செயற்கை நுண்ணறிவு குமிழி என்று ஒன்று உள்ளதா? [காணொளி மற்றும் வினாவிடை]

சுருக்கமான பதில்: செயற்கை நுண்ணறிவின் பயன்பாடு ஏற்கனவே பரவலாக இருந்தாலும், அதன் குறிப்பிட்ட சில அடுக்குகளில் - குறிப்பாகப் பிறரைப் பின்பற்றும் செயலிகள், கதை அடிப்படையிலான மதிப்பீடுகள் மற்றும் அதிகக் கடன் கொண்ட உள்கட்டமைப்பு முதலீடுகள் போன்றவற்றில் - ஒரு "செயற்கை நுண்ணறிவு குமிழி" உருவாகியிருக்கலாம். இந்தப் பயன்பாடு நீடித்த வருவாயாகவும், மேம்படும் அலகுப் பொருளாதாரமாகவும் மாறவில்லை என்றால், ஒரு பெரிய சரிவை எதிர்பார்க்கலாம். ஒப்பந்தங்கள், பணப்புழக்கம் மற்றும் பணியாளர்களைத் தக்கவைத்தல் ஆகியவை நிலையாக இருந்தால், இது ஒரு வெறித்தனமான போக்கைக் காட்டிலும் ஒரு கட்டமைப்பு மாற்றமாகவே தெரிகிறது.

ஒரு முக்கிய அறிகுறி: பயன்பாடு ஏற்கனவே பரவலாக உள்ளது (எ.கா., ஸ்டான்ஃபோர்டின் AI குறியீட்டின்படி, 2024 ஆம் ஆண்டில் 78% நிறுவனங்கள் AI ஐப் பயன்படுத்தியதாகக் கூறுகின்றன, இது முந்தைய ஆண்டில் 55% ஆக இருந்தது) - ஆனால் பரந்த பயன்பாடு தானாகவே நீடித்த இலாபங்களுக்கு சமமாகாது. [1]

முக்கிய குறிப்புகள்:

அடுக்கு தெளிவு: மதிப்பீடு, நிதி, விவரிப்பு, உள்கட்டமைப்பு அல்லது தயாரிப்பு நுரை ஆகியவற்றை நீங்கள் குறிப்பிடுகிறீர்களா என்பதை வரையறுக்கவும்.

வருவாய் ஈட்டல் இடைவெளி: பயன்பாட்டையும் வருவாயையும் ஒப்பிட்டுப் பார்க்கவும்; பரவலான பயன்பாடு இலாபங்களுக்கு உத்தரவாதம் அளிக்காது.

அலகு பொருளாதாரம்: அனுமான செலவு, லாப வரம்புகள், தக்கவைப்பு, திருப்பிச் செலுத்துதல் மற்றும் மனித-திருத்தச் சுமையை அளவிடுதல்.

நிதி ஆபத்து: அழுத்த-சோதனை பயன்பாட்டு அனுமானங்கள்; அந்நியச் செலாவணி மற்றும் நீண்ட திருப்பிச் செலுத்துதல்கள் விரைவாக விரைவாக முடியும்.

நிர்வாகத் தாமதம்: நம்பகத்தன்மை, இணக்கம், பதிவேடு பராமரிப்பு மற்றும் பொறுப்புக்கூறல் தொடர்பான பணிகள், “செயல்விளக்கத்திலிருந்து உற்பத்திக்கு” ​​என்ற காலக்கெடுவை மெதுவாக்குகின்றன.

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 AI எழுத்தைக் கண்டறிய AI டிடெக்டர்கள் நம்பகமானவையா?
AI டிடெக்டர்கள் எவ்வளவு துல்லியமானவை, அவை எங்கு தோல்வியடைகின்றன என்பதை அறிக.

🔗 எனது தொலைபேசியில் தினமும் AI ஐ எவ்வாறு பயன்படுத்துவது?
அன்றாட பணிகளுக்கு AI பயன்பாடுகளைப் பயன்படுத்துவதற்கான எளிய வழிகள்.

🔗 உரையிலிருந்து பேச்சுக்கு AI என்பது பயன்படுமா, அது எப்படி வேலை செய்கிறது?
TTS தொழில்நுட்பம், நன்மைகள் மற்றும் பொதுவான நிஜ உலக பயன்பாட்டு நிகழ்வுகளைப் புரிந்து கொள்ளுங்கள்.

🔗 ஸ்கேன் செய்யப்பட்ட குறிப்புகளிலிருந்து கர்சீவ் கையெழுத்தை AI படிக்க முடியுமா?
AI எவ்வாறு கர்சீவ் எழுத்தை கையாளுகிறது மற்றும் அங்கீகார முடிவுகளை மேம்படுத்துவது எது என்பதைப் பாருங்கள்.

"AI பப்பில்" என்று மக்கள் சொல்லும்போது அவர்கள் என்ன சொல்கிறார்கள் 🧠🫧

பொதுவாக இது இவற்றில் ஒன்று (அல்லது அதற்கு மேற்பட்டது):

• மதிப்பீட்டு குமிழி: விலைகள் நீண்ட காலத்திற்கு கிட்டத்தட்ட சரியான செயல்பாட்டைக் குறிக்கின்றன.

• நிதி குமிழி: ஒரே மாதிரியான பல தொடக்கங்களைத் துரத்தும் அதிகப்படியான பணம்

• கதை மாயை: “செயற்கை நுண்ணறிவு எல்லாவற்றையும் மாற்றுகிறது” என்பது “செயற்கை நுண்ணறிவு நாளை எல்லாவற்றையும் சரிசெய்கிறது” என்பதாக மாறுகிறது.

