AI உள்கட்டமைப்பு, சில்லுகள் மற்றும் பெரிய அளவிலான மாதிரி உருவாக்கம் மற்றும் அனுமானத்தை ஆதரிக்க இப்போது தேவைப்படும் மின்சாரத்தின் அதிர்ச்சியூட்டும் அளவு பற்றிய அனைத்து பேச்சுக்கள் இருந்தபோதிலும், கதையின் ஒரு அமைதியான பக்கம் உள்ளது, இது நிறுவனங்களுக்குள் அதே அளவிலான கவனத்தை அரிதாகவே பெறுகிறது, மேலும் அந்த அமைப்புகள் இயங்கும் தரவுகளின் நிலை இதுதான்.
2024 ஆம் ஆண்டில் 460 TWh முதல் 2030 ஆம் ஆண்டில் 1,000 TWh ஆகவும், 2035 ஆம் ஆண்டில் 1,300 TWh ஆகவும் அதிகரிக்கும் என சர்வதேச எரிசக்தி நிறுவனம் மதிப்பிட்டுள்ளது.
Coalescence Cloud இன் நிறுவனர் மற்றும் CEO.
அமெரிக்காவில், அழுத்தம் ஏற்கனவே தெரியும். 2023 ஆம் ஆண்டில் மொத்த அமெரிக்க மின்சாரத்தில் தரவு மையங்கள் 4.4% ஐப் பயன்படுத்தியதாகவும், 2028 ஆம் ஆண்டில் 6.7% முதல் 12% வரை பயன்படுத்தப்படும் என்றும் அமெரிக்க எரிசக்தித் துறை கூறுகிறது.
கட்டுரை கீழே தொடர்கிறது
இந்த எண்கள் முக்கியமானவை, ஆனால் AI நிலைத்தன்மை என்பது ஹைப்பர்ஸ்கேலர் மட்டத்தில் மட்டுமே நிகழும் ஒன்று போல, சிக்கலை தொலைதூரத்தில் உணர வைக்கும்.
உண்மையில், AI உடன் தொடர்புடைய செலவு மற்றும் கழிவுகளில் கணிசமான பகுதி வீட்டிற்கு மிக அருகில் தொடங்குகிறது, CRM, PSA இயங்குதளம், நிதி அமைப்பு, பிரதான டாஷ்போர்டை நம்பாததால் யாரோ இன்னும் ஒதுக்கி வைத்திருக்கும் விரிதாள் மற்றும் யாரும் சுத்தம் செய்ய நேரம் எடுக்காத நகல் பதிவுகள்.
டிஜிட்டல் கர்ப்பம்
மிகக் குறைவான நிறுவனங்களே தங்கள் சொந்த சூழல்களைப் பற்றி உடனடி கேள்வியைக் கேட்கின்றன, அதாவது அவற்றின் தரவு குழப்பமாக இருப்பதால் அவை எவ்வளவு தேவையற்ற டிஜிட்டல் ஒழுங்கீனத்தை உருவாக்குகின்றன.
AI ஆனது ஒரு நிறுவனத்திற்குள் வரவில்லை மற்றும் சிறந்த கட்டமைக்கப்பட்ட தகவல்களின் சிறந்த தொகுப்பில் செயல்படத் தொடங்குகிறது. ஏற்கனவே உள்ள அனைத்தையும் அது பெறுகிறது.
வாடிக்கையாளர் பதிவுகள் ஐந்து இடங்களில் இருந்தால், வருமானம் விற்பனை மற்றும் நிதியிலிருந்து சற்று வித்தியாசமாக வரையறுக்கப்பட்டால், திட்டத் தரவு முழுமையடையவில்லை என்றால், குழுக்கள் இன்னும் கைமுறை தீர்வுகளை நம்பியிருந்தால், அமைப்புகள் மெஷ் செய்யாததால், AI அந்த உண்மைக்குள் செயல்படும்.
தொழில்நுட்ப அமைப்பு இந்த பலவீனங்களை தானே சரி செய்யாது. பெரும்பாலும், இது அவற்றைக் காணக்கூடியதாகவும் விலை உயர்ந்ததாகவும் மாற்றும், ஏனென்றால் ஒவ்வொரு தேவையற்ற பணிப்பாய்வு, ஒவ்வொரு தேவையற்ற வினவல், மனித மறுபரிசீலனையின் ஒவ்வொரு சுற்று மற்றும் வெளியீட்டைச் சரிபார்க்கச் செலவழிக்கும் ஒவ்வொரு கூடுதல் சுழற்சியும் அதிக சேமிப்பகம், அதிக செயலாக்கம் மற்றும் அதிக பணியாளர் நேரத்தை செலவிடுகிறது.
ஆரோக்கியமான தரவு என்பது ஒரு குறிப்பிட்ட நாளில் சுத்தமாக இருக்கும் தரவு மட்டுமல்ல. இது வணிகம் முழுவதும் புரிந்து, நிர்வகிக்கப்பட்டு, பராமரிக்கப்பட்டு, மக்கள் நம்புவதற்கு அனுமதிக்கும் வகையில் சீரமைக்கப்பட்ட தரவு.
