AI ప్రయోగానికి మించి వ్యాపార కార్యకలాపాలలో ప్రధాన భాగంగా మారింది, కాని విస్తరణ సవాళ్లు కొనసాగుతున్నాయి.
నుండి పరిశోధన జోగ్బీ అనలిటిక్స్తరపున AI ని నిరూపించండిచాలా సంస్థలు AI జలాలను పరీక్షించడం నుండి ఉత్పత్తి-సిద్ధంగా ఉన్న వ్యవస్థలతో హెడ్ఫస్ట్లో డైవింగ్ వరకు పట్టభద్రులయ్యాయని చూపిస్తుంది. ఈ పురోగతి ఉన్నప్పటికీ, డేటా నాణ్యత, భద్రత మరియు వారి మోడళ్లకు సమర్థవంతంగా శిక్షణ ఇచ్చే ప్రాథమిక సవాళ్లతో వ్యాపారాలు ఇప్పటికీ పట్టుబడుతున్నాయి.
సంఖ్యలను చూస్తే, ఇది చాలా కళ్ళు తెరిచేది. 68% సంస్థలు ఇప్పుడు కస్టమ్ AI పరిష్కారాలను కలిగి ఉన్నాయి మరియు ఉత్పత్తిలో నడుస్తున్నాయి. కంపెనీలు తమ డబ్బును తమ నోరు ఉన్న చోట పెడుతున్నాయి, 81% మంది AI కార్యక్రమాల కోసం ఏటా కనీసం ఒక మిలియన్ ఖర్చు చేస్తారు. ప్రతి సంవత్సరం పావు వంతు 10 మిలియన్ డాలర్లకు పైగా పెట్టుబడులు పెడుతోంది, మేము “లెట్స్ ఎక్స్పెరిమెంట్” దశకు మించి తీవ్రమైన, దీర్ఘకాలిక AI నిబద్ధతకు చేరుకున్నాము.
ఈ మార్పు నాయకత్వ నిర్మాణాలను కూడా పున hap రూపకల్పన చేస్తోంది. 86% సంస్థలు వారి AI ప్రయత్నాలకు నాయకత్వం వహించడానికి ఒకరిని నియమించాయి, సాధారణంగా ‘చీఫ్ AI ఆఫీసర్’ టైటిల్ లేదా ఇలాంటివి. ఈ AI నాయకులు ఇప్పుడు 43.3% కంపెనీలతో CEO AI షాట్లను పిలుస్తారని, 42% మంది తమ AI చీఫ్కు ఆ బాధ్యతను ఇస్తారు.
కానీ AI విస్తరణ ప్రయాణం అన్నీ సున్నితమైన నౌకాయానం కాదు. వ్యాపార నాయకులలో సగానికి పైగా శిక్షణ మరియు చక్కటి ట్యూనింగ్ AI మోడల్స్ వారు than హించిన దానికంటే కఠినంగా ఉన్నాయని అంగీకరించారు. డేటా సమస్యలు పాప్ అవుతూనే ఉంటాయి, నాణ్యత, లభ్యత, కాపీరైట్ మరియు మోడల్ ధ్రువీకరణతో తలనొప్పిని కలిగిస్తాయి -ఈ AI వ్యవస్థలు ఎంత ప్రభావవంతంగా ఉంటాయో. దాదాపు 70% సంస్థలు షెడ్యూల్ వెనుక కనీసం ఒక AI ప్రాజెక్ట్ ఉన్నాయని నివేదించాయి, డేటా సమస్యలు ప్రధాన అపరాధి.
వ్యాపారాలు AI తో మరింత సౌకర్యవంతంగా ఉన్నందున, వారు దీన్ని ఉపయోగించడానికి కొత్త మార్గాలను కనుగొంటున్నారు. చాట్బాట్లు మరియు వర్చువల్ అసిస్టెంట్లు జనాదరణ పొందినప్పటికీ (55% దత్తత), మరిన్ని సాంకేతిక అనువర్తనాలు పుంజుకుంటున్నాయి.
సాఫ్ట్వేర్ అభివృద్ధి ఇప్పుడు 54%వద్ద జాబితాలో అగ్రస్థానంలో ఉంది, 52%వద్ద అంచనా మరియు మోసం గుర్తింపు కోసం అంచనా విశ్లేషణలతో పాటు. కోర్ కార్యకలాపాలను మెరుగుపరచడానికి AI ని ఉపయోగించడం వైపు కంపెనీలు మెరిసే కస్టమర్ ఫేసింగ్ అనువర్తనాలకు మించి కదులుతున్నాయని ఇది సూచిస్తుంది. మార్కెటింగ్ అనువర్తనాలు, ఒకసారి అనేక AI విస్తరణ కార్యక్రమాలకు గేట్వే, ఈ రోజుల్లో తక్కువ దృష్టిని ఆకర్షిస్తున్నాయి.
AI మోడళ్ల విషయానికి వస్తే, ఉత్పాదక AI పై బలమైన దృష్టి ఉంది, 57% సంస్థలు దీనికి ప్రాధాన్యతనిస్తాయి. ఏదేమైనా, చాలా మంది సమతుల్య విధానాన్ని తీసుకుంటున్నారు, ఈ కొత్త మోడళ్లను సాంప్రదాయ యంత్ర అభ్యాస పద్ధతులతో కలుపుతారు.
