تجزیات اور AI پروجیکٹ کی ناکامی کی 3 عام وجوہات

اشتہار 2023 کے مطابق Dataiku کے زیر اہتمام IDC InfoBrief - اپنے تنظیمی ڈیٹا سے مزید کاروباری قدر بنائیں - "اگرچہ [AI] کو اپنانے میں تیزی سے توسیع ہو رہی ہے، لیکن پروجیکٹ کی ناکامی کی شرح زیادہ ہے۔ دنیا بھر کی تنظیموں کو کامیابی کے لیے روک تھام کرنے والوں سے نمٹنے، AI کی طاقت کو اجاگر کرنے، اور ڈیجیٹل دور میں ترقی کی منازل طے کرنے کے لیے اپنے وژن کا جائزہ لینا چاہیے۔

جب تجزیات اور AI پروجیکٹ کی ناکامی پر قابو پانے کی بات آتی ہے تو سب سے اہم نکات میں سے ایک یہ ہے کہ صرف ایک بار بار مجرم نہیں ہوتا ہے - کاروباری اور تکنیکی ٹیموں دونوں میں AI پروجیکٹ کی ناکامی کے مختلف نکات ہیں۔ اوپر دی گئی انٹرایکٹو مائیکرو سائیٹ AI پروجیکٹ کے لائف سائیکل میں ناکامی کے سب سے عام پوائنٹس کو بصری طور پر دکھاتی ہے اور اس پر حل بتاتی ہے کہ ڈیٹا، اینالیٹکس، اور IT لیڈرز ڈیٹایکو کے ساتھ ان کو کس طرح تیزی سے حل کر سکتے ہیں۔

سکے کے دوسری طرف، یہ مضمون AI پراجیکٹ کی ناکامی کو ہوا دینے والی سب سے عام وجوہات (اور انہیں نیویگیٹ کرنے کے لیے نکات) پر توجہ دے گا۔

اے آئی ٹیلنٹ گیپ (لوگ!)

AI کو سکیل کرنے کے لیے دو سرفہرست بلاکرز ایسے لوگوں کی خدمات حاصل کر رہے ہیں جن کے تجزیات اور AI مہارتیں ہیں اور اچھے کاروباری معاملات کی نشاندہی کر رہے ہیں۔ بدقسمتی سے، سیکڑوں یا ہزاروں ڈیٹا سائنسدانوں کی خدمات حاصل کرنا زیادہ تر تنظیموں کے لیے حقیقت پسندانہ نہیں ہے اور وہ لوگ جو دونوں مسائل کو حل کر سکتے ہیں (جن میں AI اور کاروباری مہارتیں ہیں) اکثر اتنے نایاب ہوتے ہیں کہ انہیں ایک تنگاوالا کہا جاتا ہے۔ 

درحقیقت ان دونوں مسائل کو ایک ساتھ حل کرنے کے لیے، تنظیموں کو چاہیے کہ "ایک تنگاوالا ٹیمیں بنائیں، ایک تنگاوالا لوگوں کی خدمات حاصل نہ کریں۔" اس کا مطلب ہے کہ انہیں ڈیٹا اور ڈومین ماہرین دونوں پر مشتمل ٹیمیں بنانا چاہئیں، جبکہ اس کا مقصد بھی اپنے AI آپریٹنگ ماڈل کو تیار کریں۔ (جو بیک وقت ان کی AI پختگی کو بڑھا دے گا) وقت کے ساتھ۔ یہ کام کرتا ہے: 85% کمپنیاں جنہوں نے AI کو کامیابی سے سکیل کیا ہے وہ بین الضابطہ ترقیاتی ٹیموں کا استعمال کرتی ہیں، ہارورڈ بزنس ریویو کے مطابق.

IDC کی طرف سے مشورہ: "علمی کارکنوں اور صنعت کی مہارت کے ساتھ ساتھ ڈیٹا سائنسدانوں کے کردار پر غور کریں۔ علمی کارکنوں کو بااختیار بنانے سے وقت کی قدر میں تیزی آئے گی۔

اے آئی گورننس اور نگرانی کا فقدان (عمل!)

