भारतीय IT कंपनियां आर्टिफिशियल इंटेलिजेंस (AI) का इस्तेमाल करके ग्राहकों के पुराने सॉफ्टवेयर से जुड़ी दिक्कतों को तो दूर कर रही हैं, लेकिन अब उन्हें AI को अपनाने में छुपी लागत और तकनीकी जोखिमों का डर सता रहा है। निवेशकों को अब IT कंपनियों के AI प्रोजेक्ट की प्रॉफिटेबिलिटी पर नज़र रखनी होगी, खासकर बढ़ती कंप्यूटिंग और टोकन की लागत के बीच।
AI से खड़ी हो रही नई तकनीकी देनदारी
IT सेक्टर की कंपनियां इस फाइनेंशियल ईयर (Financial Year) में दोहरे मिशन पर हैं: एक तरफ ग्राहकों के पुराने, आउटडेटेड सॉफ्टवेयर की समस्याओं को तेज़ी से हल करना, जिसे 'लेगेसी टेक्निकल डेट' (Legacy Technical Debt) भी कहते हैं, और दूसरी तरफ आर्टिफिशियल इंटेलिजेंस (AI) की नई क्षमताएं विकसित करना। इससे प्रोडक्टिविटी और नए डील तो बढ़ रहे हैं, लेकिन अब बैंकिंग (BFSI) और मैन्युफैक्चरिंग जैसे सेक्टर्स में क्लाइंट्स के बीच एक नई चिंता उभर रही है।
AI टूल्स भले ही पुराने सॉफ्टवेयर को तेज़ी से ठीक करने में मदद कर रहे हों, लेकिन मैन्युफैक्चरिंग और फाइनेंस सेक्टर के लीडर्स सावधानी बरत रहे हैं। डर यह है कि AI की ऑटोमेटेड कोडिंग की रफ़्तार एक नए तरह की टेक्निकल डेट पैदा कर सकती है। जहां इंसानी कोडिंग को समझना और ट्रैक करना आसान होता है, वहीं AI-जनरेटेड कोड में पूरी पारदर्शिता नहीं होती। अगर डेवलपर्स को AI द्वारा बनाए गए कोड की हर लाइन की पूरी जानकारी नहीं है, तो इससे ऐसे सिस्टम बन सकते हैं जिन्हें बाद में मेंटेन (Maintain) करना या अपग्रेड (Upgrade) करना मुश्किल हो।
इसके अलावा, क्लाइंट AI के 'प्रोबेबिलिस्टिक' (Probabilistic) नेचर से भी घबराए हुए हैं। बैंकिंग ट्रांजैक्शन या बड़े मैन्युफैक्चरिंग प्रोसेस जैसे मिशन-क्रिटिकल माहौल में, ऐसा AI मॉडल जो सिर्फ 'लगभग सही' हो, काफी नहीं है। ये अनिश्चितताएं, रेगुलेटरी गाइडलाइंस की कमी के साथ मिलकर, कुछ कंपनियों को AI प्रोजेक्ट्स को टेस्टिंग से प्रोडक्शन में ले जाने से पहले रोक रही हैं।
IT कंपनियों की कमाई पर असर
IT सर्विस फर्म्स के लिए यह एक नाजुक संतुलन का काम है। Tech Mahindra जैसी कंपनियों ने जहां मजबूत फाइनेंशियल परफॉरमेंस दिखाई है – FY27 की पहली तिमाही में EBIT में 53% की साल-दर-साल बढ़ोतरी और $1.078 बिलियन की नई डील जीती हैं – वहीं पूरा सेक्टर क्लाइंट्स के खर्चों में बदलाव देख रहा है। TCS और Wipro जैसी बड़ी कंपनियों के मैनेजमेंट ने बताया है कि क्लाइंट्स अपने टेक्नोलॉजी बजट को लेकर ज़्यादा सेलेक्टिव (Selective) हो रहे हैं और उन प्रोजेक्ट्स को प्राथमिकता दे रहे हैं जिनसे सीधा और मापा जा सकने वाला रिटर्न मिले।
IT फर्म्स के लिए एक बड़ी चुनौती AI डिप्लॉयमेंट (Deployment) के फाइनेंशियल बोझ को संभालना है। एडवांस्ड AI मॉडल्स को चलाने के लिए ज़रूरी कंप्यूटिंग पावर और 'टोकन' (Token) की लागत काफी ज़्यादा हो सकती है। अगर इन खर्चों को कुशलता से मैनेज नहीं किया गया, तो ये IT फर्म और क्लाइंट दोनों के प्रॉफिट मार्जिन (Profit Margin) को खा सकते हैं। Aurionpro Solutions जैसी कंपनियां पहले से ही AI-नेटिव प्लेटफॉर्म्स पर फोकस कर रही हैं, जो खास तौर पर BFSI क्लाइंट्स को इन खर्चों को ऑप्टिमाइज़ (Optimize) करने में मदद करने के लिए डिज़ाइन किए गए हैं। यह इस बात का संकेत है कि IT कंपनियों को अब 'AI FinOps' – यानी AI मॉडल्स चलाने की असल लागत के मुकाबले बिज़नेस के नतीजों को ट्रैक करने वाली सर्विस – भी ऑफर करनी होगी।
निवेशकों के लिए आगे क्या देखना है?
जैसे-जैसे यह इंडस्ट्री मैच्योर (Mature) हो रही है, फोकस सिर्फ AI को अपनाने से हटकर उसकी लॉन्ग-टर्म फाइनेंशियल वायबिलिटी (Financial Viability) साबित करने पर जा रहा है। निवेशकों के लिए, मुख्य बात सिर्फ साइन की गई AI डील्स का टोटल वैल्यू नहीं है, बल्कि यह देखना है कि IT फर्म्स AI कंप्यूटिंग और टोकन के हाई कॉस्ट को सोखते हुए अपने प्रॉफिट मार्जिन को कैसे बनाए रखती हैं।
सफल कंपनियां वही होंगी जो क्लाइंट्स को 'AI डेट' के साइकल से निकालने में मदद कर सकें, यह सुनिश्चित करते हुए कि नए डिजिटल इम्प्लीमेंटेशन (Implementation) भविष्य में महंगे मेंटेनेंस की समस्याएं खड़ी न करें। आने वाले समय में, शेयरहोल्डर्स (Shareholders) मैनेजमेंट से इस बात पर कमेंट्री की उम्मीद कर सकते हैं कि ये कंपनियां क्लाइंट्स के खर्चों के दबाव और अपने सबसे बड़े कॉर्पोरेट क्लाइंट्स के लिए सस्टेनेबल (Sustainable), हाई-एफिशिएंसी AI सॉल्यूशंस बनाने की ज़रूरत के बीच कैसे संतुलन बना रही हैं।