एनालिटिक्स और एआई प्रोजेक्ट विफलताओं के 3 सामान्य कारण

advertorial 2023 के अनुसार डेटाइकू-प्रायोजित आईडीसी इन्फोब्रीफ - अपने संगठनात्मक डेटा से अधिक व्यावसायिक मूल्य बनाएं - "हालांकि [एआई] अपनाने का तेजी से विस्तार हो रहा है, परियोजना विफलता दर ऊंची बनी हुई है। दुनिया भर के संगठनों को सफलता के लिए अवरोधकों को संबोधित करने, एआई की शक्ति को उजागर करने और डिजिटल युग में आगे बढ़ने के लिए अपने दृष्टिकोण का मूल्यांकन करना चाहिए।

जब एनालिटिक्स और एआई प्रोजेक्ट की विफलता पर काबू पाने की बात आती है तो सबसे महत्वपूर्ण निष्कर्षों में से एक यह है कि कभी भी केवल एक ही अपराधी नहीं होता है - व्यवसाय और तकनीकी दोनों टीमों में एआई प्रोजेक्ट की विफलता के विभिन्न बिंदु होते हैं। ऊपर दी गई इंटरैक्टिव माइक्रोसाइट एआई प्रोजेक्ट जीवनचक्र में सबसे आम विफलता बिंदुओं को प्रदर्शित करती है और डेटा, एनालिटिक्स और आईटी लीडर डेटाइकू के साथ उन्हें तुरंत कैसे संबोधित कर सकते हैं, इस पर समाधान साझा करती है।

सिक्के के दूसरी तरफ, यह लेख एआई परियोजना की विफलता को बढ़ावा देने वाले कुछ सबसे सामान्य कारणों (और उन पर काबू पाने के लिए सुझाव) पर चर्चा करेगा।

एआई प्रतिभा अंतर (लोग!)

एआई को बढ़ाने के लिए दो शीर्ष अवरोधक एनालिटिक्स और एआई कौशल वाले लोगों को काम पर रख रहे हैं और अच्छे व्यावसायिक मामलों की पहचान कर रहे हैं। दुर्भाग्य से, अधिकांश संगठनों के लिए सैकड़ों या हजारों डेटा वैज्ञानिकों को काम पर रखना यथार्थवादी नहीं है और जो लोग दोनों मुद्दों (एआई और व्यावसायिक कौशल वाले) को संबोधित कर सकते हैं, वे अक्सर इतने दुर्लभ होते हैं कि उन्हें यूनिकॉर्न कहा जाता है। 

तो फिर, संगठनों को वास्तव में इन दोनों मुद्दों को एक साथ संबोधित करना चाहिए "यूनिकॉर्न टीमें बनाएं, यूनिकॉर्न लोगों को काम पर न रखें।" इसका मतलब है कि उन्हें लक्ष्य रखते हुए डेटा और डोमेन विशेषज्ञों दोनों से बनी टीमें बनानी चाहिए अपना AI ऑपरेटिंग मॉडल विकसित करें (जो समय के साथ-साथ उनकी एआई परिपक्वता को बढ़ावा देगा)। यह काम करता है: एआई को सफलतापूर्वक स्केल करने वाली 85% कंपनियां अंतःविषय विकास टीमों का उपयोग करती हैं, हार्वर्ड बिजनेस रिव्यू के अनुसार.

आईडीसी से टिप: “ज्ञान कार्यकर्ताओं और उद्योग विशेषज्ञता के साथ-साथ डेटा वैज्ञानिकों की भूमिका पर विचार करें। ज्ञान कार्यकर्ताओं को सशक्त बनाने से समय को महत्व देने में तेजी आएगी।''

एआई शासन और निरीक्षण की कमी (प्रक्रियाएँ!)

इस व्यापक-आर्थिक माहौल में टीम जो बर्दाश्त नहीं कर सकती वह यह है कि एआई बजट को कम किया जाए या पूरी तरह से कटौती की जाए। आप पूछ सकते हैं कि ऐसा होने का कारण क्या होगा? मशीन लर्निंग मॉडल बनाने और उनका परीक्षण करने में इतना समय बर्बाद हुआ कि वे व्यवसाय के लिए वास्तविक, ठोस मूल्य उत्पन्न करने के लिए इसे कभी भी उत्पादन में नहीं ला सके (जैसे कि पैसा कमाया, पैसा बचाया, या एक नई प्रक्रिया स्थापित की जो आज नहीं की जा सकती) ).

अच्छी खबर: ऐसी रणनीतियाँ और सर्वोत्तम अभ्यास विश्लेषण हैं और एआई टीमें अपने एआई प्रयासों को सुरक्षित रूप से सुव्यवस्थित और स्केल करने के लिए लागू कर सकती हैं, जैसे कि एआई गवर्नेंस रणनीति की स्थापना (एमएलओपीएस जैसे परिचालन तत्व और जिम्मेदार एआई जैसे मूल्य-आधारित तत्व शामिल हैं)।

बुरी खबर: अक्सर, टीमों के पास या तो तैनाती से पहले ये प्रक्रियाएं स्थापित नहीं होती हैं (जिससे कई जटिल समस्याएं पैदा हो सकती हैं) और उनके पास सही परियोजनाओं के साथ स्पष्ट रूप से आगे बढ़ने का कोई तरीका नहीं है जो व्यावसायिक मूल्य उत्पन्न करते हैं और कम करते हैं ख़राब प्रदर्शन करने वाले.

