पिछले दो वर्षों से, हार्डवेयर का एक टुकड़ा जनरेटिव आर्टिफिशियल इंटेलिजेंस के बारे में बातचीत पर हावी रहा है: जीपीयू।
जीपीयू ने बड़े भाषा मॉडल को प्रशिक्षित करने के लिए आवश्यक समानांतर कंप्यूटिंग प्रदान की, और उनकी कमी जल्दी ही एआई तत्परता का एक मार्कर बन गई।
लेकिन यह आशुलिपि अब अधूरी है.
कार्डिफ़ के प्रबंध भागीदार.
एंटरप्राइज़ एआई का अगला चरण केवल त्वरक द्वारा संचालित नहीं होगा।
यह प्रोसेसर, मेमोरी बैंडविड्थ, क्लाउड क्षमता, नेटवर्क और वर्कफ़्लो सिस्टम द्वारा संचालित होगा जो एआई को आकस्मिक प्रयोग से रोजमर्रा के व्यावसायिक संचालन में स्थानांतरित करने में सक्षम करेगा।
एआई का वास्तविक आर्थिक प्रभाव मॉडलों तक पहुंच से नहीं आएगा; प्रश्न इस बात पर निर्भर करेगा कि क्या उद्यम एआई को विश्वसनीय और लागत प्रभावी परिचालन क्षमता में बदल सकते हैं।
एआई एक बुनियादी ढांचा समस्या बन गई है
जेनेरिक एआई कार्यान्वयन की पहली लहर काफी हद तक प्रायोगिक थी। कर्मचारियों ने ईमेल लिखने, दस्तावेज़ों को सारांशित करने या कोड लिखने के लिए ऑफ़लाइन टूल का उपयोग किया। ये विशिष्ट उपयोग के मामले उपयोगी थे, लेकिन कंपनियों को वास्तव में काम कैसे किया जाता है, इसे फिर से डिज़ाइन करने की आवश्यकता नहीं थी।
अगली लहर अलग होगी. जैसे-जैसे एआई उद्यम वर्कफ़्लो में गहराई से प्रवेश करता है, आईटी बुनियादी ढांचे की आवश्यकताएं तेजी से अधिक जटिल हो जाती हैं।
प्रतिक्रिया तैयार करने वाला ग्राहक सेवा उपकरण सरल है। एक एआई सिस्टम जो खाता इतिहास पढ़ता है, नीतियों की जांच करता है, सीआरएम अपडेट करता है, इंटरैक्शन लॉग करता है और अनुवर्ती कार्य चलाता है, एक पूरी तरह से अलग जानवर है। इस प्रणाली को केवल एक शक्तिशाली मॉडल की आवश्यकता नहीं है; इसके लिए कंप्यूट ऑर्केस्ट्रेशन, सुरक्षित डेटा एक्सेस, सॉफ़्टवेयर एकीकरण, अनुमतियाँ, ऑडिट ट्रेल्स और अनावश्यक तर्क की आवश्यकता होती है।
यहीं पर GPU-केंद्रित दृष्टिकोण विफल हो जाता है। जबकि जटिल अनुमान के लिए जीपीयू अभी भी महत्वपूर्ण हैं, सीपीयू डेटाबेस, एपीआई, सुरक्षा परतों और ऑपरेटिंग सिस्टम के साथ इन वर्कलोड की बातचीत का समन्वय करते हैं। परिणामस्वरूप, मेमोरी बैंडविड्थ, विलंबता और बिजली उपलब्धता वास्तविक रणनीतिक बाधाएं बन जाती हैं।
असंरचित AI का उपयोग करने की उच्च लागत
उद्यम की प्रारंभिक रणनीति सरल थी: कर्मचारियों को शक्तिशाली उपकरणों तक पहुंच प्रदान करें और देखें कि क्या होता है। इससे जहां सीखने में तेजी आई, वहीं इसने भारी वित्तीय कमजोरियों को भी उजागर किया। व्यक्तिगत, असंरचित युक्तियाँ महंगी हैं, मापना कठिन है, और ठोस व्यावसायिक परिणामों से जोड़ना कठिन है।
