செயற்கை நுண்ணறிவு (AI) திட்டங்களுக்கு முதலீடு செய்யும் ஒவ்வொரு ரூபாய்க்கும், நிறுவனங்கள் இப்போது டேட்டா உள்கட்டமைப்பிற்காக ₹4 செலவிடுகின்றன. இந்த மாற்றம், AI மூலம் லாபம் ஈட்டுவதில் டேட்டா அணுகல்தான் மிகப்பெரிய தடை என்பதை காட்டுகிறது. பழைய சிஸ்டம்களை கொண்ட நிறுவனங்கள் பின்தங்க நேரிடும்.
டேட்டா உள்கட்டமைப்புதான் முக்கியமா?
நிறுவனங்கள் இப்போது செயற்கை நுண்ணறிவு (AI) திட்டங்களுக்கு செய்யும் முதலீட்டை விட, அந்த AI-க்கு தேவையான டேட்டா உள்கட்டமைப்பிற்கு 4 மடங்கு அதிகமாக செலவிடுகின்றன. இது, AI-ல் இருந்து உண்மையான நிதிப் பலன்களைப் பெற, தரவுகளின் அணுகல்தன்மை (data accessibility) மிக முக்கியம் என்பதை உணர்த்துகிறது.
பழைய சிஸ்டம்களின் சிக்கல்
பல பெரிய நிறுவனங்கள் இன்னமும் பழைய தொழில்நுட்ப சிஸ்டம்களை சார்ந்துள்ளன. இதனால், மொத்த தொழில்நுட்ப பட்ஜெட்டில் 30% முதல் 40% வரை இந்த பழைய தளங்களை பராமரிக்கவே செலவாகிறது. இது டேட்டா சைலோக்களை (data silos) உருவாக்கி, AI-க்கு தேவையான தகவல்களை பெறுவதையும், செயலாக்குவதையும் தாமதப்படுத்துகிறது. இதனால், நவீன டேட்டா சூழலுக்கு மாறும் நிறுவனங்களுடன் ஒப்பிடும்போது, பழைய சிஸ்டம்களை கொண்ட நிறுவனங்கள் தாமதத்தையும், அதிக செலவுகளையும் சந்திக்க நேரிடும்.
நிதி மற்றும் செயல்பாட்டு தாக்கம்
நிறுவனங்கள் தங்கள் டேட்டா உள்கட்டமைப்பை வணிக இலக்குகளுடன் வெற்றிகரமாக இணைக்கும்போது, அதன் தாக்கம் வருவாய் மற்றும் செயல்திறன் மேம்பாடு என இரு வகைகளிலும் தெரிகிறது. தேவை கணிப்பு (demand forecasting) மற்றும் வாடிக்கையாளர் நுண்ணறிவுகளை (customer insights) மேம்படுத்துவதன் மூலம் விற்பனை அதிகரிக்கிறது. அதே நேரத்தில், AI-ஆல் இயங்கும் ஆட்டோமேஷன், மனிதப் பிழைகளை குறைத்து, வாடிக்கையாளர் ஆதரவு போன்ற செலவுகளைக் குறைக்கிறது.
டேட்டா நிர்வாகத்தின் முக்கியத்துவம்
AI மேலும் தன்னாட்சி அடையும்போது, டேட்டா நிர்வாகம் (Data Governance) என்பது நிறுவனங்களுக்கு ஒரு முக்கிய சவாலாகிறது. இது வெறும் தொழில்நுட்ப தேவை மட்டுமல்ல, ஒழுங்குமுறை மற்றும் நற்பெயர் அபாயங்களில் இருந்து ஒரு பாதுகாப்பாகவும் செயல்படுகிறது. வலுவான டேட்டா பாதுகாப்பு மற்றும் சார்பு-கட்டுப்பாட்டு (bias-control) நடவடிக்கைகளை செயல்படுத்தத் தவறும் நிறுவனங்கள் சட்டரீதியான அபராதங்களையும், நம்பிக்கையையும் இழக்கும் அபாயத்தை எதிர்கொள்கின்றன.
முதலீட்டாளர்கள் கவனிக்க வேண்டியது என்னவென்றால், ஒரு நிறுவனத்தின் டேட்டா உள்கட்டமைப்பு செலவுகள், அதன் லாபத்தை அல்லது புதிய வருவாய் வழிகளை உண்மையில் மேம்படுத்துகிறதா என்பதுதான். AI முயற்சிகளின் வெற்றி, பரிசோதனை திட்டங்களில் இருந்து முழு அளவிலான செயல்பாடுகளுக்கு நகர்வதைப் பொறுத்தது.