AI సాఫ్ట్‌వేర్ మరియు ట్రిలియన్ డాలర్ల ఉత్పాదకత ప్రశ్న

AI సాఫ్ట్‌వేర్ రాయడంలో గణనీయంగా మెరుగుపడితే, వ్యాపార నాయకులు ఈరోజు ఏమి మార్చుకోవాలి? నా సమాధానం: దాని అవుట్‌పుట్‌ను తనిఖీ చేయడానికి మరియు నిర్వహించడానికి అవసరమైన పనితో సహా, పూర్తి వ్యాపార ప్రక్రియను అది ఎలా మెరుగుపరుస్తుందో కొలవడం.

AI వార్షిక ప్రపంచ ఆర్థిక ఉత్పత్తికి US$20 నుంచి US$30 ట్రిలియన్లు జోడించగలదా? ఎలాన్ మస్క్ ఈ సుమారు అంచనాను ముందుపెట్టారు, అలాగే AI దాదాపు ఏ డిజిటల్ పనినైనా నిర్వహించగలదని మరియు Stockfish స్థాయి కోడింగ్ సామర్థ్యాన్ని చేరుకోగలదని అంచనాలు కూడా వేశారు. ఈ వాదనలు నాలెడ్జ్ వర్క్ ఆర్థిక వ్యవస్థలో పెద్ద మార్పును సూచించడంతో శ్రద్ధ ఆకర్షించాయి.

ఇవి ప్రతిష్టాత్మక అంచనాలు, స్థిరపడిన ఫలితాలు కావు. పెద్ద ఉత్పాదకత లాభాల అవకాశం నుంచి, AI ప్రతి డిజిటల్ పనిని నమ్మకంగా అందించగలదనే రుజువు నుంచి వ్యాపార నాయకులు వేరు చేయాలి. పెట్టుబడి నిర్ణయాలకు సంస్థ వాస్తవంగా చేసే పని నుండి ఆధారం అవసరం.

Stockfish పోలిక మనకు చెప్పేది

Stockfish ఓపెన్ సోర్స్ చెస్ ఇంజిన్, ప్రపంచంలోని అత్యంత బలమైనవాటిలో ఒకటి. ఈ పోలిక నిజమైన అవకాశాన్ని చూపిస్తుంది: డిమాండ్ ఉన్న మేధస్సు పనిలో యంత్రాలు మనుషులను అధిగమించగలవు. అయితే, ఈ ఉపమానం మాత్రమే AI ఎప్పుడు ప్రతి సాఫ్ట్‌వేర్ ఇంజినీరును అధిగమిస్తుందో నిర్ధారించలేదు.

చెస్‌కు స్థిరమైన నియమాలు, కనిపించే బోర్డు మరియు స్పష్టమైన లక్ష్యం ఉంటాయి. ఎంటర్‌ప్రైజ్ సాఫ్ట్‌వేర్‌లో అసంపూర్ణ అవసరాలు, మారే విధానాలు, లెగసీ సిస్టమ్‌లు మరియు పోటీ పడే భాగస్వామ్య ప్రాధాన్యతలు ఉంటాయి. ఒక ప్రోగ్రామ్ తప్పు వ్యాపార సమస్యను పరిష్కరిస్తూనే దాని పరీక్షలు పాస్ కావచ్చు.

కోడ్ జనరేట్ చేయడం ఇంజినీరింగ్‌లో ఒక భాగం. ఏమి నిర్మించాలో నిర్ణయించడం, యాక్సెస్ నియంత్రించడం, భద్రతను తనిఖీ చేయడం, సురక్షితంగా డిప్లాయ్ చేయడం మరియు వినియోగదారులకు మద్దతు ఇవ్వడం ఫలితంలో భాగంగా ఉంటాయి. అత్యంత సామర్థ్యం గల AI కు కూడా తప్పులను గుర్తించి బాధ్యతను కేటాయించే ప్రక్రియ అవసరం.

ఆర్థిక వాదనను అర్థం చేసుకోవడం

వార్షిక ఆర్థిక ఉత్పత్తి స్థాయిలో 20 నుంచి 30 శాతం పెరుగుదల అనేది ప్రతీ ఏటా 20 నుంచి 30 శాతం వృద్ధి కాదు. ఈ స్థాయి వాదనకు దత్తత, విశ్వసనీయత, పెట్టుబడి మరియు లాభాలు సాధించడానికి పట్టే సమయం గురించి స్పష్టమైన ఊహలు అవసరం. ఆ శాతాలను US$20 నుంచి US$30 ట్రిలియన్లతో జతచేయడం సుమారు US$100 ట్రిలియన్ల ప్రారంభ ఆర్థిక వ్యవస్థను సూచిస్తుంది.

