Thursday, August 18, 2022
HomeInternetNextGen Techएआई गोद लेने और उन्हें कैसे संबोधित करें, आईटी न्यूज, ईटी सीआईओ...

एआई गोद लेने और उन्हें कैसे संबोधित करें, आईटी न्यूज, ईटी सीआईओ के साथ शीर्ष 3 चुनौतियां

पिछले कुछ वर्षों में, AI ने लगभग हर बोर्डरूम चर्चा में अपनी जगह बनाई है। यह सिर्फ Google, नेटफ्लिक्स या अमेज़ॅन नहीं है जो एआई से बड़े पैमाने पर लाभान्वित हुए हैं, यह छोटा और मध्यम व्यवसाय भी है। कारोबारी अपनी शक्तियों के लिए एआई को अपनाने की दिशा में काम कर रहे हैं लेकिन यह अपनी चुनौतियों के साथ आता है।

एक्सेंचर की रिपोर्ट बताती है कि 4 में से 3 सी-सूट के अधिकारियों का मानना ​​है कि अगर वे स्केल नहीं करते हैं कृत्रिम होशियारी अगले पांच वर्षों में, वे पूरी तरह से व्यापार से बाहर जाने का जोखिम उठाते हैं। जब आप एआई को तैनात करने के प्रयास कर रहे हैं, तो आपको इस यात्रा की चुनौतियों के बारे में पता होना चाहिए।

अनिवार्य रूप से एआई अपनाने से जुड़ी तीन प्रमुख चुनौतियां हैं:

1. डेटा की गुणवत्ता और मात्रा:

मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस (एआई) जैसी तकनीकों में व्यवसायों को इन बड़े पैमाने पर डेटा का बेहतर उपयोग करने में मदद करने की क्षमता है, लेकिन ये तकनीक प्रदान की गई डेटा की गुणवत्ता और मात्रा पर निर्भर करती हैं। लगातार और सटीक डेटा सोर्स करना एक मुश्किल काम रहा है क्योंकि उद्यमों में डेटा परिभाषाओं और शासन के आम तौर पर स्वीकृत और व्यापक रूप से अपनाए गए मानक नहीं हैं।

“उद्यम एआई पहल की एक सीमा का पीछा कर रहे हैं और सूची में डेटा अवसंरचना को आधुनिक बना रहे हैं। लेकिन वर्तमान डेटा अभ्यास एक मुद्दा है, क्योंकि कई कंपनियों ने महत्वपूर्ण डेटा-संबंधित पहलुओं के साथ उच्च स्तर का परिष्कार नहीं किया है। वास्तव में, एआई कार्यक्रमों का पीछा करते समय कई संगठनों को उनके ट्रैक में रोक दिया जाता है क्योंकि डेटा पर्याप्त अच्छा नहीं है, इसलिए भविष्यवाणियां और अंतर्दृष्टि भी अविश्वसनीय होगी। सौरभ, पार्टनर, डेलॉइट इंडिया

एआई गोद लेने वालों के डेलॉइट अध्ययन में पाया जाता है कि व्यवसाय डेटा प्रबंधन के महत्वपूर्ण पहलुओं में चुनौतियों का सामना करते हैं: डेटा तैयार करना और उसकी सफाई करना, विभिन्न स्रोतों से डेटा को एकीकृत करना, एआई मॉडल को प्रशिक्षित करना और सुनिश्चित करना। सामग्री संचालन

उपाय

कुमार सुझाव देते हैं कि यह सुनिश्चित करने के लिए व्यवसायों का एक मजबूत डेटा प्रबंधन, डेटा गुणवत्ता और शासन ढांचा है कि संगठन में उत्पन्न सभी डेटा को प्रभावी ढंग से कैप्चर, संसाधित और संग्रहीत किया जाता है। वह आगे एआई चिकित्सकों सहित सभी उपयोगकर्ताओं को वास्तुकला डिजाइन की प्रक्रिया में शामिल करने पर जोर देता है ताकि डिजाइन करते समय आवश्यकताओं पर विचार किया जाए और बाद में एक पैच वर्क की आवश्यकता न हो।

