செயற்கை நுண்ணறிவின் சாத்தியக்கூறு: முதலீட்டின் மீதான வருவாயில் கவனம்
செயற்கை நுண்ணறிவின் (Artificial Intelligence - AI) வேகமான வளர்ச்சி, பல்வேறு தொழில்களில் பலவிதமான சோதனைகளுக்கு வழிவகுத்துள்ளது. இருப்பினும், பல நிறுவனங்கள் சாத்தியக்கூறு சோர்வை அனுபவித்து வருகின்றன. ஆரம்பகட்ட சோதனைகள் உறுதியான வணிக மதிப்பிற்கு மாற்றப்படாமல் தோல்வியடைகின்றன. முன்னணி நிறுவனமான கோஹேரின் (Cohere) இணை நிறுவனர் இவான் ஜாங் (Ivan Zhang), ஒரு பெரிய மொழி மாதிரி (large language model - LLM) நிறுவனமாக இருந்து, அண்மையில் நடந்த வெப் உச்சி மாநாட்டில் (Web Summit) இந்த வளர்ந்து வரும் விரக்தியைப் பற்றி உரையாற்றினார். செயற்கை நுண்ணறிவில் நம்பிக்கையை வைத்து, முதலீட்டின் மீதான வருவாயில் (Return On Investment - ROI) கவனம் செலுத்துவது எவ்வளவு முக்கியம் என்பதை வலியுறுத்தினார்.
சாத்தியக்கூறு குறைபாடு
செயற்கை நுண்ணறிவு விமானங்களில் அதிக முதலீடு செய்துள்ள நிறுவனங்களிடையே காணப்படும் ஏமாற்றத்தை ஜாங் எடுத்துக்காட்டினார். ஆரம்ப பயன்பாடுகளை உருவாக்கிய போதிலும், செலவு மற்றும் நிர்வாகம் முதல் தரவு பாதுகாப்பு மற்றும் தனியுரிமை வரையிலான சிக்கல்கள் இருப்பதால், உற்பத்திக்கு அவற்றை மாற்ற கோஹேர் வாடிக்கையாளர்கள் பலர் போராடியுள்ளனர் என்பதை அவர் ஒப்புக்கொண்டார். செயற்கை நுண்ணறிவின் வாக்குறுதி செயலாக்கத்தின் நடைமுறை யதார்த்தங்களுடன் மோதுகிறது என்பதை இது பிரதிபலிக்கிறது.
கோஹேர் தனது புதிய பணிச்சூழல் தளமான நார்த் (North) மூலம் செலவு, ஒழுங்குமுறை இணக்கம், தரவு பாதுகாப்பு மற்றும் தனியுரிமை நெறிமுறைகள் போன்ற பிரச்சினைகளை தீர்க்கும் என்று நம்புகிறது.
முதலீட்டின் மீதான வருவாய் கட்டாயம்
ஒரு நேர்காணலில், செயற்கை நுண்ணறிவை ஏற்றுக்கொள்வதன் அடுத்த கட்டம் நிரூபிக்கக்கூடிய முதலீட்டின் மீதான வருவாயால் இயக்கப்பட வேண்டும் என்று ஜாங் வலியுறுத்தினார். செயற்கை நுண்ணறிவில் செய்யப்படும் முதலீடுகளுக்கு ஒரு தெளிவான நிதி நியாயத்தை நிறுவனங்கள் அறிந்திருக்க வேண்டும். அப்போதுதான் நன்மைகள் செலவுகளை விட அதிகமாக இருக்குமாறு உறுதிப்படுத்த முடியும். சில செயற்கை நுண்ணறிவு அமைப்புகள் இயக்குவதற்கு மிகவும் விலை உயர்ந்தவை என்றும், தானியங்கி பணிகளிலிருந்து கிடைக்கும் செலவு சேமிப்பை இது ரத்து செய்யும் என்றும் அவர் எச்சரித்தார்.
"சில நேரங்களில் அவர்கள் உருவாக்கும் அமைப்புகள், மாதிரியின் விலை உண்மையில் அதை இயக்கும் மனிதர்களை விட அதிகமாக இருக்கும்," என்று அவர் கூறினார்.
