ప్రకారం SAPఎంటర్ప్రైజ్ AI గవర్నెన్స్ గణాంక అంచనాలను నిర్ణయాత్మక నియంత్రణతో భర్తీ చేయడం ద్వారా లాభాల మార్జిన్లను సురక్షితం చేస్తుంది.
డాక్యుమెంట్లోని పదాలను లెక్కించమని వినియోగదారు-గ్రేడ్ మోడల్ను అడగండి మరియు అది తరచుగా పది శాతం మార్కును కోల్పోతుంది. SAPలో కస్టమర్ సక్సెస్ యూరప్, APAC, మిడిల్ ఈస్ట్ & ఆఫ్రికా యొక్క గ్లోబల్ ప్రెసిడెంట్ మనోస్ రాప్టోపౌలోస్, దాదాపు-పరిపూర్ణమైన మరియు పరిపూర్ణమైన మధ్య కార్యాచరణ అంతరం సంపూర్ణంగా ఉందని గమనించారు.
“90% మరియు 100% ఖచ్చితత్వం మధ్య దూరం పెరుగుతున్నది కాదు. మన ప్రపంచంలో, ఇది అస్తిత్వానికి సంబంధించినది” అని రాప్టోపౌలోస్ పేర్కొన్నాడు.
సంస్థలు పెద్ద భాషా నమూనాలను ఉత్పత్తి పరిసరాలలోకి నెట్టివేస్తున్నందున, మూల్యాంకన ప్రమాణాలు అధికారికంగా ఖచ్చితత్వం, పాలన, స్కేలబిలిటీ మరియు ప్రత్యక్ష వ్యాపార ప్రభావం వైపుకు మారాయని రాప్టోపౌలోస్ నొక్కిచెప్పారు.
నిష్క్రియ సాధనాల నుండి యాక్టివ్ డిజిటల్ యాక్టర్స్గా మారడంపై కార్పొరేట్ బోర్డులు ఎదుర్కొంటున్న సవాలక్ష సవాలు, ఒక పరివర్తన Raptopoulos ప్రాథమిక పాలనా క్షణంగా గుర్తిస్తుంది మరియు ఈ సంవత్సరం SAP దృష్టి సారించే అంశాలలో ఒకటిగా ఉంటుంది. AI & బిగ్ డేటా ఎక్స్పో ఉత్తర అమెరికా.
Agentic AI వ్యవస్థలు ఇప్పుడు ఇతర ఏజెంట్లతో ప్లాన్, రీజన్, ఆర్కెస్ట్రేట్ మరియు స్వయంప్రతిపత్తితో వర్క్ఫ్లోలను అమలు చేయగల సామర్థ్యాన్ని కలిగి ఉన్నాయి. ఈ వ్యవస్థలు సున్నితమైన డేటాతో నేరుగా సంకర్షణ చెందుతాయి మరియు స్కేల్లో నిర్ణయాలను ప్రభావితం చేస్తాయి కాబట్టి, ఒక మానవ శ్రామికశక్తిని పాలించినట్లే వాటిని సరిగ్గా నిర్వహించడంలో విఫలమైతే సంస్థను తీవ్రమైన కార్యాచరణ ప్రమాదానికి గురిచేస్తుందని రాప్టోపౌలోస్ వాదించారు. వాటాలు వర్గీకరణపరంగా ఎక్కువగా ఉన్నప్పటికీ, ఏజెంట్ విస్తరణ గత దశాబ్దంలోని షాడో ఐటి సంక్షోభాలకు అద్దం పడుతుందని అతను హెచ్చరించాడు.
ఏజెంట్ జీవితచక్ర నిర్వహణను ఏర్పాటు చేయడం, స్వయంప్రతిపత్తి సరిహద్దులను నిర్వచించడం, విధానాన్ని అమలు చేయడం మరియు నిరంతర పనితీరు పర్యవేక్షణను ఏర్పాటు చేయడం అతని ఫ్రేమ్వర్క్ ప్రకారం తప్పనిసరి అవసరాలు.
