AI ટોકન (Token) ના ભાવ ઘટવા છતાં, એડવાન્સ એજન્ટિક સિસ્ટમ્સ (Agentic Systems) ના વધુ પડતા ઉપયોગને કારણે કુલ ખર્ચ આસમાને પહોંચી રહ્યો છે. આ બદલાવ TCS, Wipro જેવી મુખ્ય ભારતીય IT કંપનીઓને અસર કરી રહ્યો છે, જે હવે ખર્ચ-અસરકારક AI વ્યૂહરચનાઓ (Strategies) ને પ્રાધાન્ય આપવા અને પ્રોજેક્ટના મૂલ્યનું સખત મૂલ્યાંકન કરવા મજબૂર થઈ રહી છે.
Detailed Coverage
AI ખર્ચમાં અણધાર્યો વધારો!
વિશ્વભરની કંપનીઓ, ખાસ કરીને ભારતીય IT સેક્ટરમાં, AI ડિપ્લોયમેન્ટ (Deployment) ના ખર્ચાઓ અંદાજ કરતાં વધી રહ્યા છે. જોકે 2023 થી AI ટોકન્સના ભાવ 90% થી વધુ ઘટ્યા છે, તેમ છતાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) પર કુલ ખર્ચ સતત વધી રહ્યો છે. આનું મુખ્ય કારણ કંપનીઓ 'એજન્ટિક' AI સિસ્ટમ્સ તરફ વળી રહી છે. આ જટિલ સિસ્ટમ્સ ઓટોનોમસ (Autonomous) કાર્યો કરી શકે છે અને સાદા ચેટબોટ (Chatbot) ની તુલનામાં ઘણો વધારે ડેટા વાપરે છે.
ભારતીય IT પર શું અસર?
TCS, Wipro અને HCLTech જેવી મોટી ભારતીય સોફ્ટવેર સર્વિસ પ્રોવાઇડર્સ (Service Providers) તેમના ક્લાયન્ટ્સ (Clients) ની પ્રાથમિકતાઓમાં બદલાવ જોઈ રહી છે. કોર્પોરેટ ક્લાયન્ટ્સ હવે પ્રાયોગિક AI અપનાવવાની શરૂઆતની દોડમાંથી બહાર આવી રહ્યા છે અને ખર્ચ-લાભનું (Cost-Benefit) કડક વિશ્લેષણ કરી રહ્યા છે. Wipro જેવી કંપનીઓના મેનેજમેન્ટે નોંધ્યું છે કે ક્લાયન્ટ્સ હવે દરેક બિઝનેસ કાર્ય માટે સૌથી મોંઘા, ટોપ-ટાયર (Top-tier) AI મોડેલ્સનો ઉપયોગ કરવાની જરૂરિયાત પર સવાલો ઉઠાવી રહ્યા છે. આના પરિણામે, IT કંપનીઓ પ્રોજેક્ટની નફાકારકતા જાળવી રાખવા માટે ચોક્કસ કાર્યોને વધુ આર્થિક, ઓપન-સોર્સ (Open-source) અથવા નાના AI મોડેલ્સ સાથે મેચ કરવા માટે તેમની વ્યૂહરચનાઓને સમાયોજિત કરી રહી છે.
ખર્ચાળ AI મોડેલ્સનો પડકાર
નાણાકીય ડેટા અને માર્કેટ રિસર્ચ સૂચવે છે કે વધુ શક્તિશાળી AI મોડેલ્સ પર જવાથી કંપનીઓના ખર્ચમાં 10 થી 100 ગણો વધારો થઈ શકે છે. ભલે આઉટપુટનો પ્રતિ યુનિટ ખર્ચ ઓછો હોય, પરંતુ એડવાન્સ ઓટોમેશન (Automation) માટે વપરાશનું વિશાળ પ્રમાણ મહિનાઓની અંદર બજેટ ખતમ કરી રહ્યું છે. વધુમાં, Gartner જેવા વૈશ્વિક સંશોધનો સૂચવે છે કે જો વર્તમાન વપરાશના વલણો ચાલુ રહે, તો AI-ડ્રાઇવ કરેલા કોડિંગનો ખર્ચ આખરે માનવ સોફ્ટવેર ડેવલપર્સ (Developers) ને હાયર કરવાના ખર્ચ કરતાં વધી શકે છે. આ એવી કંપનીઓ માટે નાણાકીય જોખમ ઊભું કરે છે જેમણે તેમના AI ઇન્ફ્રાસ્ટ્રક્ચર (Infrastructure) ના સ્કેલિંગ ખર્ચ માટે પૂરતી યોજના બનાવી નથી.