اس میکرو اکنامک ماحول میں جو ٹیم برداشت نہیں کر سکتی وہ ہے AI بجٹ کو کم یا مکمل طور پر کم کرنا۔ آپ پوچھ سکتے ہیں کہ ایسا ہونے کی وجہ کیا ہوگی؟ مشین لرننگ ماڈلز کی تعمیر اور جانچ میں وقت ضائع ہوتا ہے، اتنا کہ وہ کاروبار کے لیے حقیقی، ٹھوس قدر پیدا کرنا شروع کرنے کے لیے اسے کبھی بھی پیداوار میں نہیں بناتے ہیں (جیسے کہ پیسہ کمایا گیا، پیسہ بچایا گیا، یا کوئی نیا عمل جو آج نہیں کیا جا سکتا) )۔

اچھی خبر: یہاں حکمت عملی اور بہترین طریقہ کار کے تجزیات ہیں اور AI ٹیمیں اپنی AI کوششوں کو محفوظ طریقے سے ہموار کرنے اور اسکیل کرنے کے لیے لاگو کر سکتی ہیں، جیسے اے آئی گورننس کی حکمت عملی کا قیام (بشمول آپریشنل عناصر جیسے MLOps اور قدر پر مبنی عناصر جیسے ذمہ دار AI)۔

بری خبر: اکثر اوقات، ٹیموں کے پاس یا تو تعیناتی سے پہلے یہ عمل مرتب نہیں ہوتے ہیں (جو بہت سے پیچیدہ مسائل کا باعث بن سکتے ہیں) اور ان کے پاس صحیح پروجیکٹس کے ساتھ واضح طور پر آگے بڑھنے کا کوئی طریقہ نہیں ہوتا ہے جو کاروباری قدر پیدا کرتے ہیں اور فرسودہ ہوتے ہیں۔ کم کارکردگی دکھانے والے

AI گورننس پیمانے پر اینڈ ٹو اینڈ ماڈل مینجمنٹ فراہم کرتی ہے، جس میں AI اسکیلنگ میں رسک ایڈجسٹ ویلیو ڈیلیوری اور کارکردگی پر فوکس کیا جاتا ہے، یہ سب کچھ ضوابط کے مطابق ہوتا ہے۔ ٹیموں کو ثبوت کے تصورات (POCs)، سیلف سروس ڈیٹا کے اقدامات، اور صنعتی ڈیٹا پروڈکٹس کے ساتھ ساتھ ہر ایک کے ارد گرد گورننس کی ضروریات کے درمیان فرق کرنے کی ضرورت ہے۔ ایکسپلوریشن اور تجربات کے لیے جگہ دینے کی ضرورت ہے، لیکن ٹیموں کو اس بارے میں بھی واضح فیصلے کرنے کی ضرورت ہے کہ سیلف سروس پروجیکٹس یا POCs کو صنعتی، آپریشنل حل بننے کے لیے فنڈنگ، جانچ اور یقین دہانی کب ہونی چاہیے۔

IDC کی طرف سے مشورہ: "ڈیٹا کی رازداری، فیصلے کے حقوق، جوابدہی، اور شفافیت کے لیے واضح پالیسیاں قائم کریں۔ فعال اور جاری رسک مینجمنٹ اور گورننس کو IT اور کاروبار اور تعمیل میں مشترکہ طور پر انجام دیں۔ 

پلیٹ فارم مائنڈ سیٹ نہیں لینا (ٹیکنالوجی!)

