AI ఎనేబుల్మెంట్ నుండి వ్యూహాత్మక నాయకత్వానికి మారడానికి వీలు కల్పిస్తుంది

CIO లు మరియు వ్యాపార నాయకులకు వారు వ్యాపార డేటా యొక్క గోల్డ్‌మైన్లో కూర్చున్నారని తెలుసు. బిజినెస్ ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్‌లు మరియు గణాంక విశ్లేషణ సాఫ్ట్‌వేర్ వంటి సాంప్రదాయ సాధనాలు సమిష్టి డేటా వనరుల నుండి అంతర్దృష్టులను సమర్థవంతంగా ఉపరితలం చేయగలవు, త్వరగా, నిజ సమయంలో మరియు స్కేల్‌లో పరిష్కరించని సవాలుగా ఉన్నాయి.

ఎంటర్ప్రైజ్ AI, బాధ్యతాయుతంగా మరియు స్కేల్ వద్ద మోహరించినప్పుడు, ఈ అడ్డంకులను అవకాశాలుగా మార్చవచ్చు. డేటాపై త్వరగా పనిచేయడం, ‘లైవ్’ (ఉదాహరణకు కస్టమర్ ఇంటరాక్షన్ సమయంలో), స్కేలబిలిటీ వలె సాంకేతిక పరిజ్ఞానం యొక్క సామర్ధ్యాలలో ఒకటి: AI అసమాన వనరుల నుండి పెద్ద మొత్తంలో సమాచారాన్ని ఒక పేజీ స్ప్రెడ్‌షీట్‌ను సంగ్రహించేంత తేలికగా ప్రాసెస్ చేయగలదు.

కానీ ఆధునిక సంస్థలో AI పరిష్కారాన్ని అమలు చేయడం సులభం కాదు. ఇది నిర్మాణం, నమ్మకం మరియు సరైన ప్రతిభను తీసుకుంటుంది. ఆచరణాత్మక అమలు సవాళ్లతో పాటు, AI ని ఉపయోగించడం డేటా గవర్నెన్స్, AI ప్రతిస్పందనలు మరియు శిక్షణ డేటాపై కాపలాదారులను విధించాల్సిన అవసరం మరియు నిరంతర సిబ్బంది సమస్యలు వంటి దాని స్వంత సవాళ్లను తెస్తుంది.

మేము కలుసుకున్నాము రాణి రాధకృష్ణన్. మేము ఆమె మాట్లాడే నిశ్చితార్థానికి ముందు మాట్లాడాము టెకెక్స్ AI & బిగ్ డేటా ఎక్స్‌పో నార్త్ అమెరికాజూన్ 4 మరియు 5, శాంటా క్లారా కన్వెన్షన్ సెంటర్‌లో.

రాణి ముఖ్యంగా సంస్థలను ఎదుర్కొంటున్న కొన్ని పాలన, డేటా గోప్యత మరియు సార్వభౌమాధికార సమస్యలకు అనుగుణంగా ఉంటుంది, ఆమె కెరీర్‌లో చాలా సంవత్సరాలు ఆరోగ్య రంగంలో అనేక మంది క్లయింట్‌లతో కలిసి పనిచేశారు-గోప్యత, డేటా పర్యవేక్షణ మరియు అన్నింటికంటే డేటా ఖచ్చితత్వం వంటి సమస్యలు సాంకేతిక విస్తరణల యొక్క మేక్-లేదా బ్రేక్ అంశాలు.

“ప్రాంప్ట్ ఇంజనీర్ లేదా పైథాన్ డెవలపర్‌ను కలిగి ఉండటానికి ఇది సరిపోదు.… సరైన శిక్షణా డేటా సెట్‌లను క్యూరేట్ చేయడానికి, అవుట్‌పుట్‌లలోని ఏదైనా పక్షపాతాన్ని సమీక్షించడానికి మరియు పరిష్కరించడానికి మీకు ఇంకా లూప్‌లో మానవుడు అవసరం.” -రాని రాధాకృష్ణన్, పిడబ్ల్యుసి

మద్దతు నుండి వ్యూహం వరకు: AI కోసం అంచనాలను మార్చడం

ప్రతి రంగంలో వ్యాపార అంతర్దృష్టులను అందించగల AI- శక్తితో పనిచేసే మేనేజ్డ్ సర్వీసెస్ కోసం పిడబ్ల్యుసి క్లయింట్ల నుండి పెరుగుతున్న ఉత్సాహం ఉందని, మరియు సాంకేతిక పరిజ్ఞానాన్ని మరింత ముందుగానే ఉపయోగించాలని, ఏజెంట్ పాత్రలు అని పిలవబడే ఏజెంట్లు స్వతంత్రంగా డేటా మరియు యూజర్ ఇన్‌పుట్‌పై పనిచేయగలవని రాణి చెప్పారు; స్వయంప్రతిపత్తమైన AI ఏజెంట్లు మానవులతో పరస్పర చర్యలు, డేటా వనరులకు ప్రాప్యత మరియు ఆటోమేషన్ ఆధారంగా చర్య తీసుకోవచ్చు.

