ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ AI ਨੂੰ ਸਫਲ ਟਰਾਇਲ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਹਟਾ ਕੇ ਭਰੋਸੇਮੰਦ, ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਰੋਜ਼ਾਨਾ ਕਾਰਜਾਂ ਵਿੱਚ ਲਿਆਉਣ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਹ 'ਉਦਯੋਗੀਕਰਨ ਪਾੜਾ' (industrialization gap) ਮਾਡਲ ਵਿਕਾਸ ਤੋਂ ਜ਼ਰੂਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ, ਡਾਟਾ ਗਵਰਨੈਂਸ ਅਤੇ ਕਾਰਜਕਾਰੀ ਏਕੀਕਰਨ ਵੱਲ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ। ਭਾਰਤੀ ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਹੁਣ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਬਣਾਉਣ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਵੱਲ ਧਿਆਨ ਮੁੜ ਰਿਹਾ ਹੈ।
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਬਾਰੇ ਸ਼ੁਰੂਆਤੀ ਉਤਸ਼ਾਹ ਹੁਣ ਵਧੇਰੇ ਵਿਹਾਰਕ ਹਕੀਕਤ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਜਿੱਥੇ AI ਮਾਡਲ ਹੁਣ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਉੱਥੇ ਕਾਰੋਬਾਰਾਂ ਲਈ ਅਸਲ ਰੁਕਾਵਟ ਹੁਣ ਪ੍ਰਦਰਸ਼ਨ ਨਹੀਂ, ਸਗੋਂ 'ਉਦਯੋਗੀਕਰਨ' (industrialization) ਹੈ। ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ AI ਨੂੰ ਇੱਕ ਸੰਸਥਾ ਦੇ ਅੰਦਰ, ਰੋਜ਼ਾਨਾ, ਭਰੋਸੇਮੰਦ ਢੰਗ ਨਾਲ ਮੁੱਖ ਕਾਰੋਬਾਰੀ ਕਾਰਜਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ।
ਪਾਇਲਟ ਪੜਾਅ ਤੋਂ ਅੱਗੇ ਵਧਣਾ
ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ AI ਦੇ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਚਲਾਉਂਦੀਆਂ ਹਨ ਕਿਉਂਕਿ ਉਹਨਾਂ ਵਿੱਚ ਸੰਗ੍ਰਹਿਤ ਡਾਟਾ (curated data) ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਬਹੁਤ ਹੀ ਖਾਸ ਸਮੱਸਿਆਵਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਇਹਨਾਂ ਹੱਲਾਂ ਨੂੰ ਉਤਪਾਦਨ ਵਾਤਾਵਰਨ (production environment) ਵਿੱਚ ਲਿਆਂਦਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਅਕਸਰ ਅਸਲ-ਦੁਨੀਆ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ। ਇਹਨਾਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਵਿਭਾਗਾਂ ਵਿੱਚ ਡਾਟਾ ਦੀ ਅਸੰਗਤਤਾ, ਵਰਕਫਲੋ ਜੋ ਨਵੀਂ ਤਕਨਾਲੋਜੀ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਅਨੁਕੂਲ ਨਹੀਂ ਬਣਾਉਂਦੇ, ਅਤੇ ਰਸਮੀ ਜਵਾਬਦੇਹੀ ਦੀ ਲੋੜ ਸ਼ਾਮਲ ਹੈ। ਜਿਸ ਤਰ੍ਹਾਂ ਨਿਰਮਾਣ ਉਦਯੋਗਾਂ ਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਪੈਂਦਾ ਹੈ ਕਿ ਇੱਕ ਭਾਗ ਪੂਰੀ ਅਸੈਂਬਲੀ ਲਾਈਨ ਵਿੱਚ ਕੰਮ ਕਰੇ, ਉਸੇ ਤਰ੍ਹਾਂ AI ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਇੱਕ ਮਜ਼ਬੂਤ ਪ੍ਰਣਾਲੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਤੋਂ ਬਿਨਾਂ, ਸਭ ਤੋਂ ਉੱਨਤ AI ਵੀ ਲਗਾਤਾਰ ਨਤੀਜੇ ਦੇਣ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਸਕਦਾ ਹੈ।
ਕਾਰਜਕਾਰੀ ਏਕੀਕਰਨ ਦੀ ਲਾਗਤ
