வணிக முக்கியத்துவம் வாய்ந்த AI-ஐ நம்பிக்கையுடன் செயல்படுத்துதல்

• இப்போது AI-ஐ நடைமுறைப் பயன்பாட்டில் பெரும்பாலான நிறுவனங்கள் வைத்துள்ளன. ஆனால் வாடிக்கையாளர் அனுபவங்கள், வணிக முக்கியத்துவம் வாய்ந்த முடிவுகள், மிகக் குறைந்த மனித மேற்பார்வையுடன் இயங்கும் செயல்முறைகள் போன்ற உண்மையில் முக்கியமான இடங்களில் கிட்டத்தட்ட எந்த நிறுவனமும் அதைப் பயன்படுத்தவில்லை. இந்த இடைவெளியில்தான் போட்டி ஆதாயம் வெல்லவும் இழக்கவும் படுகிறது.

• இதற்கான தடையாக இருப்பது பொதுவாகத் திறன் அல்ல, நம்பிக்கைதான். அதிகப் பொறுப்பும் அபாயமும் கொண்ட AI செயல்படுத்தலில், நான்கு குறிப்பிட்ட அளவுகோல்கள் நிறைவேறுவதன் விளைவாக இந்த நம்பிக்கை உருவாகிறது.

• AI-இன் நடத்தையை எப்படிச் சோதிக்கிறீர்கள், பெருநிறுவன அளவில் தீர்வுகளை எப்படிக் கட்டமைத்து நிர்வகிக்கிறீர்கள், இது ஏன் முக்கியம் என்பதை உங்கள் தலைமை உண்மையாக ஏற்றுள்ளதா ஆகியவற்றை அந்த அளவுகோல்கள் உள்ளடக்குகின்றன.

• இந்த நம்பிக்கை அளவுகோல்களை நிறைவேற்றுவது, நிறுவனத்தின் இயல்பான செயல்திறனையும் பொறுப்புணர்வையும் வளர்த்து, குறிப்பிடத்தக்க மாற்றங்களை உருவாக்க AI-ஐச் செயல்படுத்தத் தயங்குவதற்கான காரணங்களைக் குறைக்கிறது. இது இல்லையெனில், நிறுவனம் செயல்படும் முறையில் கணிசமான தாக்கத்தை ஏற்படுத்தாமல், ஓரநிலைப் பயன்பாடுகளில் சில பவுண்டுகளைச் சேமிப்பதிலேயே AI முடங்கிவிடும்.

AI காலக்கணக்கில் பல தசாப்தங்களுக்கு முன்பான கடந்த ஆண்டு இதே நேரத்தில், பெரும்பாலான நிறுவனங்கள் “AI-இன் கருத்துருச் சான்று முடக்கநிலையில்” இருந்தன: AI என்ன செய்யக்கூடும் என்பதைக் காட்டும் பல சுவாரசியமான கருத்துருச் சான்றுகள் இருந்தாலும், அவற்றில் எதையும் நடைமுறைப் பயன்பாட்டுக்குக் கொண்டுவர முடியாமல் தவித்தன. ஓராண்டுக்குப் பிறகு, பல நிறுவனங்கள் குறைந்தது சில AI தீர்வுகளையாவது நடைமுறைப் பயன்பாட்டில் வைத்துள்ளன; இது மிகச் சிறந்த முன்னேற்றம் ஆகும்.

ஆனால் பெரும்பாலும் AI ஓரநிலைச் செயல்முறைகளில்தான் பயன்படுத்தப்படுகிறது. இதைச் செய்வது எளிது; ஆர்வமுள்ள ஒரு வணிகப் பயனருடன் புத்தாக்கக் குழுவே அதை உருவாக்கலாம்; தவறு ஏற்பட்டாலும் “உலகம் முடிந்துவிடாது.” அந்தச் செயல்முறை அதிக முக்கியமில்லை, கைமுறை மாற்றுச் செயல்முறை இருக்கும் அல்லது எதிர்மறை விளைவுகளைக் கட்டுப்படுத்தப் பல மனித மேற்பார்வையாளர்கள் இருப்பார்கள்.