గూగుల్ యొక్క జెమిని మరియు ఓపెనాయ్ యొక్క జిపిటి -4 విస్తృతంగా ఉపయోగించే పెద్ద భాషా నమూనాలు, అయితే డీప్సీక్, క్లాడ్ మరియు లామా కూడా బలమైన ప్రదర్శనలు చేస్తున్నాయి. చాలా కంపెనీలు రెండు లేదా మూడు వేర్వేరు LLM లను ఉపయోగిస్తాయి, బహుళ-మోడల్ విధానం ప్రామాణిక సాధనగా మారుతోందని సూచిస్తుంది.
కంపెనీలు తమ AI విస్తరణను ఎక్కడ నడుపుతున్నాయో చాలా ఆసక్తికరంగా ఉంది. పది సంస్థలలో దాదాపు తొమ్మిది మంది వారి AI మౌలిక సదుపాయాల కోసం క్లౌడ్ సేవలను ఉపయోగిస్తుండగా, ఇంట్లో వస్తువులను తిరిగి తీసుకురావడానికి పెరుగుతున్న ధోరణి ఉంది.
మూడింట రెండు వంతుల వ్యాపార నాయకులు ఇప్పుడు క్లౌడ్ కాని విస్తరణలు మెరుగైన భద్రత మరియు సామర్థ్యాన్ని అందిస్తాయని నమ్ముతారు. తత్ఫలితంగా, 67% వారి AI శిక్షణ డేటాను ఆన్-ప్రాంగణాలు లేదా హైబ్రిడ్ పరిసరాలకు తరలించడానికి ప్రణాళిక వేసింది, వారి డిజిటల్ ఆస్తులపై ఎక్కువ నియంత్రణను కోరుతోంది. AI వ్యవస్థలను అమలు చేసేటప్పుడు 83% మంది ప్రతివాదులకు డేటా సార్వభౌమాధికారం ప్రధానం.
వ్యాపార నాయకులు తమ AI పాలన సామర్ధ్యాల గురించి నమ్మకంగా ఉన్నారు, సుమారు 90% వారు AI విధానాన్ని సమర్థవంతంగా నిర్వహిస్తున్నారని, అవసరమైన కాపలాదారులను ఏర్పాటు చేయవచ్చని మరియు వారి డేటా వంశాన్ని ట్రాక్ చేయగలరని పేర్కొన్నారు. ఏదేమైనా, ఈ విశ్వాసం ప్రాజెక్ట్ జాప్యానికి కారణమయ్యే ఆచరణాత్మక సవాళ్లకు భిన్నంగా ఉంటుంది.
డేటా లేబులింగ్, మోడల్ శిక్షణ మరియు ధ్రువీకరణతో సమస్యలు పొరపాట్లు చేస్తూనే ఉన్నాయి. ఇది ఎగ్జిక్యూటివ్స్ వారి పాలన చట్రాలపై విశ్వాసం మరియు డేటాను నిర్వహించే రోజువారీ వాస్తవికత మధ్య సంభావ్య అంతరాన్ని సూచిస్తుంది. ప్రస్తుత వ్యవస్థలతో ప్రతిభ కొరత మరియు సమైక్యత ఇబ్బందులు కూడా ఆలస్యం కోసం తరచుగా ఉదహరించబడ్డాయి.
AI ప్రయోగం యొక్క రోజులు మా వెనుక ఉన్నాయి మరియు ఇది ఇప్పుడు వ్యాపారాలు ఎలా పనిచేస్తాయో ప్రాథమిక భాగం. సంస్థలు భారీగా పెట్టుబడులు పెడుతున్నాయి, వారి నాయకత్వ నిర్మాణాలను పున hap రూపకల్పన చేస్తున్నాయి మరియు వారి కార్యకలాపాలలో AI విస్తరణకు కొత్త మార్గాలను కనుగొంటాయి.
ఇంకా ఆశయాలు పెరిగేకొద్దీ, ఈ ప్రణాళికలను అమలులోకి తెచ్చే సవాళ్లు కూడా చేయండి. పైలట్ నుండి ఉత్పత్తికి ప్రయాణం డేటా సంసిద్ధతలో ప్రాథమిక సమస్యలను బహిర్గతం చేసింది మరియు మౌలిక సదుపాయాలు. ఫలితంగా ఆన్-ప్రాంగణాలు మరియు హైబ్రిడ్ పరిష్కారాల వైపు మారడం కొత్త స్థాయి పరిపక్వతను చూపుతుంది, నియంత్రణ, భద్రత మరియు పాలనకు ప్రాధాన్యతనిచ్చే సంస్థలు.
AI విస్తరణ వేగవంతం అయినప్పుడు, పారదర్శకత, గుర్తించదగిన మరియు నమ్మకాన్ని నిర్ధారించడం కేవలం ఒక లక్ష్యం కాదు, కానీ విజయానికి అవసరం. విశ్వాసం నిజం, కానీ జాగ్రత్త కూడా.
(చిత్రం రాయ్ హ్యారీమాన్)
ఇవి కూడా చూడండి: రెన్ జెంగ్ఫీ: చైనా యొక్క AI ఫ్యూచర్ మరియు హువావే యొక్క సుదీర్ఘ ఆట
పరిశ్రమ నాయకుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & పెద్ద డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లలో జరుగుతోంది. సమగ్ర సంఘటనతో సహా ఇతర ప్రముఖ సంఘటనలతో సహ-స్థాపించబడింది ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్, బ్లాక్ఎక్స్, డిజిటల్ ట్రాన్స్ఫర్మేషన్ వీక్మరియు సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో.
టెక్ఫోర్జ్ చేత శక్తినిచ్చే ఇతర రాబోయే ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్స్ మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