ఉదాహరణకు, PWC యొక్క ఏజెంట్ OS సాంప్రదాయిక కంప్యూటింగ్ పద్ధతుల కంటే చాలా రెట్లు వేగంగా ఇంటెలిజెంట్ ఏజెంట్లను వర్క్‌ఫ్లోగా అనుసంధానించే మాడ్యులర్ AI ప్లాట్‌ఫాం. పిడబ్ల్యుసి తన ఖాతాదారుల నుండి AI కోసం డిమాండ్‌కు ఎలా స్పందిస్తుందో ఒక ఉదాహరణ, వీరిలో చాలామంది ఈ కొత్త సాంకేతిక పరిజ్ఞానం యొక్క సామర్థ్యాన్ని చూస్తారు, కాని వారి అవసరాలపై పనిచేయడానికి అంతర్గత నైపుణ్యం మరియు సిబ్బంది లేరు.

సంస్థ యొక్క రంగాన్ని బట్టి, AI పై ఆసక్తి వ్యాపారంలో అనేక విభిన్న ప్రదేశాల నుండి రావచ్చు. భౌతిక లేదా డిజిటల్ వ్యవస్థల యొక్క క్రియాశీల పర్యవేక్షణ; తయారీ లేదా ఇంజనీరింగ్‌లో ప్రిడిక్టివ్ మెయింటెనెన్స్; లేదా సంక్లిష్టమైన, కస్టమర్ ఫేసింగ్ పరిసరాలలో ఆటోమేషన్ ద్వారా గెలిచిన వ్యయ సామర్థ్యాలు కొన్ని ఉదాహరణలు.

AI విలువను ఎక్కడ తెచ్చిపెట్టినా, చాలా కంపెనీలకు ఇంకా ఇంటిలో ఉన్న నైపుణ్యాలు మరియు సమర్థవంతమైన AI విస్తరణకు అవసరమైన వ్యక్తుల పరిధి లేదు-లేదా కనీసం, ROI ని సాధించే మరియు గణనీయమైన ప్రమాదంతో రాని విస్తరణలు.

“ప్రాంప్ట్ ఇంజనీర్ లేదా పైథాన్ డెవలపర్‌ను కలిగి ఉండటానికి ఇది సరిపోదు” అని రాణి చెప్పారు. “మీరు ఇవన్నీ చాలా నిర్మాణాత్మక పద్ధతిలో ఉంచాలి, మరియు సరైన శిక్షణ డేటా సెట్‌లను క్యూరేట్ చేయడానికి, అవుట్‌పుట్‌లలోని ఏదైనా పక్షపాతాన్ని సమీక్షించడానికి మరియు పరిష్కరించడానికి మీకు ఇంకా లూప్‌లో మానవుడు అవసరం.”

క్లీనింగ్ హౌస్: AI వెనుక డేటా ఛాలెంజ్

సమర్థవంతమైన AI అమలులకు సాంకేతిక నైపుణ్యాలు – డేటా ఇంజనీరింగ్, డేటా సైన్స్, ప్రాంప్ట్ ఇంజనీరింగ్ – సంస్థ యొక్క డొమైన్ నైపుణ్యంతో కలిపి అవసరమని రాణి చెప్పారు. అంతర్గత డొమైన్ నైపుణ్యం సరైన ఫలితాలను నిర్వచించగలదు మరియు సాంకేతిక సిబ్బంది డేటా సేకరణ మరియు పాలన వంటి బాధ్యతాయుతమైన AI పద్ధతులను కవర్ చేయవచ్చు మరియు AI వ్యవస్థలు బాధ్యతాయుతంగా మరియు కంపెనీ మార్గదర్శకాలలో పనిచేస్తాయని ధృవీకరించవచ్చు.

“AI నుండి ఎక్కువ విలువను పొందడానికి, ఒక సంస్థ అంతర్లీన డేటాను సరిగ్గా పొందాలి” అని ఆమె చెప్పారు. “దాని డేటా గొప్ప ఆకారంలో ఉందని చెప్పే ఒకే సంస్థ గురించి నాకు తెలియదు … మీరు దానిని సరైన నిర్మాణంలోకి తీసుకురావాలి మరియు దానిని సరిగ్గా సాధారణీకరించాలి, తద్వారా మీరు దానిని ప్రశ్నించవచ్చు, విశ్లేషించవచ్చు మరియు ఉల్లేఖనం చేయవచ్చు మరియు అభివృద్ధి చెందుతున్న పోకడలను గుర్తించవచ్చు.”