புரிந்துகொள்ளக்கூடிய ஆனால் எச்சரிக்கையான இந்த அணுகுமுறையால், அந்தத் தீர்வுகளின் தாக்கமும் குறைவாகவே உள்ளது. வளர்ச்சி வாய்ப்பு, வாடிக்கையாளர் அனுபவம் அல்லது செலவுக் கட்டமைப்பில் அவை குறிப்பிடத்தக்க மாற்றத்தை ஏற்படுத்தியிருக்க வாய்ப்பில்லை.

இதுதான் எதிர்கால வெற்றியாளர்களை மற்றவர்களிடமிருந்து பிரிக்கிறது. முன்னோக்குச் சிந்தனை கொண்ட நிறுவனங்கள், வணிகச் செயல்திறனுக்கு முக்கியமான இடங்களில் AI-ஐப் பயன்படுத்த முதலீடு செய்கின்றன.

பின்தங்கிய நிறுவனங்களும் “AI-ஐப் பயன்படுத்துகின்றன”; ஆனால் வணிகத்தில் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்தும் இடங்களில் அல்ல.

ஆம், முதலீட்டு முடிவுகள், வாடிக்கையாளர் அனுபவம், தயாரிப்பு மேம்பாடு, ஆராய்ச்சி மற்றும் வடிவமைப்பு, “மனிதத் தலையீடற்ற தானியக்கங்கள்” ஆகியவற்றில் AI-ஐப் பயன்படுத்துவது அதிக அபாயமாகத் தோன்றலாம். ஆனால் உண்மையான பலன்கள் அங்குதான் உள்ளன.

இந்தத் துறையில் முன்னேறும் நிறுவனங்கள் இன்னும் சந்தையின் பார்வைக்குத் தெரியாமல் இருக்கலாம். ஆனால் அவை தெரியவரும் நேரத்தில் இடைவெளி பெரிதாக இருப்பதுடன், AI செயல்படுத்தலின் வேக வேறுபாடு காரணமாகவும் அது தொடர்ந்து விரிவடையும். தாங்கள் இத்தனை காலம் எதில் தவறினோம் என்பதைப் பின்தங்கியவர்கள் அப்போதுதான் உணர்வார்கள்.

எனவே கேள்வி இதுதான்: உண்மையில் முக்கியமான செயல்முறைகளில் AI-ஐ நம்பிக்கையுடன் பயன்படுத்த ஒரு நிறுவனத்திற்கு என்ன தேவை?

முதலில், “ChatGPT போன்ற AI கருவி எங்களிடம் உள்ளது” என்பதிலிருந்து “கருத்துருச் சான்றுகள் எங்களிடம் உள்ளன” என்பதற்கும், பின்னர் “10 எளிய AI தீர்வுகள் பயன்பாட்டில் உள்ளன” என்பதற்கும் நீங்கள் ஏற்கெனவே முன்னேறிவிட்டீர்கள் எனக் கொள்வோம். இல்லையெனில், இதை முன்னுரிமையுடன் சரிசெய்ய வேண்டும். இந்த ஆரம்பப் படிகள் சாதாரணமாகத் தோன்றினாலும், பெருநிறுவனம் முழுவதும் AI அறிவை வளர்க்கவும், சிறந்த பயன்பாட்டு யோசனைகளை உருவாக்கவும், எந்த AI தீர்வையும் நடைமுறைப் பயன்பாட்டுக்குக் கொண்டுவர வேண்டிய உள் நடவடிக்கைகளை வெளிக்கொணரவும் அவை அவசியம்.

இந்த நிலையில் நிறுவனம் அதிக லட்சியத்துடன், “மனித மேற்பார்வையுடன் குறிப்பிடத்தக்க நடைமுறை AI தீர்வுகளை” வழங்குவதற்கும், பின்னர் வேறுபாட்டை உருவாக்கும் “எங்கள் மையச் செயல்முறைகளிலும் வாடிக்கையாளர் அனுபவங்களிலும் AI-ஐப் பயன்படுத்துகிறோம்” என்ற நிலைக்கும் முன்னேற வேண்டும்.

