AI ಯುಗಕ್ಕೆ ಒಂದು ಸ್ಕೋರ್‌ಕಾರ್ಡ್

ಎಲ್ಲೆಡೆಯ CFOಗಳಿಂದ ನಾನು ಕೇಳುವ ಪ್ರಶ್ನೆ ಸರಳವಾಗಿದೆ: ನಮ್ಮ AI ವೆಚ್ಚದಿಂದ ಹೆಚ್ಚು ಮೌಲ್ಯವನ್ನು ಹೇಗೆ ಪಡೆಯಬಹುದು?

ವರ್ಷಗಳ ಕಾಲ, ಮಾರುಕಟ್ಟೆಯು ಸಾಫ್ಟ್‌ವೇರ್‌ನ ಯಶಸ್ಸನ್ನು ಅಳವಡಿಕೆಯ ಮೂಲಕ ಅಳೆಯಿತು: ಖರೀದಿಸಿದ ಸೀಟುಗಳು, ಸಕ್ರಿಯ ಬಳಕೆದಾರರು, ನವೀಕರಿಸಿದ ಲೈಸೆನ್ಸ್‌ಗಳು. AI ಯ ಮೌಲ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಇನ್ನಷ್ಟು ಶಕ್ತಿಯುತ ಅಳತೆ ಬೇಕು: ನೆರವೇರಿಸಿದ ಕೆಲಸ.

CFOಗಳು ಮತ್ತು ಇತರ ವ್ಯವಹಾರ ನಾಯಕರ ಮುಂದೆ ಇರುವ ಮೂಲಭೂತ ಆರ್ಥಿಕ ಪ್ರಶ್ನೆ ಎಂದರೆ AI ಪೂರ್ಣಗೊಳಿಸುವ ಕೆಲಸದ ಮೌಲ್ಯವು ಅದನ್ನು ಉತ್ಪಾದಿಸುವ ವೆಚ್ಚಕ್ಕಿಂತ ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತದೆಯೇ ಎಂಬುದು.

ಆ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ವೆಚ್ಚದಂತಹ ಮೆಟ್ರಿಕ್‌ಗಿಂತ ಆಳವಾಗಿ ನೋಡಬೇಕು. ಕಡಿಮೆ ವೆಚ್ಚದ ಮಾಡೆಲ್‌ನಲ್ಲಿ ಅಗ್ಗದ ಟೋಕನ್‌ಗಳು ಇರಬಹುದು, ಆದರೆ ಉತ್ತಮ ಫಲಿತಾಂಶ ಪಡೆಯಲು ಹೆಚ್ಚು ಪ್ರಯತ್ನಗಳು, ಹೆಚ್ಚು ಸಮಯ ಅಥವಾ ಹೆಚ್ಚು ಮಾನವ ಪರಿಶೀಲನೆ ಬೇಕಾಗಬಹುದು. ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯವಿರುವ ಮಾಡೆಲ್‌ನಲ್ಲಿ ಟೋಕನ್‌ಗಳು ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿರಬಹುದು, ಆದರೆ ಅದೇ ಕಾರ್ಯವನ್ನು ಒಂದೇ ಪ್ರಯತ್ನದಲ್ಲಿ ಪೂರ್ಣಗೊಳಿಸಬಹುದು. ಮುಖ್ಯವಾದುದು ಯಶಸ್ವಿ ಫಲಿತಾಂಶವನ್ನು ಉತ್ಪಾದಿಸುವ ಸಂಪೂರ್ಣ ವೆಚ್ಚವನ್ನು, ಆ ಫಲಿತಾಂಶ ಸೃಷ್ಟಿಸುವ ಮೌಲ್ಯದೊಂದಿಗೆ ಹೋಲಿಸಿ ಅಳೆಯುವುದು.

AI ಯುಗದ ಅಂತಿಮ ಸ್ಕೋರ್‌ಕಾರ್ಡ್ ಅನ್ನು “ಪ್ರತಿ ಡಾಲರ್‌ಗೆ ಉಪಯುಕ್ತ ಇಂಟೆಲಿಜೆನ್ಸ್” ಎಂದು ನೋಡಬಹುದು. ಈ ಮೆಟ್ರಿಕ್ ನಾಲ್ಕು ಪ್ರಮುಖ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುತ್ತದೆ:

1. AI ಮಹತ್ವದ ಕೆಲಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸುತ್ತಿದೆಯೇ?
2. ಪ್ರತಿ ಯಶಸ್ವಿ ಕಾರ್ಯಕ್ಕೆ ಎಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ?
3. ಜನರು ಫಲಿತಾಂಶವನ್ನು ಅವಲಂಬಿಸಬಹುದೇ?
4. ಬಳಕೆ ಹೆಚ್ಚಾದಂತೆ ಪ್ರತಿ AI ಡಾಲರ್ ಹೆಚ್ಚು ಮೌಲ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆಯೇ?

ಕೆಲಸದಿಂದಲೇ ಪ್ರಾರಂಭಿಸಿ.