செயற்கை நுண்ணறிவு நிறுவனங்கள் ஒருபோதும் வெற்றிபெறாத திட்டங்களை மேற்கொள்வதால் ஏற்படும் பாதிப்புகளை எதிர்கொள்ள, செயற்கை நுண்ணறிவு செயல்படுத்தல்களுடன் உண்மையான முன்னேற்றம் உள்ளதா என்ற முக்கிய கேள்விக்கு பதிலளிக்கப்பட வேண்டும்.
செயற்கை நுண்ணறிவு அதிகரிப்பு மற்றும் உற்பத்தித்திறன்
நிறுவனங்கள் செயற்கை நுண்ணறிவைக் கொண்டு ஏற்கனவே உள்ள பணியாளர்களை அதிகரிக்க முயற்சித்தாலும், உற்பத்தித்திறனில் எந்த முன்னேற்றத்தையும் காணவில்லை என்று ஜாங் குறிப்பிட்டார். சில சந்தர்ப்பங்களில், ஊழியர்கள் வெளியீட்டை அதிகரிக்காமல் தங்கள் வேலையை வெறுமனே குறைத்துக் கொண்டனர். செயற்கை நுண்ணறிவின் நன்மைகளை இது திறம்பட புறக்கணிக்கிறது. ஏற்கனவே இருக்கும் பணிப்பாய்வுகளில் செயற்கை நுண்ணறிவு எவ்வாறு ஒருங்கிணைக்கப்படுகிறது என்பதை கவனமாகக் கருத்தில் கொள்வது மற்றும் உண்மையான செயல்திறன் ஆதாயங்களுக்கு வழிவகுப்பதை உறுதி செய்வது முக்கியம் என்பதை இது எடுத்துக்காட்டுகிறது.
ஆரம்ப பின்னடைவுகளை கடத்தல்
தோல்வியடைந்த திட்டங்களால் "எரிந்த" நிறுவனங்களை வெல்ல செயற்கை நுண்ணறிவு தொடக்க நிறுவனங்களுக்கு இப்போது பணி வழங்கப்படும் என்று ஜாங் எதிர்பார்க்கிறார். "இந்த தொழில்நுட்பத்திற்கான சந்தைக்குச் செல்லும் அடுத்த கட்டம், முதலீட்டின் மீதான வருவாய் எங்கே?" தங்கள் தீர்வுகளின் உறுதியான மதிப்பை நிரூபிப்பதன் மூலமும், அளவிடக்கூடிய முடிவுகளை வழங்குவதில் கவனம் செலுத்துவதன் மூலமும் செயற்கை நுண்ணறிவு நிறுவனங்கள் நம்பிக்கையை மீண்டும் கட்டியெழுப்ப வேண்டும் என்று அவர் நம்புகிறார்.
ஆராய்ச்சி சமூகத்தின் எதிரொலிகள்
ஜாங்கின் கருத்துக்கள் தேசிய பொருளாதார ஆராய்ச்சி பணியகத்தின் (National Bureau of Economic Research) ஆராய்ச்சி மூலம் ஆதரிக்கப்படுகின்றன. செயற்கை நுண்ணறிவு சாட் (AI Chat) ரோபோக்களைப் பயன்படுத்தும் 7,000 பணியிடங்களை ஆய்வு செய்த பிறகு, “எந்தவொரு தொழிலுக்கும் வருவாய் அல்லது பதிவு செய்யப்பட்ட மணிநேரத்தில் குறிப்பிடத்தக்க தாக்கம் இல்லை” என்று கண்டறியப்பட்டது. இதேபோல், போஸ்டன் ஆலோசனை குழுவின் (Boston Consulting Group) ஆய்வில், கணக்கெடுக்கப்பட்ட நிர்வாகிகளில் கால் பகுதியினர் மட்டுமே செயற்கை நுண்ணறிவிலிருந்து குறிப்பிடத்தக்க மதிப்பைக் கண்டிருக்கிறார்கள். நிறுவனங்கள் தங்கள் முதலீடுகளை பல விமானங்களுக்காக பரப்புகின்றன என்று கூறுகிறது.