లెగసీ రిలేషనల్ ఆర్కిటెక్చర్లతో ఆధునిక వెక్టార్ డేటాబేస్లను (ఎంటర్ప్రైజ్ లాంగ్వేజ్ యొక్క సెమాంటిక్ రిలేషన్షిప్లను మ్యాప్ చేస్తుంది) సమగ్రపరచడం అపారమైన ఇంజనీరింగ్ మూలధనాన్ని కోరుతుంది. ఆర్థిక లేదా సప్లై చైన్ ఎగ్జిక్యూషన్ పాత్లను భ్రష్టు పట్టించకుండా భ్రాంతులు నిరోధించడానికి ఏజెంట్ యొక్క అనుమితి లూప్ను బృందాలు చురుకుగా నియంత్రించాలి. ఈ కఠినమైన పారామితులను సెట్ చేయడం వలన గణన జాప్యం మరియు హైపర్స్కేలర్ కంప్యూట్ ఖర్చులు పెరుగుతాయి, ప్రారంభ P&L అంచనాలను మారుస్తుంది.
స్వయంప్రతిపత్త మోడల్కు నిర్ణయాత్మక అవుట్పుట్లను నిర్వహించడానికి స్థిరమైన, అధిక-ఫ్రీక్వెన్సీ డేటాబేస్ క్వెరీయింగ్ అవసరమైనప్పుడు, అనుబంధిత టోకెన్ ఖర్చులు త్వరగా గుణించబడతాయి. సమ్మతి చెక్లిస్ట్ కాకుండా గవర్నెన్స్ కఠినమైన ఇంజనీరింగ్ పరిమితిగా మారుతుంది.
కార్పోరేట్ బోర్డ్లు ఏజెంట్ మోడల్లను అమలు చేయడానికి ముందు మూడు ప్రాథమిక సమస్యలను పరిష్కరించాలని Raptopoulos వాదించారు: ఏజెంట్ యొక్క లోపానికి ఎవరు జవాబుదారీగా ఉంటారో గుర్తించడం, యంత్ర నిర్ణయాల కోసం ఆడిట్ ట్రయల్స్ ఏర్పాటు చేయడం మరియు మానవ పెరుగుదల కోసం ఖచ్చితమైన పరిమితులను నిర్వచించడం. భౌగోళిక రాజకీయ విచ్ఛిన్నం ఈ ప్రశ్నలకు సమాధానం ఇవ్వడం కష్టతరం చేస్తుంది.
న్యూయార్క్, ఫ్రాంక్ఫర్ట్, రియాద్ మరియు సింగపూర్లో విస్తరించి ఉన్న ప్రధాన మార్కెట్లలో సావరిన్ క్లౌడ్ ఇన్ఫ్రాస్ట్రక్చర్లు, AI మోడల్లు మరియు డేటా స్థానికీకరణ ఆదేశాలు నియంత్రణ వాస్తవాలు. ఎంటర్ప్రైజెస్ తప్పనిసరిగా నిర్ణయాత్మక నియంత్రణను నేరుగా ప్రాబబిలిస్టిక్ ఇంటెలిజెన్స్లో పొందుపరచాలి. Raptopoulos ఈ అవసరాన్ని IT ప్రాజెక్ట్గా కాకుండా C-సూట్ మాండేట్గా చూస్తుంది.
వాణిజ్య కార్యకలాపాల కోసం రిలేషనల్ ఇంటెలిజెన్స్ను రూపొందించడం
AI వ్యవస్థలు పూర్తిగా డేటా నాణ్యతపై ఆధారపడి ఉంటాయి మరియు అవి పనిచేసే ప్రక్రియలపై ఆధారపడి ఉంటాయి, ఇది Raptopoulos డేటా ఫౌండేషన్ క్షణం అని పిలుస్తుంది.
