डेटा प्रबंधन एक अस्वाभाविक कार्य है। यही कारण है कि अधिकांश एआई रणनीतियाँ आगे बढ़ने से पहले ही रुक जाती हैं।
मॉडलों, प्लेटफार्मों और उपयोग के मामलों पर खर्च लगातार बढ़ रहा है। लेकिन जो अनुशासन इन निवेशों को प्रभावी बनाते हैं – डेटा गुणवत्ता, स्वामित्व और शासन – उन पर अक्सर बहुत कम ध्यान दिया जाता है।
समस्या का एक हिस्सा यह है कि डेटा प्रबंधन न तो “मज़ेदार” है और न ही “आकर्षक” है। इसमें नई तकनीकों के प्रति उत्साह और त्वरित जीत की अपील का अभाव है, इसलिए इस पर लगातार कम ध्यान दिया जाता है।
हालाँकि, जैसे-जैसे संगठन अपनी एआई महत्वाकांक्षाओं को बढ़ाते हैं, शासन तेजी से यह निर्धारित करने में एक कारक बनता जा रहा है कि क्या वे प्रयास सफल होते हैं या रुक जाते हैं।
ऑप्टिमा पार्टनर्स में इंजीनियरिंग विकास के प्रमुख।
अब ध्यान में असंतुलन दिखाई देने लगा है। जबकि एआई को अपनाना लगातार बढ़ रहा है, कई संगठन अभी भी पायलट चरणों से आगे बढ़ने और उद्यम-स्तर पर तैनाती के लिए संघर्ष कर रहे हैं। महत्वाकांक्षा और क्रियान्वयन के बीच अंतर बढ़ रहा है और कमजोर डेटा प्रबंधन अक्सर इसके केंद्र में होता है।
मुद्दा जागरूकता का नहीं है. अधिकांश व्यापारिक नेता मानते हैं कि प्रबंधन मायने रखता है। समस्या यह है कि प्रबंधन के लिए संरचना, सांस्कृतिक फिट और मजबूत अनुशासन की आवश्यकता होती है – जो काम का सबसे कठिन हिस्सा है। और, एक नए प्लेटफ़ॉर्म या टूल के विपरीत, इसका मूल्य अक्सर तभी पूरी तरह से स्पष्ट हो जाता है जब यह गायब होता है।
जब प्रबंधन न हो तो समस्याएँ छोटी नहीं रह जातीं
कमज़ोर प्रबंधन शुरुआत में शायद ही कभी हाई-प्रोफ़ाइल विफलताएँ उत्पन्न करता है। समस्याओं का अंबार लगा हुआ है.
प्रारंभिक एआई पहल अक्सर वितरण को प्राथमिकता देती है, जिसमें डैशबोर्ड, मॉडल और एप्लिकेशन को प्रबंधन पर प्राथमिकता दी जाती है। साइलो फॉर्म, डेटा परिभाषाएँ अलग हो जाती हैं, और पहुंच नियंत्रण असंगत हो जाते हैं। एक सामान्य पैटर्न यह है कि दो टीमें – एक मार्केटिंग में, दूसरी डेटा साइंस में – एक ही मीट्रिक की विभिन्न परिभाषाओं के आधार पर अलग-अलग मॉडल को प्रशिक्षित करती हैं।
दोनों परिभाषाएँ व्यक्तिगत रूप से सही लगती हैं। उत्पादन में, पूर्वानुमान एक-दूसरे का खंडन करते हैं, बिना कोई टीम इसका कारण बताए, और जांच में किसी भी मॉडल के निर्माण की तुलना में कई सप्ताह अधिक समय लग जाता है। गुणवत्ता संबंधी समस्याएँ समाप्त होने के बजाय ठीक हो जाती हैं, और नई परियोजनाएँ अस्थिर धारणाओं पर निर्भर होने लगती हैं।
