कंपनियाँ कृत्रिम बुद्धिमत्ता में ऐसे निवेश कर रही हैं जैसे यह कोई जादुई समाधान हो, लेकिन डेटा एक असुविधाजनक सच्चाई उजागर करता है: खर्च किए गए प्रत्येक डॉलर में से, केवल 18 सेंट वास्तविक मूल्य उत्पन्न करते हैं। बाकी का पैसा त्रुटियों को सुधारने, बेकार डेटा को फीड करने या ऐसे कार्यों में खर्च हो जाता है जो किसी ने नहीं माँगे थे। Amazon में, कर्मचारी तुच्छ परियोजनाओं के साथ अपने काम को सही ठहराने के लिए AI का सहारा लेते थे, जिससे बिना किसी ठोस लाभ के लागत बढ़ जाती थी। आम नागरिक सेवाओं में कोई सुधार देखे बिना ही बिल चुकाते हैं।
अनावश्यक को स्वचालित करने की छिपी लागत 💸
तकनीकी दृष्टिकोण से, समस्या AI नहीं है, बल्कि बिना किसी मापदंड के इसका कार्यान्वयन है। GPT जैसे भाषा मॉडल या कंप्यूटर विज़न सिस्टम को साफ डेटा और स्पष्ट उद्देश्यों की आवश्यकता होती है। यदि कोई कंपनी आंतरिक ईमेल में पैटर्न का पता लगाने के लिए एक एल्गोरिदम को प्रशिक्षित करती है जो कुछ भी योगदान नहीं देते हैं, तो परिणाम एक ऐसा मॉडल होता है जो GPU संसाधनों, बिजली और रखरखाव के घंटों की खपत करता है। किसी त्रुटि को ठीक करने की प्रत्येक लागत उससे अधिक होती है जितनी बचत होती है। कुंजी किसी भी मशीन लर्निंग प्रोजेक्ट को शुरू करने से पहले रिटर्न मीट्रिक को परिभाषित करने में है।
वह AI जिसका उपयोग सुबह की कॉफी को सही ठहराने के लिए किया जाता था ☕
Amazon में, कुछ टीमों ने कार्यालय में संगीत प्लेलिस्ट व्यवस्थित करने या सहकर्मियों के जन्मदिन याद रखने जैसे कार्यों के लिए AI सहायक बनाए। परिणाम: AWS सर्वरों पर खर्च एक मानव सहायक के वेतन से अधिक था। इस बीच, ग्राहक अभी भी देरी से पैकेज की प्रतीक्षा कर रहे थे। नैतिकता सरल है: यदि आपका बॉस आपसे AI प्रोजेक्ट के लिए कहता है, तो सुनिश्चित करें कि यह सिर्फ इसलिए नहीं है ताकि ऐसा लगे कि आप कुछ कर रहे हैं जबकि वह एक और कॉफी पी रहा है।