भारतीय कंपन्या आता आर्टिफिशियल इंटेलिजन्स (AI) चा वापर केवळ प्रयोग म्हणून न करता, त्यातून मिळणाऱ्या आर्थिक फायद्यांवर (ROI) लक्ष केंद्रित करत आहेत. AI मध्ये गुंतवणूक कायम असली तरी, कंपन्या आता वापराला मर्यादा घालताना आणि विशिष्ट व्यावसायिक उद्दिष्टांना प्राधान्य देत आहेत.
काय घडले?
भारतातील कंपन्या आर्टिफिशियल इंटेलिजन्स (AI) चा वापर आणि त्यावरील खर्चाच्या धोरणात मोठा बदल करत आहेत. सुरुवातीच्या काळात मोठ्या प्रमाणात आणि प्रायोगिक स्तरावर AI चा वापर केल्यानंतर, आता कंपन्या अधिक व्यावहारिक आणि ROI (गुंतवणुकीवरील परतावा) केंद्रित धोरणांकडे वळल्या आहेत.
या बदलांमध्ये कठोर प्रशासन, महागड्या AI मॉडेल्सच्या वापराला मर्यादा घालणे आणि स्वस्त, विशिष्ट कामांसाठी उपयुक्त AI पर्यायांचा अवलंब करणे यांचा समावेश आहे. AI ची मागणी अजूनही जास्त असली तरी, अनावश्यक खर्चाची जागा आता उत्तरदायित्वाने (accountability) घेतली आहे. म्हणजेच, AI मध्ये केलेल्या प्रत्येक गुंतवणुकीतून उत्पादनक्षमता किंवा महसुलात ठोस वाढ झाली पाहिजे यावर भर दिला जात आहे.
मोजता येण्याजोगा परतावा
'प्रायोगिक' (experimental) टप्प्यावरून 'कार्यवाही' (operational) टप्प्याकडे हा प्रवास वेगाने सुरू आहे. Snowflake च्या अहवालानुसार, 71% भारतीय संस्थांनी त्यांच्या जनरेटिव्ह AI उपक्रमांमधून मोजता येण्याजोगा परतावा (measurable returns) नोंदवला आहे, जो जागतिक सरासरीपेक्षा जास्त आहे.
याचा अर्थ असा की, बजेट कमी केले जात असले आणि नियंत्रणे वाढवली असली तरी, भारतीय कंपन्या AI चा वापर केवळ चाचणीपुरता मर्यादित न ठेवता, ते मुख्य कामकाजात यशस्वीरित्या समाविष्ट करत आहेत. Deloitte च्या 2026 च्या अंदाजानुसार, सुमारे 40% भारतीय कंपन्यांनी AI चा लक्षणीय किंवा पूर्ण-स्तरीय वापर केला आहे, तर जागतिक सरासरी सुमारे 28% आहे.
IT खर्चावर परिणाम
खर्च कमी होण्याची शक्यता आहे या कल्पनेच्या विरोधात, भारतीय कंपन्या AI मधील आपली आर्थिक गुंतवणूक सक्रियपणे वाढवत आहेत. SAP च्या अभ्यासानुसार, भारतीय संस्था पुढील दोन वर्षांत AI गुंतवणुकीत 45% वाढ अपेक्षित करत आहेत.
Bain & Company च्या 2026 Enterprise Technology अहवालानुसार, AI आणि डेटा ट्रान्सफॉर्मेशन उपक्रम या वर्षी भारतातील एकूण 'बदल-संबंधित' तंत्रज्ञान खर्चाच्या सुमारे 40-45% असू शकतात. जागतिक कंपन्या जे कदाचित अल्प-मुदतीच्या फायद्यांवर लक्ष केंद्रित करतात, याउलट भारतीय कंपन्या तंत्रज्ञान बजेटचा मोठा हिस्सा—अनेकदा 50-60%—AI प्लॅटफॉर्म आणि डिजिटल पायाभूत सुविधांसारख्या दीर्घकालीन भांडवली गुंतवणुकीसाठी वापरत आहेत.
BPO मॉडेलमध्ये बदल
AI मुळे आलेल्या या परिपक्वतेचा एक स्पष्ट परिणाम बिझनेस प्रोसेस आउटसोर्सिंग (BPO) क्षेत्रात दिसून येत आहे. 'लेबर आर्बिट्रेज'चे पारंपरिक मॉडेल—जे नियमित कामांसाठी मनुष्यबळ वाढवण्यावर अवलंबून होते—ते आता बदलत आहे. नामांकित सेवा प्रदाते 'सपोर्ट-लेड रेव्हेन्यू ग्रोथ'कडे (Support-Led Revenue Growth) वळत आहेत, ज्यात जनरेटिव्ह AI चा वापर करून Tier-1 स्तरावरील प्रश्नांची उत्तरे स्वयंचलितपणे दिली जात आहेत.
या बदलामुळे आउटसोर्सिंग पूर्णपणे संपुष्टात येत नसले तरी, कामाचे स्वरूप बदलत आहे. नियमित, पुनरावृत्तीची कामे आता AI एजंट्सद्वारे हाताळली जात आहेत, तर मानवी कर्मचारी अधिक गुंतागुंतीच्या आणि उच्च-मूल्याच्या समस्या सोडवण्यावर लक्ष केंद्रित करत आहेत. जे कंपन्या हा बदल यशस्वीपणे व्यवस्थापित करतात, त्या महसूल वाढीला मनुष्यबळ वाढीपासून वेगळे करण्यात यशस्वी होत आहेत.
धोके आणि लक्ष ठेवण्यासारखे मुद्दे
या प्रगतीनंतरही, 'मापनाची समस्या' (measurement problem) हा एक महत्त्वाचा धोका आहे. तज्ञांचे म्हणणे आहे की अनेक व्यवसायांना AI खर्च आणि विक्री वाढ यांच्यात थेट संबंध जोडण्यात अडचण येत आहे.
संस्थांसाठी खरा धोका केवळ जास्त खर्च करणे हा नाही, तर 'कृती' (activity) आणि 'धोरण' (strategy) यात गोंधळ करणे हा आहे. गुंतवणूकदारांनी आणि व्यवसाय प्रमुखांनी खालील गोष्टींवर लक्ष ठेवले पाहिजे:
- कार्यक्षमतेतील वाढ (Efficiency Gains): AI गुंतवणुकीमुळे ऑपरेशनल खर्च खरोखरच कमी होत आहे का?
- क्षमता निर्माण (Capability Building): कंपन्या विशेष AI कौशल्यांमधील तफावत किती प्रभावीपणे भरून काढत आहेत, जी जागतिक मानकांच्या तुलनेत अजूनही एक अडथळा आहे.
- प्रशासन (Governance): टोकन खर्च आणि मॉडेल खर्च व्यवस्थापित करण्यासाठी वापर मर्यादा आणि अंतर्गत धोरणे किती प्रभावी आहेत.
- महसुलावर परिणाम (Revenue Impact): 'पायलट-स्टेज' प्रकल्पांमधून तिमाही निकालांमध्ये तळाच्या पातळीवरील वाढ (bottom-line growth) कशी होत आहे.