Amazon, Microsoft और Google जैसी बड़ी टेक कंपनियां अब AI को सीधे बिज़नेस सिस्टम में फिट करने के लिए 'फॉरवर्ड डिप्लॉयड इंजीनियर्स' (Forward Deployed Engineers) की बड़े पैमाने पर भर्ती कर रही हैं। यह कदम AI प्रोजेक्ट्स को शुरू से अंत तक पहुंचाने की कोशिश है, लेकिन यह बिज़नेस मॉडल में बड़े बदलाव का संकेत भी देता है, जिस पर निवेशकों को नजर रखनी चाहिए।
AI को बिज़नेस से जोड़ने की नई रणनीति
टेक्नोलॉजी सेक्टर AI को कमाई के नए तरीके से पेश करने की ओर बढ़ रहा है। Amazon Web Services (AWS), Microsoft, Google Cloud और OpenAI जैसी दिग्गज कंपनियां अब सिर्फ AI मॉडल पेश करने के बजाय, सीधे क्लाइंट्स के लिए कस्टम-सोल्ड सॉल्यूशंस पर फोकस कर रही हैं। इस रणनीति का सबसे बड़ा सबूत है 'फॉरवर्ड डिप्लॉयड इंजीनियर्स' (FDEs) की भारी भर्ती।
ये इंजीनियर्स किसी सेंट्रल रिसर्च लैब में नहीं बैठते, बल्कि सीधे क्लाइंट्स की कंपनियों में जाकर AI सिस्टम को उनके पुराने सॉफ्टवेयर, सिक्योरिटी और वर्किंग सिस्टम में इंटीग्रेट करने का काम करते हैं। ऐसा इसलिए हो रहा है क्योंकि कई AI प्रोजेक्ट्स बड़े पैमाने पर लागू होने से पहले ही अटक जाते थे, जिसका मुख्य कारण AI मॉडल में कमी नहीं, बल्कि इंटीग्रेशन की मुश्किलें थीं।
सर्विस-हेवी मॉडल की ओर झुकाव
निवेशकों के लिए यह एक बड़ा बदलाव है। अब तक, टेक कंपनियां हाई-मार्जिन और आसानी से स्केल होने वाले सॉफ्टवेयर मॉडल पर चलती थीं, जहां हर नए ग्राहक पर खर्च कम होता था। लेकिन, इंजीनियर्स को क्लाइंट्स के पास भेजने से यह 'सर्विस-हेवी' मॉडल बन जाता है।
इससे कस्टमर तो मजबूत होंगे और रेवेन्यू भी बढ़ेगा, लेकिन इसमें ज्यादा लोग लगेंगे और यह प्योर सॉफ्टवेयर डेवलपमेंट जितना स्केलेबल नहीं होगा। जैसे-जैसे कंपनियां ज्यादा FDEs को क्लाइंट साइट्स पर भेजेगी, शेयरधारकों को यह देखना होगा कि कहीं यह बढ़ा हुआ लेबर कॉस्ट ऑपरेटिंग मार्जिन पर दबाव तो नहीं बनाएगा। कंपनियों का लक्ष्य FDEs के ज़रिए क्लाइंट्स को जल्दी वैल्यू देना है, लेकिन इसमें यह जोखिम है कि ये टीमें कस्टम AI इंटीग्रेशन के लिए एक महंगी और परमानेंट ज़रूरत बन सकती हैं।
फाइनेंशियल परफॉरमेंस के लिए जोखिम
मार्जिन कम होने के अलावा, इस तरीके में ऑपरेशनल जोखिम भी हैं। सबसे पहले, ऐसे टैलेंट की कमी है। इन रोल्स के लिए AI की गहरी टेक्निकल जानकारी, सॉफ्टवेयर इंजीनियरिंग स्किल्स और क्लाइंट कंसल्टिंग की ज़रूरत होती है। इस टैलेंट के लिए कॉम्पिटिशन बहुत ज्यादा है, जिससे वेज कॉस्ट बढ़ सकती है और प्रॉफिटेबिलिटी पर असर पड़ सकता है।
दूसरे, 'ऑपरेशनल ड्रिफ्ट' का खतरा है। अगर AI एप्लीकेशन्स क्लाइंट्स के लिए सेल्फ-सर्व या आसानी से मैनेज होने वाले नहीं बनते, तो टेक कंपनियां कस्टम कोड के लिए परमानेंट मेंटेनेंस प्रोवाइडर बन सकती हैं। इससे ये टेक दिग्गज कंसल्टेंसी जैसे बिज़नेस में जा सकते हैं, जिनकी वैल्यूएशन मल्टीपल्स प्योर-प्ले सॉफ्टवेयर कंपनियों से कम होती है। साथ ही, हाई-स्टेक्स प्रोडक्शन में AI की अनिश्चित प्रकृति को लेकर उम्मीदों को मैनेज करना एक बड़ी चुनौती बनी हुई है, जिससे प्रोजेक्ट्स के उम्मीदों पर खरा न उतरने पर रेपुटेशनल रिस्क भी हो सकता है।
आगे चलकर, निवेशकों के लिए यह देखना अहम होगा कि ये कंपनियां कस्टम डिप्लॉयमेंट और स्टैंडर्ड प्रोडक्ट्स के बीच संतुलन कैसे बनाती हैं। उन्हें फाइनेंशियल फाइलों में हेडकाउंट कॉस्ट, ऑपरेटिंग मार्जिन और AI इंटीग्रेशन सर्विसेज की स्केलेबिलिटी पर मैनेजमेंट की कमेंट्री पर करीब से नज़र रखनी चाहिए।