अनेक कंपन्या AI चा प्रयोग करत असल्या तरी, योग्य धोरणात्मक नियोजनाच्या अभावामुळे आर्थिक फायदा मिळवण्यात अपयशी ठरत आहेत. गुंतवणूकदारांसाठी, 'AI वापर' या दाव्यांवरून नफा आणि महसुलावरील परिणामांवर लक्ष केंद्रित करणे महत्त्वाचे आहे. नेतृत्वातील ही पोकळी भरून न काढल्यास कंपन्यांना AI गुंतवणुकीचा फटका बसू शकतो.
काय घडले?
कृत्रिम बुद्धिमत्ता (AI) कॉर्पोरेट जगात सध्या चर्चेत आहे. डिसेंबर 2025 च्या एका सर्वेक्षणात असे दिसून आले की, 78% कंपन्यांनी AI चा वापर सुरू केला असला तरी, केवळ 27% कंपन्यांकडेच AI साठी एक स्पष्ट धोरण आहे. शेअरधारकांसाठी चिंताजनक बाब म्हणजे, केवळ 20% कंपन्यांमधील कर्मचारी खऱ्या अर्थाने 'AI-रेडी' आहेत.
याचा अर्थ असा की, कंपन्या तंत्रज्ञानावर खर्च करत आहेत, परंतु या साधनांचा प्रत्यक्ष व्यवसायात उपयोग करण्यासाठी आवश्यक नेतृत्वाची कमतरता आहे. AI चा वापर करणे आणि त्याला एक धोरणात्मक मालमत्ता म्हणून व्यवस्थापित करणे यातील तफावत 2026 मध्ये कंपन्यांसाठी एक मोठे आव्हान बनले आहे.
'अॅडॉप्टशन'पेक्षा ROI महत्त्वाचा का?
गुंतवणूकदारांसाठी, कंपनी AI 'वापरते' की नाही यापेक्षा, AI मुळे आर्थिक फायदा होतोय की नाही हे अधिक महत्त्वाचे आहे. 2025 च्या उत्तरार्धात Google Cloud च्या एका संशोधनातून असे समोर आले की, 74% कंपन्यांनी एका वर्षात गुंतवणुकीवर परतावा (ROI) मिळवला, परंतु त्यापैकी केवळ 6% कंपन्या 'उच्च कामगिरी' करणाऱ्या होत्या. या अव्वल कंपन्यांनी व्याज, कर आणि घसारा (EBIT) पूर्व नफ्यात 5% किंवा त्याहून अधिक वाढ साधली.
या आकडेवारीवरून असे दिसते की अनेक कंपन्या 'पायलट प्रोजेक्ट ट्रॅप' मध्ये अडकल्या आहेत. जर एखादी कंपनी AI उपक्रमांना महसूल वाढ किंवा मार्जिन सुधारणांसारख्या स्पष्ट आर्थिक मॉडेल्सशी जोडू शकली नाही, तर ती गुंतवणूक केवळ कार्यान्वयन खर्चात वाढ करते. गुंतवणूकदारांनी व्यवस्थापन संघांनी AI प्रकल्पांचे त्याच कठोरतेने मूल्यांकन करावे यावर लक्ष ठेवले पाहिजे, जसे ते पारंपरिक भांडवली खर्चाचे करतात.
भारतीय कंपन्यांसाठी आव्हान
जागतिक AI क्षेत्रात भारत एक विशेष प्रकरण आहे. मार्च 2026 च्या Deloitte India च्या अहवालानुसार, भारतीय कंपन्या AI चा विस्तार करण्यामध्ये आघाडीवर असल्या तरी, सखोल वापरात त्या अनेकदा संघर्ष करतात. अनेक भारतीय कंपन्यांनी विविध कामांसाठी AI साधने यशस्वीरित्या वापरली आहेत, परंतु केवळ अंमलबजावणीतून 'एंटरप्राइज-ट्रान्सफॉर्मेटिव्ह' बनण्याचा प्रवास अजून बाकी आहे.
हा मुद्दा प्रामुख्याने नेतृत्वाचा आहे. AI यशस्वीरित्या वाढवण्यासाठी IT पायाभूत सुविधांपेक्षा अधिक काहीतरी आवश्यक आहे; यासाठी सांस्कृतिक बदल आणि बोर्ड-स्तरीय देखरेख आवश्यक आहे, जी तंत्रज्ञानाला कंपनीच्या दीर्घकालीन व्यवसाय मॉडेलशी जोडते. या स्थित्यंतरात अयशस्वी होणाऱ्या कंपन्यांना त्यांच्या AI प्रकल्पांना सुरुवातीच्या चाचणी टप्प्यानंतर थांबवलेले आढळू शकते.
'पायलट प्रोजेक्ट ट्रॅप' कसा टाळावा?
उद्योग अनुभवावरून असे दिसून आले आहे की अनेक जनरेटिव्ह AI प्रकल्प खराब डेटा गुणवत्ता, वाढता खर्च आणि स्पष्ट व्यावसायिक उद्दिष्टांच्या अभावामुळे प्रूफ-ऑफ-कॉन्सेप्ट नंतर अयशस्वी ठरतात. या तांत्रिक अपयशाऐवजी धोरणात्मक अपयश आहेत. उच्च कामगिरी करणाऱ्या संस्था त्यांच्या AI पायलट प्रकल्पांना कंपनी-व्यापी वापरासाठी मंजूर करण्यापूर्वी कठोर निकष लावून हे टाळतात.
या निकषांमध्ये पूर्व-निर्धारित मेट्रिक्स, स्पष्ट खर्च मर्यादा आणि तैनातीसाठी निश्चित टाइमलाइन यांचा समावेश होतो. कंपनीच्या AI प्रगतीचे मूल्यांकन करताना, गुंतवणूकदारांनी व्यापक नवकल्पना दाव्यांऐवजी या धोरणात्मक शिस्तीचा पुरावा शोधावा.
गुंतवणूकदारांनी पुढे काय ट्रॅक करावे?
भविष्यात, AI भोवतीची चर्चा 'हायप' वरून 'व्यवसाय परिणाम' कडे विकसित होणे आवश्यक आहे. गुंतवणूकदार परिपक्व AI धोरणाचे खालील चिन्हे शोधू शकतात:
- आर्थिक मेट्रिक्स: व्यवस्थापन AI चा वापर विशेषतः मार्जिन सुधारण्यासाठी, खर्च कमी करण्यासाठी किंवा नवीन महसूल वाढवण्यासाठी कसा करत आहे, यावर भाष्य शोधा. केवळ लॉन्च केलेल्या AI प्रकल्पांच्या संख्येवर आधारित अहवाल नसावेत.
- धोरणात्मक देखरेख: बोर्ड AI धोरण निश्चित करण्यात सक्रियपणे सहभागी आहे का आणि ते कंपनीच्या आर्थिक उद्दिष्टांशी जुळते का हे तपासा.
- भांडवली वाटप: प्रायोगिक पायलट प्रकल्पांच्या तुलनेत डेटा पायाभूत सुविधांवर कंपनी किती खर्च करत आहे याचे निरीक्षण करा, कारण पायाभूत सुविधा दीर्घकालीन मूल्याचे चांगले सूचक आहेत.
- कर्मचारी सज्जता: कंपनी आपल्या कर्मचाऱ्यांना ही नवीन साधने प्रभावीपणे वापरण्यासाठी प्रशिक्षण देत आहे का, हे लक्षात घ्या, कारण यशस्वी AI अंमलबजावणीत हा अनेकदा गहाळ दुवा असतो.