NetApp ਦੇ CEO George Kurian ਨੇ ਕਿਹਾ ਹੈ ਕਿ ਜਿਵੇਂ-ਜਿਵੇਂ AI ਮਾਡਲ ਆਮ ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ, ਕੰਪਨੀ ਦਾ ਆਪਣਾ ਖਾਸ ਡਾਟਾ ਹੀ ਉਸਦਾ ਮੁੱਖ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਫਾਇਦਾ (Competitive Advantage) ਬਣੇਗਾ। ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਇਹ ਤਕਨੀਕੀ ਖਰਚਿਆਂ ਵਿੱਚ ਇੱਕ ਵੱਡੇ ਬਦਲਾਅ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ, ਜਿੱਥੇ ਡਾਟਾ ਪ੍ਰਬੰਧਨ, ਸੁਰੱਖਿਆ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਜ਼ਿਆਦਾ ਧਿਆਨ ਦਿੱਤਾ ਜਾਵੇਗਾ।
ਕੀ ਹੋਇਆ?
NetApp ਦੇ CEO, George Kurian ਨੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਹੈ ਕਿ AI ਮਾਡਲ ਵਿਕਾਸ 'ਤੇ ਹਾਲੀਆ ਫੋਕਸ ਟੈਕਨਾਲੋਜੀ ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਤਬਦੀਲੀ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਜਨਰੇਟਿਵ AI ਮਾਡਲ ਆਮ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਹੋ ਰਹੇ ਹਨ, ਉਹ ਕਮੋਡਿਟੀ (Commodity) ਬਣਦੇ ਜਾ ਰਹੇ ਹਨ। Kurian ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ AI ਯੁੱਗ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੀਆਂ ਜੇਤੂ ਕੰਪਨੀਆਂ ਉਹ ਨਹੀਂ ਹੋਣਗੀਆਂ ਜੋ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਸਗੋਂ ਉਹ ਹੋਣਗੀਆਂ ਜੋ ਆਪਣੇ ਖਾਸ, ਮਲਕੀਅਤ ਵਾਲੇ ਡਾਟਾ (Proprietary Data) ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਅਤੇ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ।
ਮਾਡਲਾਂ ਤੋਂ ਡਾਟਾ 'ਤੇ ਕਿਉਂ ਬਦਲ ਰਿਹਾ ਹੈ ਫੋਕਸ?
ਜ਼ਿਆਦਾਤਰ ਕਾਰੋਬਾਰਾਂ ਲਈ, ਮੁੱਖ ਚੁਣੌਤੀ ਹੁਣ ਐਡਵਾਂਸ AI ਸਮਰੱਥਾਵਾਂ ਤੱਕ ਪਹੁੰਚਣਾ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਵੱਡੇ ਟੈਕ ਪ੍ਰਦਾਤਾਵਾਂ ਰਾਹੀਂ ਆਸਾਨੀ ਨਾਲ ਉਪਲਬਧ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਚੁਣੌਤੀ ਇਹ ਹੈ ਕਿ ਇਹਨਾਂ ਮਾਡਲਾਂ ਦੁਆਰਾ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਡਾਟਾ ਕਿੰਨਾ ਗੁਣਵੱਤਾ ਵਾਲਾ ਹੈ। ਇੱਕ ਮਾਡਲ ਉੱਨੀ ਹੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦਾ ਹੈ ਜਿੰਨੀ ਜਾਣਕਾਰੀ ਇਹ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ। ਜਨਤਕ ਮਾਡਲ ਆਮ ਗਿਆਨ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਪਰ ਉਹਨਾਂ ਵਿੱਚ ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਕਾਰਜਾਂ, ਗਾਹਕਾਂ ਦੇ ਵਿਵਹਾਰ ਅਤੇ ਅੰਦਰੂਨੀ ਇਤਿਹਾਸ ਦੀ ਕੋਈ ਖਾਸ, ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੁੰਦੀ। Kurian ਅਨੁਸਾਰ, ਇਸ ਅੰਦਰੂਨੀ ਡਾਟਾ ਨੂੰ ਸੰਗਠਿਤ (Organize), ਸ਼ਾਸਨ (Govern) ਅਤੇ ਸੁਰੱਖਿਅਤ (Secure) ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੀ ਸੰਸਥਾਵਾਂ ਲਈ ਨਵਾਂ "ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਮੋਟ" (Competitive Moat) ਹੈ, ਜੋ ਇੱਕ ਅਜਿਹੀ ਰੁਕਾਵਟ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਜਿਸਨੂੰ ਵਿਰੋਧੀ ਆਸਾਨੀ ਨਾਲ ਦੁਹਰਾ ਨਹੀਂ ਸਕਦੇ।
ਐਂਟਰਪ੍ਰਾਈਜ਼ ਟੈਕਨਾਲੋਜੀ ਖਰਚਿਆਂ 'ਤੇ ਅਸਰ
ਇਸ "ਡਾਟਾ-ਪਹਿਲਾਂ" (Data-First) ਪਹੁੰਚ ਦੇ ਕੰਪਨੀਆਂ ਆਪਣੇ ਟੈਕਨਾਲੋਜੀ ਬਜਟ ਦੀ ਵੰਡ ਕਿਵੇਂ ਕਰਦੀਆਂ ਹਨ, ਇਸ 'ਤੇ ਕਾਫੀ ਅਸਰ ਪੈਣ ਦੀ ਉਮੀਦ ਹੈ। ਜ਼ੋਰ ਹੁਣ ਡਾਟਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ (Data Infrastructure) ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ - ਉਹ ਸਿਸਟਮ ਜੋ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਨੂੰ ਸਟੋਰ, ਮੁੜ ਪ੍ਰਾਪਤ ਅਤੇ ਸੁਰੱਖਿਅਤ ਕਰਦੇ ਹਨ। ਜਿਉਂ-ਜਿਉਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਇਹ ਅਹਿਸਾਸ ਕਰਦੀਆਂ ਹਨ ਕਿ ਪ੍ਰਭਾਵਸ਼ਾਲੀ AI ਲਈ ਸਾਫ਼, ਪਹੁੰਚਯੋਗ ਅਤੇ ਸੁਰੱਖਿਅਤ ਡਾਟਾ ਦੀ ਮਜ਼ਬੂਤ ਨੀਂਹ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਡਾਟਾ ਗਵਰਨੈਂਸ, ਸਟੋਰੇਜ ਅਤੇ ਕਲਾਉਡ-ਇੰਟੀਗ੍ਰੇਟਿਡ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਖਰਚ ਕਰਨਾ ਬਾਹਰੀ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਰਫ਼ ਲਾਇਸੰਸ ਦੇਣ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਤਰਜੀਹ ਬਣਨ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।
IT ਸੇਵਾਵਾਂ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਭੂਮਿਕਾ
ਰਣਨੀਤੀ ਵਿੱਚ ਇਹ ਬਦਲਾਅ ਵਿਆਪਕ IT ਸੇਵਾਵਾਂ ਖੇਤਰ ਲਈ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਵੱਡੀਆਂ ਭਾਰਤੀ ਟੈਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ ਸ਼ਾਮਲ ਹਨ ਜੋ ਗਲੋਬਲ ਗਾਹਕਾਂ ਲਈ ਡਿਜੀਟਲ ਪਰਿਵਰਤਨ (Digital Transformation) ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਡਾਟਾ-ਕੇਂਦਰਿਤ AI ਰਣਨੀਤੀ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਬੈਕਐਂਡ ਦੇ ਕੰਮਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਡਾਟਾ ਮਾਈਗ੍ਰੇਸ਼ਨ, ਆਧੁਨਿਕੀਕਰਨ ਅਤੇ ਸੁਰੱਖਿਅਤ ਡਾਟਾ ਪਾਈਪਲਾਈਨ ਸਥਾਪਤ ਕਰਨਾ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਇਹਨਾਂ ਜਟਿਲ ਡਾਟਾ ਵਾਤਾਵਰਣਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਮਾਹਰ ਹਨ, ਉਹ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ ਕਿਉਂਕਿ ਉਹ AI ਮਾਡਲਾਂ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਉਹਨਾਂ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਤਾਇਨਾਤ ਕਰਨ ਤੱਕ ਦਾ ਸਫ਼ਰ ਤੈਅ ਕਰਦੇ ਹਨ।
ਕਾਰੋਬਾਰੀ ਜੋਖਮ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਚੁਣੌਤੀਆਂ
ਜਦੋਂ ਕਿ ਡਾਟਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੰਪਤੀ ਹੈ, ਇਸ ਵਿੱਚ ਜੋਖਮ ਵੀ ਹਨ। ਮਲਕੀਅਤ ਵਾਲੀ ਜਾਣਕਾਰੀ, ਜਿਸ ਵਿੱਚ ਵਿੱਤੀ ਰਿਕਾਰਡ, ਕਲੀਨਿਕਲ ਡਾਟਾ ਅਤੇ ਗਾਹਕ ਸੂਝ ਸ਼ਾਮਲ ਹਨ, ਨੂੰ ਕੇਂਦਰੀਕਰਨ (Centralizing) ਕਰਨ ਨਾਲ ਸੁਰੱਖਿਆ ਖਤਰਿਆਂ ਦਾ ਦਾਇਰਾ ਵੱਧ ਜਾਂਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, "ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ" (Data Sovereignty) ਦੀ ਲੋੜ—ਸਥਾਨਕ ਅਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋਏ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ 'ਤੇ ਨਿਯੰਤਰਣ ਬਣਾਈ ਰੱਖਣਾ—ਇੱਕ ਲਗਾਤਾਰ ਪਾਲਣਾ ਚੁਣੌਤੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਡਾਟਾ ਗਵਰਨੈਂਸ ਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਨ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਕਾਨੂੰਨੀ, ਵਿੱਤੀ ਅਤੇ ਪ੍ਰਤਿਸ਼ਠਾਗਤ ਨਤੀਜਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਨਿਵੇਸ਼ਕ ਕਾਰਪੋਰੇਟ ਖਰਚਿਆਂ ਦੇ ਰੁਝਾਨਾਂ ਨੂੰ ਡਾਟਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਬਨਾਮ AI ਐਪਲੀਕੇਸ਼ਨ ਖਰਚਿਆਂ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਦੇਖ ਸਕਦੇ ਹਨ। ਮੁੱਖ ਨਿਗਰਾਨੀ ਵਾਲੀਆਂ ਚੀਜ਼ਾਂ ਵਿੱਚ ਡਾਟਾ ਗਵਰਨੈਂਸ ਨਿਯਮਾਂ ਵਿੱਚ ਅੱਪਡੇਟ, ਸਟੋਰੇਜ-ਐਜ਼-ਏ-ਸਰਵਿਸ ਮਾਡਲਾਂ ਦਾ ਵਿਕਾਸ, ਅਤੇ IT ਸੇਵਾ ਪ੍ਰਦਾਤਾਵਾਂ ਤੋਂ ਡਾਟਾ ਆਧੁਨਿਕੀਕਰਨ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਮੰਗ ਬਾਰੇ ਟਿੱਪਣੀਆਂ ਸ਼ਾਮਲ ਹਨ। ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਦੀ ਸਫਲਤਾ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਕੀ ਕੰਪਨੀਆਂ ਆਪਣੇ ਕੱਚੇ, ਅਲੱਗ-ਥਲੱਗ ਡਾਟਾ ਅਤੇ ਆਧੁਨਿਕ AI ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦੇ ਵਿਚਕਾਰ ਦੇ ਪਾੜੇ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਪੂਰਾ ਕਰ ਸਕਦੀਆਂ ਹਨ।