AI திட்டங்கள் தோல்வி: காலக்கெடு அழுத்தம் மற்றும் மோசமான செயல்பாடு காரணமா?

AI திட்டங்கள் தோல்விக்குக் காரணம் காலக்கெடு அழுத்தமும், மோசமான செயலாக்கமுமா?

HCLTech-ன் அறிக்கைப்படி, AI திட்டங்கள் தோல்வியடைய முக்கியக் காரணம் தொழில்நுட்பக் குறைபாடு அல்ல, மாறாக மிகக் குறுகிய காலக்கெடுவுக்குள் வணிகரீதியாக எதிர்பார்த்த முடிவுகளை அடைவதில் உள்ள சிக்கல்கள்தான். பல வணிகத் தலைவர்கள் 18 மாதங்களுக்குள் AI-யால் குறிப்பிடத்தக்க பயனை எதிர்பார்க்கிறார்கள். இந்த குறுகிய காலம், தேவையான நிறுவன மாற்றங்களுக்கு போதுமான அவகாசத்தை அளிப்பதில்லை.

இந்த அதீத வேகம் ஒரு 'செயல்பாட்டு இடைவெளியை' (Execution Gap) உருவாக்குகிறது. அதாவது, தொழில்நுட்பத்தை வேகமாக செயல்படுத்துவது, நிறுவனத்தால் அதை ஏற்றுக்கொள்ளும் திறனை விட அதிகமாகிறது. இதனால் திட்டங்கள் தேக்கமடைந்து, வருவாய் குறைகிறது. ஆய்வுகளின்படி, 70% முதல் 90% வரையிலான நிறுவன AI திட்டங்கள் எதிர்பார்த்த மதிப்பை வழங்குவதில்லை. மற்ற IT திட்டங்களை விட இவற்றின் தோல்வி விகிதம் இரு மடங்கு அதிகமாகும். HCLTech, 43% முக்கிய AI முயற்சிகள் தோல்வியடையும் என கணித்துள்ளது.

மாற்ற மேலாண்மைக்கு நிதி ஒதுக்கீடு இல்லாததால் AI ஒருங்கிணைப்பு பாதிப்பு

AI வெற்றிக்கு முக்கிய காரணியான மாற்ற மேலாண்மைக்கு (Change Management) போதுமான நிதி ஒதுக்கப்படாததால், செயல்பாட்டு இடைவெளி மேலும் மோசமடைகிறது. நிறுவனங்கள் AI-யை அறிமுகப்படுத்தினாலும், ஊழியர்களை இந்தப் புதிய அமைப்புகளுடன் இணைந்து பணியாற்றத் தயார்படுத்துவதில்லை. இந்த அலட்சியம் ஒரு பெரிய செயல்பாட்டு ஆபத்தாக மாறி, AI-யை அன்றாட வணிகத்தில் வெற்றிகரமாக ஒருங்கிணைப்பதைத் தடுக்கிறது.

ஆய்வுகள், AI திட்டங்கள் தொழில்நுட்பச் சிக்கல்களால் அல்லாமல், குழுக்களிடையே ஒருங்கிணைப்பு இல்லாமை, பொறுப்புகள் தெளிவாக இல்லாதது, மாற்றங்களுக்கு எதிர்ப்பு போன்ற நிறுவனச் சிக்கல்களால் அடிக்கடி தோல்வியடைவதைக் காட்டுகின்றன. மேலும், 94% CIO-க்கள் AI தொடங்குவதற்கு முன் தரவுகளைச் சுத்தம் செய்ய வேண்டியுள்ளது என்பதை ஒப்புக்கொண்டுள்ளதால், தரவின் தரப் பிரச்சனைகள் (Data Quality Problem) இந்தக் கடினங்களை அதிகரிக்கின்றன.

