Chili’s நிறுவனத்தின் CIO Chris Caldwell, AI தொடர்பான டோக்கன்களை வாங்குவதற்குப் பதிலாக, அந்த நிறுவனத்தின் உள்ளூர் (on-prem) Wi-Fi மற்றும் டேப்லெட் வன்பொருட்களை (hardware) மேம்படுத்துவதற்கு மூலதனத்தைத் திருப்பியமைத்தார். குறைந்த லாப வரம்பில் இயங்கும் ஒரு உணவகச் சங்கிலி நிறுவனத்திற்கு, வேகமான மற்றும் நம்பகமான நெட்வொர்க் என்பது விரைவான டேபிள் சுழற்சிக்கு (table turns) நேரடியாக வழிவகுக்கும்.

விளம்பரங்களை விட நெட்வொர்க் ஏன் முக்கியமானது

சிலிக்கான் வேலியில் தற்போது செயற்கை நுண்ணறிவு (AI) பற்றிய பேச்சு அதிகம் உள்ளது, ஆனால் ஒரு பரபரப்பான உணவகத்தின் அன்றாட யதார்த்தம் அவ்வளவு கவர்ச்சிகரமானது அல்ல. ஒரு சர்வரின் டேப்லெட் ஆர்டரை உடனடியாக சமையலறைக்கு அனுப்ப வேண்டும், கிரெடிட் கார்டு பரிவர்த்தனை சில நொடிகளில் முடிவடைய வேண்டும், மேலும் இருப்பு விவரங்கள் (inventory counts) நிகழ்நேரத்தில் (real time) புதுப்பிக்கப்பட வேண்டும். உள்ளூர் வயர்லெஸ் மெஷ் (wireless mesh) நெட்வொர்க்கில் ஏற்படும் எந்தவொரு தடையும் முழு செயல்பாட்டையும் முடக்கிவிடும், இதனால் ஊழியர்கள் காகிதத் தாள்கள் அல்லது கைமுறைப் பதிவுகளைப் பயன்படுத்த வேண்டிய கட்டாயம் ஏற்படும்—இவை இரண்டும் சேவையைத் தாமதப்படுத்துவதோடு விருந்தினர்களையும் அதிருப்தி அடையச் செய்யும்.

மென்பொருளை விட, உணவகத்தின் எட்ஜ்-கம்பியூட்டிங் (edge-computing) சூழலே பலவீனமான कड़ी என்று Caldwell கூறினார். Wi-Fi கவரேஜை மேம்படுத்தி, பழைய டேப்லெட்களை மாற்றுவதன் மூலம், Chili’s தனது டேபிள் சுழற்சி நேரத்தைக் குறைத்தது.

ஊக அடிப்படையிலான AI-ன் மறைமுகச் செலவு

ஆர்டர் செய்வதற்கோ அல்லது கூடுதல் விற்பனைக்காகவோ (upselling) கிளவுட் சார்ந்த AI ஏஜென்ட்களைப் பயன்படுத்துவது கவர்ச்சிகரமானதாகத் தோன்றலாம், ஆனால் இது பல டெவலப்பர்கள் கவனிக்கத் தவறும் இரண்டு வகையான செலவுகளைச் சேர்க்கிறது. முதலாவதாக, ஒவ்வொரு AI இன்ஃபரன்ஸ் அழைப்பிற்கும் (inference call) ஒரு குறிப்பிட்ட API-அழைவுக் கட்டணம் வசூலிக்கப்படும், இது பயன்பாடு அதிகரிக்கும் போது பெருமளவு உயரக்கூடும். இரண்டாவதாக, தவறான வகைப்பாடுகள் (mis-classifications), விலைப்பட்டியல் பிழைகள் அல்லது லேட்டன்சி (latency) அதிகரிப்பு போன்றவற்றைச் சரிசெய்ய இந்த மாடல்களுக்குத் தொடர்ச்சியான கண்காணிப்பு மற்றும் பொறியியல் திறமை தேவைப்படுகிறது.

கணிக்கக்கூடிய செலவு மற்றும் நிலையற்ற கட்டணங்கள்

Caldwell இந்த முடிவை நிதி ரீதியாக இவ்வாறு விளக்கினார்:

  • AI வழி: ஒவ்வொரு மாடல் அழைப்பிற்கும் கணிக்க முடியாத, பயன்பாட்டு அடிப்படையிலான கட்டணங்கள்; அமைப்பைத் துல்லியமாக வைத்திருக்கத் தொடர்ச்சியாகத் தேவைப்படும் சிறப்பு இயந்திரக் கற்றல் (machine-learning) பொறியாளர்கள்.
  • கட்டமைப்பு (Infrastructure) வழி: ரூட்டர்கள், அக்சஸ் பாயிண்ட்கள் மற்றும் டேப்லெட்களுக்கான நிலையான செலவு; தற்போதுள்ள IT ஊழியர்களாலேயே வழக்கமான பராமரிப்பைச் செய்ய முடியும்.

வன்பொருள் செலவுகளைத் திட்டமிடுவதன் மூலம், Chili’s தனது IT பட்ஜெட்டை நம்பிக்கையுடன் கணிக்க முடிகிறது; இது AI சார்ந்த செலவினங்களால் சாத்தியமில்லாத ஒரு வசதியாகும்.

ஒட்டுமொத்தத் தொழில்துறைக்கு இதில் உள்ள சவால் என்ன

ஒரு கிரெடிட் கார்டு பரிவர்த்தனைக்கு ஒரு நொடிக்கும் குறைவான நெட்வொர்க் வேகத்தை ஒரு நிறுவனத்தால் உறுதி செய்ய முடியாவிட்டால், விலையுயர்ந்த AI அடுக்குகளைச் சேர்ப்பது விருந்தினர்களின் அனுபவத்தை மேம்படுத்தப் பெரிதாக உதவாது.

மாற்று வாதம்: AI-க்கும் ஒரு பங்கு உண்டு

அந்த நன்மைகள் அனைத்தும், மாடல்களின் பதில்களை நிகழ்நேரத்தில் வழங்கக்கூடிய ஒரு நெட்வொர்க் இருக்கும்போது மட்டுமே சாத்தியமாகும். அது இல்லையெனில், AI என்பது வருவாயை ஈட்டும் கருவியாக இல்லாமல், ஒரு கூடுதல் செலவுச் சுமையாகவே மாறிவிடும்.

சுருக்கம்: வினாடிகள் லாபத்தைத் தீர்மானிக்கும் ஒரு துறையில், ஊக அடிப்படையிலான AI-யைத் துரத்துவதை விட, இயற்பியல் நெட்வொர்க்கை (physical network) வலுப்படுத்துவதே சிறந்தது. நம்பகமான உள்ளூர் Wi-Fi மற்றும் உறுதியான வன்பொருள் ஆகியவை இன்றைய செயல்பாடுகளை எளிதாக்குவது மட்டுமல்லாமல், எதிர்கால அறிவுசார் சேவைகளுக்கான அடித்தளத்தையும் அமைத்துத் தருகின்றன.