અનેક કંપનીઓ AI ઓટોમેશન પાછળ કરોડોનો ખર્ચ કરી રહી છે, પરંતુ ડેટામાં રહેલી ખામીઓ અને જટિલ કામકાજને કારણે અપેક્ષિત પરિણામો મળતા નથી. રોકાણકારોએ પાઈલટ પ્રોજેક્ટ્સની સફળતાથી આગળ વધીને જોવું પડશે કે શું કંપનીઓ વાસ્તવમાં ઓપરેશનલ ખર્ચ ઘટાડી રહી છે કે કેમ.
AI થી અપેક્ષા વિરુદ્ધ વાસ્તવિકતા
કોર્પોરેટ ઈન્ડિયા હાલમાં આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) પાછળ આક્રમક રીતે રોકાણ કરી રહ્યું છે, જેનો મુખ્ય હેતુ પ્રોડક્ટિવિટી વધારવાનો અને ઓપરેશનલ ખર્ચ ઘટાડવાનો છે. જોકે, ઘણી કંપનીઓ માટે સફળ પાઈલટ પ્રોગ્રામ્સને મોટા પાયે લાગુ કરવામાં ભારે મુશ્કેલીઓ પડી રહી છે. કંટ્રોલ્ડ વાતાવરણમાં સારું કામ કરતા AI ટૂલ્સ રોજિંદા વ્યવસાયના જટિલ કામકાજમાં વારંવાર નિષ્ફળ જઈ રહ્યા છે, જે શેરધારકો માટે ચિંતાનો વિષય છે.
ડેટાની ગુણવત્તા બની રહી છે અવરોધ
મુખ્ય સમસ્યા ડેટાની ગુણવત્તામાં રહેલી છે. મોટાભાગની કંપનીઓમાં ડેટા અલગ-અલગ વિભાગોમાં વિખરાયેલો (Siloed) હોય છે. જ્યારે કંપનીઓ આ અસ્તવ્યસ્ત ડેટા પર ઓટોમેશન ટૂલ્સ વાપરે છે, ત્યારે AI ને ઘણીવાર અધૂરી અથવા વિરોધાભાસી માહિતી મળે છે. આના કારણે કંપનીઓએ ભૂલો સુધારવા માટે ફરીથી માનવીય હસ્તક્ષેપ (Human Oversight) વધારવો પડે છે. પરિણામે, શ્રમ ખર્ચ ઘટવાને બદલે કર્મચારીઓનો સમય ભૂલો સુધારવામાં વધુ વેડફાય છે.
રોકાણકારો માટે શું છે જોખમ?
રોકાણકારો માટે મોટું જોખમ એ છે કે AI પાછળનો ભારે ખર્ચ કંપનીના બોટમ લાઈન (Bottom Line) પર દેખાતો નથી. જો કોઈ કંપની માત્ર AI દ્વારા કેટલી કામગીરી થઈ તે ગણતી હોય અને તેની પાછળ થતા છૂપા ખર્ચ - જેમ કે સોફ્ટવેર મેન્ટેનન્સ અને એરર ફિક્સિંગ - ને અવગણતી હોય, તો તે નફાનું ધોવાણ કરી રહી છે.
સફળતાને કેવી રીતે માપવી?
રોકાણ કરતી વખતે એ જોવું જરૂરી છે કે મેનેજમેન્ટ 'સફળતા'ની વ્યાખ્યા કેવી રીતે કરે છે. જે કંપનીઓ AI ના બઝવર્ડ્સ પાછળ દોડવાને બદલે મજૂરી ખર્ચમાં ચોક્કસ બચત અને સાચા ROI (Return on Investment) પર ધ્યાન આપે છે, તે લાંબે ગાળે વધુ સુરક્ષિત માનવામાં આવે છે. કંપનીઓએ મોંઘા પ્રોજેક્ટ્સ શરૂ કરતા પહેલા સિસ્ટમ ઓડિટ કરવું અત્યંત અનિવાર્ય છે, જેથી ઓપરેશનલ ઓવરહેડમાં ઘટાડો જોવા મળે અને નફાકારકતા જળવાઈ રહે.