दशकों से, सभी आकारों की कंपनियों ने मान लिया है कि उनके पास उपलब्ध डेटा का उपयोगकर्ता और ग्राहक अनुभवों को बेहतर बनाने और अनुभवजन्य साक्ष्य के आधार पर रणनीतिक योजनाओं को विकसित करने के लिए महत्वपूर्ण मूल्य है।
चूंकि एआई वास्तविक दुनिया के व्यावसायिक अनुप्रयोगों के लिए अधिक से अधिक सुलभ और व्यावहारिक हो जाता है, इसलिए उपलब्ध डेटा का संभावित मूल्य तेजी से बढ़ा है। एआई को सफलतापूर्वक अपनाने के लिए डेटा संग्रह, क्यूरेशन और प्रीप्रोसेसिंग में महत्वपूर्ण प्रयास की आवश्यकता होती है। इसके अलावा, महत्वपूर्ण पहलुओं जैसे कि डेटा गवर्नेंस, गोपनीयता, गुमनामी, नियामक अनुपालन और सुरक्षा को शुरू से ही ध्यान से ध्यान दिया जाना चाहिए।
आईबीएम के यूएस डेटा प्लेटफॉर्म लीडर हेनरीक लेम्स के साथ एक बातचीत में, हमने उपयोग के मामलों में प्रयोगात्मक एआईएस को लागू करने के लिए चुनौतियों का सामना किया। हमने डेटा की प्रकृति, इसके विभिन्न प्रकार और प्रभावी एआई -पावर वाले अनुप्रयोगों को सक्षम करने में इसकी भूमिका की जांच करके शुरू किया।
हेनरिक ने इस बात पर प्रकाश डाला कि सभी उद्यम जानकारी ने इसकी जटिलता को ‘डेटा’ के रूप में संदर्भित किया है। आधुनिक उद्यम विभिन्न प्रकार के डेटा प्रकारों और असंगत गुणवत्ता वाले टुकड़ों की खोज करता है, विशेष रूप से संरचित और असंरचित स्रोतों के बीच।
सरल शब्दों में, संरचित डेटा उन सूचनाओं को संदर्भित करता है जो एक प्रमाणित और आसानी से पता चला प्रारूप में समायोजित की जाती है, जो सॉफ्टवेयर एफटीवेयर सिस्टम के माध्यम से कुशल प्रसंस्करण और विश्लेषण को सक्षम करता है।
Unculted डेटा ऐसी जानकारी है जो एक पूर्वनिर्धारित प्रारूप या संस्थागत मॉडल का पालन नहीं करती है, जो इसे प्रसंस्करण और विश्लेषण के लिए अधिक जटिल बनाती है। संरचित डेटा के विपरीत, इसमें विभिन्न प्रारूप शामिल हैं जैसे कि ईमेल, सोशल मीडिया पोस्ट, वीडियो, छवियां, दस्तावेज और ऑडियो DEO फ़ाइलें। जब इसमें संरचित डेटा के एक स्पष्ट संगठन का अभाव होता है, तो असंरचित डेटा में कीमती अंतर्दृष्टि होती है, जब उन्नत एनालिटिक्स और एआई द्वारा प्रभावी ढंग से संचालित किया जाता है, तो नवाचार चला सकता है और रणनीतिक व्यावसायिक निर्णयों की रिपोर्ट कर सकता है।
हेनरिक ने कहा, “वर्तमान में, 1% से कम एंटरप्राइज़ डेटा का उपयोग जनरेटिव एआई द्वारा किया जाता है, और 90% से अधिक डेटा सीधे प्रभावित होता है,” हेनरिक ने कहा, जो सीधे विश्वास और गुणवत्ता को प्रभावित करता है।
डेटा के संदर्भ में विश्वास का तत्व एक महत्वपूर्ण है। एक संगठन में, निर्णयों को एक दृढ़ विश्वास की आवश्यकता होती है कि उनकी उंगली की जानकारी पूरी तरह से, विश्वसनीय और ठीक से प्राप्त होती है। लेकिन इस बात के सबूत हैं कि व्यवसायों के लिए उपलब्ध आधे से कम डेटा का उपयोग एआई के लिए किया जाता है, जिसमें असंगठित डेटा अक्सर प्रसंस्करण और अनुपालन की जटिलता के कारण होता है – विशेष रूप से पैमाने पर या यह पक्ष को दिया जाता है।