ஆடம்பர தீர்வுகள்: வணிக சிக்கல்களுக்கு முன்னுரிமை
விளக்கமான தீர்வுகளை உருவாக்காமல், குறிப்பிட்ட வணிக சிக்கலைத் தீர்ப்பதில் கவனம் செலுத்த வேண்டும் என்று பெரிய மொழி மாதிரியைக் (Large Language Model - LLM) கருத்தில் கொள்ளும் நிறுவனங்களுக்கு ஜாங் அறிவுரை கூறினார். ஒரு பிரச்சினையைத் தேடி எதையாவது உருவாக்குவதில் மூழ்கிவிடாதீர்கள் என்று எச்சரித்தார். மூலோபாய வணிக இலக்குகளுடன் செயற்கை நுண்ணறிவு முதலீடுகளை இணைப்பதன் முக்கியத்துவத்தையும் வலியுறுத்தினார்.
கருவிப் பெட்டியில் செயற்கை நுண்ணறிவு
வணிக சிக்கல்களைத் தீர்ப்பதற்கும் வாடிக்கையாளர்களுக்கு மதிப்பை உருவாக்குவதற்கும் செயற்கை நுண்ணறிவு ஒரு கருவி மட்டுமே என்று ஜாங் வாதிட்டார். உலகின் அனைத்து பிரச்சினைகளையும் தீர்க்கும் தொழில்நுட்பத்தின் திறனை மிகைப்படுத்த வேண்டாம் என்று எச்சரித்தார். மூலோபாய ரீதியாகவும் பிற தீர்வுகளுடன் இணைந்து பயன்படுத்தும்போது இது மிகவும் பயனுள்ளதாக இருக்கும் என்றார்.
மாயத்தோற்ற சவால்
செயற்கை நுண்ணறிவு குறிப்பிடத்தக்க முன்னேற்றம் அடைந்திருந்தாலும், சவால்கள் இன்னும் உள்ளன. குறிப்பாக "மாயத்தோற்றங்கள்" துறையில் உள்ளன. பெரிய மொழி மாதிரிகள் தவறான அல்லது புனையப்பட்ட தகவல்களை உருவாக்குகின்றன. இந்த துறையில் முன்னேற்றம் இருந்தபோதிலும், பெரிய மொழி மாதிரியின் மாயத்தோற்ற விகிதங்கள் தொடர்ந்து அதிகமாகவே உள்ளன. முன்னணி நிறுவனங்களின் சமீபத்திய மாதிரிகள் கூட பிழைகளை உருவாக்குகின்றன. வெளிப்படைத்தன்மை மற்றும் செயற்கை நுண்ணறிவு மாதிரிகள் எவ்வாறு முடிவுக்கு வருகின்றன என்பதைப் பற்றிய நுண்ணறிவுகளை பயனர்களுக்கு வழங்குவதன் முக்கியத்துவத்தை இந்த பிரச்சினை அடிக்கோடிட்டுக் காட்டுகிறது.
பல வல்லுநர்களிடம், ஜெனரேட்டிவ் செயற்கை நுண்ணறிவில் (Generative AI) மாயத்தோற்றம் ஒரு பிரச்சினையாகவே உள்ளது என்று இணை நிறுவனர் ஒப்புக்கொண்டார். வெளிப்படையானவர்களாக இருப்பதன் மூலம் நிறுவனம் உதவி செய்ய முயற்சித்திருக்கிறது என்று கூறினார். அதன் பெரிய மொழி மாதிரிகளின் "மூல சிந்தனையை" பயனர்களுக்குக் காட்டுகிறது மற்றும் அதன் அமைப்புகள் என்ன கருவிகளைப் பயன்படுத்துகின்றன, மேலும் பதில்களை எவ்வாறு பெற முடியும் என்பதையும் காட்டுகிறது.
போட்டி நிலப்பரப்பு
செயற்கை நுண்ணறிவு வெளியில் சிறந்த நிதி ஆதாரத்துடன் உள்ள போட்டியாளர்களிடமிருந்து கோஹேர் கடுமையான போட்டியை எதிர்கொள்கிறது. செலவு குறைந்த மற்றும் ஆற்றல் திறன் கொண்ட செயற்கை நுண்ணறிவு மாதிரிகளை உருவாக்குவதில் பெரியது எப்போதும் சிறந்ததாக இருக்காது என்று ஜாங் நம்புகிறார். ஒரு மாதிரி "தரவு மற்றும் அமைப்புகளை அணுகுவதற்கு மட்டுமே நல்லது" என்று அவர் வாதிட்டார். வாடிக்கையாளர்களின் சூழல்களில் முற்றிலும் இயக்கக்கூடிய தீர்வுகளை உருவாக்குவதன் முக்கியத்துவத்தையும் அவர் வலியுறுத்தினார். கோஹேரின் "தீவிர வளர்ச்சியைக்" குறிக்கும் ஜாங், இடத்தின் "ஒப்பீட்டளவில் ஆரம்பம்" நிறுவனம் விரிவாக்க நிறைய இடங்களை விட்டுச்செல்கிறது என்றார்.
