Whalesbook
AI च्या अंमलबजावणीतील आव्हाने
फक्त AI टूल्स (Tools) मिळवणे सोपे असले तरी, त्यांना क्लायंटच्या ऑपरेशन्समध्ये (Operations) अखंडपणे समाकलित करणे हे मोठे आव्हान आहे. यासाठी तांत्रिक ज्ञानासोबतच व्यवसायाच्या गरजा समजून घेणारे इंजिनिअर्स लागतात. पारंपरिक ऑफशोअर (Offshore) IT टीम्सच्या मोठ्या करारांना मागे टाकत, आता चपळ (agile) ऑन-साइट (On-site) कौशल्यांची मागणी वाढली आहे.
IT सेवा उद्योगाची बदलती व्याख्या
Infosys सारख्या कंपन्या त्यांच्या FDE टीम्सचा वेगाने विस्तार करत आहेत, ज्यांना थेट क्लायंटच्या ऑपरेशन्समध्ये समाकलित केले जाईल. HCLTech आणि Coforge देखील या विशेष भूमिकांसाठी (Specialized Roles) तयारी करत आहेत. मात्र, या नवीन मॉडेलच्या नफ्यावर (Profitability) काय परिणाम होईल, याबाबत गुंतवणूकदारांमध्ये थोडी सावधगिरी (Investor Caution) दिसून येत आहे. Infosys चे मार्केट कॅप (Market Cap) सुमारे $65 अब्ज डॉलर्स आणि P/E रेशो (Ratio) 28 आहे, तर Wipro चे मार्केट कॅप $28 अब्ज डॉलर्स आणि P/E 18 आहे. याउलट, Palantir Technologies, ज्यांनी एम्बेडेड दृष्टिकोन (Embedded Approach) वापरला आहे, त्यांचे मार्केट कॅप सुमारे $25 अब्ज डॉलर्स आणि P/E 75 आहे, जे उच्च मूल्यांकनाची (High Valuation) क्षमता दर्शवते.
FDE भूमिकेसाठी कोडिंग (Coding) कौशल्ये, स्ट्रॅटेजिक सल्ला (Strategic Advice) आणि क्लायंटशी संवाद साधण्याची क्षमता आवश्यक आहे. हे पारंपरिक मोठ्या प्रमाणावरील, कॉस्ट-केंद्रित ऑफशोअर कामापेक्षा (Cost-focused Offshore Work) खूप वेगळे आहे. OpenAI सारख्या AI-नेटिव्ह कंपन्या (AI-Native Companies) थेट AI सोल्यूशन्स (Solutions) देऊन या बदलाला गती देत आहेत. बँकिंग (Banking) आणि हेल्थकेअर (Healthcare) सारख्या क्षेत्रांमध्ये AI च्या अंमलबजावणीतील आव्हानांबरोबरच, या स्पर्धेमुळे IT कंपन्यांना त्यांचे बिझनेस मॉडेल्स (Business Models) आणि मनुष्यबळ निवडीचा (Talent Hiring) पुनर्विचार करावा लागत आहे. Coforge आपल्या FDE कर्मचाऱ्यांमध्ये लक्षणीय वाढ करण्याची योजना आखत आहे.
नफ्यावर मोठे धोके
या FDE-केंद्रित मॉडेलमध्ये स्थलांतरित झाल्यामुळे नफ्यावर (Profits) आणि मार्केट पोझिशनवर (Market Position) मोठे धोके निर्माण होऊ शकतात. मुख्य आव्हान म्हणजे मार्जिन इरोशन (Margin Erosion). मोठ्या ऑफशोअर प्रोजेक्ट्समधून मिळणाऱ्या स्थिर उत्पन्नाच्या (Predictable Revenue) तुलनेत, ऑन-साइट काम करणाऱ्या FDEs साठी प्रवास खर्च (Travel Costs), क्लायंट सिस्टीम इंटिग्रेशन (Client System Integration) आणि विशेष कौशल्यांसाठी जास्त पैसे (Higher Costs for Rare Skills) द्यावे लागतात. यामुळे IT कंपन्यांचे मार्जिन कमी होऊ शकते.
या विशेष इंजिनिअर्ससाठी स्पर्धा (Competition) वाढत आहे, ज्यामुळे त्यांना कामावर घेणे आणि टिकवून ठेवणे (Hiring and Retention Costs) अधिक महाग होत आहे. OpenAI आणि Palantir सारख्या कंपन्या थेट AI प्लॅटफॉर्म (AI Platforms) आणि स्पेशलायझेशन (Specialization) देतात, जे पारंपरिक IT सेवा पुरवठादारांना (IT Service Providers) बायपास (Bypass) करू शकतात. पूर्वी डिजिटल ट्रान्सफॉर्मेशनमध्ये (Digital Transformation) IT कंपन्या कन्सल्टिंगमध्ये (Consulting) जाण्यास संघर्ष करत होत्या, तसाच अनुभव येथेही येऊ शकतो. तसेच, क्लायंटवर अधिक अवलंबून राहावे लागते, ज्यामुळे AI चा अवलंब न झाल्यास किंवा अनपेक्षित समस्या आल्यास धोका वाढतो. हे मॉडेल स्केल करणे (Scaling the Model) अजूनही एक मोठे आव्हान आहे.
भविष्यातील दृष्टीकोन
विश्लेषकांना AI सेवांसाठी मागणी कायम राहण्याची अपेक्षा आहे, विशेषतः उत्तर अमेरिकेतील (North American) नियमन केलेल्या उद्योगांमध्ये (Regulated Industries). तथापि, कंपन्या या नवीन मॉडेलचा दीर्घकालीन आर्थिक प्रभाव (Long-term Financial Impact) कसा व्यवस्थापित करतात आणि कशाप्रकारे मागणी असलेल्या भूमिकांची (Demanding Roles) वाढ करतात, याकडे गुंतवणूकदार बारकाईने लक्ष ठेवून आहेत.