेत त्या “वर्णनात्मक डेटा डेटा सिस्टम” म्हणतात यावर फाउंडेशन तयार केले गेले. हे केवळ नव्हते, तर त्याऐवजी, मशीन लर्निंग लागू केले गेले ज्याने डेटा एकत्रीकरणाच्या वेळी विशिष्ट अडथळे आणले.

मेटाडेटा सिस्टमने बर्‍याच वर्षांमध्ये बुद्धिमत्ता सुरू ठेवली आहे आणि 2025 च्या उन्हाळ्यात, व्यासपीठामध्ये स्वयंचलित मॅपिंगच्या संभाव्यतेचा समावेश आहे जो सतत डेटा समस्येचे निराकरण करतो. हे वैशिष्ट्य लाखो डेटा एकत्रीकरणात प्रशिक्षित स्वयंचलित शिक्षण अल्गोरिदम वापरुन भिन्न संस्थांच्या सिस्टम दरम्यान फील्ड स्वयंचलितपणे सेट करते.

बॅरिक म्हणाला, “जर तुम्ही डेटा व्यवस्थापनासह काम केले असेल तर तुम्हाला माहिती असेल की नकाशे बराच काळ आहेत.

स्वयंचलित मॅपिंग एसएपी सारख्या स्त्रोत प्रणालीमधून डेटा घेण्याभोवती फिरते, त्यानंतर मास्टर डेटा मॅनेजमेंट रेकॉर्ड (एमडीएम) तयार करण्यासाठी इतर संस्थेच्या डेटासह हा डेटा वापरा. संस्थात्मक डेटा व्यावसायिकांसाठी एमडीएम ही “गोल्डन रेजिस्ट्री” म्हणून कॉल केलेली “सुवर्ण रेजिस्ट्री” आहे कारण एखाद्या विशिष्ट घटकाबद्दल सत्याचे स्रोत बनण्याचे उद्दीष्ट आहे. स्वयंचलित मॅपिंग वैशिष्ट्य भिन्न सिस्टम योजना समजू शकते आणि एमडीएममध्ये योग्य डेटा फील्ड तयार करू शकते.

कृत्रिम बुद्धिमत्तेमध्ये दीर्घकाळापर्यंत इनफॉर्मेटिकाचे मूल्य दर्शविते. यापूर्वी खोल तांत्रिक अनुभव आणि मोठ्या वेळेत गुंतवणूक आवश्यक असलेली कार्ये आता उच्च अचूकतेच्या दरावर स्वयंचलितपणे बोलली जातात.

“आमच्या व्यावसायिक सेवांनी काही कामाचे नकाशे तयार केले आहेत ज्यांना सामान्यत: तयार होण्यासाठी सात दिवस लागतात,” बॅरिक म्हणाले. “हे आता पाच मिनिटांपेक्षा कमी वेळात केले गेले आहे,” बॅरिक म्हणाला.

कोणत्याही आधुनिक कर्जमाफीच्या आंतरराष्ट्रीय प्रणालीतील प्राथमिक घटक एक नैसर्गिक भाषा इंटरफेस आहे, सामान्यत: वापरकर्त्यांना कार्ये पार पाडण्यात मदत करण्यासाठी काही कोपिलॉटसह. या संदर्भात, माहिती इतर कोणत्याही संस्था प्रोग्राम विक्रेत्यापेक्षा भिन्न नाही. जिथे हे वेगळे आहे, ते अद्याप वर्णनात्मक डेटा आणि मशीन लर्निंगच्या क्षेत्रात आहे.

ग्रीष्मकालीन आवृत्ती 2025 क्लेअर कॉपलट डेटा एकत्रीकरण वाढवते, जे सामान्यत: मे 2025 मध्ये नऊ महिन्यांच्या लवकर प्रवेश आणि तपासणीनंतर उपलब्ध झाले. कोपिलॉट वापरकर्त्यांना “स्नोफ्लेकवर सर्व सेल्सफोर्स डेटा आणा” यासारख्या ऑर्डर लिहिण्यास सक्षम करते आणि सिस्टमला आवश्यक पाइपलाइन घटकांचे नियमन करण्यास प्रवृत्त करते.

