🧰 ವ್ಯವಹಾರಗಳಿಗೆ ಏಜೆಂಟ್ AI ಅನ್ನು ಅಳೆಯಲು ಸಹಾಯ ಮಾಡಲು IBM "ಎಂಟರ್ಪ್ರೈಸ್ ಅಡ್ವಾಂಟೇಜ್" ಅನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ ↗
ದೊಡ್ಡ ಸಂಸ್ಥೆಗಳ ಒಳಗೆ ಏಜೆಂಟ್ AI ಅನ್ನು ಹೊರತರಲು IBM ಹೆಚ್ಚು "ಪ್ಲಾಟ್ಫಾರ್ಮ್-ಮೊದಲ" ಮಾರ್ಗವನ್ನು ಪಿಚ್ ಮಾಡುತ್ತಿದೆ - ಕಡಿಮೆ ವೈಜ್ಞಾನಿಕ ಕಾಲ್ಪನಿಕ ಡೆಮೊ, ಹೆಚ್ಚು ಆಡಳಿತಾತ್ಮಕ ಪ್ಲಂಬಿಂಗ್. ಸ್ವತ್ತುಗಳನ್ನು ಮರುಬಳಕೆ ಮಾಡುವುದು, ತಂಡಗಳು ಹೇಗೆ ನಿರ್ಮಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಪ್ರಮಾಣೀಕರಿಸುವುದು ಮತ್ತು ಪ್ರತಿಯೊಂದು ಇಲಾಖೆಯು ತನ್ನದೇ ಆದ ಸಣ್ಣ AI ಸಾಮ್ರಾಜ್ಯವನ್ನು ಟಂಕಿಸುವುದನ್ನು ತಡೆಯುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿದೆ.
ಸಂಪೂರ್ಣ ಪುನರ್ನಿರ್ಮಾಣಕ್ಕೆ ಒತ್ತಾಯಿಸುವ ಬದಲು ಅವರು "ನೀವು ಈಗಾಗಲೇ ನಡೆಸುತ್ತಿರುವ ವ್ಯವಸ್ಥೆಗೆ ಹೊಂದಿಕೊಳ್ಳುವ" ಮೇಲೆ ಹೆಚ್ಚು ಒಲವು ತೋರುತ್ತಿದ್ದಾರೆ, ಇದು ನೀವು ಒಂದು ಪರಂಪರೆಯ ವ್ಯವಸ್ಥೆಯನ್ನು ಕಾಡಿನಲ್ಲಿ ಭೇಟಿಯಾಗುವವರೆಗೆ ಧೈರ್ಯ ತುಂಬುತ್ತದೆ. ಆದರೂ, ಉದ್ದೇಶ ಸ್ಪಷ್ಟವಾಗಿದೆ: ಏಜೆಂಟ್ ರೋಲ್ಔಟ್ಗಳನ್ನು ಪುನರಾವರ್ತಿಸುವಂತೆ ಮಾಡಿ, ಹೇಳಿದಂತೆ ಅಲ್ಲ.
🧭 e& ಮತ್ತು IBM ಆಡಳಿತ ಮತ್ತು ಅನುಸರಣೆ ಕೆಲಸದ ಹರಿವುಗಳಲ್ಲಿ ಏಜೆಂಟ್ AI ಅನ್ನು ಎಂಬೆಡ್ ಮಾಡುತ್ತವೆ ↗
ಇದು "ಬಾಟ್ ಜೊತೆ ಚಾಟ್" ಕಡಿಮೆ ಮತ್ತು "ನಿಮ್ಮ ಅಪಾಯ ಮತ್ತು ಅನುಸರಣೆ ಯಂತ್ರೋಪಕರಣದೊಳಗೆ ವಾಸಿಸುವ AI" ಹೆಚ್ಚು - ತಪ್ಪುಗಳು ದುಬಾರಿಯಾಗುವ ಮತ್ತು ವೇಗವಾಗುವ ಆಕರ್ಷಕವಲ್ಲದ ಸ್ಥಳ. ಪಿಚ್ ಏಜೆಂಟ್ ಯಾಂತ್ರೀಕೃತಗೊಂಡಿದ್ದು, ಆರಂಭದಿಂದಲೇ ಗಾರ್ಡ್ರೈಲ್ಗಳು ಮತ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಹೆಣೆಯಲಾಗಿದೆ.
ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವ ಸಹಾಯಕರಿಂದ ಕಟ್ಟುನಿಟ್ಟಾದ ನಿಯಂತ್ರಣಗಳ ಅಡಿಯಲ್ಲಿ ಹಂತಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಏಜೆಂಟ್ಗಳಿಗೆ ಬದಲಾವಣೆಯಾಗಿ ಅವರು ಇದನ್ನು ರೂಪಿಸುತ್ತಿದ್ದಾರೆ. ಅದು ಶಕ್ತಿಶಾಲಿಯಾಗಿದೆ - ಮತ್ತು ಜನರನ್ನು ಸ್ವಲ್ಪ ನೇರವಾಗಿ ಕುಳಿತುಕೊಳ್ಳುವಂತೆ ಮಾಡುವ ಭಾಗವೂ ಆಗಿದೆ.
📈 2030 ರ ವೇಳೆಗೆ AI ವ್ಯವಹಾರದ ಬೆಳವಣಿಗೆಯನ್ನು ಚುರುಕಾಗಿಸಲಿದೆ ಎಂದು ಐಬಿಎಂ ಅಧ್ಯಯನ ಹೇಳಿದೆ ↗
IBM ನ ಕಾರ್ಯನಿರ್ವಾಹಕ ಸಮೀಕ್ಷೆಯು ಮೂಲತಃ ಹೀಗೆ ಹೇಳುತ್ತದೆ: ಕಂಪನಿಗಳು AI ದಕ್ಷತೆಯನ್ನು ಮೀರಿ ನಿಜವಾದ ಬೆಳವಣಿಗೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ ಎಂದು ನಿರೀಕ್ಷಿಸುತ್ತವೆ, ಆದರೆ ಅನೇಕ ನಾಯಕರು ಇನ್ನೂ ಮೌಲ್ಯವು ಎಲ್ಲಿಗೆ ಇಳಿಯುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ಸ್ಪಷ್ಟವಾದ ಯೋಜನೆಯನ್ನು ಹೊಂದಿಲ್ಲ. ಆ ವಿರೋಧಾಭಾಸವು ವಿಚಿತ್ರವಾಗಿ ಸಮಾಧಾನಕರವೆನಿಸುತ್ತದೆ - ಇದು ನಿಮಗೆ ಮಾತ್ರವಲ್ಲ.
ಒಂದು ದೊಡ್ಡ ವಿಷಯವೆಂದರೆ ಏಕೀಕರಣ: “AI ಬದಿಯಲ್ಲಿದೆ” ಎಂಬುದು ಹೆಚ್ಚು ರೂಪಾಂತರಗೊಳ್ಳುವುದಿಲ್ಲ. ಬಹು-ಮಾದರಿ ತಂತ್ರಗಳ ಕಡೆಗೆ ಮತ್ತು ಸಣ್ಣ ಮಾದರಿಗಳು ಹೆಚ್ಚು ಕೆಲಸ ಮಾಡುವ ಕಡೆಗೆ ನಿಶ್ಯಬ್ದವಾದ ಪ್ರಚೋದನೆಯೂ ಇದೆ, ಇದು ಎಲ್ಲಾ ವೆಚ್ಚದಲ್ಲಿಯೂ ಶುದ್ಧ ಪ್ರಮಾಣದ ಯೋಜನೆಗಳಿಂದ ದೂರವಿರುವ ಪ್ರಾಯೋಗಿಕ ಹೆಜ್ಜೆಯಂತೆ ಓದುತ್ತದೆ... ಅಥವಾ ಹಾಗೆ ತೋರುತ್ತದೆ.
🎓 ಮ್ಯಾಂಚೆಸ್ಟರ್ ವಿಶ್ವವಿದ್ಯಾಲಯ ಮತ್ತು ಮೈಕ್ರೋಸಾಫ್ಟ್ ನಡುವಿನ ವಿಶ್ವದ ಮೊದಲ AI ಪಾಲುದಾರಿಕೆ ಘೋಷಣೆಯಾಗಿದೆ ↗
ಇದು ಸಾರ್ವತ್ರಿಕವಾಗುತ್ತಿದೆ ಎಂದು ಮ್ಯಾಂಚೆಸ್ಟರ್ ಹೇಳುತ್ತದೆ: ಮೈಕ್ರೋಸಾಫ್ಟ್ 365 ಕೊಪೈಲಟ್ ಪ್ರವೇಶ ಮತ್ತು ಎಲ್ಲಾ ಸಿಬ್ಬಂದಿ ಮತ್ತು ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ತರಬೇತಿ. ಫ್ರೇಮಿಂಗ್ ಕೌಶಲ್ಯ, ಸಮಾನತೆ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆಗೆ ಒಲವು ತೋರುತ್ತದೆ - ಕೇವಲ "ಉತ್ಪಾದಕತೆ ಉತ್ತಮ" ಅಲ್ಲ.
ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಅದು "ಕೆಲವರಿಗೆ ಪರಿಕರಗಳು ತಿಳಿದಿವೆ, ಇನ್ನು ಕೆಲವರಿಗೆ ತಿಳಿದಿಲ್ಲ" ಎಂಬ ಕಡಿಮೆ ತೇಪೆಯ ಪಾಕೆಟ್ಗಳನ್ನು ಅರ್ಥೈಸಬಹುದು. ಅಥವಾ ಅದು ಬಹಳಷ್ಟು ನೀತಿ, ಬಹಳಷ್ಟು ಚರ್ಚೆ ಮತ್ತು ಅಂತಿಮವಾಗಿ - ಹೆಚ್ಚು ಸ್ಥಿರವಾದ ಕ್ಯಾಂಪಸ್-ವ್ಯಾಪಿ ಬೇಸ್ಲೈನ್ ಅನ್ನು ಅರ್ಥೈಸಬಹುದು.
🧑💼 AI ಉದ್ಯೋಗಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತದೆಯೇ? ಆಂಥ್ರಾಪಿಕ್ ವರದಿಯ ಪ್ರಕಾರ ಉತ್ತರವು ಅಷ್ಟು ಸರಳವಾಗಿಲ್ಲ ↗
ಆಂಥ್ರೊಪಿಕ್ನ ಕೆಲಸವು (ಜನರು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಕ್ಲೌಡ್ ಅನ್ನು ಹೇಗೆ ಬಳಸುತ್ತಾರೆ ಎಂಬುದರ ಮೂಲಕ) AI ಈಗ "ಕೆಲಸ ಅಳಿಸುವಿಕೆ" ಗಿಂತ ಹೆಚ್ಚು "ಕಾರ್ಯ ಸಹಾಯ" ವಾಗಿದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ. ಜನರು ಸಂಪೂರ್ಣ ಪಾತ್ರಗಳನ್ನು ಹಸ್ತಾಂತರಿಸದೆ, ಕೆಲಸದ ಭಾಗಗಳನ್ನು ಆಫ್ಲೋಡ್ ಮಾಡುತ್ತಿದ್ದಾರೆ.
ಕುತೂಹಲಕಾರಿ ಅಂಶವೆಂದರೆ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸ: ಪರಿಣಾಮವು ಉದ್ಯೋಗವನ್ನು ಅವಲಂಬಿಸಿ ಮತ್ತು ಕೆಲಸದ ಯಾವ ಭಾಗವು ಸ್ವಯಂಚಾಲಿತವಾಗಿರಬಹುದೆಂಬುದನ್ನು ಅವಲಂಬಿಸಿ ಬಹಳ ವ್ಯತ್ಯಾಸಗೊಳ್ಳುತ್ತದೆ. ಇದು ಒಂದು ಮೋಡವನ್ನು ನೋಡುವ ಮೂಲಕ ಬಿರುಗಾಳಿಯನ್ನು ಮುನ್ಸೂಚಿಸಲು ಪ್ರಯತ್ನಿಸುವಂತಿದೆ - ನೀವು ಏನನ್ನಾದರೂ ನೋಡಬಹುದು, ಆದರೆ ಇಡೀ ಹವಾಮಾನ ವ್ಯವಸ್ಥೆಯನ್ನು ಅಲ್ಲ.
