এন্টারপ্রাইজ এআই ঠিক সেই পরিবর্তনের মধ্য দিয়ে যাচ্ছে যা একসময় বিদ্যুতের ক্ষেত্রে ঘটেছিল। বিচ্ছিন্নভাবে চ্যাটবট ও কপাইলট নিয়ে যে পরীক্ষা শুরু হয়েছিল, তা এখন মৌলিক ব্যবসায়িক অবকাঠামোতে পরিণত হচ্ছে, যেখানে উৎপাদন পরিবেশে মডেল, এজেন্ট ও ডেটা ক্রমশ একে অপরের সঙ্গে সংযুক্ত হচ্ছে। সুতরাং মূল প্রশ্ন আর একটি টোকেন বা একটি জিপিইউ-ঘণ্টার খরচ নয়, বরং এআই পরিবেশ কতটা দক্ষভাবে পরিশোধিত ক্ষমতাকে কার্যকর ব্যবসায়িক ফলাফলে রূপান্তর করে সেটিই।
যে মেট্রিকটি অনুসরণ করা উচিত তা হলো প্রতিটি কার্যকর ফলাফলের কার্যকর খরচ: অর্থাৎ প্ল্যাটফর্ম, মডেল, পরিচালন ও ক্ষমতার মোট খরচ, যা এমন কাজ সম্পন্ন করতে ব্যয় হয় যা ব্যবসা সত্যিই কাজে লাগাতে পারে, তা একটি সমাধানকৃত অনুরোধ হোক বা সম্পন্ন ওয়ার্কফ্লো। এই অর্থনীতির কেন্দ্রে রয়েছে ব্যবহারের হার (utilization)। পরিশোধিত ক্ষমতায় বেশি কাজ পাঠালে একক খরচ কমে, অন্যদিকে নিষ্ক্রিয় জিপিইউ, বিচ্ছিন্ন ওয়ার্কলোড ও অতিরিক্ত বড় মডেল প্রতিটি কার্যকর ফলাফলের খরচ বাড়িয়ে দেয়।
উদ্যোগগুলো সাধারণত তিনটি পদ্ধতির মধ্য থেকে বেছে নেয়। কাস্টম স্ট্যাক নমনীয়তা দেয়, তবে এতে একটি স্থায়ী বোঝা থাকে, কারণ মডেল ও নীতি পরিবর্তনের সঙ্গে দলগুলোকে পরিবেশ পুনরায় যাচাই করতে হয়। হাইপারস্কেলারদের চাহিদা-ভিত্তিক ব্যবহার সংযোজনের কাজ কমায় এবং কম বা অনিশ্চিত চাহিদার জন্য উপযুক্ত, কিন্তু প্রতিটি প্রম্পট বা এজেন্টের কার্যক্রমের সঙ্গে খরচ বাড়ে। মালিকানাধীন বা নিবেদিত ক্ষমতার সঙ্গে একটি যাচাইকৃত স্ট্যাক যুক্ত করে তৈরি একটি সমন্বিত প্রাইভেট এআই প্ল্যাটফর্ম শিডিউলিং, মডেল নির্বাচন, জিপিইউ বিভাজন ও ক্যাশ ব্যবস্থাপনার মতো দক্ষতার লিভারের ওপর নিয়ন্ত্রণ দেয়। সঠিক পছন্দ নির্ভর করে ওয়ার্কলোডের ওপর: পরীক্ষানিরীক্ষা বা পরিবর্তনশীল চাহিদার ক্ষেত্রে এপিআই যুক্তিসঙ্গত হতে পারে, কিন্তু ওয়ার্কলোড যখন স্থায়ী ও ব্যবসার জন্য গুরুত্বপূর্ণ হয়ে ওঠে, তখন উদ্যোগগুলোকে শুধু কতটা ব্যবহার করছে নয়, বরং সিস্টেমটি কতটা দক্ষভাবে পরিচালনা করছে তাও বিবেচনা করতে হবে।
শুধু মালিকানা থাকলেই ভালো অর্থনীতি নিশ্চিত হয় না। জিপিইউর মালিকানা তখনই সাশ্রয়ের সুযোগ তৈরি করে যখন প্রতিষ্ঠানের পর্যাপ্ত চাহিদা ও পরিচালন শৃঙ্খলা থাকে, যাতে সম্পদগুলো উৎপাদনশীল থাকে। সবচেয়ে শক্তিশালী রিটার্ন আসে একটি সম্পূর্ণ সমন্বিত ও যোগ্যতাপ্রাপ্ত স্ট্যাক থেকে, যা কাজগুলোকে মানের প্রয়োজনীয়তা পূরণকারী সবচেয়ে কম খরচের মডেলে পাঠায় এবং KV-ক্যাশ ব্যবস্থাপনার মতো কৌশলের মাধ্যমে প্রসঙ্গ পুনর্ব্যবহার করে। এসব অনুশীলন ছাড়া প্রতিশ্রুত অবকাঠামো আটকে থাকা মূলধনে পরিণত হতে পারে; কিন্তু এগুলো থাকলে ক্রমবর্ধমান চাহিদা স্থির খরচকে আরও বেশি কার্যকর কাজের মধ্যে ভাগ করে দেয়।
HPE Private Cloud AI একটি উৎপাদন-প্রস্তুত ভিত্তি, যা অবকাঠামো, সফটওয়্যার, মডেল, শাসন ও সেবাকে একত্র করে এবং বড় পরিসরে প্রাইভেট এআই-এর ইন্টিগ্রেশন বোঝা কমাতে লক্ষ্য রাখে। এতে রয়েছে ৯০ দিনের একটি এনগেজমেন্ট, যেখানে সামনের সারিতে নিয়োজিত প্রকৌশলীরা দলগুলোকে প্রাথমিক ব্যবহারের ক্ষেত্রগুলো বাস্তবায়ন এবং পুনরাবৃত্তিযোগ্য পরিচালন অনুশীলন প্রতিষ্ঠায় সহায়তা করেন।
উৎস: MIT Technology Review AI · সারাংশ: HeadlinesBriefing