పోలిక కోసం, Goldman Sachs 2023లో ఒక దృశ్యాన్ని ప్రచురించింది, దానిలో జనరేటివ్ AI ప్రపంచ GDPని సుమారు 7 శాతం, లేదా దాదాపు US$7 ట్రిలియన్లు పెంచుతుందని, దశాబ్ద కాలంలో ఉత్పాదకత వృద్ధిని 1.5 శాతం పాయింట్లు పెంచుతుందని చెప్పింది. అది షరతులతో కూడిన అంచనా, కొలిచిన ఫలితం కాదు లేదా భవిష్యత్తు లాభాల పరిమితి కాదు. అది మస్క్ యొక్క పెద్ద అంచనాను స్వతంత్రంగా ధృవీకరించదు.

కంపెనీ స్థాయిలో, ఉపయోగకరమైన లెక్క సరళం: నికర విలువ = అదనపు ఉపయోగకరమైన ఉత్పత్తి మరియు సాక్షాత్కరించిన పొదుపుల విలువ, మైనస్ AI ఖర్చులు, ఇంటిగ్రేషన్, సమీక్ష, రీవర్క్ మరియు లోపాల నుంచి నష్టాలు. సేవ్ చేసిన సమయం సంస్థ దాన్ని ఉత్పాదకంగా వాడగలిగినప్పుడే ఆర్థిక విలువగా మారుతుంది.

ప్రయోజనాలు మరియు ఖర్చులు

వేగం వర్సెస్ ధృవీకరణ. AI డ్రాఫ్టింగ్, కోడింగ్ మరియు విశ్లేషణను తగ్గించవచ్చు. ఫలితాన్ని ఉత్పత్తి చేయడంలో ఆదా అయిన సమయంతో పాటు, దాన్ని తనిఖీ చేయడానికి పట్టే సమయాన్ని కూడా నాయకులు కొలవాలి.

తక్కువ ఉత్పత్తి ఖర్చు వర్సెస్ కొత్త ఆపరేటింగ్ ఖర్చు. మొదటి వెర్షన్ సృష్టించడం చౌకగా కావచ్చు. మోడల్ వినియోగం, ఇంటిగ్రేషన్, పర్యవేక్షణ మరియు సరిదిద్దడం ఇంకా డబ్బు మరియు సిబ్బంది సమయాన్ని ఖర్చు చేస్తాయి.

విస్తృత యాక్సెస్ వర్సెస్ ఆధారపడటం. చిన్న జట్లు గతంలో వారి వనరులకు మించిన పనిని చేపట్టవచ్చు. ఒకే ప్రొవైడర్‌పై ఆధారపడటం ధరలు, లభ్యత మరియు మోడల్ మార్పులను నిర్వహించడం కష్టతరం చేయవచ్చు.

అధిక సామర్థ్యం వర్సెస్ కార్మిక అంతరాయం. సిబ్బంది కస్టమర్ అవసరాలు మరియు కష్టమైన నిర్ణయాలపై ఎక్కువ సమయం గడపవచ్చు. వ్యాపారాలు మారే పాత్రలు, పునఃశిక్షణ మరియు వారి దినచర్య నేర్చుకునే పనులు ఆటోమేట్ అవ్వగల జూనియర్ ఉద్యోగుల అభివృద్ధి కోసం కూడా ప్రణాళిక వేయాలి.

ఒక ఆచరణాత్మక ఎంటర్‌ప్రైజ్ ఉదాహరణ

ఆర్డర్ ట్రాకింగ్ సేవను నిర్మిస్తున్న ఒక ఊహాత్మక గిడ్డంగి వ్యాపారాన్ని పరిగణించండి. AI ఇంటర్‌ఫేస్‌ను డ్రాఫ్ట్ చేయవచ్చు, డేటాబేస్ క్వెరీలను ప్రతిపాదించవచ్చు, టెస్ట్ కేసులను జనరేట్ చేయవచ్చు. ఏ కస్టమర్లు ఏ ఆర్డర్‌ను చూడగలరో, స్టాక్ అసంగతులను ఎలా నిర్వహిస్తారో, సేవ ఇప్పటికే ఉన్న సిస్టమ్‌లతో పనిచేస్తుందో జట్టు ఇంకా నిర్ధారించాలి.