வருவாய் வளர்ச்சி மற்றும் சவால்கள்
கோஹேரின் வளர்ச்சி சமீபத்தில் தொழில்நுட்ப ஊடகங்களுக்கு ஒரு பேசுபொருளாக இருந்தது. கோஹேர் இந்த மாதத்தில் ஆண்டுக்கு 100 மில்லியன் அமெரிக்க டாலர்களை ஈட்டியது (138 மில்லியன் கனடியன் டாலர்கள்). 2025 ஆம் ஆண்டின் தொடக்கத்தில் இருந்து விற்பனையை இரு மடங்காக உயர்த்தியது. தலைமை நிர்வாக அதிகாரி ஏய்டன் கோம்ஸ் (Aidan Gomez) சமீபத்தில் ப்ளூம்பெர்க்கிடம் (Bloomberg), நிறுவனம் லாபத்திலிருந்து "வெகு தொலைவில் இல்லை" என்று கூறினார். ஆனால் 2023ல் கோஹேர் முதலீட்டாளர்களிடம் கூறியதை விட இது 350 மில்லியன் அமெரிக்க டாலர்கள் பின்தங்கியுள்ளதாக தி இன்ஃபர்மேஷன் செய்தி வெளியிட்டுள்ளது. வருவாய் இலக்குகள் மற்றும் கடுமையான போட்டி ஆகியவை கோஹேர் எதிர்கொள்ளும் சவால்கள் மட்டுமல்ல.
பதிப்புரிமை மீறல் வழக்கு
செயற்கை நுண்ணறிவு தொடக்க நிறுவனமும் ஒரு நிபுணர் “முன்னுதாரணமாக” இருக்கக்கூடிய முக்கிய ஊடக நிறுவனங்களின் பதிப்புரிமை மீறல் வழக்கைக் கொண்டுள்ளது. டொராண்டோ ஸ்டார் (Toronto Star), காண்டே நாஸ்ட் (Condé Nast) மற்றும் வோக்ஸ் (Vox) உள்ளிட்ட ஊடக நிறுவனங்களின் குழு கோஹேர் அனுமதியின்றி ஊடக உள்ளடக்கத்தை நீக்கியதாகவும், செயற்கை நுண்ணறிவு மாதிரிகளுக்கு பயிற்சி அளிக்க அதைப் பயன்படுத்தியதாகவும், அனுமதியின்றி நிகழ்நேரத்தில் உள்ளடக்கத்தை அணுகியதாகவும், மீறலான வெளியீடுகளை உருவாக்கியதாகவும் குற்றம் சாட்டியுள்ளது. இதேபோன்ற வழக்குகளை எதிர்கொள்ளும் பல செயற்கை நுண்ணறிவு தொடக்க நிறுவனங்களில் கோஹேரும் ஒன்றாகும். கோஹேர் இந்த கூற்றுக்களை மறுத்துள்ளது. வழக்குத் தொடுத்த பதிப்பாளர்கள் ஒரு வழக்கை "உருவாக்க" வெளியேறியதாகவும், நடைமுறை பதிப்புரிமை மீறல்கள் ஏதும் நடந்ததற்கான கருத்தை மறுத்ததாகவும் வாதிட்டார்.
இது குறித்து அதிக கருத்து தெரிவிக்க ஜாங் மறுத்துவிட்டார், பீட்டாகிட்டிற்கு கோஹேரின் சிந்தனையை விவரிக்கும் வலைப்பதிவு இடுகையைக் காட்டினார். "அதில் நாங்கள் உறுதியாக இருக்கிறோம்," என்று அவர் கூறினார்.