AI ಎಷ್ಟು ಗ್ರಾಹಕರ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಸಹಾಯ ಮಾಡಿತು? ಎಷ್ಟು ಕೋಡ್ ಬದಲಾವಣೆಗಳನ್ನು ರವಾನಿಸಲು ಅದು ಸಹಾಯ ಮಾಡಿತು? ಅದು ಎಷ್ಟು ಒಪ್ಪಂದಗಳನ್ನು ಪರಿಶೀಲಿಸಿತು? ಅದು ಜನರಿಗೆ ಎಷ್ಟು ಸಮಯವನ್ನು ಮರಳಿ ನೀಡಿತು? ಸರಿಯಾದ ಸಂದರ್ಭವು ಸರಿಯಾದ ಕ್ಷಣದಲ್ಲಿ ಲಭ್ಯವಿದ್ದರಿಂದ ಎಷ್ಟು ನಿರ್ಧಾರಗಳು ಸುಧಾರಿಸಿದವು?

ಟೋಕನ್‌ಗಳು ಜನರು ಬಳಸಬಹುದಾದ ಕೆಲಸವಾಗಿ ರೂಪಾಂತರಗೊಂಡಾಗ ಮೌಲ್ಯ ಸೃಷ್ಟಿಸುತ್ತವೆ. ಮಾಡೆಲ್‌ಗಳು ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯಶಾಲಿಯಾಗುತ್ತಾ ಹೋದಂತೆ, ಅವು ದೀರ್ಘ ಮತ್ತು ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು ಕೈಗೊಳ್ಳಬಲ್ಲವು: ಸಂದರ್ಭವನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುವುದು, ಹಲವು ಹಂತಗಳ ಮೂಲಕ ರೀಜನಿಂಗ್ ಮಾಡುವುದು, ಸಾಧನಗಳಾದ್ಯಂತ ಕೆಲಸ ಮಾಡುವುದು ಮತ್ತು ಮುಂದುವರಿದಂತೆ ಹೊಂದಿಕೊಳ್ಳುವುದು.

ಪ್ರಾರಂಭಿಸಲು ಅತ್ಯುತ್ತಮ ಸ್ಥಳವೆಂದರೆ ಒಂದು ವರ್ಕ್‌ಫ್ಲೋ. “ಪೂರ್ಣಗೊಂಡಿದೆ” ಎಂಬುದರ ಅರ್ಥವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ, ಕೆಲಸ ನಡೆಯುವ ಸಿಸ್ಟಮ್‌ನಲ್ಲೇ ಆ ಫಲಿತಾಂಶವನ್ನು ಅಳೆಯಿರಿ.

ಸಪೋರ್ಟ್ ತಂಡಕ್ಕೆ, “ಪೂರ್ಣಗೊಂಡಿದೆ” ಎಂದರೆ ಗ್ರಾಹಕರ ಸಮಸ್ಯೆ ಪರಿಹಾರಗೊಂಡಿದೆ ಎಂದಾಗಿರಬಹುದು. ಇಂಜಿನಿಯರಿಂಗ್ ತಂಡಕ್ಕೆ, ಅದು ತನ್ನ ಪರೀಕ್ಷೆಗಳನ್ನು ಪಾಸ್ ಮಾಡುವ ಕೋಡ್ ಬದಲಾವಣೆ ಎಂದಾಗಿರಬಹುದು. ಕಾನೂನು ತಂಡಕ್ಕೆ, ಅದು ನಿಖರವಾಗಿ ಮತ್ತು ಸಮಯಕ್ಕೆ ಸರಿಯಾಗಿ ಪರಿಶೀಲಿಸಲಾದ ಒಪ್ಪಂದ ಎಂದಾಗಿರಬಹುದು.

ಫೋರ್‌ಕಾಸ್ಟ್ ವಿಮರ್ಶೆಗೆ ಸಿದ್ಧವಾಗುತ್ತಿರುವ ಹಣಕಾಸು ತಂಡವನ್ನು ಪರಿಗಣಿಸಿ. ಅಂತಿಮ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಮೊದಲು ಬಹಳಷ್ಟು ಕೆಲಸ ನಡೆಯುತ್ತದೆ: ಇತ್ತೀಚಿನ ಫೋರ್‌ಕಾಸ್ಟ್ ಹುಡುಕುವುದು, ಡೇಟಾವನ್ನು Excel ಅಥವಾ Sheets ಗೆ ಸರಿಸುವುದು, ಬದಲಾವಣೆಗಳನ್ನು ಗುರುತಿಸುವುದು, ಟ್ಯಾಬ್‌ಗಳನ್ನು ಹೊಂದಾಣಿಕೆ ಮಾಡುವುದು, ಸ್ಲೈಡ್‌ಗಳನ್ನು ಮರುನಿರ್ಮಿಸುವುದು ಮತ್ತು ಎಲ್ಲವೂ ಸರಿಯಾಗಿ ಸೇರುತ್ತಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸುವುದು.

