टेक कंपनियों में छंटनी: सिर्फ ऑटोमेशन नहीं, AI हार्डवेयर पर खर्च हुए अरबों डॉलर!

सैलरी से AI इंफ्रास्ट्रक्चर में शिफ्ट हुए अरबों डॉलर

AI की वजह से नौकरियों के खत्म होने (Job Apocalypse) का जो आम ख्याल है, वह टेक कंपनियों में मौजूदा छंटनी की असली वजह से थोड़ा अलग है। ऑटोमेशन (Automation) की वजह से काम सीधे तौर पर खत्म होने के बजाय, टेक दिग्गज अपनी सैलरी जैसे खर्चों से अरबों डॉलर निकालकर कैपिटल इन्वेस्टमेंट (Capital Investment) में लगा रहे हैं। यह पैसा डेटा सेंटर्स, खास चिप्स और AI के लिए जरूरी एनर्जी के लिए इस्तेमाल हो रहा है। AI इंफ्रास्ट्रक्चर की यह बड़ी दौड़, जिसके 2026 तक दुनिया भर में $2.59 ट्रिलियन खर्च होने का अनुमान है, कंपनियों को अपनी फाइनेंसियल पोजीशन संभालने के लिए नौकरियां काटने पर मजबूर कर रही है। ऐसा इसलिए हो रहा है क्योंकि वे सॉफ्टवेयर मॉडल से भारी, कैपिटल-इंटेंसिव ऑपरेशन्स की ओर बढ़ रहे हैं।

हाइप (Hype) और हकीकत के बीच का अंतर

सैम ऑल्टमैन खुद मानते हैं कि AI का बड़े पैमाने पर आर्थिक उपयोग अभी शुरुआती दौर में है। यह कंपनियों के वैल्यूएशन (Valuation) और उनकी असल प्रोडक्टिविटी गेन्स (Productivity Gains) के बीच बढ़ते अंतर को दिखाता है। जहां टेक लीडर्स एफिशिएंसी (Efficiency) का वादा कर रहे हैं, वहीं अर्थव्यवस्था ने अभी तक बड़े पैमाने पर AI से प्रोडक्टिविटी में कोई बड़ी सुधार नहीं देखी है। इस स्थिति में Meta, Amazon और Oracle जैसी कंपनियां मुश्किल में हैं। वे भारी इंफ्रास्ट्रक्चर इन्वेस्टमेंट का भुगतान करने में मदद के लिए स्टाफ में कटौती कर रही हैं। सॉफ्टवेयर के विपरीत, जहां यूजर्स जोड़ने की लागत बहुत कम होती है, AI को लगातार, भारी खर्च की जरूरत होती है। अगर AI प्रोडक्ट्स से जल्द ही ज्यादा रेवेन्यू (Revenue) मिलना शुरू नहीं हुआ, तो ये जॉब कट्स (Job Cuts) काफी नहीं हो सकते, जिससे कंपनियों को लागत और कम करनी पड़ सकती है।

भविष्य के टैलेंट पूल (Talent Pool) के लिए जोखिम

तात्कालिक नौकरी कटौतियों (Job Cuts) से परे, टेक इंडस्ट्री एक छिपे हुए खतरे का सामना कर रही है: भविष्य की टैलेंट पाइपलाइन (Talent Pipeline) को कमजोर करना। मिड-लेवल (Mid-level) की भूमिकाओं को खत्म करके, जो जूनियर कर्मचारियों को ट्रेनिंग देने के लिए महत्वपूर्ण हैं, कंपनियां अनुभवी इंजीनियरों की उपलब्धता को कम कर रही हैं। AI का इस्तेमाल बेसिक कोडिंग (Coding) और बग फिक्सिंग (Bug Fixing) के लिए करने पर कंपनियां फोकस कर रही हैं, जिससे जूनियर हायरिंग (Hiring) में काफी कमी आई है। इससे अभी तो पैसा बच रहा है, लेकिन यह एक लंबी अवधि की समस्या पैदा करता है। जब मौजूदा सीनियर इंजीनियर चले जाएंगे, तो शायद कंपनियों द्वारा बनाए जा रहे कॉम्प्लेक्स AI सिस्टम को मैनेज करने के लिए पर्याप्त अनुभवी स्टाफ न हो।

2026 में क्या देखें?

इस बात पर कोई स्पष्ट सहमति नहीं है कि AI इंफ्रास्ट्रक्चर में ये बड़े निवेश वादे के अनुसार एफिशिएंसी गेन्स (Efficiency Gains) की ओर ले जाएंगे या नहीं। एनालिस्ट्स (Analysts) का मानना है कि 2026 एक महत्वपूर्ण वर्ष होगा, जहां कंपनियों को शुरुआती परीक्षणों से परे अपने AI इन्वेस्टमेंट पर असली रिटर्न दिखाना होगा। ग्रिड कनेक्शन (Grid Connections) के लिए लंबी प्रतीक्षा और AI सप्लाई चेन (Supply Chains) पर बढ़ी हुई जांच के साथ, फोकस सिर्फ इंफ्रास्ट्रक्चर बनाने से हटकर ऑपरेशनल प्रॉफिट (Operational Profits) कमाने की ओर जाने की उम्मीद है। इन कंपनियों की लंबी अवधि की सफलता, अल्पावधि वित्तीय लक्ष्यों को पूरा करने के लिए मानव कार्यों को बदलने की उनकी क्षमता के बजाय, AI का उपयोग करके रेवेन्यू उत्पन्न करने की उनकी क्षमता पर अधिक निर्भर करेगी।