Whalesbook
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ના વધતા ચલણને કારણે, ભારતની અગ્રણી IT કંપનીઓ હવે માત્ર સોફ્ટવેર પહોંચાડવાને બદલે ક્લાયન્ટ્સ માટે જટિલ AI સિસ્ટમ્સનું સક્રિયપણે અમલીકરણ કરી રહી છે. તેઓ Forward Deployed Engineers (FDEs) ની નિમણૂક કરી રહી છે કારણ કે તેમને સમજાયું છે કે AI ટૂલ્સ મેળવવા જેટલું સરળ છે, તેટલું જ તેને ક્લાયન્ટના ઓપરેશન્સમાં સરળતાથી અને કોઈ વિક્ષેપ વિના સંકલિત કરવું એ સૌથી મોટો પડકાર છે. આ માટે એવા એન્જિનિયરોની જરૂર છે જેઓ અદ્યતન ટેકનોલોજીને વાસ્તવિક બિઝનેસ જરૂરિયાતો સાથે જોડી શકે.
AI માટે ઓન-સાઇટ એન્જિનિયરિંગની માંગ
મોટા, ઓફશોર IT ટીમો દ્વારા સંચાલિત બહુ-વર્ષીય કોન્ટ્રાક્ટ્સનું પરંપરાગત મોડેલ હવે Agile, ઓન-સાઇટ નિપુણતાની માંગ સામે ઝાંખું પડી રહ્યું છે. Infosys જેવી કંપનીઓ તેમની FDE ટીમોને ઝડપથી વિસ્તારી રહી છે, જેનો ઉદ્દેશ્ય એન્જિનિયરોને સીધા ક્લાયન્ટ ઓપરેશન્સમાં સામેલ કરવાનો છે. HCLTech અને Coforge પણ આ વિશિષ્ટ ભૂમિકાઓનું વિસ્તરણ કરી રહી છે, કારણ કે AI અમલીકરણના પડકારોને પહોંચી વળવા માટે તેઓ ચાવીરૂપ છે. આ બદલાવ બજારના સેન્ટિમેન્ટ પર અસર કરે છે; જ્યારે આ રણનીતિ ઉચ્ચ-મૂલ્યની AI સેવાઓ મેળવવાનો હેતુ ધરાવે છે, ત્યારે Infosys (માર્કેટ કેપ આશરે $65 અબજ ડોલર, P/E ~28) અને Wipro (માર્કેટ કેપ આશરે $28 અબજ ડોલર, P/E ~18) જેવી કંપનીઓ માટે તાત્કાલિક બજાર પ્રતિક્રિયાઓ રોકાણકારોની સાવધાની દર્શાવે છે કે આ નવા મોડેલો કેવી રીતે પ્રદર્શન કરશે અને નફાકારક બનશે. AI માં આ એમ્બેડેડ અભિગમમાં અગ્રણી Palantir Technologies (માર્કેટ કેપ આશરે $25 અબજ ડોલર, P/E ~75) ઉચ્ચ મૂલ્યાંકનની સંભાવના દર્શાવે છે, પરંતુ ક્લાયન્ટના ઊંડા સંકલનની જરૂરિયાત પર પણ ભાર મૂકે છે.
IT સેવાઓ માટે એક નવી ભૂમિકા
FDE ભૂમિકા માટે મજબૂત કોડિંગ કુશળતા, વ્યૂહાત્મક સલાહ અને ક્લાયન્ટ-ફેસિંગ ક્ષમતાના સંયોજનની જરૂર પડે છે, જે તેમને એન્ટરપ્રાઇઝ AI માટે અત્યંત માંગમાં લાવે છે. આ મોટા પાયે, ખર્ચ-કેન્દ્રિત ઓફશોર કાર્યથી એક મોટો ફેરફાર છે જેણે લાંબા સમયથી ભારતીય IT ને વ્યાખ્યાયિત કર્યું છે. OpenAI જેવી AI-નેટિવ કંપનીઓ તેમની પોતાની કન્સલ્ટિંગ સેવાઓ શરૂ કરીને આ બદલાવને વેગ આપી રહી છે, જે સીધી રીતે જૂની IT કંપનીઓને સંકલિત AI સોલ્યુશન્સ સાથે પડકાર ફેંકી રહી છે. બેંકિંગ અને હેલ્થકેર જેવા ક્ષેત્રોમાં AI ને સંકલિત કરવાના પડકારો સાથે, આ દબાણ IT કંપનીઓને તેમના બિઝનેસ મોડેલો અને પ્રતિભાને કેવી રીતે હાયર કરવી તે વિશે પુનર્વિચાર કરવા મજબૂર કરી રહ્યું છે. Coforge, ઉદાહરણ તરીકે, તેના FDE કર્મચારીઓની સંખ્યામાં નોંધપાત્ર વધારો કરવાની યોજના ધરાવે છે, જે આ ક્ષેત્રમાં વ્યૂહાત્મક રોકાણનો સંકેત આપે છે.
નફાકારકતા પર જોખમો
સ્પષ્ટ વ્યૂહાત્મક જરૂરિયાત હોવા છતાં, FDE-કેન્દ્રિત મોડેલ પર સ્થળાંતર કરવાથી મોટા જોખમો ઉભા થાય છે જે નફા અને બજાર સ્થિતિને નુકસાન પહોંચાડી શકે છે. મુખ્ય પડકાર માર્જિન ઇરોઝન (Margin Erosion) છે. મોટા ઓફશોર પ્રોજેક્ટ્સમાંથી અનુમાનિત, નફાકારક આવકની વિપરીત, FDEs જે ઓન-સાઇટ કામ કરે છે તેનો અર્થ સામાન્ય રીતે મુસાફરી, ક્લાયન્ટ સિસ્ટમ્સને સંકલિત કરવા અને દુર્લભ કુશળતા માટે ઊંચા ભાવ ચૂકવવાના ઊંચા ખર્ચ થાય છે. આ તીવ્ર કાર્ય IT કંપનીઓના સ્વસ્થ નફા માર્જિનને દબાવી શકે છે. આ વિશિષ્ટ એન્જિનિયરો માટે સ્પર્ધા પણ વધી રહી છે. FDEs માટે જરૂરી ટેકનિકલ કુશળતા, બિઝનેસ સમજ અને ક્લાયન્ટ કુશળતાનું મિશ્રણ દુર્લભ છે, જેના કારણે હાયરિંગ અને જાળવણી ખર્ચ વધે છે અને સંભવતઃ સેવા વિતરણ ધીમું પડી શકે છે. AI-નેટિવ ડિસરપ્ટર્સ (Disruptors) એક અસ્તિત્વનું જોખમ ઉભું કરે છે; OpenAI અને Palantir જેવી કંપનીઓ સંકલિત AI પ્લેટફોર્મ અને ઊંડા વિશેષજ્ઞતા પ્રદાન કરે છે જે પરંપરાગત IT સેવા પ્રદાતાઓને સંપૂર્ણપણે બાયપાસ કરી શકે છે, સંભવતઃ અમલીકરણ કાર્યને ઓછું મૂલ્યવાન બનાવી શકે છે. ભૂતકાળમાં, ડિજિટલ ટ્રાન્સફોર્મેશન દરમિયાન, ભારતીય IT કંપનીઓએ ઉચ્ચ-નફાકારક કન્સલ્ટિંગમાં સ્થાનાંતરિત થવામાં સંઘર્ષ કર્યો હતો, ઘણીવાર અમલીકરણ કાર્યમાં અટકી ગયા હતા. અહીં પણ સેવાઓમાં ઘટાડો અથવા અમલીકરણ મુદ્દાઓનું સમાન જોખમ આવી શકે છે. FDE મોડેલો ક્લાયન્ટ્સ પર વધુ નિર્ભરતાનો પણ અર્થ ધરાવે છે, જો ક્લાયન્ટ્સ AI અપનાવે નહીં અથવા તેમની બાજુથી અણધાર્યા મુદ્દાઓ ઉભા થાય તો જોખમો વધે છે. આ મોડેલને સ્કેલ કરવું, ભલે તે એક લક્ષ્ય હોય, તે હજી પણ એક મોટો પડકાર છે.
ભવિષ્યનું દૃશ્ય
વિશ્લેષકો AI સેવાઓની મજબૂત માંગ ચાલુ રહેવાની અપેક્ષા રાખે છે, જેમાં ઓન-સાઇટ એન્જિનિયરો એન્ટરપ્રાઇઝ AI અપનાવવામાં, ખાસ કરીને નિયંત્રિત ઉત્તર અમેરિકન ઉદ્યોગોમાં, કેન્દ્રિય ભૂમિકા ભજવે તેવી શક્યતા છે. જોકે, રોકાણકારો નજીકથી જોઈ રહ્યા છે કે આ કંપનીઓ લાંબા ગાળાની નાણાકીય અસરનું સંચાલન કેવી રીતે કરે છે, તેઓ Agile AI કંપનીઓ સાથે સ્પર્ધા કરતી વખતે આ માંગવાળી ભૂમિકાઓને કેવી રીતે સ્કેલ કરી શકે છે. ઉદ્યોગ એક મુખ્ય ક્ષણનો સામનો કરી રહ્યો છે, જેને AI ની વ્યવહારિક માંગોને અનુકૂલન કરવાની જરૂર છે જ્યારે હજુ પણ નફો વધારવાની જરૂર છે.