• உள்கட்டமைப்பு குமிழி: நம்பிக்கையான அனுமானங்களின் அடிப்படையில் நிதியளிக்கப்பட்ட பாரிய தரவு மையங்கள் மற்றும் மின் கட்டமைப்புகள்

• தயாரிப்பு குமிழி: நிறைய டெமோக்கள், குறைவான ஒட்டும் தன்மை, தினசரி பயன்பாட்டு பொருட்கள்

எனவே, யாராவது “AI குமிழி என்று ஒன்று இருக்கிறதா?” என்று கேட்கும்போது, ​​உண்மையான கேள்வி என்னவென்றால்: நாம் எந்த அடுக்கைப் பற்றிப் பேசுகிறோம் என்பதுதான்.

யதார்த்தத்தைப் பற்றிய ஒரு விரைவான விளக்கம்: என்ன நடக்கிறது 📌

"கட்டமைப்பு மாற்றத்திலிருந்து" "நுரை"யைப் பிரிக்க சில அடிப்படை தரவுப் புள்ளிகள் உதவுகின்றன:

• முதலீடு மிகப்பெரியது (குறிப்பாக தலைமுறை AI இல்): ஜெனரேட்டிவ் AI இல் உலகளாவிய தனியார் முதலீடு 2024 இல் $33.9 பில்லியனை (ஸ்டான்போர்ட் AI குறியீடு). [1]

• ஆற்றல் இனி ஒரு சிறு குறிப்பு அல்ல: IEA-வின் மதிப்பீட்டின்படி, தரவு மையங்கள் 2024-இல் சுமார் 415 TWh (உலகளாவிய மின்சாரத்தில் ~1.5%) , மேலும் 2030-க்குள் ~945 TWh (உலகளாவிய மின்சாரத்தில் 3%-க்கும் சற்று குறைவாக) பயன்படுத்தும் என்று கணிக்கப்பட்டுள்ளது. இது ஒரு உண்மையான விரிவாக்கம் - மேலும், பயன்பாடு அல்லது செயல்திறன் அதற்கேற்ப அமையவில்லை என்றால், இது ஒரு உண்மையான முன்கணிப்பு/நிதி அபாயமும் ஆகும். [2]

• முக்கிய உள்கட்டமைப்பு வழியாக "உண்மையான பணம்" பாய்ந்து கொண்டிருக்கிறது: என்விடியா 2025 நிதியாண்டிற்கான $130.5 பில்லியன் வருவாயையும் , முழு ஆண்டுக்கான தரவு மைய வருவாயாக $115.2 பில்லியனையும் - இது "அடிப்படைகள் இல்லை" என்பதிலிருந்து வெகு தொலைவில் உள்ளது. [3]

• தத்தெடுப்பு ≠ வருவாய் (குறிப்பாக சிறிய நிறுவனங்களில்): ஒரு OECD கணக்கெடுப்பில் , 31% சிறு மற்றும் நடுத்தர நிறுவனங்களில் (SMEs) ஜென் AI பயன்படுத்தப்படுவதாகவும் , ஜென்-AI பயன்படுத்தும் சிறு மற்றும் நடுத்தர நிறுவனங்களில், 65% மேம்பட்ட பணியாளர் செயல்திறனைப் பதிவு செய்துள்ளன , அதே நேரத்தில் 26% வருவாய் அதிகரித்துள்ளதாகப் பதிவு செய்துள்ளன . மதிப்புமிக்கது, ஆம் - ஆனால் இது "பணமாக்குதல் சீரற்றது" என்பதையும் வெளிப்படுத்துகிறது. [4]

AI பப்பில் சோதனையின் நல்ல பதிப்பாக அமைவது எது ✅🫧

ஒரு நல்ல குமிழி சோதனை என்பது வைப்ஸை மட்டும் சார்ந்தது அல்ல. இது பின்வருவனவற்றைச் சரிபார்க்கிறது:

1) தத்தெடுப்பு vs பணமாக்குதல்

மக்கள் செயற்கை நுண்ணறிவைப் பயன்படுத்துகிறார்கள் என்பதாலேயே , இன்றைய விலைகளை நியாயப்படுத்தும் அளவுக்கு அவர்கள் அதற்காகப் போதுமான தொகையைச் செலுத்துகிறார்கள் (அல்லது போதுமான காலத்திற்குச் செலுத்துகிறார்கள்) என்று அர்த்தமல்ல

2) அலகு பொருளாதாரம் (கவர்ச்சியற்ற உண்மை)

தேடு:

• மொத்த ஓரங்கள்

• ஒரு வாடிக்கையாளருக்கு அனுமான செலவு (அவர்கள் விரும்பும் வெளியீட்டை உருவாக்க உங்களுக்கு என்ன செலவாகும்)

• தக்கவைத்தல் மற்றும் விரிவாக்கம்

• திருப்பிச் செலுத்தும் காலம்

முக்கியமான ஒரு சுருக்கமான வரையறை: அனுமானச் செலவு என்பது “கிளவுட் செலவு” அல்ல. அது மதிப்பை வழங்குவதற்கான இறுதிநிலைச் செலவாகும் - டோக்கன்கள், தாமதம், GPU நேரம், பாதுகாப்பு வழிமுறைகள், மனித ஈடுபாடு, தர உறுதி, மறு இயக்கங்கள் மற்றும் நம்பகமானதாக மாற்றுவதற்கான மறைமுகமான அனைத்துப் பணிகளும் இதில் அடங்கும்.

3) கருவிகள் vs பயன்பாடுகள்

நிறைய செயலிகள் தடுமாறினாலும் உள்கட்டமைப்பு வெற்றி பெறும், ஏனென்றால் அனைவருக்கும் இன்னும் கணினி தேவை. (அதனால்தான் "எல்லாம் ஒரு குமிழி" என்ற கருத்து தவறவிடுகிறது.)