अनुभवजन्य डेटा के पूरे सेट के आधार पर बेहतर निर्णयों के लिए एक रास्ता खोलने के लिए, आसानी से उपभोग की गई जानकारी की चाल को फायरहोज में बदलना होगा। स्वचालित अंतर्ग्रहण इस संबंध में उत्तर है, लेकिन शासन के नियम और डेटा नीतियां अभी भी लागू होनी चाहिए – असंगठित और संरचित डेटा समान रूप से, “हेनरिक ने कहा।
हेनरिक ने तीन प्रक्रियाएं निर्धारित की हैं जो उद्यम को उनके डेटा के अंतर्निहित मूल्य का लाभ देती हैं। “सबसे पहले, पैमाने पर अंतर्ग्रहण। इस प्रक्रिया को स्वचालित करना महत्वपूर्ण है। दूसरा, करी और डेटा गवर्नेंस। और तीसरा (जब) आप इसे जेनेरिक एआई के लिए उपलब्ध कराते हैं। हम किसी भी पारंपरिक राग के उपयोग के मामले में 40% से अधिक आरओआई प्राप्त करते हैं।”
आईबीएम एक एकीकृत रणनीति प्रदान करता है, जो उन्नत सॉफ्टवेयर फैटवेयर समाधान और डोमेन कौशल से जुड़े उद्यम के एआई यात्र की गहरी गहरी को समझता है। ये संगठन मौजूदा शासी और अनुपालन ढांचे को संरचित और असंरचित डेटा दोनों को प्रभावी ढंग से और सुरक्षित रूप से एआई-तैयार परिसंपत्तियों में परिवर्तित करने में सक्षम बनाते हैं।
“हम लोगों, प्रक्रियाओं और उपकरणों को एक साथ लाते हैं। यह स्वाभाविक रूप से आसान नहीं है, लेकिन हम सभी आवश्यक संसाधनों का आयोजन करके इसे आसान बनाते हैं,” उन्होंने कहा।
जैसे -जैसे व्यवसाय पैमाने और परिवर्तन के बारे में लाते हैं, उनकी डेटा विविधता और मात्रा बढ़ जाती है। जारी रखने के लिए, AI डेटा अंतर्ग्रहण प्रक्रिया स्केलेबल और लचीली दोनों होनी चाहिए।
“(कंपनियां) स्केलिंग करते समय कठिनाइयों का सामना करती हैं क्योंकि उनके एआई समाधानों को शुरू में विशिष्ट कार्यों के लिए डिज़ाइन किया गया था। जब वे अपने दायरे का विस्तार करने की कोशिश करते हैं, तो वे अक्सर तैयार नहीं होते हैं, डेटा पाइपलाइन अधिक जटिल हो जाती हैं, और असंगठित डेटा का प्रबंधन करना आवश्यक है।”
आईबीएम का दृष्टिकोण प्रत्येक ग्राहक की एआई यात्रा को पूरी तरह से समझना है, जो प्रभावी एआई कार्यान्वयन के माध्यम से आरओआई प्राप्त करने के लिए एक स्पष्ट मार्ग बनाता है। “डेटा अंतर्ग्रहण, वंश, शासन, उद्योग-विशिष्ट नियमों का अनुपालन, और आवश्यक निरीक्षण के साथ, हम डेटा इंजेक्शन डेटा की सटीकता को पसंद करते हैं। ये क्षमताएं हमारे ग्राहकों को कई उपयोग मामलों में पूरी तरह से पूंजीकृत करने में सक्षम बनाती हैं और उनके डेटा के मूल्य को पूरी तरह से भुनाने में सक्षम हैं।”
प्रौद्योगिकी के कार्यान्वयन में कुछ भी उपयुक्त की तरह, उचित उपकरणों में गुरुत्वाकर्षण को गुरुत्वाकर्षण और किसी भी डेटा समाधान को विकसित करने के लिए सही प्रक्रियाओं को रखना आवश्यक है।
आईबीएम सबसे अधिक नियामक उद्योगों में एआई वर्कलोड को सक्षम करने के लिए उद्यम को कई विकल्प और उपकरण प्रदान करता है, यहां तक कि सबसे नियामक उद्योगों में भी। अंतर्राष्ट्रीय बैंकों, वित्त घरों और इसके ग्राहक रोस्टर में वैश्विक बहुराष्ट्रीय के साथ, इस संबंध में बिग ब्लू के लिए कुछ विकल्प हैं।
एआई के लिए डेटा पाइपलाइनों को सक्षम करने के बारे में अधिक जानने के लिए जो एक व्यवसाय चलाता है और तेजी से, महत्वपूर्ण आरओआई प्रदान करता है, इस पृष्ठ पर जाएं।