புதிய AI பயன்பாடுகள் அளவிடுதல் சவால்களை எதிர்கொள்கின்றன

இந்த அறிக்கை, டிஜிட்டல் பணிகளுக்கு அப்பால் உற்பத்தி போன்ற துறைகளில் நுழையும் agentic மற்றும் physical AI போன்ற மேம்பட்ட AI வகைகளில் அதிகரித்து வரும் ஆர்வத்தையும் சுட்டிக் காட்டுகிறது. இவை எதிர்கால வளர்ச்சிக்கு உகந்ததாக இருந்தாலும், பொறுப்புக்கூறல், நம்பகத்தன்மை மற்றும் மேற்பார்வையில் சிக்கல்களை ஏற்படுத்துகின்றன. IT தலைவர்கள், AI-யை அளவிடுவது (Scaling) தற்போதைய பயன்பாட்டு அமைப்புகள், தரவு மேலாண்மை மற்றும் செயல்பாட்டு கட்டமைப்புகளின் வரம்புகளை வெளிப்படுத்துகிறது என்பதைக் காண்கிறார்கள். இவை சுயமாகக் கற்றுக்கொள்ளும், தொடர்ந்து உருவாகும் அமைப்புகளுக்காக வடிவமைக்கப்படவில்லை. பல AI பைலட் திட்டங்கள் ஒருங்கிணைப்புச் சிக்கல்கள் மற்றும் நிறுவன ஆதரவின்மையால் முழு உற்பத்திக்குச் செல்லத் தவறுவதால், அளவிடுதலில் இந்த சிரமம் பொதுவானது.

கட்டமைப்பு பலவீனங்களும் தரவுச் சிக்கல்களும் AI வெற்றியைத் தடுக்கின்றன

AI திட்டங்களில் அதிக தோல்வி விகிதம், 80-95% எதிர்பார்ப்புகளை பூர்த்தி செய்யவில்லை என்ற மதிப்பீடுகளுடன், ஆழமான நிறுவன பலவீனங்களைக் காட்டுகிறது. தொழில்நுட்பத்தின் மீதான அதிகக் கவனம், பலவீனமான தரவு உள்கட்டமைப்பு, தெளிவான வெற்றி அளவீடுகள் இல்லாமை ஆகியவை பெரும்பாலான AI திட்ட தோல்விகளுக்குக் காரணமாகின்றன. தரவின் தர நெருக்கடி கடுமையாக உள்ளது. மோசமான தரத்தால் வணிகங்களுக்கு ஆண்டுக்கு பல மில்லியன் டாலர்கள் இழப்பு ஏற்படுகிறது. மேலும், விரைவான AI தத்தெடுப்பு பெரும்பாலும் ஆளுகை கட்டமைப்புகள் உருவாக்கப்படுவதற்கு முன்பே நடப்பதால், ஒரு குறிப்பிடத்தக்க 'ஆளுகை இடைவெளி' (Governance Gap) உருவாகிறது. இது ஒரு பெரிய வணிக ஆபத்தை ஏற்படுத்துகிறது.

AI-யின் எதிர்காலம் நிறுவனத் தயார்நிலையை மையமாகக் கொண்டுள்ளது

AI செயல்படுத்தப்படும் விதம், தத்தெடுப்பு எண்களைக் கண்காணிப்பதில் இருந்து, யதார்த்தமான காலக்கெடுவுக்குள் இலக்குகள், செயலாக்கம் மற்றும் பொறுப்புக்கூறலை சமநிலைப்படுத்தும் ஒரு நிறுவனத்தின் திறனை மதிப்பிடுவதற்கு மாறுகிறது. HCLTech-ன் CTO மற்றும் Ecosystems தலைவர் விஜய் குண்டுர் கூறுகையில், வேகமானது தோல்வியை அதிகரிக்கும், குறிப்பாக AI உடன் புரிதல், நம்பிக்கை மற்றும் பயனுள்ள ஒத்துழைப்பை உருவாக்க மக்களிடம் போதுமான முதலீடு செய்யப்படாவிட்டால். AI ஒருங்கிணைப்பின் அடுத்த கட்டம் தொழில்நுட்பத் தயார்நிலையை மட்டுமல்லாமல், தலைவர்கள் மற்றும் ஊழியர்களின் மூலோபாய மற்றும் செயல்பாட்டுத் தயார்நிலையையும் சோதிக்கும்.

AI வணிகச் செயல்பாடுகளின் முக்கிய அங்கமாக மாறும்போது, வலுவான மாற்ற மேலாண்மை, தரவுத் தயார்நிலை மற்றும் AI முயற்சிகளை வணிக இலக்குகளுடன் தெளிவாகச் சீரமைப்பதன் மூலம் செயல்பாட்டு இடைவெளியைக் குறைப்பதே வெற்றிக்கு வழிவகுக்கும்.