4) அந்நியச் செலாவணி மற்றும் பலவீனமான நிதி

கடன் + நீண்ட திருப்பிச் செலுத்தும் சுழற்சிகள் + கதை சூடு என்பது விஷயங்கள் விரைவாக நடக்கும் இடம் - குறிப்பாக பயன்பாட்டு அனுமானங்கள் முழு விளையாட்டாக இருக்கும் உள்கட்டமைப்பில். நிச்சயமற்ற தன்மை உண்மையானது என்பதால் IEA வெளிப்படையாக சூழ்நிலை/உணர்திறன் வழக்குகளைப் பயன்படுத்துகிறது. [2]

5) பொய்யான கூற்று

"AI பெரியதாக இருக்கும்" என்று சொல்ல முடியாது, ஆனால் "இந்த பணப்புழக்கங்கள் இந்த விலையை நியாயப்படுத்துகின்றன."

"ஆம்" வழக்கு: AI குமிழியின் அறிகுறிகள் 🫧📈

1) நிதி அதிகமாக குவிந்துள்ளது 💸

"AI" என்று பெயரிடப்பட்ட எதிலும் மிகப்பெரிய அளவிலான மூலதனம் குவிந்துள்ளது. செறிவு என்பது நம்பிக்கையை ஏற்படுத்துதல் அல்லது அதிக வெப்பமடைதல் என்று பொருள்படும். ஸ்டான்போர்டின் AI குறியீட்டு தரவு, முதலீட்டு அலை எவ்வளவு பெரியதாகவும் வேகமாகவும் உள்ளது என்பதைக் காட்டுகிறது, குறிப்பாக உருவாக்க AI இல். [1]

2) "கதை பிரீமியம்" நிறைய வேலை செய்கிறது 🗣️✨

நீங்கள் பார்ப்பீர்கள்:

• தயாரிப்பு-சந்தை பொருத்தத்திற்கு முன்பே ஸ்டார்ட்அப்கள் வேகமாக வளர்ந்து வருகின்றன

• "AI- கழுவப்பட்ட" பிட்சுகள் (அதே தயாரிப்பு, புதிய வாசகங்கள்)

• மூலோபாய கதைசொல்லலால் நியாயப்படுத்தப்பட்ட மதிப்பீடுகள்

3) நிறுவன வெளியீடுகள் சந்தைப்படுத்தலை விட மிகவும் சிக்கலானவை 🧯

டெமோவிற்கும் தயாரிப்புக்கும் இடையிலான இடைவெளி உண்மையானது:

• நம்பகத்தன்மை சிக்கல்கள்

• பிரமைகள் ("நம்பிக்கையுடன் தவறு" என்பதற்கான ஒரு ஆடம்பரமான சொல்)

• இணக்கம் மற்றும் தரவு நிர்வாக தலைவலிகள்

• மெதுவான கொள்முதல் சுழற்சிகள்

இது வெறும் “FUD” மட்டுமல்ல. NIST-இன் AI RMF போன்ற இடர் கட்டமைப்புகள் செல்லுபடியாகும் மற்றும் நம்பகமான, பாதுகாப்பான, உறுதியான, பொறுப்புக்கூறக்கூடிய, வெளிப்படையானமற்றும் தனியுரிமை மேம்படுத்தப்பட்ட அமைப்புகளை வெளிப்படையாக வலியுறுத்துகின்றன - அதாவது, “நாளை வெளியிடு” என்ற கற்பனையை மெதுவாக்கும் சரிபார்ப்புப் பட்டியல் வேலை. [5]

ஒரு கூட்டுச் செயல்பாட்டு முறை (தனிப்பட்ட நிறுவனம் அல்ல, பொதுவான செயல்முறை):
வாரம் 1: குழுக்கள் டெமோவை மிகவும் விரும்புகின்றன.
வாரம் 4: சட்டம்/பாதுகாப்புத் துறை நிர்வாகம், தரவுப் பதிவு மற்றும் தரவுக் கட்டுப்பாடுகளைக் கோருகிறது.
வாரம் 8: துல்லியம் ஒரு முட்டுக்கட்டையாக மாறுகிறது, எனவே "தற்காலிகமாக" மனிதர்கள் சேர்க்கப்படுகிறார்கள்.
வாரம் 12: அதன் மதிப்பு உண்மையானது - ஆனால் அது திட்ட விளக்கத்தை விடக் குறுகியதாக உள்ளது, மேலும் செலவுக் கட்டமைப்பு எதிர்பார்த்ததை விட மிகவும் வித்தியாசமாக இருக்கிறது.

4) உள்கட்டமைப்பு கட்டமைப்பு ஆபத்து உண்மையானது 🏗️⚡

செலவு மிகப்பெரியது: தரவு மையங்கள், சிப்புகள், மின்சாரம், குளிரூட்டல். 2030 ஆம் ஆண்டளவில் உலகளாவிய தரவு மைய மின்சாரத் தேவை ஏறக்குறைய இரட்டிப்பாகலாம் என்ற , "இது நடக்கிறது" என்பதற்கான ஒரு வலுவான சமிக்ஞையாகும் - மேலும் பயன்பாட்டு அனுமானங்களைத் தவறவிடுவது விலையுயர்ந்த சொத்துக்களை வருந்தத்தக்கதாக மாற்றக்கூடும் என்பதற்கான நினைவூட்டலாகவும் உள்ளது. [2]

5) AI தீம் எல்லாவற்றிலும் ஊடுருவுகிறது 🌶️

மின்சார நிறுவனங்கள், கிரிட் கியர், கூலிங், ரியல் எஸ்டேட் - கதை பயணிக்கிறது. சில நேரங்களில் அது பகுத்தறிவு சார்ந்தது (ஆற்றல் கட்டுப்பாடுகள் உண்மையானவை). சில நேரங்களில் அது கருப்பொருள் சர்ஃபிங்.

"இல்லை" வழக்கு: இது ஏன் ஒரு உன்னதமான முழுமையான குமிழி அல்ல 🧊📊

1) சில முக்கிய வீரர்கள் உண்மையான வருவாயைக் கொண்டுள்ளனர் (கதை மட்டும் அல்ல) 💰

தூய குமிழிகளின் ஒரு தனிச்சிறப்பு "பெரிய வாக்குறுதிகள், சிறிய அடிப்படைகள்". AI உள்கட்டமைப்பில், உண்மையான பணத்தின் பின்னால் ஏராளமான உண்மையான தேவை உள்ளது - NVIDIA இன் அறிக்கையிடப்பட்ட அளவுகோல் ஒரு புலப்படும் எடுத்துக்காட்டு. [3]

2) வேலை நாள் பணிப்பாய்வுகளில் AI ஏற்கனவே உட்பொதிக்கப்பட்டுள்ளது (வேலை நாள் நல்லது) 🧲

வாடிக்கையாளர் ஆதரவு, குறியீடாக்கம், தேடல், பகுப்பாய்வு, செயல்பாட்டுத் தன்னியக்கம் - செயற்கை நுண்ணறிவின் பெரும்பங்கு பகட்டானதாக இல்லாமல், அமைதியான நடைமுறைப் பயன்பாட்டைக் கொண்டது. இது போன்ற பயன்பாட்டுப் போக்கு பொதுவாக பெரிய சந்தைக் குமிழ்களில் காணப்படுவதில்லை .

3) பற்றாக்குறையைக் கணக்கிடுவது கற்பனையானது அல்ல 🧱

சந்தேகம் கொண்டவர்கள் கூட பொதுவாக ஒப்புக்கொள்கிறார்கள்: மக்கள் இதை அளவிலேயே பயன்படுத்துகிறார்கள். மேலும் அளவிடுதல் பயன்பாட்டிற்கு வன்பொருள் மற்றும் சக்தி தேவை - இது உண்மையான முதலீடு மற்றும் உண்மையான எரிசக்தி திட்டமிடலில் வெளிப்படுகிறது. [2]

குமிழி ஆபத்து அதிகமாகவும் (குறைவாகவும்) தோன்றும் இடம் 🎯🫧

அதிக நுரை ஆபத்து 🫧🔥

• அகழி இல்லாத மற்றும் கிட்டத்தட்ட பூஜ்ஜிய மாறுதல் செலவுகள் இல்லாத காப்பிகேட் பயன்பாடுகள்

• நிரூபிக்கப்பட்ட தக்கவைப்பு இல்லாத, “எதிர்கால ஆதிக்கத்தை” அடிப்படையாகக் கொண்டு விலை நிர்ணயிக்கப்பட்ட ஸ்டார்ட்அப்கள்

• நீண்ட திருப்பிச் செலுத்துதல் மற்றும் பலவீனமான அனுமானங்களுடன் அதிகப்படியான உள்கட்டமைப்பு பந்தயங்கள்

• "முழுமையான தன்னாட்சி முகவர்" என்பது உண்மையில் நம்பிக்கையுடன் கூடிய பலவீனமான பணிப்பாய்வுகள் என்று

நுரை ஆபத்து குறைவு (இன்னும் ஆபத்து இல்லை) 🧊✅

• உள்கட்டமைப்பு உண்மையான ஒப்பந்தங்கள் மற்றும் பயன்பாட்டுடன் பிணைக்கப்பட்டுள்ளது

• அளவிடக்கூடிய ROI கொண்ட நிறுவன கருவிகள் (நேரம் சேமிக்கப்பட்டது, டிக்கெட்டுகள் தீர்க்கப்பட்டன, சுழற்சி நேரம் குறைக்கப்பட்டது)

• கலப்பின அமைப்புகள்: AI + விதிகள் + மனித-இன்-தி-லூப் (குறைவான கவர்ச்சி, அதிக நம்பகமானது) - மற்றும் அணிகளை உருவாக்கத் தள்ளும் ஆபத்து கட்டமைப்புகளுடன் அதிகமாக ஒத்துப்போகிறது. [5]

ஒப்பீட்டு அட்டவணை: விரைவான யதார்த்த சரிபார்ப்பு லென்ஸ்கள் 🧰🫧

(ஆமாம், இது கொஞ்சம் சீரற்றதுதான். உண்மையான முடிவெடுப்பது அப்படித்தான் இருக்கும்.)

ஒரு நடைமுறை AI குமிழி சரிபார்ப்புப் பட்டியல் 📝🤖

AI தயாரிப்புகளுக்கு (ஆப்ஸ், கோபிலட்கள், முகவர்கள்) 🧩

• பயனர்கள் எந்தத் தடையும் இல்லாமல் வாரந்தோறும் திரும்புகிறார்களா?

• ஒரு நிறுவனம் திடீர் விலை ஏற்றம் இல்லாமல் விலைகளை உயர்த்த முடியுமா?

• எவ்வளவு வெளியீட்டிற்கு மனித திருத்தம் தேவைப்படுகிறது?

• தனியுரிம தரவு, பணிப்பாய்வு பூட்டு அல்லது விநியோகம் உள்ளதா?

• விலைகளை விட அனுமான செலவுகள் வேகமாகக் குறைகின்றனவா?

உள்கட்டமைப்புக்காக 🏗️

• கையெழுத்திடப்பட்ட உறுதிமொழிகள் உள்ளதா அல்லது வெறும் "மூலோபாய ஆர்வம்" உள்ளதா?

• பயன்பாடு எதிர்பார்த்ததை விட குறைவாக இருந்தால் என்ன நடக்கும்? (அடிப்படை வழக்கை மட்டும் அல்லாமல், "தலைச்சுற்று" வழக்கை மாதிரியாக்குங்கள்.) [2]

• இது அதிக கடனில் நிதியளிக்கப்படுகிறதா?

• வன்பொருள் விருப்பத்தேர்வுகள் மாறினால் ஏதாவது திட்டம் உள்ளதா?

பொதுச் சந்தை "AI தலைவர்களுக்கு" 📈

• பணப்புழக்கம் அதிகரித்து வருகிறதா, அல்லது வெறும் கதையா?

