કંપનીઓ AI ના ઉપયોગથી કામમાં ઝડપ તો લાવી રહી છે, પરંતુ તેનો ફાયદો બોટમ-લાઈન (Profit) સુધી પહોંચી રહ્યો નથી. બિઝનેસ જગત હાલમાં **$161 અબજ** ના 'AI ફ્રેગમેન્ટેશન ટેક્સ' જેવી સ્થિતિનો સામનો કરી રહ્યું છે.
આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) ના મામલે કોર્પોરેટ જગત અત્યારે એક નિર્ણાયક વળાંક પર છે. એટલાસિયન (Atlassian) ના રિસર્ચ મુજબ, જોકે કર્મચારીઓ AI ટૂલ્સ દ્વારા કોડિંગ અને રિપોર્ટિંગ જેવા કામોમાં 33% ઝડપ લાવી શક્યા છે, પરંતુ સમગ્ર બિઝનેસ પ્રોસેસમાં આ ટ્રાન્સફોર્મેશન માત્ર 3-4% જ જોવા મળી રહ્યું છે.
'AI ફ્રેગમેન્ટેશન ટેક્સ' નો ફટકો
આ ગેપને કારણે મોટી કંપનીઓને દર વર્ષે $161 અબજ નો 'AI ફ્રેગમેન્ટેશન ટેક્સ' વેઠવો પડે છે. સમસ્યા એ છે કે AI નો ઉપયોગ અલગ-અલગ વિભાગોમાં (Silos) થઈ રહ્યો છે. જ્યારે એક વિભાગ AI થી ઝડપી બને છે, પણ બીજો વિભાગ જૂની પદ્ધતિઓ પર આધારિત હોય, ત્યારે કામ અટકી પડે છે. રસપ્રદ વાત એ છે કે માત્ર 6% એક્ઝિક્યુટિવ્સ જ એ વાતથી સહમત છે કે તેમનો AI પાછળનો ખર્ચ સીધો રેવન્યુ સાથે જોડાયેલો છે. ભારતીય IT સેક્ટરના રોકાણકારો માટે આ એક ચેતવણી સમાન છે, કારણ કે મોટી કંપનીઓ હવે તેમના AI ખર્ચ પર પુનર્વિચાર કરી શકે છે.
ડેટા ફાઉન્ડેશન કેમ છે જરૂરી?
આજે માત્ર મોટું AI મોડેલ હોવું પૂરતું નથી. કંપનીનો પોતાનો ડેટા કેટલો વ્યવસ્થિત છે તે જ સફળતા નક્કી કરે છે. રિપોર્ટ મુજબ, લગભગ 69% કર્મચારીઓ માને છે કે તેમની કંપનીનો ડેટા AI માટે તૈયાર નથી. ઘણી કંપનીઓ ડેટા સિસ્ટમ સુધાર્યા વગર માત્ર સોફ્ટવેર લાઈસન્સ ખરીદવા પાછળ નાણાં વેડફી રહી છે.
હવે ખર્ચ કરવાની રીત બદલાશે
આગામી સમયમાં કંપનીઓ માત્ર લાઈસન્સ ખરીદવાને બદલે તેમની ઈન્ટરનલ સિસ્ટમ અને વર્કફ્લો સુધારવા પર ધ્યાન કેન્દ્રિત કરશે. રોકાણકારોએ હવે એ જોવું જોઈએ કે કઈ કંપનીઓ AI ના આ લાભોને સાચા પ્રોફિટ કે કોસ્ટ કટિંગમાં રૂપાંતરિત કરી શકે છે, કારણ કે હવે 'AI હાઈપ' કરતા 'ઓર્ગેનાઈઝેશનલ બોટલનેક્સ' (વહીવટી અવરોધો) દૂર કરવા વધુ મહત્વના બની ગયા છે.