Whalesbook
કાર્યક્ષમતાનો નવો દૌર
IT કંપનીઓના રેવન્યુ ગ્રોથ અને કર્મચારીઓની સંખ્યા વધારવા વચ્ચેનો ઐતિહાસિક સંબંધ હવે લગભગ ખતમ થઈ ગયો છે. ભારતીય IT કંપનીઓએ હવે પ્લેટફોર્મ-સેન્ટ્રિક ડિલિવરી મોડેલ અપનાવ્યું છે. AI દ્વારા સંચાલિત કાર્યક્ષમતામાં થયેલા સુધારાને કારણે, વધુ કર્મચારીઓની જરૂરિયાત વિના પણ પ્રોજેક્ટ માર્જિનમાં વધારો થઈ રહ્યો છે. ઓટોમેશનને પ્રાધાન્ય આપીને, કંપનીઓ ખાસ કરીને એન્ટ્રી-લેવલની નોકરીઓમાં ઘટાડો કરી રહી છે. છેલ્લા એક વર્ષમાં આ નોકરીઓમાં લગભગ 25% નો ઘટાડો જોવા મળ્યો છે. આ એક મોટો બદલાવ છે જે છેલ્લા ત્રણ દાયકાથી ચાલતા 'બોડી શોપ' સર્વિસ મોડેલથી દૂર લઈ જાય છે.
ટેલેન્ટ પાઇપલાઇનમાં ઘટાડો
રોજગાર માર્કેટના ડેટા દર્શાવે છે કે ભરતી પ્રવૃત્તિમાં તીવ્ર ઘટાડો થયો છે. નોકરીઓની સંખ્યા 28 મહિનાની નીચી સપાટીએ પહોંચી ગઈ છે, જે દર્શાવે છે કે કંપનીઓ નવા ગ્રેજ્યુએટ્સને લાંબા ગાળાની તાલીમમાં રોકાણ કરવા તૈયાર નથી. તેના બદલે, ધ્યાન મિડ-ટુ-સીનિયર લેવલના ટેલેન્ટ પર કેન્દ્રિત થયું છે, જે AI ડિપ્લોયમેન્ટ પ્રોજેક્ટ્સમાં તરત જ જોડાઈ શકે. Infosys અને TCS જેવી કંપનીઓ તેમના કર્મચારીઓની પ્રોફાઇલ બદલી રહી છે. તેઓ કર્મચારીઓની સરેરાશ નોકરીનો સમયગાળો વધારવા અને વિશિષ્ટ કૌશલ્યો પર ભાર મૂકી રહ્યા છે, જેનાથી દર વર્ષે બજારમાં આવતા લાખો ગ્રેજ્યુએટ્સ માટે પ્રવેશ મુશ્કેલ બની રહ્યો છે.
ડી-ગ્લોબલાઇઝેશનનું માર્જિન પ્રેશર
ટેકનિકલ વિક્ષેપો ઉપરાંત, આ ક્ષેત્ર આંતરરાષ્ટ્રીય શ્રમ ગતિશીલતામાં વધતી પ્રતિકૂળ પરિસ્થિતિઓનો સામનો કરી રહ્યું છે. યુ.એસ. વિઝા નિયમોમાં કડકાઈ પરંપરાગત ઓફશોરિંગ મોડેલ પર ટેક્સ જેવી છે. આના કારણે ભારતીય કંપનીઓ અમેરિકામાં તેમના કર્મચારીઓને સ્થાનિક બનાવવા પર વધુ ભાર આપી રહી છે. આ માત્ર એક રાજકીય અવરોધ નથી, પરંતુ નાણાકીય પણ છે; ઓછા ખર્ચે ભારતીય એન્જિનિયરોને સ્થાનિક, વધુ ખર્ચાળ યુ.એસ. ટેલેન્ટ સાથે બદલવાથી ઓપરેટિંગ માર્જિન દબાણમાં આવે છે. જેમ જેમ કંપનીઓ આ વધેલા ખર્ચને સરભર કરવા સંઘર્ષ કરે છે, તેમ તેમ આંતરિક ઓટોમેશન પર વધુ ભાર મૂકવો એ વ્યૂહાત્મક પસંદગી કરતાં અસ્તિત્વ માટેની જરૂરિયાત બની ગઈ છે.
સ્ટ્રક્ચરલ રિસ્ક અને બેર કેસ
વર્તમાન IT સર્વિસિસ આઉટલુક માટે પ્રાથમિક જોખમ એ શૈક્ષણિક અભ્યાસક્રમ અને ઉદ્યોગની વિશિષ્ટ માંગ વચ્ચે વધતી ખાઈ છે. અગાઉના ટેક્નોલોજીકલ ચક્રોથી વિપરીત, જ્યાં મોટા પાયે અપસ્કિલિંગ શક્ય હતું, વર્તમાન AI-સંચાલિત પરિવર્તન માટે આર્કિટેક્ચર અને ડેટા એન્જિનિયરિંગમાં ઊંડા, વિશિષ્ટ જ્ઞાનની જરૂર છે. નાની કે મિડ-કેપ IT કંપનીઓ, જેઓ પોતાના AI પ્લેટફોર્મમાં રોકાણ કરવા માટે મૂડી ધરાવતી નથી, તેઓ સંભવિત ડેથ સ્પાઇરલનો સામનો કરી શકે છે. આવા કિસ્સાઓમાં, તેઓ ઓટોમેશનમાં પહેલેથી જ સ્કેલ પ્રાપ્ત કરી ચૂકેલા મોટા-કેપ પ્લેયર્સ સામે સ્પર્ધાત્મકતા જાળવી શકશે નહીં. વધુમાં, જો મેક્રોઇકોનોમિક અસ્થિરતાને કારણે ડિજિટલ ટ્રાન્સફોર્મેશન પ્રોજેક્ટ્સ પર વૈશ્વિક ગ્રાહક ખર્ચ અટકી જાય, તો ઉચ્ચ-માર્જિન, વિશિષ્ટ કાર્ય તરફ વળવાનો વર્તમાન પ્રયાસ કંપનીઓને વધતા પગાર બિલ અને ઘટતા ઉપયોગ દરો સાથે છોડી શકે છે.