मेक्सिको में आर्टिफिशियल इंटेलिजेंस डेटा सेंटर का उछाल स्थानीय निवासियों में चिंता पैदा कर रहा है

आर्टिफिशियल इंटेलिजेंस मॉडलों की बढ़ती उपलब्धता के बावजूद, उन्हें विश्वसनीय वाणिज्यिक उत्पादों में बदलना एक जटिल कार्य बना हुआ है, खासकर जब उद्यम बिखरे हुए डेटा इंफ्रास्ट्रक्चर का सामना करते हैं।

TechSparks 2026 कार्यक्रम में, Couchbase के एशिया-प्रशांत क्षेत्र, जापान और भारत के बिक्री उपाध्यक्ष माइकल क्रोनिन ने YourStory के वरिष्ठ निदेशक रणनीतिक सामग्री और वीडियो शिवानी मुत्तन्ना के साथ चर्चा में भाग लिया। उन्होंने प्रयोगों से पूर्ण उत्पादन तक AI के संक्रमण, प्रबंधन की समस्याओं, ग्राहक अनुभव और AI नवाचारों में भारत की बढ़ती भूमिका पर चर्चा की।

दशकों से, बड़ी कंपनियों ने विशिष्ट कार्यों को हल करने के लिए विभिन्न डेटाबेस और अत्यधिक विशिष्ट समाधान लागू किए हैं। हालांकि प्रत्येक ने एक तत्काल समस्या का समाधान किया, परिणाम अक्सर डेटा का एक खंडित स्तर होता है, जो कई प्रणालियों से बना होता है जो एक दूसरे के साथ खराब तरीके से इंटरैक्ट करती हैं।

क्रोनिन इस विखंडन को AI को अपनाने में एक गंभीर बाधा मानते हैं। वह उद्योग अनुमानों का हवाला देते हैं कि AI विकास परियोजनाओं में से 70-80% कभी भी उत्पादन चरण तक नहीं पहुंचती हैं, और एमआईटी के एक अध्ययन से पता चला है कि ऐसी 95% परियोजनाएं लाभदायक नहीं बनती हैं।

Couchbase का परिचालन डेटा प्लेटफॉर्म इस समस्या को दूर करने के लिए डिज़ाइन किया गया है, जो कंपनियों को अपने डेटा इंफ्रास्ट्रक्चर को समेकित करने में मदद करता है। सब कुछ एक बार में ठीक करने की कोशिश करने के बजाय, क्रोनिन ने कंपनियों को छोटी शुरुआत करने की सलाह दी, और डेटा स्तर के विखंडन से जूझ रहे संस्थापकों और उद्यमों को सबसे महत्वपूर्ण उपयोग के मामलों को पहले चुनने की सलाह दी।

उन्होंने यूनाइटेड किंगडम के खुदरा विक्रेता Tesco का उदाहरण दिया, जिसका बेंगलुरु में एक बड़ा वैश्विक компетенस सेंटर (GCC) है। इस खुदरा विक्रेता की कई प्रणालियाँ ग्राहक अनुभव पर नकारात्मक प्रभाव डाल रही थीं, खासकर ब्लैक फ्राइडे और सप्ताहांत जैसे व्यस्त खरीदारी अवधियों के दौरान। Tesco ने एक इंस्टेंस और एक उपयोग के मामले से शुरुआत करके अपने डेटा स्तर को समेकित करना शुरू किया, इससे पहले कि वह अपने पूरे तकनीकी स्टैक पर प्रयास फैलाए। इस समेकन ने खुदरा विक्रेता को मिलीसेकंड से कम विलंबता के साथ प्रति सेकंड लाखों लेनदेन को संसाधित करने में सक्षम बनाया। क्रोनिन के अनुसार, यह उदाहरण दर्शाता है कि कंपनियां अपने पूरे संचालन पर बदलाव फैलाने से पहले एक उपयोग के मामले के माध्यम से विखंडन की समस्या का समाधान कैसे शुरू कर सकती हैं।

AI उत्पादों के विकास का दबाव कई उद्यमों को मॉडल और अनुप्रयोगों पर प्राथमिकता देने के लिए प्रेरित करता है। हालांकि, पायलट प्रोजेक्ट अक्सर नियंत्रित वातावरण में छोटे डेटासेट पर किए जाते हैं, जो संगठनों को वास्तविक उत्पादन की मांगों के लिए तैयार नहीं करता है। क्रोनिन ने मशीन ट्रैफिक के बढ़ते पैमाने पर ध्यान दिलाया। उन्होंने कहा: 'आठारह महीनों में मशीन ट्रैफिक ने इंटरनेट पर मानव ट्रैफिक को पीछे छोड़ दिया। यह AI का पैमाना है। यह मशीन गति का पैमाना है जिस पर उद्यमों को काम करना चाहिए।'

जब AI एप्लिकेशन वास्तविक दुनिया के वर्कलोड का सामना करते हैं, तो खंडित डेटा सिस्टम उन्हें बड़े पैमाने पर विश्वसनीय रूप से कार्य करने से रोक सकते हैं। AI एजेंटों के बढ़ते उपयोग से यह समस्या और बढ़ जाती है। चूंकि एजेंट अधिक स्वायत्त होते जा रहे हैं और निर्णय लेने के कार्यों को संभाल रहे हैं, इसलिए उद्यमों को यह सुनिश्चित करना होगा कि वे उचित शासन संरचनाओं के भीतर आवश्यक डेटा तक पहुंच सकते हैं।

खंडित सिस्टम संचार और प्रबंधन को बाधित कर सकते हैं, जिससे एजेंटों की स्वायत्त रूप से कार्य करने की क्षमता सीमित हो जाती है। क्रोनिन ने उद्यमों से AI में निवेश वितरण के दृष्टिकोण पर पुनर्विचार करने का भी आग्रह किया। हालांकि मॉडल तेजी से विकसित हो रहे हैं, कॉर्पोरेट डेटा एक महत्वपूर्ण संपत्ति बना हुआ है। उन्होंने जोर देकर कहा: 'मॉडल किराए पर लिए जा सकते हैं। आज का सर्वश्रेष्ठ मॉडल कल का अखबार है। उद्यम के लिए वास्तविक संपत्ति डेटा है।'

जैसे ही उद्यमों ने महसूस करना शुरू किया कि खंडित डेटा उनकी AI पहलों को धीमा कर रहा है, उनमें से कई ने मौजूदा सिस्टम को जोड़ने के लिए एपीआई और कनेक्टर्स जोड़कर प्रतिक्रिया दी। हालांकि, क्रोनिन ने चेतावनी दी कि ऐसा तरीका मुख्य समस्या को हल करने के बजाय अतिरिक्त जटिलता पैदा कर सकता है। प्रत्येक अतिरिक्त कनेक्शन विलंबता, जोखिम बढ़ाता है और एक और संभावित विफलता बिंदु बनाता है।

इसके बजाय, उन्होंने डेटा स्तर को समेकित करने की सिफारिश की ताकि AI एप्लिकेशन और एजेंट उससे अधिक सीधे इंटरैक्ट कर सकें, डेटा को ग्राहकों के करीब ला सकें। क्रोनिन के अनुसार, भारत में बड़े GCC सहित कई उद्यम अब डेटा विखंडन को दूर करने के लिए अपनी वास्तुकला की समीक्षा कर रहे हैं। इन परिवर्तनों के बिना, AI विकास में आगे का निवेश उन्हीं समस्याओं को जन्म दे सकता है।

डेटा समेकन ग्राहक अनुभव को भी बेहतर बना सकता है, जिससे सिस्टम बढ़ती मांग को संभालने, सुलभ बने रहने और तेजी से प्रतिक्रिया करने में मदद मिलती है। चूंकि ग्राहक AI-आधारित सेवाओं से अधिक की उम्मीद करते हैं, इसलिए परिधि पर डेटा की उपस्थिति अधिक महत्वपूर्ण होती जा रही है।

क्रोनिन ने उल्लेख किया कि एशिया-प्रशांत क्षेत्र में व्यावसायिक संस्कृतियां भिन्न होती हैं, लेकिन डेटा इंफ्रास्ट्रक्चर का विखंडन AI को अपनाने के लिए एक सामान्य समस्या बनी हुई है। साथ ही, भारत AI नवाचार और निर्णय लेने का एक महत्वपूर्ण केंद्र बन रहा है। उन्होंने उल्लेख किया कि Couchbase के शीर्ष 50 वैश्विक ग्राहकों में से 80% का भारत में महत्वपूर्ण उपस्थिति है, और उनके अधिकांश AI नवाचार और नेतृत्व इस देश में आधारित हैं। Couchbase भी भारत में अपनी उपस्थिति का विस्तार कर रहा है, अपने एशिया-प्रशांत मुख्यालय को बेंगलुरु स्थानांतरित कर रहा है। भारत में Couchbase के कॉर्पोरेट ग्राहकों में एयर इंडिया, एयरटेल, बिगबास्केट और महिंद्रा फाइनेंस शामिल हैं। क्रोनिन के अनुसार, वैश्विक व्यवसाय में भारत की भूमिका लागत बचत से परे चली गई है; यहां नवाचार, नेतृत्व और महत्वपूर्ण व्यावसायिक निर्णय अधिक बार हो रहे हैं। उन्होंने एयर इंडिया के अगली पीढ़ी के मनोरंजन प्लेटफॉर्म का उल्लेख किया, जो Couchbase पर बनाया जा रहा है। इस प्लेटफॉर्म का उद्देश्य विमान में नेटवर्क कनेक्टिविटी की अनुपस्थिति में भी यात्रियों को व्यक्तिगत खरीदारी और मनोरंजन अनुभव प्रदान करना है। क्रोनिन के लिए, यह परियोजना दर्शाती है कि भारतीय उद्यम वास्तविक परिचालन स्थितियों में ग्राहक अनुभव को बेहतर बनाने के लिए प्रौद्योगिकी का उपयोग कैसे करते हैं।

संयुक्त राज्य अमेरिका में मध्यावधि चुनाव, जो इस मंगलवार (3 तारीख) को होंगे, संभावित रूप से एक ऐसे विधेयक को आगे बढ़ाने पर प्रभाव डाल सकते हैं जो ऊर्जा अवसंरचना परियोजनाओं के लिए संघीय पर्यावरण लाइसेंसिंग नियमों को बदलने का प्रस्ताव करता है। यह डेटा केंद्रों को बिजली प्रदान करने की बढ़ती मांग के मद्देनजर हो रहा है, जो आर्टिफिशियल इंटेलिजेंस के विस्तार का समर्थन करते हैं।

अमेरिकन एक्सेसिबिलिटी इकोनॉमी एंड एम्प्लॉयमेंट बायपार्टिसन एक्ट (BAAJA), जिसे रिपब्लिकन और डेमोक्रेटिक सांसदों द्वारा तैयार किया गया है, बड़े उद्यमों के लिए पर्यावरणीय मूल्यांकन और प्राधिकरण प्रक्रियाओं को बदलने का लक्ष्य रखता है। यह पहल विभिन्न विधायी कृत्यों में परिवर्तनों को एकीकृत करती है और बुनियादी ढांचा परियोजनाओं को योजना चरण से कार्यान्वयन तक ले जाने में लगने वाले समय को कम करने का प्रयास करती है।

विधेयक का पाठ पर्यावरण और सार्वजनिक कार्यों, साथ ही ऊर्जा और प्राकृतिक संसाधनों की समितियों में प्रमुख पदों पर आसीन चार सीनेटरों के बीच बातचीत का परिणाम है: रिपब्लिकन शेली मूर कैपिटो और माइक ली, और डेमोक्रेट शेल्डन व्हाइटहाउस और मार्टिन हाइनेरिच।

BAAJA का एक प्रमुख उद्देश्य संघीय पर्यावरणीय मूल्यांकनों के लिए समय सीमा निर्धारित करना है। पाठ के अनुसार, बड़ी परियोजनाओं का विश्लेषण आम तौर पर एक से दो वर्षों के भीतर पूरा होना चाहिए। प्रस्ताव सरकारी एजेंसियों के बीच अधिक घनिष्ठ समन्वय भी प्रदान करता है, कुछ न्यायिक चुनौतियों की संभावनाओं को सीमित करता है और जारी किए गए लाइसेंसों की विश्वसनीयता बढ़ाने के लिए शर्तें स्थापित करता है।

यह परियोजना तीन संघीय पर्यावरण कानूनों के प्रावधानों में संशोधन करती है: नेशनल एनवायरनमेंटल पॉलिसी एक्ट (NEPA), जो कार्य और परियोजनाओं के प्रभाव मूल्यांकन को नियंत्रित करता है; क्लीन वॉटर एक्ट, जो जल संसाधनों की रक्षा करता है; और एंडेंजर्ड स्पीशीज एक्ट, जिसका उद्देश्य लुप्तप्राय जानवरों और पौधों का संरक्षण करना है।

विश्लेषण के अनुसार, यह सुधार प्राकृतिक क्षेत्रों, जलमार्गों और वन्यजीव आवासों को प्रभावित करने वाली परियोजनाओं के विश्लेषण के दृष्टिकोण को बदल सकता है। समर्थकों का घोषित लक्ष्य क्रमिक प्रशासनिक चरणों और कानूनी विवादों के कारण निर्माण परमिट प्राप्त करने में अनिश्चित काल तक देरी को रोकना है। हालांकि, पर्यावरण संरक्षण संगठन सवाल उठाते हैं कि क्या इन चरणों को कम करने से सार्वजनिक भागीदारी और निरीक्षण की संभावना कम नहीं हो जाएगी।

प्रस्ताव बिजली के हस्तांतरण से भी संबंधित है। BAAJA संघीय ऊर्जा नियामक आयोग (FERC) की गतिविधियों में परिवर्तन प्रदान करता है, यदि सरकारी प्रक्रियाएं आगे नहीं बढ़ती हैं तो कुछ अंतरराज्यीय लाइनों को अधिकृत करने के लिए इसके अधिकार का विस्तार करता है। यह पहल ऐसी कंपनियों के लिए मानदंडों को भी समायोजित करती है और क्षेत्रों-उत्पादकों और उपभोक्ताओं के बीच संबंध को सुविधाजनक बनाने का लक्ष्य रखती है।

यह पहलू विशेष रूप से महत्वपूर्ण है, क्योंकि बिजली उत्पादन का विस्तार अपने आप में आपूर्ति की समस्याओं का समाधान नहीं करता है। बिजली संयंत्रों पर उत्पादित ऊर्जा को एक ऐसे नेटवर्क के माध्यम से उपभोक्ताओं तक पहुंचना चाहिए जो लंबी दूरी पर बड़ी मात्रा में परिवहन कर सके। ट्रांसमिशन लाइनों की अनुपस्थिति में, नए जनरेशन परियोजनाओं को उत्पादन क्षमता होने पर भी सिस्टम से जुड़ने में कठिनाइयों का सामना करना पड़ सकता है।

टाइगो माईआ, जो परमाणु भौतिकी में मास्टर और डॉक्टरेट की डिग्री, एक तेल इंजीनियर और परियोजना प्रबंधन में एमबीए हैं, के विचार में, लाइसेंसिंग को सरल बनाने से इन बाधाओं के कुछ हिस्सों को दूर करने में मदद मिल सकती है। उन्होंने ओलहार डिजिटल को दिए एक साक्षात्कार में समझाया कि अनुमोदन की समय सीमा कम होने से बिजली संयंत्रों, सबस्टेशनों और ट्रांसमिशन लाइनों के निर्माण में तेजी आ सकती है।