AI மென்பொருளும் டிரில்லியன் டாலர் உற்பத்தித்திறன் கேள்வியும்

மென்பொருள் எழுதுவதில் AI (artificial intelligence) கணிசமாகச் சிறப்பாக மாறினால், வணிகத் தலைவர்கள் இன்று எதை மாற்ற வேண்டும்? எனது பதில்: அதன் வெளியீட்டைச் சரிபார்க்கவும் பராமரிக்கவும் தேவையான பணி உட்பட, ஒரு முழுமையான வணிகச் செயல்முறையை அது எவ்வாறு மேம்படுத்துகிறது என்பதை அளவிடுங்கள் என்பதே.

AI ஆண்டுதோறும் உலக பொருளாதார உற்பத்தியில் US$20 முதல் US$30 டிரில்லியன் வரை சேர்க்க முடியுமா? எலான் மஸ்க் இந்தத் தோராயமான மதிப்பீட்டை முன்வைத்துள்ளார்; ஏறக்குறைய எந்த டிஜிட்டல் பணியையும் AI கையாள முடியும் என்பதும், Stockfish அளவிலான கோடிங் திறனை அடையும் என்பதும் அவரது கணிப்புகள். இந்தக் கூற்றுகள் அறிவுப் பணியின் பொருளாதாரத்தில் பெரும் மாற்றத்தைக் குறிப்பதால் கவனத்தை ஈர்த்துள்ளன.

இவை லட்சியக் கணிப்புகள், நிரூபிக்கப்பட்ட விளைவுகள் அல்ல. பெரிய உற்பத்தித்திறன் ஆதாயங்களின் சாத்தியக்கூறுக்கும், ஒவ்வொரு டிஜிட்டல் பணியையும் AI நம்பகமாக நிறைவேற்றும் என்பதற்கான ஆதாரத்துக்கும் இடையே வணிகத் தலைவர்கள் வேறுபாடு காண வேண்டும். ஒரு நிறுவனம் உண்மையில் செய்யும் பணியிலிருந்து வரும் ஆதாரம் தேவைப்படுகிறது முதலீட்டு முடிவுகளுக்கு.

Stockfish ஒப்பீடு நமக்குச் சொல்வது என்ன

Stockfish ஒரு ஓப்பன் சோர்ஸ் செஸ் எஞ்சின், உலகின் வலிமையானவற்றில் ஒன்று. இந்த ஒப்பீடு ஒரு உண்மையான சாத்தியக்கூறை விளக்குகிறது: கடினமான அறிவுப் பணியில் இயந்திரங்கள் மனிதர்களை விஞ்சலாம். இருப்பினும், இந்த ஒப்புமை மட்டும் AI ஒவ்வொரு மென்பொருள் பொறியாளரையும் எப்போது விஞ்சும் என்பதை நிறுவ முடியாது.

செஸ்-க்கு நிலையான விதிகள், பார்க்கக்கூடிய பலகை மற்றும் தெளிவான இலக்கு உள்ளது. நிறுவன மென்பொருளுக்கு முழுமையற்ற தேவைகள், மாறும் கொள்கைகள், பழைய அமைப்புகள் மற்றும் போட்டியிடும் பங்குதாரர் முன்னுரிமைகள் உள்ளன. ஒரு நிரல் தவறான வணிகப் பிரச்சினையைத் தீர்த்தும் தனது சோதனைகளில் தேர்ச்சி பெறலாம்.

கோட் உருவாக்குவது பொறியியலின் ஒரு பகுதி. என்ன கட்ட வேண்டும் என்பதை முடிவு செய்வது, அணுகலைக் கட்டுப்படுத்துவது, பாதுகாப்பைச் சரிபார்ப்பது, பாதுகாப்பாக வரிசைப்படுத்துவது மற்றும் பயனர்களுக்கு ஆதரவு அளிப்பது விளைவின் பகுதியாக உள்ளது. மிகவும் திறன் வாய்ந்த AI-க்கும் கூட தவறுகளைக் கண்டறிந்து பொறுப்பை ஒதுக்கும் செயல்முறை தேவை.

பொருளாதாரக் கூற்றைப் புரிந்துகொள்ளுதல்

ஆண்டு பொருளாதார உற்பத்தி அளவில் 20 முதல் 30 சதவீத அதிகரிப்பு என்பது ஒவ்வொரு ஆண்டும் 20 முதல் 30 சதவீத வளர்ச்சியிலிருந்து வேறுபட்டது. இந்த அளவிலான கூற்றுக்கு ஏற்றுத்தாழ்வு, நம்பகத்தன்மை, முதலீடு மற்றும் ஆதாயங்களை உணரத் தேவையான நேரம் குறித்து வெளிப்படையான அனுமானங்கள் தேவை. அந்தச் சதவீதங்களுடன் US$20 முதல் US$30 டிரில்லியனை இணைப்பது தோராயமான US$100 டிரில்லியன் தொடக்க பொருளாதாரத்தைக் குறிக்கிறது.

