சரி, மேஜையில் அட்டைகள் - இந்தக் கேள்வி எல்லா இடங்களிலும் எழுகிறது. தொழில்நுட்ப சந்திப்புகளில், வேலையில் காபி இடைவேளைகளில், ஆமாம், அந்த நீண்ட நேர LinkedIn த்ரெட்களில் கூட யாரும் படிப்பதை ஒப்புக்கொள்வதில்லை. கவலை மிகவும் வெளிப்படையானது: AI இவ்வளவு ஆட்டோமேஷனைக் கையாள முடிந்தால், அது தரவு அறிவியலை ஒருவிதத்தில்... பயன்படுத்தி முடிக்கக்கூடியதாக மாற்றுமா? விரைவான பதில்: இல்லை. நீண்ட பதில்? இது சிக்கலானது, குழப்பமானது மற்றும் ஒரு தட்டையான "ஆம்" அல்லது "இல்லை" என்பதை விட மிகவும் சுவாரஸ்யமானது
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 தரவு அறிவியல் மற்றும் செயற்கை நுண்ணறிவு: புதுமையின் எதிர்காலம்
செயற்கை நுண்ணறிவு மற்றும் தரவு அறிவியல் நாளைய கண்டுபிடிப்பு நிலப்பரப்பை எவ்வாறு வடிவமைக்கின்றன என்பதை ஆராய்தல்.
🔗 தரவு பகுப்பாய்வாளர்களை AI மாற்றுமா: உண்மையான பேச்சு
தரவு ஆய்வாளர் பாத்திரங்கள் மற்றும் தொழில்துறை தேவைகளில் AI இன் தாக்கத்தைப் புரிந்துகொள்வது.
🔗 நீங்கள் பார்க்க வேண்டிய AI கருவிகளுக்கான தரவு மேலாண்மை
AI கருவிகளின் திறனை அதிகப்படுத்துவதற்கான முக்கிய தரவு மேலாண்மை நடைமுறைகள்.
தரவு அறிவியலை உண்மையில் மதிப்புமிக்கதாக்குவது எது 🎯
விஷயம் இதுதான் - தரவு அறிவியல் என்பது வெறும் கணிதம் மற்றும் மாதிரிகள் மட்டுமல்ல. புள்ளிவிவரத் துல்லியம், வணிகச் சூழல் மற்றும் படைப்பாற்றல் மிக்க சிக்கல் தீர்க்கும் திறன். செயற்கை நுண்ணறிவால் கண் இமைக்கும் நேரத்தில் பத்தாயிரம் நிகழ்தகவுகளைக் கணக்கிட முடியும், அது உண்மைதான். ஆனால் எந்தச் சிக்கல் முக்கியமானது என்பதை அதனால் தீர்மானிக்க முடியுமா? அல்லது அந்தச் சிக்கல், நிறுவனத்தின் உத்தி மற்றும் வாடிக்கையாளர் நடத்தையுடன் எவ்வாறு தொடர்புடையது என்பதை விளக்க முடியுமா? இந்த இடத்தில்தான் மனிதர்களின் பங்கு வருகிறது.
அடிப்படையில், தரவு அறிவியல் ஒரு மொழிபெயர்ப்பாளரைப் போன்றது. அது அர்த்தமற்ற அசிங்கமான விரிதாள்கள், பதிவுகள், கணக்கெடுப்புகள் போன்ற ஒழுங்கற்ற குழப்பங்களை எடுத்து, சாதாரண மக்கள் உண்மையில் செயல்படக்கூடிய முடிவுகளாக மாற்றுகிறது. அந்த மொழிபெயர்ப்பு அடுக்கை நீக்கிவிட்டால், செயற்கை நுண்ணறிவு பெரும்பாலும் நம்பிக்கையான அபத்தத்தை வெளியிடுகிறது. HBR பல ஆண்டுகளாக இதைக் கூறி வருகிறது: இரகசிய சூத்திரம் துல்லிய அளவீடுகள் அல்ல, அது வற்புறுத்தல் மற்றும் சூழல் [2].
