Whalesbook
L&T Technology Services (LTTS) நிறுவனம், Databricks உடன் இணைந்து தொழிற்சாலை AI (Industrial AI) தீர்வுகளை அறிமுகப்படுத்துகிறது. இதன் முக்கிய நோக்கம், ஆற்றல் மற்றும் உற்பத்தித் துறைகளில் செயல்திறனை மேம்படுத்துவதும், பிணைய தரவுகளை (Plant Data) 'பொறியியல் நுண்ணறிவாக' (Engineering Intelligence) மாற்றி, வேலையிழப்பு நேரத்தைக் (Downtime) குறைப்பதுமாகும்.
என்ன நடந்தது?
L&T Technology Services (LTTS), தரவு நுண்ணறிவு (Data Intelligence) நிறுவனமான Databricks உடன் ஒரு முக்கிய கூட்டாண்மையை அறிவித்துள்ளது. இந்த இரு நிறுவனங்களும் இணைந்து, குறிப்பாக ஆற்றல், பெட்ரோகெமிக்கல்ஸ் மற்றும் உற்பத்தித் துறை போன்ற அதிக சொத்துக்கள் உள்ள (asset-intensive) பிரிவுகளுக்காக, தொழிற்சாலை AI தீர்வுகளை உருவாக்கி வழங்க திட்டமிட்டுள்ளன. LTTS-ன் பொறியியல் நிபுணத்துவத்தையும், Databricks-ன் Data Intelligence Platform-ஐயும் இணைப்பதன் மூலம், ஆலை இயக்குநர்கள் மற்றும் பொறியாளர்கள் தங்களிடம் உள்ள பெருமளவிலான செயல்பாட்டுத் தரவுகளை (operational data) பயனுள்ள நுண்ணறிவுகளாக மாற்ற முடியும். இதற்கு 'பொறியியல் நுண்ணறிவு' (Engineering Intelligence) என்று பெயரிட்டுள்ளனர்.
முதலீட்டாளர்களுக்கு இதன் முக்கியத்துவம் என்ன?
தொழிற்சாலை நிறுவனங்களுக்கு, தரவுகள் துண்டு துண்டாக இருப்பது (data fragmentation) ஒரு பெரிய சவாலாக இருந்து வருகிறது. முக்கிய தகவல்கள் தனித்தனி அமைப்புகளில் (silos) சிக்கிக்கொள்வதால், உபகரணங்கள் பழுதடைவதைக் கணிப்பது அல்லது ஆற்றல் பயன்பாட்டை மேம்படுத்துவது கடினமாக உள்ளது. இந்த கூட்டாண்மை, LTTS-ன் பரந்த நோக்கத்தின் ஒரு முக்கிய பகுதியாகும். இது, பாரம்பரிய டிஜிட்டல் சேவைகளிலிருந்து விலகி, அதிக மதிப்புமிக்க, விளைவு அடிப்படையிலான (outcomes-driven) பொறியியல் சேவைகளை வழங்குவதை நோக்கமாகக் கொண்டுள்ளது. வாடிக்கையாளர்களுக்கு ஏற்படும் எதிர்பாராத வேலையிழப்பு மற்றும் பராமரிப்பு செலவுகளைக் குறைப்பதன் மூலம், LTTS தனது உலகளாவிய வாடிக்கையாளர் தளத்துடனான உறவை வலுப்படுத்த முயல்கிறது. முதலீட்டாளர்களைப் பொறுத்தவரை, இது அதிக அளவில் ஏற்றுக்கொள்ளப்பட்டால், நீண்டகால லாபத்தை ஆதரிக்கக்கூடிய, அளவிடக்கூடிய (scalable), மற்றும் தளம் சார்ந்த (platform-based) சேவை மாதிரிகளை நோக்கிய ஒரு மாற்றத்தைக் குறிக்கிறது.
பெரிய வணிகச் சூழல்
பொறியியல் ஆராய்ச்சி மற்றும் மேம்பாட்டு (ER&D) சேவை வழங்குநரான LTTS, போட்டி நிறைந்த சூழலில் முன்னேறி வருகிறது. இங்கு மேம்பட்ட டிஜிட்டல் திறன்கள் அவசியமாகின்றன. நிறுவனத்தின் சமீபத்திய முக்கிய கவனம், அதன் 'லக்ஷ்யா' (Lakshya) அல்லது நீண்ட கால வளர்ச்சித் திட்டம், 'பொறியியல் நுண்ணறிவை' உருவாக்குவதை வலியுறுத்துகிறது. இதன் மூலம், பொதுவான IT ஆதரவை விட, சிறப்பு வாய்ந்த, அதிக தாக்கத்தை ஏற்படுத்தும் மதிப்பை வழங்கக்கூடிய துறைகளுக்கு முன்னுரிமை அளிக்கிறது. Databricks போன்ற ஒரு தள வழங்குநருடன் கூட்டு சேர்வது, LTTS அதன் உலகளாவிய வடிவமைப்பு மையங்கள் மற்றும் புதுமை ஆய்வகங்களின் (innovation labs) வலையமைப்பு முழுவதும் அதன் தீர்வுகளை அளவிடவும், அதன் Fortune 500 வாடிக்கையாளர்களுக்கு மிகவும் திறம்பட சேவை செய்யவும் உதவுகிறது.
அபாயங்கள் மற்றும் செயல்படுத்தும் சவால்கள்
இந்த கூட்டாண்மை வளர்ச்சிக்கு வாய்ப்பளித்தாலும், தொழிற்சாலை AI திட்டங்கள் தனித்துவமான தடைகளை எதிர்கொள்கின்றன. இதை முதலீட்டாளர்கள் கவனிக்க வேண்டும். தொழிற்சாலைகளில் AI-ஐ செயல்படுத்துவது, சாதாரண மென்பொருள் வரிசைப்படுத்தலை விட கணிசமாக சிக்கலானது. பொதுவான தடைகள், பழைய உள்கட்டமைப்பு (legacy infrastructure) ஆகும். இது 'தரவு-தயாராக' (data-ready) இல்லை. அதாவது, சென்சார்கள் மற்றும் இயந்திரங்கள் பழைய, தனியுரிம வடிவங்களைப் (proprietary formats) பயன்படுத்தலாம், அவற்றை ஒருங்கிணைப்பது கடினம். மேலும், தொழிற்சாலைத் துறையில் விற்பனை மற்றும் செயல்படுத்தும் சுழற்சிகள் (sales and implementation cycles) பெரும்பாலும் நீண்டவை. விரைவான டிஜிட்டல் பைலட்களைப் போலல்லாமல், இந்த திட்டங்களுக்கு உடல் செயல்பாடுகளில் (physical operations) ஆழமான ஒருங்கிணைப்பு தேவைப்படுகிறது. இது நிதி முடிவுகளில் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்துவதற்கு நீண்ட கால அவகாசம் தேவைப்படலாம். கூடுதலாக, இந்தத் துறையில் திறமையான பணியாளர்கள் பற்றாக்குறை (talent gap) நிலவுகிறது. சிக்கலான தொழிற்சாலை பொறியியல் மற்றும் மேம்பட்ட தரவு அறிவியல் இரண்டையும் புரிந்துகொள்ளும் நிபுணர்களைக் கண்டுபிடிப்பது ஒரு தொடர்ச்சியான சவாலாக உள்ளது.
முதலீட்டாளர்கள் இதை எப்படிப் பார்க்கலாம்?
இந்த நகர்வு, மாறிவரும் தொழில்நுட்ப நிலப்பரப்பில் LTTS தன்னைத் தொடர்ந்து பொருத்தமானதாக வைத்திருப்பதற்கான அதன் உறுதிப்பாட்டை வலுப்படுத்துகிறது. சந்தை இதை, முன்கணிப்பு பராமரிப்பு (predictive maintenance) மற்றும் நிலைத்தன்மை பகுப்பாய்வு (sustainability analytics) ஆகியவற்றிற்கான வாடிக்கையாளர் தேவையைப் பூர்த்தி செய்வதற்கான ஒரு முன்கூட்டிய படியாகப் பார்க்கும். இருப்பினும், இந்த கூட்டாண்மையின் உண்மையான மதிப்பு, அறிவிப்பால் மட்டும் அளவிடப்படாது. மாறாக, உருவாக்கப்பட்ட தீர்வுகளின் உறுதியான வணிக வெற்றியால் அளவிடப்படும். முதலீட்டாளர்கள் வாடிக்கையாளர் ஏற்றுக்கொள்ளும் விகிதங்கள் (client adoption rates), இந்த AI சலுகைகளுடன் குறிப்பாக இணைக்கப்பட்ட புதிய ஒப்பந்த வெற்றிகளின் அளவு, மற்றும் எதிர்கால காலாண்டு முடிவுகளில் இந்த புதிய தளங்களிலிருந்து வரும் வருவாய் பங்களிப்பு குறித்த நிர்வாகத்தின் கருத்துக்கள் போன்றவற்றைத் தேடலாம்.
முதலீட்டாளர்கள் அடுத்து என்ன கண்காணிக்க வேண்டும்?
முக்கியமாக கண்காணிக்க வேண்டியவை: வாடிக்கையாளர் ஏற்றுக்கொள்ளும் விகிதம், பைலட் திட்டங்களிலிருந்து முழு அளவிலான வரிசைப்படுத்தலுக்குச் செல்லும் நேரம், மற்றும் இந்த AI தீர்வுகள் நிறுவனத்தின் சேவை சலுகைகளில் மேலும் ஒருங்கிணைக்கப்படுவதால் திட்ட லாபங்களில் (project margins) ஏற்படும் தாக்கம் ஆகியவை அடங்கும். கூடுதலாக, உற்பத்தி மற்றும் ஆற்றல் துறைகளில் AI செலவினங்கள் தொடர்பான பரந்த தொழில்துறை போக்குகளைக் கண்காணிப்பது முக்கியம். ஏனெனில் இது LTTS-ன் புதிய தொழிற்சாலை AI திறன்களுக்கான ஒட்டுமொத்த தேவைச் சூழலை நிர்ணயிக்கும்.