माजी नीती आयोग CEO अमिताभ कांत यांनी भारताची AI मध्ये उत्कृष्ट कामगिरी करण्याची रणनीती जाहीर केली आहे. यात मोठ्या प्रमाणावरील ऍप्लिकेशन डेव्हलपमेंट (Application Development) आणि डेटा इन्फ्रास्ट्रक्चरवर (Data Infrastructure) लक्ष केंद्रित करण्यात आले आहे. $200 अब्ज डॉलर्सच्या डेटा सेंटर गुंतवणुकीला आकर्षित करण्याची योजना आहे, ज्यामुळे भारत AI चे एक प्रमुख केंद्र म्हणून उदयास येण्याची शक्यता आहे. याचा IT सेवा, पायाभूत सुविधा आणि ऊर्जा क्षेत्रांवर कसा परिणाम होईल, हे गुंतवणूकदारांसाठी पाहण्यासारखे ठरेल.
माजी नीती आयोग CEO अमिताभ कांत यांनी स्पष्ट केले आहे की, भारत आर्टिफिशियल इंटेलिजन्स (AI) साठी एक अग्रगण्य जागतिक केंद्र बनण्याच्या दिशेने योग्य स्थितीत आहे. 'BT India@100' या कार्यक्रमात बोलताना कांत यांनी सांगितले की, भारताच्या यशाचा मार्ग हा थेट AI मॉडेल्सच्या (AI Models) निर्मितीमध्ये स्पर्धा करणे नाही, जी शर्यत प्रामुख्याने अमेरिका आणि चीनमध्ये सुरू आहे. त्याऐवजी, भारताने विविध उद्योगांमध्ये AI तंत्रज्ञानाचा वापर आणि त्याचे व्यावहारिक उपयोजन यात प्राविण्य मिळवण्यावर लक्ष केंद्रित केले पाहिजे.
या रणनीतीमध्ये भारताची मोठी तांत्रिक मनुष्यबळ आणि जगातील एक प्रमुख डेटा योगदानकर्ता म्हणून असलेल्या स्थानाचा फायदा उचलण्यावर भर दिला आहे. अंदाजानुसार, भारत जगातील सुमारे 22% डेटा पुरवेल, जो AI सिस्टीम्सना प्रशिक्षित करण्यासाठी आणि सुधारण्यासाठी एक महत्त्वपूर्ण संसाधन ठरेल. याला पाठिंबा देण्यासाठी, देशात पायाभूत सुविधांमध्ये मोठी वाढ दिसून येत आहे. डेटा सेंटर्समधील नियोजित गुंतवणुकीचा अंदाज सुमारे $200 अब्ज डॉलर्स आहे. हा गुंतवणूक डेटा देशांतर्गत प्रक्रिया करण्यासाठी आवश्यक आहे, जेणेकरून डेटा परदेशी AI प्लॅटफॉर्मद्वारे वापरला जाऊ नये.
गुंतवणूकदारांसाठी, 'ऍप्लिकेशन-फर्स्ट' AI कडे होणारा हा बदल महत्त्वपूर्ण आहे. भारतातील IT सेवा कंपन्या आरोग्यसेवा, कृषी आणि उत्पादन यांसारख्या क्षेत्रांमध्ये AI टूल्स समाकलित करण्यावर लक्ष केंद्रित करून त्यांचे व्यवसाय पुन्हा संरेखित करत आहेत. डेटा सेंटर्सचा विस्तार विशेष पायाभूत सुविधा, कूलिंग तंत्रज्ञान आणि वीज पुरवठा यासाठी मागणी वाढवत आहे, ज्याचा बांधकाम, रिअल इस्टेट आणि ऊर्जा वितरण कंपन्यांवर परिणाम होत आहे. हे पायाभूत सुविधा प्रकल्प महत्त्वाचे आहेत, परंतु त्यासोबतच कार्यान्वयन आव्हाने देखील आहेत, ज्यावर बाजार बारकाईने लक्ष ठेवून आहे.
तथापि, AI पायाभूत सुविधांसाठी वेगाने होत असलेल्या या प्रयत्नांमध्ये काही धोके देखील आहेत. डेटा सेंटर्सचे नेटवर्क तयार करण्यासाठी प्रचंड वीज आणि पाण्याची आवश्यकता असते, ज्यामुळे या सुविधा नियोजित असलेल्या प्रदेशांतील वीज ग्रीड आणि स्थानिक संसाधनांवर ताण येऊ शकतो. याव्यतिरिक्त, तांत्रिक अवलंबित्वाचा धोका आहे. जर भारताने केवळ परदेशी कंपन्यांच्या मालकीच्या ऍप्लिकेशन्स तयार करण्यासाठी डेटा आणि प्रतिभा पुरवली, तर आर्थिक फायदे मर्यादित राहू शकतात. उद्योगातील तज्ञ अनेकदा स्थानिक संशोधन आणि विकासाची गरज अधोरेखित करतात, जेणेकरून भारताला त्याच्या डिजिटल नवकल्पनांमधून मिळणारे मूल्य टिकवून ठेवता येईल.
बाजारासाठी आणखी एक चिंतेची बाब म्हणजे कुशल मनुष्यबळाची कमतरता. भारतात कुशल व्यावसायिकांचा ओघ वाढत असला तरी, मशीन लर्निंग इंजिनिअर्स (Machine Learning Engineers) आणि डेटा सायंटिस्ट्सची (Data Scientists) मागणी सध्याच्या पुरवठ्यापेक्षा जास्त आहे. या मनुष्यबळाच्या कमतरतेमुळे टेक कंपन्यांसाठी वेतनाचा खर्च वाढू शकतो, ज्यामुळे नफ्यावर परिणाम होऊ शकतो. जर शिक्षण आणि कौशल्य विकास कार्यक्रम वेगाने जुळवून घेऊ शकले नाहीत, तर AI-आधारित वाढीची क्षमता मंदावू शकते.
या उपक्रमाचे यश सरकार आणि खाजगी क्षेत्र या पायाभूत सुविधा योजना किती प्रभावीपणे राबवतात यावर अवलंबून असेल. भविष्यात, गुंतवणूकदार मोठ्या प्रमाणावरील डेटा सेंटर प्रकल्पांमधील अद्यतने, देशांतर्गत डिजिटल सार्वजनिक पायाभूत सुविधांची प्रगती आणि डेटा गोपनीयता तसेच AI नियमांमधील धोरणात्मक बदल यावर लक्ष ठेवू शकतात. हे घटक भारत आपल्या डेटा आणि मानवी भांडवलाचा फायदा शाश्वत आर्थिक मूल्यात रूपांतरित करू शकेल की नाही हे निश्चित करतील.