உண்மை நிலவரம்: ஒரு வேலையில் உள்ள பல பணிகளை - சில சமயங்களில் பாதிக்கும் மேல் - AI தானியக்கமாக்க முடியும். ஆனால் வேலையின் நோக்கத்தை வரையறுப்பது, முடிவுகளை எடுப்பது, மற்றும் "ஒரு நிறுவனம்" எனப்படும் சிக்கலான விஷயத்துடன் இணங்கிச் செல்வது? இன்னும் அது மனிதர்களின் வேலையாகவே உள்ளது [1].
விரைவான ஒப்பீடு: தரவு அறிவியல் vs. AI
இந்த அட்டவணை சரியானது அல்ல, ஆனால் அவை வகிக்கும் வெவ்வேறு பாத்திரங்களை இது எடுத்துக்காட்டுகிறது:
| அம்சம் / கோணம் | தரவு அறிவியல் 👩🔬 | செயற்கை நுண்ணறிவு 🤖 | அது ஏன் முக்கியம்? |
|---|---|---|---|
| முதன்மை கவனம் | நுண்ணறிவு & முடிவெடுத்தல் | ஆட்டோமேஷன் & கணிப்பு | தரவு அறிவியல் "என்ன" மற்றும் "ஏன்" ஆகியவற்றை வடிவமைக்கிறது |
| வழக்கமான பயனர்கள் | ஆய்வாளர்கள், மூலோபாயவாதிகள், வணிகக் குழுக்கள் | பொறியாளர்கள், செயல்பாட்டுக் குழுக்கள், மென்பொருள் பயன்பாடுகள் | வெவ்வேறு பார்வையாளர்கள், ஒன்றுடன் ஒன்று தொடர்புடைய தேவைகள் |
| செலவு காரணி 💸 | சம்பளம் & கருவிகள் (கணிக்கக்கூடியது) | கிளவுட் கம்ப்யூட் (அளவில் மாறி) | பயன்பாடு அதிகரிக்கும் வரை AI மலிவாக இருக்கும் |
| வலிமை | சூழல் + கதைசொல்லல் | வேகம் + அளவிடுதல் | ஒன்றாக, அவை கூட்டுவாழ்வு கொண்டவை |
| பலவீனம் | திரும்பத் திரும்பச் செய்யும் பணிகளுக்கு மெதுவாகச் செயல்படும் | தெளிவின்மையுடன் போராடுகிறது | ஒருவர் மற்றவரைக் கொல்லாதது ஏன் என்பது சரியாகத் தெரிகிறது |
"முழு மாற்றீடு" பற்றிய கட்டுக்கதை 🚫
செயற்கை நுண்ணறிவு ஒவ்வொரு தரவுப் பணியையும் விழுங்கிவிடும் என்று கற்பனை செய்வது கேட்பதற்கு அருமையாகத் தோன்றலாம், ஆனால் அது ஒரு தவறான அனுமானத்தின் அடிப்படையில் அமைந்துள்ளது - அதாவது தரவு அறிவியலின் முழு மதிப்பும் தொழில்நுட்பம் சார்ந்தது என்பதே அந்த அனுமானம். உண்மையில், அதன் பெரும்பகுதி விளக்கம் சார்ந்ததாகவும், அரசியல் சார்ந்ததாகவும், தகவல் பரிமாற்றம் சார்ந்ததாகவும்.
-
"தயவுசெய்து 94% துல்லியத்துடன் ஒரு மாதிரியைக் கொடுங்கள்" என்று எந்த நிர்வாகியும் கூறுவதில்லை
-
"இந்தப் புதிய சந்தையில் நாம் விரிவடைய வேண்டுமா, ஆம் அல்லது இல்லை?" என்று அவர்கள் கேட்கிறார்கள்
செயற்கை நுண்ணறிவு ஒரு முன்னறிவிப்பை உருவாக்க முடியும். அது கணக்கில் எடுத்துக்கொள்ளாதவை: ஒழுங்குமுறைச் சிக்கல்கள், கலாச்சார நுணுக்கம் அல்லது தலைமை நிர்வாக அதிகாரியின் இடர் ஏற்புத்திறன். பகுப்பாய்வைச் செயலாக மாற்றுவது என்பது இன்னும் ஒரு மனித விளையாட்டு, இது சமரசங்கள் மற்றும் வற்புறுத்தல்களால் நிறைந்துள்ளது [2].