जैसे-जैसे समय के साथ जटिलता बढ़ती है, डेटा पर भरोसा कम होता जाता है।
डेटा शब्दकोश और अनुमति संरचनाएं प्रशासनिक ओवरहेड नहीं हैं – वे स्केलेबल एआई को संभव बनाते हैं। किसी भी दृश्यमान रिटर्न से पहले उन्हें जल्दी बनाने के लिए निवेश की आवश्यकता होती है, लेकिन इस प्रयास में देरी करना कहीं अधिक महंगा है।
यदि अनियंत्रित छोड़ दिया जाता है, तो प्रबंधन संबंधी खामियां अंततः गंभीर परिणाम देती हैं, जिससे परियोजना में देरी, अनुपालन उल्लंघन और गलत डेटा के आधार पर निर्णय लिए जाते हैं। इस बिंदु पर, संगठनों को सुधार करने या यहां तक कि पूर्ण पुनर्निर्माण करने के लिए मजबूर किया जाता है, जो शुरुआत से प्रबंधन समस्याओं को ठीक करने की तुलना में कहीं अधिक महंगा और विघटनकारी है।
शासन केवल अनुपालन से कहीं अधिक है, यह नवाचार को प्रेरित करता है
नियामक डेटा के उपयोग में जवाबदेही पर अधिक जोर दे रहे हैं। यूके सूचना आयुक्त कार्यालय (आईसीओ) ने यह स्पष्ट कर दिया है कि संगठनों को डेटा के उपयोग पर नियंत्रण प्रदर्शित करने में सक्षम होना चाहिए, खासकर जब कृत्रिम बुद्धिमत्ता प्रणाली अधिक सामान्य हो गई हो। स्कॉटलैंड की नई राष्ट्रीय एआई रणनीति इस बात पर भी जोर देती है कि संगठनों को ओईसीडी सिद्धांतों के अनुरूप जिम्मेदार एआई शासन के लिए सर्वोत्तम अभ्यास का पालन करना चाहिए।
इसने इस विचार को पुष्ट किया कि शासन मुख्य रूप से एक अनुपालन गतिविधि है – कुछ महत्वपूर्ण, लेकिन जरूरी नहीं कि प्रोटोटाइप चरण में प्राथमिकता हो। प्रभावी प्रशासन इससे कहीं अधिक है: यह निर्धारित करता है कि किसी संगठन के माध्यम से डेटा कैसे प्रवाहित होता है, निर्णय कैसे लिए जाते हैं और टीमें कितने आत्मविश्वास से कार्य कर सकती हैं। यह जवाबदेही को परिभाषित करता है और पैमाने पर स्थिरता बनाए रखने के लिए आवश्यक मानक निर्धारित करता है।
इस अर्थ में, शासन एक डिज़ाइन विकल्प है, और व्यवसायों को अपनी नवाचार महत्वाकांक्षाओं को प्रभावी ढंग से बढ़ाने के लिए सही विकल्प चुनने की आवश्यकता है।
मॉडल चुनने से पहले स्वामित्व निर्धारित करें
शासन सभी के लिए एक जैसा नहीं है, न ही यह कोई विशुद्ध तकनीकी समस्या है जिसे केवल उपकरणों या प्लेटफार्मों के माध्यम से हल करने की आवश्यकता है। वास्तव में, अधिक कठिन प्रारंभिक चुनौती अक्सर लोगों और जवाबदेही से संबंधित होती है। शासन मॉडल विकसित करने से पहले, संगठनों को यह परिभाषित करने की आवश्यकता है कि कौन और कैसे। डेटा का मालिक कौन है? इसकी गुणवत्ता के लिए कौन ज़िम्मेदार है और इसका उपयोग कैसे किया जाना चाहिए यह कौन तय करता है?
कई संगठनों में ये जिम्मेदारियाँ अस्पष्ट हैं। प्रबंधन साझा किया जाता है, और स्वामित्व निर्धारित करने के बजाय (अक्सर गलती से) मान लिया जाता है। लेकिन केवल एक बार जब इन सवालों का जवाब मिल जाता है – व्यवहार में और कागज पर दोनों – तो क्या व्यवसाय एक ऐसे शासन मॉडल को विकसित करने पर अपना ध्यान केंद्रित कर सकते हैं जो उनकी संरचना में फिट बैठता है।
कुछ लोग इसके लिए एक केंद्रीकृत दृष्टिकोण अपनाते हैं, जहां नियंत्रण एक कार्य द्वारा किया जाता है। यह स्थिरता और स्पष्टता प्रदान कर सकता है, लेकिन मॉडल को विविध आवश्यकताओं वाले जटिल संगठनों में बड़े पैमाने पर संघर्ष करना पड़ सकता है।
अन्य लोग एक संघीय मॉडल अपनाते हैं जो केंद्रीय मानकों को स्थानीय स्वामित्व के साथ जोड़ता है। यह अधिक लचीला और स्केलेबल हो सकता है, लेकिन केवल तभी जब कंपनी इन सामान्य मानकों के लिए प्रतिबद्ध हो और उसने स्पष्ट भूमिकाएं और जवाबदेही परिभाषित की हो। उनके बिना, फ़ेडरेटेड मॉडल डेटा को और अधिक खंडित करने का जोखिम उठाते हैं।
संरेखण कुंजी है. शासन मॉडल को इस बात से मेल खाना चाहिए कि टीमें वास्तव में डेटा और एआई का उपयोग कैसे करती हैं, न कि उन्हें कैसे काम करना चाहिए।
अभ्यास परीक्षण: तीन अलग-अलग टीमों से पूछें कि वे प्रमुख व्यावसायिक मीट्रिक-राजस्व, सक्रिय उपयोगकर्ता, या मंथन को कैसे परिभाषित करते हैं। यदि उत्तर भिन्न हैं, तो एक नियंत्रण समस्या पहले से मौजूद है। ऑपरेटिंग मॉडल का सवाल यह नहीं है कि भविष्य में इस विसंगति को कैसे रोका जाए; बिल्कुल वही जिसके पास अब इस समस्या को हल करने का अधिकार है।
डेमो संस्करण में नियंत्रण प्रदर्शित नहीं होते हैं
शासन एआई रणनीति का शायद ही सबसे अधिक दिखाई देने वाला हिस्सा है। यह विस्तृत, संरचनात्मक कार्य है जिसे अक्सर अनदेखा कर दिया जाता है, लेकिन इसीलिए यह इतना महत्वपूर्ण है।
व्यापारिक नेताओं के लिए, चुनौती इसके महत्व को पहचानने से आगे बढ़ने और इसे लागू करने के तरीके के बारे में शीघ्र, सूचित निर्णय लेना शुरू करने की है। इसका मतलब है डेटा स्वामित्व को परिभाषित करना, ऑपरेटिंग मॉडल को संरेखित करना और उन क्षमताओं में निवेश करना जो दीर्घकालिक सफलता को सक्षम बनाती हैं।
तकनीकी विकल्प प्रतिवर्ती है. डेटा स्वामित्व निर्णय जटिल हैं। अगले बारह महीनों में आपके द्वारा बनाया गया शासन मॉडल (या उपेक्षा) यह निर्धारित करेगा कि आपकी एआई रणनीति वास्तव में तीन वर्षों में क्या हासिल कर सकती है।
हमने छोटे व्यवसायों के लिए सर्वोत्तम सॉफ़्टवेयर प्रस्तुत किया.
यह आलेख के भाग के रूप में तैयार किया गया था टेकराडार प्रो आउटलुकहमारा चैनल आज के तकनीकी उद्योग में सर्वश्रेष्ठ और प्रतिभाशाली दिमागों को पेश करता है।
यहां व्यक्त विचार लेखक के हैं और जरूरी नहीं कि वे TechRadarPro या Future plc के विचारों को प्रतिबिंबित करते हों। यदि आप भाग लेने में रुचि रखते हैं, तो यहां और अधिक जानकारी प्राप्त करें: https://www.techradar.com/pro/perspectives-how-to-submit
