ஏஜென்ட் யுகத்தில் செயற்கை நுண்ணறிவு முதலீடுகளை நிர்வகிப்பது எப்படி

OpenAI-இன் இலக்கு, காலப்போக்கில் செயற்கை நுண்ணறிவை மேலும் அணுகத்தக்கதாகவும், திறன் வாய்ந்ததாகவும், மலிவானதாகவும் ஆக்குவது. GPT‑4 முதல் GPT‑5.4 வரை, ஒரு மில்லியன் டோக்கன்களுக்கான விலை 97% குறைந்தது. GPT‑5.6⁠ அந்த முன்னேற்றத்தைத் தொடர்கிறது; Artificial Analysis Coding Agent Index-இல் சிறந்த செயல்திறனை, 54% குறைவான வெளியீட்டு டோக்கன்களுடனும் ஒவ்வொரு பணிக்கும் 57% குறைவான நேரத்துடனும் வழங்குகிறது.

ஆனால் டோக்கன் விலை மட்டும், செயற்கை நுண்ணறிவு மதிப்பை உருவாக்குகிறதா என்பதை காட்டாது. தலைவர்கள் ஒரு டாலருக்கு கிடைக்கும் பயனுள்ள வேலையை கவனிக்க வேண்டும்: முடிக்கப்பட்ட பணிகள், சேமித்த நேரம், மேம்பட்ட முடிவுகள், விரிவாக்கத் தயாரான பணிப்பாய்வுகள்.

அரட்டையிலிருந்து நீண்டகால பணிப்பாய்வுகளுக்குக் குழுக்கள் நகரும்போது, தேவை, செலவு, அபாயம் ஆகியவற்றில் நிர்வாகிகளுக்கு தெளிவான பார்வை தேவை. 

நம்பிக்கையுடன் முதலீடு செய்ய ஐந்து வழிகள் இங்கே உள்ளன.

பெருநிறுவனத் தலைவர்களுக்கு செயற்கை நுண்ணறிவு பயன்பாட்டின் தெளிவான பார்வை தேவை: அதை யார் பயன்படுத்துகிறார்கள், எந்த தயாரிப்புகள் அல்லது மாடல்களைப் பயன்படுத்துகிறார்கள், எவ்வளவு திறனைப் பயன்படுத்துகிறார்கள், அந்த பயன்பாடு எந்த வகை வேலையை ஆதரிக்கிறது என்பவை. அந்த பார்வை இல்லாமல், அதிகரிக்கும் கட்டணத்தை விளக்குவது கடினம். அது வீணாக்கத்தையும், பயனுள்ள பரிசோதனையையும், அல்லது வணிகத்துக்கு முக்கியமாகத் தொடங்கும் பணிப்பாய்வையும் குறிக்கலாம்.

ChatGPT Work⁠ நீண்ட, பல படி பணிகளை ஆதரிப்பதால், பணிப்பாய்வுகளின் அடிப்படையில் பயன்பாடு பெரிதும் மாறலாம். பயன்படுத்தப்பட்ட கிரெடிட்களை மட்டும் அல்ல, அந்த பயன்பாட்டின் பின்னுள்ள வேலையையும் நிர்வாகிகள் காண வேண்டும். ChatGPT முழுவதும் தேவையைப் பகிரப்பட்ட பார்வையில் காண்பதால் இது சாத்தியமாகிறது. பயன்பாட்டு பகுப்பாய்வுகள் மற்றும் செலவு கட்டுப்பாடுகள்⁠ நிர்வாக கன்சோலில்⁠(புதிய சாளரத்தில் திறக்கும்) புதுப்பிக்கப்பட்டுள்ளதால், பயனர், தயாரிப்பு, மாடல் வாரியாக ஏற்றுக்கொள்ளல், கிரெடிட்களின் பயன்பாடு, செலவு ஆகியவற்றைக் காணவும்; காலப்போக்கில் போக்குகளைத் தொடரவும்; உருவாகும் வடிவங்களை கண்டறியவும்; பயன்பாடு பரவலான ஏற்றுக்கொள்ளலா, ஆற்றல் பயனரின் பணிப்பாய்வா அல்லது மேலும் முதலீடு பெற வேண்டிய மீண்டும் மீண்டும் வரும் வணிக செயல்முறையா என்பதைப் புரிந்துகொள்ளவும் நிர்வாகிகளுக்கு உதவுகிறது.

