NetApp ના CEO જ્યોર્જ કુરિયનનું કહેવું છે કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો વ્યાપક સ્વીકાર અપેક્ષા મુજબ ઝડપી નથી. તેઓ માને છે કે AI અપનાવવામાં ધીરજ રાખવી પડશે કારણ કે કંપનીઓ તેના એકીકરણ, નિયમન અને કર્મચારી તાલીમ જેવા પડકારોનો સામનો કરી રહી છે. આનો અર્થ એ છે કે AI માંથી વાસ્તવિક નાણાકીય લાભ મેળવવામાં વધુ સમય લાગશે.
શું થયું?
NetApp ના CEO જ્યોર્જ કુરિયને એન્ટરપ્રાઇઝ ક્ષેત્રમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) અપનાવવાની ગતિ અંગે સાવચેતીભર્યું વલણ વ્યક્ત કર્યું છે. AI પ્રોજેક્ટ્સમાં ભારે ઉદ્યોગિક ચર્ચા અને મોટા પાયે મૂડીરોકાણ છતાં, કુરિયન સૂચવે છે કે ઘણા રોકાણકારોએ જે ઝડપી, ક્રાંતિકારી પરિવર્તનની અપેક્ષા રાખી હતી તેના બદલે આ ફેરફાર ધીમે ધીમે વિકસિત થઈ રહ્યો છે.
તેઓ નોંધે છે કે AI ને વાસ્તવિક વ્યાવસાયિક મૂલ્ય પહોંચાડવા માટે, તેણે પ્રથમ એકીકરણ (Integration), વિશ્વસનીયતા (Reliability) અને સુરક્ષા (Security) ના વ્યવહારિક અવરોધોને પાર કરવા પડશે.
એન્ટરપ્રાઇઝ ટેક માટે આ શા માટે મહત્વપૂર્ણ છે?
બજારની અપેક્ષાઓ અને વાસ્તવિક અમલીકરણ વચ્ચેનું અંતર શેરધારકો માટે નિર્ણાયક મુદ્દો છે. વર્તમાન ટેકનોલોજી ચક્રમાં, સ્પર્ધકો સાથે તાલ મિલાવવા માટે વ્યવસાયો પર AI પ્રગતિ દર્શાવવાનું દબાણ રહે છે. જોકે, કુરિયનની ટિપ્પણીઓ પ્રકાશિત કરે છે કે યોગ્ય તૈયારી વિના AI માં ઉતાવળ કરવાથી ગૂંચવણો થઈ શકે છે, ખાસ કરીને ડેટા ગોપનીયતા (Data Privacy) જેવા સંવેદનશીલ ક્ષેત્રોમાં. આ સૂચવે છે કે AI ઇન્ફ્રાસ્ટ્રક્ચર પ્રદાતાઓ માટે નીચેની લીટી પર નોંધપાત્ર અસર થાય તે પહેલાં 'પ્રાયોગિક ખર્ચ' (Experimental Spending) ના તબક્કામાંથી 'ઉત્પાદક, ઉચ્ચ-મૂલ્ય' (Productive, High-Value) ઉપયોગના તબક્કામાં સંક્રમણની જરૂર પડી શકે છે.
અપનાવવાના અવરોધો
ટેકનોલોજીકલ પડકારો ઉપરાંત, AI ના સ્કેલિંગમાં મુખ્ય અવરોધ સંસ્થાકીય (Organizational) છે. મોટા પાયે અપનાવવા માટે નોંધપાત્ર કાર્યબળ અનુકૂલનની જરૂર પડે છે. કર્મચારીઓએ આ સાધનોનો સુરક્ષિત રીતે ઉપયોગ કરવાનું શીખવું પડશે, અને વ્યવસાયોએ AI નિર્ણય લેવા માટે માળખાં બનાવવા પડશે. ફાઇનાન્સ (Finance) અને હેલ્થકેર (Healthcare) જેવા અત્યંત નિયમનકારી ક્ષેત્રોમાં, 'સમજાવટક્ષમતા' (Explainability)—એટલે કે AI સિસ્ટમ નિષ્કર્ષ પર કેવી રીતે પહોંચે છે તે સમજવાની માંગ—એક મોટો અવરોધ બની રહે છે. જ્યાં સુધી આ સિસ્ટમ સુરક્ષા અને અનુપાલનની ખાતરી આપી શકતી નથી, ત્યાં સુધી તેનો સ્વીકાર વિસ્ફોટકને બદલે માપવામાં આવશે.
ભારતીય IT રોકાણકારો માટે સંદર્ભ
આ વલણ ભારતીય IT સેવા ક્ષેત્ર માટે પરોક્ષ અસરો ધરાવે છે, જે વૈશ્વિક કંપનીઓ માટે AI સોલ્યુશન્સ બનાવવા માટેના મુખ્ય ભાગીદાર તરીકે પોતાને સ્થાન આપી રહ્યું છે. જો વૈશ્વિક સાહસો 'AI-હાઇપ' તબક્કામાંથી 'મૂલ્ય-કેન્દ્રિત' તબક્કામાં સંક્રમણ કરી રહ્યા છે, તો ભારતીય IT ફર્મોને પ્રાપ્ત થતા કાર્યનો પ્રકાર બદલાઈ શકે છે.
રોકાણકારો મોટા, સંશોધનાત્મક AI પ્રોજેક્ટ્સથી વધુ લક્ષિત, અમલીકરણ-કેન્દ્રિત કન્સલ્ટિંગ (Consulting) માં માંગમાં ફેરફાર જોઈ શકે છે. જ્યારે આ AI માંથી તાત્કાલિક આવક વૃદ્ધિને ધીમી કરી શકે છે, ત્યારે તે વધુ ટકાઉ, લાંબા ગાળાના સંબંધો તરફ દોરી શકે છે જ્યાં IT ફર્મોને ફક્ત પ્રાયોગિક સાધનો બનાવવાને બદલે ચોક્કસ, ઉચ્ચ-મૂલ્યના વ્યવસાયિક સમસ્યાઓ હલ કરવા માટે ચૂકવણી કરવામાં આવે છે.
રોકાણકારો શું ટ્રેક કરી શકે છે?
આગળ જતા, રોકાણકારો માટે મુખ્ય મોનિટર કરવાની બાબત આગામી ત્રિમાસિક પરિણામોમાં મેનેજમેન્ટ ટીમો પાસેથી મળતી ટિપ્પણીઓ છે. ખાસ કરીને, IT કંપનીઓ તેમના AI પાઇપલાઇનનું વર્ણન કેવી રીતે કરે છે તેમાં ફેરફારો શોધો: શું આવક 'પ્રૂફ ઓફ કોન્સેપ્ટ' (Proof of Concept) પ્રોજેક્ટ્સમાંથી આવી રહી છે, જે ઘણીવાર નાની અને પ્રાયોગિક હોય છે, અથવા મોટા પાયે, ઉત્પાદન-માટે-તૈયાર (Production-Ready) AI ડિપ્લોયમેન્ટ્સમાંથી? ઉત્પાદન-માટે-તૈયાર કરારો તરફનું વલણ એ સંકેત આપશે કે બજાર કુરિયન જેવા નેતાઓ જે 'વાસ્તવિક મૂલ્ય' પર ભાર મૂકી રહ્યા છે, માત્ર હાઇપ કરતાં વધુ, જોવાનું શરૂ કરી રહ્યું છે.