முன்னேற்றத்தின் அந்த இறுதிப் படிகளுக்குத் தடையாக இருப்பது தொழில்நுட்பம் அல்ல; நிறுவனத்தின் நம்பிக்கையே பெரும்பாலும் தடையாகிறது. ஏனெனில் கடினமானவற்றைத் தள்ளிப்போடவோ தவிர்க்கவோ எப்போதும் ஒரு காரணம் இருக்கும்:

“அது தவறான நுண்ணறிவுகளை வழங்கினால் என்ன?”, “அது தவறாக நடந்துகொண்டு நாம் செய்திகளில் இடம்பெற்றால் என்ன?”, “அது கணக்கீட்டில் தவறிழைத்து நாம் தவறான முடிவெடுத்தால் என்ன?”, “அது வாடிக்கையாளர்களைத் தவறாக நடத்தினால் என்ன?”, “மாடல் கிடைக்காமல் போனால் என்ன?”, “இதன் புதுப்பிப்புகளை எப்படி ஆதரிப்பது?”, “ஒழுங்குமுறை மாறினால் என்ன?”, “புதிய மாடலுக்காகக் காத்திருக்க வேண்டுமா?” போன்றவை.

அதிகத் தாக்கம் கொண்ட AI ஆதரவு மாற்றத்திற்கான “செயல்பாட்டுக்குக் கொண்டுசெல்” பொத்தானை நம்பிக்கையுடன் அழுத்தப் பொதுவாக நான்கு நிபந்தனைகள் தேவை என்பது எங்கள் கருத்து ஆகும்.

1. ஏன்: “எங்கள் வணிக வெற்றிக்கு AI ஏன் முக்கியம்” என்ற கருத்தை நிறுவனம், குறிப்பாக உயர்மட்ட நிர்வாகிகள், உண்மையாக ஏற்றுள்ளனரா? அவர்கள் ஏற்கவில்லை என்றால், கடினமான முடிவுகளிலிருந்து விலகுவதற்கான காரணங்களை நிறுவனம் கண்டுபிடிக்க அதிக வாய்ப்புள்ளது.

2. இயலுமைப்படுத்தல்: AI உடன் நிறுவனம் பரிணமிக்கும்போது அதை ஆதரிக்க AI மாற்றம் அல்லது இயலுமைப்படுத்தல் குழு உள்ளதா? அது பயன்பாட்டை ஏற்றல், கல்வி, ஒழுங்குமுறைகள், புதிய பணிமுறைகள், அனுமானங்களைச் சவாலிடுதல், தேவையான நிதியை வழங்குதல் போன்றவற்றைக் கையாள வேண்டும். மேகக் கணிமை அல்லது மின்னணுமயமாக்கல் முயற்சிகள் பல நேரங்களில் இருந்ததுபோல், AI என்பது “தொழில்நுட்பக் குழுவே சரிசெய்ய வேண்டிய” மாற்றமல்ல. அது வணிகத்தால் முன்னெடுக்கப்பட்டு, சிறப்பாக ஆதரிக்கப்பட வேண்டும்.

3. எப்படி: நடைமுறை AI-க்கான பெருநிறுவன மற்றும் தீர்வுக் கட்டமைப்பு நிறுவப்பட்டுள்ளதா? இது தொடர்ந்து பரிணமிக்கும் துறையாக இருந்தாலும், ஒரு தெளிவான பார்வை இருப்பது சரியான பாதுகாப்புத் தடுப்புகள், செலவு, கண்காணிப்புத் திறன், கட்டுப்பாடுகள், மாடல் அணுகல் போன்றவை குறித்த சிந்தனையையும் அறிவு வளர்ச்சியையும் கட்டாயப்படுத்துகிறது. AI தொடர்பாக நிறுவனம் “என்ன செய்கிறோம் என்பதை அறிந்துள்ளது” என்ற உள் நம்பகத்தன்மையை இது உருவாக்கத் தொடங்குவதுடன், பல்வேறு முரண்பட்ட கட்டமைப்பு முறைகளையும் தடுக்கிறது.