🧪 ಔಷಧ ಉದ್ಯಮಕ್ಕಾಗಿ EU ಮತ್ತು US ಜಂಟಿ AI ತತ್ವಗಳು ↗
ಜೀವ ವಿಜ್ಞಾನ ಕ್ಷೇತ್ರದಲ್ಲಿ "ಉತ್ತಮ AI ಆಡಳಿತ" ಕ್ಕಾಗಿ EU ಮತ್ತು US ಔಷಧ ನಿಯಂತ್ರಕರು ಹಂಚಿಕೆಯ ತತ್ವಗಳ ಮೇಲೆ ಜೋಡಿಸಲ್ಪಟ್ಟಿದ್ದಾರೆ - ಮೇಲ್ವಿಚಾರಣೆ, ಅಪಾಯ ನಿರ್ವಹಣೆ ಮತ್ತು ಸ್ಪಷ್ಟವಾದ ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಯೋಚಿಸಿ. ಆಕರ್ಷಕವಾಗಿಲ್ಲ, ಆದರೆ ಅದು ಸದ್ದಿಲ್ಲದೆ ಏನು ನಿರ್ಮಾಣವಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ರೂಪಿಸುವ ರೀತಿಯ ವಿಷಯವಾಗಿದೆ.
ಮೂಲತಃ ಒತ್ತು: ಖಂಡಿತ, AI ಬಳಸಿ, ಆದರೆ ಅದನ್ನು ನೀರಸವಾಗಿ ಆಡಿಟ್ ಮಾಡಬಹುದಾದ ಮತ್ತು ಅದು ಎಲ್ಲಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ, ಯಾವುದಕ್ಕಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅದು ಪಕ್ಕಕ್ಕೆ ಹೋದಾಗ ಯಾರು ಜವಾಬ್ದಾರರು ಎಂಬುದರ ಬಗ್ಗೆ ಪಾರದರ್ಶಕವಾಗಿಸಿ.
ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು
ಏಜೆಂಟ್ AI ಗಾಗಿ IBM ನ ಎಂಟರ್ಪ್ರೈಸ್ ಅಡ್ವಾಂಟೇಜ್ ಸೇವೆ ಎಂದರೇನು?
ದೊಡ್ಡ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಏಜೆಂಟ್ AI ಅನ್ನು ಹೊರತರಲು IBM ನ "ಎಂಟರ್ಪ್ರೈಸ್ ಅಡ್ವಾಂಟೇಜ್" ಅನ್ನು ವೇದಿಕೆಯ ಮೊದಲ ಮಾರ್ಗವಾಗಿ ಇರಿಸಲಾಗಿದೆ, ಪ್ರತಿಯೊಂದು ನಿಯೋಜನೆಯನ್ನು ಒಂದೇ ಬಾರಿಗೆ, ಒಂದೇ ಬಾರಿಗೆ ಬಳಸಬಹುದಾದ ಉಪಕ್ರಮವಾಗಿ ಪರಿಗಣಿಸದೆ. ಹಂಚಿಕೆಯ ಸ್ವತ್ತುಗಳನ್ನು ಮರುಬಳಕೆ ಮಾಡುವುದು, ತಂಡಗಳು ಏಜೆಂಟ್ಗಳನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಪ್ರಮಾಣೀಕರಿಸುವುದು ಮತ್ತು "ವಿಭಾಗದಿಂದ ಇಲಾಖೆಗೆ" ವಿಘಟನೆಯನ್ನು ತಪ್ಪಿಸುವುದರ ಮೇಲೆ ಒತ್ತು ನೀಡಲಾಗುತ್ತದೆ. ರೋಲ್ಔಟ್ಗಳನ್ನು ಪುನರಾವರ್ತಿತ, ಆಡಳಿತಾತ್ಮಕ ಮತ್ತು ಅಳೆಯಲು ಸುಲಭವಾಗುವಂತೆ ಮಾಡುವ ಗುರಿಯೊಂದಿಗೆ ಪೂರ್ಣ ಪುನರ್ನಿರ್ಮಾಣವನ್ನು ಬೇಡುವ ಬದಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪರಿಸರಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುವುದನ್ನು ಇದು ಒತ್ತಿಹೇಳುತ್ತದೆ.
ಏಜೆಂಟ್ AI ಚಾಟ್ಬಾಟ್ ಅಥವಾ ಕೊಪಿಲಟ್ನಂತಹ AI ಸಹಾಯಕನಿಗಿಂತ ಹೇಗೆ ಭಿನ್ನವಾಗಿದೆ?
