Gartner நடத்திய ஆய்வின்படி, தரவின் தரம் சரியாக இல்லாததால் பல AI திட்டங்கள் தோல்வியடைகின்றன. இந்திய நிறுவனங்கள், பல கோடி ரூபாய் முதலீடுகளுக்கு மத்தியிலும், பழைய சிஸ்டம்கள் மற்றும் தரவுப் பிரிவினைகளால் (data silos) இந்த சிக்கல்களை எதிர்கொள்கின்றன.
AI திட்டங்களின் பின்னடைவுக்கு காரணம் இதுதானா?
தற்போது தொழில்நுட்ப உலகில் ஒரு முக்கிய பிரச்சனை வெளிச்சத்திற்கு வந்துள்ளது. பல ஜெனரேட்டிவ் AI (Generative AI) திட்டங்கள் தோல்வியடைவதற்கு, அதிநவீன அல்காரிதம்கள் இல்லாதது காரணம் அல்ல, மாறாக தரவின் தரம் (Data Quality) மோசமாக இருப்பதுதான் முக்கிய காரணம் என்று ஆய்வுகள் கூறுகின்றன. எவ்வளவு திறமையான AI மாடல்களாக இருந்தாலும், தரமற்ற அல்லது சிதறிக்கிடக்கும் தரவுகளால் அவற்றை சரியாக இயக்க முடியாது.
இந்தியாவில் தரவுப் பிரச்சனைகள்
இந்தியாவில் UPI போன்ற தளங்கள் மற்றும் பல பெரிய அரசு திட்டங்கள் மூலம் தினசரி பெருமளவு டிஜிட்டல் தரவுகள் உருவாக்கப்படுகின்றன. ஆனால், இந்தத் தரவுகள் பெரும்பாலும் பழைய சிஸ்டம்களுக்குள்ளேயே சிக்கித் தவிக்கின்றன. இதனால், AI பயன்பாட்டிற்காக இந்தத் தரவுகளை சுத்தம் செய்து ஒழுங்குபடுத்துவதில் பல நிறுவனங்கள் சிரமப்படுகின்றன. தொழில்நுட்பம் அல்லது திறமை சார்ந்த பிரச்சனைகளை வேலைக்கு ஆட்களை எடுப்பதன் மூலமோ அல்லது பயிற்சி அளிப்பதன் மூலமோ சரிசெய்யலாம். ஆனால், தரவுப் பிரச்சனைகளை சரிசெய்ய, தரவுகள் சேமிக்கப்படும், நிர்வகிக்கப்படும் மற்றும் அணுகப்படும் முறைகளில் அடிப்படை மாற்றங்கள் தேவை.
தேசிய முதலீடுகள் Vs தனிநபர் நிறுவனங்கள்
இந்தப் பிரச்சனைகளை சரிசெய்ய, இந்திய அரசு மார்ச் 2024-ல் ₹10,371 கோடி ஒதுக்கி இந்தியாAI மிஷன் (IndiaAI Mission) திட்டத்தை தொடங்கியுள்ளது. இதன் மூலம் தேசிய தரவுத்தள தளத்தை உருவாக்கி, 38,000-க்கும் மேற்பட்ட GPUs மூலம் கம்ப்யூட்டிங் திறனை அதிகரிக்க திட்டமிடப்பட்டுள்ளது. ஆனாலும், இது ஒரு பகுதி தீர்வுதான் என்று நிபுணர்கள் கூறுகின்றனர். நிறுவனங்கள் தங்கள் சொந்த தரவுப் பாதைகளையும் (data pipelines) நிர்வாகக் கட்டமைப்புகளையும் (governance frameworks) உருவாக்க வேண்டியது அவசியம். உள்நாட்டில் தரவுகள் சீரற்றதாகவோ அல்லது நம்பகத்தன்மையற்றதாகவோ இருந்தால், வெளி வளம் சார்ந்த கம்ப்யூட்டிங் மட்டும் போதாது.
நிதி தாக்கம் மற்றும் உள்கட்டமைப்பு தேர்வு
AI-க்கான உலகளாவிய செலவினங்கள் கணிசமாக உயரும் என எதிர்பார்க்கப்படுகிறது. இதில் உள்கட்டமைப்புக்கான செலவும் அடங்கும். Microsoft Azure, AWS, Google Cloud போன்ற கிளவுட் வழங்குநர்கள், அளவிடக்கூடிய உள்கட்டமைப்பை வழங்குவதன் மூலம், பல இந்திய நிறுவனங்களுக்கு பெரிய ஆரம்பகட்ட முதலீட்டுச் செலவைக் குறைத்துள்ளனர். இருப்பினும், இந்த AI திட்டங்களின் நிதித் திறன், தரவுகளின் முதிர்ச்சியையே சார்ந்துள்ளது. நிதி அறிக்கைகளுக்கு கொடுக்கும் அதே முக்கியத்துவத்தை தரவு நிர்வாகத்திற்கும் (Data Governance) கொடுக்கும் நிறுவனங்கள், தங்கள் AI முதலீடுகளில் சிறந்த வருவாயைப் பெற அதிக வாய்ப்புள்ளது. எனவே, நிறுவனங்கள் தங்கள் தொழில்நுட்ப பட்ஜெட்டில், AI கருவிகளுக்கும், தேவையான பின்புல உள்கட்டமைப்பிற்கும் எப்படி நிதி ஒதுக்குகின்றன என்பதைக் கண்காணிப்பது, அவர்களின் டிஜிட்டல் மாற்ற முயற்சிகளின் நீடித்த தன்மையை தீர்மானிக்கும்.