செயற்கை நுண்ணறிவு செயல்படுத்தல் சவால்களில் ஆழமான மூழ்கல்
பல வணிகங்கள் ஆரம்பத்தில் குறிப்பிட்ட ஆர்வத்துடன் செயற்கை நுண்ணறிவு முன்முயற்சிகளில் இறங்குகின்றன. செயற்கை நுண்ணறிவு அவர்களின் செயல்பாடுகளில் புரட்சியை ஏற்படுத்தும் மற்றும் இதற்கு முன்பு கேள்விப்படாத திறன்களை உருவாக்கும் என்று நம்புகின்றன. ஆனால் அவர்கள் எதிர்பார்க்காத குறிப்பிடத்தக்க சவால்களை எதிர்கொள்கின்றனர். தொழில்நுட்ப சிக்கலானது முதல் நிறுவன எதிர்ப்பு வரை இந்த சிரமங்கள் பல்வேறு வடிவங்களை எடுக்கலாம். செயற்கை நுண்ணறிவை வெற்றிகரமாக செயல்படுத்தி, அவர்களின் முதலீட்டில் சாதகமான வருவாயைப் பெற நம்பும் வணிகங்களுக்கு இந்த சவால்களைப் புரிந்துகொள்வது அவசியம்.
தொழில்நுட்ப சிக்கலானது மற்றும் தரவு தேவைகள்
வணிகங்கள் அடிக்கடி எதிர்கொள்ளும் முதல் தடைகளில் ஒன்று செயற்கை நுண்ணறிவு அமைப்புகளின் தொழில்நுட்ப சிக்கலானது. செயற்கை நுண்ணறிவு மாதிரிகள், குறிப்பாக ஆழமான கற்றலை அடிப்படையாகக் கொண்டவை, கணினி ரீதியாக கோருகின்றன மற்றும் அவை உருவாக்க, பயிற்சி மற்றும் பயன்படுத்த சிறப்பு அறிவு தேவை. தரவும் தேவை. பயிற்சி தரவின் தரம் மற்றும் அளவு செயற்கை நுண்ணறிவு மாதிரிகளின் செயல்திறனில் கணிசமான தாக்கத்தை ஏற்படுத்துகிறது. பெரிய தரவுத் தொகுப்புகளை சேகரித்து தயார் செய்வது நேரத்தை எடுத்துக்கொள்ளும் மற்றும் அதிக ஆதாரங்களை எடுக்கும் செயல்முறையாக இருக்கலாம். அதிக தரம் மற்றும் லேபிளிடப்பட்ட தரவு இல்லாததால் செயற்கை நுண்ணறிவு திட்டங்கள் பாதிக்கப்படலாம். இது தவறான அல்லது பாரபட்சமான மாதிரிகளுக்கு வழிவகுக்கிறது.
மேலும், ஏற்கனவே உள்ள தகவல் தொழில்நுட்ப உள்கட்டமைப்புடன் செயற்கை நுண்ணறிவு அமைப்புகளின் இடைசெயல்பாட்டை உறுதி செய்வது மேலும் சிக்கலை அறிமுகப்படுத்துகிறது. வெவ்வேறு செயற்கை நுண்ணறிவு தளங்கள் மற்றும் கட்டமைப்புகள் மரபு அமைப்புகளுடன் பொருந்தாது. ஏற்கனவே உள்ள பணிப்பாய்வுகள் மற்றும் கட்டமைப்புகளில் குறிப்பிடத்தக்க மாற்றங்கள் தேவைப்படுகின்றன. சிக்கலான அமைப்பு சூழல்களில் செயற்கை நுண்ணறிவை ஒருங்கிணைக்க அதிக அனுபவம் மற்றும் AI தொழில்நுட்பங்களைப் பற்றிய ஆழமான புரிதல் மற்றும் அடிப்படை வணிக செயல்பாடுகளும் எப்போதும் இன்றியமையாதவை.
அமைப்பு மற்றும் கலாச்சார தடைகள்
தொழில்நுட்ப தடைகளைத் தவிர, நிறுவனங்கள் செயற்கை நுண்ணறிவு பயன்பாட்டிற்கு குறிப்பிடத்தக்க அமைப்பு மற்றும் கலாச்சார தடைகளை எதிர்கொள்ளக்கூடும். செயற்கை நுண்ணறிவால் ஏற்படும் மாற்றங்களை தொழிலாளர்கள் தயங்குவது ஒரு பரவலான பிரச்சினை. புதிய திறமைகளை கற்றுக்கொள்வது மற்றும் புதிய வேலை முறைகளுக்கு ஏற்ப மாற்றங்கள் செய்வதாலும் வேலை இழப்பு குறித்து ஊழியர்கள் கவலைப்படலாம். தொழிலாளர்களின் எதிர்ப்பு செயற்கை நுண்ணறிவு முயற்சிகளைத் தடுக்கலாம் மற்றும் எதிர்பார்க்கப்படும் நன்மைகளை உணர முடியாது.
