Meta நிறுவனத்தின் முன்னாள் அதிகாரி ஒருவர், அமெரிக்கா மற்றும் ஐரோப்பாவில் உள்ள நிறுவனங்கள் OpenAI போன்ற வெளிநாட்டு AI மாடல்களை நம்பி இருப்பதை குறைத்து, தங்களுக்கு சொந்தமான AI மாடல்களுக்கு மாறக்கூடும் என தெரிவித்துள்ளார். செலவுகளை கட்டுப்படுத்துதல், உள்கட்டமைப்பு மீதான கட்டுப்பாடு மற்றும் தரவு பாதுகாப்பு போன்ற காரணங்களுக்காக இந்த மாற்றம் நிகழலாம். இருப்பினும், இதற்கு தரவு தனியுரிமை மற்றும் புவிசார் அரசியல் கட்டுப்பாடுகள் போன்ற சவால்களையும் எதிர்கொள்ள வேண்டியிருக்கும்.
என்ன நடக்கிறது?
Meta Platforms நிறுவனத்தின் முன்னாள் தயாரிப்பு மேலாளரான Xiaoyin Qu, அமெரிக்கா மற்றும் ஐரோப்பிய நிறுவனங்கள் OpenAI மற்றும் Anthropic போன்ற வெளிநாட்டு நிறுவனங்களின் AI மாடல்களை மட்டுமே நம்பி இருப்பதை குறைத்துக்கொள்ளும் என தெரிவித்துள்ளார். வணிகங்கள், தங்கள் சொந்த உள்கட்டமைப்பில் ஹோஸ்ட் செய்யக்கூடிய ஓப்பன்-வெயிட் (open-weight) மாடல்களில் அதிக ஆர்வம் காட்டுவதாக அவர் கூறியுள்ளார். தரவுகள் மீதான கட்டுப்பாடு, நீண்ட கால செலவுகள் மற்றும் நிறுவனங்களுக்கே உரிய தரவுகளை பயன்படுத்தி AI மாடல்களை மேம்படுத்துதல் போன்ற தேவைகளே இந்த மாற்றத்திற்கு முக்கிய காரணங்களாகும்.
சொந்த AI மாடல்களுக்கான நகர்வு
பல பெரிய நிறுவனங்களுக்கு, தற்போதைய 'முன்னணி' மாடல் அணுகுமுறை (API மூலம் AI சேவைகளை பயன்படுத்துவது) சப்ளையரை சார்ந்திருக்கும் நிலை மற்றும் தரவு வெளிப்பாடு போன்ற கவலைகளை எழுப்புகிறது. உள்ளூரிலேயே அல்லது பிரைவேட் கிளவுட்களில் ஹோஸ்ட் செய்யக்கூடிய ஓப்பன்-வெயிட் மாடல்களை பயன்படுத்துவதன் மூலம், நிறுவனங்கள் தங்கள் முக்கியமான தரவுகளை தங்கள் நெட்வொர்க் எல்லைகளுக்குள்ளேயே வைத்திருக்க முடியும்.
நிதி, சுகாதாரம் மற்றும் அரசாங்கம் போன்ற துறைகளில், தரவு இறையாண்மை (data sovereignty) மிக முக்கியம் என்பதால், இந்த அம்சம் மிகவும் கவர்ச்சிகரமானதாக இருக்கிறது. மேலும், நிறுவனங்கள் தங்கள் AI செயல்பாடுகளை விரிவுபடுத்தும்போது, API அழைப்புகளுக்கான கட்டணம் கணிசமாக உயரும். இதனால், தனிப்பயனாக்கப்பட்ட தீர்வுகளை ஆராய்வது நீண்ட கால நிதி உத்தியாக மாறும்.
பாதுகாப்பு மற்றும் இணக்க அபாயங்கள்
செலவு குறைந்த, சொந்தமாக ஹோஸ்ட் செய்யப்படும் மாடல்களின் யோசனை கவர்ச்சிகரமாக இருந்தாலும், அமெரிக்கா மற்றும் ஐரோப்பிய சந்தைகளில் சீன AI மாடல்களை பயன்படுத்துவது பெரிய சவால்களை சந்திக்கும். முதன்மையான ஆபத்து, கடுமையான ஒழுங்குமுறை மற்றும் புவிசார் அரசியல் சூழலாகும். தரவு தனியுரிமை, அறிவுசார் சொத்துரிமை மற்றும் தேசிய பாதுகாப்பு கவலைகள் காரணமாக மேற்கத்திய நாடுகள் சீன தொழில்நுட்பத்தின் மீதான கண்காணிப்பை அதிகரித்து வருகின்றன.
