AI கருவிகள் எளிதாகக் கிடைக்கின்றன. இதனால், டெக்னிக்கல் மாடல்களை உருவாக்குவது இனி பெரிய பிசினஸ் அட்வான்டேஜ் இல்லை. எந்தப் பிரச்சினைகளுக்கு AI-யைப் பயன்படுத்தலாம் என்பதை முடிவு செய்யவும், அதை நடைமுறைப்படுத்தவும் மனிதர்களின் அனுபவத்திற்கும் அறிவுக்கும் அதிக முக்கியத்துவம் கொடுக்கிறார்கள் நிறுவனங்கள். இது AI திறன்களுக்கும் முக்கிய பிசினஸ் வியூகங்களுக்கும் இடையே பாலமாக செயல்படும் நிபுணர்களுக்கு அதிக தேவை உருவாக்கியுள்ளது.
Detailed Coverage
தொழில்நுட்பத்தை விட வியூக ரீதியான முடிவுக்கே முக்கியத்துவம்
செயற்கை நுண்ணறிவு (AI) கருவிகள் வேகமாக பரவி வருவதால், நிறுவனங்கள் எப்படி ஒரு போட்டி நன்மையை அடைகின்றன என்பதில் பெரிய மாற்றம் வந்துள்ளது. ஒரு காலத்தில் பிரத்யேக டீம்கள் மற்றும் பெரிய பட்ஜெட் தேவைப்பட்ட AI மாடல்களை உருவாக்குவது, இப்போது ஏற்கனவே பயிற்சி பெற்ற சிஸ்டம்கள் மற்றும் கிளவுட் பிளாட்ஃபார்ம்கள் மூலம் தானியங்கி மயமாக்கப்பட்டுள்ளது. இந்த தொழில்நுட்பம் இப்போது எல்லோருக்கும் கிடைப்பதால், AI-யை உருவாக்குவதை விட அதை எப்படி திறம்பட பயன்படுத்துவது என்பதில் கவனம் திரும்பியுள்ளது.
300 நிறுவனங்களின் ஆய்வு முடிவுகள்
300-க்கும் மேற்பட்ட நிறுவனங்களில் AI பயன்பாட்டை ஆய்வு செய்ததில், வெற்றி என்பது AI மாடலின் தரத்தை விட, அதை தலைவர்கள் எப்படி பயன்படுத்துகிறார்கள் என்பதைப் பொறுத்தது என்று தெரிய வந்துள்ளது. பல நிறுவனங்கள் எந்தப் பிரச்சனைகளை தீர்ப்பது என்பதில் தெளிவான வியூகம் இல்லாததால் சிரமப்படுகின்றன. ஒரு சிறிய சதவீத AI ப்ராஜெக்ட்கள் மட்டுமே இந்த வியூக ரீதியான தடைகளை கடக்கின்றன. பெரும்பாலான வணிகங்களில் முக்கியத் தடை தொழில்நுட்பம் அல்ல, மாறாக அந்த தொழில்நுட்பம் எங்கே, எப்படி பயன்படுத்தப்படுகிறது என்பதை வழிநடத்தும் மனிதர்களின் முடிவெடுக்கும் முறைதான்.
இந்திய நிறுவனங்களில் அதிகரிக்கும் இடைவெளி
பல பெரிய இந்திய நிறுவனங்களில், செயல்பாட்டு தரவுகள் (Operational Data) மற்றும் இறுதி வணிக முடிவுகளுக்கு இடையே ஒரு இடைவெளி உள்ளது. நிறுவனங்கள் தங்கள் அனலிட்டிக்ஸ் குழுக்களை விரிவுபடுத்தினாலும், பல முக்கியமான முடிவுகள் இன்னும் தரவு சார்ந்த உள்ளுணர்வை விட பாரம்பரிய உள்ளுணர்வின் அடிப்படையில் எடுக்கப்படுகின்றன. இந்த புதிய சூழலில் மிகவும் மதிப்புமிக்க நிபுணர்கள், டெக்னிக்கல் டீம்கள் மற்றும் பட்ஜெட் வைத்திருப்பவர்களுக்கு இடையே ஒரு பாலமாக செயல்படுபவர்கள். இவர்களை 'அனலிட்டிக்ஸ் டிரான்ஸ்லேட்டர்ஸ்' என்றும் அழைக்கலாம். இவர்களால் தரவு சார்ந்த வாய்ப்புகளை கண்டறிந்து, அதன் வணிக மதிப்பை தலைமைக்கு விளக்க முடியும்.
பிரீமியம் விலைக்குரிய திறன்கள்
இந்த வியூக ரீதியான மேற்பார்வை அரிதாக இருப்பதால், இதுபோன்ற திறன்களைக் கொண்டவர்களை பணியமர்த்துவதும் தக்கவைப்பதும் அதிக செலவாகிறது. நிறுவன அமைப்புகள், பட்ஜெட் சுழற்சிகள் மற்றும் பங்குதாரர் நிர்வாகம் மூலம் AI முயற்சிகளை வழிநடத்தக்கூடிய நிபுணர்களுக்கு அதிக தேவை உள்ளது. சிட்காரா பல்கலைக்கழகம் EY உடன் இணைந்து வழங்கும் ஆன்லைன் MBA (Data Science and Artificial Intelligence) போன்ற கல்வி நிகழ்ச்சிகள், இந்தத் தேவையை பூர்த்தி செய்வதற்காகவே வடிவமைக்கப்பட்டுள்ளன. இவை அடிப்படை கோடிங்கைத் தாண்டி, AI வணிகக் கோட்பாடுகளுடன் எப்படி தொடர்பு கொள்கிறது மற்றும் பொறுப்பான மேலாண்மை நடைமுறைகள் ஆகியவற்றில் கவனம் செலுத்துகின்றன.
மாறும் தொழில் பாத்திரங்கள்
இந்த மாற்றம் AI ப்ராடக்ட் மேனேஜர் மற்றும் ரெஸ்பான்சிபிள் AI ஆபீசர் போன்ற புதிய தொழில் தலைப்புகளை உருவாக்க வழிவகுக்கிறது. இந்தப் பாத்திரங்களுக்கு இரட்டைத் திறன் தொகுப்பு தேவைப்படுகிறது: மெஷின் லேர்னிங் எப்படி செயல்படுகிறது என்பதைப் புரிந்துகொள்வது மற்றும் வணிக உரையாடல்களை வழிநடத்தும் திறன். முதலீட்டாளர்கள் மற்றும் வணிகத் தலைவர்களுக்கு, இதில் ஒரு தெளிவான செய்தி உள்ளது: நீண்ட காலத்திற்கு வெற்றிபெற வாய்ப்புள்ள நிறுவனங்கள், ஒரு வியூக கட்டமைப்பு இல்லாமல் சமீபத்திய தொழில்நுட்பத்தில் முதலீடு செய்பவர்களை விட, AI-யை தங்கள் முக்கிய வணிக செயல்முறைகளில் ஒருங்கிணைப்பதற்கு முன்னுரிமை அளிப்பவை. ஒரு நிறுவனம் இந்த மாற்றத்தை எப்படி நிர்வகிக்கிறது என்பதைக் கண்காணிப்பது, அதன் எதிர்கால செயல்பாட்டுத் திறன் மற்றும் டிஜிட்டல் முதிர்ச்சியை மதிப்பிடுவதில் ஒரு முக்கிய காரணியாக இருக்கும்.