ChatGPT ಕೆಲಸ ಆ ಪ್ರಕ್ರಿಯೆಯ ಹೆಚ್ಚಿನ ಭಾಗವನ್ನು ಕೈಗೊಳ್ಳಬಹುದು, ತಂಡಕ್ಕೆ ಮುಖ್ಯವಾದ ಪ್ರಶ್ನೆಗಳ ಮೇಲೆ ಗಮನಹರಿಸಲು ಹೆಚ್ಚು ಸಮಯ ನೀಡುತ್ತದೆ: ಏನು ಬದಲಾಗಿದೆ? ಏಕೆ? ಮುಂದೆ ನಾವು ಏನು ಮಾಡಬೇಕು?

ಅದೇ ಪ್ರಾಯೋಗಿಕವಾಗಿ ಪ್ರತಿ ಡಾಲರ್‌ಗೆ ಉಪಯುಕ್ತ ಇಂಟೆಲಿಜೆನ್ಸ್. ಹೆಚ್ಚು ಕೆಲಸ ವೇಗವಾಗಿ ಪೂರ್ಣಗೊಳ್ಳುತ್ತದೆ, ಜನರು ತಮ್ಮ ಸಮಯದ ಹೆಚ್ಚಿನ ಭಾಗವನ್ನು ವಿವೇಕ, ಸೃಜನಶೀಲತೆ ಮತ್ತು ಪರಿಣತಿಯನ್ನು ಬಳಸುವುದಕ್ಕೆ ಮೀಸಲಿಡುತ್ತಾರೆ.

ಮುಂದಿನ ಪ್ರಶ್ನೆ, ಆ ಕೆಲಸವನ್ನು ಉತ್ತಮವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಲು ಎಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ ಎಂಬುದು.

AI ಕಾರ್ಯಗಳು ಬಹಳ ವೈವಿಧ್ಯಮಯವಾಗಿವೆ. ತ್ವರಿತ ಉತ್ತರಕ್ಕೆ ಕಡಿಮೆ ಕಂಪ್ಯೂಟ್ ಸಾಕಾಗಬಹುದು. ಕೋಡಿಂಗ್, ಸಂಶೋಧನೆ ಅಥವಾ ಹಣಕಾಸು ವರ್ಕ್‌ಫ್ಲೋಗೆ ಆಳವಾದ ರೀಜನಿಂಗ್, ಸಾಧನ ಬಳಕೆ ಮತ್ತು ಅನೇಕ ಕ್ರಮಗಳು ಬೇಕಾಗಬಹುದು. ಆ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳಿಗೆ ಹೆಚ್ಚು ಕಂಪ್ಯೂಟ್ ಬೇಕಾಗಬಹುದು, ಆದರೆ ಅವು ಬಹಳ ಹೆಚ್ಚು ಮೌಲ್ಯವನ್ನು ಸೃಷ್ಟಿಸಬಹುದು.

ಮಾಡೆಲ್ ಮಟ್ಟದಲ್ಲಿ, ಪ್ರತಿ ಯಶಸ್ವಿ ಕಾರ್ಯದ ವೆಚ್ಚವು ಬೆಲೆ, ಬಳಸಿದ ಕಂಪ್ಯೂಟ್ ಪ್ರಮಾಣ ಮತ್ತು ಸರಿಯಾದ ಫಲಿತಾಂಶ ತಲುಪುವ ಸಾಧ್ಯತೆಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ. ವ್ಯವಹಾರಕ್ಕೆ, ಸಂಪೂರ್ಣ ವೆಚ್ಚದಲ್ಲಿ ಉದ್ಯೋಗಿಗಳ ಸಮಯ, ಮಾನವ ಪರಿಶೀಲನೆ, ಮರುಪ್ರಯತ್ನಗಳು ಮತ್ತು ಮರುಕೆಲಸವೂ ಸೇರಿವೆ.

ಲೆಕ್ಕಾಚಾರ ಸರಳವಾಗಿದೆ:

• ಕೆಲಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಸಂಪೂರ್ಣ ವೆಚ್ಚವನ್ನು ಸೇರಿಸಿ.
• ಅಗತ್ಯ ಗುಣಮಟ್ಟದ ಮಾನದಂಡವನ್ನು ತಲುಪಿದ ಕಾರ್ಯಗಳನ್ನು ಎಣಿಸಿ.
• ಸಂಪೂರ್ಣ ವೆಚ್ಚವನ್ನು ಯಶಸ್ವಿ ಕಾರ್ಯಗಳ ಸಂಖ್ಯೆಯಿಂದ ಭಾಗಿಸಿ.

ಆದ್ದರಿಂದಲೇ ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ಅತಿ ಕಡಿಮೆ ಬೆಲೆ ಎಂದರೆ ಪ್ರತಿ ಫಲಿತಾಂಶಕ್ಕೆ ಅತಿ ಕಡಿಮೆ ವೆಚ್ಚ ಎಂದೇನೂ ಆಗುವುದಿಲ್ಲ. ಒಂದು ಅತ್ಯಾಧುನಿಕ ಮಾಡೆಲ್, ಮರುಪ್ರಯತ್ನಗಳು, ವಿಳಂಬ, ಪರಿಶೀಲನೆ ಮತ್ತು ಒಟ್ಟು ಕಂಪ್ಯೂಟ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಿ ಒಂದೇ ಪ್ರಯತ್ನದಲ್ಲಿ ಸರಿಯಾದ ಉತ್ತರ ನೀಡಿದರೆ, ಸಾಮಾನ್ಯ ವಿನಂತಿಗೂ ಅತ್ಯುತ್ತಮ ಮೌಲ್ಯ ನೀಡಬಹುದು.