எந்தவொரு நிறுவனமும், குறிப்பாக AI போன்ற முக்கியமான பகுதியில், வெளிநாட்டு மென்பொருளை ஏற்றுக்கொள்வது கடுமையான பாதுகாப்பு தணிக்கைகள் மற்றும் இணக்க ஆய்வுகளுக்கு வழிவகுக்கும். வர்த்தகக் கொள்கைகள் மாறினால், இது சட்டப்பூர்வ நிலையை சிக்கலாக்கலாம் அல்லது எதிர்காலத்தில் செயல்பாட்டு தடைகளுக்கு வழிவகுக்கும். பல மேற்கத்திய நிறுவனங்களுக்கு, சட்ட மற்றும் நற்பெயர் அபாயங்கள் இந்த மாடல்களை பயன்படுத்துவதால் ஏற்படும் செலவு சேமிப்பை விட அதிகமாக இருக்கலாம்.
ஹைப்ரிட் AI எதிர்காலம்
தொழில்துறை நிபுணர்களின் கூற்றுப்படி, நிறுவன AI சந்தையில் மேற்கத்திய வழங்குநர்களை முழுமையாக கைவிடுவது சாத்தியமில்லை. மாறாக, ஒரு 'மல்டி-மாடல்' உத்தி உருவாகி வருகிறது. நிறுவனங்கள் பொதுவான பணிகளுக்கு சக்திவாய்ந்த வெளிநாட்டு மாடல்களையும், சிறப்பு பணிகளுக்காக உள்நாட்டில் உருவாக்கப்பட்ட அல்லது ஓப்பன்-சோர்ஸ் தீர்வுகளையும் பயன்படுத்துகின்றன.
இந்த ஹைப்ரிட் அணுகுமுறை, இரண்டு உலகங்களின் சிறந்ததை வணிகங்களுக்கு வழங்குகிறது: முன்னணி மாடல்களின் மேம்பட்ட திறன்கள் மற்றும் சொந்தமாக ஹோஸ்ட் செய்யப்பட்ட மாடல்களின் பாதுகாப்பு மற்றும் தனிப்பயனாக்கம். அமெரிக்க AI நிறுவனங்களுடன் வலுவான கூட்டாண்மை கொண்ட IT சேவை வழங்குநர்கள் மற்றும் சிஸ்டம் இன்டகிரேட்டர்களுக்கு, வாடிக்கையாளர்கள் சிக்கலான, பல அடுக்கு AI கட்டமைப்புகளை நிர்வகிக்க உதவுவதில் அவர்களின் பங்கு முக்கியத்துவம் பெறும்.
முதலீட்டாளர்கள் கண்காணிக்க வேண்டியவை
டெக் மற்றும் IT சேவைகள் துறையை கண்காணிக்கும் முதலீட்டாளர்கள் பல முன்னேற்றங்களை கவனிக்க வேண்டும். முதலாவதாக, IT ஆலோசனை நிறுவனங்கள் தங்கள் வாடிக்கையாளர்களின் AI தத்தெடுப்பு உத்திகள் குறித்து கருத்து தெரிவிப்பதில் ஏற்படும் மாற்றங்களைக் கவனியுங்கள் – அவை ஒரே ஒரு சப்ளையரை சார்ந்துள்ளதா அல்லது பல சப்ளையர்களை பயன்படுத்துகிறதா என்பதைக் கவனிக்கவும். இரண்டாவதாக, AI மென்பொருள் இறக்குமதி மற்றும் பயன்பாடு தொடர்பான ஒழுங்குமுறை புதுப்பிப்புகளை கண்காணிக்கவும், இது வெளிநாட்டு AI மாடல்களை நிறுவனங்கள் எவ்வளவு சுதந்திரமாகப் பயன்படுத்தலாம் என்பதை தீர்மானிக்கும். இறுதியாக, பெரிய கிளவுட் வழங்குநர்களின் மூலதன செலவு முறைகளைக் கவனிக்கவும், இது நிறுவன வாடிக்கையாளர்களை உள் சொந்தமாக ஹோஸ்ட் செய்யப்பட்ட தீர்வுகளுக்கு மாறாமல் இருக்க அவர்களின் விலை நிர்ணய மாதிரிகளை சரிசெய்யுமா என்பதைக் காட்டும்.