NetApp के CEO जॉर्ज कुरियन का कहना है कि जैसे-जैसे AI मॉडल आसानी से उपलब्ध हो रहे हैं, कंपनियों का अपना खास डेटा ही उनकी सबसे बड़ी कॉम्पिटिटिव एज (Competitive Edge) यानी प्रतिस्पर्धात्मक बढ़त बनेगा। निवेशकों के लिए यह एक बड़ा संकेत है कि अब टेक्नोलॉजी पर खर्च डेटा मैनेजमेंट, सुरक्षा और इंफ्रास्ट्रक्चर की ओर बढ़ेगा, जो AI को सफल बनाने के लिए ज़रूरी है।
क्या है मामला?
NetApp के CEO जॉर्ज कुरियन ने कहा है कि AI मॉडल के डेवलपमेंट पर जो अभी फोकस किया जा रहा है, वह शायद एक बड़े बदलाव को नज़रअंदाज़ कर रहा है। आजकल जेनरेटिव AI मॉडल (Generative AI Models) काफी आसानी से मिल जाते हैं, इसलिए वे एक कमोडिटी (Commodity) की तरह हो गए हैं। कुरियन का तर्क है कि AI के दौर में जो कंपनियां लंबे समय तक टिकेंगी, वे सिर्फ बेहतरीन मॉडल बनाने वाली नहीं, बल्कि अपने खास, प्रोप्राइटरी डेटा (Proprietary Data) को प्रभावी ढंग से मैनेज और इस्तेमाल करने वाली होंगी।
मॉडल से डेटा पर फोकस क्यों?
ज़्यादातर कंपनियों के लिए सबसे बड़ी चुनौती अब एडवांस्ड AI क्षमताओं तक पहुंचना नहीं है, क्योंकि ये बड़े टेक प्रोवाइडर्स (Tech Providers) से आसानी से उपलब्ध हैं। असली चुनौती उस डेटा की क्वालिटी (Quality) है जिसे ये मॉडल इस्तेमाल करते हैं। कोई भी मॉडल उतना ही अच्छा काम करेगा जितना अच्छा इनपुट डेटा उसे मिलेगा। पब्लिक मॉडल सामान्य जानकारी देते हैं, लेकिन उनमें कंपनी के ऑपरेशंस (Operations), ग्राहकों के व्यवहार और अंदरूनी इतिहास की खास, प्राइवेट जानकारी नहीं होती। कुरियन के अनुसार, इस अंदरूनी डेटा को व्यवस्थित करना, कंट्रोल करना और सुरक्षित रखना ही अब कंपनियों के लिए असली 'कॉम्पिटिटिव गर्त' (Competitive Moat) यानी एक ऐसी मजबूत दीवार है जिसे कॉम्पिटिटर आसानी से पार नहीं कर सकते।
एंटरप्राइज टेक्नोलॉजी खर्च पर असर
'डेटा-फर्स्ट' (Data-First) अप्रोच का कंपनियों के टेक्नोलॉजी बजट पर गहरा असर पड़ेगा। अब जोर डेटा इंफ्रास्ट्रक्चर (Data Infrastructure) पर बढ़ेगा - यानी ऐसे सिस्टम जो सेंसिटिव जानकारी को स्टोर, रिट्रीव और प्रोटेक्ट करते हैं। जब कंपनियों को यह समझ आएगा कि प्रभावी AI के लिए साफ-सुथरे, आसानी से उपलब्ध और सुरक्षित डेटा की नींव ज़रूरी है, तो सिर्फ बाहरी AI मॉडल लाइसेंस करने के बजाय डेटा गवर्नेंस (Data Governance), स्टोरेज (Storage) और क्लाउड-इंटीग्रेटेड इंफ्रास्ट्रक्चर (Cloud-integrated Infrastructure) पर खर्च को ज़्यादा प्राथमिकता दी जाएगी।
IT सर्विसेज और इंफ्रास्ट्रक्चर की भूमिका
यह स्ट्रैटेजी (Strategy) IT सर्विसेज सेक्टर के लिए भी अहम है, जिसमें कई बड़ी भारतीय टेक कंपनियां ग्लोबल क्लाइंट्स के लिए डिजिटल ट्रांसफॉर्मेशन (Digital Transformation) का काम करती हैं। डेटा-सेंट्रिक AI स्ट्रैटेजी को लागू करने के लिए बैकएंड (Backend) पर काफी काम की ज़रूरत होती है, जैसे डेटा माइग्रेशन (Data Migration), मॉडर्नाइजेशन (Modernization) और सुरक्षित डेटा पाइपलाइन (Data Pipelines) स्थापित करना। जो फर्में (Firms) इन जटिल डेटा एनवायरनमेंट (Data Environment) को मैनेज करने में माहिर हैं, वे कंपनियों को AI मॉडल के एक्सपेरिमेंट (Experiment) से निकालकर बड़े पैमाने पर लागू करने में मदद कर सकती हैं।
बिज़नेस रिस्क और रेगुलेटरी चुनौतियां
डेटा एक कीमती संपत्ति होने के साथ-साथ जोखिम भरा भी हो सकता है। प्रोप्राइटरी जानकारी, जैसे कि फाइनेंशियल रिकॉर्ड्स (Financial Records), क्लिनिकल डेटा (Clinical Data) और कस्टमर इनसाइट्स (Customer Insights) को एक जगह जमा करने से सुरक्षा खतरों का दायरा बढ़ जाता है। इसके अलावा, 'डेटा सोवरेन्टी' (Data Sovereignty) यानी सेंसिटिव जानकारी पर कंट्रोल बनाए रखते हुए लोकल और इंटरनेशनल रेगुलेशंस (Regulations) का पालन करने की ज़रूरत एक लगातार कंप्लायंस (Compliance) की चुनौती पेश करती है। डेटा गवर्नेंस को प्रभावी ढंग से मैनेज करने में फेल होने वाली कंपनियों को बड़े कानूनी, वित्तीय और रेपुटेशनल (Reputational) नुकसान का सामना करना पड़ सकता है।
निवेशकों को क्या देखना चाहिए?
निवेशक कॉर्पोरेट खर्च के रुझानों पर नज़र रख सकते हैं, खासकर डेटा इंफ्रास्ट्रक्चर बनाम AI एप्लीकेशन (Application) खर्च के मामले में। मुख्य रूप से जिन बातों पर ध्यान देना चाहिए, उनमें डेटा गवर्नेंस रेगुलेशंस (Data Governance Regulations) के अपडेट्स, स्टोरेज-एज-ए-सर्विस (Storage-as-a-Service) मॉडल का विकास और IT सर्विस प्रोवाइडर्स (Service Providers) की ओर से डेटा मॉडर्नाइजेशन प्रोजेक्ट्स (Data Modernization Projects) की मांग पर कमेंट्री शामिल है। एंटरप्राइज AI की सफलता इस बात पर निर्भर करेगी कि कंपनियां अपने रॉ (Raw), साइलो (Siloed) डेटा और मॉडर्न AI सिस्टम की ज़रूरतों के बीच के अंतर को सफलतापूर्वक पाट पाती हैं या नहीं।