ಹಂತಗಳಿರುವ ಮಾಡೆಲ್ ಕುಟುಂಬವು ಗ್ರಾಹಕರಿಗೆ ಈ ಸಮೀಕರಣವನ್ನು ಆಪ್ಟಿಮೈಸ್ ಮಾಡಲು ಹೆಚ್ಚಿನ ಮಾರ್ಗಗಳನ್ನು ನೀಡುತ್ತದೆ. ನಾವು ಕಳೆದ ವಾರ ಬಿಡುಗಡೆ ಮಾಡಿದ GPT‑5.6 ನಲ್ಲಿ ಮೂರು ಹಂತಗಳಿವೆ: Sol ನಮ್ಮ ಫ್ಲ್ಯಾಗ್‌ಶಿಪ್; Terra ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ವೆಚ್ಚವನ್ನು ಸಮತೋಲನಗೊಳಿಸುತ್ತದೆ; Luna ನಮ್ಮ ಅತಿ ವೇಗದ ಮತ್ತು ಅತಿ ಕೈಗೆಟುಕುವ ಮಾಡೆಲ್.

ಈ ಹಂತಗಳು ಉಪಯುಕ್ತ ಆರಂಭಿಕ ಬಿಂದುಗಳನ್ನು ಒದಗಿಸುತ್ತವೆ. ಪೂರ್ಣ ಕಾರ್ಯದ ಆರ್ಥಿಕತೆ ಕೊನೆಯಲ್ಲಿ ಸರಿಯಾದ ಮಾಡೆಲ್ ಅನ್ನು ನಿರ್ಧರಿಸಬೇಕು. ಗ್ರಾಹಕರು ವೇಗದ, ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ವರ್ಕ್‌ಫ್ಲೋಗೆ Luna, ಹೆಚ್ಚಿನ ಆಳತೆಯ ಕೆಲಸಕ್ಕೆ Terra, ಅಥವಾ ಕಡಿಮೆ ಪ್ರಯತ್ನಗಳಲ್ಲಿ ಅತ್ಯುತ್ತಮ ಫಲಿತಾಂಶ ನೀಡುವ ಬಲವಾದ ರೀಜನಿಂಗ್ ಬೇಕಾದಾಗ Sol ಬಳಸಬಹುದು.

ಪ್ರತಿ ಟೋಕನ್‌ನಿಂದ ಹೆಚ್ಚು ಉಪಯುಕ್ತ ಕೆಲಸ ಪಡೆಯಲು ನಾವು GPT‑5.6 ಅನ್ನು ತರಬೇತುಗೊಳಿಸಿದ್ದೇವೆ. Artificial Analysis Coding Agent Index ನಲ್ಲಿ, ಗರಿಷ್ಠ ರೀಜನಿಂಗ್ ಹೊಂದಿಸಿದ GPT‑5.6 Sol, ಮತ್ತೊಂದು ಪ್ರಮುಖ ಮಾಡೆಲ್‌ಗಿಂತ 54% ಕಡಿಮೆ ಔಟ್‌ಪುಟ್ ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸುತ್ತಾ ಹೊಸ ಅತ್ಯುತ್ತಮ ಮಾನದಂಡವನ್ನು ಸ್ಥಾಪಿಸಿತು. ಕೆಳಗಿನ ಚಾರ್ಟ್ ಹೋಲಿಕೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.

GPT‑5.6 ಕುಟುಂಬದಾದ್ಯಂತ ಗುರಿ ಒಂದೇ: ಪ್ರತಿ ಡಾಲರ್‌ಗೆ ಹೆಚ್ಚು ಯಶಸ್ವಿ ಕೆಲಸ. ಹೆಚ್ಚಿನ ದಕ್ಷತೆ ಈಗಿನ ಕಾರ್ಯಗಳನ್ನು ಹೆಚ್ಚು ಕೈಗೆಟುಕುವಂತೆ ಮಾಡುತ್ತದೆ. ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯ ಸಂಪೂರ್ಣ ಹೊಸ ಬಗೆಯ ಕೆಲಸಗಳನ್ನು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ.

ಪ್ರತಿ ಹೊಸ ಮಾಡೆಲ್ ಪೀಳಿಗೆಯೂ ಆ ಸಮೀಕರಣದ ಎರಡೂ ಬದಿಗಳನ್ನು ಸುಧಾರಿಸಬೇಕು. ಗ್ರಾಹಕರು ಹೆಚ್ಚು ಮೌಲ್ಯಯುತ ಕೆಲಸವನ್ನು ಸಾಧಿಸಬಲ್ಲವರಾಗಿರಬೇಕು; ಅದೇ ಸಮಯದಲ್ಲಿ, ಪ್ರತಿ ಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ವೆಚ್ಚ ಕಡಿಮೆಯಾಗುತ್ತಲೇ ಇರಬೇಕು.

ಮೂರನೇ ಮಾನದಂಡವೆಂದರೆ ವಿಶ್ವಾಸಾರ್ಹತೆ

ಎಐ (AI) ಅಳವಡಿಕೆಯು ಹಂತ ಹಂತವಾಗಿ ಆಳವಾಗುತ್ತಾ ಸಾಗುತ್ತದೆ. ಮೊದಲಿಗೆ, ಎಐ ಕರಡು (draft) ಸಿದ್ಧಪಡಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ನಂತರ, ಇದು ವಿವಿಧ ಪರಿಕರಗಳು ಮತ್ತು ಡೇಟಾಗಳಾದ್ಯಂತ ಕಾಂಟೆಕ್ಸ್ಟ್ (ಸಂದರ್ಭ) ಮತ್ತು ತಾರ್ಕಿಕ ಕಾರಣಗಳನ್ನು (reasons) ಕಂಡುಕೊಳ್ಳುತ್ತದೆ. ಕಾಲಾನಂತರದಲ್ಲಿ, ಇದು ಅಗತ್ಯವಿರುವ ಕಡೆಗಳಲ್ಲಿ ಮಾನವರು ತಮ್ಮ ವಿವೇಚನೆ ಮತ್ತು ನಿಯಂತ್ರಣವನ್ನು ಒದಗಿಸುವುದರೊಂದಿಗೆ, ಕ್ರಮಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು, ವಿನಾಯಿತಿಗಳನ್ನು (exceptions) ನಿಭಾಯಿಸಲು ಮತ್ತು ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು (workflows) ಪೂರ್ಣಗೊಳಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ.

ಪ್ರತಿ ಹಂತವೂ ಹೆಚ್ಚು ಮೌಲ್ಯ ಸೃಷ್ಟಿಸುತ್ತದೆ ಮತ್ತು ಸಿಸ್ಟಮ್‌ನಿಂದ ಹೆಚ್ಚು ನಿರೀಕ್ಷಿಸುತ್ತದೆ.

ಅವಲಂಬನೀಯತೆಗೆ ನೇರ ಆರ್ಥಿಕ ಮೌಲ್ಯವಿದೆ. ಫಲಿತಾಂಶಗಳು ನಿಖರವಾಗಿದ್ದು, ಉತ್ತಮ ಮೂಲಾಧಾರ ಹೊಂದಿದ್ದು, ಸ್ಥಿರವಾಗಿದ್ದು, ಸೂಕ್ತವಾಗಿ ಎಸ್ಕಲೇಟ್ ಆಗುವಾಗ, ಜನರು ಪರಿಶೀಲನೆ, ತಿದ್ದುಪಡಿ ಮತ್ತು ಕೆಲಸವನ್ನು ಮರುಮಾಡಲು ಕಡಿಮೆ ಸಮಯ ಖರ್ಚುಮಾಡುತ್ತಾರೆ. ಯಶಸ್ವಿ ಕಾರ್ಯಗಳಿಗೆ ಕಡಿಮೆ ವೆಚ್ಚವಾಗುತ್ತದೆ, ಮತ್ತು ಸಂಸ್ಥೆಗಳು ಹೆಚ್ಚು ಪ್ರಮುಖ ವರ್ಕ್‌ಫ್ಲೋಗಳಲ್ಲಿ AI ಬಳಸುವ ವಿಶ್ವಾಸ ಪಡೆಯುತ್ತವೆ.

ಮೂರು ಫಲಿತಾಂಶಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವ ಮೂಲಕ ತಂಡಗಳು ಇದನ್ನು ಸ್ಪಷ್ಟಗೊಳಿಸಬಹುದು:

• ಬಳಕೆಗೆ ಸಿದ್ಧವಾಗಿದೆ: ತಲುಪಿಸಲಾದ ಫಲಿತಾಂಶವು ಗುಣಮಟ್ಟದ ಮಾನದಂಡವನ್ನು (quality bar) ತಲುಪಿದೆ.
• ತಿದ್ದುಪಡಿ ಅಗತ್ಯ: ಫಲಿತಾಂಶಕ್ಕೆ ಮತ್ತೊಂದು ಪ್ರಯತ್ನ ಅಥವಾ ಮಾನವ ಸಂಪಾದನೆಗಳು ಅಗತ್ಯವಾಯಿತು.
• ಎಸ್ಕಲೇಷನ್ ಅಗತ್ಯ: ಒಬ್ಬ ವ್ಯಕ್ತಿ ಮಧ್ಯಪ್ರವೇಶಿಸಿ ಕೆಲಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸಬೇಕಾಯಿತು.

ಈ ಅಳತೆಗಳು ಮಾಡೆಲ್ ನಿಖರತೆಯಷ್ಟಕ್ಕಿಂತ ಸಮೃದ್ಧ ಕಥೆಯನ್ನು ಹೇಳುತ್ತವೆ. ಪ್ರಾಜೆಕ್ಟ್ ಪೂರ್ಣಗೊಳಿಸಲು ಬೇಕಾದ ಕೆಲಸವನ್ನು AI ನಿಜವಾಗಿಯೂ ಕಡಿಮೆ ಮಾಡುತ್ತಿದೆಯೇ ಎಂಬುದನ್ನು ಅವು ತೋರಿಸುತ್ತವೆ.

ಅವಲಂಬನೀಯತೆಗೆ ಸ್ಪಷ್ಟ ಗಡಿಗಳೂ ಅಗತ್ಯ. AI ಕರಡು ರಚನೆಯಿಂದ ಕ್ರಮ ಕೈಗೊಳ್ಳುವತ್ತ ಸಾಗುವ ಮೊದಲು, ಸಂಸ್ಥೆಗಳು ಇವುಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಬೇಕು:

• ಸಿಸ್ಟಮ್ ಯಾವ ಡೇಟಾವನ್ನು ಪ್ರವೇಶಿಸಬಹುದು.
• ಅದು ಯಾವ ಸಿಸ್ಟಮ್‌ಗಳನ್ನು ಬಳಸಬಹುದು ಅಥವಾ ಬದಲಾಯಿಸಬಹುದು.
• ಯಾವಾಗ ಒಬ್ಬ ವ್ಯಕ್ತಿ ಕ್ರಮವನ್ನು ಪರಿಶೀಲಿಸಬೇಕು ಅಥವಾ ಅನುಮೋದಿಸಬೇಕು.

ಸುರಕ್ಷತೆ, ಭದ್ರತೆ, ಗೌಪ್ಯತೆ ಮತ್ತು ನಿಯಂತ್ರಣವು ಆಳವಾದ ಬಳಕೆಗೆ ನೆಲೆಯನ್ನು ನಿರ್ಮಿಸುತ್ತವೆ. ಸಿಸ್ಟಮ್ ಹೇಗೆ ವರ್ತಿಸುತ್ತದೆ, ಅವರ ಡೇಟಾವನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅದರ ಕ್ರಮಗಳನ್ನು ಹೇಗೆ ನಿಯಂತ್ರಿಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಜನರು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕು.

ChatGPT ಕೆಲಸವು ChatGPT Enterprise ನ ಭದ್ರತೆ, ಗೌಪ್ಯತೆ, ಅನುಸರಣೆ ಮತ್ತು ವರ್ಕ್‌ಸ್ಪೇಸ್ ನಿರ್ವಹಣೆಯ ನೆಲೆಯ ಮೇಲೆ ನಿರ್ಮಿತವಾಗಿದೆ. ಇದು ಸಂಸ್ಥೆಗಳು ಸೂಕ್ತ ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ಕಾಯ್ದುಕೊಂಡೇ AI ಗೆ ಹೆಚ್ಚು ಸಂದರ್ಭ ಮತ್ತು ಹೆಚ್ಚು ಮೌಲ್ಯಯುತ ವರ್ಕ್‌ಫ್ಲೋಗಳಿಗೆ ಪ್ರವೇಶ ನೀಡಲು ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತದೆ.

ಸಾಮರ್ಥ್ಯ ಮೊದಲ ಬಳಕೆಯನ್ನು ಗಳಿಸುತ್ತದೆ. ಅವಲಂಬನೀಯತೆ AI ಅನ್ನು ಕೆಲಸ ನಡೆಯುವ ವಿಧಾನದ ಭಾಗವಾಗಿಸುತ್ತದೆ.

ಕೊನೆಯ ಪ್ರಶ್ನೆ ಎಂದರೆ, ಪ್ರಮಾಣ ಹೆಚ್ಚಾದಾಗ ಆರ್ಥಿಕತೆ ಸುಧಾರಿಸುತ್ತದೆಯೇ ಎಂಬುದು.

ಕಂಪನಿಗಳು ಕಾಲಕ್ರಮೇಣ ಅದೇ ವರ್ಕ್‌ಫ್ಲೋವನ್ನು ಗಮನಿಸುವ ಮೂಲಕ ಇದನ್ನು ಅಳೆಯಬಹುದು. ಎಷ್ಟು ಕಾರ್ಯಗಳು ಗುಣಮಟ್ಟದ ಮಾನದಂಡವನ್ನು ಪೂರೈಸಿದವು, ಅವುಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಒಟ್ಟು ವೆಚ್ಚ ಮತ್ತು ಪ್ರತಿ ಯಶಸ್ವಿ ಕಾರ್ಯದ ವೆಚ್ಚವನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಿ. ಗುಣಮಟ್ಟ ಸ್ಥಿರವಾಗಿರುವಾಗ ಅಥವಾ ಸುಧಾರಿಸುವಾಗ, ಪೂರ್ಣಗೊಂಡ ಕೆಲಸವು ಒಟ್ಟು ವೆಚ್ಚಕ್ಕಿಂತ ವೇಗವಾಗಿ ಹೆಚ್ಚಾದರೆ, ಪ್ರತಿ AI ಡಾಲರ್ ಹೆಚ್ಚು ಮೌಲ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತಿದೆ.

ಈ ಸಮೀಕರಣದ ಕೇಂದ್ರದಲ್ಲಿ ಕಂಪ್ಯೂಟ್ ಇದೆ.

ಕಂಪ್ಯೂಟ್ ಸಂಶೋಧನೆಗೂ AI ಪೂರ್ಣಗೊಳಿಸುವ ಪ್ರತಿಯೊಂದು ಕಾರ್ಯಕ್ಕೂ ಶಕ್ತಿ ನೀಡುತ್ತದೆ. ಅದು ಉತ್ಪನ್ನದ ಗುಣಮಟ್ಟ, ವೇಗ, ಅವಲಂಬನೀಯತೆ, ಲಭ್ಯತೆ ಮತ್ತು ವೆಚ್ಚವನ್ನು ರೂಪಿಸುತ್ತದೆ. ತರಬೇತಿ ಕಂಪ್ಯೂಟ್ ಭವಿಷ್ಯದ ಸಾಮರ್ಥ್ಯವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ. ಇನ್‌ಫರೆನ್ಸ್ ಕಂಪ್ಯೂಟ್ ಇಂದು ಉಪಯುಕ್ತ ಕೆಲಸವನ್ನು ಒದಗಿಸುತ್ತದೆ. ಎರಡೂ ಗ್ರಾಹಕರಿಗೆ ಉತ್ತಮ ಫಲಿತಾಂಶಗಳಾಗಿ ಮಾರ್ಪಡಬೇಕು.

ಉತ್ತಮ ಮಾಡೆಲ್‌ಗಳು, ಹೆಚ್ಚು ದಕ್ಷ ಇನ್‌ಫರೆನ್ಸ್, ಉದ್ದೇಶನಿರ್ಮಿತ ಹಾರ್ಡ್‌ವೇರ್, ಹೆಚ್ಚಿನ ಬಳಕೆ, ಚುರುಕಾದ ರೌಟಿಂಗ್ ಮತ್ತು ಬಲವಾದ ಉತ್ಪನ್ನ ವಿನ್ಯಾಸ ಇವೆಲ್ಲವೂ ಕಂಪ್ಯೂಟ್ ಮೇಲಿನ ರಿಟರ್ನ್ ಅನ್ನು ಸುಧಾರಿಸುತ್ತವೆ. ಪ್ರತಿ ಮೂಲಸೌಕರ್ಯ ಪೀಳಿಗೆಯೂ ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯವಿರುವ ಮಾಡೆಲ್‌ಗಳನ್ನು ತರಬೇತುಗೊಳಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ನಂತರ ಉತ್ತಮ ಅಲ್ಗಾರಿದಮ್‌ಗಳು, ಹಾರ್ಡ್‌ವೇರ್ ಮತ್ತು ಸಾಫ್ಟ್‌ವೇರ್ ಆ ಮಾಡೆಲ್‌ಗಳನ್ನು ಹೆಚ್ಚು ದಕ್ಷವಾಗಿ ಸೇವೆಗೊಳಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ.

ಗ್ರಾಹಕರು ಆ ಸುಧಾರಣೆಗಳನ್ನು ಮಾನವೀಯ ಪದಗಳಲ್ಲಿ ಅನುಭವಿಸುತ್ತಾರೆ: ಉತ್ತಮ ಉತ್ತರಗಳು, ವೇಗವಾದ ಫಲಿತಾಂಶಗಳು, ಕಡಿಮೆ ತಿದ್ದುಪಡಿಗಳು, ಹೆಚ್ಚು ಅವಲಂಬನೀಯ ಉತ್ಪನ್ನಗಳು ಮತ್ತು ಅವರಿಗೆ ಬೇಕಾದ ಕೆಲಸಕ್ಕೆ ಕಡಿಮೆ ವೆಚ್ಚ.

ಲಾಭಗಳು ಸಂಯೋಜಿತವಾಗಿ ಹೆಚ್ಚುತ್ತವೆ. ಉತ್ತಮ ಮೂಲಸೌಕರ್ಯ ಸಂಶೋಧನೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ. ಸಂಶೋಧನೆ ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯವಿರುವ ಮತ್ತು ದಕ್ಷ ಮಾಡೆಲ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಉತ್ತಮ ಮಾಡೆಲ್‌ಗಳು ಉತ್ಪನ್ನಗಳನ್ನು ಸುಧಾರಿಸುತ್ತವೆ. ಉತ್ತಮ ಉತ್ಪನ್ನಗಳು ಅಳವಡಿಕೆ, ಕಲಿಕೆ ಮತ್ತು ಆದಾಯವನ್ನು ಮುಂದೂಡುತ್ತವೆ. ಆ ಬೆಳವಣಿಗೆ ಮುಂದಿನ ಪೀಳಿಗೆಯ ಸಂಶೋಧನೆ, ಕಂಪ್ಯೂಟ್, ನಿಯೋಜನೆ ಮತ್ತು ಸುರಕ್ಷತೆಯಲ್ಲಿ ನಿರಂತರ ಹೂಡಿಕೆಗೆ ಬೆಂಬಲ ನೀಡುತ್ತದೆ.