• ஓரங்கள் விரிவடைகின்றனவா அல்லது சுருக்கப்படுகின்றனவா?

• வளர்ச்சி என்பது ஒரு சிறிய அளவிலான வாடிக்கையாளர்களைச் சார்ந்ததா?

• மதிப்பீடு நிரந்தர ஆதிக்கத்தை ஏற்றுக்கொள்கிறதா?

இறுதிச் சடங்குகள் 🧠✨

AI குமிழி இருக்கிறதா? சுற்றுச்சூழல் அமைப்பின் சில பகுதிகள் குமிழி நடத்தையைக் காட்டுகின்றன - குறிப்பாக நகலெடுக்கும் பயன்பாடுகள், கதை-முதல் மதிப்பீடுகள் மற்றும் எந்தவொரு பெரிதும் அந்நியப்படுத்தப்பட்ட உருவாக்கத்திலும்.

ஆனால் AI என்பது "போலி" அல்லது "வெறும் சந்தைப்படுத்தல்" அல்ல. தொழில்நுட்பம் உண்மையானது. தத்தெடுப்பு உண்மையானது - மேலும் உண்மையான முதலீடு, உண்மையான ஆற்றல் தேவை கணிப்புகள் மற்றும் முக்கிய உள்கட்டமைப்பில் உண்மையான வருவாய் ஆகியவற்றை நாம் சுட்டிக்காட்டலாம். [1][2][3]

சுருக்கமாக: பலவீனமான அல்லது அதிகக் கடன் சுமையுள்ள துறைகளில் ஒரு சரிவை எதிர்பார்க்கலாம். அடிப்படை மாற்றம் தொடர்ந்து நகர்ந்துகொண்டே இருக்கிறது - ஆனால் இப்போது மாயைகள் குறைந்து, விரிதாள் கணக்குகள் அதிகமாகின்றன. 

நிஜ உலக உதாரணம்: ஒரு AI ஆதரவு கோபைலட்டை "உண்மையான முதலீட்டுப் பலன்" என்று கூறுவதற்கு முன் அதைச் சோதித்தல்

சூழ்நிலை

35 பேர் கொண்ட ஒரு SaaS நிறுவனம், தனது வாடிக்கையாளர் சேவைக் குழுவிற்காக ஒரு AI ஆதரவு துணை மென்பொருளைப் பயன்படுத்துவது குறித்து பரிசீலிப்பதாகக் கற்பனை செய்து பாருங்கள். செயல்விளக்கங்களில் அந்தத் தயாரிப்பு மிகவும் ஈர்க்கக்கூடியதாகத் தெரிகிறது: அது புகார்களைச் சுருக்கி, பதில்களை வரைவு செய்து, உதவி மைய இணைப்புகளைப் பரிந்துரைக்கிறது. ஆனால், இது உண்மையான மதிப்புடையதா, அல்லது சந்தை ஆர்வத்தால் கொண்டுவரப்பட்ட மற்றுமொரு AI தயாரிப்புதானா என்பதை அந்தக் குழு அறிய விரும்புகிறது.

டெமோவை மட்டும் பார்த்து கருவியை வாங்குவதற்குப் பதிலாக, ஆதரவுத் தலைவர், அடையாளம் மறைக்கப்பட்ட 100 உண்மையான பழைய புகார்களைப் பயன்படுத்தி இரண்டு வார முன்னோட்டத்தை நடத்துகிறார். இதன் நோக்கம் எளிமையானது: தவறுகள், பணத் திருப்பியளிப்புகள் அல்லது மேல்நிலைப்படுத்தல்களை அதிகரிக்காமல், துணை முன்னோட்டத்தால் பதில் வரைவு நேரத்தைக் குறைக்க முடியுமா?

உதவியாளருக்கு என்ன தேவை

குழு துணை விமானிக்கு அளிக்கிறது:

• 30 அங்கீகரிக்கப்பட்ட உதவி மையக் கட்டுரைகள்

• சிறப்பான கடந்தகால பதில்களின் 20 எடுத்துக்காட்டுகள்

• பணம் திரும்பப் பெறுதல், ரத்து செய்தல் மற்றும் மேல் நடவடிக்கைக்கான விதிகள்

• பிராண்ட் தவிர்க்கும் சொற்றொடர்களின் பட்டியல்

• கட்டணத் தகராறுகள், சட்ட அச்சுறுத்தல்கள் மற்றும் கோபமடைந்த பெருநிறுவன வாடிக்கையாளர்கள் ஒரு மனிதரிடம்தான் செல்ல வேண்டும் என்ற தெளிவான விதி

எடுத்துக்காட்டு அறிவுறுத்தல்

நீங்கள் ஒரு B2B SaaS நிறுவனத்தின் ஆதரவுத் துணைப்பணியாளர். வழங்கப்பட்ட, அங்கீகரிக்கப்பட்ட உதவி மையக் கட்டுரைகள் மற்றும் கொள்கைக் குறிப்புகளை மட்டும் பயன்படுத்தி, ஒரு பயனுள்ள பதிலை வரைவு செய்யுங்கள். பதில் உறுதியற்றதாக இருந்தால், எந்தத் தகவல் விடுபட்டுள்ளது என்பதைக் குறிப்பிட்டு, அடுத்தகட்ட நடவடிக்கைக்குப் பரிந்துரைக்கவும். தயாரிப்பு அம்சங்கள், பணத்தைத் திரும்பப்பெறும் விதிகள் அல்லது விநியோகக் காலக்கெடு போன்றவற்றை நீங்களாகவே உருவாக்க வேண்டாம். உங்கள் தொனியை அமைதியாகவும், குறிப்பாகவும், நடைமுறைக்கு ஏற்றதாகவும் வைத்திருங்கள்.

