રોકાણકારો હવે ફક્ત AI દ્વારા થતા કાર્ય ઓટોમેશન (Automation) થી આગળ વધીને, કંપનીઓ ટેકનોલોજીનો ઉપયોગ આવક (Revenue) અને માર્જિન (Margins) વધારવા માટે કેવી રીતે કરી રહી છે તેના પર ધ્યાન આપી રહ્યા છે. આ બદલાવને સમજવો એ ભારતીય IT અને ટેકનોલોજી ક્ષેત્રમાં લાંબા ગાળાના મૂલ્યાંકન માટે ખૂબ જ મહત્વપૂર્ણ છે.
ભારતીય કંપનીઓ માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) અપનાવવાનો પ્રારંભિક તબક્કો મુખ્યત્વે ઓપરેશનલ કાર્યક્ષમતા (Operational Efficiency) પર કેન્દ્રિત રહ્યો હતો. તેનો ઉદ્દેશ્ય પુનરાવર્તિત કાર્યોને ઓટોમેટ કરીને ખર્ચ ઘટાડવાનો હતો. જોકે, હવે એક મોટો ટ્રેન્ડ ઉભરી રહ્યો છે જ્યાં વ્યવસાયો ફક્ત કાર્ય ઓટોમેશનથી આગળ વધીને, નવી આવકના સ્ત્રોત ખોલવા અને ગ્રાહક અનુભવ (Customer Experience) સુધારવા માટે AI ને તેમની મુખ્ય વ્યૂહરચના (Core Strategy) માં સમાવી રહ્યા છે.
આ બદલાવ ખાસ કરીને ભારતીય IT સર્વિસિસ સેક્ટર અને ડિજિટલ-નેટિવ બિઝનેસ પર નજર રાખતા રોકાણકારો માટે સુસંગત છે. માર્કેટ હવે કંપનીઓને ફક્ત AI ના પ્રયોગોની સંખ્યાના આધારે મૂલ્યાંકન કરવાનું બંધ કરી રહ્યું છે. તેના બદલે, ધ્યાન એ વાત પર કેન્દ્રિત થઈ રહ્યું છે કે આ ટેકનોલોજીનો ઉપયોગ વર્કફ્લો (Workflows) ને ફરીથી ડિઝાઇન કરવા, પ્રોડક્ટ ડેવલપમેન્ટ (Product Development) ને બહેતર બનાવવા અને જટિલ બિઝનેસ સમસ્યાઓ હલ કરવા માટે કેવી રીતે થઈ રહ્યો છે, જે સીધી રીતે બોટમ લાઇન (Bottom Line) ને અસર કરે છે.
ઓટોમેશન કરતાં વ્યૂહરચના શા માટે વધુ મહત્વની છે?
હાલની બિનકાર્યક્ષમ પ્રક્રિયાઓમાં AI લાગુ કરવાથી મર્યાદિત પરિણામો મળે છે. કંપનીઓ માટે એક મુખ્ય જોખમ એ છે કે તેઓ ફક્ત 'બોટલનેકને ઓટોમેટ' કરી શકે છે, જ્યાં વર્કફ્લોમાં રહેલી ખામીઓ ઝડપથી કરવામાં આવે છે. રોકાણકારો હવે એવી કંપનીઓને પુરસ્કાર આપી રહ્યા છે જેઓ વધુ સર્વગ્રાહી અભિગમ અપનાવી રહી છે - ટેકનોલોજી ફક્ત મેન્યુઅલ શ્રમ બદલવાને બદલે વ્યૂહાત્મક અમલીકરણને ટેકો આપે તે સુનિશ્ચિત કરવા માટે વ્યવસાય પ્રક્રિયાઓનું ફરીથી મૂલ્યાંકન કરી રહી છે.
રોકાણકારો માટે, AI પ્રોજેક્ટ્સ જે ફક્ત પ્રાયોગિક છે અને જે કંપનીના વેલ્યુ પ્રપોઝિશન (Value Proposition) માં સંકલિત છે તે વચ્ચે તફાવત પારખવાનો પડકાર છે. જે કંપની AI નો ઉપયોગ તેની પ્રાઇસિંગ પાવર (Pricing Power) સુધારવા, પ્રોડક્ટ ડેવલપમેન્ટ સાઇકલ ટૂંકી કરવા અથવા ગ્રાહક રીટેન્શન (Customer Retention) ને નાટકીય રીતે સુધારવા માટે કરે છે, તે ફક્ત વહીવટી ખર્ચ ઘટાડવા માટે તેનો ઉપયોગ કરતી કંપની કરતાં વધુ ટકાઉ નાણાકીય અસર જોવાની શક્યતા છે.
શેરધારકો માટે AI મૂલ્યનું નિરીક્ષણ
ત્રિમાસિક પરિણામો (Quarterly Results) અથવા મેનેજમેન્ટ કોમેન્ટ્રી (Management Commentary) ની સમીક્ષા કરતી વખતે, AI ની આસપાસની ભાષા એક મહત્વપૂર્ણ નિરીક્ષણ બની રહી છે. રોકાણકારોએ વ્યાપક વચનોને બદલે ચોક્કસ પરિણામો શોધવા જોઈએ. ટ્રેક કરવાના મુખ્ય ક્ષેત્રોમાં AI પહેલ ઉત્પાદકતામાં વધારો કરીને વધુ સારા માર્જિન તરફ દોરી રહી છે કે કેમ, ઉચ્ચ-મૂલ્યની સેવાઓ સક્ષમ કરીને નવા ક્લાયન્ટ્સને આકર્ષિત કરી રહી છે કે કેમ, અને અંતિમ-વપરાશકર્તા અનુભવ સુધારીને ગ્રાહક ટર્ન (Churn) ઘટાડી રહી છે કે કેમ તેનો સમાવેશ થાય છે.
એક્ઝિક્યુટિવ લીડરશીપ ટ્રેનિંગ (Executive Leadership Training) અને ચેન્જ મેનેજમેન્ટ (Change Management) પણ નિર્ણાયક સૂચકાંકો છે. AI નું સફળ ડિપ્લોયમેન્ટ હવે ફક્ત ટેકનિકલ અપગ્રેડ નથી; તે એક નેતૃત્વની આવશ્યકતા છે. જે કંપનીઓ તેમના સ્ટાફને AI સાધનોનો અસરકારક રીતે ઉપયોગ કરવા માટે તાલીમ આપવામાં રોકાણ કરે છે તેઓ એવી કંપનીઓ કરતાં તેમની વ્યૂહરચના સફળતાપૂર્વક અમલમાં મૂકવાની વધુ શક્યતા ધરાવે છે જેઓ ટેકનોલોજીને ફક્ત IT ખર્ચ તરીકે જુએ છે.
આગળ જતાં, કંપનીઓ માટે ભિન્નતા એ હશે કે તેઓ ટેકનોલોજી રોકાણને માપી શકાય તેવા બિઝનેસ પરિણામો સાથે જોડવાની ક્ષમતા ધરાવે છે. જેમ જેમ લેન્ડસ્કેપ વિકસિત થાય છે, તેમ તેમ માર્કેટ એવી કંપનીઓને પસંદ કરશે જેઓ તેમના AI રોડમેપ અને લાંબા ગાળાની નફાકારકતા (Long-term Profitability) વચ્ચે સ્પષ્ટ કડી દર્શાવે છે, જ્યારે AI ને હાઇપ-ડ્રાઇવન ખર્ચ તરીકે ગણતી કંપનીઓથી સાવચેત રહેશે.