ఫ్రాగ్మెంటెడ్ మాస్టర్ డేటా, సైల్డ్ బిజినెస్ సిస్టమ్లు మరియు ఓవర్-కస్టమైజ్డ్ ERP ఎన్విరాన్మెంట్లు అత్యంత చెత్త క్షణాల్లో ప్రమాదకరమైన అనూహ్యతను పరిచయం చేస్తాయి. నగదు ప్రవాహం, కస్టమర్ సంబంధాలు లేదా సమ్మతి స్థానాలను ప్రభావితం చేసే సిఫార్సును అందించడానికి స్వయంప్రతిపత్త ఏజెంట్ ఫ్రాగ్మెంటెడ్ ఫౌండేషన్లపై ఆధారపడినట్లయితే, ఫలితంగా కార్యాచరణ నష్టం తక్షణమే పెరుగుతుందని రాప్టోపౌలోస్ వివరించారు.
టెంజిబుల్ ఎంటర్ప్రైజ్ విలువను సంగ్రహించడానికి ఇంటర్నెట్-స్కేల్ టెక్స్ట్పై శిక్షణ పొందిన సాధారణ పెద్ద భాషా నమూనాలను మించి ముందుకు సాగడం అవసరం. నిజమైన ఎంటర్ప్రైజ్ ఇంటెలిజెన్స్ – రాప్టోపౌలోస్ వివరించినట్లుగా – ఆర్డర్లు, ఇన్వాయిస్లు, సరఫరా గొలుసు రికార్డులు మరియు నేరుగా వ్యాపార ప్రక్రియల్లో పొందుపరిచిన ఆర్థిక పోస్టింగ్లతో సహా యాజమాన్య కార్పొరేట్ డేటాలో తప్పనిసరిగా ఉండాలి. నిర్మాణాత్మక వ్యాపార డేటా కోసం ప్రత్యేకంగా ఆప్టిమైజ్ చేయబడిన రిలేషనల్ ఫౌండేషన్ మోడల్లు అంచనా వేయడం, క్రమరాహిత్యాలను గుర్తించడం మరియు కార్యాచరణ ఆప్టిమైజేషన్లో సాధారణ నమూనాలను నిరంతరం అధిగమిస్తాయని అతను వాదించాడు.
ఫౌండేషన్ మోడల్కు అధిక-కస్టమైజ్ చేయబడిన ERP వాతావరణాన్ని అర్థమయ్యేలా చేయడంలో పూర్తి కార్యాచరణ ఘర్షణ అనేక విస్తరణలను నిలిపివేస్తుంది. డేటా ఇంజినీరింగ్ బృందాలు AI తీసుకోవడం కోసం ఒక బేస్లైన్ను రూపొందించడానికి ఫ్రాగ్మెంటెడ్ మాస్టర్ డేటాను శుభ్రపరచడానికి అధిక చక్రాలను ఖర్చు చేస్తాయి.
ముడి ఇన్వాయిస్ డేటాతో పాటు సంక్లిష్టమైన, యాజమాన్య సరఫరా గొలుసు రికార్డులను రిలేషనల్ మోడల్ ఖచ్చితంగా అర్థం చేసుకోవలసి వచ్చినప్పుడు, అంతర్లీన డేటా పైప్లైన్లు సున్నా జాప్యంతో పనిచేయాలి. డేటా తీసుకోవడం విఫలమైతే, మోడల్ యొక్క ప్రిడిక్టివ్ సామర్థ్యాలు తక్షణమే క్షీణించి, ఏజెంట్ క్రియాత్మకంగా వ్యాపారానికి ప్రమాదకరంగా మారతాయి.