அதை எப்படி சோதிப்பது

முழுமையாக அறிமுகப்படுத்துவதற்கு முன், ஒரு சிறிய சோதனைத் தொகுப்பைப் பயன்படுத்தவும்:

1. கட்டணம், அமைப்பு, பிழைகள், ரத்துசெய்தல்கள் மற்றும் கணக்கு அணுகல் ஆகிய பிரிவுகளில் உள்ள 100 கடந்தகாலப் பதிவுகளைத் தேர்ந்தெடுக்கவும்.

2. துணை பைலட் இல்லாமல், முகவர்கள் பதில்களை வரைவு செய்ய எவ்வளவு நேரம் எடுத்துக்கொள்கிறார்கள் என்பதைக் கணக்கிடுங்கள்.

3. துணை விமானியுடன் அதே பணியைச் செய்ய நேரத்தைக் கணக்கிடுங்கள்.

4. ஒவ்வொரு வரைவையும் “அனுப்பத் தயார்”, “சிறிய திருத்தம் தேவை”, “பெரிய திருத்தம் தேவை”, அல்லது “பாதுகாப்பற்றது” என மதிப்பிடுமாறு ஒரு மூத்த ஆதரவு முகவரிடம் கேளுங்கள்.

5. எண்ணிக்கை அதிகரிப்புகள், கற்பனையான பாலிசி கோரிக்கைகள், தவறான உதவி இணைப்புகள் மற்றும் தொனிச் சிக்கல்கள்.

முடிவு

விளக்க முடிவு: பணிப்பாய்வுக்கு முன்னும் பின்னும் 100 மாதிரி டிக்கெட்டுகளின் நேரத்தைக் கொண்டு எடுக்கப்பட்ட முடிவு.

துணை அதிகாரி வருவதற்கு முன்பு, முகவர்கள் ஒவ்வொரு முதல் பதிலையும் வரைவு செய்ய சராசரியாக 6 நிமிடங்கள் 40 வினாடிகள் செலவிட்டனர். துணை அதிகாரி வந்த பிறகு, அந்தச் சராசரி 2 நிமிடங்கள் 25 வினாடிகளாகக் குறைந்தது.

அதன் மூலம் ஒரு டிக்கெட்டுக்கு சுமார் 4 நிமிடங்கள் 15 வினாடிகள் மிச்சமாகிறது. மாதத்திற்கு 1,500 டிக்கெட்டுகள் என்ற கணக்கில், இது மாதந்தோறும் சுமார் 106 மணிநேர வரைவு நேரத்தை மிச்சப்படுத்துகிறது.

தரம் இன்னும் முக்கியமானது. அதே சோதனையில்:

• 61 வரைவுகள் அனுப்பத் தயாராக இருந்தன

• 28க்கு லேசான எடிட்டிங் தேவைப்பட்டது

• 8க்கு பெரிய திருத்தம் தேவைப்பட்டது

• பணத்தைத் திரும்பப் பெறுவதற்கான ஒரு விதியை உருவாக்கியதாலோ அல்லது சிக்கலை அடுத்த கட்டத்திற்கு எடுத்துச் செல்வதற்கான ஒரு தூண்டுதலைத் தவறவிட்டதாலோ, 3 பேர் பாதுகாப்பற்றவர்கள் எனக் குறிக்கப்பட்டனர்

அதாவது, அந்தக் கருவி மதிப்புமிக்கதாக இருந்தது, ஆனால் அது தன்னிச்சையாகச் செயல்படக்கூடியதாக இல்லை. ஒரு விவேகமான அறிமுகத்தில், மனித மதிப்பாய்வைக் கட்டாயமாக வைத்திருக்கும் அதே வேளையில், முகவர்கள் அதை முதல் வரைவுகளுக்குப் பயன்படுத்த அனுமதிக்க வேண்டும்.

என்ன தவறு நடக்கக்கூடும்?

வேகத்தை மட்டும் அளவிடுவதுதான் மிகப்பெரிய தவறு. இரண்டு நிமிடங்களைச் சேமித்து, ஆனால் பணத்தைத் திரும்பப் பெறுவதில் பிழைகளையும், விதிமுறைகளுக்கு இணங்குவதில் இடர்களையும், அல்லது கோபமான வாடிக்கையாளர்களையும் உருவாக்கும் ஒரு துணை ஓட்டுநர், தான் உருவாக்கும் மதிப்பை விட அதிக மதிப்பை அழித்துவிடக்கூடும்.

மற்ற பொதுவான தவறுகள் பின்வருமாறு:

• சோதனை மட்டும் எளிதான டிக்கெட்டுகள்

• காலாவதியான உதவி ஆவணங்களிலிருந்து செயற்கை நுண்ணறிவு பதிலளிக்க அனுமதிப்பது

• மனித மதிப்பாய்வின் செலவைப் புறக்கணித்தல்

• "பாதுகாப்பாக அனுப்பப்பட்ட வரைவுகள்" என்பதற்குப் பதிலாக "உருவாக்கப்பட்ட வரைவுகள்" என்று கணக்கிடுதல்

• வாடிக்கையாளர்கள் சிறந்த பதில்களைப் பெறுகிறார்களா என்பதைக் கண்காணிக்கத் தவறுதல்

நடைமுறைப் பாடம்

ஒரு தீவிரமான செயற்கை நுண்ணறிவு சோதனையானது கள மட்டத்தில் சிறப்பாகச் செயல்படும். செயல்விளக்கம் புத்திசாலித்தனமாகத் தெரிகிறதா என்று கேட்காதீர்கள். மாறாக, அந்தப் பணிப்பாய்வு அளவிடக்கூடிய நேரத்தைச் சேமிக்கிறதா, பிழை விகிதங்களைக் குறைவாக வைத்திருக்கிறதா, மேலும் மறுஆய்வு, நிர்வாகம், மற்றும் திருத்தங்களின் மறைமுகச் செலவுகள் கணக்கிடப்பட்ட பிறகும் அது செயல்படுகிறதா என்று கேளுங்கள்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

இப்போது AI குமிழி இருக்கிறதா?

