Nisum ના રિપોર્ટ મુજબ, માત્ર **5.5%** કંપનીઓ જ AI માં કરેલા રોકાણમાંથી વાસ્તવિક પ્રોફિટ મેળવી શકે છે. રોકાણકારો માટે આ એક ચેતવણી છે કે ફ્રેગમેન્ટેડ ડેટા ઇન્ફ્રાસ્ટ્રક્ચર કંપનીઓની પ્રગતિને અટકાવી રહ્યું છે.
શું AI રોકાણ નિષ્ફળ જઈ રહ્યું છે?
ઈ-કોમર્સ સેક્ટરમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) હાલમાં મૂડી ખર્ચ (Capital Spending) માટેનું મુખ્ય કેન્દ્ર છે, પરંતુ કંપનીઓના દાવા અને વાસ્તવિક પ્રોફિટ વચ્ચે મોટું અંતર દેખાઈ રહ્યું છે. Nisum ના રિપોર્ટ મુજબ, માત્ર 5.5% સંસ્થાઓ જ તેમના AI ઇન્વેસ્ટમેન્ટને નફામાં બદલી શકી છે. સમસ્યા AI ટૂલ્સની ગુણવત્તામાં નથી, પરંતુ કંપનીઓના ડેટા ઇન્ફ્રાસ્ટ્રક્ચરના વિભાજન (Data Silos) માં છે.
ડેટા સિલોસ અને ઓપરેશનલ જોખમ
ઘણી રિટેલ કંપનીઓમાં ઇન્વેન્ટરી રેકોર્ડ્સ, પ્રોડક્ટ કેટેલોગ અને કસ્ટમર ડેટા અલગ-અલગ સિસ્ટમમાં કેદ છે. પરિણામે, AI સિસ્ટમ યોગ્ય રીતે કામ કરી શકતી નથી. દાખલા તરીકે, ઘણીવાર AI એવી પ્રોડક્ટ્સની માર્કેટિંગ કરે છે જેનો સ્ટોક જ પૂરો થઈ ગયો હોય. આ પ્રકારની ભૂલો માત્ર માર્કેટિંગ ખર્ચ જ નથી વધારતી, પરંતુ કસ્ટમર અનુભવને પણ બગાડે છે, જે સીધી રીતે કંપનીના વેચાણ પર અસર કરે છે.
સ્કેલિંગની સમસ્યા
જો ડેટા ફાઉન્ડેશન કાચું હોય, તો AI ની ભૂલો સમગ્ર એન્ટરપ્રાઈઝમાં વિસ્તરે છે. કંપનીઓ ડેટા ક્વોલિટી સુધાર્યા વગર જ જનરેટિવ AI કે પ્રેડિક્ટિવ એનાલિટિક્સમાં કૂદી પડે છે, જેના કારણે તેમના પ્રોજેક્ટ્સ 'પાયલોટ ફેઝ' થી આગળ વધી શકતા નથી અને ખર્ચનું વળતર મળતું નથી.
રોકાણકારો માટે શું છે સંકેત?
રોકાણકારોએ હવે માત્ર કંપનીના AI પ્લાન્સ પર ભરોસો કરવાને બદલે ડેટા ગવર્નન્સ, સિસ્ટમ ઇન્ટિગ્રેશન અને લેગસી ઇન્ફ્રાસ્ટ્રક્ચરના આધુનિકીકરણ પર ધ્યાન આપવાની જરૂર છે. આ ટ્રેન્ડ IT સર્વિસ અને ડિજિટલ ટ્રાન્સફોર્મેશન આપતી કંપનીઓ માટે નવી તકો ઊભી કરી રહ્યો છે. જે કંપનીઓ ડેટાને એક પ્રોજેક્ટ નહીં પણ સતત ચાલતી પ્રક્રિયા તરીકે જોશે, તે જ લાંબે ગાળે માર્કેટમાં વિજેતા બનશે.