ఆధునిక రిలేషనల్ AIతో లెగసీ ఆర్కిటెక్చర్ను సమగ్రపరచడం కోసం లోతుగా పాతుకుపోయిన డేటా పైప్లైన్లను సరిచేయడం అవసరం. ఇంజినీరింగ్ బృందాలు దశాబ్దాలుగా పేలవంగా వర్గీకరించబడిన ప్రణాళిక డేటాను ఇండెక్సింగ్ ఎదుర్కొంటాయి, తద్వారా పొందుపరిచే నమూనాలు ఖచ్చితమైన వెక్టర్ ప్రాతినిధ్యాలను రూపొందించగలవు. Raptopoulos యొక్క లాజిక్ను అనుసరించి, బోర్డ్లు వారి ప్రస్తుత డేటా ఎస్టేట్ వాస్తవికంగా తయారు చేయబడిందా లేదా అనేది బేరీజు వేసుకోవాలి.
ఉద్దేశం-ఆధారిత ఇంటర్ఫేస్ల రూపకల్పన
ఎంటర్ప్రైజ్ అప్లికేషన్ ఇంటరాక్షన్ స్టాటిక్ ఇంటర్ఫేస్ల నుండి మారుతోంది ఉత్పాదక వినియోగదారు అనుభవాలుఒక అభివృద్ధి Raptopoulos ఉద్యోగి పరస్పర చర్యగా ఫ్లాగ్ చేస్తుంది.
సంక్లిష్ట సాఫ్ట్వేర్ పర్యావరణ వ్యవస్థలను మాన్యువల్గా నావిగేట్ చేయడానికి బదులుగా, ఉద్యోగులు తమ ఉద్దేశాన్ని సిస్టమ్కు తెలియజేస్తారు. Raptopoulos ఒక వినియోగదారు ఆ వారం అత్యధిక ఆదాయాన్ని పొందే కస్టమర్ సందర్శన కోసం బ్రీఫింగ్ను సిద్ధం చేయమని సాఫ్ట్వేర్కు సూచించే ఉదాహరణను అందిస్తుంది. AI ఏజెంట్లు అప్పుడు అవసరమైన వర్క్ఫ్లోలను ఆర్కెస్ట్రేట్ చేస్తారు, చుట్టుపక్కల సందర్భాన్ని సమీకరించండి మరియు ఉపరితల సిఫార్సు చర్యలను చేస్తారు.
అయినప్పటికీ, శ్రామికశక్తిలో దత్తత అనేది నమ్మకంపై షరతులతో కూడుకున్నదని రాప్టోపౌలోస్ నొక్కిచెప్పారు. సిస్టమ్ యొక్క అవుట్పుట్లు స్థాపించబడిన పాలనా సరిహద్దులను గౌరవిస్తాయని, ప్రామాణికమైన వ్యాపార నియమాలను ప్రతిబింబిస్తాయని మరియు ఉత్పాదకతని ప్రదర్శించగల లాభాలను అందిస్తాయనే నమ్మకం ఉన్నప్పుడే ఉద్యోగులు ఈ డిజిటల్ సహచరులను ఆదరిస్తారు.
ఈ సిస్టమ్ల ఇంజనీరింగ్కు CFO, CHRO లేదా హెడ్ ఆఫ్ సప్లై చైన్ వంటి స్థానాల కోసం రూపొందించబడిన పాత్ర-నిర్దిష్ట AI వ్యక్తిత్వాలు అవసరం. దత్తత గ్యాప్ను విజయవంతంగా మూసివేయడానికి ఈ వ్యక్తులు విశ్వసనీయ డేటాపై నిర్మించబడాలని మరియు సుపరిచితమైన కార్పొరేట్ వర్క్ఫ్లోలలో పొందుపరచబడాలని Raptopoulos గమనించారు.