“क्लाउड और पारंपरिक डेटा वेयरहाउस का एक सही मिश्रण संगठनों को इष्टतम प्रदर्शन प्राप्त करने में मदद करेगा। फ्यूचर इंटीग्रेटिंग और स्केलिंग पर ध्यान दें- सुनिश्चित करें कि आपके विक्रेता और साझेदार डेटा लेयर को एक अग्रगामी दृष्टिकोण के साथ डिज़ाइन करें, जो यह सुनिश्चित करेगा कि विभिन्न प्रकार के नए स्रोतों से डेटा का एकीकरण बाद में चुनौती नहीं है, ”कुमार ने कहा।

2. सही लोग और प्रतिभा

दूसरी सबसे बड़ी चुनौती एआई को अपनाने के दौरान सही टीम या लोगों के साथ काम करने की नहीं हो सकती है। सही प्रतिभा किसी भी पहल के लिए सफलता की कुंजी है और एआई के साथ भी यही सच है। बेशक AI निर्माण के लिए कहीं अधिक जटिल कौशल है और निश्चित रूप से बाजार में मांग और आपूर्ति का अंतर है।

AI में नई तकनीकों की एक श्रृंखला शामिल है जो परिणामों की भविष्यवाणी करने की क्षमता के साथ उन्नत विश्लेषिकी को शामिल करती है, रोबोट प्रक्रिया स्वचालन (जन प्रतिनिधि कानून), नेचुरल लैंग्वेज प्रोसेसिंग (एनएलपी), ग्राहक के अनुकूल बीओटीएस का निर्माण और गहन शिक्षण। प्रौद्योगिकी की व्यापक विशालता से संगठन के दौरान अंत-टू-एंड एआई यात्रा के निर्माण और कार्यान्वयन दोनों के लिए सही लोगों को ढूंढना मुश्किल हो जाता है। इसके अलावा, एआई को विकसित होने में समय लगता है और इसे परिपक्व होने तक लगातार रचनात्मक और भौतिक निवेश की आवश्यकता होती है और स्वीकार्य सटीकता का स्तर प्रदान करना शुरू कर देता है। इसलिए न केवल हमें विशेषज्ञ तकनीकी संसाधनों की जरूरत है, बल्कि रचनात्मक दिमागों की भी जरूरत है, जो प्रौद्योगिकी के उपयोग-मामलों को नया रूप दे सकें।

उपाय

महमूद मंसूरी, अध्यक्ष – साझा सेवाएँ और ऑनलाइन व्यापार, HDFC ERGO जनरल इंश्योरेंस आंतरिक चैंपियनों की मदद से संगठन में एआई यात्रा शुरू करने और उपलब्ध एआई तकनीकों के अनुप्रयोग में उन्हें प्रशिक्षित करने का सुझाव देता है।

“यथास्थिति को चुनौती देने के लिए तैयार रहें और अधिक महत्वपूर्ण रूप से एक ऐसी संस्कृति का निर्माण करें, जहां व्यावसायिक टीमें दिन-प्रतिदिन के संचालन में एआई के उपयोग के बारे में सोच सकें। एक बार जब आप इस संस्कृति का निर्माण कर लेते हैं, तो आपके पास नवाचार समूह से परे अधिक चैंपियन होते हैं, ताकि बाकी संगठन को भी उसी रास्ते पर चलने के लिए प्रेरित किया जा सके। ”

“इसके अलावा, एक अनुकूल वातावरण बनाना महत्वपूर्ण है, जो एक कार्यालय सेटअप से सही शुरू होता है, युवाओं के लिए फ्लेक्सी-घंटे जो जल्दी रिसर नहीं हो सकते हैं, लेकिन आधी रात के तेल को जलाने और खुद को साबित करने के लिए उत्साह रखते हैं। ठीक यही हमने किया; हमारा कार्यालय अब एक पारंपरिक बीमा कार्यालय की तरह नहीं दिखता है, बल्कि कई अंतरराष्ट्रीय डिजिटल आर एंड डी सेटअपों के लिए ईर्ष्या है और यह सिर्फ शुरुआत है। एचडीएफसी ईआरजीओ में, हम पारंपरिक प्रथाओं को चुनौती देने और किसी भी उद्योग से प्रतिभाओं को आकर्षित करने के लिए प्रतिबद्ध हैं, जब तक कि वे एआई के बारे में विश्लेषणात्मक, रचनात्मक और उत्साहित हैं जैसे हम हैं, ”मानसोरी ने कहा।

कंपनियों को सही प्रतिभा में निवेश करना होगा, आंतरिक संसाधनों को सही योग्यता और संबंधित तकनीकों में जानना होगा, ऐसे लोगों को टीम में जोड़ना होगा जो रचनात्मक हैं और व्यावसायिक समस्याओं को हल करते समय अप्राकृतिक रूप से सोचते हैं, संगठन में व्यवसाय टीम के साथ संलग्न हैं और इन प्रौद्योगिकियों के बारे में उत्साह उत्पन्न करते हैं।

यह भी पढ़े: यहां बताया गया है कि आप एक सफल AI टीम कैसे सेट कर सकते हैं

3. बायस को खत्म करना

इनमें से किसी भी उपयोग के मामले में पक्षपात सही निर्णय लेने की संभावना को क्षीण करता है। व्यवसायों को एक झूठा आश्वासन मिल सकता है कि वे पक्षपाती मॉडल का उपयोग करके लाभ देख रहे हैं, लेकिन पूर्वाग्रह वाले मॉडल वास्तव में सीखने की समस्या को हल नहीं कर रहे हैं जिन्हें वे हल करने वाले हैं।

“एक सामान्य उदाहरण के रूप में, एक मॉडल पर विचार करें जो एक उम्मीदवार की एक निश्चित भूमिका के लिए अच्छा करने की क्षमता का मूल्यांकन करने के लिए बनाया जा रहा है। खराब डिज़ाइन के कारण, मॉडल यह अनुमान लगाने के लिए स्थान की तरह एक सहसंबंधी हो सकता है कि उम्मीदवार यह अनुमान लगाने के लिए कि क्या वह फिट है या नहीं। यह पक्षपाती मूल्यांकन सेटों में काम कर सकता है, क्योंकि स्थान उस भूमिका में लोगों के ऐतिहासिक रूप से कम प्रतिनिधित्व वाले सेट की पहचान करने में मदद कर सकता है। यह मॉडल, जबकि स्पष्ट रूप से परीक्षण सेटों पर अच्छा कर रहा है, वास्तव में वह नहीं कर रहा है जो उसे करना चाहिए, यानी एक भूमिका के लिए उम्मीदवार की क्षमता का मूल्यांकन करें। ” अभिनव तुषार, आर्टिफिशियल इंटेलिजेंस के प्रमुख, वर्नाकुलर.आई ने कहा

उपाय

“शुरुआत के साथ पहली बात यह है कि मॉडलिंग लक्ष्य ही है। क्या मॉडल के लक्ष्य निहित पूर्वाग्रह हैं? क्या उद्देश्य कार्यों को डिजाइन द्वारा उचित बनाया जा सकता है? कई बार समस्या और मूल्यांकन मानदंड में एक पूर्वाग्रह होता है जिसे किसी और चीज से पहले हल करने की आवश्यकता होती है।

प्रशिक्षण के लिए उपयोग किए जाने वाले डेटासेट, विशेष रूप से मॉडल का मूल्यांकन संतुलित होना चाहिए, ताकि वे वास्तविक विश्व पूर्वाग्रहों को प्रतिबिंबित न करें। यह पूर्वाग्रह का एक सामान्य स्रोत है क्योंकि जंगली जानवरों से एकत्र किए गए डेटासेट मनमाने समूहों के खिलाफ भेदभावपूर्ण होते हैं, जिसका ज्ञान मॉडल बनाने के लिए भविष्यवाणियों में महत्वपूर्ण नहीं होना चाहिए।

“अज्ञात पक्षपात अभी भी सिस्टम में घुस सकता है, इस प्रकार मजबूत गुणवत्ता आश्वासन (क्यूए) प्रक्रियाएं, विशेष रूप से पूर्वाग्रह को ध्यान में रखते हुए, महत्वपूर्ण हैं। संभावित समस्याग्रस्त स्थितियों को कवर करने वाले परीक्षण सेटों के कई स्लाइस बनाना एक महत्वपूर्ण कदम है। इन क्यूए प्रक्रियाओं को पोस्ट एकीकरण भी बढ़ाया जाना चाहिए, क्योंकि तैनाती के बाद डेटा बहाव और फीडबैक लूप सिस्टम में अभी भी पक्षपात ला सकते हैं, “तुषार ने कहा।

यह भी पढ़ें: 2020 में एआई बायसेस के साथ उद्यम कैसे निपटा

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Most Popular

Recent Comments