आर्टिफिशियल इंटेलिजन्स (AI) आता केवळ ऑटोमेशनपुरते मर्यादित राहिलेले नाही, तर कंपन्यांच्या महत्त्वाच्या निर्णयांंमध्येही AI चा वापर वाढला आहे. तब्बल **76%** कंपन्यांनी आता चीफ AI ऑफिसरची (Chief AI Officer) नियुक्ती केली आहे. गुंतवणूकदारांसाठी, AI चा वापर कसा होत आहे यापेक्षा कंपन्या आपल्या कामकाजात (Operational Redesign) कसे बदल करत आहेत, यावर लक्ष केंद्रित करणे महत्त्वाचे ठरणार आहे. यामुळे कार्यक्षमता वाढू शकते, पण सोबतच सॉफ्टवेअरवरील अनियंत्रित खर्च आणि नोकरभरतीतील बदलांसारखे धोकेही आहेत.
C-Suite मध्ये काय बदलत आहे?
आर्टिफिशियल इंटेलिजन्स (AI) आता साध्या कामांच्या ऑटोमेशनच्या पलीकडे जाऊन बोर्डरूम आणि C-suite स्तरावर धोरणात्मक निर्णय घेण्यास मदत करत आहे. IBM च्या 2026 च्या अभ्यासानुसार, सर्वेक्षण केलेल्या 76% संस्थांनी आता चीफ AI ऑफिसरची नियुक्ती केली आहे, जी एका वर्षापूर्वीच्या 26% च्या तुलनेत मोठी वाढ आहे. CEO देखील आता माहिती मिळवण्यासाठी आणि महत्त्वाचे धोरणात्मक निर्णय घेण्यासाठी AI वर जास्त अवलंबून आहेत, 64% CEO AI-निर्मित निष्कर्षांवर विश्वास ठेवण्यास सोयीस्कर असल्याचे सांगतात.
मात्र, या बदलासाठी केवळ नवीन तंत्रज्ञान खरेदी करणे पुरेसे नाही. Gartner च्या अंदाजानुसार, 80% CEO यांना वाटते की AI मुळे कंपन्यांच्या कामकाजाच्या पद्धतीत मोठे बदल करावे लागतील. गुंतवणूकदारांसाठी याचा अर्थ असा की, कंपन्यांचे यश केवळ AI टूल्स खरेदी करण्यावर अवलंबून नसून, नेतृत्व त्या टूल्सचा प्रभावीपणे वापर करण्यासाठी कामकाजाची पुनर्रचना कशी करते यावर ठरेल.
मार्जिन आणि कार्यक्षमतेचे आव्हान
गुंतवणूकदारांसाठी सर्वात महत्त्वाचा प्रश्न हा आहे की, AI वरील खर्चामुळे कंपन्यांचे प्रॉफिट मार्जिन (Profit Margin) सुधारेल का? अनेक कंपन्या केवळ सॉफ्टवेअर खरेदी करण्यावर लक्ष केंद्रित करतात आणि जुन्या कार्यपद्धती सुधारत नाहीत, ही एक सामान्य चूक आहे. McKinsey च्या संशोधनानुसार, उत्तम कामगिरी करणाऱ्या AI कंपन्यांनी आपल्या अंतर्गत प्रक्रियांची यशस्वीपणे पुनर्रचना केली आहे, असे दिसून येते.
AI स्वीकारल्याने नफा आपोआप वाढेलच असे नाही. जर कंपनी AI चा वापर केवळ अतिरिक्त खर्च म्हणून करत असेल, तर मार्जिन सुधारण्याऐवजी ते कमी होऊ शकते. आर्थिक नेत्यांसाठी, AI चा वापर करून निर्णय घेणाऱ्यांपर्यंत जलद आणि अचूक डेटा पोहोचवणे, हे विश्लेषण आणि पुनरावलोकनाचे स्तर कमी करण्याचे ध्येय असले पाहिजे. ज्या कंपन्या आपल्या ऑपरेटिंग मॉडेल्समध्ये बदल करणार नाहीत, त्यांना वाढीव तंत्रज्ञान खर्चाचा फटका बसेल, पण उत्पादकता वाढणार नाही.
गव्हर्नन्स आणि बजेटचा धोका
गुंतवणूकदारांसाठी सर्वात पहिला धोका म्हणजे गव्हर्नन्स (Governance). AI चा अवलंब करण्याची घाई करताना, कंपन्यांच्या नियंत्रण प्रणाली मागे पडत आहेत. IBM च्या जून 2026 च्या अभ्यासात असे आढळले की 77% CIO आणि CTO यांना वाटते की AI चा अवलंब त्यांच्या गव्हर्नन्स फ्रेमवर्कपेक्षा वेगाने होत आहे.
नियंत्रणाचा अभाव अनियंत्रित खर्चाला कारणीभूत ठरू शकतो. असे अहवाल आहेत की काही कंपन्यांनी AI टूल्सचे वार्षिक बजेट केवळ चार महिन्यांत संपवले आहे किंवा वापर मर्यादा नसल्यामुळे एका महिन्यात क्लाउड-आधारित AI टूल्सवर 50 कोटी डॉलर्स खर्च केले आहेत. भागधारकांसाठी, AI खर्च हा एक नवीन क्षेत्र आहे जिथे खर्चावरील नियंत्रण सुटल्यास कंपनीचा कॅश फ्लो (Cash Flow) लवकर कमी होऊ शकतो. हे टूल्स केवळ तंत्रज्ञान बजेट वाढवत नाहीत, तर खऱ्या अर्थाने मूल्य निर्माण करत आहेत याची खात्री करण्यासाठी मजबूत देखरेख आवश्यक आहे.
मनुष्यबळ आणि नोकरभरतीवर परिणाम
या बदलामुळे कर्मचाऱ्यांच्या रचनेतही बदल होत आहे, विशेषतः भारतात. ग्लोबल कॅपॅबिलिटी सेंटर्स (GCCs) आधीच त्यांच्या नोकरभरतीच्या योजनांमध्ये बदल करत आहेत. ताज्या डेटानुसार, मूळ नोकरभरतीच्या लक्ष्यांमध्ये 30% ते 50% पर्यंत कपात सुचवली जात आहे. कनिष्ठ कर्मचाऱ्यांसाठी संशोधनापासून सुरू होणारा पारंपारिक मार्ग आता AI मुळे बाधित होत आहे, कारण AI ही कामे अधिक कार्यक्षमतेने करू शकते.
जरी यामुळे दीर्घकाळात खर्च कमी झाला तरी, कर्मचाऱ्यांच्या विकासासाठी एक आव्हान उभे राहिले आहे. कंपन्यांना कर्मचाऱ्यांच्या प्रशिक्षणासाठी नवीन मार्ग शोधावे लागतील, कारण कनिष्ठ कर्मचाऱ्यांमधून वरिष्ठ पदांपर्यंत पोहोचण्याचा जो 'अप्रेंटिसशिपचा मार्ग' होता, तो आता ऑटोमेटेड होत आहे.
गुंतवणूकदारांनी पुढे काय पाहावे?
गुंतवणूकदारांनी AI अवलंबण्याच्या बातम्यांच्या पलीकडे जाऊन तीन मुख्य गोष्टींवर लक्ष केंद्रित केले पाहिजे. पहिले, कंपनी कामकाजाच्या पुनर्रचनेची योजना तपशीलवार सांगत आहे की केवळ टेक सबस्क्रिप्शनवर अधिक खर्च करत आहे, हे तपासा. दुसरे, तिमाही खर्चातील अनपेक्षित वाढ टाळण्यासाठी AI बजेटसाठी गव्हर्नन्स आणि खर्चावरील नियंत्रणाबद्दल व्यवस्थापनाच्या मतांचे निरीक्षण करा. तिसरे, कर्मचारी उत्पादकता मेट्रिक्स (Productivity Metrics) आणि मनुष्यबळातील बदलांचा मागोवा घ्या, कारण AI यशस्वीपणे एकत्रित करणाऱ्या कंपन्यांनी कालांतराने प्रति कर्मचारी महसूल (Revenue Per Employee) वाढ दर्शविली पाहिजे.