AI ખર્ચનો વાસ્તવિક ચહેરો: પાઇલટ પ્રોજેક્ટ્સ મોટા થયા તેમ કંપનીઓએ બજેટ ટાઇટ કર્યા

AIના પ્રયોગો હવે મોટા પાયે અમલમાં મુકાતા કંપનીઓ ખર્ચના વાસ્તવિક આંકડા જોઈને ચોંકી રહી છે. રોકાણકારો હવે AI અપનાવવાને બદલે તેની નફાકારકતા પર વધુ ધ્યાન આપી રહ્યા છે, અને કંપનીઓ આ વધતા ખર્ચને કેવી રીતે મેનેજ કરીને પ્રોફિટ માર્જિન જાળવી રાખે છે તેના પર નજર રાખી રહ્યા છે.

શું થયું?

આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ની સફરમાં હવે કંપનીઓ આર્થિક મુશ્કેલીઓનો સામનો કરી રહી છે. એક વર્ષના પ્રાયોગિક AI પાઇલટ પ્રોગ્રામ્સ પછી, ઘણી કંપનીઓને હવે આ ટૂલ્સને મોટા પાયે અમલમાં મૂકવાનો ખર્ચ, જે ઘણીવાર ટોકન વપરાશ અથવા એજન્ટ ઇન્ટરેક્શન પર આધારિત હોય છે, તે ધાર્યા કરતાં ઘણો વધારે હોવાનું જણાયું છે. જે "લો-કોસ્ટ" "ટોકનમેક્સિંગ" (દરેક શક્ય કાર્ય માટે AIનો ઉપયોગ) થી શરૂ થયું હતું, તે હવે કડક નિયંત્રણો હેઠળ આવી રહ્યું છે. કંપનીઓ હવે બજેટને કાબૂ બહાર જતા અટકાવવા માટે કેપ્સ (caps) અને ખર્ચ-મેનેજમેન્ટ ફ્રેમવર્ક લાગુ કરી રહી છે.

રોકાણકારો માટે માર્જિન ટેસ્ટ

શેરધારકો માટે, મુખ્ય ચિંતા એ છે કે આ "સાયલન્ટ કોસ્ટ બ્લોકઅપ્સ" (silent cost blowups) કંપનીના બોટમ લાઇનને કેવી રીતે અસર કરે છે. જ્યારે AI એજન્ટ કાર્યો કરે છે, ત્યારે તે બહુવિધ સિસ્ટમો સાથે સંપર્ક કરી શકે છે, જેનાથી ખર્ચમાં વધારો થઈ શકે છે જે તરત જ સ્પષ્ટ ન પણ હોય. ટેક-હેવી ફર્મ્સ માટે, આ ખર્ચ પર નજર રાખવામાં નિષ્ફળતા ઓપરેટિંગ માર્જિન પર દબાણ લાવી શકે છે. રોકાણકારોએ એ જોવાની જરૂર છે કે કંપનીઓ ફક્ત "AI નો ઉપયોગ" કરવાથી આગળ વધીને "ખર્ચાયેલા દરેક ડોલર દીઠ વ્યવસાયિક મૂલ્ય ઉત્પન્ન" કરવા પર ધ્યાન કેન્દ્રિત કરી રહી છે કે કેમ. મેનેજમેન્ટની AI-સંબંધિત ઓવરહેડને નિયંત્રિત કરવાની ક્ષમતા એ નિર્ધારિત કરવામાં મુખ્ય ભેદભાવક બનશે કે કઈ ફર્મ્સ નફાકારકતાને છોડીને ઉત્પાદકતામાં વધારો જોશે.

પ્રયોગોથી મૂલ્ય તરફ ગતિ

ઉદ્યોગના નેતાઓ તેમની વ્યૂહરચના બદલી રહ્યા છે. Cyient જેવી કંપનીઓએ ભારપૂર્વક જણાવ્યું છે કે AI એજન્ટ્સ જમાવવાનો ધ્યેય નથી, પરંતુ તે ચોક્કસ વર્કફ્લોમાં નક્કર વ્યવસાયિક મૂલ્ય ઉમેરશે તેની ખાતરી કરવાનો છે. દરમિયાન, Nazara Technologies જેવી ફર્મ્સ ખર્ચ ઘટાડવાનો પ્રયાસ કરવાને બદલે, સામગ્રી આઉટપુટ વધારવા અને સબ્સ્ક્રાઇબર્સને જાળવી રાખવા માટે AI નો ઉપયોગ કરીને આવક વૃદ્ધિ પર ધ્યાન કેન્દ્રિત કરી રહી છે. આ ફેરબદલી નિર્ણાયક છે કારણ કે તે ટોપ લાઇનને સુધારવાનો પ્રયાસ કરે છે, જે AI ઇન્ફ્રાસ્ટ્રક્ચર માટે જરૂરી રોકાણને વધુ સારી રીતે સરભર કરી શકે છે.

ગવર્નન્સ (Governance) એક નવું માપદંડ

બજેટ ઓવરરન (Budget overruns) ઘણીવાર યોગ્ય દેખરેખના અભાવ સાથે જોડાયેલા હોય છે. જ્યારે ક્લાઉડ અને સોફ્ટવેર ખર્ચ માટે સામાન્ય રીતે પરિપક્વ મંજૂરી પ્રક્રિયાઓ હોય છે, ત્યારે AI વપરાશ વારંવાર આ હાલના ફ્રેમવર્કની બહાર આવે છે. ઉદ્યોગ અહેવાલો અનુસાર, મોટાભાગની કંપનીઓમાં હજુ પણ એજન્ટિક AI માટે પરિપક્વ ગવર્નન્સ મોડેલનો અભાવ છે. પરિણામે, AI ગવર્નન્સ પ્લેટફોર્મ્સ પર ખર્ચ વધી રહ્યો છે, કારણ કે કંપનીઓ "રનઅવે" બિલિંગને રોકવા માટે રીઅલ-ટાઇમ એનોમલી ડિટેક્શન (anomaly detection) અને ઉપયોગ નિયંત્રણો બનાવવા માટે ઝડપી બની રહી છે.

રોકાણકારોએ આગળ શું ટ્રેક કરવું?

રોકાણકારોએ આગામી ત્રિમાસિક કમાણી અહેવાલોમાં મેનેજમેન્ટની ટિપ્પણીઓ પર ધ્યાન આપવું જોઈએ, ખાસ કરીને ટેકનોલોજી ખર્ચ અને માર્જિન માર્ગદર્શન અંગે. મુખ્ય દેખરેખ રાખવાની બાબતોમાં શામેલ છે:

1. શું કંપનીઓ સામાન્ય ટેક ખર્ચ વિરુદ્ધ ચોક્કસ "AI અમલીકરણ ખર્ચ" જાહેર કરે છે.
2. પ્રાઇસિંગ મોડેલ્સમાં ફેરફાર - ટોકન-આધારિત વપરાશ ફીને બદલે પરિણામ-આધારિત પ્રાઇસિંગ તરફ જતી કંપનીઓ શોધો.
3. AI ગવર્નન્સની અસરકારકતા - ખર્ચ નિયંત્રણો, વપરાશ કેપ્સ અથવા કેન્દ્રિય AI પ્લેટફોર્મ્સનો કોઈપણ ઉલ્લેખ માર્જિન સ્વાસ્થ્ય માટે સકારાત્મક સંકેત છે.
4. ઓપરેટિંગ કાર્યક્ષમતા પર AI ની અસર - શું કંપનીઓ ખરેખર ગ્રાહકને સેવા આપવાનો ખર્ચ ઘટાડી રહી છે, કે તેઓ ફક્ત નવા AI વિક્રેતાઓને ખર્ચ સ્થાનાંતરિત કરી રહી છે?