4. செயல்பாட்டுக்குக் கொண்டுசெல்லும் நம்பிக்கைச் சோதனை: “செயல்பாட்டுக்குக் கொண்டுசெல்ல இது போதுமான அளவு சிறப்பாக உள்ளதா?” என்ற கேள்வியில் தீர்வு உரிமையாளர்கள் முடிவின்றித் தாமதிக்கலாம். வழக்கமான தர உறுதிக் குழுச் சோதனை, தீர்மானிக்க முடியாத AI முறைமைக்குத் தேவையான நம்பிக்கையையும் பொறுப்புணர்வையும் வழங்காது. மதிப்பீடுகள் அவற்றை வழங்கும்.

இவற்றை தலைகீழ் வரிசையில் பார்க்கலாம். ஏனெனில் செயல்பாட்டுக்குக் கொண்டுசெல்லும் நம்பிக்கை குறித்த முடிவெடுப்புக்கு இதுவே மிக நெருக்கமான வரிசை ஆகும்.

பல தசாப்தங்களாக, ஒரு வெளியீடு போதுமான அளவு சிறப்பாக உள்ளதா என்பதைத் தீர்மானிக்க தர உறுதிக் குழுவை நிறுவனங்கள் நம்பியுள்ளன. ஆவணப்படி சோதனையை வணிகப் பங்குதாரர்கள் செய்தனர்; ஆனால் உண்மையில் தர உறுதிக் குழுவே செய்தது. எண்ணற்ற “இது நடந்தால் அதைச் செய்” விதிகளின் அடிப்படையில், தேர்ச்சி அல்லது தோல்வியாக முடிவு இருந்தது. வேலை அதிகம், ஆனால் அணுகுமுறை நேரடியானது.

நடத்தையை மதிப்பிட வேண்டிய AI-க்கு அந்த முறை பொருந்தாது.

மதிப்பீடுகள் மூலமே பண்புசார் AI நடத்தையை அளவிடக்கூடியதாக மாற்றுகிறீர்கள். தேர்ச்சி அல்லது தோல்விக்குப் பதிலாகச் சரியான தன்மை, தொனி, உண்மைசார் கிரௌண்டிங், மறுக்கும் நடத்தை போன்ற அளவுகோல்களை வரையறுத்து மதிப்பெண்களை வழங்குகிறீர்கள். ப்ராம்ப்ட்கள், மாடல்கள், பாதுகாப்புத் தடுப்புகள் போன்றவற்றை மேம்படுத்தும்போது திட்டப்பணி முழுவதும் அந்த மதிப்பெண்களைக் கண்காணியுங்கள். இதன் மூலம் திட்டப்பணிக் குழு, மாற்றக் குழுக்கள், வணிகத் தலைமை ஆகியவை நம்பிக்கையுடன் செயல்படக்கூடிய ஆதாரம் கிடைக்கும்: திட்டப்பணிக் காலத்தில் x-இலிருந்து y-ஆக உயர்ந்த சரியான தன்மைக்கான மதிப்பெண் ஆகும்.

இரு செயல்களை அந்த எண் செய்கிறது. முதலாவதாக, காலப்போக்கிலான முன்னேற்றத்தை நிரூபித்து, நிர்ணயிக்கப்பட்ட எதிர்பார்ப்புகளுக்குள் முறைமை தொடர்ச்சியாகவும் நம்பகமாகவும் நடந்துகொள்கிறது என்பதற்கான உறுதியான ஆதாரத்தைப் பங்குதாரர்களுக்கு வழங்குவதன் மூலம் நம்பிக்கையை உருவாக்குகிறது.

இரண்டாவதாக, அது பொறுப்புணர்வை உருவாக்குகிறது. அவர்கள் சுட்டிக்காட்டக்கூடிய எண்களும், அந்த மதிப்பீடுகளின் மூலவரலாறும் இவைதான். நன்கு வரையறுக்கப்பட்ட பல்வேறு சூழல்களில் சோதிக்கப்பட்ட, ஆவணப்படுத்தப்பட்ட மதிப்பீட்டுத் தொகுப்பு, உரிய கவனம் செலுத்தப்பட்டதைக் காட்டும் சோதனை அறிக்கைக்கு நிகரான AI ஆதாரமாகும். அது செய்ய வேண்டியதை மட்டும் செய்கிறதா, அதைச் செய்ய வேண்டிய முறையில் மட்டும் செய்கிறதா என்பதை ஒப்புதல் குழு இதன் மூலம் அறியலாம்.

மதிப்பீட்டு அளவுகோல்கள் போதுமான ஆழம் கொண்டிருந்தால்தான் அந்த எண்கள் பொருளுடையவை. இதற்கு பெரும்பாலான நிறுவனங்கள் தொடக்கத்தில் தவறாகக் கையாளும் செயல்பாட்டு முறை மாற்றம் தேவை: மதிப்பீட்டு அளவுகோல்களுக்கு வணிகப் பிரிவே உரிமையாளராக இருக்க வேண்டும்; தொழில்நுட்பக் குழு, தர உறுதிக் குழு அல்லது பொறுப்பு ஒப்படைக்கப்பட்ட ஒற்றை இளநிலைப் பயனர் அல்ல. துறை, அரிதான சூழல்கள், விரும்பிய பேச்சுத் தொனி, பயனர்கள் மேற்கொள்ளக்கூடிய தொடர்புகளின் வகைகள், பொருத்தமான ரீஸனிங் படிகள், தோல்வி முறைகள், சரியான கேள்வி மற்றும் பதில் இணைகள் போன்றவற்றைத் தயாரிப்பு உரிமையாளர்களும் நிபுணர்களும் புரிந்திருப்பார்கள். தீர்வைப் பயன்படுத்தி அதைச் செயல்படுத்துபவர்களே நல்ல தீர்வு எப்படி இருக்க வேண்டும் என்பதைத் தீர்மானிக்க வேண்டும்.

வாடிக்கையாளர் அனுபவத்தின் மையத்தில் AI-ஐப் பயன்படுத்தும் தீர்வுக்கு நீங்கள் ஒப்புதல் அளிக்க வேண்டுமெனில், இரு கேள்விகளை மட்டும் கேட்க வேண்டும்:

(1) மதிப்பீட்டு அளவுகோல்களை வடிவமைத்தது யார், மேலும்

(2) காலப்போக்கில் அந்த அளவுகோல்களுக்கு எதிரான மதிப்பீட்டுச் செயல்திறன் மேம்பட்டு, இப்போது குறைந்தபட்ச வரம்பைக் கடந்துள்ளதா?

“தொழில்நுட்பக் குழு அவற்றை உருவாக்கியது; ஆனால் முடிவுகள் எங்களுக்குத் திருப்தியாக உள்ளன” என்பது பதிலானால், அந்தப் பயன்பாடு தயாராக இல்லை. “ஆம், கடந்த வாரம் சோதித்தோம்; அது தேர்ச்சி பெற்றது” என்பது பதிலானால், தேவையான நம்பிக்கையை ஏற்படுத்தும் அளவுக்கு மதிப்பீட்டு முதிர்ச்சி இல்லை என்றே கொள்ளலாம். ஏனெனில் உருவாக்கப் பணியின் தொடக்கப் புள்ளியாக அந்த மதிப்பீடுகள் இருந்திருக்க வாய்ப்பில்லை.

ஆனால் உருவாக்கம் முழுவதும் மதிப்பீடுகளை வணிகத் தயாரிப்பு உரிமையாளர் வரையறுத்து, மீளாய்வு செய்து, தொடர்ந்து செம்மைப்படுத்தி, சரியான திசையில் செயல்திறன் முன்னேறுவதை உங்களுக்குக் காட்ட முடிந்தால், அது ஒப்புதல் அளிக்கத் தகுந்த தீர்வாகும்.