IBM இன் மோசமான தரவுத் தரம் பற்றிய சமீபத்திய வேலை, இதன் வணிகப் பக்கத்தை தெளிவாக்குகிறது: 43% COOக்கள் தரவுத் தரத்தை முதன்மைப் பிரச்சினையாகக் குறிப்பிடுகின்றனர், மேலும் கால் பகுதிக்கும் அதிகமான நிறுவனங்கள் மோசமான தரவுத் தரத்தால் ஆண்டுதோறும் $5 மில்லியனுக்கும் அதிகமாக இழப்பதாக மதிப்பிடுகின்றன.
எண்டர்பிரைஸ் டெக்னாலஜி தலைவர்கள் முன்னெப்போதையும் விட இப்போது அதே தரவு சிக்கல்கள் ஏற்கனவே கணக்கீட்டு ரீதியாக தீவிரமான AI சூழல்களில் அடுக்கப்பட்டால் என்ன நடக்கும் என்பதை அறிந்திருக்க வேண்டும்.
மோசமான தரவு தரம் எப்போதும் விலை உயர்ந்தது. AI உடன் என்ன மாறுகிறது என்பது அந்த செலவினம் கூட்டும் வேகம் மற்றும் அளவு ஆகும்.
ஒரு குழுவை விரக்தியடையச் செய்த ஒரு உடைந்த செயல்முறை இப்போது பல அமைப்புகள் மற்றும் மாடல்களில் மீண்டும் மீண்டும் சுமைகளை உருவாக்கும் திறனைக் கொண்டுள்ளது, அதே நேரத்தில் வேலையை எளிதாக்கும் டெலிவரிகளில் நம்பிக்கையை சிதைக்கிறது.
நிலைத்தன்மை
AI ஐச் சுற்றியுள்ள நிலைத்தன்மை உரையாடல் இன்னும் செயல்பட வேண்டும். ஆற்றல் கொள்முதல், கார்பன் இலக்குகள் அல்லது உள்கட்டமைப்பு முதலீட்டில் மட்டும் அது வாழ முடியாது. இந்தச் சிக்கல்கள் முக்கியமானவை, ஆனால் வணிகங்கள் தங்கள் அமைப்புகளிடம் என்ன கேட்கின்றன என்பதன் அன்றாட யதார்த்தம்.
ஒரு நிறுவனம் துண்டு துண்டான பதிவுகள், துண்டிக்கப்பட்ட பணிப்பாய்வுகள் மற்றும் குறைந்த நம்பிக்கையுடன் அறிக்கையிடல் ஆகியவற்றின் மேல் AI கருவிகளை இயக்கினால், அந்த AI இன் சில சுற்றுச்சூழல் சுமைகள் சுயமாக ஏற்படுத்தப்படும். முதலில் அடைய எளிதாக இருந்திருக்க வேண்டிய பதில்களைப் பெறுவதற்கு நிறுவனம் அதிக கணக்கீடுகளைச் செய்கிறது.
உரிமை மற்றும் பொறுப்புக்கூறலைக் காட்டிலும் வியக்கத்தக்க எண்ணிக்கையிலான நிறுவனங்கள் செயல்படுத்துவதில் இன்னும் வேகமாக நகர்வதால், அனைத்திற்கும் அடியில் ஆளுகைச் சிக்கல் உள்ளது.
தரவு நம்பகத்தன்மை பயனுள்ள AI ஐ ஏற்றுக்கொள்வதற்கான மிகப்பெரிய தடைகளில் ஒன்றாகக் காட்டப்படுகிறது, மேலும் அது அர்த்தமுள்ளதாக இருக்கிறது.
முக்கிய தரவு எங்கிருந்து வருகிறது, யாருடையது, அது எவ்வாறு பராமரிக்கப்படுகிறது அல்லது அமைப்புகளுக்கு இடையில் ஏன் வரையறைகள் வேறுபடுகின்றன என்பதை யாராலும் தெளிவாக விளக்க முடியாவிட்டால், மாடல் உற்பத்திக்கு வருவதற்கு முன்பே நிறுவனம் தேவையற்ற கழிவுகளுக்கான நிலைமைகளை ஏற்கனவே உருவாக்கியுள்ளது.
அந்தச் சூழலில், ஏற்கனவே நடுங்கும் அடித்தளத்தின் மேல் AI சிக்கலான மற்றொரு அடுக்காக மாறுகிறது.
சிறந்த முடிவுகளை அடையும் நிறுவனங்கள் மிகவும் ஒழுக்கமான பாதையில் செல்கின்றன, அவை வெளியில் இருந்து குறைவான உற்சாகமாகத் தோன்றும்.