उन्हाळ्याच्या 2025 आवृत्तीमध्ये कोपिलोटमध्ये नवीन परस्पर क्षमता जोडली गेली आहे, ज्यात प्रश्न आणि सुधारित प्रश्नांचा समावेश आहे जे वापरकर्त्यांना उत्पादन कसे वापरावे हे समजण्यास मदत करते, जे थेट कागदपत्रांमधून प्राप्त केले जातात आणि लेखांना मदत करतात.

तांत्रिक अंमलबजावणीसाठी विशिष्ट भाषा मॉडेल्सच्या विकासाची आवश्यकता आहे जी पॅरेख-माहिती नियम म्हणून ओळखल्या जाणार्‍या डेटा व्यवस्थापन कार्यांसाठी जप्त केली गेली आहे.

“माहितीच्या नियमांमध्ये अनुवादित नैसर्गिक भाषा ही अशी जागा आहे जिथे आमचा गुप्त सॉस येतो,” पॅर्रिकने स्पष्ट केले. “आमचे संपूर्ण व्यासपीठ एक ग्राफिक ड्रायव्हिंग प्लॅटफॉर्म आहे. तर, या भेटीचे वर्णन कसे करावे, डेटाबेस बेसचे वर्णन कसे करते आणि एमडीएम मालमत्तेचे वर्णन कसे करते या संदर्भात आमच्याकडे आमचे व्याकरण आहे.”

बाजाराची वेळ: एआयची मागणी संस्थेसाठी स्फोट होईल

इनफॉर्मेटिकामध्ये कृत्रिम बुद्धिमत्तेच्या विकासाची वेळ डेटा संस्था कशा वापरावी यामधील मूलभूत बदलांच्या अनुरुप आहे.

ब्रेट रोजको, एसव्हीपी आणि जीएम, क्लाउड डेटा गव्हर्नन्स आणि इनफॉर्मेटिकामधील क्लाऊड ऑप्स, गेल्या काही वर्षांत फाउंडेशनच्या डेटाच्या दृश्यात मोठा फरक हा स्केल होता, असे त्यांनी निदर्शनास आणून दिले, जास्तीत जास्त लोक डेटामध्ये अधिक प्रवेश करू शकले. पूर्वी, डेटा विनंत्या प्रामुख्याने तांत्रिक अनुभवासह केंद्रीय विश्लेषण कार्यसंघांकडून आल्या; जनरल एआय युगात या विनंत्या सर्वत्र येतात.

“अचानक, जनरल एआय वर्ल्डसह, आपल्याकडे आपला विपणन कार्यसंघ आणि आपली वित्तपुरवठा कार्यसंघ सर्व त्यांच्या प्रसूतीच्या प्रकल्पांचे नेतृत्व करण्यासाठी डेटा विचारतात,” रोस्कोने स्पष्ट केले.

उन्हाळ्याच्या आवृत्तीत बुद्धिमत्ता गव्हर्नन्स इन्फेक्शनची क्षमता आणि कामाचे कार्य या आव्हानास थेट लक्ष देईल. सिस्टम आता कृत्रिम बुद्धिमत्ता मॉडेलचे वर्गीकरण करीत आहे, त्यांचे डेटा स्रोत ट्रॅक करीत आहे आणि स्त्रोत प्रणाली आणि अगदी कृत्रिम बुद्धिमत्ता अनुप्रयोगांकडून प्रमाण राखत आहे. हे दृष्टी टिकवून ठेवण्याबद्दल आणि पारंपारिक विश्लेषणाच्या पलीकडे कृत्रिम बुद्धिमत्ता प्रकल्पांच्या प्रसारावर नियंत्रण ठेवण्याबद्दल संस्थांबद्दलच्या चिंतेचे निराकरण करते.

आवृत्ती अ‍ॅप्लिकेशन प्रोग्रामिंग इंटरफेस म्हणून डेटा गुणवत्ता देखील प्रदान करते, डेटा हालचालीनंतर देयकावर प्रक्रिया करण्याऐवजी कृत्रिम बुद्धिमत्ता अनुप्रयोगांमध्ये वास्तविक वेळेत डेटाची पडताळणी करण्यास परवानगी देते. कृत्रिम बुद्धिमत्ता अनुप्रयोगांचे हे आर्किटेक्चरल परिवर्तन उपभोगाच्या बिंदूवर डेटा गुणवत्ता सत्यापित करण्यास, कारभाराच्या आव्हानांवर लक्ष देण्यास अनुमती देते जे नॉन -टेक्निकल टीम कृत्रिम बुद्धिमत्ता प्रकल्प सुरू करतात.