एआई गवर्नेंस, नियमों के अनुरूप, एआई स्केलिंग में जोखिम-समायोजित मूल्य वितरण और दक्षता पर ध्यान देने के साथ, बड़े पैमाने पर एंड-टू-एंड मॉडल प्रबंधन प्रदान करता है। टीमों को प्रूफ-ऑफ-कॉन्सेप्ट्स (पीओसी), स्व-सेवा डेटा पहल और औद्योगिक डेटा उत्पादों के साथ-साथ प्रत्येक के आसपास की शासन आवश्यकताओं के बीच अंतर करने की आवश्यकता है। अन्वेषण और प्रयोग के लिए स्थान दिए जाने की आवश्यकता है, लेकिन टीमों को इस बारे में भी स्पष्ट निर्णय लेने की आवश्यकता है कि स्व-सेवा परियोजनाओं या पीओसी के पास औद्योगिक, परिचालन समाधान बनने के लिए धन, परीक्षण और आश्वासन कब होना चाहिए।

आईडीसी से टिप: “डेटा गोपनीयता, निर्णय अधिकार, जवाबदेही और पारदर्शिता के लिए स्पष्ट नीतियां स्थापित करें। सक्रिय और निरंतर जोखिम प्रबंधन और प्रशासन आईटी और व्यवसाय और अनुपालन से जुड़े लोगों द्वारा संयुक्त रूप से किया जाए।'' 

प्लेटफ़ॉर्म मानसिकता नहीं अपनाना (प्रौद्योगिकी!)

बड़े पैमाने पर एआई के उपयोग को सक्षम करने के लिए टीमें सही प्रौद्योगिकियों और प्रक्रियाओं का पता कैसे लगा सकती हैं?

एक एंड-टू-एंड प्लेटफ़ॉर्म (जैसे दाताकु) एनालिटिक्स और एआई प्रोजेक्ट जीवनचक्र के चरणों में सामंजस्य लाता है और टीमों के उन चरणों के माध्यम से आगे बढ़ने पर एक सुसंगत रूप, अनुभव और दृष्टिकोण प्रदान करता है। 

आधुनिक एआई प्लेटफ़ॉर्म रणनीति बनाते समय, डेटा तैयारी से लेकर उत्पादन में मशीन लर्निंग मॉडल की निगरानी तक हर चीज़ के लिए एक ऑल-इन-वन प्लेटफ़ॉर्म के मूल्य पर विचार करना महत्वपूर्ण है। इसके विपरीत, प्रत्येक घटक के लिए अलग-अलग उपकरण खरीदना बेहद चुनौतीपूर्ण हो सकता है क्योंकि जीवनचक्र के विभिन्न क्षेत्रों में पहेली के कई टुकड़े होते हैं (नीचे सचित्र)।

एआई कार्यक्रम के माध्यम से दीर्घकालिक सांस्कृतिक परिवर्तन के चरण तक पहुंचने के लिए, यह सुनिश्चित करना महत्वपूर्ण है कि आईटी शुरू से ही शामिल है। आईटी प्रबंधक किसी भी तकनीक के प्रभावी, सुचारू कार्यान्वयन के लिए आवश्यक हैं और - अधिक दार्शनिक दृष्टिकोण से - उचित प्रशासन और नियंत्रण के साथ संतुलित डेटा तक पहुंच की संस्कृति स्थापित करने के लिए महत्वपूर्ण हैं।

आईडीसी से टिप: “छोटे कार्यों को संभालने के लिए अलग-अलग समाधान लागू करने के बजाय, लगातार अनुभवों और मानकीकरण का समर्थन करने के लिए प्लेटफ़ॉर्म दृष्टिकोण को अपनाएं। 

आगे देख रहा

स्केलिंग एनालिटिक्स और एआई प्रयासों में काफी समय और संसाधन लगते हैं, इसलिए आखिरी चीज जो आप करना चाहते हैं वह असफल होना है। हालाँकि, एक ही समय में, प्रयोग के दौरान थोड़ी सी स्वस्थ विफलता मूल्यवान है, जब तक कि टीमें तेजी से विफल हो सकती हैं और अपनी सीख को लागू कर सकती हैं। उन्हें अपस्किलिंग और प्रशिक्षण (यानी, व्यवसायिक पेशेवरों को अधिक से अधिक शामिल करना), एआई उपकरणों और प्रौद्योगिकियों का लोकतंत्रीकरण करना और जिम्मेदार एआई तैनाती सुनिश्चित करने के लिए सही रेलिंग लगाना सुनिश्चित करना चाहिए।

एआई परियोजना विफलता को संबोधित करने पर आगे बढ़ें

इस इंटरैक्टिव विज़ुअल में, एआई प्रोजेक्ट विफलता के पीछे शीर्ष तकनीकी कारणों के साथ-साथ प्रोजेक्ट विफलता को बढ़ावा देने वाले व्यावसायिक कारणों के लिए अतिरिक्त संसाधनों की खोज करें (और डेटाइकू दोनों के लिए कैसे मदद कर सकता है)।

आपके AI प्रोजेक्ट विफल क्यों हो रहे हैं? अन्वेषण करना यह इंटरैक्टिव माइक्रोसाइट अधिक जानने के लिए।

डेटाइकू द्वारा प्रायोजित.

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. ऑटोमोटिव/ईवीएस, कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• चार्टप्राइम. चार्टप्राइम के साथ अपने ट्रेडिंग गेम को उन्नत करें। यहां पहुंचें।
• BlockOffsets. पर्यावरणीय ऑफसेट स्वामित्व का आधुनिकीकरण। यहां पहुंचें।
• स्रोत: https://go.theregister.com/feed/www.theregister.com/2023/08/16/3_of_the_most_common/