AI तंत्रज्ञानाचा वापर आता प्रयोगांकडून थेट व्यवसायांकडे (Enterprise) वळत असला, तरी सुरक्षा आणि विश्वासार्हता या मोठ्या अडचणी ठरत आहेत. आता केवळ कोडिंग नाही, तर सुरक्षितता सिद्ध करणाऱ्या कंपन्यांनाच मार्केटमध्ये मोठी मागणी असेल.
अनेक स्टार्टअप्सचे स्वप्न आता जमिनीवर येत आहे. AI चे केवळ डेमो दाखवण्यापासून ते प्रत्यक्ष व्यवसायात पूर्णपणे समाकलित (Integrate) करण्यापर्यंतचा प्रवास कठीण झाला आहे. इंडस्ट्री डेटा सांगतो की, अनेक कंपन्या गेल्या १८ महिन्यांपासून 'पायलट फेज'मध्येच अडकल्या आहेत, ज्याला आता 'पायलट पुर्गेटरी' असे म्हटले जात आहे.
पायलट फेजच्या पलीकडे जाण्याचे आव्हान
Anthropic सारख्या कंपन्या आता Claude मॉडेल्सच्या प्रत्यक्ष वापरावर लक्ष केंद्रित करत आहेत. गुंतवणूकदारांच्या नजरेतून आता 'कोणाकडे सर्वोत्तम AI मॉडेल आहे' यापेक्षा 'कोणाकडे सर्वात विश्वासार्ह इन्फ्रास्ट्रक्चर आहे' हे महत्त्वाचे ठरत आहे. विशेषतः भारतीय आयटी (IT) कंपन्यांसाठी, ज्या ग्लोबल क्लायंट्सना या तंत्रज्ञानाची अंमलबजावणी करण्यास मदत करतात, ही एक महत्त्वाची बाब आहे. प्रोजेक्ट्स लांबले तर त्याचा महसुलावर (Revenue) परिणाम होऊ शकतो.
ऑटोनॉमस AI मधील सुरक्षिततेची पोकळी
AI एजंट्स आता साध्या चॅटबॉटवरून जटिल कामे करणाऱ्या प्रणालींकडे वळत आहेत. यामुळे सुरक्षिततेची मोठी रिस्क निर्माण झाली आहे. Okta आणि NanoCo सारख्या कंपन्या आता सुरक्षेला डिझाइनचा मुख्य भाग मानत आहेत. गुंतवणूकदारांसाठी याचा अर्थ असा की, आता केवळ AI मॉडेल बनवणाऱ्यांपेक्षा सायबर सिक्युरिटी आणि इन्फ्रास्ट्रक्चर कंपन्यांवर अधिक खर्च होण्याची शक्यता आहे.
फिजिकल AI आणि डेटाची टंचाई
जेव्हा AI फिजिकल जगाशी, म्हणजे रोबोटिक्स किंवा वाहतुकीशी जोडले जाते, तेव्हा सुरक्षिततेचा निकष खूप उच्च असतो. Shield AI, General Motors आणि Waabi सारख्या कंपन्या सुरक्षेसाठी कडक प्रोटोकॉलवर काम करत आहेत. मात्र, रोबोटिक्ससाठी लागणारा डेटा अपुरा पडत आहे. NVIDIA ही कंपनी या डेटाची कमतरता भरून काढण्यासाठी प्रयत्न करत आहे. गुंतवणूकदारांनी या 'डेटा गॅप' कडे लक्ष ठेवणे गरजेचे आहे, कारण याच गोष्टीवर हार्डवेअर अडॉप्शनचे भविष्य अवलंबून आहे.