ಏಜೆಂಟ್ AI ಅನ್ನು "ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವುದು" ಎಂದು ಕಡಿಮೆ ಮತ್ತು ಕೆಲಸದ ಹರಿವಿನೊಳಗೆ "ಹಂತಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು" ಎಂದು ರೂಪಿಸಲಾಗಿದೆ. ಸಲಹೆಗಳಲ್ಲಿ ನಿಲ್ಲುವ ಬದಲು, ಏಜೆಂಟ್ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ನಿಯಮಗಳ ಅಡಿಯಲ್ಲಿ ಕ್ರಮಗಳನ್ನು ಕೈಗೊಳ್ಳಬಹುದು. ಆ ಬದಲಾವಣೆಯು ಪಣವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ಅದಕ್ಕಾಗಿಯೇ ಸಂದೇಶ ಕಳುಹಿಸುವಿಕೆಯು ಗಾರ್ಡ್ರೈಲ್ಗಳು, ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಮತ್ತು ನಿಯಂತ್ರಣಗಳ ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗಿದೆ - ವಿಶೇಷವಾಗಿ ಏಜೆಂಟ್ಗಳು ವ್ಯವಹಾರ-ನಿರ್ಣಾಯಕ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದಾಗ.
ತಂಡಗಳಲ್ಲಿ ಏಜೆಂಟ್ AI ಅನ್ನು ಸ್ಕೇಲಿಂಗ್ ಮಾಡುವಾಗ "ಪ್ಲಾಟ್ಫಾರ್ಮ್-ಫಸ್ಟ್" ಎಂದರೆ ಏನು?
ಪ್ಲಾಟ್ಫಾರ್ಮ್-ಫಸ್ಟ್ ವಿಧಾನ ಎಂದರೆ ಹಂಚಿಕೆಯ ಅಡಿಪಾಯಗಳನ್ನು ನಿರ್ಮಿಸುವುದು - ಪರಿಕರಗಳು, ಮಾದರಿಗಳು, ಆಡಳಿತ ಮತ್ತು ಮರುಬಳಕೆ ಮಾಡಬಹುದಾದ ಘಟಕಗಳು - ಆದ್ದರಿಂದ ತಂಡಗಳು ಒಂದೇ ರೀತಿಯ ಏಜೆಂಟ್ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪುನರ್ನಿರ್ಮಿಸುತ್ತಿಲ್ಲ. ಕಸ್ಟಮ್ ಬಿಲ್ಡ್ಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ಮತ್ತು ಇಲಾಖೆಗಳಾದ್ಯಂತ ನಿಯೋಜನೆಗಳನ್ನು ಸ್ಥಿರವಾಗಿರಿಸುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿದೆ. ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಪ್ರತಿಯೊಂದು ಗುಂಪು ತನ್ನದೇ ಆದ ಪ್ರತ್ಯೇಕ AI ಸ್ಟ್ಯಾಕ್ ಅನ್ನು ಜೋಡಿಸದೆ, ಏಜೆಂಟ್ ರೋಲ್ಔಟ್ಗಳ ಪ್ರಮಾಣವನ್ನು ಹೆಚ್ಚಿಸಲು ಸಹಾಯ ಮಾಡುವ "ಆಡಳಿತ ಪ್ಲಂಬಿಂಗ್" ಆಗಿದೆ.
ಆಡಳಿತ ಮತ್ತು ಅನುಸರಣೆ ಗಾರ್ಡ್ರೈಲ್ಗಳು ಏಜೆಂಟ್ AI ವರ್ಕ್ಫ್ಲೋಗಳಲ್ಲಿ ಹೇಗೆ ಬೇಕ್ ಆಗುತ್ತವೆ?
ಇಲ್ಲಿ ಗಮನವು ಅಪಾಯ ಮತ್ತು ಅನುಸರಣೆ ಯಂತ್ರೋಪಕರಣಗಳೊಳಗಿನ ಏಜೆಂಟ್ ಯಾಂತ್ರೀಕರಣದ ಮೇಲೆ, ಅಲ್ಲಿ ತಪ್ಪುಗಳು ದುಬಾರಿಯಾಗಬಹುದು. ಪಿಚ್ ಆರಂಭದಿಂದಲೇ ಗಾರ್ಡ್ರೈಲ್ಗಳು ಮತ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ, ಆದ್ದರಿಂದ ಕ್ರಮಗಳು ತಾತ್ಕಾಲಿಕವಾಗಿ ಬದಲಾಗಿ ನಿಯಂತ್ರಿಸಲ್ಪಡುತ್ತವೆ ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧಿಸಲ್ಪಡುತ್ತವೆ. ಇದು ಹೆಚ್ಚಿನ ಪಾಲು ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ AI ಗಾಗಿ ಸ್ಪಷ್ಟವಾದ ಹೊಣೆಗಾರಿಕೆ, ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ಅಪಾಯ ನಿರ್ವಹಣೆಯ ಕಡೆಗೆ ನಿಯಂತ್ರಕರಿಂದ - EU ಮತ್ತು US ಔಷಧಿ ನಿಯಂತ್ರಕರಂತಹ ವಿಶಾಲವಾದ ತಳ್ಳುವಿಕೆಯೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ.
2030 ರವರೆಗೆ ವ್ಯವಹಾರದ ಬೆಳವಣಿಗೆಗೆ AI ಚಾಲನೆ ನೀಡುವ ಬಗ್ಗೆ IBM ನ ಅಧ್ಯಯನವು ಏನು ಸೂಚಿಸುತ್ತದೆ?
ಸಮೀಕ್ಷೆಯ ವಿಷಯವೆಂದರೆ ನಾಯಕರು AI ದಕ್ಷತೆಯ ಲಾಭಗಳನ್ನು ಮೀರಿ ನಿಜವಾದ ಬೆಳವಣಿಗೆಯ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ಚಲಿಸುತ್ತದೆ ಎಂದು ನಿರೀಕ್ಷಿಸುತ್ತಾರೆ, ಆದರೆ ಅನೇಕರಿಗೆ ಮೌಲ್ಯವು ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ಸ್ಪಷ್ಟವಾದ ಯೋಜನೆ ಇನ್ನೂ ಇಲ್ಲ. ಏಕೀಕರಣವನ್ನು ಹೈಲೈಟ್ ಮಾಡಲಾಗಿದೆ: "ಬದಿಯಲ್ಲಿ AI" ಕೆಲಸವನ್ನು ಹೇಗೆ ಮಾಡಲಾಗುತ್ತದೆ ಎಂಬುದರಲ್ಲಿ ಹುದುಗಿಸದಿದ್ದರೆ ಅದು ಹೆಚ್ಚು ಬದಲಾಗುವುದಿಲ್ಲ. ಇದು ಬಹು-ಮಾದರಿ ತಂತ್ರಗಳಿಗೆ ಸಹ ಒಲವು ತೋರುತ್ತದೆ, ಸಣ್ಣ ಮಾದರಿಗಳು ಪ್ರಾಯೋಗಿಕ ನಿಯೋಜನೆಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಕೆಲಸವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ.
AI ಉದ್ಯೋಗಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತದೆಯೇ ಅಥವಾ ಹೆಚ್ಚಾಗಿ ಅವುಗಳ ಭಾಗಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುತ್ತದೆಯೇ?
ಜನರು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಕ್ಲೌಡ್ ಅನ್ನು ಹೇಗೆ ಬಳಸುತ್ತಾರೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ (ಆಂಥ್ರೊಪಿಕ್ ವರದಿ ಮಾಡಿದಂತೆ ಮತ್ತು ಇಲ್ಲಿ ವಿವರಿಸಿದಂತೆ), ಪರಿಣಾಮವು ಪ್ರಸ್ತುತ ಸಂಪೂರ್ಣ ಉದ್ಯೋಗ ಬದಲಿಗಿಂತ ಕಾರ್ಯ ಮಟ್ಟದ ಸಹಾಯದಂತೆ ಕಾಣುತ್ತದೆ. ಜನರು ಸಂಪೂರ್ಣ ಪಾತ್ರಗಳನ್ನು ಕೊನೆಯಿಂದ ಕೊನೆಯವರೆಗೆ ಅಲ್ಲ, ಬದಲಾಗಿ ಕೆಲಸದ ಭಾಗಗಳನ್ನು ಆಫ್ಲೋಡ್ ಮಾಡುತ್ತಾರೆ. ಪರಿಣಾಮವು ಉದ್ಯೋಗವನ್ನು ಅವಲಂಬಿಸಿ ವ್ಯಾಪಕವಾಗಿ ಬದಲಾಗುತ್ತದೆ ಮತ್ತು ಕೆಲಸದ ಯಾವ ಭಾಗಗಳು ಸ್ವಯಂಚಾಲಿತವಾಗಿರುತ್ತವೆ ಎಂಬುದರ ಮೂಲಕ ಫಲಿತಾಂಶಗಳು ಅಸಮಾನ ಮತ್ತು ಹೆಚ್ಚು ಸಂದರ್ಭ-ಅವಲಂಬಿತವಾಗಿರುತ್ತವೆ.