विश्लेषण की सटीकता सुधारने के लिए आर्टिफिशियल इंटेलिजेंस बिजनेस प्रोसेस लॉग में छूटे केस पहचानकर्ताओं को कैसे पुनर्स्थापित कर सकता है?

Host: A.I.S. Insights — powered by Living Knowledge में आप सभी का स्वागत है। मैं हूँ आपकी होस्ट, अन्ना आइवी समर्स। आज हम चर्चा करने जा रहे हैं एक बेहद महत्वपूर्ण और आधुनिक अध्ययन के बारे में, जिसका शीर्षक है "केस आईडी रीवील्ड HERE: ट्रांसफॉर्मर-संचालित बिजनेस प्रोसेस इवेंट लॉग संवर्धन हेतु हाइब्रिड इल्यूसिव केस रिपेयर विधि"। यह अध्ययन इस बात की पड़ताल करता है कि कैसे जेनरेटिव आर्टिफिशियल इंटेलिजेंस और डोमेन-विशेषज्ञ नियमों को मिलाकर बिजनेस प्रोसेस के अधूरे डेटा को पूरी सटीकता के साथ ठीक किया जा सकता है। इस विषय की बारीकियों को समझने के लिए हमारे साथ हैं हमारे विशेषज्ञ एलेक्स इयान सदरलैंड। स्वागत है एलेक्स।

Expert: धन्यवाद अन्ना। आज के दौर में जब हर संस्था डेटा-संचालित बनने की कोशिश कर रही है, इस अध्ययन पर बात करना वास्तव में बहुत प्रासंगिक है।

Host: एलेक्स, आज लगभग हर बड़ा संगठन अपने कार्यों को बेहतर बनाने के लिए प्रोसेस माइनिंग का उपयोग कर रहा है। लेकिन इस अध्ययन में एक बहुत बड़ी समस्या की ओर इशारा किया गया है। क्या आप हमारे श्रोताओं को समझा सकते हैं कि यह समस्या क्या है और यह व्यवसायों को कैसे प्रभावित करती है?

Expert: बिल्कुल अन्ना। संक्षेप में कहें तो, प्रोसेस माइनिंग आपकी व्यावसायिक प्रक्रियाओं का एक एक्स-रे है। लेकिन इस एक्स-रे को काम करने के लिए 'इवेंट लॉग' की ज़रूरत होती है, जहाँ हर गतिविधि का एक रिकॉर्ड होता है। अब समस्या यह है कि कई बार डेटा में 'केस आईडी' गायब होती है। केस आईडी वह पहचानकर्ता है जो बताता है कि कोई खास गतिविधि किस विशिष्ट ऑर्डर, ग्राहक या लेन-देन से संबंधित है। जब यह आईडी गायब होती है, तो उसे 'इल्यूसिव केस' या अस्पष्ट मामला कहा जाता है। पारंपरिक तरीकों की कमी यह रही है कि वे या तो सभी घटनाओं को बिना सोचे-समझे पुनर्गठित कर देते हैं, जिससे सही डेटा भी बिगड़ जाता है, या फिर इसके लिए भारी मानवीय प्रयास की आवश्यकता होती है। यदि डेटा गलत ठीक हुआ, तो मैनेजमेंट के फैसले भी पूरी तरह गलत हो जाते हैं।

Host: यानी अगर आधारभूत डेटा ही अधूरा या विकृत हो, तो पूरा विश्लेषण गलत दिशा में जा सकता है। तो एलेक्स, इस अध्ययन में इस समस्या से निपटने के लिए क्या नया तरीका सुझाया गया है? इस हाइब्रिड इल्यूसिव केस रिपेयर विधि, यानी HERE का दृष्टिकोण क्या है?

Expert: इस अध्ययन ने डिज़ाइन साइंस रिसर्च का अनुसरण करते हुए एक बहुत ही संतुलित दृष्टिकोण अपनाया है। उन्होंने इसे हाइब्रिड इसलिए कहा है क्योंकि यह दो दुनियाओं को जोड़ता है। एक तरफ है आधुनिक जेनरेटिव एआई का ट्रांसफॉर्मर आर्किटेक्चर, जो डेटा के पैटर्न, समय के क्रम और संदर्भ को गहराई से समझता है। दूसरी तरफ हैं बिज़नेस डोमेन के स्थापित नियम और एक ह्यूमन-इन-द-लूप ढांचा। ट्रांसफॉर्मर मॉडल यह अनुमान लगाता है कि लापता केस आईडी क्या होनी चाहिए, जबकि डोमेन नियम एक सुरक्षा दीवार की तरह काम करते हैं ताकि एआई बिज़नेस लॉजिक से बाहर जाकर कोई बेतुका निर्णय न ले ले।

Host: यह तो वाकई एक समझदारी भरा मेल है जहाँ मशीन की गति और इंसान का विवेक साथ आ रहे हैं। तो इस अध्ययन के मुख्य परिणाम और निष्कर्ष क्या रहे?

Expert: अन्ना, इसके परिणाम बहुत ही प्रभावशाली रहे हैं। सबसे पहला और महत्वपूर्ण निष्कर्ष यह है कि यह हाइब्रिड विधि पहले से सही डेटा में कोई छेड़छाड़ किए बिना लापता केस आईडी को बेहद सटीक तरीके से पुनर्स्थापित करती है। दूसरा, शोधकर्ताओं ने पाया कि डोमेन नियमों को पूर्व और पश्चात जांच के रूप में शामिल करने से मॉडल का प्रदर्शन काफी बढ़ जाता है, खासकर उन परिस्थितियों में जहाँ डेटा सीमित हो या त्रुटियों की दर बहुत अधिक हो। तीसरा, बड़े पैमाने के डेटासेट पर इस ट्रांसफॉर्मर-आधारित मॉडल ने पारंपरिक मशीन लर्निंग बेंचमार्क की तुलना में कहीं बेहतर काम किया। अंत में, 21 उद्योग विशेषज्ञों के साक्षात्कारों के आधार पर यह प्रमाणित हुआ कि यह पद्धति वास्तविक कॉर्पोरेट वर्कफ़्लो में डेटा तैयार करने की प्रक्रिया को स्वचालित करने के लिए अत्यधिक व्यावहारिक और उपयोगी है।

Host: यह बहुत बड़ी उपलब्धि है। एलेक्स, बिज़नेस लीडर्स और निर्णयकर्ताओं के नज़रिए से देखें तो यह अध्ययन इतना महत्वपूर्ण क्यों है? इसका वास्तविक बिज़नेस इम्पैक्ट क्या होगा?

Expert: अन्ना, कॉर्पोरेट दुनिया में कहा जाता है कि डेटा वैज्ञानिक और विश्लेषक अपना लगभग 80 प्रतिशत समय केवल डेटा को साफ़ करने और उसे इस्तेमाल के लायक बनाने में गंवा देते हैं। यह अध्ययन सीधे तौर पर उस समय, मेहनत और लागत को कम करता है। जब कंपनियाँ इस तरह की स्वचालित और विश्वसनीय तकनीक अपनाती हैं, तो वे अपनी सप्लाई चेन, ग्राहक सेवा या वित्तीय ऑडिट में आने वाली रुकावटों को बिना किसी डेटा लॉस के तुरंत पकड़ सकती हैं। इसका मतलब है तेज़ निर्णय, कम परिचालन लागत और प्रोसेस माइनिंग में किया गया निवेश का पूरा रिटर्न।

Host: बिल्कुल सही कहा आपने, एलेक्स। जब डेटा की नींव मजबूत होती है, तभी रणनीतिक फैसलों की इमारत टिक सकती है। इस अध्ययन के निष्कर्षों को इतने सरल और प्रभावी ढंग से हमारे साथ साझा करने के लिए आपका बहुत-बहुत धन्यवाद।

Expert: यह मेरा सौभाग्य था अन्ना, बहुत-बहुत धन्यवाद।

Host: और हमारे सभी श्रोताओं का A.I.S. Insights — powered by Living Knowledge से जुड़ने के लिए आभार। बिज़नेस और टेक्नोलॉजी के ऐसे ही गहन और व्यावहारिक अध्ययनों को समझने के लिए हमारे साथ बने रहें। अगले एपिसोड तक, नमस्कार।