पिछली 24 अक्टूबर को 한국산업지능화협회(KOIIA) के आमंत्रण पर '2025 मध्यम आकार के उद्यमों के प्रमुख प्रतिभाओं के विकास की अकादमी, भविष्य के उद्योगों के लिए 대응 रणनीति सेमिनार' में भाग लिया गया, जिसमें CLEVI के प्रतिनिधि ली ह्वानहो ने मुख्य भाषण दिया।
हमने 'AI तकनीक अपनाने के उदाहरण और DX कार्यान्वयन रणनीति' सत्र में 'Physical AI के उपयोग के उदाहरण तथा RAG एजेंट को अपनाने की प्रक्रिया में विफलता के कारण और सुधार रणनीतियाँ' विषय पर भाग लिया।
हाल ही में AI एजेंटों में रुचि बढ़ने के साथ, AI अपनाने पर विचार करने वाली कंपनियों की संख्या भी बढ़ रही है। ऐसा माना जाता है कि कई संस्थानों और कंपनियों ने पहले ही AI को प्रायोगिक रूप से अपनाकर उसका संचालन शुरू कर दिया है।
लेकिन दुर्भाग्य से, किए गए सर्वेक्षणों के अनुसार, कई कंपनियों और संस्थानों में अपेक्षित ROI प्राप्त नहीं हो रहा है, या PoC में काम करने वाली सुविधाएँ वास्तविक परियोजना या कार्यस्थल पर उचित उत्तर नहीं देतीं या काम ही नहीं करतीं।
इन जानकारियों के कारण कई कंपनियाँ AI को जल्दबाजी में अपनाने से बच रही हैं।
इस व्याख्यान में CLEVI के प्रतिनिधि ली ह्वानहो ने जल्दबाजी में AI अपनाने की प्रमुख विफलता के कारणों, जैसे RAG प्रणाली की सीमाओं तथा ओपन-सोर्स मॉडल या छोटे LLM(SLM) के बारे में विस्तार से बताया और समझाया कि पहले अपनाए गए उदाहरण क्यों विफल हुए।
अंततः, AI का उपयोग इसलिए किया जाता है क्योंकि हम अपेक्षा करते हैं कि वह मनुष्य का काम संभालेगा या मनुष्य से बेहतर प्रदर्शन करेगा।
लेकिन वर्तमान में AI अपनाने वाली कंपनियों के कार्यान्वयन कर्मचारी AI के उत्तरों की गुणवत्ता पर भरोसा नहीं कर पा रहे हैं। परिणामस्वरूप, AI के उत्तरों को एक-एक करके जाँचने के कारण उनका काम कम होने के बजाय बढ़ रहा है, और इस पर असंतोष सामने आ रहा है।
इसका कारण यह है कि अधिकांश कंपनियाँ ओपन-सोर्स SLM मॉडल को फाइन-ट्यून करके समाधान के रूप में उपयोग कर रही हैं।
सहज रूप से ऐसा लगता है कि यदि AI नई जानकारी सीखेगा तो वह अधिक बुद्धिमान बनेगा, लेकिन AI को नया ज्ञान सिखाने पर वह अपनी पिछली स्मृतियाँ, अर्थात मनमाने पैरामीटर भार, खो देता है।
इससे भी गंभीर समस्या यह है कि कौन-सी जानकारी या ज्ञान खो गया है, यह किसी को पता नहीं चलता।
AI को अपनाना कोई छोटा संसाधन लगाने वाला काम नहीं है, इसलिए आपने PoC के चरण से ही काफी सत्यापन किया होगा।
फिर उस समय ऐसी समस्या क्यों सामने नहीं आई? इसका कारण निश्चित रूप से यह है कि इसे लक्षित जानकारी के साथ फिर से प्रशिक्षित किया गया था।
जो AI केवल संख्याएँ जानता था, उसे अक्षर सिखाए गए और उसके बाद केवल अक्षरों से संबंधित प्रश्न पूछे गए, इसलिए स्वाभाविक रूप से वह अच्छे उत्तर देता है। लेकिन वास्तविक कार्यस्थल में क्या केवल ऐसे विशिष्ट डोमेन के लिए अनुकूलित मॉडल ही आवश्यक हैं?
