பல இந்திய கம்பெனிகள், ஆர்ட்டிஃபிஷியல் இன்டெலிஜென்ஸ் (AI) எனப்படும் செயற்கை நுண்ணறிவை, சோதனை ஓட்டங்களிலிருந்து (pilot projects) நிஜமான, பெரிய அளவிலான அன்றாட செயல்பாடுகளுக்கு கொண்டு செல்வதில் சிரமப்படுகின்றன. இந்த 'செயல்பாட்டு இடைவெளி' (industrialization gap) காரணமாக, மாடல்களை உருவாக்குவதை விட, தேவையான உட்கட்டமைப்பு, டேட்டா நிர்வாகம் மற்றும் செயல்பாட்டு ஒருங்கிணைப்பு ஆகியவற்றில் கவனம் திரும்பியுள்ளது. இந்திய முதலீட்டாளர்கள், இந்த அமைப்புகளை பெரிய அளவில் உருவாக்கி நிர்வகிக்கக்கூடிய நிறுவனங்கள் மீது கவனம் செலுத்துகின்றனர்.
செயற்கை நுண்ணறிவு (AI) மீதான ஆரம்பகட்ட ஆர்வம், இப்போது யதார்த்தமான நிலையை நோக்கி நகர்கிறது. AI மாடல்கள் வியக்கத்தக்க பணிகளைச் செய்ய முடிந்தாலும், வணிகங்களுக்கு உண்மையான சவால் இனி செயல் விளக்கங்கள் அல்ல, மாறாக அவற்றை பெரிய அளவில் செயல்படுத்துவதுதான் (industrialization). ஒரு நிறுவனத்தின் முக்கிய வணிகச் செயல்பாடுகளில், நாள் தோறும், நம்பகத்தன்மையுடன் AI-ஐ ஒருங்கிணைக்கும் திறனையே இது குறிக்கிறது.
சோதனை கட்டத்தைக் கடந்து செல்லுதல்
பல நிறுவனங்கள் AI சோதனைத் திட்டங்களை வெற்றிகரமாக நடத்துகின்றன. ஏனென்றால், அவை தொகுக்கப்பட்ட தரவுகளைப் (curated data) பயன்படுத்துகின்றன மற்றும் மிக குறிப்பிட்ட பிரச்சனைகளில் கவனம் செலுத்துகின்றன. ஆனால், இந்த தீர்வுகள் உற்பத்திச் சூழலுக்கு (production environment) கொண்டு செல்லப்படும்போது, நிஜ உலக சவால்களை எதிர்கொள்கின்றன. வெவ்வேறு துறைகளுக்கு இடையே உள்ள தரவு முரண்பாடுகள், புதிய தொழில்நுட்பங்களுக்கு எளிதில் பொருந்தாத பணிப்பாய்வுகள் (workflows) மற்றும் முறையான பொறுப்புக்கூறலின் (accountability) தேவை ஆகியவை இதில் அடங்கும். உற்பத்தித் துறைகளில் ஒரு பாகம் முழு அசெம்பிளி லைனிலும் செயல்பட வேண்டும் என்பதை உறுதி செய்வது போல, AI திறம்பட செயல்பட ஒரு வலுவான அமைப்பு தேவை.
செயல்பாட்டு ஒருங்கிணைப்பின் செலவு
AI-ஐ பெரிய அளவில் செயல்படுத்துவதற்கு கணிசமான நிதி மற்றும் செயல்பாட்டு அர்ப்பணிப்புகள் தேவை. தினமும் லட்சக்கணக்கான முடிவுகளை எடுக்கும் ஒரு அமைப்பை இயக்குவது, சில சோதனை வினவல்களை நிர்வகிப்பதை விட மிகவும் விலை உயர்ந்தது. இதன் விளைவாக, தீவிரமான வணிகங்கள், அடிப்படை AI கருவிகளை வாங்குவதை விட, தரவு கட்டமைப்பு, பாதுகாப்பு மற்றும் நிர்வாகம் போன்ற அத்தியாவசிய உட்கட்டமைப்புகளுக்கு தங்கள் செலவினங்களை மாற்றுகின்றன. இந்த அமைப்புகளை உள்நாட்டில் உருவாக்கும் நிறுவனங்கள், ஆழமான ஒருங்கிணைப்பு மூலம் போட்டித்தன்மையை அதிகரிக்க சிறந்த நிலையில் உள்ளன. இது ஒரு எளிய மென்பொருள் புதுப்பிப்பு என்பதை விட, ஒரு இயக்க முறைமை சவால். இதை தவறாக அணுகும் நிறுவனங்கள், தங்கள் முதலீடு எதிர்பார்த்த செயல்திறனைத் தராமல் போகலாம்.
இந்தியாவின் தனித்துவமான அளவு வாய்ப்பு
இந்தியா, ஆதார் மற்றும் யுனிஃபைட் பேமென்ட்ஸ் இன்டர்ஃபேஸ் (UPI) போன்ற மிகப்பெரிய டிஜிட்டல் தளங்களை உருவாக்கி நிர்வகித்ததில் ஒரு சாதனை படைத்துள்ளது. இந்த திட்டங்கள், தொழில்நுட்பத்தை ஒரு சிக்கலான, துண்டு துண்டான பொருளாதாரத்தில் வெற்றிகரமாக ஒருங்கிணைத்து, அதை பெரிய அளவில் நம்பகத்தன்மையுடன் செயல்பட வைத்தன. இந்த அனுபவம், உலகளாவிய AI போட்டியில் ஒரு சாத்தியமான நன்மையை அளிக்கிறது. மிகவும் விலையுயர்ந்த மாடல்களை உருவாக்குவதில் மட்டும் கவனம் செலுத்துவதற்குப் பதிலாக, உற்பத்தி, லாஜிஸ்டிக்ஸ், சுகாதாரம் மற்றும் விவசாயம் போன்ற நிஜ உலகப் பொருளாதாரத் துறைகளில் AI-ஐப் பயன்படுத்துவதில் இந்தியாவின் வாய்ப்பு உள்ளது. ஸ்திரத்தன்மையை தியாகம் செய்யாமல், இந்தத் துறைகளில் AI-ஐ நம்பகத்தன்மையுடன் செயல்பட வைக்கும் நிறுவனங்களுக்கு உண்மையான மதிப்பு கிடைக்கும்.
முதலீட்டாளர்கள், AI-ஐ அவற்றின் தொழில்நுட்ப செயல்திறனை மட்டும் பார்க்காமல், நிறுவனங்களின் தற்போதைய வணிக முடிவுகள் மற்றும் செயல்பாட்டு யதார்த்தங்களுடன் எவ்வாறு ஒருங்கிணைக்கிறார்கள் என்பதைக் கண்காணிக்கலாம். இந்தத் துறையில் உள்ள நிறுவனங்களுக்கான முக்கிய கண்கானிப்பு அம்சம், தொடர்புடைய செலவுகள் மற்றும் உட்கட்டமைப்புத் தேவைகளை நிர்வகிக்கும்போது, இந்த செயல்பாட்டு இடைவெளியை கடக்கும் திறனாக இருக்கும். இந்த தொழில்நுட்பம் சார்ந்த முயற்சிகளின் நீண்டகால செயல்திறன், AI வெளியீட்டை ஒழுங்குமுறை கட்டுப்பாடுகள் மற்றும் செயல்பாட்டுத் திறனுடன் எவ்வளவு சிறப்பாக ஒருங்கிணைக்கிறது என்பதைப் பொறுத்தது.