Whalesbook
कार्यक्षमतेचा नवा अध्याय
पूर्वी जिथे महसूल वाढीसोबत कर्मचाऱ्यांची संख्याही वाढत असे, तो ट्रेंड आता पूर्णपणे बदलला आहे. भारतीय IT कंपन्या आता प्लॅटफॉर्म-केंद्रित डिलिव्हरी मॉडेलकडे (Platform-centric Delivery Models) वळल्या आहेत. AI मुळे कार्यक्षमतेत होणारी वाढ कंपन्यांना जास्त नफा मिळवून देत आहे, पण त्यासाठी मोठ्या संख्येने कमी पगाराचे कर्मचारी लागत नाहीत. ऑटोमेशनला (Automation) प्राधान्य दिल्यामुळे, एंट्री-लेव्हल पदांवर होणारी भरती गेल्या एका वर्षात जवळपास 25% ने कमी झाली आहे. हा बदल मागील तीन दशकांपासून चालत आलेल्या 'बॉडी शॉप' मॉडेलमधून (Body Shop Model) कायमस्वरूपी बाहेर पडण्याचा संकेत देत आहे.
टॅलेंट पाइपलाइनला धक्का
रोजगार बाजारातील आकडेवारी भरतीमध्ये मोठी घट दर्शवते. नोकरीच्या संधी 28 महिन्यांच्या नीचांकी पातळीवर आल्या आहेत. याचा अर्थ कंपन्या नवीन पदवीधरांमध्ये दीर्घकालीन प्रशिक्षणामध्ये गुंतवणूक करण्यास कचरत आहेत. याऐवजी, AI डिप्लॉयमेंट प्रोजेक्ट्समध्ये (AI Deployment Projects) त्वरित काम करू शकणाऱ्या अनुभवी कर्मचाऱ्यांवर लक्ष केंद्रित केले जात आहे. Infosys आणि TCS सारख्या कंपन्या त्यांच्या कर्मचारी प्रोफाइलमध्ये बदल करत आहेत. त्यांच्याकडे सरासरी कर्मचारी टिकून राहण्याचा कालावधी (Employee Tenure) वाढवला जात आहे आणि विशेष कौशल्यांना (Specialized Skill Sets) अधिक महत्त्व दिले जात आहे. यामुळे दरवर्षी बाजारात येणाऱ्या लाखो पदवीधरांसाठी नोकरी मिळवण्याचे आव्हान अधिक कठीण झाले आहे.
डी-ग्लोबलायझेशनमुळे मार्जिनवर दबाव
तंत्रज्ञानातील बदलांव्यतिरिक्त, आंतरराष्ट्रीय स्तरावर कामगारांची मोबिलिटी (Labor Mobility) कमी होणे हे देखील IT क्षेत्रासाठी एक आव्हान आहे. अमेरिकेच्या व्हिसा नियमांमधील कठोरतेमुळे पारंपरिक ऑफशोरिंग मॉडेलवर (Offshoring Model) परिणाम होत आहे. यामुळे भारतीय कंपन्यांना अमेरिकेत स्थानिक कर्मचाऱ्यांची भरती वेगाने करावी लागत आहे. कमी पगाराचे भारतीय इंजिनिअर्स बदलून जास्त पगार घेणारे स्थानिक अमेरिकन कर्मचारी कामावर ठेवल्याने कंपन्यांच्या नफ्यावर (Operating Margins) थेट परिणाम होत आहे. हा वाढलेला खर्च भरून काढण्यासाठी कंपन्यांना ऑटोमेशनवर अधिक अवलंबून राहावे लागत आहे.
स्ट्रक्चरल रिस्क आणि बेअर केस (Structural Risks and The Bear Case)
सध्याच्या IT सेवांच्या आउटलूकमधील सर्वात मोठे आव्हान म्हणजे शिक्षण अभ्यासक्रम आणि उद्योगाच्या विशेष गरजा यांच्यातील वाढती दरी. AI-आधारित बदलांसाठी आर्किटेक्चर (Architecture) आणि डेटा इंजिनिअरिंगमध्ये (Data Engineering) सखोल ज्ञानाची आवश्यकता आहे. ज्या लहान किंवा मध्यम IT कंपन्यांकडे स्वतःचे AI प्लॅटफॉर्म विकसित करण्यासाठी भांडवल नाही, त्यांना मोठ्या कंपन्यांशी स्पर्धा करणे कठीण जाईल. जर जागतिक स्तरावर डिजिटल ट्रान्सफॉर्मेशन (Digital Transformation) प्रोजेक्ट्सवरील खर्च कमी झाला, तर कंपन्यांसाठी विशेष कामावर लक्ष केंद्रित करण्याचा प्रयत्न फसल्यास, वाढलेला पगार आणि कमी वापर (Utilization Rates) यामुळे कंपन्या अडचणीत येऊ शकतात.