Decision Intelligence: From Data to Action at Enterprise Scale

2018-ൽ, ഗൂഗിൾ അസാധാരണമായി ഒരു പുതിയ ജോലി പേര് സൃഷ്ടിച്ചു: കമ്പനിയുടെ ആദ്യത്തെ ചീഫ് ഡെസിഷൻ സയന്റിസ്റ്റ് — ചീഫ് ഡാറ്റ ഓഫീസർ അല്ല, വിശകലനത്തിന്റെ വൈസ് പ്രസിഡന്റ് അല്ല, പക്ഷേ സംഘടനയ്ക്ക് മികച്ച തീരുമാനങ്ങൾ എടുക്കാൻ സഹായിക്കുന്ന ആള്.

എന്തുകൊണ്ട്? ഗൂഗിൾ കണ്ടെത്തിയത് പല സംഘടനകളും ഇപ്പോഴും മനസ്സിലാക്കിയിട്ടില്ല: ഡാറ്റ ഉണ്ടായിരിക്കുന്നത് ഡാറ്റ നന്നായി ഉപയോഗിക്കുന്നതിന് സമാനമല്ല. അവർക്ക് പെറ്റാബൈറ്റുകളുള്ള വിവരങ്ങൾ ഉണ്ടായിരുന്നു, ഡാറ്റ ശാസ്ത്രജ്ഞരുടെ സൈന്യങ്ങൾ, ലോകത്തിലെ മികച്ച എംഎൽ അടിസ്ഥാനസൗകര്യങ്ങൾ. എന്നിരുന്നാലും, അവർ ഒരേ രീതിയിലുള്ള മാതൃക കണ്ടു: ആരും പ്രവർത്തിക്കാത്തത്, പെരുമാറ്റം മാറ്റാത്തത്, സംഭവങ്ങളെ സൃഷ്ടിക്കാത്ത എഐ മോഡലുകൾ ഉള്ള അത്ഭുതകരമായ വിശകലനം.

"ഏത് സന്ദർഭത്തിലും വിവരങ്ങളെ മികച്ച പ്രവർത്തനമാക്കി മാറ്റുന്നതിന്റെ ശാസ്ത്രമാണ് തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തി."

ഇത് പഴയ ആശയങ്ങൾക്ക് ഒരു പുതിയ ലേബൽ മാത്രമല്ല. ഡാറ്റ, വിശകലനം, പ്രവർത്തനം എന്നിവയുടെ ബന്ധത്തെക്കുറിച്ച് സംഘടനകൾ ചിന്തിക്കുന്ന രീതിയിൽ തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തി ഒരു അടിസ്ഥാനപരമായ മാറ്റത്തെ പ്രതിനിധീകരിക്കുന്നു. നിങ്ങൾക്ക് ഞങ്ങളുടെ സഹകരണ തീരുമാനമെടുക്കൽ മാർഗനിർദ്ദേശം വായിച്ചിട്ടുണ്ടെങ്കിൽ, ഇതിന്റെ മനുഷ്യ വശം നിങ്ങൾക്ക് കണ്ടിട്ടുണ്ടാകും - കോണ്ടോർസെറ്റിൽ നിന്ന് ഗൂഗിൾ പ്രോജക്റ്റ് അരിസ്റ്റോട്ടിൽ വരെയുള്ള 240 വർഷത്തെ ഗവേഷണം, ശരിയായി സംഗ്രഹിച്ച വൈവിധ്യമാർന്ന കാഴ്ചപ്പാടുകൾ വ്യക്തിഗത വിധിയെ മറികടക്കുന്നു.

തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തി അത്തരം അടിത്തറയും ചോദിക്കുന്നു: എന്താണ് നമുക്ക് എഐ, കാരണകാര്യ മോഡലിംഗ്, ക്രമീകൃത ഫീഡ്ബാക്ക് ലൂപ്പുകൾ ചേർത്താൽ?

ഒരു പ്രശ്നം $3.1 ട്രില്യൺ: പ്രവർത്തനമില്ലാത്ത അന്തർദൃഷ്ടി

ഓരോ എക്സിക്യൂട്ടീവിനും അലാറം ബട്ടണായിരിക്കണം എന്ന ഒരു സംഖ്യ: 65% സംഘടനകൾ ഇപ്പോഴും നിർണ്ണയങ്ങൾ എടുക്കാൻ ഡാറ്റ ഉപയോഗിക്കുന്നില്ല, പകരം ഡാറ്റ നിർണ്ണയങ്ങൾ ന്യായീകരിക്കാൻ മാത്രം (ഗാർട്ട്നർ, 2024). അവർക്ക് ബിസിനസ്സ് ഇന്റലിജൻസ് ഡാഷ്ബോർഡുകളുണ്ട്. അവർക്ക് ഡാറ്റ സയൻസ് ടീമുകളുണ്ട്. പക്ഷേ ഡാറ്റ പെരുമാറ്റത്തെ മാറ്റിക്കൊണ്ടിരിക്കില്ല.

ഇതാണ് തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തി പരിഹരിക്കുന്ന പ്രശ്നം. കൂടുതൽ ഡാഷ്ബോർഡുകൾ അല്ല, കൂടുതൽ എംഎൽ മോഡലുകൾ അല്ല - വിവരങ്ങളിൽ നിന്ന് പ്രവർത്തനത്തിലേക്കും ഫലത്തിന്റെ അളക്കലിലേക്കും മുഴുവൻ പ്രവാഹത്തെയും പുനഃരൂപകല്പന ചെയ്യിക്കൊണ്ട്.

ഒരു ഹ്രസ്വ ചരിത്രം: തീരുമാന എഞ്ചിനീയറിംഗിൽ നിന്ന് തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തിയിലേക്ക്

തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തിയുടെ സങ്കൽപ്പ വേരുകൾ 1950-കളിലേക്ക് പോകുന്നു - ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, ഓപ്പറേഷൻസ് റിസർച്ച്, ഹെർബർട്ട് സൈമൺസിന്റെ പരിമിത യുക്തിയെക്കുറിച്ചുള്ള നോബൽ സമ്മാനം നേടിയ അതേ കാലഘട്ടത്തിൽ.

രണ്ട് ട്രാക്കുകളും ഒരേ മതിൽ കണ്ടു: സാങ്കേതിക സൗകര്യം ഇല്ലാതെ. പ്രാറ്റ്സിന്റെ അക്കാദമിക് ജോലി കാരണമില്ലാത്ത യുക്തി (കാരണം ഇല്ലാതെ) കാരണം കാണിച്ചു; കോസിർകോവിന്റെ വ്യവസായ ജോലി അത് ശരിയാക്കാൻ എങ്ങനെയെന്ന് കാണിച്ചു.

ബിസിനസ്സ് ഇന്റലിജൻസ് vs ഡാറ്റ സയൻസ് vs തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തി

ഡിഐ ഏറ്റവും വ്യക്തമായി മനസ്സിലാക്കാൻ കഴിയുന്ന വിധം ഇത് മൂന്ന് ശാസ്ത്രശാഖകളിൽ നിന്ന് വ്യത്യസ്തമാണ്:

പ്രധാന അന്തർദൃഷ്ടി: ഡിഐ ബിഐ അല്ലെങ്കിൽ ഡാറ്റ സയൻസിനെ മാറ്റിക്കൊണ്ടിരിക്കില്ല - അവ പൂർത്തിയാക്കുന്നു. ബിഐ ചരിത്രപരമായ സന്ദർഭം നൽകുന്നു. ഡാറ്റ സയൻസ് പ്രവചനങ്ങൾ നൽകുന്നു. ഡിഐ തീരുമാന യുക്തി, പ്രവർത്തന നിർദ്ദേശങ്ങൾ, അന്തർദൃഷ്ടിയും സ്വാധീനവും തമ്മിലുള്ള അന്തരം അടയ്ക്കുന്ന ഫീഡ്ബാക്ക് ലൂപ്പ് എന്നിവ ചേർത്ത്.

തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തി ഫ്രെയിംവർക്ക്

അതിന്റെ ഹൃദയത്തിൽ, ഡിഐ ഒരു ലളിതമായതും ശക്തവുമായ മോഡലിൽ പ്രവർത്തിക്കുന്നു:

ഇത് പുറംതോടിൽ സൈനിക തന്ത്രത്തിൽ നിന്നുള്ള ഒഒഡിഎ ലൂപ്പിനെ (നിരീക്ഷിക്കുക-ഓറിയന്റുചെയ്യുക-തീരുമാനിക്കുക-പ്രവർത്തിക്കുക) സാമ്യമുള്ളതായി കാണപ്പെടുന്നു. എന്നിരുന്നാലും, ഒരു ക്രിട്ടിക്കൽ വ്യത്യാസമുണ്ട്: പഠിക്കുക ഘട്ടം. നിങ്ങൾക്ക് ഫലങ്ങൾ അളക്കാൻ കഴിയാത്തതിനാൽ റിയൽ-ടൈം പോരാട്ട തീരുമാനങ്ങൾക്കായി ഒഒഡിഎ രൂപകൽപ്പന ചെയ്തു. ഡിഐ സംഘടനാത്മക തീരുമാനങ്ങൾക്കായി രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു, അവിടെ നിങ്ങൾക്ക് പഠിക്കാം - തീരുമാനങ്ങളിൽ നിന്ന് ഫലങ്ങളിൽ നിന്ന് ക്രമീകരിച്ച്.

കാരണ-ഫല തീരുമാന ചിത്രങ്ങൾ: കാരണ-ഫല മാപ്പ് കാണുക

തീരുമാനം എടുക്കുന്നതിനുള്ള ബുദ്ധിശക്തിയുടെ ഹൃദയം കാരണകാര്യ യുക്തിയാണ് - എന്താണ് എന്തിനെയെന്ന് മാത്രമല്ല, എന്താണ് യഥാർത്ഥത്തിൽ എന്തിനെയെന്ന് മനസ്സിലാക്കുക. ഇത് താഴെ പറയുന്നവയ്ക്കിടയിലുള്ള വ്യത്യാസമാണ്:

ഒരു കാരണ-ഫല തീരുമാന ചിത്രം (സിഡിഡി) ഈ കാരണ-ഫല ബന്ധങ്ങളെ ദൃശ്യവൽക്കരിക്കുന്നു. ഇത് കാണിക്കുന്നു:

• ലക്ഷ്യങ്ങൾ: ഞങ്ങൾ നേടാൻ ശ്രമിക്കുന്ന ഫലങ്ങൾ
• മാർഗ്ഗങ്ങൾ: നമുക്ക് ചെയ്യാൻ കഴിയുന്ന പ്രവർത്തനങ്ങൾ
• ഇടനിലത്തുള്ള ഘട്ടങ്ങൾ: ഒരു മാർഗ്ഗത്തിനും ലക്ഷ്യത്തിനുമിടയിലുള്ള ബന്ധങ്ങളുടെ പരമ്പര
• ബാഹ്യഘടകങ്ങൾ: നമുക്ക് നിയന്ത്രിക്കാൻ കഴിയില്ല, പക്ഷേ കണക്കിൽ എടുക്കേണ്ട കാര്യങ്ങൾ

"തീരുമാനം എടുക്കേണ്ടതിനെ ചുറ്റിപ്പറ്റിയുള്ള ഡാറ്റയെ ചുറ്റുപാടും വിവരങ്ങളെ വിന്യസിക്കുന്നതിനേക്കാൾ മികച്ചത് തീരുമാനം എടുക്കേണ്ടതിനെ ചുറ്റിപ്പറ്റിയാണ്."

AI എവിടെ ഇടം പിടിച്ചിരിക്കുന്നു: വർദ്ധിപ്പിക്കൽ, പ്രത്യാമ്നായമല്ല

ഇവിടെയാണ് തീരുമാന ബുദ്ധിമുട്ട് ഏറ്റവും കടുത്തരീതിയിൽ രണ്ട് "AI എല്ലാം യന്ത്രവൽക്കരിക്കും" ഹൈപ്പിൽ നിന്നും "മനുഷ്യർ എപ്പോഴും തീരുമാനിക്കണം" പാരമ്പര്യത്തിൽ നിന്നും വ്യത്യസ്തമാകുന്നത്. DI യുടെ നിലപാട്: AI മനുഷ്യ തീരുമാനമെടുക്കൽ വർദ്ധിപ്പിക്കുന്നു; മനുഷ്യർ ഉത്തരവാദിത്തം നിലനിർത്തുന്നു.

നെറ്റ്ഫ്ലിക്സ് ഒരു പ്രധാന ഉദാഹരണമാണ്. അവരുടെ റെക്കോമെൻഡേഷൻ എഞ്ചിൻ (AI) 300 ദശലക്ഷം സബ്സ്ക്രൈബർമാരുടെ കാഴ്ചപ്പാട് രീതികൾ പ്രോസസ്സ് ചെയ്യുന്നു. ഒരു എപ്പിസോഡ് ചിത്രീകരിക്കുന്നതിന് മുമ്പ് തന്നെ ഇത് ഹൗസ് ഓഫ് കാർഡ്സ് വിജയിക്കുമെന്ന് പ്രവചിച്ചു. എന്നിരുന്നാലും, മനുഷ്യർ - സ്റ്റുഡിയോ എക്സിക്യൂട്ടീവുകൾ - $100 ദശലക്ഷം ഉത്പാദനത്തിന് പച്ചക്കൊടി കാണിച്ചത്. AI പാറ്റേൺ കണ്ടെത്തൽ എന്ന അറിവുള്ള ഭാരം കൈകാര്യം ചെയ്തു; മനുഷ്യർ ഉത്തരവാദിത്തം കൈകാര്യം ചെയ്തു.

നെറ്റ്ഫ്ലിക്സിൽ കാണുന്ന 80% കണ്ടെന്റ് റെക്കോമെൻഡേഷൻ എഞ്ചിനിൽ നിന്നാണ്. എന്നിരുന്നാലും, നെറ്റ്ഫ്ലിക്സ് പ്രസ്താവിക്കുന്നു യന്ത്രങ്ങളല്ല, മനുഷ്യർ ആണ് അന്തിമ തീരുമാനമെടുക്കുന്നവർ.

2025-2030 അവലംബം തരംഗം

തീരുമാന ബുദ്ധിമുട്ട് പഠന സിദ്ധാന്തത്തിൽ നിന്ന് ഏറ്റവും പല ശാഖകളേക്കാൾ വേഗത്തിൽ സ്ഥാപന സ്വീകരണത്തിലേക്ക് നീങ്ങി:

2025 ലെ ഗാർട്ട്നർ AI ഹൈപ്പ് സൈക്കിൾ തീരുമാന ബുദ്ധിമുട്ടിനെ ഒരു പരിവർത്തന സാങ്കേതികവിദ്യ ആയി അംഗീകരിക്കുന്നു - 5-20% നിലവിലെ സ്വീകരണത്തെ സൂചിപ്പിക്കുന്നു, 2-5 വർഷത്തിനുള്ളിൽ പ്രധാനധാരാ പക്വത പ്രതീക്ഷിക്കുന്നു. ഇപ്പോൾ DI ശേഷി നിർമ്മിക്കുന്ന സ്ഥാപനങ്ങൾക്ക് അത് ടേബിൾ സ്റ്റേക്കുകളാകുമ്പോൾ മെച്ചപ്പെട്ട പ്രക്രിയകളും സംഘടനാപരമായ വിദഗ്ധതയും ഉണ്ടായിരിക്കും.

സഹകരണ തീരുമാനമെടുക്കൽ മുതല് തീരുമാന ബുദ്ധിമുട്ട് വരെ

നിങ്ങൾക്ക് ഞങ്ങളുടെ സഹകരണ തീരുമാനമെടുക്കൽ ഗൈഡ് വായിച്ചിട്ടുണ്ടെങ്കിൽ, നിങ്ങൾക്ക് DI അടിസ്ഥാനമാക്കിയിരിക്കുന്ന അടിത്തറ തിരിച്ചറിയും:

ഇത് ഇങ്ങനെ ചിന്തിക്കുക: സിഡിഎം ആണ് മനുഷ്യകേന്ദ്രീകൃത അടിത്തറ; DI ആണ് ആ അടിത്തറയിൽ നിർമ്മിച്ചിരിക്കുന്ന സാങ്കേതികവിദ്യാ വർദ്ധിപ്പിച്ച സംവിധാനം. നിങ്ങൾക്ക് നല്ല ഡിഐ ഉണ്ടാകില്ലെങ്കിൽ സഹകരണ തീരുമാന തത്വങ്ങളില്ല. എന്നാൽ നിങ്ങൾക്ക് DI യുടെ കഴിവുകൾ ചേർത്ത് CDM ന്റെ ശക്തി ഗണ്യമായി വിപുലീകരിക്കാം.

എർഗ്യുമെന്റ്രീ തീരുമാന ബുദ്ധിമുട്ട് എങ്ങനെ നടപ്പിലാക്കുന്നു

ആർഗ്യുമെന്റ്രീ നിജസമയ സംഘടനാപരമായ തീരുമാനമെടുക്കൽക്കായി തീരുമാന ബുദ്ധിമുട്ട് തത്വങ്ങൾ പ്രയോഗിക്കുന്നു. തീരുമാനങ്ങളെ ഒരുകാലത്തെ സംഭവങ്ങളായി കണക്കാക്കുന്നതിനു പകരം, പ്ലാറ്റ്ഫോം ഒരു തുടർച്ചയായ പഠന സംവിധാനം സൃഷ്ടിക്കുന്നു:

ഫലമായി, ഓരോ തീരുമാനവും ഒരു പഠന അവസരമായി മാറുന്നു. ടീമുകൾ സംഘടനാപരമായ മെമ്മറി നിർമ്മിക്കുന്നു. പുതിയ അംഗങ്ങൾക്ക് എന്ത് തീരുമാനിച്ചു എന്നും എന്തുകൊണ്ട് - യുക്തി യാഥാർത്ഥ്യത്തിന്റെ വിരുദ്ധതയെ പ്രതിരോധിച്ചുവെങ്കിൽ എന്നും മനസ്സിലാക്കാം.

പൂർണ്ണ ഗൈഡ്

ഈ പോസ്റ്റ് തീരുമാന ബുദ്ധിമുട്ടിന്റെ അടിസ്ഥാനകാര്യങ്ങൾ ഉൾക്കൊള്ളുന്നു. പൂർണ്ണ ആഴത്തിലുള്ള ഡൈവ് - സമ്പൂർണ്ണ ഫ്രെയിംവർക്ക് ആർക്കിടെക്ചർ, നടപ്പാക്കൽ രീതികൾ, കാരണ ചിത്രീകരണ സാങ്കേതികവിദ്യകൾ, AI ഏകീകരണ രീതികൾ, സംഘടനാപരമായ നടപ്പാക്കൽ, അതിനെല്ലാം പിന്നിലെ ഗവേഷണം എന്നിവയും ഉൾപ്പെടെ - ഞങ്ങളുടെ നിർണായക വിഭവനം കാണുക: