कृत्रिम बुद्धिमत्ता (AI) ने छोटे अनुप्रयोगों जैसे कि व्यक्तिगत सहायक, रोबोट और मोबाइल उपकरणों में प्रभावशाली प्रदर्शन किया है, लेकिन बड़े उद्यम परियोजनाओं में इसकी भूमिका अभी भी अनिश्चित है। कई अधिकारी और पेशेवर अब महसूस करने लगे हैं कि AI के लिए उनकी उम्मीदें प्रारंभिक विचार से अधिक जटिल हैं। AI तकनीक महंगी हो रही है, उद्यम तैयार नहीं हैं, और निवेश पर लाभ (ROI) अनिश्चित बना हुआ है। इसके अलावा, संगठनों पर AI पहलों को तेजी से आगे बढ़ाने का दबाव बढ़ रहा है, भले ही ROI अभी भी मायावी है। यह चेतावनी डेविड लिनथिकम, एक प्रतिष्ठित विश्लेषक और उद्यम एकीकरण और क्लाउड कंप्यूटिंग पर लेखक की ओर से आती है। वह AI परियोजनाओं की तात्कालिक सफलता को लेकर आशावादी नहीं हैं और "मंदी" की भविष्यवाणी कर रहे हैं, क्योंकि कंपनियां वास्तविकता और प्रचार के बीच के अंतर को पहचानने लगती हैं, जिससे मोहभंग की अवधि शुरू हो सकती है। फिर भी, यह भविष्य में व्यापार की ज़रूरतों के साथ ठोस AI उपयोग मामलों और क्रियान्वयन के लिए रास्ता बना सकता है। लिनथिकम उद्यमों में AI के प्रति बढ़ती निराशा के चार कारण बताते हैं: 1. "डेटा दीवार" का सामना करना: मुख्य मुद्दा बुरी जनरेटिव AI तकनीक नहीं है बल्कि यह गुणवत्ता डेटा की कमी है। वे बताते हैं, "कोई साधारण समाधान नहीं है; संगठनों को रुककर अपने डेटा पर पुनर्विचार करने की और उन मुद्दों को संबोधित करने की जरूरत है जो दशकों से उपेक्षित रहे हैं, अक्सर इसके लिए महत्वपूर्ण निवेश की आवश्यकता होती है।" बोर्डों के सामने ऐसे चुनौतियों को प्रस्तुत करना कठिन चर्चाओं को जन्म दे सकता है। 2. वित्तीय शेाक: AI को क्लाउड या मोबाइल जैसे पिछले तकनीकी विकास की तुलना में अधिक संसाधनों की आवश्यकता होती है। "ये महंगे उपक्रम हैं, " वह बताते हैं, "अक्सर पारंपरिक सेट-अप की तुलना में दो से तीन गुना अधिक लागत वाली, जिसमें विशेषीकृत GPU, व्यापक संसाधन, पारिस्थितिकी तंत्र के घटक, और AI के लिए व्यापक प्रशिक्षण डेटा की आवश्यकता होती है।" 3.

रणनीतिक दिशा का अभाव: लिनथिकम जोर देते हैं कि उद्यमों को योजना में सुधार करना चाहिए, कहते हैं, "अंतर समझना महत्वपूर्ण है कि जनरेटिव AI परियोजना शुरू करने से पहले आपके डेटा की स्थिति क्या है। नए तकनीकी उपयोग के साथ डेटा को संरेखित करने के लिए रणनीतिक रूप से योजना बनाना अनिवार्य है।" 4. कौशल की कमी: AI की सफलता प्रशिक्षित कर्मचारियों पर निर्भर है। लिनथिकम उस ज़रूरत को रेखांकित करते हैं जिसमें आर्किटेक्चर, डेटा विज्ञान, AI नैतिकता, मॉडल ट्यूनिंग, प्रदर्शन बेंचमार्किंग, और सिंथेटिक डेटा की समझ होनी चाहिए, केवल एक AI प्लेटफॉर्म से प्रमाणन प्रशिक्षण से आगे। लिनथिकम के अनुसार, AI अभूतपूर्व प्रयास और जटिलता की मांग करता है, जो पिछले तकनीकी पहलों की तुलना में कहीं अधिक है। इसके अलावा, कर्मचारियों को कुछ कारणों से प्रबंधकों से AI का उपयोग छुपाने के लिए मजबूर महसूस होता है। सफल होने के लिए, संगठनों को "अपने डेटा को साफ और प्रबंधित करना चाहिए, आवश्यक कौशल विकसित करना चाहिए, रणनीतिक योजना में संलग्न होना चाहिए, उपयोग मामलों की रूपरेखा तैयार करनी चाहिए, और ROI की गणना करनी चाहिए।" यह हासिल करने से कंपनियों को AI का एक रणनीतिक लाभ के रूप में उपयोग करने की अनुमति मिलेगी, जो उनके प्रतिस्पर्धियों की तुलना में उन्नत ग्राहक अनुभव, बढ़ी हुई उत्पादकता, कम लागत और बेहतर दक्षता प्रदान करेगा।