ٹیمیں پیمانے پر AI کے استعمال کو قابل بنانے کے لیے صحیح ٹیکنالوجیز اور عمل کی نشاندہی کیسے کر سکتی ہیں؟

ایک اختتام سے آخر تک پلیٹ فارم (جیسے داتائکو) تجزیات اور AI پروجیکٹ لائف سائیکل کے مراحل میں ہم آہنگی لاتا ہے اور ٹیموں کے ان مراحل سے گزرتے ہی ایک مستقل شکل، احساس اور نقطہ نظر فراہم کرتا ہے۔ 

جدید AI پلیٹ فارم کی حکمت عملی بناتے وقت، ڈیٹا کی تیاری سے لے کر پیداوار میں مشین لرننگ ماڈلز کی نگرانی تک ہر چیز کے لیے آل ان ون پلیٹ فارم کی قدر پر غور کرنا ضروری ہے۔ ہر جزو کے لیے الگ الگ ٹولز خریدنا، اس کے برعکس، بہت مشکل ہو سکتا ہے کیونکہ لائف سائیکل کے مختلف شعبوں میں پہیلی کے متعدد ٹکڑے ہیں (ذیل میں دکھایا گیا ہے)۔

AI پروگرام کے ذریعے طویل مدتی ثقافتی تبدیلی کے مرحلے تک پہنچنے کے لیے، یہ یقینی بنانا ضروری ہے کہ IT شروع سے ہی شامل ہے۔ آئی ٹی مینیجرز کسی بھی ٹیکنالوجی کے موثر، ہموار رول آؤٹ کے لیے ضروری ہیں اور — زیادہ فلسفیانہ نقطہ نظر سے — مناسب حکمرانی اور کنٹرول کے ساتھ متوازن ڈیٹا تک رسائی کی ثقافت کو فروغ دینے کے لیے اہم ہیں۔

IDC کی طرف سے مشورہ: "چھوٹے کاموں کو سنبھالنے کے لیے الگ الگ حل پر عمل درآمد کرنے کے بجائے، مسلسل تجربات اور معیاری کاری کی حمایت کرنے کے لیے پلیٹ فارم کے نقطہ نظر کو قبول کریں۔ 

آگے کی تلاش میں

پیمانہ سازی کے تجزیات اور اے آئی کی کوششوں میں کافی وقت اور وسائل لگتے ہیں، اس لیے آخری چیز جو آپ کرنا چاہتے ہیں وہ ناکام ہو جاتی ہے۔ اگرچہ ایک ہی وقت میں، تجربے کے دوران تھوڑی صحت مند ناکامی قابل قدر ہے، جب تک کہ ٹیمیں تیزی سے ناکام ہو جائیں اور اپنی تعلیم کو نافذ کر سکیں۔ انہیں اس بات کا یقین ہونا چاہیے کہ وہ اپ سکلنگ اور ٹریننگ پر توجہ مرکوز کریں (یعنی کاروباری ماہرین کو زیادہ سے زیادہ شامل کریں)، AI ٹولز اور ٹیکنالوجیز کو جمہوری بنائیں، اور AI کی ذمہ دارانہ تعیناتیوں کو یقینی بنانے کے لیے صحیح چوکیاں لگائیں۔

AI پروجیکٹ کی ناکامی سے نمٹنے کے لیے مزید آگے بڑھیں۔

اس انٹرایکٹو ویژول میں، AI پراجیکٹ کی ناکامی کے پیچھے سرفہرست تکنیکی وجوہات کے ساتھ ساتھ پراجیکٹ کی ناکامی کو ہوا دینے والی کاروباری وجوہات کے لیے اضافی وسائل دریافت کریں (اور کیسے Dataiku دونوں کے لیے راستے میں مدد کر سکتا ہے)۔

آپ کے AI پروجیکٹس کیوں ناکام ہو رہے ہیں؟ دریافت کریں۔ یہ انٹرایکٹو مائکروسائٹ مزید جاننے کے لئے.

Dataiku کی طرف سے سپانسر.

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ آٹوموٹو / ای وی، کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
• چارٹ پرائم۔ ChartPrime کے ساتھ اپنے ٹریڈنگ گیم کو بلند کریں۔ یہاں تک رسائی حاصل کریں۔
• بلاک آفسیٹس۔ ماحولیاتی آفسیٹ ملکیت کو جدید بنانا۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://go.theregister.com/feed/www.theregister.com/2023/08/16/3_of_the_most_common/