அவை நகலெடுப்பதைக் குறைக்கின்றன. அவை அமைப்பின் தர்க்கத்தை சீரமைக்கின்றன. மதிப்புகள் உண்மையில் எதைக் குறிக்கின்றன என்பதை அவர்கள் தீர்மானிக்கிறார்கள் மற்றும் இந்த வரையறைகள் அணிகளுக்கு உண்மையாக இருப்பதை உறுதி செய்கின்றன. அவை தானியங்குபடுத்துவதற்கு முன் பணிப்பாய்வுகளை எளிதாக்குகின்றன. அணுகலை விரிவுபடுத்துவதற்கு முன் அவர்கள் சொத்தை சரிசெய்கிறார்கள்.
இந்த வகையான வேலை அரிதாகவே AI மூலோபாயமாக வடிவமைக்கப்பட்டுள்ளது, ஆனால் நடைமுறையில் இது பெரும்பாலும் AI நிரல்களை பிரிக்கிறது, அவை அமைதியாக மதிப்பை விட அதிக செலவுகளை உருவாக்குகின்றன.
ஆரோக்கியமான மைய அமைப்புகள்
அடிப்படை அமைப்புகள் ஆரோக்கியமாக இருந்தால், AI தலைவர்கள் எதிர்பார்த்ததைச் செய்யத் தொடங்குகிறது. உள்ளீடுகள் நிலையானதாக இருப்பதால் முன்னறிவிப்புகள் மிகவும் நம்பகமானதாக மாறும். வாடிக்கையாளர் தரவு இன்னும் செயல்படக்கூடியதாக மாறும், ஏனெனில் குழுக்கள் தற்போதையதா இல்லையா என்பதில் சண்டையிடவில்லை.
ஆட்டோமேஷன் கூடுதல் மதிப்பாய்வு சுழற்சிகளை உருவாக்குவதற்குப் பதிலாக வேலையை அகற்றத் தொடங்குகிறது. அந்த நேரத்தில், பொருளாதார ரீதியாகவும் செயல்பாட்டு ரீதியாகவும், மற்றும் நீட்டிப்பு மூலம், நிலைத்தன்மை கண்ணோட்டத்தில் செயல்திறன் மேம்படுகிறது, ஏனெனில் தடுக்கக்கூடிய இடையூறுகளை ஈடுசெய்ய நிறுவனம் இனி வளங்களை எரிப்பதில்லை.
AI இன் விலை உயர்வைப் புரிந்துகொள்ள முயற்சிக்கும் நிறுவனங்களுக்கு, இது தொடங்க வேண்டிய இடம். மேலும் மாடல்களுக்கு எப்படி உணவளிப்பது என்று கேட்பதற்கு முன், ஆரோக்கியமற்ற தரவுகளால் ஏற்கனவே எவ்வளவு தேவையற்ற டிஜிட்டல் ஒழுங்கீனம் உருவாக்கப்படுகிறது என்று கேட்பது மதிப்பு.
நிறுவன அடுக்குக்கு வெளியே நிலைத்தன்மையை நாங்கள் கருதுவதற்கு முன், தூய்மையான அமைப்புகள் வளங்களை மிகவும் புத்திசாலித்தனமாகப் பயன்படுத்துகின்றன என்பதை அங்கீகரிப்பது மதிப்பு.
சுற்றுச்சூழலில் AI இன் தாக்கம் ஒரு உள்கட்டமைப்பு பிரச்சினை என்று கருதுவதற்கு முன், தலைவர்கள் தங்கள் சொந்த வணிகம் ஒவ்வொரு நாளும் வழங்கும் தரவின் நிலையை உன்னிப்பாகக் கவனிக்க வேண்டும்.
தூய்மையான தரவு AI உள்கட்டமைப்பு மற்றும் ஆற்றல் கட்டுப்பாடுகளுடன் தொடர்புடைய அனைத்து சவால்களையும் தீர்க்காது, ஆனால் இது நிறுவன அமைப்புகளை மிகவும் திறமையானதாகவும், நம்பகமானதாகவும், உடனடி மற்றும் அளவிடக்கூடிய வழிகளில் மிகவும் நிலையானதாகவும் ஆக்குகிறது.
சிறந்த செயல்பாட்டு ஒழுக்கம் தடுத்திருக்கக் கூடும் என்பதை அதிக கணக்கீடுகள் தீர்க்கும் என்று கருதுவதை விட இது தொடங்குவதற்கு மிகச் சிறந்த இடமாகும்.
வணிகத்திற்கான சிறந்த AI சாட்போட்டை நாங்கள் அறிமுகப்படுத்தியுள்ளோம்.
இந்த கட்டுரை ஒரு பகுதியாக தயாரிக்கப்பட்டது டெக்ராடார் ப்ரோ நுண்ணறிவுஇன்று தொழில்நுட்ப துறையில் சிறந்த மற்றும் பிரகாசமான மனதை வெளிப்படுத்த எங்கள் சேனல்.
இங்கே வெளிப்படுத்தப்பட்ட கருத்துகள் ஆசிரியரின் கருத்துகள் மற்றும் TechRadarPro அல்லது Future plc இன் கருத்துக்கள் அல்ல. நீங்கள் பங்களிக்க ஆர்வமாக இருந்தால், இங்கே மேலும் அறிக: https://www.techradar.com/pro/perspectives-how-to-submit
Leave a Reply