AI கட்டமைப்புக் கொள்கைகள் மற்றும் தரநிலைகளுடனான ஒத்திசைவிலிருந்து மேலும் ஓர் அடுக்கு நம்பிக்கை கிடைக்கிறது. தொடங்குவதற்காக உங்கள் முதல் ஐந்து AI பயன்பாடுகளை ஏற்ற விதத்தில் உருவாக்குவது பொருத்தமாக இருந்திருக்கலாம். ஆனால் நிறுவனம் முழுவதும் பாதுகாப்பான, நன்கு நிர்வகிக்கப்படும் AI செயல்படுத்தல்களைப் பெருமளவில், அதிக வேகத்தில் மேற்கொள்ள, மாதிரிப் பயன்பாட்டுக் கட்டமைப்புகளும் பெருநிறுவன AI தளமும் கொண்ட கட்டமைக்கப்பட்ட அணுகுமுறை அவசியமாகிறது.

அனைத்துப் பொறியியல் குழுக்களும் மாடல் அணுகல், பாதுகாப்புத் தடுப்புகள், கண்காணிப்புத் திறன், விரிவாக்கம், செலவு மேலாண்மை போன்றவற்றை விரைவாகப் பெற்றுக்கொள்ள வேண்டும். அப்போதுதான் தீர்வைப் பொறியமைப்பதில் அவை கவனம் செலுத்த முடியும்.

மாற்றத்தின் வேகம் காரணமாகக் குறுகிய காலமே பொருந்தக்கூடியதாக இருந்தாலும், பெருநிறுவன AI தளம் மற்றும் கட்டமைப்பு அணுகுமுறைகள் குறித்த தெளிவான பார்வை இருப்பது, முக்கிய முறைமைகளில் AI-ஐப் பாதுகாப்பாகச் செயல்படுத்த முடியும் என்ற நிறுவனத்தின் நம்பிக்கையை மேலும் வளர்க்கிறது. முக்கியக் காரணிகள் அனைத்தையும் யாரோ பரிசீலித்து, செயல்படுத்துவதற்கான உகந்த வழியைத் தீர்மானித்துள்ளனர் என்பதே இதன் பொருள் ஆகும். முக்கியச் செயல்முறைகளை அந்தத் தீர்வு ஆதரிக்கும் என்ற நம்பிக்கையையும் இது அதிகரிக்கிறது.

இது “அதே வேலையைச் செய்வது, ஆனால் ஓர் AI கருவிக்கான அணுகலுடன்” என்பதல்ல. இது பழகிப்போன கருத்தாக இருக்கலாம்; ஆனால் மாற்றம் என்பது செயல்முறைகளை மறுவடிவமைத்தல், தயாரிப்பு வழங்கல்களை மறுபரிசீலனை செய்தல், வாடிக்கையாளர் அனுபவத்தை மேம்படுத்தல், பணிமுறைகளையும் பெரும்பாலும் குழுக் கட்டமைப்புகளையும் மாற்றுதல் ஆகியவற்றைக் குறிக்கிறது.

அது மற்ற வேலைகளுக்கு இடையே செய்யப்படும் துணைச் செயல்பாடாக நிகழாது; தொழில்நுட்பக் குழுவால் மட்டும் அதை முன்னெடுக்கவும் முடியாது. உங்கள் மூன்று முழுநேரப் பணியாளர்களைக் கொண்ட “புத்தாக்கக்” குழுவாலும் முடியாது. “தானாகவே எல்லாம் சரியாகிவிடும்” என்ற அணுகுமுறையைப் பின்பற்றினால், வெற்றிபெறும் போட்டியாளர்கள் அடையக்கூடிய மாற்ற வேகத்தை நீங்கள் அடைய முடியாது.

மேலும், உண்மையிலேயே “ஆட்டத்தை மாற்றும்” பயன்பாடுகளைக் கண்டறிந்து அவற்றுக்கான ஆதரவைப் பெற, பெருநிறுவனம் முழுவதும் AI குறித்த ஆழமான அறிவும் அதைப் பற்றிய நேர்மறையான மனப்பாங்கும் தேவை.