பல நிலைகளிலான பார்வைகள் முதலீடு மற்றும் செயலாக்க முடிவுகளை வழிநடத்த உதவுகின்றன:

• வர்க்ஸ்பேஸ்: ஏற்றுக்கொள்ளலும் செலவும் ஒன்றாக நகர்கிறதா?
• குழு மற்றும் பயனர்: தேவை எங்கு அதிகரிக்கிறது, யாருக்கு கூடுதல் ஆதரவு தேவைப்படலாம்?
• தயாரிப்பு மற்றும் மாடல்: அதிக செலவுள்ள நுண்ணறிவு எங்கு பயன்படுத்தப்படுகிறது, அந்த தேவை தொடர்கிறதா?

இவை சேர்ந்து, எங்கு முதலீடு செய்ய, பயிற்சி அளிக்க, அல்லது வரம்புகள் அமைக்க வேண்டும் என்பதை நிர்வாகிகள் தீர்மானிக்க உதவுகின்றன.

குறைந்த டோக்கன் விலை எப்போதும் குறைந்த மொத்த செலவைத் தராது. மலிவான மாடல் தோல்வியடையலாம், மீண்டும் முயற்சி தேவைப்படலாம் அல்லது திருத்த வேண்டிய வேலையை உருவாக்கலாம். அதிக திறன் கொண்ட மாடல் ஒவ்வொரு டோக்கனுக்கும் அதிகம் செலவாகலாம்; ஆனால் குறைந்த முயற்சிகளிலும் குறைந்த மதிப்பாய்விலும் ஏற்ற முடிவை வேகமாக அடையலாம்.

மாடல்களை, அவை செய்ய வேண்டிய வேலையின் அடிப்படையில் மதிப்பிடுங்கள். விளிம்புச் சூழல்களையும் சேர்த்து, உண்மையான பணிகளை பிரதிபலிக்கும் மதிப்பீடுகளை⁠ பயன்படுத்துங்கள்; சோதனைக்கு முன் “போதுமானது” என்பதை வரையறுக்கவும். பின் அந்த தரத்தை அடைவதற்கான முழு செலவை அளவிடுங்கள்: மாடல் மற்றும் கருவி பயன்பாடு, முயற்சிகள், நிறைவு விகிதம், தாமதம், மனித மதிப்பாய்வு.

முன்னுரிமை பணிப்பாய்வுகளுக்கு, ஏற்றுக்கொள்ளப்பட்ட விளைவுக்கான செலவை கண்காணியுங்கள். வாடிக்கையாளர் ஆதரவில், அது தீர்க்கப்பட்ட ஒரு வழக்காக இருக்கலாம். பொறியியலில், அது மதிப்பாய்வைத் தாண்டும் சோதிக்கப்பட்ட மாற்றமாக இருக்கலாம். சேமித்த நேரம், குறைந்த சுழற்சி நேரம், பாதுகாக்கப்பட்ட வருவாய், தவிர்க்கப்பட்ட அபாயம், உருவாக்கப்பட்ட திறன் போன்ற வணிக மதிப்புடன் அந்த செலவை இணைத்துப் பாருங்கள்.

மாடல் தேர்வு என்பது சமன்பாட்டின் ஒரு பகுதி மட்டுமே. தெளிவான அறிவுறுத்தல்கள், கவனம் குவித்த கருவிகள், மீண்டும் பயன்படுத்தக்கூடிய சூழல், வெளிப்படையான நிறுத்த நிபந்தனைகள் ஆகியவை சுழற்சிகளையும் வீண் செலவையும் குறைக்கலாம். மாடல் மற்றும் பணிப்பாய்வை பணியுடன் பொருத்துவதே இலக்கு: தர அளவை பூர்த்தி செய்யும்போது சிறிய அல்லது வேகமான மாடல்களைப் பயன்படுத்துங்கள்; சிக்கலான, தெளிவற்ற அல்லது அதிக பொறுப்பு உள்ள வேலைக்கு அதிநவீன நுண்ணறிவை ஒதுக்குங்கள்.