વૈશ્વિક સ્પર્ધા અને પ્રાઈસિંગ પ્રેશર
ભારતીય IT કંપનીઓ ચીન જેવા આંતરરાષ્ટ્રીય પ્રદાતાઓ પાસેથી પણ પરોક્ષ સ્પર્ધાનો સામનો કરી રહી છે. Z.ai, Moonshot અને DeepSeek જેવી કંપનીઓ પશ્ચિમી પ્લેટફોર્મ્સ (Platforms) ની તુલનામાં AI મોડેલ પરફોર્મન્સ (Performance) ઓફર કરી રહી છે પરંતુ ખૂબ જ ઓછી કિંમતે. રિપોર્ટ્સ સૂચવે છે કે આ પ્રદાતાઓ મુખ્ય પશ્ચિમી પ્રતિસ્પર્ધીઓ કરતાં ઘણા ઓછા ખર્ચે ચોક્કસ AI-ડ્રાઇવ કાર્યો પહોંચાડી શકે છે. આ સ્પર્ધાત્મક પ્રાઈસિંગ (Pricing) ઓછા વીજળી ખર્ચ અને નોંધપાત્ર સ્થાનિક ઇન્ફ્રાસ્ટ્રક્ચર સપોર્ટ જેવા પરિબળો દ્વારા સંચાલિત થાય છે. પરિણામે, ભારતીય IT કંપનીઓએ તેમના ક્લાયન્ટ્સને સ્પર્ધાત્મક મૂલ્ય પ્રદાન કરવા માટે તેમના ડિલિવરી મોડેલ્સને ઓપ્ટિમાઇઝ (Optimize) કરવા પર ધ્યાન કેન્દ્રિત કરવું પડશે.
રોકાણકારો માટે વ્યૂહાત્મક ફેરફારો
રોકાણકારો માટે, મુખ્ય નિરીક્ષણ એ છે કે IT કંપનીઓ કેટલી અસરકારક રીતે કાર્યક્ષમ AI ઉપયોગ તરફ આગળ વધી શકે છે. આ ઉદ્યોગ એક એવા મોડેલ તરફ આગળ વધી રહ્યો છે જ્યાં શક્તિશાળી સિસ્ટમ્સ ફક્ત સૌથી જટિલ જરૂરિયાતો માટે અનામત રાખવામાં આવે છે, જ્યારે સરળ કાર્યો ખર્ચ-અસરકારક વિકલ્પોનો ઉપયોગ કરીને ઓટોમેટ (Automate) કરવામાં આવે છે. IT ફર્મની પોતાની નફાની મર્યાદાને નુકસાન પહોંચાડ્યા વિના આ વધતા ઓપરેશનલ ખર્ચનું સંચાલન કરવાની ક્ષમતા નિર્ણાયક બનશે. ભવિષ્યમાં, ધ્યાન એ વાત પર રહેશે કે સર્વિસ પ્રોવાઇડર્સ તેમના ક્લાયન્ટ્સ માટે મૂળભૂત AI પ્રયોગોથી ઉચ્ચ-મૂલ્ય, ખર્ચ-કાર્યક્ષમ અમલીકરણમાં સફળતાપૂર્વક સંક્રમણ કરી શકે છે કે કેમ.