పని సంస్థలలో కొంత భాగం సమర్థవంతమైన AI ఉపయోగం కోసం ఉంచాలి, పక్షపాతం యొక్క పరిశీలన మరియు దిద్దుబాటు – AI వ్యవస్థల యొక్క ఉత్పత్తిలో మరియు శిక్షణ మరియు కార్యాచరణ డేటాలో అంతర్లీనంగా ఉన్న సంభావ్య పక్షపాతం యొక్క విశ్లేషణలో.

AI వ్యవస్థల యొక్క అంతర్లీన నిర్మాణంలో భాగంగా, జట్లు కఠినమైన డేటా శానిటైజేషన్, సాధారణీకరణ మరియు డేటా ఉల్లేఖన ప్రక్రియలను వర్తింపజేయడం చాలా ముఖ్యం. తరువాతివారికి “చాలా మానవ ప్రయత్నం అవసరం” అని రాణి చెప్పారు, మరియు అవసరమైన నైపుణ్యం కలిగిన సిబ్బంది ఉద్భవించటం ప్రారంభించిన డేటా నిపుణుల కొత్త జాతిలో ఉన్నారు.

డేటా మరియు సిబ్బంది సవాళ్లను అధిగమించగలిగితే, ఫీడ్‌బ్యాక్ లూప్ ఉత్పాదక AI నుండి సాధ్యమయ్యే ఫలితాలను నిజంగా విలువైనదిగా చేస్తుంది, రాణి చెప్పారు. “ఇప్పుడు మీకు AI తో మీకు అవకాశం ఉంది, మీకు లభించే జవాబును తిరిగి వెళ్లి మెరుగుపరచమని ప్రాంప్ట్ చేస్తుంది. మరియు అది చాలా ప్రత్యేకమైనది మరియు చాలా విలువైనదిగా చేస్తుంది ఎందుకంటే ఇప్పుడు మీరు ప్రశ్నలకు సమాధానం ఇవ్వడానికి మోడల్‌కు శిక్షణ ఇస్తారు.”

CIO ల కోసం, షిఫ్ట్ కేవలం టెక్ ఎనేబుల్మెంట్ గురించి కాదు. ఇది AI ని ఎంటర్‌ప్రైజ్ ఆర్కిటెక్చర్‌లో అనుసంధానించడం, వ్యాపార వ్యూహంతో సమం చేయడం మరియు స్కేల్‌తో వచ్చే పాలన నష్టాలను నిర్వహించడం. CIO లు AI స్టీవార్డ్స్ అవుతున్నాయి – వ్యవస్థలను మాత్రమే కాకుండా, నమ్మకం మరియు పరివర్తన.

ముగింపు

అకాడెమిక్ కంప్యూటర్ సైన్స్ పరిశోధనలో AI దాని మూలాల నుండి ఉద్భవించి కొన్ని సంవత్సరాలు మాత్రమే అయ్యింది, కాబట్టి నేటి సంస్థ సంస్థలు కొంతవరకు, AI యొక్క సామర్థ్యాన్ని గ్రహించే దిశగా ఉన్నాయని అర్థం చేసుకోవచ్చు.

కానీ కొత్త ప్లేబుక్ వెలువడుతోంది-వ్యాపార వ్యూహం, కార్యాచరణ మెరుగుదల, కస్టమర్ ఎదుర్కొంటున్న అనుభవాలు మరియు వ్యాపారంలో డజను ఎక్కువ రంగాలలో CIO లు వారి డేటా నిల్వలలో ఉన్న విలువను యాక్సెస్ చేయడానికి సహాయపడతాయి.

ప్రపంచం నలుమూలల నుండి పెద్ద మరియు చిన్న ఖాతాదారులతో అనుభవంలో ఉన్న ఒక సంస్థగా, పిడబ్ల్యుసి అనేది నిర్ణయాధికారులు వారి ప్రస్తుత AI ప్రయాణాలను ప్రారంభించడానికి లేదా హేతుబద్ధం చేయడానికి మరియు నిర్దేశించడానికి ప్రముఖ ఎంపికలలో ఒకటి.

ఎలా అన్వేషించండి పిడబ్ల్యుసి సియోస్ AI ని ప్రధాన కార్యకలాపాలలో పొందుపరచడానికి సహాయపడుతుందిజూన్లో రాణి యొక్క తాజా అంతర్దృష్టులను చూడండి టెకెక్స్ AI & బిగ్ డేటా ఎక్స్‌పో నార్త్ అమెరికా.

(చిత్ర మూలం: ఒక వ్యక్తి చేత “నెట్‌వర్క్ ర్యాక్” CC BY-SA 2.0 కింద లైసెన్స్ పొందింది.)