Meta Platforms ના ભૂતપૂર્વ અધિકારીએ સૂચવ્યું છે કે US અને યુરોપની કંપનીઓ OpenAI જેવી મોટી AI કંપનીઓ પર નિર્ભર રહેવાને બદલે પોતાના જાતે હોસ્ટ કરી શકાય તેવા AI મોડેલ્સ તરફ વળી શકે છે. આ ફેરફારનો મુખ્ય ઉદ્દેશ્ય ખર્ચ નિયંત્રણ, ઈન્ફ્રાસ્ટ્રક્ચર પર વધુ નિયંત્રણ અને ડેટા સુરક્ષા છે. જોકે, આ વિકલ્પો અપનાવવામાં ડેટા ગોપનીયતા અને ભૌગોલિક રાજકીય નિયમોનું પાલન કરવાની જટિલતાઓ છે.
શું થયું?
Meta Platforms ના ભૂતપૂર્વ પ્રોડક્ટ મેનેજર Xiaoyin Qu એ જણાવ્યું છે કે અમેરિકા અને યુરોપમાં આવેલી મોટી કંપનીઓ હવે OpenAI અને Anthropic જેવી કંપનીઓના તૈયાર AI મોડેલ્સ પર સંપૂર્ણપણે નિર્ભર રહેવાને બદલે પોતાની રીતે હોસ્ટ કરી શકાય તેવા મોડેલ્સ તરફ ધ્યાન આપી શકે છે. Qu એ પોતાના લેખમાં કહ્યું કે, કંપનીઓ ઓપન-વેઇટ (open-weight) મોડેલ્સમાં વધુ રસ દાખવી રહી છે, જેને તેઓ પોતાની આંતરિક ઈન્ફ્રાસ્ટ્રક્ચર પર હોસ્ટ કરી શકે. આ ફેરફાર મુખ્યત્વે ડેટા પર વધુ નિયંત્રણ, લાંબા ગાળાના ખર્ચમાં ઘટાડો અને પોતાના બિઝનેસ ડેટાનો ઉપયોગ કરીને AI મોડેલ્સને વધુ સારી રીતે ટ્યુન કરવાની ક્ષમતાને કારણે થઈ રહ્યો છે.
જાતે હોસ્ટ કરતા AI તરફ ઝુકાવ
ઘણી મોટી કોર્પોરેશનો માટે, હાલની 'ફ્રન્ટિયર' મોડેલ પદ્ધતિ, જેમાં તેઓ AI પ્રોવાઈડરની API નો ઉપયોગ કરવા માટે પૈસા ચૂકવે છે, તેમાં વેન્ડર લોક-ઇન (vendor lock-in) અને ડેટા લીક થવાનો ભય રહે છે. ઓપન-વેઇટ મોડેલ્સનો ઉપયોગ કરીને, જે સ્થાનિક રીતે અથવા પ્રાઈવેટ ક્લાઉડમાં હોસ્ટ કરી શકાય છે, કંપનીઓ પોતાના સંવેદનશીલ ડેટાને પોતાની નેટવર્ક સીમામાં રાખી શકે છે.
આ ક્ષમતા ખાસ કરીને ફાઇનાન્સ, હેલ્થકેર અને સરકારી ક્ષેત્રો જેવા કડક નિયમનકારી જરૂરિયાતો ધરાવતા ઉદ્યોગો માટે આકર્ષક છે, જ્યાં ડેટા સોવરેનિટી (data sovereignty) પ્રાથમિકતા છે. વધુમાં, જેમ જેમ કંપનીઓ તેમના AI ઓપરેશન્સને વધારે છે, તેમ API કોલ્સ માટે ચૂકવણીનો ખર્ચ નોંધપાત્ર બની શકે છે, જેના કારણે કેટલાક લોકો લાંબા ગાળાની નાણાકીય વ્યૂહરચના તરીકે કસ્ટમ-બિલ્ટ સોલ્યુશન્સ (custom-built solutions) શોધવા તરફ પ્રેરાય છે.
સુરક્ષા અને નિયમોનું પાલન કરવાનો જોખમ
જ્યારે સસ્તા, જાતે હોસ્ટ કરી શકાય તેવા મોડેલ્સનો વિચાર આકર્ષક છે, ત્યારે અમેરિકા અને યુરોપના બજારોમાં ચીની AI મોડેલ્સનો ઉપયોગ કરવાના સૂચનમાં મોટી અડચણો છે. મુખ્ય જોખમ કડક નિયમનકારી અને ભૌગોલિક રાજકીય પરિસ્થિતિ છે. પશ્ચિમી સરકારો ડેટા ગોપનીયતા, બૌદ્ધિક સંપદા અને રાષ્ટ્રીય સુરક્ષાની ચિંતાઓને કારણે ચીની ટેકનોલોજી પર વધી રહેલી તપાસ કરી રહી છે.
કોઈપણ કોર્પોરેશન માટે, વિદેશી વિકસિત સોફ્ટવેર અપનાવવું - ખાસ કરીને AI જેવા નિર્ણાયક ક્ષેત્રમાં - તીવ્ર સુરક્ષા ઓડિટ અને નિયમોના પાલનની સમીક્ષાઓને ઉત્તેજન આપશે. આનાથી ભવિષ્યમાં નિયમનકારી સ્થિતિ જટિલ બની શકે છે અથવા વેપાર નીતિઓમાં ફેરફાર થાય તો ભવિષ્યમાં ઓપરેશનલ પ્રતિબંધો પણ આવી શકે છે. રોકાણકારોએ નોંધ લેવી જોઈએ કે ઘણી પશ્ચિમી કંપનીઓ માટે, કાનૂની અને પ્રતિષ્ઠાના જોખમો આ મોડેલ્સના ઉપયોગથી થતી ખર્ચ બચત કરતાં વધુ હોઈ શકે છે.
હાઈબ્રિડ AI નું ભવિષ્ય
ઉદ્યોગ નિરીક્ષકો નોંધે છે કે એન્ટરપ્રાઇઝ AI માર્કેટમાં પશ્ચિમી પ્રદાતાઓને સંપૂર્ણપણે છોડી દેવામાં આવશે તેવી શક્યતા ઓછી છે. તેના બદલે, 'મલ્ટી-મોડેલ' (multi-model) વ્યૂહરચના ઉભરી રહી છે. કંપનીઓ સામાન્ય કાર્યો માટે શક્તિશાળી પ્રોપરાઈટરી મોડેલ્સનો ઉપયોગ કરી રહી છે, સાથે સાથે વિશેષ, ખાનગી અથવા ખર્ચ-સંવેદનશીલ વર્કફ્લો માટે આંતરિક અથવા ઓપન-સોર્સ સોલ્યુશન્સ પણ બનાવી રહી છે.
આ હાઈબ્રિડ અભિગમ વ્યવસાયોને બંને દુનિયાના શ્રેષ્ઠ લાભો મેળવવા દે છે: ફ્રન્ટિયર મોડેલ્સની અદ્યતન ક્ષમતાઓ અને જાતે હોસ્ટ કરેલા મોડેલ્સની સુરક્ષા અને કસ્ટમાઈઝેશન. IT સેવા પ્રદાતાઓ અને સિસ્ટમ ઇન્ટિગ્રેટર્સ માટે — જેમાંથી ઘણા US-આધારિત AI જાયન્ટ્સ સાથે મજબૂત ભાગીદારી ધરાવે છે — આ વલણ સૂચવે છે કે ગ્રાહકોને જટિલ, બહુ-સ્તરીય AI આર્કિટેક્ચર્સનું સંચાલન કરવામાં મદદ કરવાની તેમની ભૂમિકા વધુ મહત્વપૂર્ણ બનશે.
રોકાણકારો શું ટ્રેક કરી શકે?
ટેક અને IT સેવા ક્ષેત્ર પર નજર રાખનારા રોકાણકારોએ કેટલીક બાબતો પર ધ્યાન આપવું જોઈએ. પ્રથમ, IT કન્સલ્ટિંગ ફર્મ્સની ક્લાયન્ટની AI અપનાવવાની વ્યૂહરચનાઓ અંગેની ટિપ્પણીઓમાં ફેરફારો જુઓ - ખાસ કરીને શું તેઓ સિંગલ-વેન્ડર (single-vendor) નિર્ભરતાને પ્રાધાન્ય આપી રહ્યા છે કે મલ્ટી-વેન્ડર (multi-vendor) આર્કિટેક્ચર્સને. બીજું, AI સોફ્ટવેર આયાત અને ઉપયોગ અંગેના નિયમનકારી અપડેટ્સ પર નજર રાખો, કારણ કે આ નક્કી કરશે કે એન્ટરપ્રાઇઝ કેટલી મુક્તપણે વિદેશી AI મોડેલ્સ અપનાવી શકે છે. છેલ્લે, મોટા ક્લાઉડ પ્રદાતાઓના મૂડી ખર્ચની પેટર્ન પર નજર રાખો જેથી એ જોઈ શકાય કે તેમના પ્રાઇસિંગ મોડેલ્સ એન્ટરપ્રાઇઝ ક્લાયન્ટ્સને આંતરિક સેલ્ફ-હોસ્ટેડ સોલ્યુશન્સ તરફ સ્થળાંતર કરતા રોકવા માટે કેવી રીતે ગોઠવાય છે.