देखें: AI डेटा ओवरलोड को स्मार्ट डिसीजन-मेकिंग में कैसे बदल सकता है?
नवंबर में रोम में SiGMA मध्य यूरोप में, इंडस्ट्री लीडर्स CEVRO द्वारा पावर्ड एक हाई-लेवल पैनल के लिए इकट्ठा हुए, जिसका टाइटल था डिसीजन-मेकिंग में AI: डेटा ओवरलोड से स्ट्रेटेजिक इनसाइट्स तक। इस डिस्कशन को क्रिज़िस्तोफ़ शिज़्ज़किविज़ ने मॉडरेट किया, जो वैल्यूशिप्स के को-फ़ाउंडर और पार्टनर हैं। वैल्यूशिप्स एक बुटीक प्राइसिंग कंसल्टेंसी है जो AI-ड्रिवन स्ट्रेटेजी के साथ बड़े पैमाने पर काम करती है।
स्टेज पर उनके साथ माइकल कटाजार, फ़ाउंडर और एकोरा के CEO, सेवरो AI के फाउंडर और CEO चैम हेबर, SiGMA प्ले के मैनेजिंग डायरेक्टर मेक्स एमिनी और क्लाउड ऑफिस के टेक्निकल डायरेक्टर चावदार ट्रेंडाफिलोव। साथ मिलकर, उन्होंने यह पता लगाया कि ऑर्गनाइज़ेशन रॉ डेटा जमा करने से आगे बढ़कर असली, एक्शन लेने लायक इंटेलिजेंस की ओर कैसे बढ़ सकते हैं।
डेटा से इनसाइट
सेशन एक रियलिटी चेक के साथ शुरू हुआ। “हमारे पास हर साल 90% ज़्यादा डेटा होता है,”सिज़किविज़ ने कहा, और ऑडियंस से पूछा कि कितने लोगों को लगता है कि वे “डेटा के ढेर पर बैठे हैं,”और ऑडियंस में लगभग हर हाथ ऊपर उठ रहा था।
हेबर के लिए, समस्या कलेक्शन नहीं बल्कि क्लैरिटी है। “डेटा इकट्ठा करना ज़रूरी नहीं है। आपको पता होना चाहिए कि आप क्या नतीजा पाना चाहते हैं,”उन्होंने कहा, इस बात पर ज़ोर देते हुए कि फ़ैसले लेने की शुरुआत इरादे से होती है, डैशबोर्ड से नहीं।
ट्रेंडाफिलोव ने भी यही कहा, और बिखरे हुए सिस्टम को एक बड़ी रुकावट बताया। “अक्सर हमारे पास अलग-अलग जगहों पर डेटा के साइलो होते हैं, उन्हें जोड़े बिना और इस्तेमाल किए बिना,” उन्होंने समझाया, और एक जैसी डेटा स्ट्रेटेजी की वकालत की और डेटा को बाय-प्रोडक्ट के बजाय एक प्रोडक्ट की तरह माना।
अराजकता को स्ट्रक्चर करना
फाइनेंस और अकाउंटिंग में, सटीकता पर कोई समझौता नहीं किया जा सकता। कटाजार ने गड़बड़ इनपुट को स्ट्रक्चर्ड इंटेलिजेंस में बदलने की चुनौती पर ज़ोर दिया। उन्होंने कहा, “अनस्ट्रक्चर्ड डेटा को स्ट्रक्चर्ड डेटा में बदलना सबसे बड़ी चुनौती है,” उन्होंने यह भी कहा कि जब कॉन्टेक्स्ट साफ़ नहीं होता है, तब भी AI को इंसानी एक्सपर्टीज़ से फ़ायदा होता है।
पर्सनलाइज़ेशन से चलने वाले AI के लिए, कॉन्टेक्स्ट और भी ज़रूरी हो जाता है। हेबर ने समझाया, “अगर आप इसे सही कॉन्टेक्स्ट नहीं देते हैं, तो AI एजेंट सही तरीके से काम नहीं कर सकता है।” यह चुनना कि कौन सा पुराना डेटा मायने रखता है और कौन सा नहीं, यही मददगार ऑटोमेशन को शोर से अलग करता है।
जो मायने रखता है उसे मापना
इन सबके पीछे इंफ्रास्ट्रक्चर है। ट्रेंडाफिलोव ने आर्किटेक्चर, ऑटोमेशन और गवर्नेंस समेत तीन पिलर्स बताए। “भले ही डेटा साइलो में हो, आपको यह जानना होगा कि यह कहाँ है और इसका इस्तेमाल कैसे करना है,”उन्होंने कहा, और इस बात पर ज़ोर दिया कि रेजिलिएंस और स्केलेबिलिटी स्ट्रेटेजिक फायदे हैं।
जब परफॉर्मेंस की बात आती है, तो एमिनी ने कंपनियों से मेट्रिक्स पर फिर से सोचने को कहा।“अपटाइम आपको आगे नहीं बढ़ाता, यह बस आपको बनाए रखता है,”उन्होंने कहा, और KPIs को ग्रोथ ड्राइवर्स के बजाय हेल्थ इंडिकेटर्स के तौर पर फिर से बताया। पैनल इस बात पर सहमत था कि असली सफलता ऐसे बिज़नेस असर में है जिसे मापा जा सके।
AI कहाँ प्रॉफ़िट बढ़ाता है
प्रॉफ़िट में AI की भूमिका पर कुछ सबसे मज़बूत चर्चा हुई। एमिनी ने बताया कि कैसे AI-पावर्ड इनसाइट्स ने SiGMA Play को ब्राज़ील के मार्केट में तेज़ी से आगे बढ़ने में मदद की। “AI से पहले, आप सीखने के लिए एक कंसल्टिंग प्रोजेक्ट पर $2 मिलियन खर्च करते,” शिज़्ज़किविज़ ने कहा।
रेवेन्यू की बात करें तो, हेबर ने हाइपर-पर्सनलाइज़्ड प्लेयर एंगेजमेंट की ओर इशारा किया। “हम चर्न को रोक रहे हैं और टेलर्ड ऑफ़र के साथ रेवेन्यू बढ़ा रहे हैं,” उन्होंने कहा। इस बीच, कटाजार ने एफिशिएंसी में हुए फायदों को मापा, जो काम मैनुअली एक मिनट से ज़्यादा समय लेते थे, वे अब AI से 15 सेकंड से भी कम समय में पूरे हो जाते हैं।
डिसीजन-मेकिंग में AI
“पहले प्रॉब्लम पर फोकस करें, फिर टेक्नोलॉजी पर,” ट्रेंडाफिलोव ने सलाह दी। हालांकि हाइपर-पर्सनलाइज़ेशन और AI-असिस्टेड स्ट्रैटेजी का स्केल बढ़ता रहेगा, लेकिन आम सहमति यह थी कि इंसानों को कंट्रोल में रहना चाहिए, खासकर हाई-स्टेक फैसलों में।
क्या आप AI, डेटा और फैसले लेने को आकार देने वाले एक्सपर्ट्स से सीधे ऐसी और इनसाइट्स सुनना चाहते हैं? और एक्सपर्ट पैनल, रियल-वर्ल्ड केस स्टडीज़ और आगे की सोच वाली चर्चाओं के लिए हमारे ग्लोबल 2026 में SiGMA इवेंट्स में शामिल हों, जो उभरती हुई टेक्नोलॉजी को कॉम्पिटिटिव एडवांटेज में बदल देंगी।