OpenAI ಈ ಭಾಗಗಳನ್ನು ಒಂದು ಹಂಚಿಕೊಂಡ ಇಂಟೆಲಿಜೆನ್ಸ್ ವೇದಿಕೆಯ ಮೂಲಕ ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ. ಜನರು ಅದನ್ನು ChatGPT ಮತ್ತು ChatGPT ಕೆಲಸ ಮೂಲಕ ಬಳಸುತ್ತಾರೆ. ಡೆವಲಪರ್‌ಗಳು Codex ಮತ್ತು API ಮೂಲಕ ಅದನ್ನು ಬಳಸಿ ನಿರ್ಮಿಸುತ್ತಾರೆ. ಎಂಟರ್‌ಪ್ರೈಸ್‌ಗಳು ಕೆಲಸ ನಡೆಯುವ ಸಿಸ್ಟಮ್‌ಗಳಿಗೆ ಅದನ್ನು ನಿಯೋಜಿಸುತ್ತವೆ.

ಒಂದು ಪದರ ಸುಧಾರಿಸಿದಾಗ, ಪ್ರತಿಯೊಂದು ಉತ್ಪನ್ನ ಮತ್ತು ಗ್ರಾಹಕ ಪ್ರಯೋಜನ ಪಡೆಯಬಹುದು.

ಒಟ್ಟಾಗಿ ನೋಡಿದಾಗ, ಈ ನಾಲ್ಕು ಅಳತೆಗಳು ಪ್ರತಿ ಡಾಲರ್‌ಗೆ ಉಪಯುಕ್ತ ಇಂಟೆಲಿಜೆನ್ಸ್ ಸುಧಾರಿಸುತ್ತಿದೆಯೇ ಎಂಬುದನ್ನು ನಮಗೆ ತಿಳಿಸುತ್ತವೆ.

ಉಪಯುಕ್ತ ಕೆಲಸವು AI ಏನು ಉತ್ಪಾದಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ತಿಳಿಸುತ್ತದೆ. ಪ್ರತಿ ಯಶಸ್ವಿ ಕಾರ್ಯದ ವೆಚ್ಚವು ಫಲಿತಾಂಶ ತಲುಪಲು ಏನು ಬೇಕು ಎಂಬುದನ್ನು ತಿಳಿಸುತ್ತದೆ. ಅವಲಂಬನೀಯತೆ, ಜನರು ಕೆಲಸದ ಎಷ್ಟು ಭಾಗವನ್ನು ವಿಶ್ವಾಸದಿಂದ ಬಳಸಬಹುದು ಎಂಬುದನ್ನು ತಿಳಿಸುತ್ತದೆ. ಪ್ರಮಾಣದಲ್ಲಿ ಮೌಲ್ಯವು ಪ್ರತಿ ಡಾಲರ್ ಮತ್ತು ಕಂಪ್ಯೂಟ್‌ನ ಪ್ರತಿ ಘಟಕ ಕಾಲಕ್ರಮೇಣ ಹೆಚ್ಚು ಸಾಧಿಸುತ್ತಿದೆಯೇ ಎಂಬುದನ್ನು ತಿಳಿಸುತ್ತದೆ.

ಜನರು ಹೆಚ್ಚು ಅರ್ಥಪೂರ್ಣ ಕೆಲಸ ಮಾಡಲು, ಉತ್ತಮ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಮತ್ತು ಸ್ಪಷ್ಟವಾಗಿ ಮಾನವೀಯ ವಿವೇಕ ಹಾಗೂ ಸೃಜನಶೀಲತೆ ಅಗತ್ಯವಿರುವ ತಮ್ಮ ಕೆಲಸದ ಭಾಗಗಳಿಗೆ ಹೆಚ್ಚು ಸಮಯ ಮೀಸಲಿಡಲು ಸಹಾಯ ಮಾಡುವ AI ಗುರಿಯಾಗಿದೆ.

ಪ್ರತಿ ಪೀಳಿಗೆಯಲ್ಲೂ ಆ ಸಮೀಕರಣವನ್ನು ಉತ್ತಮಗೊಳಿಸುವುದೇ ನಮ್ಮ ಕೆಲಸ: ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯವಿರುವ ಮಾಡೆಲ್‌ಗಳು, ವೇಗವಾದ ಮತ್ತು ಹೆಚ್ಚು ಅವಲಂಬನೀಯ ಫಲಿತಾಂಶಗಳು, ಹಾಗೂ ಗ್ರಾಹಕರಿಗೆ ಬೇಕಾದ ಕೆಲಸಕ್ಕೆ ಕಡಿಮೆ ವೆಚ್ಚಗಳು.

ಹೀಗೆ ಕಾಲಕ್ರಮೇಣ AI ಇನ್ನಷ್ಟು ಜನರು ಮತ್ತು ಸಂಸ್ಥೆಗಳಿಗೆ ಹೆಚ್ಚು ಉಪಯುಕ್ತವಾಗುತ್ತದೆ.