AI ਦਾ ਉਦਯੋਗੀਕਰਨ ਕਰਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਿੱਤੀ ਅਤੇ ਕਾਰਜਕਾਰੀ ਵਚਨਬੱਧਤਾਵਾਂ ਸ਼ਾਮਲ ਹਨ। ਇੱਕ ਪ੍ਰਣਾਲੀ ਚਲਾਉਣਾ ਜੋ ਰੋਜ਼ਾਨਾ ਲੱਖਾਂ ਫੈਸਲੇ ਲੈਂਦੀ ਹੈ, ਕੁਝ ਟੈਸਟ ਸਵਾਲਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਮਹਿੰਗਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਗੰਭੀਰ ਕਾਰੋਬਾਰ ਆਪਣਾ ਖਰਚਾ ਸਿਰਫ਼ ਬੁਨਿਆਦੀ AI ਸਾਧਨ ਖਰੀਦਣ ਦੀ ਬਜਾਏ, ਜ਼ਰੂਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ - ਜਿਵੇਂ ਕਿ ਡਾਟਾ ਆਰਕੀਟੈਕਚਰ, ਸੁਰੱਖਿਆ ਅਤੇ ਗਵਰਨੈਂਸ - ਵੱਲ ਮੋੜ ਰਹੇ ਹਨ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਉਹ ਡੂੰਘੇ ਏਕੀਕਰਨ ਦੁਆਰਾ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਬਿਹਤਰ ਸਥਿਤੀ ਵਿੱਚ ਹਨ। ਇਹ ਇੱਕ ਆਪਰੇਟਿੰਗ ਸਿਸਟਮ ਚੁਣੌਤੀ ਹੈ ਨਾ ਕਿ ਸਿਰਫ ਇੱਕ ਸਧਾਰਨ ਸਾਫਟਵੇਅਰ ਅਪਡੇਟ, ਅਤੇ ਜਿਹੜੀਆਂ ਸੰਸਥਾਵਾਂ ਇਸਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਲੈਂਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਆਪਣਾ ਨਿਵੇਸ਼ ਉਮੀਦ ਅਨੁਸਾਰ ਕੁਸ਼ਲਤਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ।
ਭਾਰਤ ਦਾ ਵਿਲੱਖਣ ਪੈਮਾਨਾ ਮੌਕਾ
ਭਾਰਤ ਕੋਲ ਆਧਾਰ (Aadhaar) ਅਤੇ ਯੂਨੀਫਾਈਡ ਪੇਮੈਂਟਸ ਇੰਟਰਫੇਸ (UPI) ਵਰਗੇ ਵਿਸ਼ਾਲ ਡਿਜੀਟਲ ਪਲੇਟਫਾਰਮ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦਾ ਟਰੈਕ ਰਿਕਾਰਡ ਹੈ। ਇਹਨਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਨੇ ਇੱਕ ਗੁੰਝਲਦਾਰ, ਖੰਡਿਤ ਅਰਥਚਾਰੇ ਵਿੱਚ ਤਕਨਾਲੋਜੀ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਅਤੇ ਇਸਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਭਰੋਸੇਮੰਦ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਵਾਇਆ। ਇਹ ਅਨੁਭਵ ਗਲੋਬਲ AI ਦੌੜ ਵਿੱਚ ਸੰਭਾਵੀ ਲਾਭ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਸਭ ਤੋਂ ਮਹਿੰਗੇ ਮਾਡਲ ਬਣਾਉਣ 'ਤੇ ਹੀ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਭਾਰਤ ਦਾ ਮੌਕਾ AI ਨੂੰ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਆਰਥਿਕ ਖੇਤਰਾਂ ਜਿਵੇਂ ਕਿ ਨਿਰਮਾਣ, ਲੌਜਿਸਟਿਕਸ, ਸਿਹਤ ਸੰਭਾਲ ਅਤੇ ਖੇਤੀਬਾੜੀ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਹੈ। ਅਸਲ ਮੁੱਲ ਸ਼ਾਇਦ ਉਹਨਾਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਮਿਲੇਗਾ ਜੋ AI ਨੂੰ ਸਥਿਰਤਾ ਦੀ ਕੁਰਬਾਨੀ ਦਿੱਤੇ ਬਿਨਾਂ ਇਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਭਰੋਸੇਮੰਦ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦੀਆਂ ਹਨ।
ਨਿਵੇਸ਼ਕ ਇਹਨਾਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ AI ਨੂੰ ਸਿਰਫ ਤਕਨੀਕੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਬਜਾਏ, ਆਪਣੇ ਮੌਜੂਦਾ ਕਾਰੋਬਾਰੀ ਨਿਰਣੇ ਅਤੇ ਕਾਰਜਕਾਰੀ ਹਕੀਕਤਾਂ ਵਿੱਚ ਕਿਵੇਂ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਹਨ, ਇਸ 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਸਕਦੇ ਹਨ। ਇਸ ਖੇਤਰ ਵਿੱਚ ਕੰਪਨੀਆਂ ਲਈ ਮੁੱਖ ਨਿਗਰਾਨੀ ਇਹ ਹੋਵੇਗੀ ਕਿ ਉਹ ਸਬੰਧਤ ਲਾਗਤਾਂ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹੋਏ ਇਸ ਉਦਯੋਗੀਕਰਨ ਪਾੜੇ ਨੂੰ ਕਿਵੇਂ ਪੂਰਾ ਕਰਦੀਆਂ ਹਨ। ਇਹਨਾਂ ਤਕਨਾਲੋਜੀ-ਸੰਚਾਲਿਤ ਪਹਿਲਕਦਮੀਆਂ ਦਾ ਲੰਬੇ ਸਮੇਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਉਹ AI ਆਉਟਪੁੱਟ ਨੂੰ ਰੈਗੂਲੇਟਰੀ ਰੁਕਾਵਟਾਂ ਅਤੇ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ ਨਾਲ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਹਨ।