AI ક્ષેત્રની બજેટ 2026 થી મોટી માંગ: માત્ર પ્રતિભા નહીં, રોજગારી અને સ્થાનિક ક્ષમતા પર ધ્યાન!

ભારત આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) દ્વારા અબજો ડોલરનો આર્થિક વિકાસ હાંસલ કરવાના આરે છે. જોકે, દેશ એક વિરોધાભાસનો સામનો કરી રહ્યો છે: AI માં મોટી સંખ્યામાં પ્રતિભાશાળી લોકો હોવા છતાં, તે નોકરી માટે તૈયાર નથી. આ અંતરને કારણે સરકારી ધ્યાન તાલીમ (Skilling) થી આગળ વધીને રોજગારી અને સ્થાનિક AI ક્ષમતાઓ વિકસાવવા પર કેન્દ્રિત થવું જોઈએ, ખાસ કરીને જ્યારે બજેટ 2026 નજીક આવી રહ્યું છે.

પ્રતિભા વિરુદ્ધ રોજગારી: નોકરીઓનો અભાવ

ભારત પાસે વૈશ્વિક AI પ્રતિભાશાળી લોકોનો લગભગ 16% હિસ્સો છે, જે એક મોટી સંપત્તિ છે. પરંતુ, એક કડવી વાસ્તવિકતા એ છે કે 25% થી ઓછા સ્નાતકોને અદ્યતન ડિજિટલ અને AI ભૂમિકાઓ માટે પૂરતા તૈયાર ગણવામાં આવે છે. Futurense ના CEO, Raghav Gupta એ આ મહત્વપૂર્ણ અંતર પર પ્રકાશ પાડ્યો છે. તેમણે જણાવ્યું કે સમસ્યા રસના અભાવની નથી, પરંતુ પૂરતા વાસ્તવિક-વિશ્વના સંપર્ક (real-world exposure) ની છે. તેથી, ઉદ્યોગ જગત બજેટ 2026 માં રોજગારી ક્ષમતા વધારવા, શૈક્ષણિક સંસ્થાઓ અને ઉદ્યોગો વચ્ચે મજબૂત સહયોગને પ્રોત્સાહન આપવા પર ભાર મૂકી રહ્યું છે. આમાં અનુભવ આધારિત શિક્ષણ (experiential learning) ને પ્રોત્સાહન આપવું અને AI અપનાવવા સાથે કાર્યકર તાલીમ કાર્યક્રમોમાં રોકાણ કરતી કંપનીઓને પ્રોત્સાહન આપવાનો સમાવેશ થાય છે.

ઇન્ફ્રાસ્ટ્રક્ચરના અભાવે AI વિકાસને અવરોધ

માનવ મૂડી ઉપરાંત, અનેક માળખાકીય અવરોધો (structural impediments) ભારતના AI લક્ષ્યોને અવરોધી રહ્યા છે. Devnagri ના CEO અને સહ-સ્થાપક, Nakul Kundra એ દેશની મર્યાદિત સ્થાનિક કમ્પ્યુટ ક્ષમતા (compute capacity) તરફ ધ્યાન દોર્યું છે. ભારત વૈશ્વિક ડેટા સેન્ટર ઇન્ફ્રાસ્ટ્રક્ચરનો માત્ર 2% થી ઓછો હિસ્સો ધરાવે છે. ઉચ્ચ ગ્રાફિક્સ પ્રોસેસિંગ યુનિટ (GPU) ખર્ચ આ પડકારોને વધુ તીવ્ર બનાવે છે, જેનાથી AI વિકાસની સ્કેલેબિલિટી મર્યાદિત થાય છે. વિવિધ સ્થાનિક ડેટાસેટ્સ પર તાલીમ પામેલા મજબૂત, ભારતીય ભાષા-પ્રથમ લાર્જ લેંગ્વેજ મોડેલ્સ (LLMs) નો અભાવ એક મુખ્ય અવરોધ બની રહ્યો છે, જે સ્થાનિક AI ઉકેલોમાં પ્રગતિને અવરોધે છે. બજેટ 2026 માં આ સમસ્યાઓનો ઉકેલ લાવવાની અપેક્ષા છે, જેમાં સ્વદેશી AI મોડેલો માટે ભંડોળ અને ડેટા ગૌરવ (data dignity) તથા સંમતિ (consent) સંબંધિત સ્પષ્ટ નિયમો સ્થાપિત કરવા પર ધ્યાન કેન્દ્રિત કરવામાં આવશે. બેંકિંગ, ઈ-કોમર્સ અને ગવર્નન્સ જેવા મુખ્ય ક્ષેત્રોમાં લાગુ AI (applied AI) માટે પ્રોત્સાહનો પણ નિર્ણાયક છે.

સ્વદેશી AI અને ડિજિટલ સાર્વભૌમત્વની રચના

RackBank અને NeevCloud ના સ્થાપક અને CEO, Narendra Sen જેવા ઉદ્યોગ અગ્રણીઓ, કોર AI ઇન્ફ્રાસ્ટ્રક્ચર - કમ્પ્યુટ અને ડેટા પ્લેટફોર્મ્સ - ને ડિજિટલ જાહેર માલ (digital public goods) તરીકે ગણવાની વ્યૂહાત્મક અનિવાર્યતા પર ભાર મૂકે છે. Sen ડેટા સેન્ટર્સને "નવા સાર્વભૌમ પ્રદેશ" (new sovereign territory) અને AI ને "નવી વીજળી" (new electricity) સાથે સરખાવે છે, જે સતત જાહેર રોકાણની જરૂરિયાત પર ભાર મૂકે છે. વિદેશી હાયપરસ્કેલર્સને બદલે સ્વદેશી ક્લાઉડ પ્લેટફોર્મ્સને ટેકો આપવા માટે રચાયેલ કમ્પ્યુટ માટે ખાસ પ્રોડક્શન લિંક્ડ ઇન્સેન્ટિવ (PLI) યોજના માટે પણ માંગ છે. AI ઇન્ફ્રાસ્ટ્રક્ચરને વ્યૂહાત્મક રાષ્ટ્રીય સંપત્તિ તરીકે વર્ગીકૃત કરીને, ભારત તેના ડેટાને તેના કાનૂની માળખામાં રાખવાની ખાતરી કરવા માંગે છે, આમ ભવિષ્ય માટે ડિજિટલ સાર્વભૌમત્વ (digital sovereignty) સુરક્ષિત કરે છે. વૈશ્વિક મંચ પર અસરકારક રીતે સ્પર્ધા કરવા અને પોતાની AI ક્ષમતાઓ વિકસાવવા માટે આ અભિગમ અત્યંત મહત્વપૂર્ણ છે.

બજેટ 2026: અમલીકરણ પર ભાર

ઉદ્યોગ જગત તરફથી મુખ્ય સંદેશ એ છે કે શિક્ષણ, ઇન્ફ્રાસ્ટ્રક્ચર અને એન્ટરપ્રાઇઝ અપનાવવા (enterprise adoption) માં ભારતના AI વ્યૂહરચનાનું ઊંડું એકીકરણ (deeper integration) કરવાની માંગ છે. બજેટ 2026 ને ભારતની વિશાળ પ્રતિભાશાળી પૂલને નોકરી-તૈયાર વ્યાવસાયિકોમાં રૂપાંતરિત કરવાની, મજબૂત સ્થાનિક AI ક્ષમતાઓ બનાવવા અને વૈશ્વિક સ્પર્ધાત્મકતા જાળવી રાખવાની ક્ષમતા નક્કી કરનાર નિર્ણાયક પરિબળ તરીકે જોવામાં આવે છે. ધ્યાન સ્પષ્ટપણે મોટા પાયા (sheer scale) થી માપી શકાય તેવા પરિણામો (quantifiable outcomes) તરફ સ્થળાંતરિત થવું જોઈએ જે કાયમી આર્થિક મૂલ્ય અને તકનીકી સ્વતંત્રતા (technological independence) ઉત્પન્ન કરે.