बात का समय समाप्त हो गया है। संभावित उपयोग के मामलों की खोज करने के दो साल बाद, संगठनों की बढ़ती संख्या मूर्त व्यावसायिक मूल्य को चलाने के लिए जेनेरिक एआई (जेनई) को अपनाने के लिए शुरू हो रही है। गार्टनर की रिपोर्ट है कि आने वाले महीनों में इन तकनीकों में निवेश में वृद्धि जारी रहेगी – वैश्विक ड्राइविंग आईटी ने अगले साल में लगभग 6 ट्रिलियन का खर्च किया।
CIO प्रूफ-ऑफ-कॉन्सेप्ट स्टेज से आगे बढ़ने के लिए उत्सुक हैं और जेनई को काम करने के लिए शुरू करते हैं। यद्यपि रोमांचक नई क्षमताएं और उपयोग के मामले दैनिक आधार पर उभर रहे हैं, लेकिन परिणाम देने के लिए Genai को फर्म नींव पर बनाया जाना चाहिए। जीनई का उपयोग कैसे किया जा सकता है, इस पर विचारों के साथ आने का आरोप लगाया गया है – और नेताओं ने समय और धन के अपने निवेश पर हस्ताक्षर करने वाले नेताओं को एक ठोस समझ की आवश्यकता है कि यह कैसे काम करता है। सबसे पहले और सबसे महत्वपूर्ण, हालांकि, उन्हें यह सुनिश्चित करने पर ध्यान केंद्रित करने की आवश्यकता है कि उनके पास जनरल एआई टूल्स को सफल अपनाने के लिए आवश्यक डेटा है।
ग्लोबल हेड – डेटा और एआई, हेक्सवेयर।
ठिकानों को कवर करना
Microsoft लीडरशिप टीमों से लेकर यूएस कोर्ट रूम तक, विशेषज्ञ अलार्म लग रहे हैं: एआई के साथ, ‘कचरा = कचरा बाहर’। यदि वे इन चेतावनियों पर ध्यान देने में विफल रहते हैं, तो संगठन उन लाभों को अनलॉक नहीं करेंगे जो वे उम्मीद कर रहे हैं। Genai के लिए नए उपयोग के मामलों को अपनाने में समय और धन का निवेश करने से पहले, संगठनों को इसे सफल बनाने के लिए डेटा प्राप्त करने की आवश्यकता है। विशेष रूप से, उन्हें चार मुख्य मुख्य आधारों को कवर करने की आवश्यकता है:
1) मौजूदा डेटा का आधुनिकीकरण करें
सबसे पहले, संगठनों को मौजूदा डेटा सेट को बदलने की आवश्यकता होती है जिसका उपयोग मॉडल को प्रशिक्षित करने और अंतर्दृष्टि को चलाने के लिए किया जाएगा। उन्हें मौजूदा परिदृश्य को समझने के लिए अपने वर्तमान डेटा का मैप और विश्लेषण करने की आवश्यकता है, फिर एक मजबूत वास्तुकला के लिए नींव रखने के लिए डेटा वेयरहाउसिंग और डेटा झीलों के मिश्रण का उपयोग करें। उन्हें डेटा एकत्रीकरण, भंडारण और पुनर्प्राप्ति आवश्यकताओं पर विचार करने की आवश्यकता है, यह सुनिश्चित करने के लिए कि वे वास्तविक समय में एनालिटिक्स का संचालन कर सकते हैं। डेटा आधुनिकीकरण परियोजनाओं को पूरा होने में वर्षों लग सकते हैं, लेकिन बर्बाद करने का समय नहीं है – उन्हें कुछ ही महीनों में पूरा किया जाना चाहिए।
2) गुणवत्ता डेटा के नए स्रोतों की पहचान और निगलना
इसके बाद, उन्हें सुपरचार्ज एआई में महत्वपूर्ण समग्र संदर्भ जोड़ने के लिए बाहरी अंतर्दृष्टि के साथ मौजूदा डेटा को समृद्ध करने की आवश्यकता है। तिथि करने के लिए, बाहरी डेटा सेटों को एक समय लेने वाली प्रक्रिया रही है, लेकिन क्लाउड-आधारित अर्क, ट्रांसफॉर्म, लोड (ईएलटी) समाधान स्वचालित रूप से पाइपलाइनों का निर्माण कर सकते हैं। यह संगठनों को जल्दी से विश्वसनीय डेटा सेट में लाने में सक्षम बनाता है जो उन्हें अपने एआई उपयोग के मामलों को ईंधन देने के लिए गहरी अंतर्दृष्टि को अनलॉक करने के लिए मार्ग पर डाल सकते हैं।
3) लगातार किसी भी पूर्वाग्रह को हटा दें
अगला, संगठनों को यह सुनिश्चित करने के लिए पूरे डेटा परिदृश्य की समीक्षा करने की आवश्यकता है कि यह साफ है। उन्हें निश्चित होने की आवश्यकता है कि उनके डेटा को उनके एआई को सूचित करने के लिए भरोसा किया जा सकता है, इसे सही निर्णय लेने के लिए ड्राइविंग किया जा सकता है। यह महत्वपूर्ण है कि वे किसी भी अनपेक्षित पूर्वाग्रहों को पहचानते हैं और हटा देते हैं जो इस डेटा को अपने एआई में खिलाते हैं। उन संभावित पूर्वाग्रहों पर विचार करने के लिए वापस कदम रखकर जो उनके एआई के उपयोग के मामलों में उत्पन्न हो सकते हैं, उन्हें तैनात करने से पहले, वे पहले से उत्पन्न होने वाली इन समस्याओं की संभावना को बंद कर सकते हैं।
