എന്റർപ്രൈസ് പരിതസ്ഥിതികളിൽ ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംരംഭങ്ങൾ വിജയകരമായി വിന്യസിക്കുന്നതിനുള്ള ബിൽഡിംഗ് ബ്ലോക്കുകൾ വാട്സൺക്സ് നൽകുന്നുവെന്ന് ഐബിഎം അവകാശപ്പെടുന്നു. ഈ ബിൽഡിംഗ് ബ്ലോക്കുകൾ എന്തൊക്കെയാണ്, വിപണിയിലെ മറ്റുള്ളവരേക്കാൾ മികച്ച രീതിയിൽ ഇത് ചെയ്യാൻ കഴിയുമെന്ന് ഐബിഎമ്മിന് ഇത്ര ആത്മവിശ്വാസമുള്ളത് എന്തുകൊണ്ട്? ഇതിനെക്കുറിച്ച് കൂടുതലറിയാൻ ഞങ്ങൾ അടുത്തിടെ ഐബിഎം ടെക് എക്സ്ചേഞ്ച് ഇഎംഇഎയുടെ ആദ്യ പതിപ്പിൽ പങ്കെടുത്തു.

ഐബിഎം കഴിഞ്ഞ വർഷം സ്വന്തം തിങ്ക് കോൺഫറൻസിൽ വാട്സനെക്സ് പ്രഖ്യാപിക്കുകയും ഒരു വർഷത്തിനുള്ളിൽ ഇത് ഒരു എന്റർപ്രൈസ് എഐ സ്റ്റാക്കായി നിർമ്മിക്കുകയും ചെയ്തു. എന്റർപ്രൈസ് പരിതസ്ഥിതികളിൽ GenAI വിന്യസിക്കാനും വിന്യസിക്കാനും ഇത് സാധ്യമാക്കുന്നു. അതായത്, ഇത് സാധ്യമാക്കുന്നതിന് പ്രധാനപ്പെട്ട എല്ലാ ഘടകങ്ങളും പ്ലാറ്റ്ഫോമിൽ ഉൾപ്പെടുന്നു: watsonx.ai, watsonx.data, watsonx.governance. ആദ്യത്തെ രണ്ടെണ്ണം വിക്ഷേപണസമയത്ത് ഉടൻ തന്നെ സ്റ്റാക്കിന്റെ ഭാഗമായിരുന്നു; മൂന്നാമത്തേത് 2023 നവംബറിൽ ചേർത്തു.

വിജയകരമായ AI തന്ത്രത്തിന്റെ ഘടകങ്ങൾ

ഓർഗനൈസേഷനുകൾക്ക് ഈ ഘടകങ്ങളെല്ലാം ഐബിഎമ്മിൽ നിന്ന് വാങ്ങാൻ കഴിയും, അല്ലെങ്കിൽ അവർക്ക് ആവശ്യമുള്ളവ മാത്രം തിരഞ്ഞെടുക്കാം. എന്നിരുന്നാലും, ഐബിഎം സോഫ്റ്റ്വെയറിലെ എസ്വിപി പ്രൊഡക്ട്സ് ദിനേശ് നിർമൽ ടെക് എക്സ്ചേഞ്ചിൽ തന്റെ മുഖ്യപ്രഭാഷണത്തിൽ പറഞ്ഞതുപോലെ “എന്റർപ്രൈസിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് വിജയത്തിനുള്ള പാചകക്കുറിപ്പ്” ഉപയോഗിച്ച് ഇതെല്ലാം സജ്ജീകരിക്കേണ്ടത് പ്രധാനമാണ്.

സംയോജിത പ്ലാറ്റ്ഫോം

നിർമ്മൽ പറയുന്ന പാചകക്കുറിപ്പിൽ മൂന്ന് ചേരുവകൾ അടങ്ങിയിരിക്കുന്നു. എന്റർപ്രൈസ് പരിതസ്ഥിതികൾക്ക് അനുയോജ്യമായ ഇറുകിയ സംയോജിത പ്ലാറ്റ്ഫോം അല്ലെങ്കിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സ്റ്റാക്ക് ആണ് ആദ്യത്തേത്. IBM-ൽ, അത് Watsonx ആണ്. ഇതൊരു അടഞ്ഞ ശേഖരമല്ലെന്ന് നിർമൽ ചൂണ്ടിക്കാണിക്കുന്നു. ഒരു SDK ലഭ്യമാണ്, നിങ്ങൾക്ക് (REST) എപിഐകൾ ഉപയോഗിക്കാം. ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഒരു വിജയി മാത്രമുള്ള ഒരു ലോകമായിട്ടല്ല, മറിച്ച് ആർക്കും വിജയിയാകാൻ കഴിയുന്ന ഒരു ലോകമായാണ് അദ്ദേഹം കാണുന്നത്.