AI ஏற்கனவே விஷயங்களை உலுக்கிக்கொண்டிருக்கும் இடம் 💥
நேர்மையாகச் சொல்லப் போனால் - தரவு அறிவியலின் சில பகுதிகள் ஏற்கனவே AI ஆல் உயிருடன் உண்ணப்படுகின்றன:
-
தரவு சுத்திகரிப்பு மற்றும் தயாரிப்பு → எக்செலில் மனிதர்கள் சிரமப்பட்டு வேலை செய்வதை விட, தானியங்கு சோதனைகள் விடுபட்ட மதிப்புகள், முரண்பாடுகள் மற்றும் விலகல்களை வேகமாக கண்டறிகின்றன.
-
மாதிரி தேர்வு & சரிசெய்தல் → AutoML வழிமுறை தேர்வுகளை சுருக்கி, மீவுரு அளவுருக்களை கையாளுகிறது, வாரக்கணக்கில் சிரமப்படுவதைத் தவிர்க்கிறது [5].
-
காட்சிப்படுத்தல் மற்றும் அறிக்கையிடல் → கருவிகள் இப்போது ஒரே கட்டளையிலிருந்து டாஷ்போர்டுகளையோ அல்லது உரைச் சுருக்கங்களையோ உருவாக்க முடியும்.
யாருக்கு இது அதிகம் பிடிக்கும்? திரும்பத் திரும்ப வரும் விளக்கப்பட உருவாக்கம் அல்லது அடிப்படை மாடலிங் சார்ந்த வேலைகள் உள்ளவர்கள். வெளியேறுவதற்கான வழி என்ன? மதிப்புச் சங்கிலியில் மேலே செல்லுங்கள்: கூர்மையான கேள்விகளைக் கேளுங்கள், தெளிவான கதைகளைச் சொல்லுங்கள், சிறந்த பரிந்துரைகளை உருவாக்குங்கள்.
ஒரு சுருக்கமான உதாரணம்: ஒரு சில்லறை விற்பனையாளர், வாடிக்கையாளர் வெளியேற்றத்தைக் கணக்கிட AutoML-ஐப் பரிசோதிக்கிறார். அது ஒரு உறுதியான அடிப்படை மாதிரியை வழங்குகிறது. ஆனால், தரவு விஞ்ஞானி அந்தப் பணியை மறுவடிவமைக்கும்போதுதான் மிகப்பெரிய வெற்றி கிடைக்கிறது: “யார் வெளியேறுவார்கள்?” என்பதற்குப் பதிலாக, “எந்தத் தலையீடுகள் உண்மையில் ஒவ்வொரு பிரிவிற்கும் நிகர லாபத்தை அதிகரிக்கின்றன?” என்று அவர் கேட்கிறார். இந்த மாற்றமும், அதனுடன் கட்டுப்பாடுகளை அமைக்க நிதித்துறையுடன் இணைந்து செயல்படுவதும்தான் மதிப்பை உருவாக்குகிறது. தானியக்கம் பணிகளை வேகப்படுத்துகிறது, ஆனால் அந்த வடிவமைப்புதான் உண்மையான முடிவை வெளிக்கொணர்கிறது.
தரவு விஞ்ஞானிகளின் பங்கு வளர்ந்து வருகிறது 🔄
மறைவதற்குப் பதிலாக, வேலை புதிய வடிவங்களாக மாறுகிறது:
-
AI மொழிபெயர்ப்பாளர்கள் - டாலர்கள் மற்றும் பிராண்ட் அபாயத்தைப் பற்றி அக்கறை கொண்ட தலைவர்களுக்கு தொழில்நுட்ப வெளியீடுகளை எளிதில் புரிந்துகொள்ள உதவுதல்.
-
ஆளுகை மற்றும் நெறிமுறைகள் முன்னணிகள் - NIST இன் AI RMF [3] போன்ற தரநிலைகளுடன் சீரமைக்கப்பட்ட சார்பு சோதனை, கண்காணிப்பு மற்றும் கட்டுப்பாடுகளை அமைத்தல்
-
தயாரிப்பு உத்தி வல்லுநர்கள் - வாடிக்கையாளர் அனுபவங்கள் மற்றும் தயாரிப்பு வரைபடங்களில் தரவு மற்றும் AI ஐப் பிணைத்தல்.
முரண்பாடாக, செயற்கை நுண்ணறிவு பெரும்பாலான கடினமான தொழில்நுட்பப் பணிகளை எடுத்துக்கொள்ளும்போது, மனிதத் திறன்களே எளிதில் மாற்றீடு செய்ய முடியாத பகுதிகளாக மாறிவிடுகின்றன.
நிபுணர்களும் தரவுகளும் என்ன சொல்கின்றன 🗣️
-
ஆட்டோமேஷன் உண்மையானது, ஆனால் பகுதியளவு: தற்போதைய AI பல வேலைகளுக்குள் நிறைய பணிகளை தானியக்கமாக்க முடியும், ஆனால் அது பொதுவாக மனிதர்களை அதிக மதிப்புள்ள வேலையை நோக்கி நகர்த்த விடுவிக்கிறது [1].
-
முடிவுகளுக்கு மனிதர்கள் தேவை: நிறுவனங்கள் வெறும் எண்களின் காரணமாக நகர்வதில்லை - கதைகளும் விவரிப்புகளும் தலைவர்களைச் செயல்பட வைப்பதால் அவை நகர்கின்றன என்று HBR சுட்டிக்காட்டுகிறது [2].
-
வேலை பாதிப்பு ≠ பெருமளவிலான ஆட்குறைப்பு: WEF தரவுகளின்படி, AI ஆனது பணிகளை மாற்றியமைக்கும் மற்றும் அதிக அளவில் தானியங்குபடுத்தக்கூடிய இடங்களில் பணியாளர்களைக் குறைக்கும் என்று நிறுவனங்கள் எதிர்பார்க்கின்றன, ஆனால் அவை மறுதிறன் பயிற்சியிலும் அதிக கவனம் செலுத்துகின்றன [4]. இந்த போக்கு மாற்றீட்டை விட மறுவடிவமைப்பைப் போலவே தெரிகிறது.
பயம் ஏன் தொடர்கிறது 😟
ஊடகத் தலைப்புச் செய்திகள் பேரழிவுச் செய்திகளையே நம்பி வளர்கின்றன. “AI வேலைகளை மாற்றுகிறது!” என்பது விற்பனையாகும். ஆனால், தீவிர ஆய்வுகள் தொடர்ந்து நுணுக்கங்களைக் காட்டுகின்றன: பணி தானியக்கம், பணிப்பாய்வு மறுவடிவமைப்பு மற்றும் புதிய பாத்திர உருவாக்கம் [1][4]. ஒரு கால்குலேட்டர் ஒப்புமை பொருந்தும்: இப்போது யாரும் கையால் நீண்ட வகுத்தல் செய்வதில்லை, ஆனால் கால்குலேட்டரை எப்போது பயன்படுத்த வேண்டும் என்பதை அறிய நீங்கள் இன்னும் இயற்கணிதத்தைப் புரிந்து கொள்ள வேண்டும்
பொருத்தமாக இருத்தல்: ஒரு நடைமுறை விளையாட்டு புத்தகம் 🧰
-
முடிவெடுப்பதில் இருந்து தொடங்குங்கள். வணிகக் கேள்வி மற்றும் தவறாக இருப்பதன் விலை ஆகியவற்றுடன் உங்கள் வேலையை இணைக்கவும்.
-
AI வரைவை விடுங்கள், நீங்கள் செம்மைப்படுத்துங்கள். அதன் வெளியீடுகளை தொடக்கப் புள்ளிகளாகக் கருதுங்கள் - நீங்கள் தீர்ப்பையும் சூழலையும் கொண்டு வருகிறீர்கள்.
-
உங்கள் செயல்பாட்டில் நிர்வாகத்தை உருவாக்குங்கள். NIST [3] போன்ற கட்டமைப்புகளுடன் இணைக்கப்பட்ட இலகுவான சார்பு சரிபார்ப்புகள், கண்காணிப்பு மற்றும் ஆவணப்படுத்தல்.
-
வியூகம் மற்றும் தகவல் தொடர்பை நோக்கி நகருங்கள். நீங்கள் பொத்தான்களை அழுத்தும் வேலையில் எவ்வளவு குறைவாக ஈடுபடுகிறீர்களோ, அவ்வளவு கடினமாக உங்களை தானியக்க முறையிலிருந்து விலக்குவது இருக்கும்.
-
உங்கள் ஆட்டோஎம்எல்லை அறிந்து கொள்ளுங்கள். ஒரு புத்திசாலித்தனமான ஆனால் பொறுப்பற்ற பயிற்சியாளராக நினைத்துப் பாருங்கள்: வேகமான, சளைக்காத, சில நேரங்களில் மிகவும் தவறான. நீங்கள் பாதுகாப்புத் தடுப்புகளை வழங்குகிறீர்கள் [5].
சரி... தரவு அறிவியலை AI மாற்றுமா? ✅❌
நேரடியான பதில்: இல்லை, ஆனால் அது அதை மறுவடிவமைக்கும் . செயற்கை நுண்ணறிவு, அடிப்படைக் கருவிகளை மாற்றி எழுதுகிறது - கடினமான வேலைகளைக் குறைத்து, செயல்பாட்டு அளவை அதிகரித்து, எந்தத் திறன்கள் மிகவும் முக்கியமானவை என்பதை மாற்றியமைக்கிறது. அது நீக்காதது என்னவென்றால், மனிதர்களின் விளக்கம், படைப்பாற்றல் மற்றும் முடிவெடுக்கும் திறன் ஆகியவற்றின் தேவைதான் . சொல்லப்போனால், திறமையான தரவு விஞ்ஞானிகள், பெருகிவரும் சிக்கலான வெளியீடுகளை விளக்குபவர்களாகவே அதிக மதிப்பு வாய்ந்தவர்களாக இருக்கிறார்கள்
சுருக்கமாக: AI என்பது பணிகளை மாற்றுகிறது, தொழிலை அல்ல [1][2][4].
குறிப்புகள்
[1] மெக்கின்சி & கம்பெனி - உருவாக்கும் செயற்கை நுண்ணறிவின் பொருளாதார ஆற்றல்: அடுத்த உற்பத்தித்திறன் எல்லை (ஜூன் 2023).
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
[2] ஹார்வர்ட் பிசினஸ் ரிவியூ - தரவு அறிவியல் மற்றும் வற்புறுத்தலின் கலை (ஸ்காட் பெரினாடோ, ஜனவரி–பிப்ரவரி 2019).
https://hbr.org/2019/01/data-science-and-the-art-of-persuasion
[3] NIST - செயற்கை நுண்ணறிவு இடர் மேலாண்மை கட்டமைப்பு (AI RMF 1.0) (2023).
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf
[4] உலகப் பொருளாதார மன்றம் - தொடக்க நிலை வேலை வாய்ப்புகளில் AI கதவை மூடுகிறதா? (ஏப்ரல் 30, 2025) - எதிர்கால வேலைகள் 2025.
https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/
[5] அவர், எக்ஸ். மற்றும் பலர் - ஆட்டோஎம்எல்: அதிநவீன தொழில்நுட்பத்தின் ஒரு ஆய்வு (arXiv, 2019).
https://arxiv.org/abs/1908.00709