आपको एआई को एक टीम स्पोर्ट के रूप में क्यों सोचना चाहिए

एआई को एक टीम खेल के रूप में सोचने का क्या अर्थ है? हम एआई परियोजनाओं को प्रचार से प्रभाव में बदलते हुए देख रहे हैं, मुख्यतः क्योंकि व्यावसायिक संदर्भ प्रदान करने के लिए सही भूमिकाएँ शामिल हो रही हैं जो पहले गायब रही हैं। डोमेन विशेषज्ञता महत्वपूर्ण है; मशीनों में लोगों के संदर्भ की गहराई नहीं होती है, और लोगों को यह समझने के लिए व्यवसाय और डेटा को अच्छी तरह से जानने की आवश्यकता होती है कि सामने आने वाली किसी भी अंतर्दृष्टि या सिफारिशों के आधार पर कौन सी कार्रवाई की जानी चाहिए।

जब एआई को बढ़ाने की बात आती है, तो कई नेताओं को लगता है कि उन्हें लोगों की समस्या है - विशेष रूप से, पर्याप्त डेटा वैज्ञानिक नहीं। लेकिन हर व्यावसायिक समस्या डेटा विज्ञान की समस्या नहीं है। या कम से कम, आपकी डेटा साइंस टीम पर हर व्यावसायिक चुनौती नहीं डाली जानी चाहिए। सही दृष्टिकोण के साथ, आप पारंपरिक डेटा विज्ञान चक्रों के साथ आने वाली चुनौतियों के बिना एआई के लाभों को प्राप्त कर सकते हैं।

एआई समाधानों को लागू करने और बढ़ाने के लिए, नेताओं को एआई को एक टीम खेल के रूप में सोचने के लिए संगठन की मानसिकता को बदलने की जरूरत है। कुछ एआई परियोजनाओं को सफल परिणाम दिखने के लिए लोगों, उपकरणों और अपेक्षाओं के एक अलग सेट की आवश्यकता होती है। इन अवसरों को पहचानने का तरीका जानने से आपको अधिक सफल एआई परियोजनाओं तक पहुंचने और एआई उपयोगकर्ताओं की अपनी बेंच को गहरा करने में मदद मिलेगी, जिससे कार्यबल में निर्णय लेने की गति और शक्ति जुड़ जाएगी। आइए जानें क्यों और कैसे।

संगठन AI के साथ उन्नत विश्लेषण का लोकतंत्रीकरण कर रहे हैं

व्यावसायिक समस्याओं को हल करने के लिए एआई का उपयोग करना काफी हद तक डेटा वैज्ञानिकों का कार्यक्षेत्र रहा है। अक्सर, डेटा विज्ञान दल किसी संगठन के सबसे बड़े अवसरों और सबसे जटिल चुनौतियों के लिए आरक्षित होते हैं। धोखाधड़ी का पता लगाने, वैयक्तिकरण, और बहुत कुछ जैसे विशिष्ट उपयोग के मामलों में डेटा विज्ञान को लागू करने में बहुत से संगठन सफल रहे हैं, जहां गहरी तकनीकी विशेषज्ञता और बारीक-ट्यून किए गए मॉडल बेहद सफल परिणाम देते हैं।

हालाँकि, आपकी डेटा विज्ञान टीम के माध्यम से AI समाधानों को बढ़ाना कई कारणों से संगठनों के लिए चुनौतीपूर्ण है। प्रतिभा को आकर्षित करना और बनाए रखना बहुत महंगा है और प्रतिस्पर्धी बाजार में मुश्किल हो सकता है। पारंपरिक डेटा विज्ञान परियोजनाओं को व्यवसाय के मूल्य को देखने से पहले विकसित और तैनात करने में अक्सर बहुत समय लग सकता है। और यहां तक ​​​​कि सबसे अनुभवी, मजबूत डेटा विज्ञान दल विफल हो सकते हैं यदि उनके पास समस्या की बारीकियों को समझने के लिए आवश्यक डेटा या संदर्भ की कमी है जिसे उन्हें हल करने के लिए कहा गया है।

2021 गार्टनर® डेटा साइंस और मशीन लर्निंग की स्थिति (डीएसएमएल) रिपोर्ट में कहा गया है कि "ग्राहक की मांग में बदलाव हो रहा है, कम तकनीकी दर्शकों के साथ डीएसएमएल को अधिक आसानी से लागू करना चाहते हैं, विशेषज्ञों को उत्पादकता में सुधार करने की आवश्यकता है और उद्यमों को अपने निवेश के लिए कम समय की आवश्यकता है।¹।" हालांकि कई व्यावसायिक समस्याएं हो सकती हैं जो एआई द्वारा प्रदान किए जाने वाले विश्लेषण की गति या संपूर्णता से लाभ उठा सकती हैं, एक पारंपरिक डेटा विज्ञान दृष्टिकोण हमेशा मूल्य को जल्दी से देखने के लिए हमले की सबसे अच्छी योजना नहीं हो सकता है। वास्तव में, वही गार्टनर रिपोर्ट भविष्यवाणी करती है कि "2025 तक, डेटा वैज्ञानिकों की कमी अब संगठनों में डेटा विज्ञान और मशीन सीखने को अपनाने में बाधा नहीं बनेगी।"

पूरे व्यवसाय में AI को बढ़ाने के लिए डोमेन विशेषज्ञता महत्वपूर्ण है

एआई पहले से ही उन उपयोगकर्ताओं के लिए उन्नत विश्लेषण क्षमताओं को लाने में मदद कर रहा है जिनके पास डेटा विज्ञान पृष्ठभूमि नहीं है। मशीनें सर्वश्रेष्ठ पूर्वानुमान मॉडल और एल्गोरिदम से चयन कर सकती हैं, और अंतर्निहित मॉडल को उजागर किया जा सकता है, उन्हें ट्यून करने की क्षमता प्रदान करता है और यह सुनिश्चित करता है कि उपयोगकर्ता जो खोज रहा है वह सब कुछ मेल खाता है।

ये क्षमताएं विश्लेषकों और कुशल व्यावसायिक डोमेन विशेषज्ञों को अपने स्वयं के एआई अनुप्रयोगों को डिजाइन और लाभ उठाने की क्षमता प्रदान करती हैं। डेटा के करीब होने के कारण, इन उपयोगकर्ताओं को अपने कई डेटा वैज्ञानिक समकक्षों पर एक फायदा होता है। इस शक्ति को डोमेन विशेषज्ञता वाले लोगों के हाथों में रखने से पारंपरिक डेटा विज्ञान चक्रों से जुड़े लंबे विकास समय, संसाधन बोझ और छिपी लागत से बचने में मदद मिल सकती है। साथ ही, डोमेन विशेषज्ञता वाले लोगों को यह तय करना चाहिए कि एआई भविष्यवाणी या सुझाव भी मददगार है या नहीं।

अधिक पुनरावृत्त, संशोधित और पुन: नियोजित मॉडल निर्माण प्रक्रियाओं के साथ, व्यावसायिक संदर्भ वाले लोग एआई से तेजी से मूल्य प्राप्त कर सकते हैं-यहां तक ​​​​कि हफ्तों से महीनों के बजाय दिनों से हफ्तों के भीतर हजारों उपयोगकर्ताओं को नए मॉडल तैनात कर सकते हैं। यह उन टीमों के लिए विशेष रूप से शक्तिशाली है जिनकी अनूठी चुनौतियां डेटा विज्ञान टीमों के लिए उच्च प्राथमिकता नहीं हो सकती हैं, लेकिन एआई विश्लेषण की गति और संपूर्णता से लाभ उठा सकती हैं।

हालांकि, यह ध्यान रखना महत्वपूर्ण है कि ये समाधान विश्लेषकों और डेटा वैज्ञानिकों के बीच कौशल अंतर को दूर करने में मदद कर सकते हैं, लेकिन यह बाद वाले के लिए प्रतिस्थापन नहीं है। डेटा वैज्ञानिक एआई-सक्षम समाधानों में उपयोग किए जा रहे डेटा को मान्य करने के लिए व्यावसायिक विशेषज्ञों के साथ एक महत्वपूर्ण भागीदार बने हुए हैं। और इस सहयोग के अलावा, इस प्रकार के उपकरणों का सफलतापूर्वक बड़े पैमाने पर उपयोग करने में शिक्षा और डेटा कौशल महत्वपूर्ण होंगे।

डेटा साक्षरता अधिक लोगों को एआई का लाभ उठाने का अधिकार देती है

एआई के साथ सफलता के लिए आपके संगठन को स्थापित करने में आपकी मूलभूत डेटा रणनीति एक बड़ी भूमिका निभाती है, लेकिन एआई समाधान को पूरे व्यवसाय में अधिक लोगों तक पहुंचाने के लिए डेटा साक्षरता की आधार रेखा की आवश्यकता होगी। यह समझना कि व्यावसायिक समस्या पर लागू होने के लिए कौन सा डेटा उपयुक्त है, साथ ही डेटा की व्याख्या कैसे करें और एआई अनुशंसा के परिणाम लोगों को अपने निर्णय लेने के हिस्से के रूप में एआई पर सफलतापूर्वक भरोसा करने और अपनाने में मदद करेंगे। संगठन के भीतर डेटा की एक साझा भाषा भी विशेषज्ञों के साथ सफल सहयोग के लिए और दरवाजे खोलती है।

एआई पर मैकिन्से के नवीनतम वैश्विक सर्वेक्षण से पता चला है कि 34% उच्च प्रदर्शन करने वाले संगठनों के भीतर "एक समर्पित प्रशिक्षण केंद्र गैर-तकनीकी कर्मियों के एआई कौशल को हाथ से सीखने के माध्यम से विकसित करता है," अन्य सभी सर्वेक्षणों में से केवल 14% की तुलना में। इसके अतिरिक्त, उच्च प्रदर्शन करने वाले 39% संगठनों में "एआई उपयोगकर्ताओं और संगठन की डेटा विज्ञान टीम के बीच संचार और टचप्वाइंट के निर्दिष्ट चैनल हैं," अन्य की तुलना में केवल 20%।

शिक्षा और प्रशिक्षण, परामर्श कार्यक्रम, समुदाय-निर्माण डेटा प्रतियोगिता, और बहुत कुछ से नेता डेटा साक्षरता के निर्माण के लिए कई तरह के दृष्टिकोण अपना सकते हैं। डेटा की पहुंच और साझाकरण को सामान्य बनाने के बारे में सोचें, साथ ही साथ आप कैसे जश्न मनाते हैं और डेटा के साथ सफलताओं, सीखने और निर्णय लेने को बढ़ावा देते हैं।

झांकी अनुसंधान के प्रमुख विद्या सेटलूर ने कहा, "डेटा साक्षरता और विज़ुअलाइज़ेशन और डेटा विज्ञान के बारे में शिक्षा को और अधिक प्रचलित करने की आवश्यकता है, और इसे जल्द ही पढ़ाया जाना चाहिए।" "एक प्रकार की सामाजिक और संगठनात्मक जिम्मेदारी है जो डेटा के उपयोग पर निर्भरता के साथ आती है। लोगों को डेटा को समझने, व्याख्या करने और अधिक से अधिक लाभ उठाने के लिए बेहतर ढंग से सुसज्जित होना चाहिए क्योंकि एआई केवल और अधिक परिष्कृत होगा, और हमें खेल से कुछ कदम आगे होना चाहिए।

अपने संगठन की डेटा संस्कृति का निर्माण जारी रखने से पूरे व्यवसाय में कौशल विकसित करने और नए समाधानों को बढ़ावा देने के शक्तिशाली अवसर पैदा होते हैं। कई संगठनों ने हाल के वर्षों में डेटा और एनालिटिक्स में अपने निवेश में वृद्धि की है, क्योंकि डिजिटल परिवर्तन में तेजी आई है। यह टीम के खेल के रूप में डेटा के बारे में सोचने की पहुंच नहीं है- और अब हमारे पास उस मानसिकता को एआई तक विस्तारित करने का साधन है।