गार्टनरच्या अहवालानुसार, डेटाच्या गुणवत्तेतील समस्यांमुळे अनेक AI प्रकल्प अर्धवट सोडले जात आहेत. कंपन्यांकडे तांत्रिक कौशल्ये असूनही, डेटाच्या गोंधळामुळे (Silos) आणि जुन्या सिस्टीम्समुळे (Legacy Systems) भारतीय कंपन्यांना मोठा फटका बसत आहे. यासाठी केंद्र सरकारने **₹10,371 कोटींचा** इंडियाएआय मिशन (IndiaAI Mission) जाहीर केला असला तरी, अडचण कायम आहे.
डेटाच्या गुणवत्तेचा AI प्रकल्पांवर परिणाम
तंत्रज्ञान जगात एक नवीन ट्रेंड दिसून येत आहे. जनरेटिव्ह एआय (Generative AI) प्रकल्पांचे अपयश हे आता प्रगत अल्गोरिदमच्या अभावामुळे नव्हे, तर डेटाच्या खराब गुणवत्तेमुळे होत आहे. उद्योगातील संशोधनानुसार, कितीही अत्याधुनिक एआय मॉडेल्स वापरले तरी, निकृष्ट किंवा विस्कळीत डेटा असल्यास ते अपयशी ठरतात. विशेषतः भारतीय कंपन्यांसाठी हे एक मोठे आव्हान आहे, ज्या वेगाने आपल्या व्यवसायात एआय समाकलित करण्याचा प्रयत्न करत आहेत.
भारतातील डेटाची सद्यस्थिती
UPI आणि इतर मोठ्या सार्वजनिक प्रणालींसारख्या प्लॅटफॉर्मवरून भारत मोठ्या प्रमाणात डिजिटल माहिती निर्माण करत असला तरी, हा डेटा अनेकदा जुन्या सिस्टीम्समध्ये अडकलेला असतो. अनेक कंपन्यांना एआयसाठी ही माहिती स्वच्छ आणि संघटित करण्यात अडचणी येत आहेत. तांत्रिक किंवा कौशल्याची कमतरता भरून काढण्यासाठी नोकरी किंवा प्रशिक्षण देता येते, परंतु इन्फ्रास्ट्रक्चरमधील त्रुटींसाठी डेटा कसा साठवला जातो, नियंत्रित केला जातो आणि त्यावर कसा प्रवेश मिळवला जातो, यात मूलभूत बदल करणे आवश्यक आहे. संशोधनातून असे दिसून येते की एकत्रीकरणातील अडचणी आणि एकसंध डेटा मानकांचा अभाव या स्थानिक कंपन्यांना आधुनिकीकरण करण्याच्या मार्गात मोठे अडथळे आहेत.
सरकारी गुंतवणूक विरुद्ध कंपन्यांची जबाबदारी
या त्रुटी दूर करण्यासाठी, भारत सरकारने मार्च 2024 मध्ये इंडियाएआय मिशन (IndiaAI Mission) सुरू केले, ज्यासाठी ₹10,371 कोटी मंजूर करण्यात आले आहेत. या उपक्रमाचा उद्देश राष्ट्रीय डेटासेट प्लॅटफॉर्म तयार करणे आणि 38,000 पेक्षा जास्त GPUs पुरवून संगणकीय क्षमता वाढवणे आहे. तथापि, विश्लेषकांचे म्हणणे आहे की या राष्ट्रीय स्तरावरील गुंतवणुकी हा उपायाचा केवळ एक भाग आहे. वैयक्तिक कंपन्यांसाठी, अंतर्गत डेटा पाइपलाइन आणि गव्हर्नन्स फ्रेमवर्क तयार करण्याची जबाबदारी अजूनही आहे. जर अंतर्गत डेटा विसंगत किंवा अविश्वसनीय असेल, तर केवळ बाह्य संगणकीय संसाधनांवर अवलंबून राहणे पुरेसे नाही.
आर्थिक परिणाम आणि इन्फ्रास्ट्रक्चरचे पर्याय
एआयवरील जागतिक खर्च लक्षणीयरीत्या वाढण्याची अपेक्षा आहे, ज्याचा मोठा भाग इन्फ्रास्ट्रक्चरवर खर्च केला जाईल. अनेक भारतीय कंपन्यांसाठी, Microsoft Azure, AWS आणि Google Cloud सारख्या क्लाउड प्रदात्यांनी स्केलेबल इन्फ्रास्ट्रक्चर ऑफर करून प्रवेशातील आर्थिक अडथळे कमी केले आहेत. या प्लॅटफॉर्मचा वापर करून, कंपन्या मोठ्या प्रमाणात भांडवली खर्चात बचत करू शकतात. तथापि, या एआय प्रकल्पांची आर्थिक कार्यक्षमता डेटाच्या परिपक्वतेवर अवलंबून असते. ज्या कंपन्या डेटा गव्हर्नन्सला प्राधान्य देतात - आर्थिक अहवालाप्रमाणेच काटेकोरपणे वागतात - त्यांना त्यांच्या एआय गुंतवणुकीवर चांगला परतावा मिळण्याची शक्यता आहे. गुंतवणूकदारांनी तंत्रज्ञान बजेट कसे वाटले जाते यावर लक्ष ठेवले पाहिजे: फ्रंट-एंड एआय टूल्स आणि आवश्यक बॅक-एंड डेटा इन्फ्रास्ट्रक्चर यांच्यात. कारण हे त्यांच्या डिजिटल परिवर्तन प्रयत्नांची टिकाऊपणा ठरवेल.