AI मुळे नोकऱ्यांची लाट की IT कंपन्यांसमोर आव्हान?
Infosys च्या चेअरमन नंदन निलेकणी यांनी AI मुळे जगात अंदाजे 17 कोटी नवीन नोकऱ्या निर्माण होतील, असा विश्वास व्यक्त केला आहे. या उलट, जुन्या पद्धतीच्या 9.2 कोटी नोकऱ्या कमी होऊ शकतात. इन्व्हेस्टर AI डे (Investor AI Day) या कार्यक्रमात त्यांनी सांगितले की AI हे केवळ तंत्रज्ञान नसून कंपन्यांसाठी एक मोठे 'स्ट्रक्चरल ट्रान्सफॉर्मेशन' (Structural Transformation) आहे. कंपनीने Anthropic सारख्या AI सुरक्षा संशोधन कंपन्यांशी भागीदारी केली आहे, ज्यामुळे टेलिकॉम, फायनान्शियल सर्व्हिसेस आणि मॅन्युफॅक्चरिंग यांसारख्या क्षेत्रांमध्ये AI सोल्युशन्स (AI Solutions) उपलब्ध होतील.
AI चा वापर वाढवताना कंपन्यांसमोरील अडचणी
AI हे भविष्यातील वाढीचे इंजिन (Engine) असले तरी, कंपन्यांमध्ये AI चा वापर वाढवण्यासाठी अनेक अडचणी आहेत. भारतीय कंपन्या जरी जनरेटिव्ह AI (GenAI) वापरण्यात पुढे असल्या तरी, त्या अजूनही सुरुवातीच्या टप्प्यात आहेत. खर्च कमी करण्यावर जास्त लक्ष केंद्रित केले जात आहे. डेटाची गुणवत्ता, कुशल AI तज्ञांची कमतरता आणि विखुरलेली इकोसिस्टम (Ecosystem) या प्रमुख अडचणी आहेत. जगभरातील कंपन्या प्रायोगिक AI खर्चावरून आता प्रत्यक्षात AI चा वापर वाढवण्यासाठी (Production-scale Deployments) सज्ज होत आहेत, ज्यासाठी चांगल्या गव्हर्नन्स (Governance) आणि खर्चावर नियंत्रण ठेवणे आवश्यक आहे. 2026 पर्यंत AI इन्फ्रास्ट्रक्चरवर $6.15 ट्रिलियन खर्च होण्याचा अंदाज आहे.
जुन्या सिस्टीम्सचे आधुनिकीकरण : मोठी संधी
AI चा मोठ्या प्रमाणावर वापर करण्यासाठी सर्वात मोठे आव्हान आहे ते कंपन्यांच्या जुन्या IT सिस्टीम्स. सध्या IT बजेटचा सुमारे 60% ते 80% भाग मेंटेनन्ससाठी (Maintenance) खर्च होतो, ज्यामुळे AI च्या नवीन योजनांसाठी जुन्या सिस्टीम्सचे आधुनिकीकरण करणे गरजेचे आहे. ही परिस्थिती Infosys सारख्या कंपन्यांसाठी एक मोठी संधी निर्माण करते. AI-आधारित टूल्समुळे (Tools) जुन्या सिस्टीम्सचे परिवर्तन (Transformation) करणे आता सोपे आणि स्वस्त झाले आहे. Infosys च्या अंदाजानुसार, AI संबंधित सेवांमुळे कंपनीच्या महसुलात 5.5% वाटा आहे आणि हा सेवा कंपनीने आपल्या टॉप 200 क्लायंटपैकी 90% क्लायंट्ससाठी लागू केली आहे. नंदन निलेकणी यांच्या मते, AI मुळे कंपन्यांना अंतर्गत बदल (Internal Reinvention) घडवून आणता येतात, ज्यामुळे AI ट्रान्सफॉर्मेशनची प्रक्रिया वेगाने आणि कमी खर्चात होते.
बाजारातील स्थान आणि कंपनीचे मूल्यांकन
Infosys, ज्याचे मार्केट कॅपिटलायझेशन (Market Capitalization) सुमारे ₹5.64 लाख कोटी आहे, ही भारतीय IT सेवा क्षेत्रातील एक मोठी कंपनी आहे. कंपनीत सुमारे 3.17 लाख व्यावसायिक काम करतात. Q3 FY25 मध्ये कंपनीचा महसूल ₹41,764 कोटी होता, तर नेट प्रॉफिट ₹6,806 कोटी होता. TCS (AI मधून $1.8 अब्ज वार्षिक महसूल) आणि Wipro सारख्या प्रतिस्पर्ध्यांनीही AI वर लक्ष केंद्रित केले आहे. Infosys AI इंटिग्रेशन (Integration) आणि डिजिटल कन्सल्टिंग (Digital Consulting) सेवांमध्ये आघाडीवर आहे. कंपनीचा P/E रेशो (Ratio) सुमारे 18.9x ते 20.17x आहे, जो इंडस्ट्री सरासरी 22.04x ते 24.06x पेक्षा कमी आहे. याचा अर्थ Infosys काही प्रतिस्पर्ध्यांच्या तुलनेत स्वस्त दरात उपलब्ध असू शकते. Q3 FY25 मध्ये महसुलात 8% वार्षिक वाढ झाली, तर ऑपरेटिंग मार्जिन 21.3% होते.
धोके आणि विश्लेषकांचे संमिश्र मत
AI बद्दलच्या आशावादी दृष्टिकोन असूनही, काही धोके (Risks) आहेत. GenAI मुळे कार्यक्षमता वाढल्यास नफ्यावर तात्पुरता परिणाम होऊ शकतो. डेटाची गुणवत्ता, सुरक्षा आणि नैतिक विचार याबद्दल चिंता आहे. 54% भारतीय IT लीडर्स सुरक्षेतील त्रुटींना (Security Gaps) मोठी अडचण मानतात. तसेच, 63% भारतीय संस्थांना पात्र AI व्यावसायिक मिळवण्यात अडचण येत आहे. विश्लेषकांचे मत विभागलेले आहे; Motilal Oswal आणि Nuvama सारख्या ब्रोकरेजने 'Buy' रेटिंग देऊन ₹1,850 आणि ₹1,900 चे लक्ष्य दिले आहे, तर काही विश्लेषकांचे मत 'Hold' चे आहे, ज्यामुळे गुंतवणूकदारांमध्ये अनिश्चितता आहे. कंपनीच्या ऑपरेटिंग मार्जिनवरही दबाव आहे, काही कालावधीत तो 20.8% पर्यंत घसरला होता.
भविष्यातील वाटचाल
Infosys ने FY25 साठी महसूल मार्गदर्शन (Revenue Guidance) 4.5% ते 5.0% (कॉन्स्टंट करन्सीमध्ये) पर्यंत वाढवले आहे, आणि ऑपरेटिंग मार्जिन 20% ते 22% दरम्यान राहण्याचा अंदाज आहे. कंपनीची स्ट्रॅटेजी त्यांच्या क्लायंट्ससोबतचे संबंध, डिलिव्हरी क्षमता आणि वाढत्या पार्टनरशिप्सवर (Partnerships) आधारित आहे. AI इन्फ्रास्ट्रक्चर आणि सेवांमधील जागतिक गुंतवणुकीमुळे या क्षेत्रासाठी वाढीचा मोठा काळ दिसतो, जर कंपन्यांनी अंमलबजावणी आणि आधुनिकीकरणातील गुंतागुंत यशस्वीरित्या हाताळली. बाजारात Infosys आपली AI ची दृष्टी प्रत्यक्ष, स्केलेबल आणि फायदेशीर व्यवसायिक परिणामांमध्ये रूपांतरित करण्यात किती यशस्वी होते, यावर लक्ष ठेवले जाईल.