વિશ્વની મોટી કંપનીઓ સાથે મોંઘા AI મોડેલ બનાવવાની સ્પર્ધા કરવાને બદલે, નિષ્ણાતો સૂચવે છે કે ભારતે પોતાના અનોખા ડેટાનો ઉપયોગ કરવો જોઈએ. આ રણનીતિ સેક્ટર-વિશિષ્ટ, સ્થાનિક સમજ પર ધ્યાન કેન્દ્રિત કરે છે, અને ભારતના IT સર્વિસ સેક્ટર માટે જટિલ એન્ટરપ્રાઇઝ વર્કફ્લોમાં AI ને એકીકૃત કરવાની મોટી તક ઊભી કરે છે.
AI માં ભારતનો આગામી માર્ગ: મોડેલ નહીં, ડેટા પર ધ્યાન
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) માં ભારતના ભવિષ્ય અંગેની ચર્ચા હવે વિશાળ, સંસાધન-સઘન ફાઉન્ડેશન મોડેલ બનાવવાના રેસમાંથી ખાસ, માલિકીના ડેટાના મૂલ્ય પર કેન્દ્રિત થઈ રહી છે. હાલમાં, વૈશ્વિક ટેક જાયન્ટ્સ સામાન્ય ફાઉન્ડેશન મોડેલ્સના ક્ષેત્રમાં પ્રભુત્વ ધરાવે છે – જેના માટે જંગી મૂડી, ઊર્જા અને કમ્પ્યુટિંગ પાવરની જરૂર પડે છે – પરંતુ હવે એક વ્યૂહાત્મક સર્વસંમતિ ઊભરી રહી છે કે ભારતનો વિકાસ તેનો અનનવો ડેટા સંપત્તિનો ઉપયોગ કરીને થશે.
ફાઉન્ડેશન મોડેલ્સનો 'રિસોર્સ ટ્રેપ'
ફાઉન્ડેશન મોડેલ બનાવવું એ અત્યંત ખર્ચાળ કાર્ય છે. આ સિસ્ટમ્સને ઇન્ફ્રાસ્ટ્રક્ચર, સતત ઊર્જા પુરવઠો અને મર્યાદિત વૈશ્વિક ટેક હબ્સમાં કેન્દ્રિત કુલીન પ્રતિભાઓના સમૂહની જરૂર પડે છે. ભારતીય કંપનીઓ માટે, આ વિશાળ, સામાન્ય મોડેલોની નકલ કરવાનો પ્રયાસ મર્યાદિત વળતર આપી શકે છે, કારણ કે તેઓ વધુ વિશાળ નાણાકીય અને તકનીકી સંસાધનો ધરાવતા વર્તમાન ખેલાડીઓ સામે સીધી સ્પર્ધા કરશે. હાલનો તર્ક એ છે કે ભારતે આ 'રિસોર્સ ટ્રેપ' થી બચવું જોઈએ અને તેના બદલે એવા ક્ષેત્રો પર ધ્યાન કેન્દ્રિત કરવું જોઈએ જ્યાં તેનો સ્પષ્ટ સ્પર્ધાત્મક લાભ છે: સંદર્ભ, જટિલતા અને ઉદ્યોગ-વિશિષ્ટ ડેટા.
ડેટા એક વ્યૂહાત્મક સંપત્તિ તરીકે
ભારતની તાકાત તેની અખૂટ ભાષાકીય વિવિધતા અને આર્થિક સ્કેલમાં રહેલી છે. આમાં સેંકડો ભાષાઓ, બોલીઓ અને અત્યંત વિશિષ્ટ પ્રાદેશિક ઔદ્યોગિક વર્કફ્લોનો સમાવેશ થાય છે. જ્યારે મૂળભૂત ડેટા લેબલિંગને ઘણીવાર ઓછી-મૂલ્યની સેવા કાર્ય તરીકે જોવામાં આવે છે, ત્યારે સામાન્ય લેબલિંગ અને અત્યાધુનિક, ઉદ્યોગ-વિશિષ્ટ ડેટાસેટ્સ બનાવવા વચ્ચે મોટો તફાવત છે. માલિકીનો ડેટા – જેમ કે આરોગ્ય સંભાળ, કૃષિ, કાનૂની પ્રણાલીઓ અથવા ઉત્પાદનમાંથી માહિતી – વાસ્તવિક-વિશ્વની સમસ્યાઓનું નિરાકરણ લાવતા AI બનાવવા માટે આવશ્યક છે. આ અવ્યવસ્થિત, વાસ્તવિક-વિશ્વની માહિતીને સંરચિત બુદ્ધિમાં રૂપાંતરિત કરીને, ભારતીય કંપનીઓ એવું મૂલ્ય પ્રદાન કરી શકે છે જે સામાન્ય વૈશ્વિક મોડેલો સરળતાથી નકલ કરી શકતા નથી.
IT સર્વિસિસ સેક્ટરનો પિવટ
આ વ્યૂહાત્મક પિવટ ભારતના IT સર્વિસિસ સેક્ટર માટે સ્પષ્ટ તક ઊભી કરે છે. દાયકાઓથી, આ કંપનીઓએ જટિલ એન્ટરપ્રાઇઝ વર્કફ્લો, નિયમનકારી અનુપાલન અને સ્કેલને સમજવા પર તેમના બિઝનેસ મોડેલ બનાવ્યા છે. શરૂઆતથી નવા ફાઉન્ડેશન મોડેલ બનાવવાનો પ્રયાસ કરવાને બદલે, આ કંપનીઓ શક્તિશાળી, પૂર્વ-અસ્તિત્વમાં રહેલા વૈશ્વિક મોડેલો અને ચોક્કસ ગ્રાહક જરૂરિયાતો વચ્ચે આવશ્યક કડી તરીકે કાર્ય કરવા માટે સારી સ્થિતિમાં છે.
વાસ્તવિક વ્યવસાય મૂલ્ય ઘણીવાર એકીકરણમાં રહેલું છે – હાલના, કાર્યક્ષમ મોડેલનો ઉપયોગ કરવો અને તેને ચોક્કસ સમસ્યા હલ કરવા માટે વ્યવસાયના વર્કફ્લોમાં સમાવિષ્ટ કરવું. બેંકિંગ, લોજિસ્ટિક્સ અને રિટેલ જેવા ક્ષેત્રોમાં તેમના વિશ્વસનીય સંબંધો અને ઊંડા ડોમેન જ્ઞાનનો લાભ લઈને, IT કંપનીઓ સેવા પ્રદાતાઓમાંથી AI-સંચાલિત બૌદ્ધિક સંપત્તિના નિર્માતાઓ બનવા તરફ આગળ વધી શકે છે. જો કોઈ શ્રેષ્ઠ વૈશ્વિક મોડેલ ઉપલબ્ધ હોય, તો તેનો ઉપયોગ કરવો ઘણીવાર તેને બનાવવો કરતાં વધુ ખર્ચ-અસરકારક હોય છે; સ્પર્ધાત્મક ધાર એ માલિકીના ડેટામાંથી આવે છે જેનો ઉપયોગ તે મોડેલને ચોક્કસ ગ્રાહક માટે કસ્ટમાઇઝ કરવા માટે થાય છે.
વ્યૂહાત્મક જોખમ પર દેખરેખ
આ AI સંક્રમણમાં ભારત માટેનું મુખ્ય જોખમ 'ડેટા શોપ' બની જવાનું છે – ફક્ત અન્ય લોકો માટે મૂલ્ય બનાવવા માટે કાચો માલ પૂરો પાડવો. સફળ થવા માટે, કંપનીઓએ મૂલ્ય શૃંખલામાં ઉપર જવું પડશે, ડેટાની માલિકી રાખવી પડશે, ઉદ્યોગ-વિશિષ્ટ સમસ્યાઓને સમજવી પડશે અને ઉત્પન્ન થયેલી આંતરદૃષ્ટિ પર બૌદ્ધિક સંપદા અધિકારો જાળવી રાખવા પડશે. રોકાણકારો અને ઉદ્યોગ નિરીક્ષકો માટે આગલું મહત્વનું પગલું એ ટ્રૅક કરવું રહેશે કે મુખ્ય IT કંપનીઓ મૂડી કેવી રીતે ફાળવે છે: ફક્ત સામાન્ય ડેટા એનોટેશન અથવા નીચા-સ્તરની ઇન્ફ્રાસ્ટ્રક્ચર સેવાઓમાં ભાગીદારી કરવાને બદલે ઊંડા, ક્ષેત્ર-વિશિષ્ટ AI એકીકરણ તરફ.