ఈ స్థాయి ఏకీకరణను సాధించడం అనేది భారీ పరిణామాలతో కూడిన డిజైన్ నిర్ణయం. AI-నేటివ్ ఆర్కిటెక్చర్లో మూలధనాన్ని పెట్టుబడి పెట్టడానికి ఇష్టపడే సంస్థలు తమ పెట్టుబడిపై రాబడిని వేగవంతం చేస్తాయి, అయితే లెగసీ ఇంటర్ఫేస్లలో సంభావ్య నమూనాలను బోల్ట్ చేయడానికి ప్రయత్నిస్తున్న సంస్థలు నమ్మకం, వినియోగం మరియు స్కేల్తో తీవ్రంగా పోరాడుతున్నాయి.
మోనోలిథిక్ సాఫ్ట్వేర్ అప్లికేషన్లపై ఆధునిక AI ఆర్కెస్ట్రేషన్ను బలవంతంగా చేయడానికి ప్రయత్నిస్తున్న సాంకేతిక నాయకులు తరచుగా తీవ్రమైన ఏకీకరణ ఆలస్యాన్ని ఎదుర్కొంటారు. కాలం చెల్లిన ఎంటర్ప్రైజ్ మిడిల్వేర్ ద్వారా సంభావ్యత API కాల్ల రూటింగ్ వినియోగదారు ఇంటర్ఫేస్లను ఆలస్యం చేస్తుంది, ఉద్దేశం-ఆధారిత వర్క్ఫ్లోను నాశనం చేస్తుంది. పాత్ర-నిర్దిష్ట వ్యక్తుల రూపకల్పనకు ప్రాంప్ట్ ఇంజనీరింగ్ కంటే ఎక్కువ అవసరం; ఇది మోడల్ యొక్క యాక్టివ్ మెమరీలోకి సంక్లిష్ట యాక్సెస్ నియంత్రణలు, అనుమతులు మరియు వ్యాపార లాజిక్లను మ్యాపింగ్ చేయమని కోరుతుంది.
ఇంజనీరింగ్ పోటీ రక్షణ
కస్టమర్ పరస్పర చర్యల సమయంలో AI ఉపరితలాలపై ఆర్థిక రాబడి వేగంగా ఉంటుంది. యాజమాన్య రికార్డులు, అంతర్గత నియమాలు మరియు చారిత్రక లాగ్లపై శిక్షణ నమూనాలు ప్రత్యర్థులు సులభంగా కాపీ చేయలేని కస్టమర్-నిర్దిష్ట మేధస్సు యొక్క పొరను సృష్టిస్తాయని రాప్టోపౌలోస్ పేర్కొన్నాడు. వివాద పరిష్కారం, దావాలు, రిటర్న్లు మరియు సర్వీస్ రూటింగ్ వంటి మినహాయింపు-భారీ వర్క్ఫ్లోలలో ఈ సెటప్ ఉత్తమంగా పని చేస్తుంది.
కేసులను వర్గీకరించడం, సంబంధిత డాక్యుమెంటేషన్ను రూపొందించడం మరియు విధాన-సమలేఖన తీర్మానాలను సిఫార్సు చేయడం వంటి స్వయంప్రతిపత్త ఏజెంట్లను అమలు చేయడం ఈ అధిక-ధర ప్రక్రియలను విభిన్నమైన పోటీ భేదంగా మారుస్తుంది.
ఈ నమూనాలు ప్రతి పరస్పర చర్యల ఫలితాల ఆధారంగా స్వీకరించబడతాయి. కార్పొరేట్ కొనుగోలుదారులు సాంకేతిక జిమ్మిక్కులకు బదులుగా విశ్వసనీయమైన, సంబంధితమైన మరియు ప్రతిస్పందించే సేవకు ప్రాధాన్యత ఇస్తారని Raptopoulos అభిప్రాయపడ్డారు. భారీ పనిభారాన్ని నిర్వహించడానికి AIని అమలు చేసే కంపెనీలు – తుది అవుట్పుట్ల యొక్క ఖచ్చితమైన పర్యవేక్షణను కొనసాగిస్తూ – సాధారణ సాధనాలు ప్రవేశించడంలో విఫలమయ్యేలా ప్రవేశానికి అడ్డంకులను నిర్మిస్తాయి.