மேலும், செயற்கை நுண்ணறிவுப் பயன்பாட்டின் காரணமாக துறைகள் மற்றும் அணிகளுக்கு இடையே கணிசமான ஒத்துழைப்பு தேவைப்படுகிறது. தரவு விஞ்ஞானிகள் (Data scientists), IT வல்லுநர்கள் (IT professionals), வணிக ஆய்வாளர்கள் (Business analysts) மற்றும் பொருள் வல்லுநர்கள் (Subject matter experts) அனைவரும் சிக்கல்களை வரையறுக்கவும், செயற்கை நுண்ணறிவு தீர்வுகளை உருவாக்கவும் அவற்றை உற்பத்தியில் பயன்படுத்தவும் ஒத்துழைக்க வேண்டும். சைலோஸ் (Silos) மற்றும் தகவல்தொடர்பு இல்லாதது ஒத்துழைப்பைத் தடுக்கலாம் மற்றும் வணிக செயல்பாடுகளில் செயற்கை நுண்ணறிவை திறம்பட ஒருங்கிணைக்க தடையாக இருக்கலாம். இந்த அமைப்பு மற்றும் கலாச்சார தடைகளைத் தவிர்க்க வலுவான தலைமை, பயனுள்ள தகவல்தொடர்பு, மாற்ற நிர்வாகத்திற்கான அர்ப்பணிப்பு தேவை.
நெறிமுறை மற்றும் நிர்வாக கவலைகள்
செயற்கை நுண்ணறிவு பெருகிய முறையில் பரவலாக இருப்பதால், நெறிமுறை மற்றும் நிர்வாக சிக்கல்கள் அதிக முக்கியத்துவம் பெறுகின்றன. செயற்கை நுண்ணறிவு அமைப்புகளுக்கு தப்பெண்ணங்களை நிரந்தரமாக்கவும், நியாயமற்ற தீர்ப்புகளை வழங்கவும், மக்களின் தனியுரிமையை மீறவும் திறன் உள்ளது. செயற்கை நுண்ணறிவு வடிவமைப்பு, மேம்பாடு மற்றும் பயன்பாட்டிற்கான வலுவான நெறிமுறை வழிகாட்டுதல்கள் மற்றும் நிர்வாக நடைமுறைகளை உருவாக்குவதன் மூலம் நிறுவனங்கள் இந்த கவலைகளை நிவர்த்தி செய்ய வேண்டும். பொறுப்புள்ள செயற்கை நுண்ணறிவுக்கு வெளிப்படைத்தன்மை, பொறுப்புக்கூறல் மற்றும் நேர்மை ஆகியவை முக்கிய கொள்கைகள்.
தரவு தனியுரிமை (Data privacy) கருத்தில் கொள்ள வேண்டிய ஒரு முக்கியமான பிரச்சினையாகும். தரவு தனியுரிமை விதிகள் செயற்கை நுண்ணறிவு அமைப்புகளை உருவாக்கும் போது பின்பற்றப்பட வேண்டும். தேவையற்ற அணுகல் அல்லது துஷ்பிரயோகத்திலிருந்து முக்கியமான தகவல்களைப் பாதுகாக்க பாதுகாப்புகளுடன் உருவாக்கப்பட வேண்டும். தரவு சேகரிப்பு மற்றும் பயன்பாட்டிற்கான பயனர் ஒப்புதலை நிறுவனங்கள் பெற வேண்டும். மேலும் செயற்கை நுண்ணறிவு மாதிரிகள் எவ்வாறு முடிவுகளை எடுக்கின்றன என்பதைப் பற்றிய வெளிப்படைத்தன்மையையும் வழங்க வேண்டும். மேலும், எந்தவொரு நெறிமுறை அபாயங்கள் அல்லது வரவேற்கத்தகாத விளைவுகளைக் கண்டறியவும் தணிக்கவும், செயற்கை நுண்ணறிவு அமைப்புகளை கண்காணிப்பதற்கும் தணிக்கை செய்வதற்கும் நிறுவனங்கள் வழிமுறைகளைக் கொண்டிருக்க வேண்டும்.
அளவிடுதல் மற்றும் முதலீட்டின் மீதான வருவாயை நிரூபித்தல்
இறுதியில், எந்தவொரு செயற்கை நுண்ணறிவுத் திட்டத்தின் வெற்றியும் அளவிடக்கூடிய முதலீட்டின் மீதான வருவாயை (Return On Investment - ROI) தயாரிக்கும் திறனைப் பொறுத்தது. எவ்வாறாயினும், செயற்கை நுண்ணறிவுத் திட்டங்களின் வருவாயைக் கண்டறிவது கடினமாக இருக்கலாம். நன்மைகள் தொட்டுணர முடியாதவை அல்லது நீண்ட காலமாக இருக்கும்போது இது கடினம். நிறுவனங்கள் தங்கள் செயற்கை நுண்ணறிவு முன்முயற்சிகளுக்கு தெளிவான இலக்குகளையும் குறிகாட்டிகளையும் நிறுவ வேண்டும். மேலும் முன்னேற்றத்தைக் கண்காணித்து முடிவுகளைத் தவறாமல் அளவிட வேண்டும். செயற்கை நுண்ணறிவு வழங்க எதிர்பார்க்கப்படும் வணிக மதிப்பைப் பற்றிய முழுமையான புரிதலும் அந்த மதிப்பைப் பெறத் தேவையான ஆதாரங்களும் தேவை.
மேலும், பங்குதாரர்களின் ஆதரவைப் பெறுவதற்கும் செயற்கை நுண்ணறிவு முதலீடுகளில் நம்பிக்கையை ஏற்படுத்துவதற்கும் செயற்கை நுண்ணறிவின் நன்மைகளைத் தெரிவிப்பது மிகவும் முக்கியமானது. பயன்பாட்டு நிகழ்வுகளை উপস্থাপন செய்வது, ஆரம்பகால வெற்றிகளைக் காண்பிப்பது மற்றும் அத்தியாவசிய வணிக குறிகாட்டிகளில் செயற்கை நுண்ணறிவின் தாக்கத்தை அளவிடுவது போன்ற காரியங்களை இது உள்ளடக்கும். செயற்கை நுண்ணறிவின் வருவாயை வெற்றிகரமாக அளவிடவும் காட்டவும், வணிகங்கள் செயல்திறனை அளவிடுவதற்கான ஒரு வரையறுக்கப்பட்ட கட்டமைப்பை உருவாக்க வேண்டும். பங்குதாரர்களுக்கு மதிப்பு முன்மொழிவை தெளிவாக வெளிப்படுத்த வேண்டும்.
செயற்கை நுண்ணறிவை ஏற்றுக்கொள்வதன் எதிர்காலம்: ஒரு சமநிலையான கண்ணோட்டம்
இவான் ஜாங்கின் நுண்ணறிவு செயற்கை நுண்ணறிவை ஏற்றுக்கொள்வதற்கு ஒரு சமநிலையான அணுகுமுறையின் முக்கியத்துவத்தை எடுத்துக்காட்டுகிறது. நடைமுறை யதார்த்தங்களில் தரையிறங்கியிருக்கும் தொழில்நுட்பத்தின் திறனையும் அங்கீகரிக்கிறது. செயற்கை நுண்ணறிவு தொடர்ந்து வளர்ந்து வரும் நிலையில், உறுதியான வருவாயை வழங்கும், நெறிமுறை கவலைகளை நிவர்த்தி செய்யும், மேலும் ஏற்கனவே உள்ள பணிப்பாய்வுகளில் தடையின்றி ஒருங்கிணைக்கும் தீர்வுகளை உருவாக்குவதில் நிறுவனங்கள் கவனம் செலுத்த வேண்டும். ஆடம்பரமான தீர்வுகளைக் காட்டிலும் ব্যবসায়ப் பிரச்சினைகளுக்கு முன்னுரிமை அளிப்பதன் மூலமும், செயற்கை நுண்ணறிவை ஒரு கருவிப் பெட்டியில் உள்ள ஒரு கருவியாகக் காண்பதன் மூலமும், நிறுவனங்கள் செயற்கை நுண்ணறிவின் உண்மையான திறனைத் திறக்க முடியும் மற்றும் அர்த்தமுள்ள வணிக விளைவுகளை இயக்க முடியும்.