எனவே, நிறுவனத்திற்கு என்ன தேவை, மாற்றத்தை எப்படி இயலுமைப்படுத்துவது என்பவற்றை அறிந்து AI-ஐப் புரிந்தவர்களுக்கு, இதை நிறைவேற்ற இயக்குநர் குழுவின் அதிகாரம் வழங்கப்பட வேண்டும். அவர்கள் ஒருங்கிணைப்பு, உத்வேகம், நிதி, செல்வாக்கு, நிர்வாகம், முன்னுரிமை நிர்ணயம் மற்றும் முடிவெடுத்தலை வழங்க வேண்டும்.

குறிப்பாக ஆரம்பக் கட்டங்களில், மைய AI மையம், AI மாற்றப் பிரிவு அல்லது AI அலுவலகம் போன்ற அமைப்பு சிறப்பாகச் செயல்படும். செயல்படுத்துவதற்கான உத்தி நிறுவனத்திடம் உள்ளது, முக்கிய முடிவுகளை விரைவாக எடுத்து உரிய பிரிவுகளுக்கு வழங்க முடியும், AI மாற்றத்திற்கான தரக் கட்டுப்பாட்டு நிலைகளை அமைக்க முடியும் என்ற நம்பிக்கையை இந்த மையக் குழு உருவாக்குகிறது. இது இல்லையெனில் அணுகுமுறை மிகவும் சிதறிப்போய், முடிவுகள், தயாரிப்பு அல்லது தீர்வுத் தேர்வுகள், தரம் ஆகியவற்றில் முரண்பாடுகளை ஏற்படுத்தலாம். இறுதியில் அதிகப் பொறுப்பும் அபாயமும் கொண்ட பகுதிகளில் AI-ஐச் செயல்படுத்துவதற்கான நம்பிக்கையையே அது பாதிக்கும்.

முன்பு குறிப்பிட்டபடி, வாடிக்கையாளர் அனுபவம், தயாரிப்புச் செயல்திறன், உற்பத்தி வேகம் போன்றவற்றை மேம்படுத்தும் முக்கியச் செயல்முறைகள் மற்றும் அனுபவங்களின் மையத்தில் AI-ஐ அடிக்கடியும் விரைவாகவும் பயன்படுத்துவதற்கான நிறுவன அனுபவம், நிபுணத்துவம், நம்பிக்கை ஆகியவற்றை உருவாக்கிய நிறுவனங்களே AI மூலம் உண்மையான போட்டி ஆதாயத்தைப் பெறும்.

சிறந்த மதிப்பீட்டு நடைமுறைகள், விரைவாகத் தகவமைந்து விரிவாக்கக்கூடிய கட்டமைப்பு, கற்கவும் தகவமைக்கவும் புதிய பணிமுறைகளை நிறுவவும் நிறுவனத்திற்கு உதவும் “முடியும்” என்ற மனப்பாங்குள்ள மாற்ற மேலாண்மை ஆகிய அனைத்தும் தேவை.

ஆனால் இவற்றில் எதுவும் “கீழிருந்து மேலாக” வெற்றிகரமாக நிகழாது. மாற்றங்களும் அவற்றின் விளைவுகளும் அதற்கு இடமளிக்காத அளவுக்கு வேகமானவை, தாக்கம் மிக்கவை. “இயக்குநர் குழு ஒப்புதல்” அல்லது “நிர்வாக ஆதரவு” என்பதும் போதாது.

மாற்றங்கள் ஏன் தேவை, தனிப்பட்ட முறையில் அது தங்களுக்கு என்ன பொருள் தருகிறது, அது நல்லதா கெட்டதா, தங்களுக்கு என்ன கிடைக்கும் என்பவற்றை உங்கள் பணியாளர்களால் தெளிவாகப் புரிந்துகொள்ள முடியாவிட்டால், ஏராளமான எதிர்பாராத பாதிப்புகளுடன் மறைமுகமான மாற்றமே நிகழும்.

எனவே AI பயன்பாட்டின் மூலம் உண்மையான ஆதாயத்தைப் பெறுவதற்கான நான்காவது கூறு, நிறுவனத்தின் தொடர்ச்சியான வெற்றிக்கு AI முதலீடு அவசியம் என்பதை அதன் தலைமை உண்மையாகப் புரிந்துகொண்டு நம்புவதாகும். நிறுவனத்தின் இலக்கறிக்கையிலும் குறிக்கோள்களிலும் இணைக்கப்படுவது அவர்களுடைய AI உத்தியாக இருக்க வேண்டும். அதை அவர்கள் தொடர்ந்து வலியுறுத்துவதுடன், செயலால் உறுதிப்படுத்தப்பட்ட முடிவுகளை எடுப்பதும் வெளிப்பட வேண்டும்.

நிறுவனம் முழுவதிலுமுள்ள குழுக்கள் தங்கள் திறன்களை மேம்படுத்தவும், சற்றுச் சங்கடமானாலும் முக்கியமான முடிவுகளை எடுத்து, கடினமான ஆனால் அதிகப் பலனளிக்கும் பாதையைத் தேர்ந்தெடுக்கவும் தேவையான ஊக்கங்கள், ஆதரவு மற்றும் அவசர உணர்வை இது வழங்குகிறது. AI ஆதரவு கொண்ட அந்த வாடிக்கையாளர் அனுபவம் அல்லது முதலீட்டு முடிவுச் செயல்முறைக்கான “செயல்பாட்டுக்குக் கொண்டுசெல்” பொத்தானை அழுத்தும் நம்பிக்கையை இது அளிக்கிறது.

அடுத்த இரு ஆண்டுகளில் AI மூலம் வெற்றிபெறும் நிறுவனங்கள், அதிக எண்ணிக்கையில் செயல்படுத்திய நிறுவனங்களாக இருக்காது. முக்கியமான, வாடிக்கையாளரை எதிர்கொள்ளும், முடிவுகளில் தாக்கம் செலுத்தும், வணிக முக்கியத்துவம் வாய்ந்த முறைமைகளிலும் செயல்முறைகளிலும் AI-ஐப் பயனுறச் செய்து, அதைத் தொடர்ச்சியாகவும் பாதுகாப்பாகவும் மேற்கொள்ளும் பெருநிறுவனத் திறனை வளர்த்தவையே வெற்றிபெறும்.

நீங்கள் அடுத்து என்ன செய்ய வேண்டும்? உங்கள் நிறுவனம் “AI-ஐப் பயன்படுத்துகிறது”, ஆனால் அது நிறுவனத்தின் வெற்றியில் எந்தத் தாக்கத்தையும் ஏற்படுத்தவில்லை என்றால், இந்தக் கேள்விகளுக்குப் பதிலளிக்க முயலுங்கள்:

1. உங்கள் நிறுவனத்தின் இலக்கை அடைவதில் AI வகிக்கும் பங்கு தெளிவாக உள்ளதா? நிறுவனத்தின் எதிர்கால வெற்றிக்கு AI பயன்பாடு அவசியம் என்று தலைமை உண்மையாக நம்புவதாக நீங்கள் கருதுகிறீர்களா?

2. AI செயல்திட்டத்தை முன்னெடுக்கவும், பெருநிறுவனம் முழுவதும் அறிவூட்டவும், செயல்பாடுகளை ஒருங்கிணைக்கவும் உதவும் மையப் பிரிவு உள்ளதா?

3. விரைவாகவும் பாதுகாப்பாகவும் AI பொறியமைப்பை மேற்கொள்ள உதவும் நிபுணத்துவம், திறன் மற்றும் வடிவங்களைத் தொழில்நுட்பக் குழு உருவாக்குகிறதா?

4. AI நடத்தையைப் பற்றிய பதிலளிக்கப்படாத கேள்விகளால் ஏற்படும் தடைகள் இன்றி நடைமுறைப் பயன்பாட்டை வெளியீடுகள் அடைகின்றனவா?

இவற்றில் ஏதேனும் ஒன்றுக்குப் பதில் இல்லை என்றால், உண்மையில் முக்கியமான பகுதிகளில் போட்டி ஆதாயம் பெற, AI-ஐ வேகமாகவும் சீராகவும் செயல்படுத்த முடியும் என்ற நிறுவன நம்பிக்கையை எங்கிருந்து வளர்க்கத் தொடங்க வேண்டும் என்பது உங்களுக்குத் தெரியும்.