McKinsey ના નવા રિપોર્ટ મુજબ, સરકારી સંસ્થાઓમાં AI અપનાવવાનો સ્કોર **28** છે, જે વૈશ્વિક સરેરાશ **33** થી ઓછો છે. કન્સલ્ટન્સી ચેતવણી આપે છે કે અલગ-અલગ પાયલોટ પ્રોજેક્ટ્સ ઘણીવાર નિષ્ફળ જાય છે અને સફળતા માટે સમગ્ર જાહેર સેવા વર્કફ્લોને ફરીથી ડિઝાઇન કરવાની જરૂર છે. રોકાણકારોએ નોંધવું જોઈએ કે શાસનમાં AI નું વ્યાપક એકીકરણ ડિજિટલ ઇન્ફ્રાસ્ટ્રક્ચર અને IT સેવાઓ માટે ભવિષ્યમાં માંગ વધારી શકે છે.
Detailed Coverage
AI અપનાવવામાં જાહેર ક્ષેત્રની ધીમી ગતિ
McKinsey & Company દ્વારા 24 જુલાઈ, 2026 ના રોજ જાહેર કરાયેલા એક રિપોર્ટ અનુસાર, વિશ્વભરની સરકારો આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) પહેલને પાયલોટ સ્ટેજથી આગળ વધારવા માટે સંઘર્ષ કરી રહી છે. આ તારણો સૂચવે છે કે જાહેર ક્ષેત્રમાં હાલમાં AI અપનાવવાનો સ્કોર 28 છે, જે વૈશ્વિક ક્રોસ-ઇન્ડસ્ટ્રી સરેરાશ 33 કરતાં ઓછો છે. આ અંતર સરકારી કામગીરીમાં અદ્યતન ટેકનોલોજીના વિસ્તરણમાં વ્યવસ્થિત મુશ્કેલી દર્શાવે છે.
અલગ-અલગ પાયલોટ પ્રોજેક્ટ્સ સાથે સમસ્યા
કન્સલ્ટન્સી નોંધે છે કે જાહેર ક્ષેત્રના ઘણા AI પ્રોજેક્ટ્સ પ્રાયોગિક તબક્કામાં જ ફસાયેલા રહે છે. જ્યારે કંપનીઓ AI ને મુખ્ય બિઝનેસ ટ્રાન્સફોર્મેશન ટૂલ તરીકે જુએ છે, ત્યારે સરકારી પ્રોજેક્ટ્સને દૈનિક કામગીરીમાં એકીકરણના અભાવે વારંવાર નુકસાન થાય છે. McKinsey એ શોધી કાઢ્યું છે કે જ્યારે AI નો ઉપયોગ અલગ, વિશિષ્ટ કાર્યો માટે થાય છે, ત્યારે આવા લગભગ 30% પ્રોગ્રામ્સ સંપૂર્ણ ઉત્પાદનમાં પહોંચે છે. તેનાથી વિપરીત, જ્યારે પ્રોગ્રામ્સ સમગ્ર સેવા પ્રક્રિયાને આવરી લેવા માટે ડિઝાઇન કરવામાં આવે છે - જેમ કે ટેક્સ રિટર્ન અથવા સામાજિક લાભની અરજી પર પ્રક્રિયા કરવાનો સંપૂર્ણ માર્ગ - ત્યારે સફળતા દર લગભગ 70% સુધી વધી જાય છે.
જાહેર ક્ષેત્રમાં AI અપનાવવામાં પડકારો
AI-સંચાલિત શાસનમાં સંક્રમણ નોંધપાત્ર અવરોધો ધરાવે છે. ટેકનોલોજી ઉપરાંત, સરકારો લેગસી ડેટા સિસ્ટમ્સને અપડેટ કરવા, મોડેલના જોખમોનું સંચાલન કરવા અને સંચાલન ખર્ચને નિયંત્રિત કરવામાં સતત મુશ્કેલીનો સામનો કરે છે. રિપોર્ટ સૂચવે છે કે પડકાર માત્ર ટેકનિકલ નથી પણ કાર્યકારી પણ છે. સરકારો ઘણીવાર જૂની વર્કફ્લો પર AI ને લેયર કરવાનો પ્રયાસ કરે છે, જે ટેકનોલોજીની અસરકારકતાને મર્યાદિત કરે છે. વાસ્તવિક પરિણામો પ્રાપ્ત કરવા માટે, McKinsey સૂચવે છે કે જાહેર સંસ્થાઓએ તેમના એન્ડ-ટુ-એન્ડ સેવા વિતરણ પ્રક્રિયાઓને ફરીથી ડિઝાઇન કરવી જોઈએ, AI ને એડ-ઓન સુવિધા તરીકે જોવાને બદલે.
નાણાકીય અને વ્યૂહાત્મક પ્રાથમિકતાઓ
IT અને ડિજિટલ ટ્રાન્સફોર્મેશન ક્ષેત્ર પર નજર રાખનારાઓ માટે, રિપોર્ટ ખર્ચની પ્રાથમિકતાઓ પર સ્પષ્ટ દ્રષ્ટિકોણ પ્રદાન કરે છે. McKinsey સલાહ આપે છે કે AI ટેકનોલોજી પર ખર્ચવામાં આવતા દરેક ડોલર માટે, સરકારોએ અપનાવવા, કર્મચારીઓની તાલીમ અને ક્ષમતા નિર્માણ માટે પાંચ ડોલર ફાળવવા જોઈએ. અમલીકરણના માનવ અને પ્રક્રિયા-લક્ષી પાસાઓ પર આ ધ્યાન વિસ્તરણ માટે આવશ્યક માનવામાં આવે છે. રિપોર્ટ ભાર મૂકે છે કે AI અપનાવવાનું શરૂ કરતા પહેલા સરકારે સંપૂર્ણ ડેટા આધુનિકીકરણની રાહ જોવી જોઈએ નહીં; તેના બદલે, આ બંને પ્રક્રિયાઓ સમાંતર થવી જોઈએ.
રોકાણકારો નિરીક્ષણ કરી શકે છે કે સરકારી કરારો નાના, વિભાજિત સોફ્ટવેર પાઇલોટ્સને બદલે વ્યાપક, એન્ડ-ટુ-એન્ડ ડિજિટલ ટ્રાન્સફોર્મેશન પ્રોજેક્ટ્સ તરફ સ્થળાંતર કરવાનું શરૂ કરે છે કે કેમ. IT સેવાઓ, ક્લાઉડ કમ્પ્યુટિંગ અને સાયબર સુરક્ષા ક્ષેત્રની કંપનીઓ પર લાંબા ગાળાની અસર આ સરકારી સંસ્થાઓ કેટલી અસરકારક રીતે આ મોટા પાયે સંસ્થાકીય પુનઃરચનાનો અમલ કરી શકે છે અને શું તેઓ તેમના ભાવિ બજેટમાં સેવા ઝડપ અને છેતરપિંડી ઘટાડવા જેવા પરિણામોને પ્રાથમિકતા આપે છે તેના પર નિર્ભર રહેશે.