हम तकनीकी दिग्गजों के बीच एक बड़ा सुधारात्मक बदलाव देख रहे हैं। माइक्रोसॉफ्ट ने हाल ही में एंथ्रोपिक क्लाउड कोड के लिए आंतरिक लाइसेंस रद्द करना शुरू कर दिया है, जिसकी लागत उच्च टोकन खपत के कारण प्रति इंजीनियर प्रति माह $ 500 और $ 2,000 के बीच है, और 30 जून को वित्तीय वर्ष समाप्त होने से पहले अपने अनुभव और डिवाइस डिवीजन को गिटहब कोपायलट सीएलआई में स्थानांतरित करने के लिए मजबूर कर रहा है।
इसी तरह, उबर ने एआई कोडिंग टूल के लिए अपना पूरा बजट केवल चार महीनों में समाप्त कर दिया। टैक्सी दिग्गज ने लगभग 5,000 इंजीनियरों के लिए क्लाउड कोड तैनात किया और आंतरिक लीडरबोर्ड का उपयोग करके सक्रिय रूप से इसे अपनाया। प्रयोग अविश्वसनीय रूप से प्रभावी था – सहायक प्रणालियों ने लगभग 70% प्रतिबद्ध कोड उत्पन्न किया – लेकिन टोकन का उपयोग किसी की अपेक्षा से अधिक तेजी से बढ़ा, जिससे उबर अधिकारियों को सार्वजनिक रूप से नेट आरओआई पर सवाल उठाने के लिए मजबूर होना पड़ा।
नतीजतन, एंटरप्राइज एआई का भविष्य खंडित संकेतों से दूर एक केंद्रीकृत खुफिया मॉडल की ओर बढ़ जाएगा। हजारों अलग-अलग इंटरैक्शन के बजाय, कंपनियां सामान्य बुद्धिमत्ता की परतों पर भरोसा करेंगी – केंद्रीकृत सिस्टम जो एंटरप्राइज़ डेटा को समझते हैं, लगातार व्यावसायिक नियम लागू करते हैं, अनुप्रयोगों में कार्यों को वितरित करते हैं और प्रदर्शन की निगरानी करते हैं।
यह मॉडल स्वाभाविक रूप से अधिक कुशल है क्योंकि समान बुद्धिमत्ता को अलग-अलग उपयोगकर्ताओं द्वारा स्क्रैच से दोबारा बनाए जाने के बजाय वर्कफ़्लो में पुन: उपयोग किया जाता है।
उत्तर से लेकर कार्यप्रवाह तक
एंटरप्राइज़ प्रौद्योगिकी में सबसे महत्वपूर्ण बदलाव उन उपकरणों से बदलाव है जो प्रश्नों का उत्तर देते हैं और उन प्रणालियों की ओर बढ़ते हैं जो काम पूरा करती हैं।
पारंपरिक सॉफ़्टवेयर नियतात्मक है: उपयोगकर्ता एक बटन दबाता है और सिस्टम एक ज्ञात क्रिया करता है। एआई वर्कफ़्लो अधिक गतिशील हैं। एक एजेंटिक वर्कफ़्लो वास्तविक समय के डेटा को निगल सकता है, बहु-चरणीय प्रक्रिया का विश्लेषण कर सकता है, तीसरे पक्ष के सॉफ़्टवेयर के साथ इंटरफ़ेस कर सकता है और अनुमोदन के लिए एक मानव को शामिल कर सकता है।
इससे संपूर्ण प्रौद्योगिकी स्टैक पर भारी दबाव पड़ता है। वास्तविक उत्पादकता लाभ प्राप्त करने के लिए, उद्यमों को एक स्वच्छ डेटा बुनियादी ढांचे, अनुशासित प्रबंधन और मजबूत एकीकरण की आवश्यकता होती है। खंडित, असमान उद्यम प्रणालियों के शीर्ष पर रखे जाने पर उन्नत मॉडल बेकार हो जाते हैं।
अभूतपूर्व परिवर्तन प्रबंधन और एआई-संचालित कार्यबल
जैसे-जैसे ये एजेंट प्रणालियाँ विकसित होंगी, वैश्विक रोजगार पर प्रभाव एक ऐसे पैमाने पर कॉर्पोरेट परिवर्तन प्रबंधन संकट पैदा करेगा जो पहले कभी नहीं देखा गया। बड़े पैमाने पर कार्यबल में कटौती होने से बहुत पहले ही एआई भर्ती पैटर्न और नौकरी की आवश्यकताओं में क्रांतिकारी बदलाव लाएगा।
ऐतिहासिक रूप से, क्षमता स्केलिंग के लिए हेडकाउंट डिफ़ॉल्ट लीवर रहा है; अधिक ग्राहकों को अधिक सहायक कर्मचारियों की आवश्यकता होती है। एआई इस रैखिक संबंध को तोड़ता है। यह पूछने के बजाय कि मात्रा के प्रवाह को संभालने के लिए कितने लोगों की आवश्यकता है, प्रबंधक तेजी से यह पूछ रहे हैं कि स्वचालित प्रणालियों का उपयोग करके कितनी प्रक्रिया पूरी की जा सकती है।
यह वातावरण आक्रामक रूप से अनुकूलनशीलता को पुरस्कृत करेगा। जो पेशेवर प्रौद्योगिकी से आगे रहते हैं, एआई-संचालित वर्कफ़्लो डिज़ाइन करना सीखते हैं और सिस्टम अपवादों का प्रबंधन करते हैं, उन्हें असमान रूप से लाभ होगा।
इसके विपरीत, विस्थापन का जोखिम उन लोगों के लिए सबसे गंभीर है जो पूरी तरह से विरासती उद्योग विशेषज्ञता पर निर्भर हैं। एआई डेवलपर्स, उत्पाद प्रबंधकों और टीम के सदस्यों की एक नई पीढ़ी द्वारा पारंपरिक तकनीकी और प्रबंधन प्रतिमानों को बाधित किया जा रहा है। ये पेशेवर एआई का उपयोग केवल सहायक के रूप में नहीं करते हैं; वे स्वचालित, मॉडल-संचालित सिस्टम बनाते हैं, प्रबंधित करते हैं और सोचते हैं।
जो लोग पारंपरिक ऑपरेटरों से एआई-आधारित ऑर्केस्ट्रेटर में संक्रमण करने में विफल रहते हैं, उनके स्थान पर ऐसा करने वाले लोगों द्वारा प्रतिस्थापित किए जाने का जोखिम होता है।
आर्टिफिशियल इंटेलिजेंस इन्फ्रास्ट्रक्चर आर्थिक इन्फ्रास्ट्रक्चर है
एआई का व्यापक आर्थिक प्रभाव इस बात से निर्धारित होगा कि इसे वैश्विक व्यापार को चलाने वाली मुख्य प्रणालियों में कितनी गहराई से शामिल किया जा सकता है।
जीपीयू, सीपीयू, नेटवर्क और डेटा सेंटर भौतिक रीढ़ बनाते हैं। एजेंट ऑर्केस्ट्रेशन, सुरक्षा और अवलोकन परिचालन आधार बनाते हैं। साथ में, वे यह निर्धारित करेंगे कि एआई एक नवीनता बनी रहेगी या एक स्केलेबल व्यावसायिक अवसर बन जाएगी।
जीपीयू दौड़ कृत्रिम बुद्धिमत्ता बूम का पहला अध्याय था। अगला अध्याय कंप्यूटिंग, डेटा और वर्कफ़्लो की समग्र प्रणालियों पर ध्यान केंद्रित करेगा जो एआई को बड़े पैमाने पर वास्तविक कार्य करने में सक्षम बनाता है। यही वह क्षण है जब एआई एक उपकरण बनना बंद कर देता है और वास्तव में बुनियादी ढांचा बन जाता है।
सर्वश्रेष्ठ आईटी ऑटोमेशन सॉफ़्टवेयर की हमारी सूची देखें।.
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
