नेक्सिगन: रूसी व्यवसाय AI आधारित असामान्यता पहचान अपनाने में धीमे
नेक्सिगन के एक अध्ययन से पता चलता है कि जहां 79% रूसी कंपनियां आईटी बुनियादी ढांचे की निगरानी उपकरणों का उपयोग करती हैं, वहीं केवल 17% असामान्यता का पता लगाने के लिए मशीन लर्निंग मॉडल का उपयोग करती हैं। मुख्य बाधाओं में आंतरिक विशेषज्ञता की कमी, डेटा की खराब गुणवत्ता और निवेश पर प्रतिफल (आरओआई) की गणना में कठिनाई शामिल है। वित्तीय क्षेत्र अधिक रुचि दिखाता है, जबकि छोटे और मध्यम व्यवसाय पीछे हैं।
नेक्सिग्न के शोध से पता चलता है कि आईटी इंफ्रास्ट्रक्चर मॉनिटरिंग रूसी व्यापार के लिए मानक बन गई है, 79% सर्वेक्षित कंपनियां सिस्टम की स्थिति पर नज़र रखने के लिए विशेष सॉफ्टवेयर का उपयोग कर रही हैं। सबसे अधिक मांग वाले मेट्रिक्स में सीपीयू, मेमोरी और नेटवर्क लोड (89%), एप्लिकेशन त्रुटियां और विफलताएं (86%), और सेवा प्रतिक्रिया में देरी (70%) शामिल हैं। हालांकि, केवल 17% स्वचालित विसंगति पहचान के लिए मशीन लर्निंग टूल का उपयोग करते हैं, बावजूद इसके कि वे नियामक जुर्माने, प्रतिष्ठा को नुकसान और ग्राहक त्याग जैसे परिणामों को स्वीकार करते हैं। वित्तीय क्षेत्र अधिक सक्रिय है, पायलट प्रोजेक्ट चला रहा है, जबकि अन्य उद्योग प्रतीक्षा-और-देखो दृष्टिकोण अपनाते हैं, और छोटे व्यवसाय सबसे कम तैयार हैं, आंशिक रूप से बुनियादी मॉनिटरिंग प्रक्रियाओं की कमी के कारण। विशेषज्ञ ध्यान देते हैं कि बाधा तकनीकी के बजाय संगठनात्मक और आर्थिक है। उपलब्ध मशीन लर्निंग टूल मौजूद हैं, लेकिन कार्यान्वयन के लिए परिपक्व प्रक्रियाओं, विशेष कर्मचारियों और उच्च गुणवत्ता वाले सामान्यीकृत डेटा की आवश्यकता होती है। इसके अतिरिक्त, आर्थिक लाभ की गणना करने में कठिनाई के कारण कई परियोजनाओं को फंडिंग नहीं मिल पाती है। नेक्सिग्न के बिजनेस डेवलपमेंट डायरेक्टर मैक्सिम नार्टोव इस बात पर जोर देते हैं कि जैसे-जैसे आईटी लैंडस्केप अधिक सेवाओं और वितरित इंफ्रास्ट्रक्चर के साथ अधिक जटिल होता जा रहा है, पारंपरिक विसंगति का पता लगाना कठिन होता जा रहा है, और आने वाले वर्षों में मॉनिटरिंग प्लेटफार्मों में मशीन लर्निंग का एकीकरण और गहरा होगा।
स्रोत: CNews —
मूल