ஒப்பீட்டுக்காக, Goldman Sachs 2023-இல் ஒரு சூழ்நிலையை வெளியிட்டது, அதில் ஜெனரேட்டிவ் AI உலக GDP-ஐ சுமார் 7 சதவீதம், அதாவது கிட்டத்தட்ட US$7 டிரில்லியன் உயர்த்தும் என்றும், பத்து ஆண்டு காலத்தில் உற்பத்தித்திறன் வளர்ச்சியை 1.5 சதவீதப் புள்ளிகளால் அதிகரிக்கும் என்றும் கூறப்பட்டது. அது ஒரு நிபந்தனைக் கணிப்பு, அளக்கப்பட்ட முடிவோ எதிர்கால ஆதாயங்களின் உச்சவரம்போ அல்ல. அது மஸ்கின் பெரிய மதிப்பீட்டைச் சுயாதீனமாக உறுதிப்படுத்தவில்லை.

நிறுவன அளவில், ஒரு பயனுள்ள கணக்கீடு எளிமையானது: நிகர மதிப்பு என்பது கூடுதல் பயனுள்ள வெளியீடு மற்றும் உணரப்பட்ட சேமிப்பின் மதிப்பு, கழித்தல் AI செலவுகள், ஒருங்கிணைப்பு, மறுபரிசீலனை, மறுசெயல் மற்றும் பிழைகளின் இழப்புகள். சேமிக்கப்பட்ட நேரம் நிறுவனம் அதை உற்பத்தித்திறனுடன் பயன்படுத்தும்போது மட்டுமே நிதி மதிப்பாக மாறுகிறது.

நன்மைகளும் செலவுகளும்

வேகம் எதிராக சரிபார்ப்பு. AI வரைவு, கோடிங் மற்றும் பகுப்பாய்வைக் குறைக்கலாம். முடிவை உருவாக்குவதில் சேமிக்கப்பட்ட நேரத்துடன் சேர்த்து, முடிவைச் சரிபார்க்கத் தேவையான நேரத்தையும் தலைவர்கள் அளவிட வேண்டும்.

குறைந்த உற்பத்திச் செலவு எதிராக புதிய இயக்கச் செலவு. முதல் பதிப்பை உருவாக்குவது மலிவாகலாம். மாதிரி பயன்பாடு, ஒருங்கிணைப்பு, கண்காணிப்பு மற்றும் திருத்தம் இன்னும் பணத்தையும் ஊழியர் நேரத்தையும் உட்கொள்கின்றன.

அகலமான அணுகல் எதிராக சார்பு. சிறிய குழுக்கள் முன்பு தங்கள் வளங்களுக்கு அப்பாற்பட்ட பணிகளை மேற்கொள்ளலாம். ஒரே வழங்குநரின் மீதான சார்பு விலைகள், கிடைக்கும் தன்மை மற்றும் மாதிரி மாற்றங்களை நிர்வகிக்க கடினமாக்கலாம்.

அதிக திறன் எதிராக பணியாளர் இடையூறு. ஊழியர்கள் வாடிக்கையாளர் தேவைகள் மற்றும் கடினமான முடிவுகளில் அதிக நேரம் செலவிடலாம். பாத்திரங்கள் மாறுவது, மறுபயிற்சி மற்றும் தினசரி கற்றல் பணிகள் தானியங்காகக்கூடிய இளநிலை ஊழியர்களின் வளர்ச்சி ஆகியவற்றுக்கும் வணிகங்கள் திட்டமிட வேண்டும்.

ஒரு நடைமுறை நிறுவன எடுத்துக்காட்டு

ஆர்டர் கண்காணிப்பு சேவையை உருவாக்கும் கற்பனைக் கிடங்கு வணிகத்தைக் கவனியுங்கள். AI இடைமுகத்தை வரையலாம், தரவுத்தள வினவல்களை முன்மொழியலாம், சோதனை வழக்குகளை உருவாக்கலாம். எந்த வாடிக்கையாளர்கள் ஒவ்வொரு ஆர்டரையும் பார்க்க முடியும், சரக்கு முரண்பாடுகள் எவ்வாறு கையாளப்படுகின்றன, சேவை ஏற்கனவே உள்ள அமைப்புகளுடன் செயல்படுகிறதா என்பதைக் குழு இன்னும் உறுதிப்படுத்த வேண்டும்.

அர்த்தமுள்ள ஒப்பீடு ஏற்றுக்கொள்ளப்பட்ட வெளியீட்டிற்கான செலவு மற்றும் பயன்பாட்டில் செயல்திறன். டெலிவரி நேரம், குறைபாடுகள், ஆதரவு கோரிக்கைகள் மற்றும் வாடிக்கையாளர் விளைவுகளை அளவிடுங்கள். அதிக உற்பத்தி சம்பவங்களை உருவாக்கும் விரைவான முதல் வரைவு ஒட்டுமொத்த மதிப்பைக் குறைக்கலாம்.