हमारे कार्यस्थलों को हर दिन नए वातावरण और नए डेटा का सामना करना पड़ता है। लेकिन मौजूदा ज्ञान को बेतरतीब ढंग से नष्ट करते हुए प्रशिक्षित किया गया AI न तो सामान्य उपयोगिता और न ही सटीकता की गारंटी दे सकता है।
इसलिए From-scratch Foundation फाउंडेशन लार्ज लैंग्वेज मॉडल का स्वामित्व होना या ऐसा मॉडल बनाने की तकनीक का होना आवश्यक है।
क्योंकि ऐसे मॉडलों के पास दुनिया के लगभग सभी ज्ञान होते हैं, इसलिए वे न केवल उच्च गुणवत्ता वाले उत्तर देते हैं, बल्कि अधिक सटीक भी होते हैं।
विशिष्ट डोमेन के मामले में SFT(Supervised Fine-Tuning) नामक तकनीक का उपयोग किया जा सकता है, और कम मात्रा में डेटा के लिए RAG सिस्टम या CLEVI द्वारा स्वयं विकसित इंटेलिजेंस डेटाबेस सिस्टम, सिमेंटिक डेटाबेस तकनीक का उपयोग करके फाइन-ट्यून किए गए SLM की कमियों को दूर किया जा सकता है।
सरकार भी इन फाउंडेशन मॉडलों के महत्व को समझती है, इसलिए वह भरपूर समर्थन दे रही है।
यह है राष्ट्रीय प्रतिनिधि AI परियोजना। इस परियोजना का सबसे बड़ा लक्ष्य डिजिटल संप्रभुता सुनिश्चित करना है।
CLEVI को ओपन-सोर्स मॉडल का उपयोग करने की घातक कमियों की जानकारी थी, इसलिए हमने डेटा संग्रह से लेकर आर्किटेक्चर डिजाइन तक सब कुछ स्वतंत्र रूप से विकसित किया और CLEVI के मॉडलों को प्रशिक्षित किया।
वर्तमान में CLEVI के मॉडलों का प्रदर्शन ऐसा है कि वे दुनिया के अग्रणी AI मॉडलों के साथ प्रतिस्पर्धा करने पर भी बिल्कुल पीछे नहीं रहते।
विशेष रूप से, अपने स्वयं के मॉडल होने के कारण, बाहरी मॉडलों का उपयोग करने पर उत्पन्न होने वाली निर्भरता की समस्या से CLEVI प्रभावित नहीं होता।
अब AI को अपनाना विकल्प नहीं, बल्कि आवश्यकता बनता जा रहा है। लेकिन केवल नवीनतम तकनीक अपनाने से वांछित परिणाम प्राप्त करना कठिन है।
वास्तविक नवाचार तभी शुरू होता है जब हम तकनीक की सीमाओं को सही ढंग से समझकर अपने संगठन के वातावरण और लक्ष्यों के अनुरूप सर्वोत्तम रणनीति तैयार करते हैं।
CLEVI अपनी विशिष्ट तकनीकी क्षमताओं, जैसे स्वतंत्र रूप से विकसित किए गए 초거대 भाषा मॉडल और सिमेंटिक डेटाबेस, के माध्यम से कंपनियों द्वारा AI अपनाने की प्रक्रिया में अनुभव किए जाने वाले परीक्षण-त्रुटि और जोखिम को न्यूनतम कर रहा है।
आगे भी हम कार्यस्थल की आवाज़ों को ध्यानपूर्वक सुनते हुए, अधिक से अधिक कंपनियों के लिए एक विश्वसनीय AI साझेदार बनने के लिए अपना सर्वश्रेष्ठ प्रयास करेंगे। AI अपनाने की वास्तविक सफलता, CLEVI के साथ मिलकर हासिल करें।