बोस्टन कन्सल्टिंग ग्रुप: एआय एंटरप्राइझ मूल्य अनलॉक करण्यासाठी, आपण दुर्लक्ष करीत असलेल्या डेटासह प्रारंभ करा

एआय संस्था तयार करताना, काही कंपन्यांना असे आढळले आहे की सर्वात कठीण भाग कधीकधी काय तयार केले पाहिजे आणि संबंधित विविध ऑपरेशन्सचे निराकरण कसे करावे हे ठरवितो.

व्हेंचरबीट ट्रान्सफॉर्म २०२25 मध्ये, डेटा गुणवत्ता आणि प्रशासन आघाडीवर होते आणि ज्या केंद्रात कंपन्या कृत्रिम बुद्धिमत्तेच्या प्रायोगिक अवस्थेनंतर पहात आहेत आणि एजंट्स आणि इतर अनुप्रयोगांचे उत्पादन आणि विस्तृत करण्याचे मार्ग शोधत आहेत.

बोस्टन कन्सल्टिंग ग्रुपचे प्रशासकीय संचालक आणि भागीदार प्रादेन होलच म्हणाले की, तंत्रज्ञान लोक, ऑपरेशन्स आणि डिझाइनसह तंत्रज्ञान कसे छेदते याद्वारे विचार करण्याच्या वेदनेस संघटना करतात. ते पुढे म्हणाले की, कंपन्यांना डेटा यांच्या संपर्कात, व्यक्तिमत्त्वाचे कृत्रिम बुद्धिमत्ता बजेट, आगमन परवानग्या, बाह्य आणि अंतर्गत जोखमीचे व्यवस्थापन कसे करावे याविषयी संबंधित गुंतागुंतांच्या संचाबद्दल विचार करणे आवश्यक आहे.

कधीकधी, नवीन सोल्यूशन्समध्ये निरुपयोगी डेटा वापरण्याचे मार्ग समाविष्ट असतात. मंगळवारी दुपारी स्टेजवर बोलताना, होलस्टेजने अशा ग्राहकांचे उदाहरण दिले ज्याने लोकांना प्रोत्साहित करणार्‍या लोकांबद्दल लाखो कल्पनांचे विश्लेषण करण्यासाठी मोठ्या भाषेचे मॉडेल (एलएलएम) वापरले, उत्पादनांच्या तक्रारी आणि सकारात्मक टिप्पण्या – आणि काही वर्षांपूर्वी एनएलपी प्रक्रियेसह शक्य नसलेल्या कल्पना शोधा.

“येथे व्यापक धडा म्हणजे डेटा एकसंध नाही,” हल्चेग म्हणाले. “आपल्याकडे रेकॉर्ड रेकॉर्डपासून ते दस्तऐवजांपर्यंत ग्राहक नोट्सपर्यंत सर्व काही आहे जे अनुप्रयोग आणि दहा लाख प्रकारचे डेटा लागू करण्याच्या संदर्भात तयार केलेला डेटा ट्रॅक करा.”

एआयच्या तयार -निर्मित डेटामधील सुधारणांमुळे यापैकी काही नवीन शक्यता धन्यवाद.

“एकदा आपण त्यात आल्यावर, आपल्याला संभाव्य कलेची ही भावना येऊ लागते,” एटेलिंगर म्हणाला. “हे त्या दरम्यान संतुलित काम आहे आणि आपण काय सोडवण्याचा प्रयत्न करीत आहात या स्पष्ट अर्थाने येते. आपण ग्राहकांच्या अनुभवाचे निराकरण करण्याचा प्रयत्न करीत आहात असे समजू. ही एक योग्य स्थिती नाही, परंतु आपल्याला नेहमीच माहित नाही. आपल्याला या प्रक्रियेत आणखी काही सापडेल.”

एआयचा तयार -निर्मित डेटा का आहे कारण संस्था स्वीकारणे फार महत्वाचे आहे

कृत्रिम बुद्धिमत्ता प्रकल्प स्वीकारण्यासाठी अ‍ॅम्नेस्टी इंटरनॅशनलचा तयार -निर्मित डेटा ही एक महत्त्वाची पायरी आहे. गार्टनरच्या स्वतंत्र सर्वेक्षणात, व्यवस्थापक व्यवस्थापक व्यवस्थापकांचे 500 हून अधिक व्यवस्थापक आणि मध्यम आकाराचे तंत्रज्ञान नेते अशी अपेक्षा करतात की बुद्धिमत्तेसाठी तयार -तयार पायाभूत सुविधांचा अवलंब केल्याने वेगवान आणि अधिक लवचिक डेटा ऑपरेशन्समध्ये मदत होईल.

ही एक धीमे प्रक्रिया असू शकते. सन २०२26 च्या दरम्यान, गार्टनरला अशी अपेक्षा आहे की एआयच्या तयार डेटाद्वारे समर्थित नसलेल्या कृत्रिम बुद्धिमत्ता प्रकल्पांपैकी 60 % संस्थांनी सोडले पाहिजे. मागील उन्हाळ्यात जेव्हा संशोधन कंपनीने डेटा व्यवस्थापन नेत्यांचे सर्वेक्षण केले तेव्हा 63 % लोकांनी सांगितले की त्यांच्या संस्थांमध्ये लागू असलेल्या डेटा व्यवस्थापन पद्धती नाहीत किंवा त्यांना पद्धतींचा खात्री नव्हती.

बँक ऑफ अमेरिका येथील अ‍ॅम्नेस्टी इंटरनॅशनलचे डेटा आणि बँकिंग सर्व्हिसेसचे प्रमुख अवैस शेर पाजवा म्हणाले की, जेव्हा प्रकाशन प्रक्रिया अधिक परिपक्व होतात, तेव्हा कालांतराने एन्ड एआय मॉडेलिंग मॉडेलसारख्या सतत आव्हानांना सामोरे जाण्याच्या मार्गांवर विचार करणे आवश्यक आहे. ते पुढे म्हणाले की, संस्थांना नेहमीच अंतिम वापरकर्त्यांसाठी काहीतरी वेग देण्याची आवश्यकता नसते ज्यांनी चॅटच्या आधारे चॅटच्या क्षमतेबद्दल काही प्रमाणात विचार केला आहे.

शेर पाज्वा म्हणाले, “आमच्या दैनंदिन जीवनात आम्ही सर्वजण चॅट अनुप्रयोगांचे वापरकर्ते आहोत. “वापरकर्ते पूर्णपणे विकसित झाले आहेत. प्रशिक्षणाच्या बाबतीत, आपल्याला त्याला अंतिम वापरकर्त्यांकडे ढकलण्याची आवश्यकता नाही, परंतु याचा अर्थ असा आहे की ही एक अतिशय सहकारी प्रक्रिया बनते. आपल्याला अंमलबजावणी आणि विस्ताराचे घटक माहित असणे आवश्यक आहे, जे आव्हान बनते.”

कृत्रिम बुद्धिमत्ता खात्यासाठी वेदना आणि गुंतागुंत

कंपन्यांना अनुप्रयोग -आधारित अनुप्रयोग, संकरित आणि संकरित अनुप्रयोगांच्या संधी आणि आव्हानांचा विचार करणे देखील आवश्यक आहे. शेर बाजोआ म्हणाले की क्लाऊड कृत्रिम बुद्धिमत्ता अनुप्रयोग वेगवेगळ्या तंत्रज्ञानाची चाचणी घेण्यास आणि अधिक प्रयोगात्मक मार्गाने विस्तृत करण्यास परवानगी देतात. तथापि, ते पुढे म्हणाले की कंपन्यांना सुरक्षा आणि खर्च यासारख्या विविध पायाभूत सुविधांचा विचार करणे आवश्यक आहे – आणि एनव्हीआयडीए आणि एएमडी सारख्या विक्रेत्यांनी कंपन्यांना वेगवेगळ्या मॉडेल्स आणि वेगवेगळ्या प्रकाशन पद्धतींची चाचणी घेणे सुलभ केले आहे.

होल्चटेग म्हणाले की क्लाउड सर्व्हिस प्रदात्यांविषयीचे निर्णय काही वर्षांपूर्वीच्या तुलनेत अधिक क्लिष्ट झाले आहेत. निओक्लॉड्स (जीपीयू आणि व्हर्च्युअल डिव्हाइसची तरतूद) सारख्या नवीनतम पर्यायांमुळे कधीकधी पारंपारिक हायपरएक्टिव्हिटीला स्वस्त पर्याय उपलब्ध होऊ शकतात आणि असे सूचित केले आहे की बरेच ग्राहक अ‍ॅम्नेस्टी इंटरनॅशनल प्रकाशित करतील कारण त्यांचा डेटा आधीपासूनच आहे-ज्यामुळे मुख्य पायाभूत सुविधा बदलण्याची शक्यता कमी होईल. परंतु स्वस्त पर्यायांसहही, होल्स्टेज एक संगणन, किंमत आणि सुधारणा पाहतो. उदाहरणार्थ, त्यांनी निदर्शनास आणून दिले की लामा आणि मिस्त्राल सारख्या मुक्त स्त्रोत मॉडेल्समध्ये संगणकीय आवश्यकता जास्त असू शकतात.

“ओपन सोर्स मॉडेल्स वापरण्यासाठी आणि आपला डेटा हद्दपार करण्यासाठी डोकेदुखीचा सामना करण्यासाठी आपण या सर्व समस्येच्या खात्याची किंमत मोजता?” होलच्ट विनंती. “लोक ज्या पर्यायांना सामोरे जावे लागतात त्या फक्त तीन वर्षांपूर्वीच्या तुलनेत आता खूपच विस्तृत आहेत.”