तांत्रिक विकास: ऑटोमेशनपासून सिंक्रोनाइझेशन पर्यंत

उन्हाळ्याच्या 2025 आवृत्तीमध्ये एआय इम्पार्टिकाटाची क्षमता सोपी ऑटोमेशनपासून प्रगत सिंक्रोनाइझेशनपर्यंत कशी विकसित झाली आहे हे दर्शविते. सुधारित क्लेअर कोपिलॉट संपूर्ण प्रक्रियेदरम्यान मानवी नियंत्रण राखताना जटिल नैसर्गिक भाषेच्या विनंत्या एकाधिक समन्वित चरणांमध्ये विभाजित करू शकतात.

ही प्रणाली सध्याच्या डेटाच्या प्रगतीचा सारांश देण्याची शक्यता देखील प्रदान करते, कारण ती संस्थेच्या डेटा कार्यसंघांद्वारे ग्रस्त ज्ञान हस्तांतरित करण्याच्या आव्हानांना संबोधित करते. पूर्वीच्या विकसकांनी डिझाइन केलेले जटिल एकत्रीकरण प्रवाह स्पष्ट करण्यासाठी वापरकर्ते कोपिलोटला सांगू शकतात, ज्यामुळे संस्थात्मक ज्ञानाचे परिणाम कमी होतात.

संस्थेच्या कारभाराचे ज्ञान राखताना कंपनीच्या पायाभूत सुविधांना कसे जुळवून घ्यावे, एमसीपीच्या स्वरूपाच्या संदर्भातील आणि एनव्हीडिया एनआयएम, डेटाब्रिक्स मोझॅक एआय आणि स्नूफ्लॅक कॉर्टेक्स एआयच्या नवीन कृत्रिम बुद्धिमत्ता कनेक्टर्सच्या संदर्भात आवृत्ती समर्थन.

सामरिक प्रभाव: परिपक्वता एआय डेटा कॉर्पोरेशन जिंकते

इनफॉर्मेटिका येथे एआयचा प्रवास, ज्यांचा 2025 च्या उन्हाळ्याच्या उन्हाळ्याच्या सुधारणांमध्ये शिखर आहे, अ‍ॅम्नेस्टी इंटरनॅशनलच्या स्थापनेबद्दल एक आवश्यक तथ्य स्पष्ट करते: सतत फील्ड अनुभवाची चिंता.

सार्वजनिक उद्देशाने कृत्रिम बुद्धिमत्तेचे निराकरण करण्याऐवजी एखाद्या विशिष्ट संस्थेच्या समस्यांची विशेष कृत्रिम बुद्धिमत्ता क्षमता निर्माण करण्याच्या धोरणाच्या सत्यतेकडे कंपनीचा दृष्टीकोन. उन्हाळ्याच्या आवृत्तीच्या उन्हाळ्याच्या आवृत्तीत कार्यरत असलेल्या शोध आणि प्रशासनाचा कार्यप्रवाह ही संस्था मोठ्या प्रमाणात डेटा कसे व्यवस्थापित करते हे समजण्याची केवळ वर्षे आहे.

“जनरल एआय येण्यापूर्वी आपल्याकडे डेटा व्यवस्थापन सराव नसेल तर आपण दुखत आहात,” रोस्को यांनी लक्ष वेधले. “जनरल एआय आल्यावर आपल्याकडे डेटा व्यवस्थापन सराव असल्यास, आपण अद्याप ओरडत आहात.”

कृत्रिम बुद्धिमत्तेचा प्रयोग करण्यापासून ते प्रसारित उत्पादनापर्यंत संस्थांच्या हस्तांतरणासह, इनफॉर्मेटिका दृष्टीकोन मूलभूत वस्तुस्थितीची पडताळणी करतो: संस्थेत एआयमध्ये आजीपेक्षा परिपक्वता आणि विशेषज्ञता अधिक महत्त्वाची आहे. संस्थांनी केवळ वतीने कार्य करणार्‍या नवीन वैशिष्ट्यांविषयीच विचार केला पाहिजे, तर संस्था डेटा व्यवस्थापित करण्याच्या जटिल तथ्ये समजून घेणार्‍या आणि सोडवणार्‍या कृत्रिम बुद्धिमत्तेच्या संभाव्यतेचा विचार केला पाहिजे.