Pariganaka.com වෙත නැවතත් සාදරයෙන් පිළිගනිමු! කෘතිම බුද්ධිය (AI) අපගේ ඵලදායිතාවය ඉහළ නංවන සහ වැඩ කරන ආකාරය සම්පූර්ණයෙන්ම වෙනස් කරන තාක්ෂණයක් ලෙස අපට දිනපතා අසන්නට ලැබේ. නමුත් සැබෑ යථාර්ථය මෙම ප්‍රචාරණයන්ට සමාන නොවන විට කුමක් සිදුවේද?

මෑතකදී BBC News සිය AI Decoded වැඩසටහන හරහා කාලීන ප්‍රශ්නයක් ගවේෂණය කළේය: “ඇයි AI ඔබේ සමාගමට වැඩ නොකරන්නේ?”. බලපත්‍ර, මෘදුකාංග සහ නියමු ව්‍යාපෘති (pilot programs) සඳහා සමාගම් විශාල මුදලක් ආයෝජනය කළද, මෙහි සැබෑ ප්‍රතිඵල කෝ යැයි බොහෝ විශ්ලේෂකයින් සහ ආයෝජකයින් ප්‍රශ්න කිරීමට පටන් ගෙන ඇත.

ඔබේ ආයතනයද AI ආයෝජනයන්ගෙන් නිසි ප්‍රතිඵල ලබා ගැනීමට අරගල කරන්නේ නම්, ඔබ තනි වී නැත. බොහෝ ආයතනික AI ව්‍යාපෘති අසාර්ථක වීමට හේතු සහ ව්‍යාපාරවලට ඉන් උගත හැකි පාඩම් පිළිබඳ සම්පූර්ණ විග්‍රහයක් මෙන්න.

අසාර්ථක වීමේ ඉහළ ප්‍රතිශතය

AI පිළිබඳ උද්‍යෝගය ඉහළම මට්ටමක පැවතුනද, එය ප්‍රායෝගිකව ක්‍රියාත්මක කිරීම අසාර්ථක වෙමින් පවතී. Gartner පර්යේෂණවලට අනුව, AI මූලික පියවරයන්ගෙන් 85% ක්ම සිය අපේක්ෂිත ඉලක්ක සපුරා ගැනීමට අසමත් වේ. තවද, 2024 IDC වාර්තාවකින් තහවුරු වූයේ AI ව්‍යාපෘතිවලින් 25% ක් පමණක් සම්පූර්ණ නිෂ්පාදන මට්ටමට (full production) ළඟා වන අතර, බහුතරයක් නියමු පරීක්ෂණ (pilot testing) අදියරේ සිරවී පවතින බවයි.

මෙම ඉහළ අසාර්ථකත්වයට හේතුව “දුර්වල තාක්ෂණය” නොවන බව විශේෂඥයින් අවධාරණය කරයි. ඊට ප්‍රධානතම හේතුව වන්නේ දුර්වල උපායමාර්ගික සැලසුම්කරණයයි.

ආයතනික AI ව්‍යාපෘති අසාර්ථක වීමට ප්‍රධාන හේතු

සමාගම් වැරදි මාර්ගයේ ගමන් කරන්නේ කොතැනද? ප්‍රධාන හේතු කිහිපයක් පහතින් දක්වා ඇත:

