कॉर्पोरेट एआई की महत्वाकांक्षाओं को तीन प्रमुख तत्वों की मदद से वास्तविक व्यावसायिक परिणाम में कैसे बदलें
और पढ़ें
TechCentral
techcentral.co.za

कॉर्पोरेट एआई की महत्वाकांक्षाओं को तीन प्रमुख तत्वों की मदद से वास्तविक व्यावसायिक परिणाम में कैसे बदलें

कई कंपनियाँ कॉर्पोरेट आर्टिफिशियल इंटेलिजेंस (एआई) को लागू करने की समस्या का सामना करती हैं: वे अत्यधिक बुद्धिमान मॉडल नियुक्त करती हैं जो बड़ी मात्रा में जानकारी का विश्लेषण और जटिल समस्याओं को हल करने में सक्षम होते हैं, लेकिन ये मॉडल अक्सर ग्राहक डेटा, व्यावसायिक प्रक्रियाओं की समझ या कंपनी की प्रणालियों में कार्य करने की क्षमता से रहित होते हैं।

हालांकि पायलट परियोजनाएं चल रही हैं और बजट स्वीकृत हो गए हैं, कई नेता यह सवाल पूछते हैं कि शक्तिशाली एआई कार्यप्रवाहों को अभी तक क्यों नहीं बदल रहा है। इसका उत्तर यह है कि बुद्धिमत्ता एक उपयोगिता बन जाती है, जबकि संदर्भ, विश्वास और निष्पादन की क्षमता महत्वपूर्ण बनी रहती है।

ब्लूस्काई, जो एंथ्रोपिक का भागीदार है, समाधान एंथ्रोपिक के क्लॉड के बुद्धिमत्ता को सेल्सफोर्स और अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) की मौजूदा क्षमताओं के साथ एकीकृत करने में देखता है। कंपनी का मानना है कि इस तरह संगठन प्रयोगों से आगे बढ़कर व्यवहार में बुद्धिमत्ता का उपयोग करना शुरू कर सकते हैं।

तीन घटकों की शक्ति

कॉर्पोरेट एआई की पहली लहर संवाद पर केंद्रित थी, जहाँ उपयोगकर्ता प्रश्न पूछते थे और एआई उत्तर प्रदान करता था। हालांकि यह उपयोगी था, लेकिन इसने हमेशा परिवर्तनकारी बदलाव नहीं लाए।

विकास का अगला चरण निष्पादन की क्षमता द्वारा निर्धारित किया जाएगा। उदाहरण के लिए, एक छोटे या मध्यम आकार के उद्यम (एसएमई) के ऋण आवेदन पर विचार करते समय, एक शक्तिशाली एआई मॉडल मिनटों में वित्तीय विवरण का विश्लेषण कर सकता है। हालाँकि, यदि यह मॉडल ग्राहक रिकॉर्ड तक नहीं पहुंच सकता है, दस्तावेज़ निकाल नहीं सकता है, कार्यप्रवाह शुरू नहीं कर सकता है या अनुमोदन प्रक्रियाओं के साथ इंटरैक्ट नहीं कर सकता है, तो प्रक्रिया फिर भी हफ्तों लेगी।

कई संगठनों के लिए मुख्य समस्या बुद्धिमत्ता में नहीं है, बल्कि इस बुद्धिमत्ता को उन प्रणालियों से जोड़ने में है जहाँ वास्तव में काम किया जाता है। यहीं पर 'तीन शक्तियों' की अवधारणा महत्वपूर्ण होती है, जो 'मस्तिष्क, हाथ और रीढ़' के रूपक का प्रतिनिधित्व करती है:

  • मस्तिष्क - यह एंथ्रोपिक है, जिसका क्लॉड मॉडल जटिल व्यावसायिक कार्यों को हल करने के लिए आवश्यक विश्लेषणात्मक क्षमता, निर्णय और तर्क प्रदान करता है।
  • हाथ - यह सेल्सफोर्स है, क्योंकि संदर्भ के बिना बुद्धिमत्ता केवल एक राय है। सेल्सफोर्स ग्राहक डेटा, कार्यप्रवाह और व्यावसायिक प्रक्रियाएं प्रदान करता है, जिससे एआई वर्तमान को समझ सकता है और सार्थक कार्रवाई कर सकता है।
  • रीढ़ - यह एडब्ल्यूएस है, क्योंकि कॉर्पोरेट एआई को काम करने के लिए एक सुरक्षित, स्केलेबल और दोष-सहिष्णु वातावरण की आवश्यकता होती है। एडब्ल्यूएस वह बुनियादी ढांचा, प्रबंधन और आधार प्रदान करता है जो बड़े पैमाने पर एआई को तैनात करने के लिए आवश्यक है।

इनमें से प्रत्येक क्षमता अपने आप में मजबूत है, लेकिन उनका संयुक्त उपयोग कहीं अधिक प्रभाव डालता है। वे तीन प्रमुख प्रश्नों का उत्तर देते हैं जो प्रत्येक नेता को एआई के संबंध में पूछना चाहिए: क्या यह पर्याप्त बुद्धिमान है? क्या यह हमारे व्यवसाय को समझता है? क्या हम इसे बड़े पैमाने पर काम करने के लिए भरोसा कर सकते हैं?

चौथा तत्व

फिर भी, एक चौथा घटक मौजूद है। मस्तिष्क, हाथ और रीढ़ को एक तंत्रिका तंत्र की आवश्यकता होती है जो उन्हें जोड़ता है, और ब्लूस्काई इसी भूमिका को निभाता है। एंथ्रोपिक के साथ ब्लूस्काई की साझेदारी एआई के क्षेत्र में उनकी यात्रा की शुरुआत नहीं है, बल्कि सेल्सफोर्स, एडब्ल्यूएस और डेटा-संचालित परिवर्तन के माध्यम से संगठनों को संचालन के आधुनिकीकरण, ग्राहक अनुभव को बेहतर बनाने और मूल्य को उजागर करने में मदद करने के लिए वर्षों के काम का अगला चरण है। उनका काम बुद्धिमत्ता, कॉर्पोरेट संदर्भ और निष्पादन को ऐसे तरीकों से जोड़ना है जो मापने योग्य व्यावसायिक परिणामों की ओर ले जाते हैं।

यह ध्यान रखना महत्वपूर्ण है कि इसका मतलब मौजूदा तकनीकी निवेशों को बदलना नहीं है। इसके विपरीत, संगठनों को अपने सेल्सफोर्स और एडब्ल्यूएस वातावरण को एक मूलभूत आधार के रूप में देखना चाहिए जो कॉर्पोरेट एआई को प्रभावी बनाता है।

स्वचालन से परे क्षमताएं

दूर में, क्षमताएं केवल स्वचालन से कहीं अधिक व्यापक हैं। दुनिया ऐसी दिशा में बढ़ रही है जहाँ संगठन डिजिटल कर्मचारियों, या जैसा कि कुछ लोग कहते हैं, 'सिलिकॉन कर्मचारियों' के साथ अधिक बार काम करेंगे। ये सिस्टम केवल सवालों का जवाब नहीं देंगे; वे जानकारी का विश्लेषण करने, कार्यों का समन्वय करने, सिफारिशें तैयार करने और पूरे संगठन में काम को आगे बढ़ाने में मदद करेंगे।

यह एक गहरा बदलाव का प्रतीक है। एआई एक मानव कौशल को प्रतिस्थापित नहीं करता है; इसके बजाय, यह मानव क्षमताओं की एक बहुत विस्तृत श्रृंखला को बढ़ाना शुरू कर देता है। नेतृत्व चुनौती यह होगी कि हजारों गुना तेज काम करने वाली बुद्धिमत्ता का उपयोग करने की क्षमता विकसित करना।

वे संगठन जो एआई युग में सफल होंगे, वे मॉडल से नहीं, बल्कि उस काम से शुरू करेंगे जिसे करने की आवश्यकता है और वांछित परिणामों से। वे बुद्धिमत्ता के चारों ओर प्रक्रियाओं को फिर से परिभाषित करेंगे, समझेंगे कि बातचीत से अधिक निष्पादन महत्वपूर्ण है, और महसूस करेंगे कि एआई का विस्तार अंततः एक संगठनात्मक, न कि केवल तकनीकी चुनौती है।

एआई युग के विजेता वे संगठन नहीं होंगे जिनके पास सबसे अधिक मॉडलों तक पहुंच है, क्योंकि बुद्धिमत्ता तक पहुंच सार्वभौमिक होती जा रही है। इसके बजाय, निर्माता जीतेंगे: वे संगठन जो बुद्धिमत्ता को अपने डेटा, प्रणालियों और लोगों से जोड़ते हैं, विचारों को कार्रवाई में बदलते हैं और बुद्धिमत्ता को मापने योग्य व्यावसायिक परिणामों में बदलते हैं। इस सबसे बुद्धिमान नए कर्मचारी का लाभ कोई भी व्यवसाय उठा सकता है। सवाल यह है कि क्या आप उसे एक डेस्क प्रदान करने के लिए तैयार हैं।

समान कहानियाँ

विशेषज्ञ बताते हैं कि एआई से उत्पादकता में वृद्धि व्यवसाय वृद्धि में क्यों नहीं बदलती है
और पढ़ें
iol.co.za

विशेषज्ञ बताते हैं कि एआई से उत्पादकता में वृद्धि व्यवसाय वृद्धि में क्यों नहीं बदलती है

आर्टिफिशियल इंटेलिजेंस (एआई) के आधुनिक समाज पर निर्विवाद प्रभाव के बावजूद, इस बात पर एक तीखी बहस बनी हुई है कि इसका समग्र प्रभाव सकारात्मक है या नकारात्मक। एक या दो साल पहले इंटरनेट पर एआई द्वारा बनाई गई छवियों की बाढ़ आ गई थी, जो जल्दी ही कॉर्पोरेट विज्ञापन में शामिल हो गईं। इसके तुरंत बाद, यूट्यूब जैसे सोशल मीडिया प्लेटफॉर्म एआई-जनित थंबनेल से भर गए - विज़ुअल्स जो पहले दर्शकों में रुचि जगा सकते थे, लेकिन आज वे अधिक बार दर्शकों में थकान और संदेह पैदा करते हैं।

हालांकि, सोशल मीडिया फीड्स से बाहर, लक्षित कार्यान्वयन की स्थिति में आर्टिफिशियल इंटेलिजेंस में कॉर्पोरेट संचालन को बदलने की महत्वपूर्ण क्षमता है। IOL को दिए गए एक विशेष साक्षात्कार में, growthguru.ai के सह-संस्थापक पॉल बेंटिंग ने इस आम नैरेटिव का विश्लेषण किया कि एआई एक अतिरंजित उपकरण बन गया है जो अपेक्षित उत्पादकता वृद्धि प्रदान नहीं करता है।

बेंटिंग ने कहा कि समस्या यह नहीं है कि एआई को अधिक महत्व दिया जा रहा है, बल्कि यह है कि इसका मूल्यांकन एक गलत वादे के आधार पर किया जा रहा है। उन्होंने इस बात पर जोर दिया कि उत्पादकता में वृद्धि वास्तविक है और शोधों द्वारा समर्थित है। मैककिन्से के कॉर्पोरेट एआई उपयोग सर्वेक्षण के आंकड़ों के अनुसार, 80% उत्तरदाताओं ने व्यक्तिगत उत्पादकता में सुधार बताया है, लेकिन केवल 37% का दावा है कि एआई ने सीधे तौर पर उनकी संगठन की लाभप्रदता बढ़ाने में योगदान दिया है - एक ऐसा संकेतक जो पिछले एक साल से लगभग अपरिवर्तित रहा है।

इसलिए, बेंटिंग के अनुसार, यह कहना अधिक ईमानदार है कि एआई को अधिक महत्व नहीं दिया जा रहा है, बल्कि इसे मौलिक रूप से गलत समझा जा रहा है। नेता गलती से मानते हैं कि बचाए गए समय का स्वचालित रूप से राजस्व वृद्धि में परिवर्तन होता है। वास्तव में, कंपनियों को एआई के कारण मुक्त हुए घंटों को उच्च रिटर्न वाली मूर्त व्यावसायिक अवसरों को प्राप्त करने के लिए सक्रिय रूप से निर्देशित करने की आवश्यकता है।

हालांकि अधिकांश सार्वजनिक ध्यान स्वाभाविक रूप से पुरानी कार्य प्रक्रियाओं के अनुकूलन पर केंद्रित होता है, बेंटिंग चेतावनी देते हैं कि कार्यों की दक्षता उद्यम का मुख्य लक्ष्य नहीं होनी चाहिए। लगभग 79% प्रबंधकों को उम्मीद है कि एआई 2030 तक राजस्व में पर्याप्त वृद्धि करेगा, जबकि वर्तमान में यह 40% है। फिर भी, केवल 24% के पास स्पष्ट विचार है कि यह भविष्य का राजस्व कहाँ से आएगा। जैसा कि बेंटिंग ने समझाया, वास्तविक लक्ष्य एआई का उपयोग प्रतिस्पर्धियों से पहले तत्काल व्यावसायिक अंतराल की पहचान करने और उच्च मूल्य वाले बाजार के अवसरों को जब्त करने के लिए करना है।

इसी रणनीतिक अंतर को पाटने के लिए Growthguru.ai प्लेटफॉर्म विकसित किया गया है, जो सामान्य कार्यप्रवाह स्वचालन के बजाय व्यवसाय विकास पर केंद्रित है। एक सार्वभौमिक सहायक प्रदान करने के बजाय, उनका प्लेटफॉर्म विशिष्ट वाणिज्यिक लीवर पर लक्षित एआई एजेंटों का उपयोग करता है: पर्की भागीदारों को आपूर्तिकर्ताओं से प्रासंगिक प्रोत्साहन, छूट और संयुक्त वित्तपोषण तक पहुंचने में मदद करता है; माया बाजार में प्रवेश रणनीतियों और संयुक्त विपणन पहलों को विकसित करती है; एलेक्स भागीदारों को प्रमाणन और आपूर्तिकर्ता स्तरों के माध्यम से मार्गदर्शन करता है; और लेक्सी उद्यमों में महत्वपूर्ण अपडेट को ट्रैक करता है, जैसे माइक्रोसॉफ्ट प्लेटफॉर्म के महत्वपूर्ण रिलीज़।

फिर भी, वाणिज्यिक क्षमता के साथ एक अधिक अंधेरा पक्ष भी मौजूद है - एआई का उपयोग करके अपराध, जहां जवाबदेही और कानूनी दायित्व अनसुलझे मुद्दे बने हुए हैं। बेंटिंग का तर्क है कि वित्तीय धोखाधड़ी के लिए एआई का उपयोग करने वाले अपराधियों को अपने कार्यों के लिए जिम्मेदार ठहराया जाना चाहिए, भले ही वे किन उपकरणों का उपयोग करें। हालांकि, यदि किसी उद्यम का मालिकाना या तृतीय-पक्ष एआई परिचालन या वित्तीय नुकसान पहुंचाता है, तो जिम्मेदारी सीधे उस व्यवसाय पर होती है जिसने इसे लागू किया है। कानूनी जिम्मेदारी को मॉडल प्रदाता पर स्थानांतरित नहीं किया जा सकता है। हालांकि सॉफ्टवेयर डेवलपर्स को सुरक्षित और अनुपालन योग्य आर्किटेक्चर बनाना चाहिए, कार्यान्वयन का चयन पूरी तरह से उद्यम का है। BCG ने अपने एप्लिकेशन एआई बेंचमार्क में इस निष्कर्ष की पुष्टि की है।

विशेषज्ञ ने उल्लेख किया कि आर्टिफिशियल इंटेलिजेंस वित्त को बदल रहा है, जोखिम प्रबंधन की समस्याओं को बढ़ा रहा है
और पढ़ें
cgtn.com

विशेषज्ञ ने उल्लेख किया कि आर्टिफिशियल इंटेलिजेंस वित्त को बदल रहा है, जोखिम प्रबंधन की समस्याओं को बढ़ा रहा है