எந்த செயற்கை நுண்ணறிவு வேலை விரிவடைய முடியும் என்பதை தீர்மானிக்கும் செயல்பாட்டு அடுக்காக ஆளுகையைப் பெருநிறுவனத் தலைவர்கள் கருத வேண்டும். ChatGPT எந்த சூழலைப் பயன்படுத்தலாம், எந்த கருவிகளை அணுகலாம், எந்த செயல்களைச் செய்யலாம், அதிக அபாயமான படிகளை யார் ஒப்புதல் அளிக்க வேண்டும், மதிப்புள்ள பணிப்பாய்வுகளை குழுக்கள் கண்டறிந்தால் கூடுதல் திறன் எவ்வாறு வழங்கப்படும் என்பவற்றை வரையறுப்பதே நடைமுறை வேலை ஆகும்.

பெருநிறுவன முறைமைகள் முழுவதும் செயல்படக்கூடிய பிளக்இன்கள், கனெக்டர்கள், கணினி பயன்பாடு, மற்றும் பிற அதிநவீன திறன்களை குழுக்கள் ஏற்கும்போது இது மேலும் முக்கியமாகிறது. அணுகல், அங்கீகரிக்கப்பட்ட சூழல், இணைக்கப்பட்ட கருவிகள், அனுமதிக்கப்பட்ட செயல்கள், பயன்பாடு, செலவு ஆகியவற்றுக்கு மையக் கட்டுப்பாடுகளை நிர்வாகிகளுக்கு ChatGPT Work⁠ வழங்குகிறது. வர்க்ஸ்பேஸ் இயல்புநிலைகள், குழு வரம்புகள், தனிநபர் விதிவிலக்குகள், திட்டப்பணிச் சூழலுடன் கூடிய மதிப்பாய்வு கோரிக்கைகள் போன்ற செலவு கட்டுப்பாடுகள், வரம்புகளைப் பரவலாக உயர்த்தாமல் உயர் மதிப்பு வேலையை ஆதரிக்க தலைவர்களுக்கு உதவுகின்றன.

முன்னுரிமை செயல்படுத்தல்களுக்கு, செயல்திறன் மற்றும் செலவு திறனை மேம்படுத்த OpenAI-இன் செயற்கை நுண்ணறிவு செயல்படுத்தல் பொறியாளர்கள்⁠(புதிய சாளரத்தில் திறக்கும்) மதிப்பீடுகள், கட்டமைப்பு, தாமதம், நம்பகத்தன்மை, பணிப்பாய்வு வடிவமைப்பு ஆகியவற்றில் வாடிக்கையாளர்களுடன் நேரடியாகப் பணியாற்றலாம். தனியுரிமையும் ஆளுகையும் தொடக்கத்திலிருந்தே அந்த வேலையின் பகுதியாக இருக்க வேண்டும்: நுணுக்கமான பணிப்பாய்வுகள் விரிவடையும் முன் சரியான அணுகல் கட்டுப்பாடுகள், தக்கவைப்பு நிலை, இணக்கத்தன்மை பார்வை, ஒப்புதல் பாதைகள் தேவை. பொருந்தும் இடங்களில், ஜீரோ டேட்டா ரிடென்ஷன்⁠(புதிய சாளரத்தில் திறக்கும்) விருப்பங்கள் உட்பட OpenAI-இன் பெருநிறுவன தனியுரிமை கட்டுப்பாடுகள், உயர் நம்பிக்கை சூழல்களில் செயற்கை நுண்ணறிவை செயல்படுத்த வாடிக்கையாளர்களுக்கு உதவும்.

செயற்கை நுண்ணறிவு முதலீடுகளை ஒரு தொகுப்பாக பெருநிறுவனத் தலைவர்கள் நிர்வகிக்க வேண்டும்: அன்றாட உற்பத்தித் திறனுக்கான பரந்த அணுகல், மீண்டும் மீண்டும் செய்யப்படும் வேலையை மேம்படுத்தும் செயல்பாடு-சார்ந்த பணிப்பாய்வுகள் மற்றும் நிறுவனத்தின் சொந்த சூழலை மையமாகக் கொண்ட சில மூலோபாய முதலீடுகள். அர்த்தமுள்ள அளவில் மீண்டும் நிகழும், தெளிவான உரிமையைக் கொண்ட, தரம், அபாயம், வணிக மதிப்பு ஆகியவற்றால் விரிவாகக்கூடிய பணிப்பாய்வுகளே வலுவான தேர்வுகள் ஆகும்.

நிதி ஒதுக்கீடு, முதிர்ச்சியைப் பின்பற்ற வேண்டும். ஆராய்ச்சி, மாடல் பணியை கையாளுமா என்பதைச் சோதிக்க வேண்டும்; உறுதிப்படுத்தல், தெளிவான தர அளவுக்கு எதிராக பிரதிநிதி வழக்குகளைச் சோதிக்க வேண்டும்; உற்பத்தி நிதி, விரிவாக்கத்துக்கு தேவையான ஒருங்கிணைப்புகள், கட்டுப்பாடுகள், நம்பகத்தன்மை, மாற்ற மேலாண்மை ஆகியவற்றை ஆதரிக்க வேண்டும். அடையாளம், நம்பகமான கனெக்டர்கள், தொகுக்கப்பட்ட அறிவு, மதிப்பீடுகள், பார்வைத்திறன், மாடல் வழிசெலுத்தல், மீண்டும் பயன்படுத்தக்கூடிய ஏஜென்ட் வடிவங்கள் போன்ற பகிரப்பட்ட திறன்களுக்கு மையமாக நிதி வழங்க வேண்டும்; அப்போது ஒவ்வொரு புதிய பணிப்பாய்வையும் தொடங்குவது எளிதும் பாதுகாப்பானதும் ஆகும்.

ஒரு பணிப்பாய்வு தனது மதிப்பை நிரூபித்தவுடன், தலைவர்கள் தயாரிப்பு, திறன், ஆதரவு மாடல் ஆகியவற்றை அதன் தேவைக்கேற்ப பொருத்த வேண்டும். ChatGPT Work⁠ அரட்டை, குறியீட்டாக்கம், ஏஜென்ட் சார்ந்த பணிப்பாய்வுகள், கனெக்டர்கள், பிளக்இன்கள், கணினி பயன்பாடு, நிர்வாகம் ஆகியவற்றுக்கான தயாரான திறன்களை வழங்குகிறது. வேறுபட்ட மதிப்பை உருவாக்கும் இடங்களில், நிறுவனங்கள் அந்த அடித்தளத்தை சொந்த தரவு, அனுமதிகள், மதிப்பீடுகள், பணிப்பாய்வு தர்க்கம் ஆகியவற்றால் விரிவாக்கலாம்.

உற்பத்தி பணிச்சுமைகளுக்கு, பயன்பாட்டு வடிவங்களுடன் வணிக அமைப்பு பொருந்த வேண்டும்: அணுகல் உறுதி தேவைப்படும் உற்பத்தி முறைமைகள் மற்றும் ஏஜென்ட்களுக்கு உறுதியளிக்கப்பட்ட திறன்⁠, கணிக்கக்கூடிய அதிக அளவு API பணிச்சுமைகளுக்கு அளவீட்டு அடுக்கு⁠ மற்றும் ஒத்திசைவற்ற வேலை அல்லது மீண்டும் வரும் சூழலுக்கு தொகுதி API⁠(புதிய சாளரத்தில் திறக்கும்), நெகிழ்வான செயலாக்கம்⁠(புதிய சாளரத்தில் திறக்கும்) அல்லது ப்ராம்ப்ட் கேச்சிங்⁠.

பெரிய மூலோபாய செயல்படுத்தல்களுக்கு, OpenAI Frontier⁠ மற்றும் செயல்படுத்தல் நிறுவனம்⁠(புதிய சாளரத்தில் திறக்கும்) பெருநிறுவன முறைமைகள் முழுவதும் செயற்கை நுண்ணறிவு சக ஊழியர்களை உருவாக்க, செயல்படுத்த, நிர்வகிக்க பெருநிறுவனங்களுக்கு உதவலாம். ஒவ்வொரு பணிப்பாய்வும் தனக்கென கட்டமைப்பை மீண்டும் உருவாக்க வேண்டியதற்குப் பதிலாக, நிரூபிக்கப்பட்ட வேலையை சரியான தயாரிப்பு, திறன், ஆதரவு மாடலுடன் விரிவாக்க, தலைவர்களுக்கு இந்த அணுகுமுறை உதவுகிறது.