அதே கொள்கை வாடிக்கையாளர் சேவைக்கும் பொருந்துகிறது. நேரடியான கோரிக்கைகளைத் தானியங்குவது பதிலளிப்பு நேரங்களை மேம்படுத்தலாம். தெளிவற்ற வழக்குகளுக்கு தொடர்புடைய சூழல் பாதுகாக்கப்பட்டு, ஒரு நபருக்கு நம்பகமான பாதை தேவை.

CEO-களும் CTO-களும் என்ன செய்ய வேண்டும்

CEO-க்கள் அடையாளம் காணக்கூடிய செலவு மற்றும் தெளிவான வாடிக்கையாளர் விளைவு கொண்ட ஒரு செயல்முறையைத் தேர்ந்தெடுக்க வேண்டும். அடித்தளத்தை நிறுவுங்கள், வரையறுக்கப்பட்ட பைலட்டை இயக்குங்கள், விரிவாக்கத்தை எந்த மேம்பாடு நியாயப்படுத்தும் என்பதை முன்கூட்டியே ஒப்புக்கொள்ளுங்கள். செயலாக்கச் செலவுகள் மற்றும் ஊழியர் பொறுப்புகளின் மாற்றங்களைச் சேர்க்கவும்.

CTO-க்கள் தங்கள் சொந்த அமைப்புகளிலிருந்து பிரதிநிதித்துவமான பணியில் முன்மொழியப்பட்ட மாதிரியை மதிப்பிட வேண்டும். சரியான தன்மை, பாதுகாப்பு, தனியுரிமை, தோல்வியிலிருந்து மீட்பு மற்றும் தற்போதைய சேவைகளுடனான இணக்கத்தைச் சரிபார்க்கவும். மாற்றத்தைப் பரிந்துரைக்க அனுமதியையும் அதைச் செயல்படுத்த அனுமதியையும் பிரிக்கவும்.

விளைவுடைய நடவடிக்கைகளுக்கு, ஒப்புதல் உரிமையாளரை வரையறுத்து தணிக்கை பதிவை வைத்திருங்கள். செயல்திறன் குறையும்போது மாற்றங்களைத் திரும்பப்பெற, அணுகலைக் கட்டுப்படுத்த மற்றும் தானியக்கத்தை நிறுத்திவைக்கும் திறனைத் தக்கவைத்துக் கொள்ளுங்கள்.

சப்ளையர் சார்பை மதிப்பாய்வு செய்து, வெளியீடுகளைச் சவால் செய்ய ஊழியர்களுக்குப் பயிற்சி அளியுங்கள். மறுபரிசீலனை மற்றும் ஆதரவுச் செலவுகளுக்குப் பிறகும் அளக்கப்பட்ட நன்மைகள் நேர்மறையாக இருக்கும்போது வரிசைப்படுத்தலை விரிவாக்குங்கள். உலகளாவிய பொருளாதாரக் கணிப்பு சூழ்நிலைத் திட்டமிடலுக்கு தகவல் தர வேண்டும், அதேசமயம் உள்ளூர் ஆதாரம் முதலீட்டை வழிநடத்த வேண்டும்.

தலைமை முடிவு

AI டிஜிட்டல் பணியின் பொருளாதாரத்தை கணிசமாக மாற்றக்கூடும். அளவும் நேரமும் நிச்சயமற்றவை. இப்போது பொறுப்புடன் மதிப்பிடவும் ஏற்றுக்கொள்ளவும் திறனை உருவாக்குங்கள், பின்னர் ஆதாரம் வலுப்படும்போது முதலீட்டை அதிகரியுங்கள் என்பதே எனது அறிவுரை.

உங்கள் நிறுவனத்தில் எந்தச் செயல்முறையை முதலில் சோதிப்பீர்கள், AI நிலையான வணிக மதிப்பை உருவாக்கியது என்று உங்களை என்ன ஆதாரம் நம்ப வைக்கும்?

கணித முறையில் சிந்தியுங்கள். புத்திசாலித்தனமாக வடிவமையுங்கள். மூலோபாய ரீதியாக வழிநடத்துங்கள். பொறுப்புடன் கட்டமையுங்கள். உலகளாவிய அளவில் விரிவுபடுத்துங்கள். செயற்கை நுண்ணறிவின் மூலம் உண்மையான வணிக மதிப்பை உருவாக்குங்கள்.

#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership

இது முதலில் கேசவன் தியாகராஜா அவர்களால் LinkedIn-இல் வெளியிடப்பட்டது. அசல் கட்டுரையை LinkedIn-இல் படியுங்கள். [1]