आर्टिफिशियल इंटेलिजेंस (एआई) और वित्तीय क्षेत्र में इसका कार्यान्वयन फाइनेंशियल स्ट्रीट फोरम 2026 का एक केंद्रीय विषय बन गया है। इस फोरम में एक साक्षात्कार के दौरान, बीजिंग इंस्टीट्यूट ऑफ टेक्नोलॉजी रेगुलेशन एंड सुपरविजन के कार्यकारी अध्यक्ष झांग के ने CGTN के साथ वित्तीय क्षेत्र में एआई की क्षमताओं, जोखिमों और वैश्विक शासन पर अपने दृष्टिकोण साझा किए।

एआई को पांचवीं औद्योगिक क्रांति के प्रेरक शक्ति के रूप में चित्रित करते हुए, झांग ने जोर दिया कि एआई का मुख्य मूल्य दक्षता बढ़ाने में निहित है। हालांकि, उन्होंने चेतावनी दी कि मौलिक कठिनाइयाँ बनी हुई हैं जब तक कि एआई मॉडल डेटा पर अत्यधिक निर्भरता और निर्धारित पथ का पालन करने पर बहुत अधिक निर्भर होते हैं।

वित्तीय प्रणालियों में एआई के उपयोग से जुड़े जोखिमों पर प्रकाश डालते हुए, जिसके लिए बड़ी मात्रा में डेटा की आवश्यकता होती है, झांग ने दो मुख्य समस्याओं को उजागर किया: डेटा गोपनीयता और जवाबदेही। हालांकि डेटा प्रवाह एक आवश्यक शर्त है, डेटा सुरक्षा, एक्सेस स्तर और सार्वजनिक प्रकटीकरण से संबंधित मुद्दों के लिए सख्त वैश्विक नियामक ढांचे की स्थापना की आवश्यकता है।

इसके अलावा, यह देखते हुए कि एआई निर्णय लेने और अनुसंधान में सहायता को काफी हद तक अनुकूलित कर सकता है, झांग ने एल्गोरिदम को अंतिम व्यापारिक निर्णय सौंपने के खिलाफ चेतावनी दी। वित्तीय नुकसान की स्थिति में, अंतिम जिम्मेदारी निर्णय लेने वाले मनुष्यों की होनी चाहिए, न कि मशीन इंटेलिजेंस की।

इन प्रणालीगत जोखिमों को दूर करने के लिए, झांग ने सक्रिय अंतरराष्ट्रीय सहयोग का आह्वान किया। उन्होंने एआई के वैश्विक शासन की आवश्यकता की तुलना जलवायु परिवर्तन पर पेरिस समझौते और बौद्धिक संपदा पर स्टॉकहोम कन्वेंशन जैसे बड़े अंतरराष्ट्रीय समझौतों से की। अत्यधिक विनियमन के बजाय, सरकारों को बिखरे हुए नियमों को व्यवस्थित करने के लिए एक अंतरराष्ट्रीय 'एआई समझौता' बनाने पर मिलकर काम करना चाहिए।

भविष्य की ओर देखते हुए, झांग ने उल्लेख किया कि एआई तब सबसे अधिक लाभ पहुंचाता है जब इसका उपयोग उच्च-स्तरीय निर्णय लेने और समूह रणनीति के लिए एक रणनीतिक सलाहकार के रूप में किया जाता है, न कि नियमित लेनदेन संचालन को बदलने के लिए। उन्होंने निष्कर्ष निकाला कि हर महत्वपूर्ण वित्तीय युद्धाभ्यास में मानवीय नियंत्रण अपरिहार्य बना हुआ है।

विशेषज्ञों ने चेतावनी दी है कि कृत्रिम बुद्धिमत्ता की क्षमताओं को बढ़ा-चढ़ाकर पेश किया जा सकता है
और पढ़ें
techcentral.co.za

विशेषज्ञों ने चेतावनी दी है कि कृत्रिम बुद्धिमत्ता की क्षमताओं को बढ़ा-चढ़ाकर पेश किया जा सकता है

हाल की घटनाओं ने शक्तिशाली कृत्रिम बुद्धिमत्ता प्रणालियों की संभावित खतरनाकता के बारे में चिंताएं पैदा की हैं। सितंबर में, Anthropic के एक शोधकर्ता ने इस्तीफा दे दिया और चेतावनी दी कि शक्तिशाली एआई डेवलपर्स 'ईमानदारी से मानते हैं कि यह दशक के अंत तक हम सभी को नष्ट कर सकता है'।

कुछ दिनों बाद, स्कॉटलैंड में अपने एआई शिखर सम्मेलन का उद्घाटन करते हुए, राजा चार्ल्स ने 'अस्तित्वगत खतरों' और उन प्रौद्योगिकियों के बारे में बात की जो 'अधिक भयावह क्षमताएं - शायद मारने की क्षमता भी' प्राप्त करने का जोखिम रखती हैं।

बिल गेट्स ने चेतावनी दी कि गलत हाथों में एआई में 'अरबों मौतों' का कारण बनने वाली घटनाओं को भड़काने की पर्याप्त शक्ति है। साथ ही, समाचारों में 'अनियंत्रित एआई एजेंटों' के भागने और उनके 'अलगाव से बाहर निकलने' की घटनाओं की खबरें आ रही थीं, लेकिन सुरक्षा उपायों, सुरक्षा मानकों और समझौता किए गए सिस्टमों पर बहुत कम ध्यान दिया गया था।

एआई के उपयोग के निर्णय लेने वाले व्यापारिक नेताओं को निराशावादी और उत्साही दोनों से कम लाभ होगा। उन्हें यह निर्धारित करने के लिए एक अधिक सख्त मानदंड की आवश्यकता है कि इस तकनीक पर कब भरोसा किया जा सकता है।

उन लोगों के लिए जो दशकों से एआई क्षेत्र में काम कर रहे हैं, आधुनिक प्रणालियाँ किसी तरह सपने की पूर्ति हैं। मशीनों की अब भाषा के साथ जो कुछ करने की क्षमता है, वह पहले अकल्पनीय लगती थी।

हालांकि, चमत्कार आत्मविश्वास के बराबर नहीं है। एआई की उत्कृष्ट चीजें करने की क्षमता यह नहीं बताती कि भविष्य में वह कितनी विश्वसनीय रूप से क्या कर पाएगा, उसकी सीमाएं क्या हैं, या क्या हम उसे कुछ जिम्मेदारियां सौंपने के लिए इन सीमाओं को पर्याप्त रूप से समझते हैं।

इसलिए, जब कोई चिंताजनक शीर्षक सामने आता है, तो सवाल पूछना चाहिए: क्या परीक्षण किया गया था, किन परिस्थितियों में, किस पहुंच के साथ और किन सुरक्षा उपायों के साथ? फिर यह पता लगाना चाहिए कि यह घटना वास्तव में क्या प्रदर्शित करती है। नाटकीय विवरण स्पष्टीकरण नहीं है।

अत्यधिक अनुमान लगाना

इस क्षेत्र का इतिहास इस बात की भविष्यवाणियों से भरा पड़ा है कि मशीनें जल्द ही मनुष्यों के बराबर या उनसे बेहतर हो जाएंगी। आधुनिक प्रणालियाँ अपने पूर्ववर्तियों की तुलना में काफी अधिक सक्षम हैं, और कुछ पहलुओं में, जैसे सॉफ्टवेयर विकास और गणित में, वे पहले से ही हमसे आगे निकल गई हैं। प्रगति बहुत तेजी से हुई है।

इतिहास का सबक यह है कि वास्तविक प्रगति हमें बहुत दूर तक अनुमान लगाने के लिए लुभाती है। ऐसे आत्मविश्वासपूर्ण पूर्वानुमानों का एक कारण यह हो सकता है कि एआई भाषा का बहुत तेज़ी से उपयोग करता है। चूंकि भाषा मानव अनुभव का एक केंद्रीय तत्व है, हम सहज प्रणालियों का वर्णन मानवीय शब्दों में करते हैं: वे सोचते हैं, चाहते हैं, चिंतित होते हैं। ये शब्द तर्कसंगतता और इरादे के बारे में धारणाएं रखते हैं जिन्हें प्रौद्योगिकी का प्रदर्शन प्रमाणित नहीं करता है।

सिस्टम के व्यवहार को गंभीरता से लिया जाना चाहिए और सावधानीपूर्वक विश्लेषण किया जाना चाहिए, जिससे मानव-जैसे विवरण विश्लेषण का काम न करें। एआई की क्षमताएं विषम हैं। जो लोग प्रतिदिन इन प्रणालियों के साथ काम करते हैं, वे देखते हैं कि वे जटिल भाषा और तर्क को प्रभावशाली ढंग से संभालते हैं, और फिर किसी ऐसी चीज़ में विफल हो जाते हैं जिसे मनुष्य तुच्छ मानेगा। एक संगठन में जिसने एआई को अपनी कार्यप्रणाली या ग्राहक सेवा में एकीकृत किया है, ऐसी विफलताएं महत्वपूर्ण नुकसान पहुंचा सकती हैं। वे दुर्भावनापूर्ण इरादों के बारे में बात नहीं करते हैं; वे दिखाते हैं कि एक कार्य में सफलता दूसरे में विश्वसनीयता की गारंटी नहीं देती है।

इसलिए, निदेशक मंडल और नेताओं को शक्तिशाली लेकिन असीमित सामान्य प्रणालियों के बजाय उनकी विशिष्ट वातावरण के लिए बनाए गए स्थानीयकृत एआई को प्राथमिकता देनी चाहिए। यह भी नहीं माना जा सकता है कि एक सेटिंग में काम करने वाला उपाय दूसरी सेटिंग में भी काम करेगा।

एक सूक्ष्म जोखिम भी मौजूद है: कि घोड़ा सवार को प्रशिक्षित करता है। एआई ने अभी तक चेतना प्राप्त नहीं की है या हमें बदलने की इच्छा विकसित नहीं की है, लेकिन संगठन उन उपकरणों के अनुकूल हो जाते हैं जिनका वे उपयोग करते हैं। नेताओं को यह सवाल करना चाहिए कि क्या उनके कर्मचारी बिना जांचे सहज उत्तरों पर भरोसा करना शुरू कर चुके हैं, क्या प्रक्रियाएं प्रणाली द्वारा उत्पादित चीज़ के आसपास पुनर्गठित हो रही हैं, न कि कार्य की आवश्यकता के आसपास, और क्या निर्णय धीरे-धीरे स्थानांतरित हो रहा है क्योंकि एआई वास्तव में जितना है उससे कहीं अधिक सक्षम लगता है।

उत्तर यह है कि एआई का उपयोग कहाँ और कैसे किया जाता है, इसका सटीक निर्धारण करना है। काम शुरू करने से पहले, अफ्रीकी उद्यमों को पांच सवालों का जवाब देना चाहिए:

  • कार्य निर्दिष्ट करें: एआई से वास्तव में क्या करने के लिए कहा जा रहा है?
  • वास्तविक परिस्थितियों में जांचें: क्या सिस्टम वास्तविक ग्राहकों के साथ काम करता है? क्या यह समझता है कि वे भाषा का उपयोग कैसे करते हैं?
  • प्रभाव सीमित करें: उसे वास्तव में किस जानकारी की आवश्यकता है? क्या उसे उन सभी डेटा तक पहुंच की आवश्यकता है जिनके बारे में आप सोचते हैं?
  • कार्यक्षमता की जाँच करें: त्रुटियों का पता कैसे लगाया जाएगा? उच्च जोखिम वाले क्षेत्रों, जैसे ग्राहक गोपनीयता में क्या नियंत्रण उपाय हैं?
  • जिम्मेदारी की स्पष्टता बनाए रखें: सिस्टम विफल होने पर कौन जिम्मेदार है? व्यक्ति को कहाँ और कब हस्तक्षेप करना चाहिए?

एआई का जिम्मेदार कार्यान्वयन मध्यम लेकिन मांग वाले मानक पर आधारित है: एआई का उपयोग वहां करें जहां यह संदर्भ में अपना मूल्य साबित करता है, जोखिम के अनुपात में इसे सीमित करें और इसे तैनात करने वाले लोगों के लिए जिम्मेदारी बनाए रखें।

लोकप्रिय