முழு AI சுற்றுச்சூழல் அமைப்பிலும் இல்லாமல், குறிப்பிட்ட அடுக்குகளில் ஒரு "AI குமிழி" இருக்கலாம். நகல் பயன்பாடுகள், கதை சார்ந்த மதிப்பீடுகள் மற்றும் நியாயமான பயன்பாட்டு அனுமானங்களின் அடிப்படையில் நிதியளிக்கப்பட்ட கடன்-கடினமான உள்கட்டமைப்பு பந்தயங்களில் நுரை சேகரிக்கப்படுகிறது. அதே நேரத்தில், தத்தெடுப்பு ஏற்கனவே பரவலாக உள்ளது, மேலும் சில முக்கிய உள்கட்டமைப்பு நிறுவனங்கள் உறுதியான வருவாயை வெளியிடுகின்றன. பயன்பாடு நீடித்த பணப்புழக்கங்கள் மற்றும் தக்கவைப்புக்குள் கடினப்படுத்தப்படுகிறதா என்பதைப் பொறுத்து விளைவு சார்ந்துள்ளது.

"AI குமிழி" என்று மக்கள் கூறும்போது அவர்கள் என்ன சொல்கிறார்கள்?

பெரும்பாலான மக்கள் ஐந்து விஷயங்களில் ஒன்று அல்லது அதற்கு மேற்பட்டவற்றைக் குறிக்கின்றனர்: மதிப்பீட்டு குமிழி, நிதி குமிழி, கதை குமிழி, உள்கட்டமைப்பு குமிழி அல்லது தயாரிப்பு குமிழி. குழப்பம் என்னவென்றால், "AI" இந்த அனைத்து அடுக்குகளையும் ஒரே தலைப்பில் கலக்கிறது. நீங்கள் அடுக்கை வரையறுக்கவில்லை என்றால், நீங்கள் ஒன்றையொன்று மீறி வாதிடலாம். தெளிவான கேள்வி என்னவென்றால், எந்தப் பகுதி அதிக வெப்பமாகத் தெரிகிறது, ஏன் என்பதுதான்.

பரவலான AI ஏற்றுக்கொள்ளல் சந்தை ஒரு குமிழி அல்ல என்பதை நிரூபிக்கிறதா?

அவசியம் இல்லை. பரந்த பயன்பாடு உண்மையானது, ஆனால் தத்தெடுப்பு தானாகவே நீடித்த இலாபக் குழுக்களாக மாறாது. நிறுவனங்கள் சோதனை ரீதியாக, குறைந்த செலவில் அல்லது அளவில் பணமாக்க கடினமாக இருக்கும் வழிகளில் "AI ஐப் பயன்படுத்தலாம்". தத்தெடுப்பு தொடர்ச்சியான வருவாயாக மாறுகிறதா, விரிவடையும் ஓரங்களாக மாறுகிறதா மற்றும் வலுவான தக்கவைப்பாக மாறுகிறதா என்பது முக்கிய சோதனை. அவை பின்பற்றப்படாவிட்டால், அதிக பயன்பாட்டுடன் கூட நீங்கள் இன்னும் ஒரு ஷேக்அவுட்டைப் பெறலாம்.

AI தத்தெடுப்பு உண்மையான வருவாயாக மாறுகிறதா என்பதை நான் எப்படிச் சொல்வது?

ஒரு நடைமுறை அணுகுமுறை என்னவென்றால், ஒரு முறை பயன்பாட்டு புள்ளிவிவரங்களை மட்டும் கண்காணிப்பது மட்டுமல்லாமல், காலப்போக்கில் தத்தெடுப்பு மற்றும் பணமாக்குதலைக் கண்காணிப்பதாகும். வாடிக்கையாளர்கள் போதுமான அளவு பணம் செலுத்துகிறார்கள், நீண்ட நேரம் பணம் செலுத்துகிறார்கள், பயன்பாட்டை அளவிடும்போது செலவினங்களை விரிவுபடுத்துகிறார்கள் என்பதற்கான ஆதாரங்களைத் தேடுங்கள். உற்பத்தித்திறன் ஆதாயங்கள் உடனடியாக வருவாயாக மாறாத சிறிய நிறுவனங்களில் சீரற்ற பணமாக்குதல் மிகத் தெளிவாகக் காட்டப்படும். வருவாய் உயர்வு சீரற்றதாக இருந்தால், மதிப்பீடுகள் அடிப்படைகளை விட அதிகமாக இருக்கலாம்.

AI தயாரிப்புகளுக்கு எந்த அலகு பொருளாதாரம் மிகவும் முக்கியமானது?

யூனிட் எகனாமிக்ஸ் முக்கியமானது, ஏனெனில் அனுமானம் "கிளவுட் செலவினத்தை" தாண்டி நிறைய செலவுகளை மறைக்கக்கூடும். ஒரு பயனுள்ள லென்ஸ் என்பது மதிப்பை வழங்குவதற்கான விளிம்பு செலவு: டோக்கன்கள், GPU நேரம், தாமதக் கட்டுப்பாடுகள், பாதுகாப்புத் தடுப்புகள், மறு இயக்கங்கள், தர உத்தரவாதம் மற்றும் திருத்தங்களுக்கான மனிதர்கள்-இன்-தி-லூப். பின்னர் அதை மொத்த வரம்பு, தக்கவைப்பு, விரிவாக்கம் மற்றும் திருப்பிச் செலுத்தும் காலம் ஆகியவற்றுடன் இணைக்கவும். மனித திருத்தம் அதிகமாக இருந்தால், செலவுகள் பிடிவாதமாக அதிகமாக இருக்கலாம்.

"டெமோ-டு-புரொடக்ஷன்" இடைவெளி ஏன் இவ்வளவு பெரிய விஷயமாக இருக்கிறது?

