Nandan Nilekani: ભારત AI એપ્સ પર ધ્યાન કેન્દ્રિત કરે, ચિપ મેકિંગ પર નહીં

TECHNOLOGY
Whalesbook Logo
AuthorSurbhi Gupta|Published at:
Nandan Nilekani: ભારત AI એપ્સ પર ધ્યાન કેન્દ્રિત કરે, ચિપ મેકિંગ પર નહીં

Infosys ના સહ-સ્થાપક Nandan Nilekani એ NCAER ઇન્ડિયા પોલિસી ફોરમ 2026 માં જણાવ્યું હતું કે ભારતની તાકાત ચિપ ઉત્પાદનમાં સ્પર્ધા કરવાને બદલે AI એપ્લિકેશન્સ બનાવવામાં રહેલી છે. તેમનું વિઝન છે કે ભારત તેની ડિજિટલ ઇન્ફ્રાસ્ટ્રક્ચરનો ઉપયોગ કરીને વૈશ્વિક 'AI યુઝ-કેસ કેપિટલ' બને. રોકાણકારો માટે, આ ટિપ્પણીઓ IT સર્વિસ સેક્ટરમાં ચાલી રહેલા પરિવર્તનને પ્રકાશિત કરે છે, જ્યાં કંપનીઓ નોંધપાત્ર એક્ઝિક્યુશન રિસ્ક (execution risk) ને નેવિગેટ કરતી વખતે AI-આધારિત વૃદ્ધિ તરફ આગળ વધી રહી છે.

Infosys ના સહ-સ્થાપક Nandan Nilekani એ વૈશ્વિક આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) લેન્ડસ્કેપમાં ભારતની ભૂમિકા માટે એક અલગ વિઝન રજૂ કર્યું છે. NCAER ઇન્ડિયા પોલિસી ફોરમ 2026 માં બોલતા, તેમણે દલીલ કરી હતી કે ભારતનો સ્પર્ધાત્મક લાભ એડવાન્સ્ડ ચિપ્સ (advanced chips) અથવા હાર્ડવેરના ઉત્પાદનમાં નથી, પરંતુ મોટા પાયે વ્યવહારુ AI એપ્લિકેશન્સ વિકસાવવા અને જમાવવામાં છે.

Nilekani માને છે કે હાર્ડવેર અને મૂળભૂત ઇન્ફ્રાસ્ટ્રક્ચર આખરે કોમોડિટી (commodities) બની જશે. તેના બદલે, તેઓ જુએ છે કે વાસ્તવિક મૂલ્ય એપ્લિકેશન લેયર પર ઉભરી રહ્યું છે — એટલે કે લોકો અને વ્યવસાયો ખરેખર ઉપયોગમાં લેવાતા ટૂલ્સ અને સેવાઓ.

ભારતના હાલના ડિજિટલ પબ્લિક ઇન્ફ્રાસ્ટ્રક્ચર (Digital Public Infrastructure) નો ઉપયોગ કરીને, તેમણે સૂચવ્યું કે દેશ AI યુઝ-કેસમાં વૈશ્વિક લીડર બનવા માટે સારી સ્થિતિમાં છે. આ વ્યૂહરચનાનો મુખ્ય ભાગ AI ને સ્થાનિક ભાષાઓ અને વૉઇસ ઇન્ટરફેસ (voice interfaces) દ્વારા સુલભ બનાવવાનો છે. વ્યાપક વસ્તીની સેવા કરવા માટે, AI એ ભારતીય ભાષાકીય વિવિધતાને સમજવી આવશ્યક છે, જેમાં લોકો રોજિંદા વાતચીતમાં ભાષાઓ કેવી રીતે મિશ્ર કરે છે તેનો સમાવેશ થાય છે. તેમના મતે, અંગ્રેજી-માત્ર મોડેલથી દૂર જવું એ સામૂહિક સ્વીકૃતિ માટે જરૂરી પગલું છે.

આ ચર્ચા રોજગારના ભવિષ્ય પર પણ સ્પર્શી હતી. Nilekani એ પ્રસ્તાવ મૂક્યો હતો કે સ્ટાર્ટઅપ્સ (startups) અને ઉદ્યોગસાહસિકતા (entrepreneurship) આગામી દાયકામાં નોકરીની વૃદ્ધિના પ્રાથમિક ચાલક બનશે. તેમણે તેની સરખામણી મોટી, સ્થાપિત કંપનીઓ સાથે કરી, જેમને તેઓ ઓટોમેશન (automation) અને માળખાકીય ફેરફારો માટે વધુ સંવેદનશીલ માને છે. આ દૃષ્ટિકોણ થોડા મોટા નોકરીદાતાઓ પર નિર્ભરતાને બદલે ઘણા નાના, ચપળ વ્યવસાયોના મોડેલ તરફ ફેરફાર સૂચવે છે.

રોકાણકારો માટે, આ ટિપ્પણીઓ મોટી IT સેવા કંપનીઓ AI ટ્રાન્ઝિશન (transition) ને કેવી રીતે નેવિગેટ કરી રહી છે તે અંગે સમજ આપે છે. ભારતીય IT ક્ષેત્રના મુખ્ય ખેલાડીઓએ AI ને તેમની હાલની સેવાઓ માટે એમ્પ્લીફાયર (amplifier) તરીકે સ્થાન આપ્યું છે, તેને માર્કેટ શેર વધારવાની નોંધપાત્ર તક તરીકે જોતાં. જોકે, આ પરિવર્તન પડકારો વિનાનું નથી. બજાર નિરીક્ષકોએ પરંપરાગત IT સેવા કરારોથી જટિલ, AI-ફર્સ્ટ પ્રોજેક્ટ્સ તરફ જવાના એક્ઝિક્યુશન રિસ્ક (execution risk) ને વારંવાર પ્રકાશિત કર્યું છે.

AI પરંપરાગત IT સેવા બિઝનેસ મોડેલને કેવી રીતે વિક્ષેપિત કરી શકે તે અંગે પણ સતત બજારની ચિંતા છે. જ્યારે ક્ષેત્રમાં મેનેજમેન્ટ ટીમો 2030 સુધીમાં અબજો ડોલરની AI તકોને લક્ષ્ય બનાવવાની આશાવાદી છે, ત્યારે નફાના માર્જિન (profit margins) ને નુકસાન પહોંચાડ્યા વિના આ ટેકનોલોજીને સફળતાપૂર્વક અમલમાં મૂકવાની ક્ષમતા એક મુખ્ય મોનિટર (key monitorable) બની રહે છે. જેમ જેમ ક્ષેત્ર વિકસિત થાય છે, રોકાણકારો પ્રોજેક્ટ સમયરેખા, AI ટૂલ્સનો સ્વીકૃતિ દર (adoption rates) અને બદલાતી ઉદ્યોગની માંગને અનુરૂપ તેમના કાર્યબળને અનુકૂલિત કરવાની કંપનીઓની ક્ષમતાને ટ્રેક કરવાનું ચાલુ રાખી શકે છે.

Disclaimer: This article is published for informational purposes only. This is not a buy sell recommendation.