ભારતની મોટી IT કંપનીઓ ગ્રાહકોના AI ખર્ચને ઓપ્ટિમાઇઝ કરી રહી છે. ટોકન કોસ્ટ વધવાને કારણે ટેકનોલોજી બિલ વધી રહ્યા છે, તેથી TCS, HCLTech અને Wipro જેવી કંપનીઓ હવે ખર્ચ અને પરફોર્મન્સ વચ્ચે સંતુલન જાળવવા માટે હાઇબ્રિડ મોડેલ અપનાવી રહી છે, જેમાં સામાન્ય કાર્યો નાના અને સસ્તા AI મોડેલ્સ પર કરવામાં આવી રહ્યા છે.
AI માં વધતા ખર્ચનો પડકાર!
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ક્ષેત્રમાં એક નવો પડકાર સામે આવ્યો છે: ટોકન વપરાશનો વધતો ખર્ચ. જેમ જેમ કંપનીઓ તેમના AI પ્રોજેક્ટ્સને મોટા પાયે લાગુ કરી રહી છે, તેમ તેમ ડેટા પ્રોસેસિંગ (ટોકન્સમાં માપવામાં આવે છે) માં ઝડપી વધારો થયો છે, જેના કારણે ઓપરેશનલ ખર્ચમાં ભારે વધારો થયો છે.
આના જવાબમાં, ટાટા કન્સલ્ટન્સી સર્વિસિસ (TCS), HCL ટેકનોલોજીસ અને વિપ્રો જેવી અગ્રણી IT ફર્મ્સ તેમના ગ્રાહકોને એક જ મોડેલ અપનાવવાને બદલે હાઇબ્રિડ અથવા ટાયર્ડ (સ્તરીય) સ્ટ્રેટેજી તરફ જવા માટે મદદ કરી રહી છે. આનો મુખ્ય ઉદ્દેશ્ય ખર્ચને અસરકારક રીતે મેનેજ કરવાનો છે.
હાઇબ્રિડ AI મોડેલ સ્ટ્રેટેજી તરફ આગળ વધવું
હાલના સમયમાં, ઉદ્યોગમાં એક નવો ટ્રેન્ડ જોવા મળી રહ્યો છે: ઓછા જટિલ અને સામાન્ય કાર્યો નાના, વધુ ખર્ચ-કાર્યક્ષમ AI મોડેલ્સને સોંપવામાં આવી રહ્યા છે. જ્યારે, વધુ શક્તિશાળી અને ગણતરી માંગી લેતા લાર્જ લેંગ્વેજ મોડેલ્સ (LLMs) નો ઉપયોગ ફક્ત અત્યંત જટિલ કામગીરી માટે જ કરવામાં આવી રહ્યો છે.
આ અભિગમ ટેકનોલોજી બજેટને નિયંત્રણમાં રાખવા અને પ્રોજેક્ટના પરફોર્મન્સને જાળવી રાખવા માટે ડિઝાઇન કરવામાં આવ્યો છે. મોટી IT કંપનીઓના અધિકારીઓએ નોંધ્યું છે કે આ ખર્ચ ઓપ્ટિમાઇઝેશન ચીફ ફાઇનાન્સિયલ ઓફિસર્સ (CFOs) માટે પ્રાથમિકતા બની ગયું છે, જેઓ AI ખર્ચ પર સીધા વળતર પર વધુ ધ્યાન કેન્દ્રિત કરી રહ્યા છે.