4) डेटा गुणवत्ता और शासन को कम करने के लिए दृश्यता सुनिश्चित करें
अंत में, संगठनों को साइलो को समाप्त करना चाहिए, सत्य का एक स्रोत बनाने के लिए दृश्यता के अंत के साथ डेटा को एकीकृत करना चाहिए। एआई विश्वसनीय और सटीक नहीं होगा यदि परस्पर विरोधी डेटा के साथ खिलाया जाता है – इसलिए उन्हें भ्रामक संघर्षों की पहचान करने में सक्षम होना चाहिए, और उन्हें हटा देना चाहिए। डेटा समय के साथ विकसित होता है, जिसका अर्थ है कि यह दृश्यता बनाए रखना महत्वपूर्ण है कि किसने बदल दिया है या जोड़ा है, और क्यों। यह ट्रेसबिलिटी संभावित गलतियों को पहचानने और दूर करने में मदद करेगी, उदाहरण के लिए, यदि सिंथेटिक प्रशिक्षण डेटा को गलती से वास्तविक दुनिया के निर्णय लेने के लिए उपयोग किया गया है।
अवसर को भुनाने के लिए एआई साक्षरता बढ़ाना
यह डेटा कच्चे माल को प्रदान करता है, लेकिन इसका उपयोग जीनई सफलता को चलाने के लिए सही तरीके से किया जाना चाहिए। व्यवसाय में ज्ञान का निर्माण टीमों को उन मामलों की पहचान करने में सक्षम करेगा जो वास्तव में मूल्य उत्पन्न कर सकते हैं। कई विभाग संभावित रूप से Genai से अलग -अलग तरीकों से लाभान्वित हो सकते हैं, इसलिए स्पष्ट दृष्टि और उद्देश्य को ध्यान में रखते हुए शुरू करना महत्वपूर्ण है। प्रशिक्षण में बजट और मैनहॉर्स का निवेश करने वाले संगठन संभवतः उपयोग के मामलों के साथ पुरस्कृत किए जाएंगे जो उन्हें सबसे तेज आरओआई को अनलॉक करने वाले तरीकों से जीनई को आत्मविश्वास से तैनात करने में सक्षम बनाते हैं।
इसे सक्षम करने के लिए, लीडरशिप टीमों में एआई साक्षरता और डेटा साक्षरता का एक ठोस स्तर भी होना चाहिए। व्यापारिक नेताओं को यह समझने की आवश्यकता है कि पारंपरिक और जीनई मॉडल कैसे काम करते हैं और अंतर्निहित डेटा और प्रशिक्षण इन मॉडलों द्वारा प्रस्तुत निष्कर्षों को कैसे प्रभावित कर सकते हैं। यह उन्हें व्यवसाय उपयोग मामले के संदर्भ में एआई आधारित समाधान से निकलने वाली सिफारिशों की गहरी सराहना देगा और वे इस तरह की सिफारिशों को स्वीकार या अस्वीकार करने के लिए खुद को बहुत बेहतर स्थिति में पाएंगे। यह “लूप में मानव” का पूरा बिंदु है जो एआई आधारित समाधानों की सफलता और स्वीकृति का एक महत्वपूर्ण कारक है।
सफल गोद लेने के लिए नींव पर निर्माण
ठोस डेटा नींव रखकर, टीमों को उपयोग करने के मामलों को उजागर करने के लिए सशक्त बनाना और नेताओं को यह सुनिश्चित करना कि सही परियोजनाओं को ग्रीन-लाइट कर सकते हैं, संगठन सफल जीनई गोद लेने के मार्ग पर होंगे। अवसर बहुत रोमांचक है, और तेजी से गति से विकसित हो रहा है, इसलिए खोने का समय नहीं है। CIO को केवल यह सुनिश्चित करने के लिए एक फर्म फोकस के साथ गति की आवश्यकता को संतुलित करने की आवश्यकता है कि कोई भी कोने में कटौती नहीं की जाती है। ठोस नींव रखने के लिए समय निकालने से उन्हें सफल जीनई गोद लेने के लिए पाठ्यक्रम पर रखा जाएगा जो मूल्य को अनलॉक करेगा और पूरे व्यवसाय में कई अलग -अलग टीमों को लाभान्वित करेगा।
हम सर्वश्रेष्ठ परियोजना प्रबंधन सॉफ्टवेयर को सूचीबद्ध करते हैं।
यह लेख TechRadarpro के विशेषज्ञ इनसाइट्स चैनल के हिस्से के रूप में निर्मित किया गया था, जहां हम आज प्रौद्योगिकी उद्योग में सबसे अच्छे और प्रतिभाशाली दिमागों की सुविधा देते हैं। यहां व्यक्त किए गए विचार लेखक के हैं और जरूरी नहीं कि TechRadarpro या भविष्य PLC के हों। यदि आप योगदान देने में रुचि रखते हैं तो यहां और अधिक जानकारी प्राप्त करें: https://www.techradar.com/news/submit-your-story-to-techradar-pro
Hello Readers! I am RAHUL KUMAR MAHTO RKM With 3 Year of Experience in Writing Content About Scholarship. With Masters in IT, I love to to write digital content about Government Scholarship Schemes, Private Scholarship Schemes.
