কেন AI প্রোজেক্টের ৭০% ব্যর্থ হয়েছে: AI প্রজেক্ট ব্যর্থতার হার উপলব্ধি করা (আর কিভাবে ৩০% হতে হবে)

কেন AI প্রোজেক্টের ৭০% ব্যর্থ হয়েছে: AI প্রজেক্ট ব্যর্থতার হার উপলব্ধি করা (আর কিভাবে ৩০% হতে হবে)

আমি দেখেছি কয়েক ডজন বার এটা ঘটেছে। একটা কোম্পানি মেশিন শেখার প্লাটফর্মে ছয়টা সংখ্যা বিনিয়োগ করে। তথ্য বিজ্ঞানীরা একটি মডেল তৈরি করে। ড্যাশবোর্ড দেখতে অসাধারণ. তাহলে কোন পরিবর্তন হয়নি। প্রকল্পটি দ্রাক্ষালতার নিচে মারা যায়।

এটাই হচ্ছে পেছনের ভয়াবহ বাস্তবতা।AI প্রজেক্টের হার২০২৩ সালের একটি রিপোর্ট অনুযায়ীবি- জি- বি-চির ৭০% উদ্যোগ ব্যর্থ হয়েছে কোন বড় ব্যবসার মূল্য দিতে। খুব কম দাম। শূন্য মান। এটাGrater AI জরিপ২০২১ সাল থেকে জানা গেছে যে পাইলট থেকে উৎপাদন করার জন্য পাইলট থেকে মাত্র ৫৪% প্রকল্প চলছে। বাকিটা শেষ। এবং একটিআইডিC অধ্যয়নজানা গেছে যে এই প্রকল্পের ২৮% প্রকল্প ত্যাগের আগে পরিত্যাগ করা হয়, যার ফলে প্রতি বছর কোটি কোটি ডলার নষ্ট হয়ে যায়, প্রমাণ করা যায় যে প্রতিদিনের আলো কখনো দেখা যায় না।

আমি এই ভয়াবহ পরিসংখ্যানের দুই দিক দিয়ে কাজ করেছি। আমি Buza এবং Builing প্রোগ্রাম তৈরি করেছি। এই প্রবন্ধে আমি আপনাদের দেখাবো ৭০% কেন ব্যর্থ হয় এবং সফল ৩০% কি ভাবে সফল হয়। সবচেয়ে গুরুত্বপূর্ণ বিষয় হচ্ছে, আমি আপনাকে একটি পুনরাবৃত্তিমূলক কাঠামো প্রদান করব যা সংস্থাগুলোকে তাদের আঙ্গুলে বাঁধতে সাহায্য করেছেAI প্রজেক্টের হারশিল্প থেকে গড়ে ৩০% এর কম।

সত্য (AI) প্রকল্প ব্যর্থ

আসুন আমরা সরাসরি সংখ্যাগুলো বের করি। বিভিন্ন গবেষণায় ভিন্ন ভিন্ন ভিন্ন ব্যাখ্যা ব্যবহার করা হয়েছে, কিন্তু একমত হওয়া গুরুত্বপূর্ণ।

• বিসিজি (২০২৩২৩):৭০% কোম্পানিরই মাথাব্যাথা, এমনকি বিনিয়োগ করার পরেও।
• গার্ডার (২০২১:মাত্র ৫৪% AI নমুনা উৎপাদন করতে পারে। বাকিরা কখনো ল্যাব ছেড়ে যায় না।
• আইডিসি (২০২২):২৮% উদ্যোগের মধ্যে ০% উদ্যোগ পুরোপুরি ব্যর্থ হয়েছে, যারা এই কর্মসূচিতে অংশ নিতে ব্যর্থ হয়েছে, তাদের মধ্যে ৪৫ শতাংশ আশা পূরণ করতে ব্যর্থ হয়েছে।
• মটি সলোয়ান (২০২০২০):কোম্পানির ৭০ শতাংশ কম বা তাদের কোন প্রভাবই জানেন না।
• ম্যাকসি (২০২৩):এটাAI সংক্রান্ত অবস্থাজরিপ দেখায় যে জাপিরো দত্তক গ্রহণ করা হয়েছে, আর মাত্র ২১% কোম্পানি বলেছে যে AI একটি ব্যবসায়িক অনুষ্ঠানে গুরুত্বপূর্ণ মূল্য পেয়েছে।

এটাAI প্রজেক্টের হারএই সকল সূত্র থেকে ৬০-৭০ শতাংশ ব্যক্তি। তার মানে তিনটি AI প্রকল্পের জন্য তুমি শুরু করবে, দুটো সময় আর টাকা নষ্ট করবে। এই দৃষ্টিভঙ্গিতে বলা যায়, যদি প্রতি বছর গড়ে ১০ হাজার মার্কিন ডলার বরাদ্দ করা হয়, তাহলে প্রতি বছর তা ৩. ৫ মিলিয়ন মার্কিন ডলার পোড়াতে পারে। এতে অনেক লাভ হবে।

যেভাবে আমরা “কঠো ” সংজ্ঞায়িত করি

আমি একটি সহজ পরীক্ষা ব্যবহার করি: প্রকল্প কি পরিবর্তন এনেছে ব্যবসা কিভাবে পরিচালিত হয়? যদি মডেল জুপিটার নোটবুকে বসে থাকে এবং কোন ক্রেতা, পণ্য বা সরবরাহ চেইন স্পর্শ না করে, তা ব্যর্থ হয়। যদি মডেলটি বাস করে তবে কেউ বিশ্বাস করে না। একটি "সেন্সর" প্রকল্প হচ্ছে এমন একটি প্রকল্প যা হয় আয় বৃদ্ধি, আয় কমিয়ে আনে, মূল্য কমিয়ে আনে, অথবা ক্রেতার অভিজ্ঞতা এমন ভাবে বেড়ে ওঠে, যা আপনার চতুর্থাংশে দেখা যায়। যে কোন কিছুই অবদান রাখেAI প্রজেক্টের হার.

এটাই প্রকৃত সংজ্ঞা- কারিগরি ব্যর্থতা নয়, কিন্তু সংগঠনগত ব্যর্থতার কারণ। এমনকি একটি সঠিক মডেলও মূল্যহীন, যদি ব্যবসা তাকে গ্রহণ না করে।

উচ্চ AI প্রকল্প ব্যর্থ হওয়ার কারণ

আমি ডজন ডজন কোম্পানির প্রকল্প বিশ্লেষণ করতে সক্ষম হয়েছি- ফরচুন ৫০০ বিক্রেতা থেকে মধ্যপন্থী প্রতিষ্ঠান পর্যন্ত। বিন্যাসটি সবসময় একই থাকে । এখানে পাঁচটি বড় খুনি রয়েছে, যা ব্যাখ্যা করেছে যে আপনি অন্তত তাদের মধ্যে আপনার নিজের প্রতিষ্ঠানকে চিনতে পারবেন।

১) ব্যবসার কোন পরিষ্কার সমস্যা নেই

বেশিরভাগ AI প্রকল্প একটি প্রযুক্তি-প্রথমে শুরু হয়। একটি দল প্রস্তুতিমূলক AI বা কম্পিউটার দর্শনে উত্তেজিত হয়ে জিজ্ঞেস করছে, “এটা দিয়ে আমরা কি করতে পারি? এই প্রশ্ন করার পরিবর্তে, “আমাদের একার সবচেয়ে ব্যয়বহুল অপারেশনের সমস্যা কি?ম্যাকসি অধ্যয়নতারা আবিষ্কার করেছে যে, নির্দিষ্ট কিছু ব্যবসার ফলাফলের সাথে যে সমস্ত কোম্পানী যুক্ত তারা হচ্ছে ১. আমি দেখেছি যে এই বিপরীত খেলা বেদনাদায়ক ভাবে খেলতে পারে। একটি ভোক্তা কোম্পানি ৮০,০০০ ডলার বরাদ্দী মডেল ব্যয় করেছে যা কখনো ব্যবহার করা হয়নি কারণ সরবরাহকৃত চেইন টিম সহজ ভাবে কাজ করেছে। এই মডেল একটি প্রশ্নের উত্তর দিয়েছে।

যখন আপনি ব্যবসার ক্ষেত্রে সাফল্য সংজ্ঞায়িত করেন না, তখন আপনি সবার মনোযোগ আকর্ষণ করেন। প্রকল্পটিতে একবার তিনটি সমস্যা সমাধান করার চেষ্টা করা হয় অথবা এক অস্পষ্ট “৩৬০-ডিমোমার দৃষ্টিভঙ্গি” অনুসরণ করে। এর ফলাফল হচ্ছে একটি মডেল যা কার্যকর করার জন্য বেশ জটিল। এটাAI প্রজেক্টের হারযখন প্রাথমিক সমস্যার বিবৃতি অস্পষ্ট। ওরিলির ২০২৪ সালের এক জরিপ অনুসারে, মাত্র ৩৮% সংস্থা বলেছে যে তাদের একটি ভাল সমস্যা আছে। বাকিগুলো শুধু পরীক্ষা করছিল.

বাস্তব উদাহরণ:একটি ইউরোপীয় ব্যাংক “ AIর সাথে যুক্ত” করতে চায়। ছয় মাস পরে, এই প্রকল্পটি মারা যায়, কারণ মার্কেটিং চায়, অপারেশন জালিয়াতির অভিযোগ করুক, আর দায়িত্ব পালন করুক কেওয়াইসিকে। সবাই ভিন্ন দিকে মোড় নিয়েছে। লক্ষ্য ছিল ক্রেডিট কার্ড ৮% কমিয়ে দেওয়া — প্রকল্পটিকে রক্ষা করা ।

২. দুর্বল তথ্য

AI মডেলরা পরিষ্কার, লেবেল, প্রাসঙ্গিক ডাটার জন্য ক্ষুধার্ত। বেশীরভাগ কোম্পানী ১০টি উত্তরাধিকার ব্যবস্থার মধ্যে তথ্য ছড়িয়ে দিয়েছে, যার প্রতিটিই নিজস্ব সংজ্ঞা বা “অপবাদ”। এটাআইডিC প্রতিবেদনবলা হচ্ছে পৃথিবীর বুকে অবৈধ তথ্যের গুণগত মান দ্বিতীয় বাঁধা। আমি তর্ক করব, এটাই সবচেয়ে বড়। আবর্জনা পরিষ্কার করা, আবর্জনা থেকে বের হওয়া কেবল এক অর্থহীন বিষয় নয়; এটা এমন এক প্রযুক্তিগত কারণ।AI প্রজেক্টের হারজেদী উঁচু থাকবে।

একটি সাধারণ AI প্রকল্প তথ্য প্রস্তুতির ৮০% সময় ব্যয় করে- কিন্তু অনেক দল এই পর্যায়কে নির্দেশ করে। তারা ধারণা করছে যে তথ্য যথেষ্ট ভালো”। কখনোই না। আমি একবার একজন স্বাস্থ্যসেবা সরবরাহকারীর সাথে কাজ করেছি, যার রোগী নির্বাচনী বিশ্লেষণ মডেলকে জটিল ক্ষেত্রে ৪০% মান হারিয়ে গেছে। তথ্য বিজ্ঞান দল তাদের মিডিয়ান্সদের সাথে লড়াই করেছে, আর এই মডেল ৮৮% সঠিক তথ্য অর্জন করেছে। কিন্তু উৎপাদনে, ভবিষ্যদ্বাণীটি ছিল অগণতান্ত্রিক কারণ হারিয়ে যাওয়া মূল্যবোধটি এলোমেলো ছিল না- তাদের কোন নির্দিষ্ট জটিলতা ছিল না। তিন মাস পর এই প্রকল্প বন্ধ করে দেওয়া হয়।

"ভুল তথ্য" দেখে মনে হচ্ছে:

• রেকর্ড অসম্পূর্ণ:বিক্রির রেকর্ডের ৩০% গ্রাহকের ফিল্ডে নেই।
• অসামঞ্জস্যপূর্ণ লেবেল:“একা” এবং “চিলি ফরোনিয়া” ঠিকানার ক্ষেত্রে সঠিক ভাবে ব্যবহৃত হয়েছে।
• Duplicates:একই কাস্টমারের ভিন্ন আইডিতে চারবার দেখা যাচ্ছে।
• স্টল ডাটা:জরুরী তথ্য সাপ্তাহিক আপডেট করা হয়, কিন্তু আসল সময়ের সিদ্ধান্ত নেয়া দরকার।
• অজ্ঞাত তথ্য:গ্রাহক যোগাযোগ তথ্য সিআরআরআরপি-এর মাধ্যমে বসে থাকে, লেনদেন সংক্রান্ত তথ্য এবং একটি আলাদা সাহায্যডেস্কে টিকিট সমর্থন করে।

যদি আপনার তথ্য একীভূত না হয়, তাহলে সেগুলো ভেঙ্গে ফেলা, সেগুলো বৈধ এবং বৈধ নয়, এমনকি যদি এটি একটি ভাষা মডেল না হয়ে থাকে। এটাAI প্রজেক্টের হারতথ্য নিয়ন্ত্রণের কাঠামো ছাড়া সংগঠন তাদের দ্বিগুণ।

৩. পরিবর্তন ব্যবস্থাপনার অভাব

তুমি এমন একটা মডেল তৈরি করেছ যেটা ৯৫% সঠিক মানের সাথে মিলে গেছে। বিক্রয় দল তা উপেক্ষা করে। কেন? কারণ তারা কখনো এটা ব্যবহারের জন্য প্রশিক্ষণ পায় নি এবং তারা বিশ্বাস করে না। এটা AI উদ্যোগের নীরব খুনি। এটাAI প্রজেক্টের হারনেতারা যখন ভুলে যায় যে, শূন্যস্থানের অস্তিত্ব নেই — তখন তা লোকেদের কাজের পরিবর্তন করে ।

ম্যাকসি দেখেছেন যে ডিজিটাল রূপান্তরিততার ৭০% ডিজিটাল পরিবর্তন সংস্কৃতি আর পরিবর্তনের কারনে, প্রযুক্তি নয়। একজন সিনিয়র ম্যানেজারের দ্বারা করা সিদ্ধান্তের মূল বিষয়টা হল ম্যানেজারের মর্যাদা । আপনি যদি মানুষের ভয় না দেখেন, তাহলে এই প্রকল্পকে উন্মুক্ত বা খোলাখুলিভাবে বলা হবে । আমি এটা দেখেছি একটা বিক্রেতা চেইনের মধ্যে যেখানে একটি আবিষ্কারক মডেল মহান ফ্যানফায়ার দিয়ে বের হয়েছিল. তবে স্টোর ম্যানেজার নিজে স্টক করার আদেশ দেন কারণ তারা “তাদের স্থানীয় বাজারকে আরও ভাল করে দেখতে পারে। এই মডেলের সুপারিশগুলো ছয় মাস ধরে উপেক্ষা করা হয় যতক্ষণ না কোম্পানি ম্যানেজারের দত্তক নেবার বোনাসের সামান্য অংশ বন্ধ করে দেয়। এক চতুর্থাংশের মধ্যে আবিষ্কারকারীরা ১৪% বাদ দিয়েছে।

AI-র সাথে সংযোগ স্থাপন করতে ব্যর্থ:

• এটাতে কোন নির্বাহী স্পন্সর নেই।
• নকশার সময় ব্যবহারকারীদের সাথে কখনো আলোচনা করা হয়নি।
• এক ঘন্টা ওয়েবের মধ্যে প্রশিক্ষণ গ্রহণ করা হয়, হাত-হাতের অনুশীলন নয়।
• মডেল ত্রুটির প্রতিবেদন দেওয়ার জন্য কোনো প্রতিক্রিয়া নেই, তাই বিশ্বাস করুন ।
• "ব্লাক বক্স" সমস্যা: ব্যবহারকারীরা বুঝতে পারছেন না কেন AI সিদ্ধান্ত নিয়েছে, তাই তারা তা প্রত্যাখ্যান করেছে।

একটিও নয়গ্রামার রিপোর্টAI উদ্যোগের জন্য একটি নিবেদিত ব্যবস্থাপনা বাজেটের মাধ্যমে যে সমস্ত সংস্থা কাজ করে, তাদের ৪৫% সাফল্যের হার রয়েছে। এর জন্য ২০% কোম্পানি বাজেট বরাদ্দ করেছে।

অবাস্তব প্রত্যাশাগুলো

AI জাদু নয়। এটা সিলভার বুলেট নয়. এবং এটি অবশ্যই মাসে ১০x রিওআই প্রদান করে না। যে - নেতারা এই উত্তেজনাপূর্ণ চক্রে বিশ্বাস করে — যারা অনেক চ্যাটপিটি ডেমো দেখেছে — প্রায়ই আশা করা হয় যে, খুব দ্রুত, ব্যাপক পরিবর্তন ঘটবে । যখন বাস্তবতা আঘাত পায়, তারা প্রকল্পটিকে হত্যা করে, যখন তারা পরিপক্ব হবার সুযোগ থাকে, তাকে আহত করার আগেAI প্রজেক্টের হার.

এটাMIT Sলোদান নিবন্ধলক্ষ্য করুন যে কোম্পানি স্বল্প সময়ের মধ্যে কি করতে পারে এবং দীর্ঘমেয়াদি কাজকে ছোট করে দেখতে পারে। আমি দেখেছি একটি ইনফিনটেক চালু করা শুরু করে ৩,০০০,০০০ মার্কিন ডলার ব্যয় করা হবে। যখন চার্জের পরিমাণ কমে যায় মাত্র ১২ শতাংশ, সিএফও এই প্লাগটি সরিয়ে দেয়- যদিও ১২% মাসিক সঞ্চয় ছিল ১. ২ মিলিয়ন। প্রত্যাশিত দূরত্ব একটি নিখুঁত প্রকল্পটিকে হত্যা করেছে।

'বিশ্রামজনক প্রত্যাশা'র 'উদ্দেশ্য'র গভীর শিক্ষা ও উজ্জ্বলতা'র মতো প্রযুক্তিগত প্রযুক্তিগুলো নিয়মিত করে থাকে। অনেক AI প্রকল্প এভাবে মারা যায়, কারণ তারা শিক্ষার জন্য পরিকল্পনা করেনি। এটাAI প্রজেক্টের হারপ্রায়ই প্রযুক্তির মতো ধৈর্য ধরার ব্যর্থতা ঘটে ।

৫. পরিমাপ কাঠামো

আপনি যা পরিমাপ করেন না তার উন্নতি করতে পারেন না। তবে পরিষ্কার KPIs ছাড়া বেশ কিছু AI চালু হয়েছে। ১০% কম খরচ কমানোর লক্ষ্য কি ছিল? ৫% বৃদ্ধি বৃদ্ধি? তিন দিন থেকে চার ঘন্টা পর্যন্ত দীর্ঘ চক্র? সুনির্দিষ্টভাবে, সময়-প্রণোদিত লক্ষ্য, যে কোন ফলাফল জয়ের সমান হতে পারে- অথবা খুব বেশী, কেউ কিছু প্রমান করতে পারে না। এই বিশোধনের জন্ম হয় প্রাতিষ্ঠানিক উদাসীনতা আর প্রকল্পটি ধীরে ধীরে মারা যায় ।

আমি একবার একটি প্রকল্প পর্যালোচনা করেছি, যেখানে "সেন্সর্যের ৭০% উন্নয়ন" দাবি করা হয়েছে। যখন আমি খনন করলাম, তখন “সেন্সর” বিষয়টি সংজ্ঞায়িত করা হয়, যখন আমি প্রতিদিন ডাটা এন্ট্রি সংশোধন করে থাকি, কিন্তু সামগ্রিক ভাবে এই কাজে ব্যয় হয় নি। বারুদের কাজ ছিল, এটাকে ছোট করোনি. এটি একটি ক্লাসিক পরিমাপ ব্যর্থতা। এটাAI প্রজেক্টের হারনাটকীয়ভাবে যখন আপনি একটি সক্রিয় কেপিআই এর সামনে একটি ছোট সেট সংজ্ঞায়িত করেন, যা সরাসরি সমস্যার সাথে সরাসরি যুক্ত।

যেমন কেপিআই কাজ করে:

• ৬ মাসের মধ্যে গড় নিয়ম-নীতির মেয়াদ ২০% হ্রাস করে।
• ৪. ২ থেকে ৬. ০% পর্যন্ত বৃদ্ধি করুন।
• ভাইরাল ম্যানুয়ালের দাম ৩৫% বছর।
• উন্নত পূর্বাভাস সঠিক (এমপি) অগ্রসর হয়েছে ২২% থেকে ১২% পর্যন্ত।

এই সংখ্যাগুলো ছাড়া, আপনি অন্ধ হয়ে যাচ্ছেন — আর আপনি ৭০%তে যাবেন।

আপনার AI প্রজেক্ট কিভাবে হ্রাস করতে পারে

আমি সংস্থাগুলোকে তাদের কেটে ফেলতে সাহায্য করেছিAI প্রজেক্টের হার৭০% থেকে ৩০% নিচে। এই পদ্ধতি সেক্সী নয়. এটা নিয়মতান্ত্রিক। এটি প্রাচীনায়নকরণ, তথ্য স্বাস্থ্যবিধি, দ্রুত দম্ভ এবং মানব-বৈজ্ঞানিক চলতে থাকবে। এখানে ঠিক নীল রঙের ছাপ রয়েছে।

তুলনার টেবিল: voice প্রজেক্ট বিফল।

ডাইমেনশন	প্রজেক্ট (৭০% 1) বিফল	সফল প্রজেক্ট (৩০%)
সমস্যা ব্যাখ্যা করুন	পদার্থ অথবা একাধিক উদ্দেশ্য	একক, অসম্ভব ব্যবসায়িক সমস্যা
তথ্য প্রস্তুতি চলছে	কোনো তথ্য নিরীক্ষণকারী প্রি-প্রজেক্টের তথ্য নেই	৯০%+ তথ্যের সঠিক ও লেবেল
মাপার কেনা-ইন	শুধুমাত্র নির্বাহী আদেশ	ক্রস- ফাংশনাল টিম একদিন জড়িত
আরলো পরিমাপ	কোনও KPIO নির্ধারিত হয়নি	৩-৫-৫ সুনির্দিষ্ট সময়ের অঞ্চল
অনুমতি নিয়ে	বড় মাপের আরম্ভ	এলোমেলো, এমভিপি-ভিত্তিক রোল
পাসওয়ার্ড পরিবর্তন	কোনো প্রশিক্ষণ পরিকল্পনা নেই	ব্যবহারকারীর প্রশিক্ষণ, PDA টেস্ট এবং প্রতিক্রিয়া লুপ

প্রথমে সমাধান করার জন্য একটি সমস্যা বেছে নিন

মহাসাগর সিদ্ধ করার চেষ্টা বন্ধ করো আমি দেখেছি ২ মিলিয়ন বার চেষ্টা ব্যর্থ হয়েছে, কারণ তারা “সমস্ত গ্রাহকের যাত্রা” করার চেষ্টা করেছে। যে সমস্ত সংগঠন আঘাত করেছেAI প্রজেক্টের হারএকটা ছোট, বেদনাদায়ক, ব্যয়বহুল প্রক্রিয়া বেছে নাও এবং এটাকে দ্রুত আক্রমণ করো।

সমস্যাযুক্ত ওয়ার্কশপ ওয়ার্কশপ দিয়ে শুরু করো। ব্যবসা পরিচালনা, অপারেশন ম্যানেজার এবং তথ্য বিশ্লেষকদের একত্রিত করুন। প্রশ্ন করুন: “যদি তুমি একটা যাদুর যাদুর যাদুর দড়িটা নাড়া দিতে পার, ডাটা-ডিভেন-এর কাজ ঠিক করতে পারবে, যা আপনি ঘুমান, তাহলে কি হবে? এরপর তিনটি অক্ষরের ধারণা অনুসারে: সম্ভাব্য ব্যবসার প্রভাব, উপাত্তের অধিকার এবং উন্নয়নের ক্ষমতা। সেরা বুদ্ধিটা নাও। “এটা চমৎকার AI।

উচ্চ-বিত্ত, সীমিত ব্যবহারের ঘটনা বিবেচনা করার জন্য:

• গ্রাহক গণনা করেছে (৫. ৫% বৃদ্ধি পেয়েছে ২৫-৮৫%)।
• চূড়ান্ত দাবি করা হয়েছে (প্রায় ৩০%)।
• (তথ্যের তথ্যগত খরচ ৫০%) এর মধ্যে স্বয়ংক্রিয়ভাবে গঠন করা হয়েছে।
• একটি নির্দিষ্ট মেশিন শ্রেণীর জন্য অনুমানমূলক রক্ষণাবেক্ষণ।
• একক প্রোডাক্টের জন্য পরিবর্তনশীল সংরক্ষণ।

একটিও নয়BCG বিশ্লেষণদেখা গেছে যে কোম্পানিগুলো একটি উচ্চ-মানের ব্যবহারের উপর মনোযোগ প্রদান করছে, সম্ভবত প্রথম বছরে আরওআই দেখতে ২. ৩ বার। এই ফোকাসে তথ্য প্রস্তুতি এবং ব্যবস্থাপনাকে আরো সহজ করে তোলে, কারণ সবাই জানে কি সফল হতে পারে।

টাইপিং প্রতিরোধের পূর্বে আপনার তথ্য মুছে ফেলা হবে

আমি ডেটা প্রস্তুতির ৮০% সময় ব্যয় করেছি। তোমারও উচিত। আপনি যদি এই পদক্ষেপ এড়িয়ে চলেন, তাহলে আপনি বালিতে একটা বাড়ি নির্মাণ করছেন । এটাAI প্রজেক্টের হারআপনার ডাটা প্রদেশ সমস্যার সঙ্গে সরাসরি সংযুক্ত।

কোন মডেলিং শুরু করার আগে, বিস্তারিত তথ্য অডিট করতে হবে। আপনার তথ্য উৎসের মানচিত্র, সম্পূর্ণতা, সঠিক এবং সুসংগতি যাচাই করুন। তথ্য প্রোফাইল সংক্রান্ত তথ্য প্রোফাইলার টুল অথবা এমনকি সাধারণ Python স্ক্রিপ্ট ব্যবহার করুন। তাহলে সোর্সে সমস্যা ঠিক করো, পাইপে না।

ডি- ই- মেইল ঠিকানা:

1. বাঁদিক:ব্যবহারের উদ্দেশ্যে কি অতিরিক্ত তথ্য প্রাপ্ত হয়েছে? যদি তাই হয়, তবে সত্যের একটি উৎস তৈরি করুন (একটি ডাটা গুদাম অথবা ক্যাটালগ সহ একটি ডাটা লেক)। তা ছাড়া, আপনার মডেলের ইনপুটগুলোকে টুকরো করে ফেলা হবে এবং অবিশ্বস্ত হবে।
2. লেবেল:পর্যবেক্ষণের জন্য, লেবেলের মান হচ্ছে-অভিমান। আমি মডেলগুলোকে ব্যর্থ হতে দেখেছি কারণ ‘চুর্ন’ লেবেলকে যৌক্তিকভাবে সংজ্ঞায়িত করা হয়েছে (একটি দল ৬০ দিন পরে গ্রাহক হিসেবে গণনা করা হয়, ৯০ দিন পরে)। ব্যবসায়ী মালিকের সাথে কথা বলো, ডাটা ইঞ্জিনিয়ারদের না।
3. প্রি- কমান্ড সম্বন্ধে কোন ধারণা নেই:কোন সারি বা ভর্তি করবেন না। বুঝেছিসকেনতথ্য অনুপস্থিত। এটা কি এলোমেলো নাকি নিয়মতান্ত্রিকভাবে? আমি একবার সরবরাহশীল প্রতিষ্ঠান নিয়ে কাজ করেছি যেখানে ওজনের ২০% অনুপস্থিত ছিল; এটা জানা গেল যে যারা উচ্চ মানের চালানগুলোকে পাশ কাটিয়ে গিয়েছিল তারা ছিল উচ্চ মানের চালান। এই সারিগুলো ফেলে দেওয়া হলে মডেলটির প্রতি পক্ষপাত থাকবে।
4. ডি- স্যাচুরেট এবং মান:নিশ্চিত করুন গ্রাহকের ID, পণ্য এসকেইউএস এবং তারিখ বিন্যাস টেবিলের মধ্যে সামঞ্জস্যপূর্ণ। একটি ছোট দর কষাকষির প্রচেষ্টা মডেল হিসেবে ৫-১০% দক্ষতা অর্জন করতে পারে।
5. ডকুমেন্ট সংক্রান্ত তথ্য:তো যখন এক মাস পরে কোন কিছু ভেঙে যায়, তখন তুমি জানো তথ্য কোথা থেকে এসেছে।

এটাআইডিC অধ্যয়নএকটি নিবেদিত ইঞ্জিনিয়ারিং টিমের মাধ্যমে যেসব সংগঠন তাদের হ্রাস পায় তাদের প্রদর্শনAI প্রজেক্টের হার৪০%। আমার অভিজ্ঞতায়, যে কোম্পানি ৪-৬ সপ্তাহের তথ্য পরিশোধনে বিনিয়োগ করেছে, তারা মডেল দেখার আগে অন্তত ৬০% কম ব্যর্থতার হার দেখে।

একটি সর্বনিম্ন বিজয় মডেল তৈরি করুন

পবিত্রকরনের শত্রু। একদিন ৯৯% সঠিক তথ্য প্রদানের লক্ষ্য না। একটি ভালো মডেলের জন্য লক্ষ্য করুন যাতে আপনি ৪-৬ সপ্তাহ ধরে জাহাজ তৈরি করতে পারেন। বাস্তব ব্যবহারকারীর মতামত পান। তাহলে শক্ত করে ধরো।

একটি এমভিপি মডেল নিউরাল নেটওয়ার্ক চালিত হওয়ার প্রয়োজন নেই। আমি দেখেছি রেভেন্স রিগ্রেশন মডেলগুলো গ্রেডিয়েন্ট-বোট গাছের চেয়ে সমস্যা সমাধান করতে পারে কারণ তারা ব্যাখ্যা করতে ও পাঠানোর জন্য সহজ ছিল। আমরা যদি এই মডেল ব্যবহার করি, তাহলে কি এটা সুই সরিয়ে দেবে? যদি রোগনির্ণয় সত্য হয়, তা হলে আপনি জটিলতার মাত্রা বাড়িয়ে দিতে পারেন ।

বাস্তব-বিশ্ব এমভিপি টাইমলাইন:

• সপ্তাহ ১-২: তথ্য একত্রিতকরণ এবং কাঠামো (প্রায় ৮০%)।
• সপ্তাহ ৩: একটি সাধারণ মডেল তৈরি করুন (লাইন রিগ্রেশনাল ট্রি বা এক্সজিউট)।
• সপ্তাহ ৪: মৌলিক API এর মডেলটিকে চারকোনা করে এবং এটি একটি বিদ্যমান ড্যাশবোর্ড বা সাধারণ ওয়েব অ্যাপ্লিকেশনের সাথে সংযুক্ত করে।
• সপ্তাহ ৫-৬: ৩-৫ জন বন্ধুর সাথে পাইলট, সাড়া সংগ্রহ করা, প্রাথমিক KPIs-এর পরিমাপ করা।

আমি ছয় মাস ধরে এমন একটি দল দেখেছি, যার কোন প্রয়োজন নেই। একজন এমভিপি আপনাকে সস্তায় ব্যর্থ হতে দেয়- এবং যদি এটা ব্যর্থ হয়, তাহলে আপনি জানতে চান যে আপনি ২০,০০০ মার্কিন ডলার খরচ করেছেন। এটাAI প্রজেক্টের হারএমন সব দলের মধ্যে সব থেকে বেশী যারা এমভিপি (এমভিপি)-এর জাহাজ পরিচালনা করে না; তারা কেবল টিঙ্কারের মত।

চেঞ্জ ব্যবস্থাপনা বিনিয়োগ

আপনার AI'র ক্ষেত্রে এটি প্রযোজ্য নয়। এটা হচ্ছে মানুষের পার্শ্ব।AI প্রজেক্টের হারএবং এখানে বেশীরভাগ প্রযুক্তিগত দল পড়ে যায়। আপনার একজন পাইলট থেকে পুরো দত্তক নেয়ার পরিকল্পনা করা দরকার।

সর্বনিম্ন:

1. বিজয়ী:ব্যবসার দিক থেকে ২-৩ প্রভাবশালী ব্যবহারকারীরা যারা এমভিপি পরীক্ষা করবেন এবং এই টুলটি পরীক্ষা করবেন। আগে থেকেই তাদের এই বিষয়ে জানতে দিন।
2. কো-সেলু:নতুন কোন হাতিয়ারকে জোর করবেন না। বিদ্যমান সিদ্ধান্ত প্রবাহের আউটপুট বের করে নেওয়া হচ্ছে। উদাহরণ হিসেবে বলা যায়, একটা আলাদা ড্যাশবোর্ডের পরিবর্তে ক্রেতার নামে CRMের পাশে মডেলটির গোলের ঝুঁকিকে সরাসরি দেখায় ।
3. ছোট দলে প্রশিক্ষণ:৩০ মিনিটের এই সেশন চালানোর সময় ব্যবহারকারীরা প্রশ্ন করতে এবং মডেলের ভবিষ্যদ্বাণীর বাস্তব উদাহরণ দেখতে পারেন। ব্যাখ্যাকেনএই মডেল বেশ কিছু সুপারিশ করেছিল, এমনকি যদি এটা একটি সহজ ব্যাখ্যাও হয়ে থাকে।
4. একটি প্রতিক্রিয়া লুপ তৈরি করো:ব্যবহারকারীদের পতাকার ক্ষেত্রে সহজ উপায় দেওয়া, যেখানে AI ভুল ছিল। এটা দুটো উদ্দেশ্যে কাজ করে: এটা সময়ের সঙ্গে সঙ্গে মডেলকে উন্নত করে আর এর ফলে ব্যবহারকারীদের কথা শোনা যায় । ক্রমবর্ধমান পদ্ধতিতে বিশ্বাসের মাত্রা বৃদ্ধি করুন।
5. দত্তক নেবার জন্য টিয়ে উৎসাহ প্রদান করছে:মান true (সত্য) হলে, ব্যবহৃথ কর্মক্ষমতার সাথে ব্যবহারের সময় সুবিধা উপলব্ধ করা হবে। এটা ক্ষুদ্র হতে হবে না; এটা স্বীকৃতি পেতে পারে। আমার বয়স যখন ১২ বছর, তখন আমার বয়স ছিল মাত্র ১২ বছর ।

একটিও নয়গ্রামার রিপোর্টAI উদ্যোগের জন্য একটি নিবেদিত ব্যবস্থাপনা বাজেটের মাধ্যমে যে সমস্ত সংস্থা কাজ করে, তাদের ৪৫% সাফল্যের হার রয়েছে। এটা কোন কাকতালীয় ঘটনা নয়। এটাAI প্রজেক্টের হারমানুষ ছদ্মবেশে সমস্যা।

সফল AI পরিদর্শনের প্রকৃত উদাহরণ

আমি দেখেছি উপরের কাঠামোটি ব্যর্থ কারখানাগুলোকে সাফল্যের গল্পে পরিণত করে। এখানে তিনটা কেস স্টাডি আছে যা প্রমাণ করে যে তুই মারবিAI প্রজেক্টের হার.

কেস স্টাডি ১: লগস্টিক কোম্পানি জাহাজে ১২% সংরক্ষণ করে

• সমস্যা:দীর্ঘ সময় ধরে জাহাজের খরচ ছিল ১৫%।
• তথ্য:জাহাজ তৈরি করার জন্য তাদের তিন বছর সময় ছিল, যার মধ্যে ছিল সালসাফার জাহাজ রেকর্ড, যার মধ্যে রয়েছে উৎস, গন্তব্য, ওজন, ক্যারিয়ার এবং চূড়ান্ত খরচ । তথ্য এক সপ্তাহ পরে ৯০% সম্পূর্ণ হয়েছে।
• মডেল:সেবা- লেভেল-এর প্রয়োজনীয় চাহিদা বিবেচনা করে একটি গ্রেডিয়েন্ট ফিঙ্গিং মডেল সবচেয়ে সস্তা পরিবহনের পূর্বাভাস দিয়েছে।
• ডিপ্লোমা:মডেলটির আউটপুট সরাসরি বিতরণকারীদের বিদ্যমান ড্যাশবোর্ডে রাখা হয়েছিল । দুই মিনিটের মধ্যে স্টাফদের প্রশিক্ষণ দেয়া হয়.
• ফলাফল:৬ মাসের মধ্যে ১২% মূল্য কমিয়ে আনতে হবে। ৪ মাসের মধ্যে পেব্যাক। এই প্রকল্প সফল হয়েছে কারণ এটি সংকীর্ণ, তথ্য পড়া, এবং ব্যবহারকারী-সাক্ষা। এটাAI প্রজেক্টের হারএই কোম্পানির জন্য এখন শূন্য।

কেস স্টাডি ২: EComper-ectorer Bains ১৮% দ্বারা পরিবর্তিত

• সমস্যা:মধ্য বাজারের এক অনলাইন বিক্রেতা ব্যক্তিগত সুপারিশের মাধ্যমে গড়ে গড়ে গড়ে মান বৃদ্ধি করতে চায়।
• তথ্য:তিনটি ডাটাবেসের মধ্যে প্রত্নতা এবং ক্লিক্রম তালিকা প্রদর্শন করা হয়েছে। তারা ৩ মাস এক ঐক্যবদ্ধ গ্রাহকের সাথে যোগাযোগ টেবিল নির্মাণ করেছে।
• মডেল:সংযুক্ত বস্তু ভিত্তিক ফিল্টারিং, পরে একটি লাইটওয়েট নিউরাল নেটওয়ার্কের মাধ্যমে বর্ধিত হয়েছে।
• ডিপ্লোমা:সুপারিশকৃত উইজেটের পরিবর্তে পণ্য পাতায় "রঞ্জিত উৎপাদন" বিভাগটি ব্যবহার করা হয়েছে। পুরনো নিয়ম-ভিত্তিক সিস্টেমের বিরুদ্ধে/বি পরীক্ষা করা হয়েছে ।
• ফলাফল:রূপান্তরের হার ১৮% বৃদ্ধি হয়েছে এবং গড় মান হল ১১%। এটাAI প্রজেক্টের হারযদি তারা তথ্যকে আগে ঠিক না করে থাকে তাহলে এই প্রকল্পটিকে মেরে ফেলতে পারে। ভগ্নাংশের অংশের প্রারম্ভিক মডেল পরিবর্তিত হয়েছে । নিয়ন্ত্রণ গ্রুপের চাইতেও কম একটি ফলাফল ।

কেস স্টাডি ৩: Berders Locking সময় ২২%

• সমস্যা:একটি কী উৎপাদন লাইনে সময় নষ্ট না করার অভিজ্ঞতা হয়েছে।
• তথ্য:৫০ মেশিন থেকে কম মেশিনের মাধ্যমে সেন্সর উপাত্ত, তাপমাত্রা (প্রশ্ন, গতি), এবং রক্ষণাবেক্ষণ লগ।
• মডেল:প্রতি ঘন্টায় ৪৮ ঘন্টার মধ্যে বন উজাড় হয়ে যায়। এই মডেলটি ইচ্ছে করে খুব সাধারণ ভাবে রক্ষণাবেক্ষণ কর্মীদের রাখা হয়েছিল যাতে তারা সেরা সিগন্যালগুলো বুঝতে পারে।
• ডিপ্লোমা:এসএমএসের মাধ্যমে সুপারভাইজারদের ফোন পরিবর্তন করে উদ্ভিদ ব্যবস্থাপনা ব্যবস্থার সাথে যুক্ত থাকার জন্য অ্যালার্ম পাঠানো হয়। কীভাবে ব্যাখ্যা এবং সতর্কতা বজায় রাখা যায়, সেই বিষয়ে কর্মীদের প্রশিক্ষণ দেওয়া হয়েছিল ।
• ফলাফল:প্রথম কোয়ার্টারে ২২% কমে গেছে ১. ৩ মিলিয়ন ডলার। পরবর্তীতে দলটি তাদের বিশ্বাস গড়ে তোলার একটি কারণ ব্যাখ্যা প্রদান করে। এটাAI প্রজেক্টের হারএই উদ্যোগটি ছিল শূন্য কারণ তারা একদিন অপারেটরদের সাথে জড়িত ছিল।

এই কেস স্টাডিগুলো সাধারণ বৈশিষ্ট্য শেয়ার করে: লেজারের সমস্যা, পরিষ্কার তথ্য, এমভিপি মনসেট এবং পরিবর্তনের ক্ষেত্রে ব্যাপক বিনিয়োগ। এটা হল খেলার বই।

নীচের লাইন: ৩০%

এটাAI প্রজেক্টের হারএটা প্রকৃতির নিয়ম নয়. এটি দুর্বল পরিকল্পনা, খারাপ তথ্য এবং দুর্বল পরিবর্তন ব্যবস্থাপনার লক্ষণ। তুমি এটা হারাতে পারো। ৩০ শতাংশ সংগঠনের বুদ্ধিমান তথ্য বিজ্ঞানী নেই- তাদের আরও ভালো শাসন রয়েছে। তারা একটা সমস্যা বেছে নেয়, তাদের তথ্য পরিষ্কার করে দেয়, জাহাজ দ্রুত, আর তাদের লোকদের সাথে নিয়ে যায়।

এখানে আমি চাই আপনি পরবর্তী কাজটি করতে পারেন- একটি ৫টি পদক্ষেপের পরিকল্পনা যা আপনি আগামীকাল শুরু করতে পারেন:

1. আপনার তথ্য বিশ্লেষণ করুন।কাজের উপরে ব্যবহারের উদ্দেশ্যে একটি সপ্তাহ নির্ধারণ করুন। মান খুঁজে পাওয়া যাচ্ছে না। যদি আপনার তথ্য প্রস্তুত না হয়, ততক্ষণ পর্যন্ত বিলম্ব করা হবে।
2. একটা সমস্যা নাও।একটা সমস্যা আর আশা করা হচ্ছে আরিওআই। বিজনেস স্পন্সর এবং একটি ডাটা মালিকের কাছ থেকে সাইন আপ করুন।
3. এমভিপি গঠন করুন।সবচেয়ে সহজ মডেলটি ব্যবহার করুন যা কাজ করতে পারে। ৪ সপ্তাহের জাহাজ, এমনকি যদি এটা নিখুঁত নাও হয়। বিজনেস কেপিআইস এর ফলাফল তোমার নির্ধারিত হয়েছে.
4. তোমার লোকদের প্রশিক্ষণ দাও.হ্যান্ড-অন সেশন চালান, মতামত সংগ্রহ করুন এবং অভ্যন্তরীণ বিজয়ীদের নিয়োগ করুন। ভয় প্রকাশ্যে।
5. মাপ ও পরিমাপ করুন ।৩০ দিনের পর্যালোচনা চক্র নির্ধারণ করুন। যদি এমভিপি প্রতিশ্রুতি প্রদান করে, ডাটার গুণগত মান এবং মডেলকে উন্নত করতে বিনিয়োগ করবে। যদি তা না হয়, তাহলে দ্রুত এবং শিখতে হবে।

যদি আপনি এই কাঠামো অনুসরণ করেন, আপনি সেই ৩০% অর্জন করবেন। আমি জানি কারণ আমি এটা করেছি। আমি ডজন ডজন কোম্পানিকে সাহায্য করেছি — স্বাস্থ্যসেবা থেকে ভারী শিল্প পর্যন্ত —AI প্রজেক্টের হারএবং অবশেষে তাদের তথ্য থেকে প্রকৃত মূল্য বের করে আনা।

৭০% আর ৩০% জাদু নয়। এটা পদ্ধতি।

The AAQRO PRO PRO PRO PRO হতে ত্রুটি

AI প্রকল্প ব্যর্থ হওয়ার হার আসলে কী?

এটাAI প্রজেক্টের হারকৃত্রিম বুদ্ধিমত্তার সংখ্যাকে নির্দেশ করে, যারা বাণিজ্যিক মূল্য প্রদান করে না অথবা পাইলট থেকে উৎপাদনে ব্যর্থ হয়। বিসিজি (২০২৩)-এর তথ্য অনুযায়ী, ৭০ শতাংশ কোম্পানি BarrI-এর কাছ থেকে কোন ROI দেখতে পায়নি।(সূত্রে উদ্ধৃতি দেওয়া হয়েছে; ব্যর্থতার মাত্রা পুনরায় নির্ধারণ করা হবে সেপ্টেম্বরের ২০-২৬ তারিখ থেকে — উদ্ধৃতির আগে বর্তমান সংস্করণ নিশ্চিত করা হয়েছে।গারটনার (২০২১) সংবাদ প্রদান করেছে যে মাত্র ৫৪ শতাংশ AI নমুনা উৎপাদনে সক্ষম হয়, যার মানে সংজ্ঞা ৪৬ শতাংশ। আইডিসি (২০২২) ভর্তির আগে ২৮% ব্যর্থ হয়েছে এবং আরো অনেকে আহত হয়েছে। এই চুক্তি হচ্ছে ৬০-৭০ শতাংশ AI প্রকল্প কিছু অর্থপূর্ণ উপায়ে ব্যর্থ হয়েছে।

৩.

সেরা পাঁচটি কারণ হচ্ছে: কোন পরিষ্কার ব্যবসায়িক সমস্যা (টেকনৈনিক-প্রথম পদক্ষেপ), খারাপ তথ্য (বিশ্বাসহীন, অসম্পূর্ণ অথবা ভুল), পরিবর্তনের অভাব (জনাব গ্রহণ করা হবে না), অবাস্তব প্রত্যাশা (অভিব্যক্তিক) এবং কোন পরিমাপ কাঠামো নেই। সংস্কৃতি এবং উপাত্তের কারণে বেশিরভাগ সমস্যা, প্রযুক্তিগত ত্রুটির কারণে নয়।

কিভাবে আমি আমার কোম্পানির AI প্রকল্প হার কমাতে পারি?

একটি উচ্চ পর্যায়ের কেস ব্যবহার করে ছোট আকারের শুরু করুন। মডেলের আগে তথ্যের গুণগত মান ও শুদ্ধতার বিনিয়োগ। ব্যবহারকারীর মতামতের উপর ভিত্তি করে একটি ন্যূনতম নির্ভরযোগ্য মডেল তৈরি করুন। পরিবেশ ব্যবস্থাপনা, যোগাযোগ, এবং ব্যবহারকারীদের পরীক্ষা করার জন্য সমস্ত বাজেটকে স্পষ্টভাবে জানানো হয় । ৩-৫ নির্ধারণ করুন, সময় এসেছে KPIs ব্যবসা ফলাফলের সাথে সংযুক্ত। আমার নিজের মক্কেলের ৩০% থেকে ৭০% পর্যন্ত ব্যর্থতার হার কমিয়ে আনা হয়েছে।

প্রোডাকশনের সফল হার কী?

Gartera দেখেছে যে, পাইলট থেকে উৎপাদন করার জন্য মাত্র ৫৪% AI প্রকল্প পদক্ষেপ নিয়েছে। যারা এই প্রকল্প পরিচালনা করছে, তাদের মধ্যে কেবল ক্ষুদ্র এক ক্ষুদ্র ROI — বিসিজি-এর ৩০% সাফল্যের হার। সুতরাং প্রায় অর্ধেক ল্যাব ছেড়ে যায় না, এবং সেই কাজ, প্রায় অর্ধেক ওভারডিলিভার থেকে।

একটি বিফল AI প্রকল্প গড়ে কতটুকু মূল্য দেয়?

[ পাদটীকা] একটি মধ্যবর্তী AI প্রকল্পের জন্য ৫০,০০০-এরও বেশি তথ্য প্রস্তুত, সফটওয়্যার এবং প্রতিভা খরচ হতে পারে। বড় বড় ব্যবসা উদ্যোগ ২-৫ মিলিয়ন মার্কিন ডলার পর্যন্ত পৌঁছায়। যদি ৭০% ব্যর্থ হয়, একটি কোম্পানি বছরে ৫.

AI প্রকল্প কি নির্দিষ্ট কিছু শিল্পের ক্ষেত্রে ব্যর্থতার হার?

এটাAI প্রজেক্টের হারএই শিল্পের উপরে অনেক উপরে রয়েছে ভারী নিয়ন্ত্রণ বিষয়ক বাধা (হালকা, অর্থ, অর্থ) অথবা বিচ্ছিন্ন তথ্য পরিবেশ (মানুয়ারি, বিক্রেতা), কারণ তথ্য শাসন এবং পরিবর্তনের ব্যবস্থাপনা আরো কঠিন। তবে ৭০% সংখ্যা সেক্টরের মধ্যে সুনির্দিষ্টভাবে সীমাবদ্ধ। টেকনোলোজি কোম্পানিগুলো কম ব্যর্থতার হার আশা করে কারণ তাদের কাছে প্রায়শ:ই তথ্য অবকাঠামো এবং সাংস্কৃতিক প্রস্তুতি রয়েছে।

উন্নতির কি কোনো ভিন্ন হার আছে?

নতুন নতুন প্রকল্প এখনো তৈরি করা হচ্ছে, কিন্তু প্রাথমিক ভাবে নির্দেশ করা হচ্ছে যে, অনেক আশা, নৈতিক ঝুঁকি এবং বিষয়বস্তুর বাইরে ROI-এর হার অনেক বেশি। ডিলোয়েটের ২০২৪ সালের একটি জরিপ ইঙ্গিত করে যে, পাইলট-প্রণোদিত-প্রণোদিতভাবে শতকরা ৭৮ ভাগ ব্যর্থতার কথা নির্দেশ করে।

AI প্রজেক্ট পুনরায় নির্মাণ করতে ব্যর্থ?

অবশ্যই। বেশীর ভাগ “রক্ষা” প্রকল্প সংগঠন ব্যর্থ হয়েছে। পরিষ্কার সমস্যার সংজ্ঞা, পরিষ্কার তথ্য এবং সঠিক পরিবর্তন প্রক্রিয়া চালানোর মাধ্যমে আমি মৃত প্রকল্পগুলোকে পুনরায় শুরু করেছি। মডেলটি প্রায়ই ব্যবহারযোগ্য থাকে; এটা শুধু সঠিক পরিবেশ থাকা প্রয়োজন ।

AI প্রজেক্ট বিফলতার হাত থেকে রক্ষা পাওয়ার জন্য প্রস্তুত?

AI-তে টাকা নষ্ট করা বন্ধ করো যে জাহাজ কখনও. চিহ্নিত সময়েDG10 এজেন্সিআমরা কোম্পানিকে সাহায্য করি, ডিজাইন, নির্মাণ করি এবং সে প্রকল্প করি যা আসলে কাজ করে না- ল্যাবে না, কিন্তু বাস্তব বিশ্বে যেখানে কোন সমস্যা দেখা যায়।

আমরা কেটেছিAI প্রজেক্টের হারগড়ে ৪০% এরও বেশী আমাদের মক্কেলের জন্য। আমরা আপনার তথ্য দিয়ে শুরু করবো। আমরা রাস্তা পরিষ্কার করি। আমরা মডেল তৈরি করবো যেটা তোমার টিম ব্যবহার করবে. এবং আমরা আপনার দত্তকের মাধ্যমে আপনাদের সাথেই থাকব যতক্ষণ না ROI আপনাদের আয়ের বিবৃতিতে দেখা যাচ্ছে।

আজকে আমাদের সাথে কথা বলআপনার AI প্রেরণের লক্ষ্য সম্পর্কে. আসুন আমরা আপনাদের ৩০%ে নিয়ে যাই।

পড়া চালিয়ে যান

যদি এই গাইড সাহায্য করেন, তাহলে এর পেছনের সিস্টেমের আরো গভীরে যেতে হবে:

• ব্যবসায়িক তথ্যের জন্য কিভাবে একটি বাস্তব উৎস গঠন করতে হবে
• AI মার্কেট Complesor টুল: আমাদের স্বনির্ধারিত ইঞ্জিন
• ৭ = সর্বশ্রেষ্ঠ AI রিসার্চার (আই.ডি.)