కార్పోరేట్ ఇంటెలిజెన్స్ని అమలు చేయడానికి C-సూట్ మూడు విభిన్న పొరలను సమాంతరంగా ఆర్కెస్ట్రేట్ చేయడం అవసరం, దీనిని రాప్టోపౌలోస్ వ్యూహాత్మక క్షణంగా నిర్వచించారు.
ప్రారంభ పొరలో ఎంబెడెడ్ ఫంక్షనాలిటీ ఉంటుంది, ఇక్కడ వ్యక్తిత్వ ఆధారిత ఉత్పాదకత లాభాలు వేగవంతమైన రాబడి కోసం కోర్ అప్లికేషన్లలో నేరుగా విలీనం చేయబడతాయి. రెండవ లేయర్ ఏజెంట్ ఆర్కెస్ట్రేషన్ను కోరుతుంది, క్రాస్-సిస్టమ్ వర్క్ఫ్లోస్లో బహుళ-ఏజెంట్ కోఆర్డినేషన్ను సులభతరం చేస్తుంది. చివరి పొర పరిశ్రమ-నిర్దిష్ట మేధస్సుపై దృష్టి పెడుతుంది, నిర్దిష్ట రంగానికి సంబంధించిన అత్యధిక-విలువ సవాళ్లను పరిష్కరించడానికి సహ-అభివృద్ధి చేసిన లోతైన ప్రత్యేక అప్లికేషన్లను కలిగి ఉంటుంది.
తప్పుడు సీక్వెన్సింగ్కు బలి అయ్యే నాయకుల కోసం ఒక ఉచ్చు వేచి ఉంది. కేవలం పొందుపరిచిన సాధనాలపై దృష్టి కేంద్రీకరించడం వలన భారీ ఆర్థిక విలువ సంగ్రహించబడదు, అయితే ముందుగా సరైన పాలన మరియు డేటా పరిపక్వత సాధించకుండానే లోతైన పరిశ్రమ అనువర్తనాల వైపు దూకుడుగా దూకడం కార్పొరేట్ ప్రమాదాన్ని గుణిస్తుంది.
ఈ మోడళ్లను స్కేలింగ్ చేయడానికి వాస్తవ సాంకేతిక సంసిద్ధతకు కార్పొరేట్ ఆశయం సరిపోలాలని Raptopoulos సలహా ఇస్తున్నారు. లీడర్షిప్ టీమ్లు క్లీన్ కోర్ ఆర్కిటెక్చర్లకు నిధులు సమకూర్చాలి, డేటా పైప్లైన్లను అప్డేట్ చేయాలి మరియు పైలట్ దశను దాటడానికి క్రాస్-ఫంక్షనల్ యాజమాన్యాన్ని అమలు చేయాలి. అత్యంత లాభదాయకమైన విస్తరణలు AIని సెంట్రల్ ఆపరేటింగ్ లేయర్గా పరిగణిస్తాయి, దీనికి మానవ సిబ్బంది వలె అదే పాలన అవసరం.
90 శాతం ఖచ్చితత్వం మరియు పూర్తి నిశ్చయత మధ్య ఉన్న ఆర్థిక అంతరం నిజమైన సంస్థ విలువ ఎక్కడ నివసిస్తుందో నిర్దేశిస్తుంది. రాబోయే నెలల్లో తీసుకునే పాలనా నిర్ణయాలు నిర్దిష్ట AI విస్తరణలు మన్నికైన ప్రయోజనానికి శక్తివంతమైన మూలంగా మారతాయా లేదా ఖరీదైన పాఠాన్ని నిర్దేశిస్తాయి.
ఇవి కూడా చూడండి: రెగ్యులేటర్లు ఫ్లాగ్ కంట్రోల్ గ్యాప్ల కారణంగా AI ఏజెంట్ గవర్నెన్స్ దృష్టి పెడుతుంది
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు సహా ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