అర్థవంతమైన పోలిక ఆమోదించబడిన విడుదలకు ఖర్చు మరియు వాడుకలో పనితీరు. డెలివరీ సమయం, లోపాలు, మద్దతు అభ్యర్థనలు మరియు కస్టమర్ ఫలితాలను కొలవండి. ఎక్కువ ఉత్పత్తి సంఘటనలను సృష్టించే వేగవంతమైన మొదటి డ్రాఫ్ట్ మొత్తం విలువను తగ్గించవచ్చు.

అదే సూత్రం కస్టమర్ సేవకు కూడా వర్తిస్తుంది. నేరుగా అభ్యర్థనలను ఆటోమేట్ చేయడం ప్రతిస్పందన సమయాలను మెరుగుపరచవచ్చు. అస్పష్టమైన కేసులకు సంబంధిత సందర్భాన్ని కాపాడుతూ, వ్యక్తికి నమ్మకమైన మార్గం అవసరం.

CEOలు మరియు CTOలు ఏమి చేయాలి

CEOలు గుర్తించగల ఖర్చు మరియు స్పష్టమైన కస్టమర్ ఫలితం ఉన్న ఒక ప్రక్రియను ఎంచుకోవాలి. బేస్‌లైన్ ఏర్పాటు చేయండి, పరిమిత పైలట్ నడపండి, ఏ మెరుగుదల విస్తరణను సమర్థిస్తుందో ముందుగానే అంగీకరించండి. అమలు ఖర్చులు మరియు సిబ్బంది బాధ్యతల మార్పులను చేర్చండి.

CTOలు తమ స్వంత సిస్టమ్‌ల నుంచి ప్రాతినిధ్య పనిపై ప్రతిపాదిత మోడల్‌ను మూల్యాంకనం చేయాలి. ఖచ్చితత్వం, భద్రత, గోప్యత, వైఫల్యం నుంచి కోలుకోవడం మరియు ఇప్పటికే ఉన్న సేవలతో అనుకూలతను తనిఖీ చేయండి. మార్పును సూచించడానికి అనుమతిని దాన్ని అమలు చేయడానికి అనుమతి నుంచి వేరు చేయండి.

పర్యవసాన కార్యాల కోసం, ఆమోద యజమానిని నిర్వచించండి మరియు ఆడిట్ ట్రైల్ ఉంచండి. పనితీరు క్షీణించినప్పుడు మార్పులను రద్దు చేయడానికి, యాక్సెస్‌ను పరిమితం చేయడానికి మరియు ఆటోమేషన్‌ను నిలిపివేయడానికి సామర్థ్యాన్ని నిలుపుకోండి.

సరఫరాదారు ఆధారపడటాన్ని సమీక్షించండి మరియు అవుట్‌పుట్‌లను సవాల్ చేయడానికి సిబ్బందికి శిక్షణ ఇవ్వండి. సమీక్ష మరియు మద్దతు ఖర్చుల తర్వాత కూడా కొలిచిన ప్రయోజనాలు సానుకూలంగా ఉన్నప్పుడు డిప్లాయ్‌మెంట్‌ను విస్తరించండి. ప్రపంచ ఆర్థిక అంచనా దృశ్య ప్రణాళికకు సమాచారం ఇవ్వాలి, అయితే స్థానిక ఆధారం పెట్టుబడిని నడపాలి.

నాయకత్వ నిర్ణయం

AI డిజిటల్ పని యొక్క ఆర్థిక వ్యవస్థను గణనీయంగా మార్చవచ్చు. పరిమాణం మరియు సమయం అనిశ్చితంగా ఉంటాయి. నా సలహా: ఇప్పుడే దాన్ని బాధ్యతగా మూల్యాంకనం చేసి దత్తత తీసుకునే సామర్థ్యాన్ని నిర్మించండి, ఆపై ఆధారం బలపడినప్పుడు పెట్టుబడిని పెంచండి.

మీ సంస్థలో మీరు మొదట ఏ ప్రక్రియను పరీక్షిస్తారు, AI శాశ్వత వ్యాపార విలువను సృష్టించిందని మిమ్మల్ని ఏ ఆధారం నమ్మిస్తుంది?

గణితపరంగా ఆలోచించండి. తెలివిగా ఇంజనీర్ చేయండి. వ్యూహాత్మకంగా నడపండి. బాధ్యతగా నిర్మించండి. ప్రపంచవ్యాప్తంగా విస్తరించండి. కృత్రిమ మేధస్సు ద్వారా నిజమైన వ్యాపార విలువను సృష్టించండి.

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

కేశవన్ త్యాగరాజా ద్వారా LinkedInలో మొదట ప్రచురించబడింది. అసలు వ్యాసాన్ని LinkedInలో చదవండి. [1]