HCLTech એ ગ્રાહકોની ચોક્કસ જરૂરિયાતોને અનુરૂપ AI મોડેલ્સ પ્રદાન કરવા માટે ટાયર્ડ સર્વિસ સ્ટ્રક્ચર રજૂ કર્યું છે. તે જ સમયે, વિપ્રો અને કોગ્નિઝન્ટ જેવી કંપનીઓ પણ ઉચ્ચ-ખર્ચવાળા, 'વન-સાઇઝ-ફિટ્સ-ઓલ' અમલીકરણોથી દૂર જઈને માપી શકાય તેવા બિઝનેસ પરિણામોને પ્રાધાન્ય આપવા માટે તેમની સેવા ડિલિવરીને સમાયોજિત કરી રહી છે. આ એક વ્યાપક વલણને પ્રતિબિંબિત કરે છે જ્યાં વ્યવસાયો AI બિલ્સની તપાસ પરંપરાગત IT ઇન્ફ્રાસ્ટ્રક્ચર ખર્ચની જેમ જ કરી રહ્યા છે, જે વૈશ્વિક આર્થિક અનિશ્ચિતતાથી પ્રભાવિત છે.
IT સેવાઓ અને બિઝનેસ પરિણામો પર અસર
ભારતીય IT કંપનીઓ માટે, આ સંક્રમણ એક પડકાર અને તક બંને રજૂ કરે છે. જ્યારે AI વપરાશમાં થયેલો વધારો શરૂઆતમાં આવક માટે ફાયદાકારક લાગતો હતો, ત્યારે ટોકન ખર્ચને નિયંત્રિત કરવાના દબાણનો અર્થ એ છે કે આ કંપનીઓએ હવે વધુ સારી ખર્ચ-કાર્યક્ષમતા અને તકનીકી ચપળતા દર્શાવવી પડશે.
બ્રોકરેજ ફર્મ્સના વિશ્લેષકો સૂચવે છે કે આ ટાયર્ડ AI સ્ટેક પર ધ્યાન કેન્દ્રિત કરવું - જેમાં નાના ભાષા મોડેલ્સને વધુ શક્તિશાળી મોડેલ્સ સાથે જોડવામાં આવે છે - ખાસ કરીને ડેટા તૈયારી અને આ નાના, કસ્ટમ-બિલ્ટ મોડેલ્સને તાલીમ આપવા જેવા ક્ષેત્રોમાં વિશેષ સેવાઓની નવી માંગ ઉભી કરે છે.
આ વ્યૂહાત્મક ફેરફાર એવા સમયે આવ્યો છે જ્યારે મુખ્ય IT નિકાસકારો એક પડકારજનક નાણાકીય શરૂઆતનો સામનો કરી રહ્યા છે, અને શેરબજારનું પ્રદર્શન ઘણીવાર રોકાણકારોની અનિશ્ચિતતાને પ્રતિબિંબિત કરે છે કે AI કેટલી ઝડપથી માર્જિનને નોંધપાત્ર રીતે વધારી શકે છે.
રોકાણકારો ટ્રેક કરી રહ્યા છે કે આ કંપનીઓ કેવી રીતે ઉચ્ચ-સ્તરની AI ક્ષમતાઓમાં રોકાણ અને નફાના માર્જિન જાળવી રાખવા વચ્ચે સંતુલન જાળવી રાખે છે, કારણ કે ગ્રાહકો વધુ ખર્ચ-અસરકારક ઉકેલો માટે દબાણ કરી રહ્યા છે. નફાકારકતા પર લાંબા ગાળાની અસર IT કંપનીઓની કાર્યક્ષમ, માપી શકાય તેવી AI ઇન્ટિગ્રેશન્સ પહોંચાડવાની ક્ષમતા પર નિર્ભર રહેશે જે તેમના ગ્રાહકો માટે સ્પષ્ટ ખર્ચ બચત અથવા સુધારેલી ઉત્પાદકતામાં પરિણમે છે. આગળનું મુખ્ય મોનિટરિંગ મેનેજમેન્ટની ટિપ્પણીઓ પર હશે કે આ AI મોડેલ ઓપ્ટિમાઇઝેશન આગામી ત્રિમાસિક પરિણામોમાં ડીલ માર્જિન અને આવક વૃદ્ધિને કેવી રીતે અસર કરે છે.