നിർമൽ എന്താണ് അർത്ഥമാക്കുന്നതെന്ന് ഞങ്ങൾക്ക് മനസ്സിലാകുമെങ്കിലും ആർക്കും വിജയിയാകാൻ കഴിയുമെന്നത് ഞങ്ങളെ സംബന്ധിച്ചിടത്തോളം അൽപ്പം പോസിറ്റീവ് ആയി തോന്നുന്നു. വിജയിക്കുന്ന ഒരൊറ്റ മോഡൽ, വെണ്ടർ അല്ലെങ്കിൽ സമീപനം ഉണ്ടാകില്ല. മുഖ്യപ്രഭാഷണത്തിനുശേഷം ഞങ്ങൾ അദ്ദേഹവുമായി ഹ്രസ്വമായി സംസാരിക്കുമ്പോൾ, പ്ലാറ്റ്ഫോമുകളേക്കാൾ വളരെ സംയോജിത സാങ്കേതികവിദ്യകളെക്കുറിച്ച് സംസാരിക്കാൻ അദ്ദേഹം ഇഷ്ടപ്പെടുന്നു. രണ്ടാമത്തേതിന് എല്ലായ്പ്പോഴും ചില സിംഗിൾ-വെണ്ടർ അസോസിയേഷനുകൾ ഉണ്ട്. ഉപഭോക്താക്കൾ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, എല്ലാ മേഖലകളിലും ആവശ്യമായ വൈദഗ്ധ്യം നൽകാൻ ഐബിഎമ്മിന് തീർച്ചയായും കഴിയും. ഇതിലേക്ക് പിന്നീട് വരാം.

എന്റർപ്രൈസ് ഉദ്ദേശ്യങ്ങൾക്കായുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകൾ

രണ്ടാമത്തെ ഘടകം ഉപയോഗിക്കുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകൾ ഉൾക്കൊള്ളുന്നു. എന്റർപ്രൈസ് പരിതസ്ഥിതികളിൽ ഉപയോഗിക്കാൻ ഇവ അനുയോജ്യമായിരിക്കണം. ഐബിഎമ്മിന് സ്വന്തമായി ഫൗണ്ടേഷൻ മോഡൽ, ഗ്രാനൈറ്റ് ഉണ്ട്, മാത്രമല്ല, ഉദാഹരണത്തിന്, ഓപ്പൺ സോഴ്സ് മോഡലുകൾ ഉപയോഗിക്കാൻ ഓർഗനൈസേഷനുകളെ അനുവദിക്കുന്ന ഹഗ്ഗിംഗ് ഫെയ്സുമായുള്ള പങ്കാളിത്തവും. എല്ലാ ഉപയോഗങ്ങൾക്കും അനുയോജ്യമായ ഒരു മോഡൽ ഇല്ലാത്തതിനാൽ മോഡലുകളെക്കുറിച്ചുള്ള ഈ തുറന്ന സമീപനം ആവശ്യമാണ്.

70 ബില്യൺ പാരാമീറ്ററുകളുള്ള ഒരു മോഡൽ ഉപയോഗിക്കേണ്ട ആവശ്യമില്ലെന്നും നിർമൽ ചൂണ്ടിക്കാണിക്കുന്നു. കുറച്ച് പാരാമീറ്ററുകൾ ഉപയോഗിച്ച്, നിങ്ങൾക്ക് ഒരു മികച്ച ജോലി ചെയ്യാനും കഴിയും. കുറച്ച് പാരാമീറ്ററുകൾ മിക്കവാറും അൽപ്പം കുറഞ്ഞ കൃത്യമായ ഫലം നൽകും, പക്ഷേ അത് ഒരു മോശം കാര്യമല്ല. ചില ഉപയോഗ കേസുകളിൽ, വളരെ ഉയർന്ന കൃത്യത മറ്റുള്ളവരെ അപേക്ഷിച്ച് കൂടുതൽ പ്രധാനമായിരിക്കും. ചെറിയ മോഡലുകളും വില കുറയ്ക്കും. അത് നിസ്സാരമല്ല, നിർമൽ നിരീക്ഷിക്കുന്നു: “ചെലവ് ഒരു തടസ്സമാണ്.” ആ വീക്ഷണകോണിൽ നിന്ന്, അദ്ദേഹം വ്യക്തമായ ഒരു പ്രവണത കാണുന്നു: “മോഡലുകൾ ചെറുതും കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതും ഡൊമെയ്ൻ അധിഷ്ഠിതവുമാണ്.”

സുതാര്യത

നിർമ്മൽ സംസാരിക്കുന്ന മൂന്നാമത്തെ ഘടകം തുറന്ന മനസ്സും സുതാര്യതയുമാണ്. ആദ്യ രണ്ടിലും ഇത് പ്രതിഫലിക്കുന്നത് ഞങ്ങൾ കണ്ടു. എന്നിരുന്നാലും, ഇവിടെ, പരിശീലന മോഡലുകളെ ചുറ്റിപ്പറ്റിയുള്ള തുറന്ന മനസ്സിനെക്കുറിച്ചാണ് നിർമ്മൽ പ്രധാനമായും സംസാരിക്കുന്നത്. മോഡലുകളെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന ഡാറ്റ പ്രസിദ്ധീകരിക്കുന്ന ഒരേയൊരു വെണ്ടറാണ് ഐബിഎം എന്ന് അദ്ദേഹം പറയുന്നു. മറ്റ് മോഡലുകളിൽ, പരിശീലന ഡാറ്റ എവിടെ നിന്ന് വരുന്നുവെന്ന് പലപ്പോഴും വ്യക്തമല്ല, അദ്ദേഹം വാദിക്കുന്നു. അതിനാൽ അവർക്ക് ആ തുറന്ന മനസ്സ് നൽകാൻ പോലും കഴിയില്ല. പ്രത്യേകിച്ചും പകർപ്പവകാശ ലംഘനങ്ങൾ പോലുള്ള കാര്യങ്ങൾ വർദ്ധിച്ചുവരുന്ന സൂക്ഷ്മപരിശോധനയ്ക്ക് വിധേയമാകുമ്പോൾ, മോഡലുകൾ വിശദീകരിക്കേണ്ടത് പ്രധാനമാണ്. ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകൾക്ക് അവരുടെ പരിശീലന ഇൻപുട്ട് എവിടെ നിന്ന് ലഭിക്കുന്നുവെന്ന് വ്യക്തമാക്കുന്നതാണ് ഇതിന്റെ ഒരു ഭാഗം.

GenAI ഓപ്ഷണലല്ല, ROI വ്യക്തമാണ്

ഞങ്ങളുടെ സംഭാഷണത്തിനിടയിൽ ജെൻഎഐ ഇപ്പോഴും ശൈശവത്തിലാണെന്ന് നിർമ്മൽ പലതവണ സൂചിപ്പിച്ചു. എന്നിരുന്നാലും, സംഘടനകൾ ഇത് ആരംഭിക്കാതിരിക്കാൻ ഇത് കാരണമല്ല, അദ്ദേഹം ചൂണ്ടിക്കാണിക്കുന്നു: “നിങ്ങൾ ഇത് ചെയ്തില്ലെങ്കിൽ, നിങ്ങൾ പിന്നിലാകും.” തൽഫലമായി, മിക്ക കമ്പനികളും ജെൻഎഐയെ നോക്കി മൂല്യം എവിടെ ചേർക്കാൻ കഴിയുമെന്ന് നിർണ്ണയിക്കുന്നത് അദ്ദേഹം കാണുന്നു.

ഇതിനർത്ഥം ആ കമ്പനികൾ ഇപ്പോഴും ഇത് ഉപയോഗിക്കുന്നുവെന്ന് അർത്ഥമാക്കുന്നില്ല, കാരണം ഇപ്പോഴും വളരെ ഉയർന്ന ചെലവ് ഉൾപ്പെടുന്നു. എന്നിരുന്നാലും, ROI വ്യക്തമാണ്, നിർമൽ ചൂണ്ടിക്കാണിക്കുന്നു. പ്രത്യേകിച്ചും, ആർഎജി, അല്ലെങ്കിൽ റിട്രീവൽ-ഓഗ്മെന്റഡ് ജനറേഷൻ, 2023 ൽ ആരംഭിച്ചു. ഉത്തരങ്ങൾ കഴിയുന്നത്ര കൃത്യമാണെന്ന് ഉറപ്പാക്കാൻ അനുവദിക്കുന്ന ഒരു വിജ്ഞാന അടിത്തറയിലേക്ക് എൽഎൽഎമ്മുകൾക്ക് പ്രവേശനം ഉണ്ടെന്നാണ് ആർഎജി അർത്ഥമാക്കുന്നത്. അതിനാൽ പരിശീലന ഡാറ്റയിൽ നിന്ന് ഈ അധിക അറിവ് ലഭിക്കുന്നില്ല, ഇത് പരിശീലന ഡാറ്റയ്ക്ക് പുറത്ത് തിരയുന്നു. ഒരു പുസ്തകത്തിൽ നിന്ന് അധിക അറിവ് വേർതിരിച്ചെടുക്കുന്നതും സ്വന്തം ഓർമ്മയിൽ നിന്ന് നേരിട്ട് വിവരങ്ങൾ വീണ്ടെടുക്കുന്നതും തമ്മിലുള്ള വ്യത്യാസമായി നിങ്ങൾക്ക് ഇതിനെ കണക്കാക്കാം.

ഓർഗനൈസേഷനുകൾക്കായി ഇപ്പോൾ GenAI-യുടെ ഏറ്റവും പ്രധാനപ്പെട്ട ആപ്ലിക്കേഷനാണ് RAG എന്നതിൽ സംശയമില്ല. ഇതുകൂടാതെ വേറെയും ഉണ്ട്. ഉള്ളടക്കം സൃഷ്ടിക്കൽ (കോഡ് വേഗത്തിൽ എഴുതാൻ ആഗ്രഹിക്കുന്ന ഡവലപ്പർമാർ ഉൾപ്പെടെ), ടെക്സ്റ്റ് സംഗ്രഹം, വലുതും വൈവിധ്യമാർന്നതുമായ ഡാറ്റാ സെറ്റുകളിൽ നിന്ന് ഉൾക്കാഴ്ചകൾ സൃഷ്ടിക്കൽ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

ഘട്ടം ഘട്ടമായി മുന്നോട്ട് നീങ്ങുക

ഇതിനകം സൂചിപ്പിച്ചതുപോലെ, ബിസിനസ്സ് ആപ്ലിക്കേഷനുകൾക്കായുള്ള ജെൻഎഐ ഇപ്പോഴും ശൈശവത്തിലാണ്. എന്നിരുന്നാലും, അതിന്റെ ഭാവിയെക്കുറിച്ച് ചില പ്രവചനങ്ങൾ നടത്താൻ നിർമ്മൽ ധൈര്യപ്പെടുന്നു. അദ്ദേഹം മൊത്തം അഞ്ചെണ്ണം നൽകുന്നു, അവ ഞങ്ങൾ ചുവടെ പട്ടികപ്പെടുത്തുന്നു:

ഓർഗനൈസേഷനുകൾ ഒരു മൾട്ടി മോഡൽ തന്ത്രം തിരഞ്ഞെടുക്കുന്നത് തുടരും. ഹൈബ്രിഡ് ക്ലൗഡ് മോഡലിലാണ് ജെന് എഐ പുറത്തിറക്കുക. ഭരണം പ്രധാന ആവശ്യകതകളിലൊന്നായി മാറും. സ്കെയിലബിൾ കേസുകൾ ഉപയോഗിക്കാൻ ഓർഗനൈസേഷനുകൾ തിരഞ്ഞെടുക്കണം. അല്ലാത്തപക്ഷം, ദീർഘകാലാടിസ്ഥാനത്തിൽ GenAI-യിൽ നിന്ന് മതിയായ മൂല്യം വേർതിരിച്ചെടുക്കുക അസാധ്യമാണ്. ഓർഗനൈസേഷനുകൾ ഉപയോഗിക്കുന്ന ഡാറ്റയുടെ പ്രാധാന്യം വർദ്ധിക്കുകയേ ഉള്ളൂ.

അഞ്ച് പ്രവചനങ്ങളിൽ, ഞങ്ങൾ 2, 3, 5 എന്നിവ പ്രത്യേകമായി എടുത്തുകാണിക്കുന്നു. ഹൈബ്രിഡ് ഒരു മാനദണ്ഡമാണ്, സമീപഭാവിയിൽ ഇത് മാനദണ്ഡമായിരിക്കും. ഇത് പരിസ്ഥിതികളെ മൊത്തത്തിൽ കൂടുതൽ സങ്കീർണ്ണമാക്കുന്നു, പക്ഷേ ജെൻഎഐ നടപ്പാക്കുന്നത് വളരെ സങ്കീർണ്ണമാണ്. “മോഡൽ പരിശീലനം തന്നെ ഇതിനകം തന്നെ ഇത് സങ്കീർണ്ണമാക്കുന്നു,” നിർമൽ ചൂണ്ടിക്കാണിക്കുന്നു. കൂടാതെ, ചില വ്യവസായങ്ങളിലെ ഓർഗനൈസേഷനുകളിൽ, ഡാറ്റ ഫയർവാളിന് പുറത്തേക്ക് പോകില്ല. “30 വ്യത്യസ്ത ഭൂമിശാസ്ത്ര പ്രദേശങ്ങളിലെ സൈറ്റുകളുള്ള ഒരു ഉപഭോക്താവിനായി നിങ്ങൾ എങ്ങനെ ഒരു മോഡലിനെ പരിശീലിപ്പിക്കും,” അദ്ദേഹം ഉറക്കെ ചോദിക്കുന്നു. ഓർക്കുക, ഹൈബ്രിഡ് പരിതസ്ഥിതികളിൽ ഇത് വിന്യസിക്കുന്നതിനെക്കുറിച്ച് ഞങ്ങൾ ഇതുവരെ സംസാരിക്കുന്നില്ല, മോഡലുകളുടെ പരിശീലനം മാത്രം. ഹൈബ്രിഡ് പരിതസ്ഥിതികളിൽ ജെൻഎഐ ഉപയോഗിക്കുന്നത് ഭരണം ഉൾപ്പെടെ മറ്റ് നിരവധി പ്രശ്നങ്ങൾ കൊണ്ടുവരുന്നു.

ഭരണത്തിൽ ഐബിഎമ്മിന് ധാരാളം പരിചയമുണ്ട്

IBM Watsonx.governance-ന് വളരെയധികം ഊന്നൽ നൽകുന്നു. കമ്പനി വികസിപ്പിച്ചെടുത്ത ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സ്റ്റാക്കിന്റെ ഏറ്റവും പുതിയ കൂട്ടിച്ചേർക്കലായതിനാൽ ഇത് ആശ്ചര്യകരമല്ല. കൂടാതെ, ഭരണം ഐബിഎം എന്തായാലും വളരെയധികം പ്രവർത്തിക്കുന്ന ഒന്നാണ്. പതിറ്റാണ്ടുകളായി ഡാറ്റാ ഗവേണൻസിൽ കമ്പനി സജീവമാണ്. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഭരണത്തിലേക്കുള്ള നീക്കം താരതമ്യേന എളുപ്പമാണ്. നിർമ്മൽ ഇക്കാര്യത്തിൽ വ്യക്തത പുലർത്തുന്നു: “ഒരു കച്ചവടക്കാരനും ഐബിഎമ്മിനേക്കാൾ മികച്ച ഭരണം നടത്തുന്നില്ല.”

ഒരു ജെൻഎഐ തന്ത്രത്തിൽ ഭരണം നിസ്സംശയമായും പ്രധാനമാണ്. എന്നിരുന്നാലും, ജെൻഎഐ പൈലറ്റുമാർ ഉൽ പാദനത്തിലേക്ക് പോകാത്തതിന്റെ പ്രധാന കാരണം ഡാറ്റയെ ചുറ്റിപ്പറ്റിയുള്ള പ്രശ്നങ്ങളാണ്. ഡാറ്റാ ഗവേണൻസും ഇവിടെ ഒരു പങ്ക് വഹിക്കുന്നു, തീർച്ചയായും, പക്ഷേ പലപ്പോഴും ഡാറ്റയുടെ ഗുണനിലവാരം അല്ലെങ്കിൽ ഡാറ്റയിലേക്കുള്ള പ്രവേശനം എന്നിവയിലും പ്രശ്നങ്ങളുണ്ട്. സംഘടനകൾ ആദ്യം അത് ശരിയായി സംഘടിപ്പിക്കണം. “നിങ്ങൾക്ക് ഒരു ഡാറ്റാ സ്ട്രാറ്റജി ഇല്ലെങ്കിൽ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സ്ട്രാറ്റജി ഇല്ല,” നിർമൽ വ്യക്തമായി പറയുന്നു.

ജിഡിപിആർ, ഡാറ്റാ തന്ത്രത്തിന്റെ മേഖലയിൽ ഒരു നല്ല വികസനം നൽകി. ഇത് പാലിക്കുന്നതിന്, ഓർഗനൈസേഷനുകൾ ഡാറ്റയ്ക്ക് ചുറ്റും അവരുടെ പ്രവർത്തനം ഒരുമിച്ച് നടത്തേണ്ടതുണ്ട്. അപ്പോൾ ജെൻഎഐ പുറത്തിറക്കുന്നതിൽ യൂറോപ്യൻ കമ്പനികൾക്ക് നേട്ടമുണ്ടെന്നാണോ ഇതിനർത്ഥം? നിർമ്മൽ അത്രയും ദൂരം പോകാൻ ആഗ്രഹിക്കുന്നില്ല. എന്നിരുന്നാലും, ജിഡിപിആർ കാരണം യൂറോപ്യൻ കമ്പനികൾ കൂടുതൽ ചിട്ടയായിരിക്കണം. അമേരിക്കൻ എന്റർപ്രൈസ് ഓർഗനൈസേഷനുകളും അവരുടെ ഡാറ്റ നന്നായി കൈകാര്യം ചെയ്യുന്നുണ്ടെന്നും അദ്ദേഹം ഉടൻ കൂട്ടിച്ചേർക്കുന്നു.

ഉപസംഹാരം: വ്യക്തവും സുതാര്യവുമായ ചട്ടക്കൂട് സങ്കീർണ്ണത കൈകാര്യം ചെയ്യാവുന്നതാക്കണം

മൊത്തത്തിൽ, ജെൻഎഐ ഓർഗനൈസേഷനുകളോട് കുറച്ച് ബുദ്ധിമുട്ടുള്ള ചോദ്യങ്ങൾ ഉന്നയിക്കുന്നു, അത് നല്ലതും ചിന്തനീയവുമായ രീതിയിൽ പുറത്തിറക്കാൻ അവർ ആഗ്രഹിക്കുന്നുവെങ്കിൽ. ആരംഭിക്കുന്നതിന് മുമ്പ് സംഘടനകൾ ഇതിനെക്കുറിച്ച് ശ്രദ്ധാപൂർവ്വം ചിന്തിക്കേണ്ടത് പ്രധാനമാണ്. ഞങ്ങളുടെ അഭിപ്രായത്തിൽ, ഐബിഎം നിർദ്ദേശിച്ച നടപടികൾ ഒരു നല്ല ചട്ടക്കൂടും നല്ല തുടക്കവുമാണ്, പ്രത്യേകിച്ചും ഇത് അടിസ്ഥാനപരമായി ഒരു തുറന്ന സമീപനമായതിനാൽ. ഐബിഎം സ്വന്തം കെട്ടിട ബ്ലോക്കുകൾ കഴിയുന്നത്ര ഉപഭോക്താക്കൾക്ക് വിൽക്കാൻ താൽപ്പര്യപ്പെടുമെന്നതിൽ സംശയമില്ല, പക്ഷേ അത് യാഥാർത്ഥ്യത്തോട് അന്ധത പുലർത്തുന്നില്ല. അത് എല്ലായ്പ്പോഴും നല്ലതാണ്, കാരണം ഈ യാഥാർത്ഥ്യം തികച്ചും സങ്കീർണ്ണമാണ്, ജെൻഎഐ ഇത് കൂടുതൽ സങ്കീർണ്ണമാക്കുന്നു.