• දුර්වල දත්ත පරිසර පද්ධති (Broken Data Ecosystems): AI පද්ධතියක සාර්ථකත්වය රඳා පවතින්නේ එය පුහුණු කරන දත්ත මතය. මෑත කාලීන Deloitte සමීක්ෂණයකදී, සමාගම්වලින් 70% ක්ම ප්‍රකාශ කළේ අඩු ගුණාත්මක සහ ඛණ්ඩනය වූ දත්ත (fragmented data) තම AI සාර්ථකත්වයට ප්‍රධාන බාධාවක් බවයි. ඔබ AI වෙත වැරදි දත්ත ලබා දුනහොත්, ඔබට ලැබෙන්නේ වැරදි තීරණයි.
• නිරවද්‍යතාවය සහ විශ්වාසය පිළිබඳ ගැටළුව: ව්‍යාපාරික කටයුතුවලදී සිදුවන වැරදි සඳහා විශාල වන්දියක් ගෙවීමට සිදුවිය හැක. පුවත් වාර්තා 100 ක් සාරාංශ කිරීම සඳහා ප්‍රධාන AI සහායකයින් (AI assistants) හතර දෙනෙකු යොදාගනිමින් 2025 දී BBC News විසින් කළ පරීක්ෂණයකින් හෙළි වූයේ, AI විසින් ජනනය කරන ලද ප්‍රතිචාරවලින් අඩකට වඩා සැලකිය යුතු කරුණුමය දෝෂ (factual errors) අඩංගු වූ බවයි. මිනිස් නිරීක්ෂණයකින් තොරව කරුණු වෙනස් කරන හෝ ගොතන AI මත විශ්වාසය තැබීම භයානකය.
• හුදකලා ව්‍යාපෘති සහ ව්‍යාපාරික උපායමාර්ග: AI අසාර්ථක වීමට තවත් ප්‍රධාන හේතුවක් වන්නේ, නායකත්වය විසින් එය සමස්ත ව්‍යාපාරික උපායමාර්ගයට අනුකලනය නොකර වෙනම තොරතුරු තාක්ෂණ ව්‍යාපෘතියක් ලෙස පමණක් සැලකීමයි. සමාගම පුරා මෙය ව්‍යාප්ත කිරීමේ පැහැදිලි සැලැස්මක් නොමැතිව, හුදකලා දෙපාර්තමේන්තු තුළ පමණක් මෙම ව්‍යාපෘති ආරම්භ වේ.
• කුසලතා පරතරය සහ සංස්කෘතික ප්‍රතිරෝධය: සේවා ස්ථානයකට හදිසියේම නව තාක්ෂණයක් හඳුන්වා දී ප්‍රාතිහාර්යයන් බලාපොරොත්තු විය නොහැක. McKinsey වාර්තාවලට අනුව ව්‍යාපාරවලින් 58% කට ආයතනය අභ්‍යන්තරයේ AI කුසලතා සම්බන්ධ දැඩි හිඟයක් පවතී. නිසි AI සාක්ෂරතාවයක් නොමැති විට සේවකයින් තුළ විශ්වාසයක් නොමැති වීම සහ නව තාක්ෂණයට එරෙහිව සංස්කෘතික ප්‍රතිරෝධයක් (cultural resistance) ඇතිවීම සාමාන්‍ය තත්ත්වයකි.

වැරදි ROI මිනුම් දඬු භාවිතා කිරීම

සම්ප්‍රදායික මූල්‍ය ප්‍රතිලාභ (Financial ROI) මිනුම් දඬු බොහෝ විට AI ඇගයීම සඳහා ප්‍රමාණවත් නොවේ. සැබෑ “Return on AI” (RoAI) මගින් වඩා හොඳ තීරණ ගැනීම, පාරිභෝගික අත්දැකීම් වැඩිදියුණු කිරීම සහ දිගුකාලීන තරඟකාරීත්වය වැනි උපායමාර්ගික වටිනාකම් මැන බැලිය යුතුය. නායකයින් මෙම අස්පෘශ්‍ය ප්‍රතිලාභ මැනීමට අපොහොසත් වූ විට, ව්‍යාපෘතිය අසාර්ථක යැයි සිතා ඉක්මනින්ම එය අවලංගු කිරීමට පෙළඹේ.

ඉදිරි මාවත

ආයතනික AI විප්ලවය මියගොස් නැත, නමුත් ඒ සඳහා යථාර්ථවාදී ප්‍රවේශයක් අවශ්‍ය වේ. සමාගම් විසින් සිය AI මූලාරම්භයන් ප්‍රධාන ව්‍යාපාරික ඉලක්ක සමග පෙළගැස්වීම, තම දත්ත පද්ධති නිවැරදි කිරීම සහ සේවකයින්ගේ කුසලතා නැංවීම සඳහා විශාල වශයෙන් ආයෝජනය කළ යුතුය.

BBC News වාර්තාව අවධාරණය කළ පරිදි, ව්‍යාපාර දැන් මෘදුකාංග මිලදී ගෙන ඇතත්, ඒවා නිවැරදිව භාවිතයට ගන්නා ආකාරය ඔවුන් තවමත් සොයා ගත යුතුව ඇත. AI යනු ප්‍රබල සම්පතකි, නමුත් එය සවිකළ සැනින් ක්‍රියාත්මක වන (plug-and-play) මැජික් එකක් නොවේ.