এন্টারপ্রাইজ AI আর ভবিষ্যতের উচ্চাকাঙ্ক্ষা নয়। এটি পূর্ণ পরিচালনামূলক উড্ডয়নে রয়েছে। মডেল সক্ষমতাগুলি বেশিরভাগ সংস্থার吸收 করার চেয়ে দ্রুত অগ্রসর হচ্ছে, যখন কর্মক্ষমতার খরচ ক্রমাগত হ্রাস পাচ্ছে। বিশ্বব্যাপী, AI বিনিয়োগ 2026 সালে 2.5 ট্রিলিয়ন ডলারে পৌঁছানোর জন্য নির্ধারিত হয়েছে, যা আগের বছর থেকে 44% বেশি। অনেক এন্টারপ্রাইজের জন্য, এই বিনিয়োগ বিভক্তকরণ তৈরি করেছে। বুদ্ধিমত্তা সাইলোতে জমা হতে পারে যাতে বিক্রয় এজেন্টরা খোলা সাপোর্ট টিকিট সম্পর্কে অবগত থাকে না, উদাহরণস্বরূপ, বা মার্কেটিং সিস্টেমগুলি ফাইন্যান্স ইতিমধ্যে একজন গ্রাহক সম্পর্কে কী জানে তার দৃশ্যমানতা ছাড়াই সামগ্রী ব্যক্তিগতকৃত করছে। প্রতিটি ফাংশন বিচ্ছিন্নভাবে ভাল পারফর্ম করতে পারে, কিন্তু সামগ্রিকভাবে এন্টারপ্রাইজ খুব কম শেখে এবং কাজ করার জন্য কম তথ্য থাকে।
AI কে একটি টুল হিসাবে থেকে AI কে একটি অপারেটিং মডেল হিসাবে স্থানান্তরিত করা—যাকে আমরা এই রিপোর্টে "এজেন্টিক শিফট" বলি—এর জন্য আরও মৌলিক কিছু প্রয়োজন, ভাল মডেল বা দ্রুত অবকাঠামোর চেয়ে। এটির জন্য মানুষ, প্রক্রিয়া এবং ডেটাকে রিয়েল টাইমে সংযুক্ত করার প্রয়োজন, সেই সাথে সেই বুদ্ধিমত্তার উপর নির্ভরযোগ্যভাবে কাজ করার জন্য শাসন ও নিয়ন্ত্রণ প্রয়োজন। এর অর্থ একই সাথে আর্কিটেকচার এবং অপারেটিং মডেল উভয়ের পুনর্বিবেচনা করা। প্রথমত, ভলিউমের পরিবর্তে অ্যাক্সেসযোগ্যতার জন্য ডেটা অবকাঠামো পুনর্নির্মাণ করা। দ্বিতীয়ত, স্থির টেক স্ট্যাকগুলিকে কম্পোজেবল আর্কিটেকচার দিয়ে প্রতিস্থাপন করা যা মডেল এবং টুল পরিবর্তনের সাথে সাথে বিবর্তিত হতে পারে। এবং, শেষ পর্যন্ত, AI সার্বভৌমত্বের প্রশ্নগুলি সমাধান করা, যার মধ্যে রয়েছে বুদ্ধিমত্তা কোথায় চলে, কে এটি নিয়ন্ত্রণ করে এবং এটি কীভাবে সাংগঠনিক এবং এখতিয়ারগত সীমানা জুড়ে কাজ করে।
প্রধান ফলাফলগুলির মধ্যে নিম্নলিখিতগুলি অন্তর্ভুক্ত রয়েছে: এন্টারপ্রাইজ AI-এর স্কেলিং সমস্যা কাঠামোগত। প্রক্রিয়া-প্রথম কোম্পানিগুলি এগিয়ে যাচ্ছে। বিশ্বব্যাপী AI ব্যয় তীব্রভাবে বাড়ছে এবং মডেল সক্ষমতাগুলি বেশিরভাগ সংস্থার সংহত করার চেয়ে দ্রুত অগ্রসর হচ্ছে। তবুও বেশিরভাগ এন্টারপ্রাইজ এখনও AI-এর মাধ্যমে রাজস্ব বাড়াচ্ছে না বা তারা কীভাবে কাজ করে তা মৌলিকভাবে পুনর্বিবেচনা করছে না। টেকসই রিটার্ন তৈরি করা কোম্পানিগুলি একটি সাধারণ শৃঙ্খলা ভাগ করে নেয়। তারা প্রক্রিয়া পুনর্নকশাকে মডেল নির্বাচনের পূর্ববর্তী কাজ হিসাবে বিবেচনা করে, স্থাপনার পরে ভূমিকা এবং ওয়ার্কফ্লো পুনরায় তৈরি করার পরিবর্তে প্রযুক্তি কীভাবে বিবর্তিত হবে তার জন্য নির্মাণ করে।
ডেটা প্রস্তুতি, ডেটা প্রাচুর্য নয়, যা AI কে কম্পাউন্ডেবল করে তোলে। বেশিরভাগ এন্টারপ্রাইজ খুব দেরিতে আবিষ্কার করে যে ডেটা থাকা এবং AI-প্রস্তুত ডেটা থাকা খুব আলাদা জিনিস। একটি সার্বভৌম, কম্পোজেবল ভিত্তি—যা ডেটা যেখানে থাকে সেখানে কুয়েরি এবং প্রস্তুত করে, মাইগ্রেশন বা কেন্দ্রীকরণ ছাড়াই—কাঁচা ডেটা এস্টেটকে বুদ্ধিমত্তায় রূপান্তর করতে পারে যার উপর AI এজেন্টরা কাজ করতে পারে। যেহেতু ডেটা রেসিডেন্সি আইন, মাল্টিক্লাউড পরিবেশ এবং কাঠামোগত জটিলতা কেন্দ্রীকরণকে ক্রমবর্ধমানভাবে অবাস্তব করে তোলে, মডেলগুলি কোথায় চলে এবং ডেটা কোথায় থাকে তার উপর সার্বভৌম নিয়ন্ত্রণই সেই অভিযোজন ক্ষমতাকে অক্ষত রাখে।
উৎস: MIT Technology Review AI · সারাংশ: HeadlinesBriefing