சத்யா நாடெல்லா AI பயன்படுத்தும் நிறுவனங்களுக்கு அதிர்ச்சிகரமான எச்சரிக்கை வெளியிட்டுள்ளார்

மைக்ரோசாப்ட்டின் CEO தனது சொந்த தொழிலைக் கண்டித்துவிட்டார். திங்கட்கிழமை வெளியிடப்பட்ட ব்ளாக் பোஸ்டில், சத்யா நாடெல்லா நிறுவனங்களை எச்சரித்தார் - சொந்த AI மாதிரிகளைப் பயன்படுத்துவது महत्वपूर्ण மட்டுமல்ல, இது மறைமுகமாக தரவு பிரித்தெடுக்கும் வழிமுறை. சத்யா நாடெல்லா AI பயன்படுத்தும் நிறுவனங்களுக்கு வெளியிட்ட எச்சரிக்கை ஆசியா முழுவதும் ব்যবসாயங்கள் எவ்வாறு கட்டமைக்கப்படுகின்றன என்பதன் மূலத்தை தொடுகிறது, மேலும் இந்த விளைவுகள் பிராந்தியத்தில் உள்ள ஒவ்வொரு டெவலப்பரும் நிறுவனர்ும் கவனமாக படிக்க வேண்டிய அளவுக்கு குறிப்பிடத்தக்கவை.

என்ன நடந்தது

நாடெல்லாவின் பதிவு "தலைகீழ் தகவல் முரண்பாடு" என்று அவர் அழைக்கும் விষயத்தை மையமாக கொண்டுள்ளது. வாதம் மிகவும் எளிமையானது: நீங்கள் சொந்த AI மாதிரியைப் பயன்படுத்தும்போது, நீங்கள் இரண்டு முறை பணம் செலுத்துகிறீர்கள். ஒரு முறை பணத்தால் — டோக்கன் செலவுகள், API கட்டணங்கள், சந்தா நிலைகள். மற்றும் மிகவும் மূল்যবான ஒன்றால் ஒரு முறை: ஒவ்வொரு தூண்டுதலில் உள்ளடங்கிய প்রাতিষ்ঠানिक அறிவு, ஒவ்வொரு திருத்தம் மற்றும் ஒவ்வொரு பணிப்பாய்வு நீங்கள் மாதிரிக்கு வெளிப்படுத்துகிறீர்கள்.

"நீங்கள்本質的に அறிவுக்கு இரண்டு முறை பணம் செலுத்துகிறீர்கள், ஒரு முறை பணத்தால், மற்றொரு முறை மிகவும் மূல்யவான ஒன்றால்: அந்த அறிவை பயனுள்ளதாக்க நீங்கள் வெளிப்படுத்த வேண்டிய சொந்த அறிவு," நாடெல்லா எழுதுகிறார். "மாதிரி சிறப்பாக செயல்பட வேண்டும் என்று நீங்கள் விரும்பினால், அந்த அறிவு நீங்கள் அதிக அளவில் வழங்க வேண்டும்."

அவர் மேலும் சென்று, "மாதிரி வெளியேற்றம்" என்று அவர் அழைக்கும் விஷயத்தை சுட்டிக்காட்டுகிறார் — மனித-AI தொடர்பு எஞ்சிப்பு இது ভবிஷ்யত் மாதிரி மறு செய்கைகளில் பொதிந்துவிடுகிறது. ஒவ்வொரு தூண்டுதல், ஒவ்வொரு முகவர் கருவி அழைப்பு, ஒவ்வொரு திருத்தம் மாதிரி ஏதாவது தவறாக செய்யும்போது: இவை சமிக்ஞைகள். மற்றும் அந்த சமிக்ஞைகள் உங்கள் ব்যবসா உண்மையில் எவ்வாறு செயல்படுகிறது என்பதற்கு ஆழமான, கடினமாக অর্জிக்கப்பட்ட প்রাতிஷ்ঠানिक அறிவை குறியாக்கம் செய்கின்றன.

"ஒவ்வொரு திருத்தமும் প்রাতிஷ்ঠানிक அறிவாக வடிக்கப்படுகிறது," நாடெல்லா எழுதுகிறார். "போட்டியாளர் ஒருபோதும் வாங்க முடியாத அறிவு."

கவலை புதியது அல்ல. Jason Calacanis மற்றும் Palantir CEO Alex Karp போன்ற VCகள் ஒத்த அலாரங்களை எழுப்பியுள்ளனர். ஆனால் மைக்ரோசாப்ட்டின் CEO — OpenAI-ல் பல பில்லியன் டாலர் முதலீடு கொண்ட நிறுவனம் — சொந்த மாதிரிகளின் ஆபத்துகள் பற்றி பொதுவாக நிறுவனங்களை எச்சரிக்கத் தொடங்கும்போது, அது உரையாடலை மாற்றுகிறது. இது இனி விளிம்பு கருத்து அல்ல. இது AI விநியோग சங்கிலி உண்மையில் எவ்வாறு செயல்படுகிறது என்பதற்கு முழு দৃশ்যমানতা கொண்ட ஒருவரிடமிருந்து ஒரு கட்டமைப்பு விமர্சனம்.

நேரமும் முக்கியமானது. AI மாதிரி திறன்கள் ஒன்றிணைந்ததால் — எல்லை மாதிரிகள் மற்றும் திறந்த-எடை மாற்றுகளுக்கு இடையிலான இடைவெளி ஒவ்வொரு காலாண்டிலும் குறுகிவிடுகிறது — কৌশলগত கேள்வி இனி "எந்த மாதிரி மிகவும் புத்திமான்?" என்பது மட்டுமல்ல. இது "உங்கள் தரவுடன் உறவை யார்소유?" என்பது.

ஆசியার জন்য இது ஏன் முக்கியமானது

ஆசியার தொழில்நுட்ப சுற்றுச்சூழல் இங்கே ஒரு தனிப்பட்ட வெளிப்பட்ட நிலையில் உள்ளது. தென்கிழக்கு ஆசியா, இந்தியா, ஜப்பான் மற்றும் தென் கொரியா முழுவதும், நிறுவனங்கள் மற்றும் ஸ்டார்টப்கள் சிলிக்கான் வேலியுடன் போட்டி கொடுக்கும் வேகத்தில் AI ஐ ஏற்றுக்கொள்கின்றன — ஆனால் ஒரு முக்கியமான வேறுபாட்டுடன்: பலர் ஒப்பிடக்கூடிய திறன் நிலையில் உள்ளூர் மாற்றுக்கு இல்லாமல் மேற்கத்திய சொந்த மாதிரிகளின் மேல் கட்டமைக்கப்படுகின்றன.

அந்த சமச்சீரற்றவை ஒரு குறிப்பிட்ட வகை ஆபத்தை உருவாக்குகிறது. ஜகார்த்தாவில் ஒரு ফின்டெக் அல்லது ஹோ சி மின் நகரத்தில் ஒரு தளவாடங்கள் ஸ்டார்টப் சொந்த மாதிரியைச் சுற்றி அதன் பணிப்பாய்வுகளை நன்றாக-சரிசெய்யும்போது, இது API அழைப்புகளுக்கு செலவு செய்வது மட்டுமல்ல. இது இயக்க அறிவு — விலை நির்ধারণ தர্க்கம், வாடிக்கையாளர் আচরண வடிவங்கள், விநியோग சங்கிலி ஹ்யুரிஸ்டிக்ஸ் — அது கட்டுப்படுத்தாத உள்கட்டமைப்புக்கு, அது முழுமையாக படிக்கவில்லை என்று சாத்தியமான சேவை விதிமுறைகளால் நிர்வகிக்கப்படுகிறது.

தரவு இறையாண்மை கோணம் இதை சிக்கலாக்குகிறது. பல ஆசிய சந்தைகள் கடுமையான தரவு உள்ளூர்করण தேவைகளை இயற்றியுள்ளன அல்லது இயற்றுகின்றன. வியட்நாமின் சைபர்செக்யூரிটி சட்டம், இந்தோனேசியாவின் ব்যক்তিগত தரவு பாதுகாப்பு சட்டம், மற்றும் இந்தியாவின் ডিজிটல் ব்যক்তிগত தரவு பாதுகாப்பு சட்டம் அனைத்தும் சொந்த ক்লাউড்-ভিত্திক AI மாதிரிகள் சுத்தமாக திருப்திப்படுத்தாமல் இருக்கக்கூடிய இணக்க கடமைகளை உருவாக்குகின்றன. மாதிரி வெளியேற்றம் மூலம் தரவு கசிவு பற்றி நாடெல்லாவின் எச்சரிக்கை வேறுபட்ட வகையில் தரையிறங்குகிறது அந்த வெளியேற்றம் உள்ளூர் சட்டத்தின் கீழ் ஒரு எல்லை-கடக்கும் தரவு பரிமாற்றத்தையும் உருவாக்கக்கூடும்.

ஆசியার வேகமாக நகரும் ஸ்டார்টப் சந்தைகளில் குறிப்பாக கூர்மையான போட்டி புத்திமதி பரிமாணம் உள்ளது. ই-வர்த்தகம், சவாரி-ஹেலிங் மற்றும் ডিজிটல் நிதி போன்ற பிரிவுகளில் — பல நன்றாக-நிதியுடைய வீரர்கள் மெல்லிய விளிம்புகளில் போட்டி செய்யும் இடத்தில் — உங்கள் AI தூண்டுதல்களில் உள்ளடங்கிய இயக்க அறிவு உண்மையிலேயே சொந்தமானது. உங்கள் வாடிக்கையாளர் பிভট் தர্க்கம், உங்கள்欺诈 সনাক்তকরণ ஹ்யুரிஸ்டிக்ஸ், உங்கள் விலை স্থিতিস্থாপকতা மாதிரிகள்: இவை ஒரு ஆலோசகரைக் கொடுக்க வேண்டிய விஷயங்கள் அல்ல. ஆனால் நீங்கள் ஒரு மாதிரி வழங்குநரকে கொடுக்கக்கூடும்.

ஆசிய தொழில்நுட்ப நிறுவனர்கள் AI மாதிரி தேர்வை ஒரு ইঞ்சினியারிங் ஒன்றாக அல்ல, ஒரு தரவு நிர்வாகம் முடிவு என்று கருத்தில் கொள்ள வேண்டும். நீங்கள் இன்று செய்யும் உள்கட்டமைப்பு தேர்வு நாளை உங்கள் ব்যবசாயத்திலிருந்து யார் கற்றுக்கொள்கிறார்கள் என்பதை தீர்மானிக்கிறது.

டெவலப்பர்களுக்கு இதன் பொருள் என்ன

MonstarX அல்லது வேறு எந்த தளத்திலும் AI-চালিত தயாரிப்புகளை கட்டமைக்கும் டெவலப்பர்களுக்கு, நாடெல்லாவின் எச்சரிக்கை ஒரு கட்டமைப்பு கேள்விகளின் தொகுப்பாக மொழிபெயர்க்கப்படுகிறது இது நீங்கள் கப்பல் செய்வதற்கு முன் கேட்க மதிப்பு.

உங்கள் மாதிரி வெளியேற்றம் எங்கே செல்கிறது? நீங்கள் சொந்த மாதிரி API ஐ அழைக்கும்போது, வழங்குநரின் விதிமுறைகளை கவனமாக சரிபார்க்கவும். பலர் API தொடர்புகளை மாதிரி উন்নতির জন்য பயன்படுத்த உரிமை வைத்திருக்கிறார்கள் நீங்கள் வெளிப்படையாக விலக்கு செய்யாவிட்டால் — மற்றும் விலக்கு வழிமுறைகள் எப்போதும் தெளிவாக அல்லது முழுமையாக இல்லை.

நீங்கள் அதிக-சூழல்-மயமாக்குகிறீர்களா? மாதிரி செயல்பாட்டை மேம்படுத்த ஒரு கணினி தூண்டுதலில் நீங்கள் பணிப்பாய்வு சூழலை அதிகம் நிரப்பினால், நீங்கள் அதிக প்রাতிஷ்ঠানிक அறிவை வெளிப்படுத்துகிறீர்கள். நல்ல தூண்டுதல் பொறியியல் என்பது நির்ভুலத்தை பற்றி மட்டுமல்ல — இது நீங்கள் வெளிப்படுத்தும் மேற்பரப்பு பகுதியை குறைப்பது பற்றி. ஒரு சிறிய, உள்ளூர்-ஹோஸ்ட் மாதிரி குறைந்த சூழலுடன் முடிவுகளின் 80% அடையக்கூடுமா என்று கேளுங்கள் வெளிப்பாட்டின் ஒரு பகுதியுடன்.

உங்கள் திறந்த-எடை கৌশல் என்ன? Meta இன் Llama தொடர், Mistral, மற்றும் ஆசிய-மூலம் மாதிரிகளின் வளர்ந்து வரும் பட்டியல் (Alibaba இன் Qwen குழு மற்றும் DeepSeek உட்பட) இப்போது ஒரு நிலையில் உண்மையான திறன் வழங்குகிறது பல உৎপাদன பயன்பாடுகள் முழுமையாக பதிலளிக்கக்கூடிய. உங்கள் சொந்த உள்கட்டமைப்பில் அনுமান இயக்குவது உங்கள் மாதிரி வெளியேற்றம் உங்களுடையதாக இருப்பதை பொருள்.

நீங்கள் முகவர் நினைவை எவ்வாறு கட்டமைக்கிறீர்கள்? Agentic பணிப்பாய়வுகள் — AI மாதிரிகள் கருவிகளை அழைக்கும், நடவடிக்கைகளை எடுக்கும், மற்றும் திருத்தங்களில் வளையும் — நாடெல்லா எச்சரிக்கை செய்யும் சரியான உচ்च-வெளியேற்றம் சூழ்நிலைகள். உங்கள் முகவர்கள் சொந்த ব்যবসாய় தர্க்கத்தின் அடிப்படையில் திருத்தங்களை செய்யும் என்றால், அந்த திருத்தம் சமிக்ஞை குறிப்பாக உணர்வுள்ளது. முகவர் நினைவு மற்றும் கருத்து வளையங்களை கட்டமைக்கவும் இதனால் கற்றல் உள்கட்டமைப்பில் இருப்பது நீங்கள் கட்டுப்படுத்துகிறீர்கள்.

பெரும்பாலான குழுக்களுக்கான ব்যবহারிक பதில் "ஒருபோதும் சொந்த மாதிரிகளை பயன்படுத்தாதே" என்ற ஒரு பைனரி அல்ல. இது ஒரு அடுக்கிய அணுகுமுறை: பொதுவான-উদ்দேশ்য பணிகளுக்கு சொந்த மாதிரிகளை பயன்படுத்தவும் நீங்கள் போட்டি புத்திமதி வெளிப்படுத்தாமல், மற்றும் உங்கள் মূল ব্যবசாய் தர্க்கத்தை தொடும் பணிப்பாய்வுகளுக்கு স্ব-ஹோஸ்ট் அல்லது நன்றாக-சரிசெய்யப்பட்ட திறந்த-எடை மாதிரிகளை பயன்படுத்தவும். உங்கள் AI স্ট்যாকின் connectors স்তரம் இந்த வேறுபாட்டுடன் வடிவமைக்கப்பட வேண்டும் — செயல்பாட்டுக்கு மட்டுமல்ல, தரவு தடுப்புக்கும்.

இங்கே ஒரு டெவலப்பர் সংস்கৃதி மாற்றமும் உள்ளনு. வேகமாக நகரும் குழுக்களில்본능 வேகத்திற்கு உகந்ததாக இருக்கிறது: சிறந்த மாதிரியைத் தேர்ந்தெடுக்கவும், அதற்கு அதிகতম சூழல் கொடுக்கவும், கப்பல் செய்யவும். நாடெல்லாவின் எச்சரிக்கை அந்த본능ஐ மெதுவாக்க ஒரு வாதம் நீங்கள் மாதிரிக்கு உணவு கொடுக்கும் விஷயத்திலிருந்து யார் பயனடைகிறார்கள் என்பதை கேட்க. அது偏執狂 அல்ல — இது ஒரு புதிய வகை உள்கட்டமைப்பு ঝுঁकி பயன்படுத்தப்பட்ட பொறியியல் ஒழுக்கம்.

முக்கிய கற்றல்கள்

நாடெல்லாவின் பதிவு குறுகியது, ஆனால் விளைவுகள் பரந்தவை. இங்கே டெவலப்பர்கள் மற்றும் நிறுவனர்கள் என்ன கொண்டு செல்ல வேண்டும்:

• மாதிரி செலவுகள் நிதி மட்டுமல்ல. சொந்த மாதிரியுடன் ஒவ்வொரு தொடர்பும் ஒரு சாத்தியமான தரவு பரிமாற்றம். டோக்கன் செலவு தெரியும் செலவு; அறிவு கசிவு தெரியாத ஒன்று.
• மாதிரி வெளியேற்றம் ஒரு உண்மையான தாக்குதல் மேற்பரப்பு. தூண்டுதல்கள், கருவி அழைப்புகள், மற்றும் திருத்தம் சமிக்ஞைகள் প்রাতிஷ்ঠানிक அறிவை குறியாக்கம் செய்கின்றன. அவற்றை அதே உணர்வுள்ளதுடன் கையாளவும்