ભારતમાં કાર્યરત **2,100+** ગ્લોબલ કેપેબિલિટી સેન્ટર્સ (GCCs) AI પ્રોજેક્ટ્સને સ્કેલ કરવામાં મુશ્કેલી અનુભવી રહ્યા છે. FY26 માં **$98.4 અબજ** ની આવક હોવા છતાં, ટેકનિકલ અવરોધો અને ઊંચા ખર્ચને કારણે **70%** પ્રોજેક્ટ્સ માત્ર પાઇલટ સ્ટેજ પર જ અટકી ગયા છે, જે રોકાણકારો માટે પ્રોફિટ મળવામાં વિલંબના સંકેત છે.
ભારતના ગ્લોબલ કેપેબિલિટી સેન્ટર્સ (GCCs) હાલમાં ડિજિટલ ઉત્ક્રાંતિના એક નિર્ણાયક તબક્કે છે. દેશમાં 2,100 થી વધુ એકમો કાર્યરત છે, જે 23.6 લાખ પ્રોફેશનલ્સને રોજગારી આપે છે અને FY26 સુધીમાં $98.4 અબજ ની વાર્ષિક આવક જનરેટ કરે છે. જોકે, Dell Technologies અને Zinnov ના લેટેસ્ટ રિપોર્ટ મુજબ, અહીં આશા અને વાસ્તવિકતા વચ્ચે મોટું અંતર છે.
ઇન્ફ્રાસ્ટ્રક્ચર અને ડેટાની સમસ્યાઓ
આ પહેલને સ્કેલ ન કરી શકવા પાછળનું મુખ્ય કારણ જૂનું ઇન્ફ્રાસ્ટ્રક્ચર છે. મોટાભાગના સેન્ટર્સ પાસે આધુનિક AI મોડલ્સ માટે જરૂરી ડેટા-ઇન્ટેન્સિવ ક્ષમતાનો અભાવ છે. ડેટા સાયલો (Data Silos) અને નબળા સુરક્ષા ફ્રેમવર્કને કારણે એન્ટરપ્રાઇઝ-લેવલ પર કામ કરવું મુશ્કેલ બની રહ્યું છે. રોકાણકારોએ નોંધવું જોઈએ કે હવે કંપનીઓએ AI સફળતા માટે IT આર્કિટેક્ચરમાં મોટા કેપિટલ ખર્ચ (Capex) કરવાની ફરજ પડશે.
વધતા ખર્ચ અને વર્કફોર્સમાં ફેરફાર
'એજન્ટિક AI' (Agentic AI) ના આગમન સાથે નાણાકીય દબાણ વધ્યું છે. આ પ્રકારના વર્કફ્લો ખૂબ જ કમ્પ્યુટ-ઇન્ટેન્સિવ હોય છે, જે દરેક વર્કફ્લો દીઠ 5,00,000 ટોકન્સ સુધીનો ઉપયોગ કરી શકે છે. આ ઉપરાંત, GCCs માં થતા 55% રૂટિન કામો AI ઓટોમેશન દ્વારા રિપ્લેસ થવાની તૈયારીમાં છે. વર્ષ 2030 સુધીમાં અંદાજે 60% કર્મચારીઓને તેમની કુશળતામાં વધારો (Reskilling) કરવાની જરૂર પડશે.
2030 સુધીનો રોડમેપ
હવે GCC નેતૃત્વનું ધ્યાન AI પ્રોજેક્ટ્સની સંખ્યા વધારવાને બદલે તેને કોર ઓપરેશન્સમાં કેવી રીતે સામેલ કરવા (Industrialization) તેના પર છે. શેરધારકો માટે અત્યારે સૌથી મોટો મોનિટરિંગ પોઈન્ટ એ છે કે કંપનીઓ કેવી રીતે હાઈ-કોસ્ટ ઇન્ફ્રાસ્ટ્રક્ચર અને માનવ મૂડી (Human Capital) વચ્ચે સંતુલન જાળવીને કાર્યક્ષમતામાં વધારો કરે છે.