Whalesbook
कामावर आधारित सोल्युशन्स ठरतायेत फायदेशीर
भारतातील आर्टिफिशियल इंटेलिजन्स (AI) क्षेत्रात एक मोठा बदल घडताना दिसत आहे. स्टार्टअप्स आता केवळ थेअरी (Theory) आणि मॉडेल्स बनवण्याऐवजी, कंपन्यांच्या प्रत्यक्ष गरजा पूर्ण करणारी 'सोल्युशन्स' (Solutions) तयार करण्यावर भर देत आहेत. 'फाउंडेशनल AI' (Foundational AI) मध्ये मोठी गुंतवणूक करण्याऐवजी, अनेक स्टार्टअप्स सध्या उपलब्ध असलेल्या AI टूल्सना (Tools) एकत्र करून, ग्राहकांच्या विशिष्ट समस्या सोडवणारे 'कस्टम वर्कफ्लो' (Custom Workflows) तयार करत आहेत. यामुळे त्यांना बाजारात चांगली पकड मिळण्यास मदत होत आहे.
वर्कफ्लोचा प्रत्यक्ष फायदा
Eloelo सारख्या कंपन्या या नवीन दृष्टिकोनचे उत्तम उदाहरण आहेत. त्यांच्या 'स्टोरी टीव्ही' (Story TV) प्लॅटफॉर्मवर जनरेटिव्ह AI (Generative AI) चा वापर करून कंटेंट प्रोडक्शनमध्ये (Content Production) क्रांती घडवली आहे. 'मायक्रो-ड्रामा' (Micro-dramas) सारख्या नवीन श्रेणीमध्ये, जिथे वार्षिक बाजारपेठ सुमारे ₹700 मिलियन आहे, तिथे उत्पादनात प्रचंड वाढ झाली आहे. महिन्याला 20-30 ड्रामा तयार होण्याऐवजी, गेल्या महिन्यात जवळपास 200 ड्रामा तयार झाले. या वाढीमुळे स्क्रिप्टिंग (Scripting), प्रोडक्शन (Production) आणि पोस्ट-प्रोडक्शनचा (Post-production) खर्च कमी झाला असून वेळेचीही बचत होत आहे.
त्याचप्रमाणे, PulseGen.io चे CEO हरेन चेल्ले (Haren Chelle) यांच्या कंपनीने अनेक AI एजंट्सना (Agents) एकत्रित वर्कफ्लोमध्ये (Unified Workflows) आणून व्यावहारिक वापर वाढवला आहे. यामुळे ते वेगवेगळ्या कामांसाठी वेगवेगळ्या AI मॉडेल्सचा प्रभावीपणे वापर करू शकतात.
डेटा ठरणार महत्त्वाचा घटक
Eloelo चे CEO सौरभ पांडे (Saurabh Pandey) आणि PulseGen.io चे CEO हरेन चेल्ले या दोघांचेही मत आहे की, आगामी काळात AI स्टार्टअप्ससाठी डेटा (Data) हाच सर्वात मोठा फरक निर्माण करणारा घटक ठरेल. जसजसे कंपन्या अधिक डेटा शेअर करतील, तसतसे AI ऍप्लिकेशन्सची (Applications) अचूकता आणि परिणामकारकता वाढेल.
हा डेटावर आधारित दृष्टिकोन आणि कस्टम वर्कफ्लो तयार करण्याची क्षमता, मजबूत व्यावसायिक धोरणाचा पाया रचत आहे. अनेक स्टार्टअप्ससाठी 'फाउंडेशनल AI मॉडेल्स' (Foundational AI Models) तयार करणे खूप खर्चिक आहे, कारण सध्या जागतिक स्तरावर मोठी स्पर्धा आणि वाढता खर्च आहे. त्यामुळे, विद्यमान मॉडेल्समध्ये बदल करणे आणि त्यांना विशिष्ट ऑपरेशनल सिस्टममध्ये (Operational Systems) बसवणे, हीच स्पर्धात्मक धार मिळवण्याची मुख्य पद्धत आहे.
प्रमुख धोके: डेटावरील अवलंबित्व आणि कॉपीकॅट
वर्कफ्लो आणि डेटावर लक्ष केंद्रित केल्याने भारतीय AI स्टार्टअप्सना बाजारात स्पष्ट मार्ग मिळाला असला तरी, काही धोकेही आहेत. प्रोप्रायटरी डेटावर (Proprietary Data) जास्त अवलंबून राहिल्यास गोपनीयता (Privacy), सुरक्षा (Security) आणि नियामक अनुपालन (Regulatory Compliance) यांसारख्या चिंता वाढू शकतात, विशेषतः डेटा संरक्षण कायद्यांमध्ये (Data Protection Laws) होत असलेल्या बदलांमुळे.
शिवाय, जर प्रतिस्पर्धकांनी या वर्कफ्लोच्या पद्धती सहजपणे कॉपी केल्या, तर कस्टमायझेशनचा (Customization) फायदा कमी होऊ शकतो. जागतिक AI कंपन्यांच्या तुलनेत, अनेक भारतीय स्टार्टअप्स विद्यमान तंत्रज्ञानावर आधारित उपाययोजना तयार करतात. त्यामुळे त्यांचे मुख्य मूल्य, नवीन AI शोधण्याऐवजी, विद्यमान तंत्रज्ञानाचा हुशारीने वापर आणि एकत्रीकरण करण्यात आहे.
भविष्यातील वाढीची शक्यता
विश्लेषकांच्या मते, मनोरंजन, शिक्षण आणि ग्राहक सेवा यांसारख्या क्षेत्रांमध्ये AI कार्यक्षमतेची (AI Efficiencies) मजबूत मागणी असल्याने, भारताचा AI मार्केट (AI Market) वाढतच राहील. सध्याचा ट्रेंड 'अप्लायड AI सोल्युशन्स'वर (Applied AI Solutions) अधिक लक्ष केंद्रित करण्याचा आहे, ज्यामुळे स्पष्ट ROI (Return on Investment) दाखवणाऱ्या स्टार्टअप्सना फायदा होईल.
AI-जनरेटेड मायक्रो-ड्रामासारखी (AI-generated micro-dramas) खास बाजारपेठ (Niche Markets) आधीच मजबूत महसूल क्षमता दर्शवत आहे, ज्यामुळे अभिनव 'अॅप्लिकेशन-लेयर' (Application-layer) कंपन्यांसाठी आशादायक संधी निर्माण झाल्या आहेत.