नवीन BCG रिपोर्टनुसार, भारतीय मार्केटर्सची AI वापरण्याची इच्छा मोठी असली तरी, अनेक कंपन्या प्रत्यक्ष व्यवसायात याचा फायदा मिळवण्यात कमी पडत आहेत. पायलेट प्रोजेक्ट्समधून ऑटोनॉमस ऑपरेशन्समध्ये जाण्यासाठी वर्कफ्लो आणि डेटा इंटिग्रेशनमध्ये सुधारणांची गरज आहे.
भारतीय कंपन्या AI चा वापर मर्यादित?
भारतातील कंपन्या मार्केटिंगसाठी आर्टिफिशियल इंटेलिजन्स (AI) मध्ये मोठी गुंतवणूक करत आहेत. मात्र, अनेक कंपन्यांना या प्रयत्नांचे प्रत्यक्ष व्यावसायिक फायदे मिळवण्यात यश येत नाहीये. बोस्टन कन्सल्टिंग ग्रुप (BCG) च्या एका नवीन अहवालानुसार, भारतीय चीफ मार्केटिंग ऑफिसर्सची AI बद्दलची महत्त्वाकांक्षा मोठी असली तरी, देश जागतिक बाजारांच्या तुलनेत AI पायलेट प्रोजेक्ट्सना पूर्णपणे कार्यान्वित (deploy) करण्यात मागे आहे.
प्रयोगांमधील अडथळा
BCG तज्ञांच्या मते, सध्याची परिस्थिती ही बदलाचा आभास निर्माण करणारी आहे. अनेक भारतीय कंपन्यांनी AI च्या सुरुवातीच्या चाचण्या यशस्वीपणे पूर्ण केल्या आहेत, पण फारच थोड्या कंपन्यांनी हे टूल्स त्यांच्या मुख्य व्यावसायिक प्रक्रियेत समाविष्ट केले आहेत. मार्केटिंग वर्कफ्लोमध्ये मोठे बदल करण्याऐवजी, कंपन्या विखुरलेल्या पायलेट प्रोजेक्ट्सवर लक्ष केंद्रित करत आहेत. यामुळे, मोठ्या बाजारांच्या तुलनेत, भारतात AI चा वापर अजूनही केवळ प्रयोग करण्याच्या टप्प्यावरच अडकला आहे, ज्यामुळे महसूल किंवा कार्यक्षमतेवर लक्षणीय परिणाम साधण्यात अडचणी येत आहेत.
धोरणात्मक बदल आणि गरजा
या सुरुवातीच्या टप्प्यापलीकडे जाण्यासाठी, अहवालानुसार कंपन्यांनी केवळ टूल्स स्वीकारण्याऐवजी पायाभूत सुविधांवर (Infrastructure) अधिक लक्ष केंद्रित केले पाहिजे. यामध्ये मार्केटिंग टेक्नॉलॉजीमध्ये मोठी गुंतवणूक करणे, डेटाचा स्पष्ट आधार तयार करणे आणि ब्रँडसाठी मजबूत मार्गदर्शक तत्त्वे (brand guardrails) तयार करणे समाविष्ट आहे. AI-निर्मित सामग्रीची गुणवत्ता आणि अचूकता सुधारण्यासाठी ही मार्गदर्शक तत्त्वे अत्यंत आवश्यक आहेत. उदाहरणार्थ, ज्या कंपन्यांनी सिस्टिमॅटिक ब्रँड इंटेलिजन्स लेअर लागू केले, त्यांची आऊटपुट अचूकता 50% पेक्षा कमी असूनही जवळपास 80% पर्यंत वाढली.
भारताची वाढ-केंद्रित AI रणनीती
भारतीय बाजारात, AI तैनातीचा दृष्टिकोन खर्च-चालित (cost-driven) नसून, वाढ-चालित (growth-oriented) आहे. गुंतवणूक प्रामुख्याने पर्सनलायझेशन आणि एजेंटिक कॉमर्सवर केंद्रित आहे. यामध्ये AI एजंट्स मानवी देखरेखीच्या मदतीने विविध कामे पार पाडतात. मोठ्या संख्येने भारतीय ग्राहक नवीन ब्रँड्स शोधण्यासाठी लार्ज लँग्वेज मॉडेल्सचा वापर करत असल्याने हा बदल अधिकाधिक आवश्यक होत आहे. त्यामुळे, स्पर्धात्मक राहू इच्छिणाऱ्या कंपन्यांसाठी या AI सिस्टम्समध्ये आपली उपस्थिती टिकवून ठेवणे आता ऐच्छिक राहिलेले नाही.
मार्केटिंग टीम्सची बदलती भूमिका
मार्केटिंग विभागांच्या संघटनात्मक रचनेतही बदल अपेक्षित आहे. कंपन्या पारंपरिक चॅनेल-आधारित टीम्स (उदा. केवळ ईमेल किंवा सोशल मीडियासाठी) ऐवजी मल्टी-चॅनेल क्रिएटिव्ह टेक्नॉलॉजिस्ट्सची नियुक्ती करण्याची शक्यता आहे. या बदलामुळे मॅन्युअल कामांवर लागणारा वेळ कमी होईल आणि टीम्सना व्यापक धोरणांवर लक्ष केंद्रित करण्यासाठी अधिक संसाधने मिळतील. जसजसे हे संक्रमण पुढे जाईल, तसतसे गुंतवणूकदारांसाठी सर्वात महत्त्वाचे मुद्दे हे असतील की कंपन्या त्यांच्या विद्यमान कर्मचाऱ्यांना किती प्रभावीपणे कौशल्ये शिकवतात, AI ला पायलेट प्रोजेक्ट्समधून पूर्ण उत्पादनापर्यंत (full production) किती वेगाने स्केल करतात आणि शेवटी ग्राहक संपादन खर्च (customer acquisition costs) आणि दीर्घकालीन ब्रँड निष्ठा (long-term brand loyalty) यावर या तंत्रज्ञानाचा काय परिणाम होतो.