டெமோ பெரும்பாலும் எளிதான பகுதியாகும்; உற்பத்தி நம்பகத்தன்மை, இணக்கம், பதிவு செய்தல் மற்றும் பொறுப்புக்கூறலைக் கோருகிறது. மாயத்தோற்றங்கள், நிர்வாகத் தேவைகள் மற்றும் கொள்முதல் சுழற்சிகள் காலக்கெடுவை மெதுவாக்குகின்றன, மேலும் என்ன அனுப்பப்படுகிறது என்பதன் நடைமுறையில் உள்ள நோக்கத்தைக் குறைக்கலாம். பல வெளியீடுகள் மனிதர்களை "தற்காலிகமாக" சுழற்சியில் சேர்க்கின்றன, பின்னர் அது தரம் மற்றும் இடர் கட்டுப்பாட்டிற்கு மையமாக இருப்பதைக் கண்டறியும். இது தயாரிப்பு வடிவம் மற்றும் செலவு அமைப்பு இரண்டையும் மாற்றுகிறது.

இன்று AI குமிழி ஆபத்து எங்கே அதிகமாக உள்ளது?

கிட்டத்தட்ட பூஜ்ஜிய மாறுதல் செலவுகள் கொண்ட நகல் பயன்பாடுகள், நிரூபிக்கப்பட்ட தக்கவைப்பு இல்லாமல் "எதிர்கால ஆதிக்கம்" விலை கொண்ட தொடக்க நிறுவனங்கள் மற்றும் உடையக்கூடிய பணிப்பாய்வுகளாக இருக்கும் முழு தன்னாட்சி முகவர்களின் கூற்றுக்கள் ஆகியவற்றில் குமிழி ஆபத்து அதிகமாகத் தெரிகிறது. இந்தப் பகுதிகள் விவரிப்பு பிரீமியத்தை பெரிதும் சார்ந்துள்ளது மற்றும் முடிவுகள் ஏமாற்றமளிக்கும் பட்சத்தில் விரைவாக ஓய்வெடுக்கலாம். பார்க்க வேண்டிய முறை என்னவென்றால்: பயனர்கள் தூண்டுதல்கள் இல்லாமல் வாரந்தோறும் திரும்பவில்லை என்றால், தயாரிப்பு நுரையாக இருக்கலாம்.

AI உள்கட்டமைப்பு (சில்லுகள் மற்றும் தரவு மையங்கள்) அதிகமாகவோ அல்லது குறைவாகவோ குமிழி பாதிப்புக்குள்ளாகுமா?

ஒப்பந்தங்கள் மற்றும் நீடித்த பயன்பாட்டுடன் தேவை இணைக்கப்படும்போது இது குறைவான குமிழி-பாதிப்புக்குள்ளாக இருக்கலாம், ஆனால் இது வேறு வகையான ஆபத்தைக் கொண்டுள்ளது. பெரிய ஆபத்து நிதியளிப்பு: பயன்பாடு குறைவாக இருந்தால் அந்நியச் செலாவணி மற்றும் நீண்ட திருப்பிச் செலுத்தும் சுழற்சிகள் முறிந்து போகலாம். உள்கட்டமைப்பு பந்தயங்கள் முன்னறிவிப்பு அனுமானங்களுக்கு மிகவும் உணர்திறன் கொண்டவை, மேலும் நிச்சயமற்ற தன்மை உண்மையானது என்பதால் சூழ்நிலை திட்டமிடல் முக்கியமானது. வலுவான ஒப்பந்த தேவை ஆபத்தை குறைக்கிறது, ஆனால் அதை அகற்றாது.

“AI குமிழி” உரிமைகோரல்களைச் சோதிக்க ஒரு நடைமுறை சரிபார்ப்புப் பட்டியல் என்ன?

"இந்த பணப்புழக்கங்கள் இந்த விலையை நியாயப்படுத்துகின்றனவா?" என்ற பொய்யான கூற்றைப் பயன்படுத்தவும். தயாரிப்புகளுக்கு, வாராந்திர தக்கவைப்பு, விலை நிர்ணய சக்தி, திருத்தச் சுமை மற்றும் அனுமானச் செலவுகள் விலைகளை விட வேகமாகக் குறைகின்றனவா என்பதைச் சரிபார்க்கவும். உள்கட்டமைப்பிற்கு, கையொப்பமிடப்பட்ட உறுதிமொழிகள், எதிர்விளைவுகள்-வழக்கு பயன்பாட்டு மாதிரியாக்கம் மற்றும் அதிக கடன் சம்பந்தப்பட்டதா என்பதைப் பாருங்கள். ஒப்பந்தங்கள், பணப்புழக்கம் மற்றும் தக்கவைப்பு நீடித்தால், அது வெறித்தனத்தை விட கட்டமைப்பு மாற்றமாகத் தெரிகிறது.

குறிப்புகள்

[1] ஸ்டான்ஃபோர்ட் HAI ​​- 2025 AI குறியீட்டு அறிக்கை - மேலும் படிக்க
[2] சர்வதேச எரிசக்தி முகமை - AI இலிருந்து ஆற்றல் தேவை (ஆற்றல் மற்றும் AI அறிக்கை) - மேலும் படிக்க
[3] என்விடியா நியூஸ்ரூம் - Q4 & நிதியாண்டு 2025க்கான நிதி முடிவுகள் (பிப் 26, 2025) - மேலும் படிக்க
[4] OECD - உருவாக்கும் AI மற்றும் SME பணியாளர்கள் (2024 கணக்கெடுப்பு; நவம்பர் 2025 இல் வெளியிடப்பட்டது) - மேலும் படிக்க
[5] NIST - செயற்கை நுண்ணறிவு இடர் மேலாண்மை கட்டமைப்பு (AI RMF 1.0) (PDF) - மேலும் படிக்க

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி