ಮಾನವ ಉದ್ಯೋಗಗಳನ್ನು ಬದಲಿಸುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಸುತ್ತ ಚರ್ಚೆಯು ಎಂದಿಗೂ ಜೋರಾಗಿಲ್ಲ. ಆದರೆ Neo4j ನಲ್ಲಿನ ಡೆವಲಪರ್ ಸಂಬಂಧಗಳ ಉಪಾಧ್ಯಕ್ಷ ಸ್ಟೀಫನ್ ಚಿನ್, ಡೆವಲಪರ್ ಸಮುದಾಯಕ್ಕೆ ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮವಾದ ಸಂದೇಶವನ್ನು ಹೊಂದಿದ್ದಾರೆ: AI ನಿಮ್ಮ ಕೆಲಸವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ, ಆದರೆ AI ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂದು ತಿಳಿದಿರುವ ಡೆವಲಪರ್.
ಗ್ರೇಟ್ ಇಂಟರ್ನ್ಯಾಶನಲ್ ಡೆವಲಪರ್ ಶೃಂಗಸಭೆ 2026 (GIDS 2026) ರ ಸಂದರ್ಭದಲ್ಲಿ ಚಿನ್ CNBC-TV18 ಗೆ “ಹೊಂದಿಕೊಳ್ಳದ ಮತ್ತು AI ಅನ್ನು ಕಲಿಯದ ಸಾಫ್ಟ್ವೇರ್ ಡೆವಲಪರ್ಗಳು ಕಳೆದುಕೊಳ್ಳುತ್ತಿದ್ದಾರೆ” ಎಂದು ಹೇಳಿದರು. “ಯಶಸ್ವಿಯಾಗುವ ಜನರು ಕೌಶಲ್ಯವನ್ನು ಹೆಚ್ಚಿಸುವವರು, ಹೊಸ AI ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಕಲಿಯುತ್ತಾರೆ ಮತ್ತು ಅವರಿಗೆ ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ಸಾಧನಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತಾರೆ.”
ಡೆವಲಪರ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಸ್ಥಿತಿಯ ಬಗ್ಗೆ ಚಿನ್ ಸ್ವಲ್ಪವೂ ಮಾತನಾಡಲಿಲ್ಲ. ಚಾಟ್ಜಿಪಿಟಿ ಬಂದ ನಂತರ ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಪದವೀಧರರ ಉದ್ಯೋಗ ದರಗಳು ತೀವ್ರವಾಗಿ ಕುಸಿದಿವೆ ಮತ್ತು ಕಂಪನಿಗಳಿಗೆ ಕಡಿಮೆ ಎಂಜಿನಿಯರ್ಗಳು ಬೇಕಾಗಿರುವುದು ಕಾರಣವಲ್ಲ ಎಂದು ಅವರು ಗಮನಸೆಳೆದರು. ನಿರೀಕ್ಷೆಗಳು ಸರಳವಾಗಿ ಬದಲಾಗಿವೆ.
“ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದಿಂದ ಪದವಿ ಪಡೆದ ಹೆಚ್ಚಿನ ವಿದ್ಯಾರ್ಥಿಗಳು ಕ್ಲಾಸಿಕ್ ಕೋರ್ಸ್ ತೆಗೆದುಕೊಂಡರು ಮತ್ತು AI ಉಪಕರಣಗಳನ್ನು ಬಳಸಲು ಎಂದಿಗೂ ಕಲಿತಿಲ್ಲ” ಎಂದು ಅವರು ಹೇಳಿದರು. “ಕಂಪನಿಗಳು ಅವರನ್ನು ಸಂದರ್ಶಿಸುತ್ತವೆ, ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಕ್ಲೌಡ್ ಕೋಡ್ ಅಥವಾ ಕರ್ಸರ್ ಅನ್ನು ಬಳಸಲು ಅವರನ್ನು ಕೇಳಿ, ಮತ್ತು ಅವರು ಹೇಳುತ್ತಾರೆ – ಓಹ್, ಶಾಲೆಯಲ್ಲಿ AI ಅನ್ನು ಬಳಸಲು ನಮಗೆ ಅನುಮತಿಸಲಾಗಿಲ್ಲ, ಅದು ಮೋಸವಾಗಿದೆ. ಆದ್ದರಿಂದ ಅವರು ಕೆಲಸ ಪಡೆಯುತ್ತಿಲ್ಲ.”
ವಿಶ್ವವಿದ್ಯಾನಿಲಯಗಳಿಗೆ ಅವರ ಸಲಹೆ ನೇರವಾಗಿದೆ: ಪಠ್ಯಕ್ರಮವನ್ನು ಸುಧಾರಿಸಿ. ಮತ್ತು ಪೋಷಕರಿಗೆ ಅವರ ಸಲಹೆಯು ಅಷ್ಟೇ ಸ್ಪಷ್ಟವಾಗಿದೆ – ನಿಮ್ಮ ಮಕ್ಕಳನ್ನು AI ಪರಿಕರಗಳಲ್ಲಿ ನಿರರ್ಗಳವಾಗಿ ಪಡೆಯಿರಿ.
“ಅವರಿಗೆ ಕಾಪಿಲಟ್ ಚಂದಾದಾರಿಕೆಯನ್ನು ನೀಡಿ, ಅವರು ಕ್ಲೌಡ್ ಕೋಡ್ನೊಂದಿಗೆ ಆಟವಾಡಲು ಬಿಡಿ. ನೀವು ಅವರನ್ನು AI ನಲ್ಲಿ ನಿರರ್ಗಳವಾಗುವಂತೆ ಪ್ರೋತ್ಸಾಹಿಸಿದರೆ, ಅವರಿಗೆ ಅನುಕೂಲವಾಗುತ್ತದೆ. ಅವರು ಇಂದಿನ ಹಿರಿಯ ಡೆವಲಪರ್ಗಳಿಗಿಂತ ಉತ್ತಮವಾದ AI ಇಂಜಿನಿಯರ್ಗಳಾಗಿ ಪದವಿ ಪಡೆಯುತ್ತಾರೆ.”
AI ಮಾನವರನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ಅದು ಅವರನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ
AI ಅಂತಿಮವಾಗಿ ಮಾನವ ಕೆಲಸಗಾರರನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬದಲಾಯಿಸುತ್ತದೆಯೇ ಎಂಬ ದೊಡ್ಡ ಪ್ರಶ್ನೆಗೆ, ಚಿನ್ ಆಸಕ್ತಿದಾಯಕ ಸಮಾನಾಂತರವನ್ನು ಸೆಳೆಯಿತು. ಮಾನವರು ಕೇವಲ ಮಾನವನಂತೆ ಕಾಣುವ ವಸ್ತುಗಳಿಗೆ ಗುಣಗಳನ್ನು ಆರೋಪಿಸುತ್ತಾರೆ – ಆದರೆ ಅದು ಅವರನ್ನು ಮನುಷ್ಯರನ್ನಾಗಿ ಮಾಡುವುದಿಲ್ಲ ಎಂದು ಅವರು ಹೇಳಿದರು.
ಇದನ್ನೂ ಓದಿ | AI ಭಯಪಡುವಷ್ಟು ವೇಗವಾಗಿ ವೈಟ್ ಕಾಲರ್ ಉದ್ಯೋಗಗಳನ್ನು ತೊಡೆದುಹಾಕಲು ಸಾಧ್ಯವಿಲ್ಲ: ರಘುರಾಮ್ ರಾಜನ್
“ಕೆಲವು ರೀತಿಯ ಸಮಸ್ಯೆಗಳಲ್ಲಿ AI ತುಂಬಾ ಉತ್ತಮವಾಗಿದೆ. LLM ಗಳು ಡೇಟಾ ಸೆಟ್ಗಳ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದಿವೆ, ಅದು ಮಾನವನು ಜೀವಿತಾವಧಿಯಲ್ಲಿ ಏನನ್ನೂ ಒಡ್ಡುತ್ತದೆ ಎಂಬುದನ್ನು ಕುಬ್ಜಗೊಳಿಸುತ್ತದೆ. ಆದರೆ ಸಂಕೀರ್ಣವಾದ ತಾರ್ಕಿಕತೆ, ಅವಶ್ಯಕತೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಹೊಂದಿರುವುದು ಉತ್ತಮವಲ್ಲ” ಎಂದು ಅವರು ಹೇಳಿದರು. “ಅಲ್ಲಿಯೇ ಮನುಷ್ಯರು ಬರುತ್ತಾರೆ. AI ಮನುಷ್ಯರನ್ನು ವೃದ್ಧಿಸುತ್ತದೆ – ಅದು ಅವರನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ.”
ಅವರು ಸಾಮಾನ್ಯವಾಗಿ ಕಡೆಗಣಿಸಲ್ಪಡುವ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸವನ್ನು ಸಹ ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದ್ದಾರೆ: ಪರಿಚಿತ ಕೋಡ್ ಬೇಸ್ಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡುವ ಅನುಭವಿ ಡೆವಲಪರ್ಗಳು AI ಪರಿಕರಗಳನ್ನು ಬಳಸುವಾಗ ಸ್ವಲ್ಪ ನಿಧಾನವಾಗಿರುತ್ತಾರೆ. “ವಹಿವಾಟು ಇದೆ. ಜೂನಿಯರ್ ಡೆವಲಪರ್ಗಳು ಸಾಕಷ್ಟು ಹೆಚ್ಚುವರಿ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಪಡೆಯುತ್ತಾರೆ ಮತ್ತು ಹೊಸ ಕೋಡ್ ಬೇಸ್ಗಳಲ್ಲಿ ಅನುಭವಿ ಡೆವಲಪರ್ಗಳು ತ್ವರಿತವಾಗಿ ವೇಗವನ್ನು ಪಡೆಯಬಹುದು. ಆದರೆ ಪರಿಚಿತ ಕೋಡ್ ಬೇಸ್ನಲ್ಲಿ ಅನುಭವಿ ಡೆವಲಪರ್? AI ಯೊಂದಿಗೆ ಸ್ವಲ್ಪ ನಿಧಾನ.”
ಚಿನ್ ಹೈಲೈಟ್ ಮಾಡಿದ ಅತ್ಯಂತ ಮಹತ್ವದ ಬದಲಾವಣೆಗಳೆಂದರೆ AI ಪ್ರಯೋಗದಿಂದ ಉತ್ಪಾದನೆಯಲ್ಲಿ AI ಗೆ ಚಲಿಸುವುದು. ವರ್ಷಗಳವರೆಗೆ, ಕಂಪನಿಗಳು ಪೈಲಟ್ಗಳನ್ನು ನಡೆಸುತ್ತಿದ್ದವು ಮತ್ತು ಪರಿಕಲ್ಪನೆಯ ಪುರಾವೆಗಳನ್ನು ನೈಜ-ಪ್ರಪಂಚದ ನಿಯೋಜನೆಗೆ ಎಂದಿಗೂ ಮಾಡಲಿಲ್ಲ. ಅದು ಈಗ ಬದಲಾಗುತ್ತಿದೆ.
“ಈ ವರ್ಷದ ದೊಡ್ಡ ಬದಲಾವಣೆಯು ಜನರು AI ಯೊಂದಿಗೆ ವಿಷಯಗಳನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದಾರೆ – ಮತ್ತು ಬಹಳಷ್ಟು ಯೋಜನೆಗಳು ವಿಫಲವಾಗಿವೆ – AI ವಾಸ್ತವವಾಗಿ ಉದ್ಯಮ ಮತ್ತು ಉತ್ಪಾದನಾ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಶಕ್ತಿಯುತಗೊಳಿಸುವ ಯಶಸ್ವಿ ನಿಯೋಜನೆಗಳನ್ನು ಹೊಂದಲು” ಅವರು ಹೇಳಿದರು.
ಚಿನ್ ಪ್ರಕಾರ ಅನೇಕ ಆರಂಭಿಕ ನಿಯೋಜನೆಗಳು ವಿಫಲವಾಗಲು ಒಂದು ಪ್ರಮುಖ ಕಾರಣವೆಂದರೆ ಜೆನೆರಿಕ್ RAG – ಮರುಪಡೆಯುವಿಕೆ ವರ್ಧಿತ ಪೀಳಿಗೆಯ – ವ್ಯವಸ್ಥೆಗಳ ಮೇಲಿನ ಅತಿಯಾದ ಅವಲಂಬನೆ, ಇದು ನಿಖರತೆ ಮತ್ತು ವಿವರಣೆಯೊಂದಿಗೆ ಹೋರಾಡುತ್ತದೆ.
ಹೆಚ್ಚೆಚ್ಚು, ಕಂಪನಿಗಳು ಜ್ಞಾನದ ಗ್ರಾಫ್ಗಳು ಮತ್ತು ಗ್ರಾಫ್ ಡೇಟಾಬೇಸ್ಗಳಿಂದ ಬೆಂಬಲಿತವಾದ ಏಜೆಂಟ್ ಆರ್ಕಿಟೆಕ್ಚರ್ಗಳತ್ತ ಸಾಗುತ್ತಿವೆ, ಇದು AI ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಕೆಲಸ ಮಾಡಲು ರಚನಾತ್ಮಕ, ಸಂಬಂಧ-ಅರಿವಿನ ಪದರವನ್ನು ನೀಡುತ್ತದೆ.
“ಆಂಥ್ರೊಪಿಕ್ ಮತ್ತು ಇತರ AI ಕಂಪನಿಗಳ ಗುಂಪೂ ಸಹ ವಾಸ್ತುಶಿಲ್ಪದ ಭಾಗವಾಗಿ ಜ್ಞಾನದ ಗ್ರಾಫ್ಗಳನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದರ ಕುರಿತು ಶಿಫಾರಸುಗಳನ್ನು ಹೊಂದಿದೆ” ಎಂದು ಅವರು ಹೇಳಿದರು. “ಇದು ಸಂಶೋಧನೆಯಿಂದ ನಿಯೋಜನೆಗೆ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಪಡೆಯಲು ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಗೆ ಚಲಿಸುತ್ತದೆ.” Neo4j ತನ್ನ ಗ್ರಾಹಕರಲ್ಲಿ AbbVie, Pfizer ಮತ್ತು Daimler ಅನ್ನು ಪರಿಗಣಿಸುತ್ತದೆ, ಅವರು ಉತ್ಪಾದನೆ AI ಅನ್ನು ವೇಗವಾಗಿ ಪಡೆಯಲು ಈ ವಿಧಾನವನ್ನು ಬಳಸಿದ್ದಾರೆ.
AI ವೆಚ್ಚಗಳ ಕುರಿತು: ಗಾಬರಿಯಾಗಬೇಡಿ, ಆದರೆ ಸ್ಮಾರ್ಟ್ ಆಗಿರಿ
ಭಾರತೀಯ ಸಂಸ್ಥೆಗಳು ಆಂಥ್ರೊಪಿಕ್ನಂತಹ AI ಪೂರೈಕೆದಾರರೊಂದಿಗೆ ಹೆಚ್ಚು ಸಂಬಂಧ ಹೊಂದಿರುವುದರಿಂದ, ಚಂದಾದಾರಿಕೆ ಮತ್ತು ಟೋಕನ್ ವೆಚ್ಚಗಳ ಬಗ್ಗೆ ಕಾಳಜಿ ಹೆಚ್ಚುತ್ತಿದೆ. ಚಿನ್ ಒತ್ತಡವನ್ನು ಒಪ್ಪಿಕೊಂಡರು ಆದರೆ ಪಥವು ಸರಿಯಾದ ದಿಕ್ಕಿನಲ್ಲಿ ಚಲಿಸುತ್ತಿದೆ ಎಂದು ಹೇಳಿದರು.
“ಮಾಡೆಲ್ಗಳು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿರುವುದರಿಂದ ಎಲ್ಎಲ್ಎಂಗಳ ವೆಚ್ಚಗಳು ಕಾಲಾನಂತರದಲ್ಲಿ ಕಡಿಮೆಯಾಗುತ್ತಿವೆ” ಎಂದು ಅವರು ಹೇಳಿದರು. “ಆರಂಭದಲ್ಲಿ ಬಹಳಷ್ಟು ಟೋಕನ್ ವೆಚ್ಚಗಳನ್ನು ಸಬ್ಸಿಡಿ ಮಾಡಲಾಗಿತ್ತು – ಸ್ವಲ್ಪ ಸಮಯದವರೆಗೆ OpenAI ನಷ್ಟದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ. ಆದರೆ ಮಾದರಿಗಳು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿರುತ್ತವೆ ಮತ್ತು ಸ್ಪರ್ಧೆಯು ಹೆಚ್ಚಾದಂತೆ, ಟೋಕನ್ ವೆಚ್ಚಗಳು ಕಡಿಮೆಯಾಗುತ್ತವೆ.”
ಇದನ್ನೂ ಓದಿ | AI vs ಉದ್ಯೋಗಗಳು: ವಜಾಗೊಳಿಸುವಿಕೆಗೆ AI ಉಚಿತ ಪಾಸ್ ಆಗುವುದಿಲ್ಲ, ಚೀನಾ ನ್ಯಾಯಾಲಯಗಳು ಹೆಗ್ಗುರುತು ತೀರ್ಪುಗಳಲ್ಲಿ ಸೂಚಿಸುತ್ತವೆ
ಈ ಮಧ್ಯೆ, ಚುರುಕಾದ ವಾಸ್ತುಶಿಲ್ಪಗಳನ್ನು ಬಳಸುವುದು ಅವರ ಸಲಹೆಯಾಗಿದೆ. “ನೀವು ಉತ್ತಮ ಜ್ಞಾನದ ಪದರವನ್ನು ಬಳಸಿದರೆ – ಗ್ರಾಫ್ ಡೇಟಾಬೇಸ್ನಂತೆ – ನೀವು ಚಿಕ್ಕದಾದ, ಕಡಿಮೆ ವೆಚ್ಚದ ಮಾದರಿಯನ್ನು ಬಳಸಬಹುದು ಮತ್ತು ಇತ್ತೀಚಿನ AI ಮಾದರಿಗೆ ಹೋಲಿಸಬಹುದಾದ ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯಬಹುದು. ನೀವು ಇಂದು ವೆಚ್ಚವನ್ನು ಉಳಿಸುತ್ತೀರಿ ಮತ್ತು ಭವಿಷ್ಯದಲ್ಲಿ, ವೆಚ್ಚಗಳು ಹೇಗಾದರೂ ಕಡಿಮೆಯಾಗುತ್ತವೆ.”
ಯಾವ ವಲಯಗಳು ಹೆಚ್ಚು ಲಾಭ ಪಡೆಯುತ್ತವೆ
ಆರೋಗ್ಯ ರಕ್ಷಣೆ, ಹಣಕಾಸು ಸೇವೆಗಳು, ಪೂರೈಕೆ ಸರಪಳಿ, ಗ್ರಾಹಕ ಸೇವೆ ಮತ್ತು ಕಾನೂನು ಸಂಶೋಧನೆಯು ಚಿನ್ AI ಅಳವಡಿಕೆಯಿಂದ ಹೆಚ್ಚು ಪ್ರಯೋಜನ ಪಡೆಯುವುದನ್ನು ನೋಡುತ್ತದೆ.
“ಹಣಕಾಸು ಸೇವೆಗಳಲ್ಲಿ, ದೊಡ್ಡ ಡೇಟಾ ಸೆಟ್ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು, ಮಾದರಿಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಕಂಡುಹಿಡಿಯುವುದು ಮತ್ತು ಇತರರಿಗಿಂತ ವೇಗವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸುವ ಮೂಲಕ ವ್ಯಾಪಾರ ಅಥವಾ ವಂಚನೆ ಪತ್ತೆಯಲ್ಲಿ ನೀವು ಗೆಲ್ಲುವ ಮಾರ್ಗವಾಗಿದೆ” ಎಂದು ಅವರು ವಿವರಿಸಿದರು. “ಹೆಚ್ಚು ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಹುದಾದ ವೇಗವಾದ ವ್ಯವಸ್ಥೆಯು ನಿಮಗೆ ನಿಜವಾದ ಸ್ಪರ್ಧಾತ್ಮಕ ಪ್ರಯೋಜನವನ್ನು ನೀಡುತ್ತದೆ.”
ಉನ್ನತ ಮಟ್ಟದ ನಿರ್ಧಾರಗಳಿಗಾಗಿ AI ಮೇಲಿನ ನಂಬಿಕೆಯ ಪ್ರಶ್ನೆಯಲ್ಲಿ, ಅವರನ್ನು ಅಳೆಯಲಾಯಿತು. “ಮನುಷ್ಯರು ಸಹ ತಪ್ಪುಗಳನ್ನು ಮಾಡುತ್ತಾರೆ. ಮಿಷನ್-ಕ್ರಿಟಿಕಲ್ AI ಸಿಸ್ಟಮ್ಗಳಿಗಾಗಿ, ಅಂತಿಮ ವಹಿವಾಟುಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಮಧ್ಯದಲ್ಲಿ ಮನುಷ್ಯನನ್ನು ನೀವು ಬಯಸುತ್ತೀರಿ.” ಕ್ರೆಡಿಟ್ ಅನುಮೋದನೆಗಳು ಅಥವಾ ವಂಚನೆ ಪತ್ತೆಯಂತಹ ಸೂಕ್ಷ್ಮ ಡೊಮೇನ್ಗಳಲ್ಲಿ AI ಅನ್ನು ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿಸುವ ವಾಸ್ತುಶಿಲ್ಪವಾಗಿ – ಕಾಲಾನಂತರದಲ್ಲಿ ಹಿಂದಿನ ನಿರ್ಧಾರಗಳಿಂದ ಕಲಿಯಲು AI ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಅವಕಾಶ ನೀಡುವ ಸಂದರ್ಭ ಗ್ರಾಫ್ಗಳನ್ನು ಅವರು ಸೂಚಿಸಿದರು.
AI ಅಳವಡಿಕೆಯನ್ನು ವೇಗಗೊಳಿಸಲು ಬಯಸುವ ಭಾರತೀಯ ಕಂಪನಿಗಳಿಗೆ ಚಿನ್ ಅವರ ಸಂದೇಶವು ಸ್ಪಷ್ಟವಾಗಿದೆ: ಕೌಶಲ್ಯಗಳ ಅಂತರವನ್ನು ಮುಚ್ಚಿ, ಸರಿಯಾದ ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ನಿರ್ಮಿಸಿ ಮತ್ತು AI ಅನ್ನು ಬೆಳ್ಳಿ ಗುಂಡು ಅಥವಾ ಬೆದರಿಕೆ ಎಂದು ಪರಿಗಣಿಸುವುದನ್ನು ನಿಲ್ಲಿಸಿ.
“AI ಈಗಾಗಲೇ ಅತ್ಯಂತ ಪ್ರಾಯೋಗಿಕ, ಪ್ರಾಯೋಗಿಕ ಬಳಕೆಗಳ ಗುಂಪನ್ನು ಹೊಂದಿದೆ,” ಅವರು ಹೇಳಿದರು. “ವ್ಯವಸ್ಥೆಗಳು ಉಳಿಯಲು ಇಲ್ಲಿವೆ ಏಕೆಂದರೆ ಅವುಗಳು ಅಭಿವೃದ್ಧಿ ಮತ್ತು ವ್ಯವಹಾರ ಎರಡನ್ನೂ ಪರಿವರ್ತಿಸುತ್ತಿವೆ – ಆದರೆ ಉತ್ತಮ ರೀತಿಯಲ್ಲಿ, ನೀವು ಉತ್ತಮ ದಕ್ಷತೆ, ಉತ್ತಮ ಉತ್ಪಾದಕತೆ ಮತ್ತು ಕಡಿಮೆ ಪ್ರಮಾಣದಲ್ಲಿ ಹೆಚ್ಚಿನದನ್ನು ಮಾಡಬಹುದು.”
ಇದನ್ನೂ ಓದಿ | 2030 ರ ವೇಳೆಗೆ ಭಾರತದ ಆರ್ಥಿಕತೆಗೆ AI $ 500 ಶತಕೋಟಿಯನ್ನು ಸೇರಿಸಬಹುದು: ಅಧ್ಯಯನ
ಬೇಲಿಯ ಮೇಲೆ ಕುಳಿತಿರುವ ಡೆವಲಪರ್ಗಳಿಗೆ, ಅವರ ವಿಭಜನೆಯ ಸಲಹೆಯು ನೇರವಾಗಿರುತ್ತದೆ: ನಿಮ್ಮ ಕೋಡ್ ಅನ್ನು ಹೊಂದಿರಿ, AI ಅನ್ನು ಅರ್ಥವಿರುವ ಎಲ್ಲೆಡೆ ಬಳಸಿ ಮತ್ತು AI ಉಪಕರಣದ ಔಟ್ಪುಟ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳದೆ ನಿಮ್ಮ ಕೈಗಳನ್ನು ಬಿಡಬೇಡಿ. “ನೀವು ಡೆವಲಪರ್ ಆಗಿದ್ದೀರಿ. ಕೋಡ್ಗೆ ನೀವೇ ಜವಾಬ್ದಾರರಾಗಿರುತ್ತೀರಿ. ನೀವು ಬರೆಯುವ ಕೋಡ್ ಮತ್ತು AI ಬರೆಯುವ ಕೋಡ್ ಅನ್ನು ನಿಮ್ಮ ಕೆಲಸದ ಉತ್ಪನ್ನವಾಗಿ ಪರಿಗಣಿಸಿ ಮತ್ತು ಅದನ್ನು ಉನ್ನತ ಗುಣಮಟ್ಟಕ್ಕೆ ಇರಿಸಿ.”
