Whalesbook
இன்ஃப்ராஸ்ட்ரக்சர் முரண்பாடு (Infrastructure Paradox)
செயற்கை நுண்ணறிவு (AI) மீதான நிறுவனங்களின் ஆர்வம், பழமையான ஐடி கட்டமைப்புகளின் (Aging IT Stacks) யதார்த்தத்துடன் மோதி நிற்கிறது. AI-க்கு தேவையான திறமை அல்லது பட்ஜெட் ஒரு சவால் என்று பொதுவாக பேசப்பட்டாலும், தற்போது அதன் செயலாக்கத்தில் உள்ள தடங்கல்கள் முக்கியமாக நிறுவனங்களின் உட்கட்டமைப்பு (Physical and Logical Architecture) சார்ந்த பிரச்சனைகளால் ஏற்படுகிறது.
நிலையான, ஒருங்கமைந்த டேட்டா சென்டர்களை (Monolithic Data Centers) வைத்திருக்கும் நிறுவனங்கள், ஜெனரேட்டிவ் AI (Generative AI) என்பது வெறும் மென்பொருள் மட்டுமல்ல, அதற்கு நெட்வொர்க் இணைப்பு மற்றும் ஹைபிரிட் கிளவுட் (Hybrid Cloud) நெகிழ்வுத்தன்மை ஆகியவற்றில் அடிப்படை மாற்றங்கள் தேவை என்பதை உணர்கின்றன.
தொழில்நுட்ப தேக்கத்தின் விலை (Cost of Technical Stagnation)
தேவையான கணினி சக்தியைத் தாண்டி, நவீனமயமாக்கத் தவறுவது மூலதனத் திறனில் (Capital Efficiency) ஒரு நிரந்தர தேக்கத்தை ஏற்படுத்துகிறது. பாதுகாப்பு, இணைப்பு, டேட்டா கட்டமைப்பு, மென்பொருள் என அனைத்தையும் தனித்தனியாக மதிப்பிடும்போது, ஏற்படும் தாமதம் நிகழ்நேர டேட்டா உள்ளீட்டைத் தடுக்கிறது. இதனால்தான், **40%**க்கும் அதிகமான நிர்வாகிகள் AI திட்டங்களுக்கான கொள்முதல் மற்றும் திட்ட ஒப்புதல்கள் தாமதமாகின்றன என்று கூறுகின்றனர்.
AI-க்கு முன் தங்கள் டேட்டா கட்டமைப்புகளை நவீனப்படுத்திய நிறுவனங்கள், தற்போது இரட்டிப்பு முதலீட்டு வருமானத்தை (Return-on-Investment) பார்க்கின்றன. ஆனால், பழைய அமைப்புகளைப் புதுப்பிக்க முயலும் நிறுவனங்கள், ஒரு சுழற்சியில் சிக்கியுள்ளன.
அபாய மதிப்பீடு (Risk Assessment)
ரிஸ்க் குறைப்பு பார்வையில், பழமையான கட்டமைப்பை நம்பியிருப்பது குறிப்பிடத்தக்க செயல்பாட்டு பாதிப்புகளை (Operational Vulnerabilities) ஏற்படுத்துகிறது. பழைய டேட்டாபேஸ்களில் (Legacy Databases) அதிக வேகம் கொண்ட AI வேலைகளைச் செயல்படுத்தும் நிறுவனங்கள், டேட்டா ஒருமைப்பாடு (Data Integrity) மற்றும் பாதுகாப்பு இணக்கத்தன்மை (Security Compliance) ஆகியவற்றில் தீவிரமான அபாயங்களை எதிர்கொள்கின்றன.
இந்த அமைப்புகள் பெரிய மொழி மாதிரிகளுக்கு (Large Language Models) தேவையான நுணுக்கமான அணுகல் கட்டுப்பாட்டிற்காக வடிவமைக்கப்படாததால், பாதுகாப்பு கட்டமைப்புகள் செயல்பாட்டு வேகத்திற்கு முக்கிய தடையாக மாறுகின்றன. மேலும், தனித்தனி, தனியுரிம பழைய விற்பனையாளர்களை (Proprietary Legacy Vendors) நம்பியிருப்பது, அதிக பராமரிப்பு ஒப்பந்தங்களில் (High-Maintenance Contracts) நிறுவனங்களை சிக்க வைக்கிறது. இதனால், திறமையான, கிளவுட்-நேட்டிவ் (Cloud-Native) தீர்வுகளுக்கு மாறுவதற்கான அவர்களின் திறனைக் கட்டுப்படுத்துகிறது. இது, இருப்புநிலைக் குறிப்பில் (Balance Sheets) அரிதாகத் தெரியும் ஒரு மறைமுகப் பொறுப்பாகும்.
சந்தை பார்வை மற்றும் உத்தி மாற்றங்கள் (Market Outlook and Strategic Shifts)
தொழில்நுட்பத் துறையில் AI பரிசோதனையின் ஆரம்ப உற்சாகத்திலிருந்து கவனம் மாறி, நிறுவனத்தின் 'பிளம்பிங்' (Plumbing) எனப்படும் அடிப்படை கட்டமைப்புகளுக்கு முக்கியத்துவம் அளிக்கிறது. அடுத்த காலாண்டுகளில் மூலதனச் செலவினங்கள் (Capital Expenditure) அடிப்படை ஒருங்கிணைப்புக்கு முன்னுரிமை அளிக்கும் நிறுவனங்களுக்கு சாதகமாக இருக்கும்.
நிறைவேற்றுபவர்கள், அல்காரிதத்தின் (Algorithm) நுணுக்கத்தை விட, அடிப்படை நெட்வொர்க்கின் நீடித்து நிலைக்கும் தன்மை மற்றும் ஊடுருவல் தன்மைதான் முக்கிய தடங்கல் என்பதை உணர்ந்து வருகின்றனர். இந்த கட்டமைப்பு குறைபாடுகளை நிவர்த்தி செய்யத் தவறும் நிறுவனங்கள், தங்கள் AI முயற்சிகள் நிரந்தர ப்ரூஃப்-ஆஃப்-கான்செப்ட் (Proof-of-Concept) நிலைகளில் ஒதுக்கப்படுவதற்கான அபாயத்தை எதிர்கொள்கின்றன.