ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਵਿੱਚ AI ਦਾ ਬੋਲਬਾਲਾ: ਖਰਚ ਪ੍ਰਬੰਧਨ ਹੋ ਰਿਹਾ ਹੈ ਤੇਜ਼, ਪਰ ਚੁਣੌਤੀਆਂ ਵੀ ਹਨ...

ਕਾਰਪੋਰੇਟ ਵਿੱਤ ਵਿੱਚ AI-ਆਧਾਰਿਤ ਵੱਡੀ ਛਾਲ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਤੇ ਆਟੋਮੇਸ਼ਨ ਦਾ ਏਕੀਕਰਨ ਭਾਰਤੀ ਕਾਰਪੋਰੇਟਾਂ ਦੇ ਖਰਚ ਪ੍ਰਬੰਧਨ ਦੇ ਤਰੀਕਿਆਂ ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਬਦਲ ਰਿਹਾ ਹੈ। ਕੰਪਨੀਆਂ ਰਵਾਇਤੀ, ਅਕਸਰ ਮੈਨੂਅਲ, ਖਰਚ ਟਰੈਕਿੰਗ ਦੇ ਤਰੀਕਿਆਂ ਤੋਂ ਹੱਟ ਕੇ, ਹੁਣ ਰੀਅਲ-ਟਾਈਮ, ਡਾਟਾ-ਆਧਾਰਿਤ ਖਰਚ ਪ੍ਰਬੰਧਨ ਪਲੇਟਫਾਰਮਾਂ ਵੱਲ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੀਆਂ ਹਨ। ਇਸ ਬਦਲਾਅ ਦਾ ਮੁੱਖ ਕਾਰਨ ਵਿੱਤੀ ਪਾਰਦਰਸ਼ਤਾ, ਬਿਹਤਰ ਗਵਰਨੈਂਸ ਅਤੇ ਤੇਜ਼ ਫੈਸਲੇ ਲੈਣ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਵਧਾਉਣਾ ਹੈ।

ਇਸ ਖੇਤਰ ਦੀ ਇੱਕ ਪ੍ਰਮੁੱਖ ਕੰਪਨੀ Zaggle ਅਨੁਸਾਰ, AI ਨੂੰ ਬਜਟਿੰਗ, ਪ੍ਰੋਕਿਊਰਮੈਂਟ (ਖਰੀਦ), ਖਰਚ ਵੈਲੀਡੇਸ਼ਨ, ਕੰਪਲਾਇੰਸ (ਪਾਲਣਾ) ਜਾਂਚਾਂ ਅਤੇ ਅਸਾਧਾਰਨਤਾਵਾਂ (Anomaly Detection) ਵਰਗੇ ਕੰਮਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਇਸ ਏਕੀਕ੍ਰਿਤ ਪਹੁੰਚ ਦਾ ਉਦੇਸ਼ ਵਿੱਤ ਟੀਮਾਂ ਨੂੰ ਸਿਰਫ਼ ਖਰਚਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਦੀ ਬਜਾਏ, ਖਰਚ ਕਰਨ ਦੇ ਪੈਟਰਨਾਂ ਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਅਨੁਕੂਲਿਤ (optimize) ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਣਾ ਹੈ। ਭਾਰਤੀ ਫਿਨਟੈਕ ਮਾਰਕੀਟ, ਜੋ AI ਏਕੀਕਰਨ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਲਾਭਪਾਤਰ ਹੈ, ਤੋਂ 2025 ਤੱਕ $150 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚਣ ਦੀ ਉਮੀਦ ਹੈ ਅਤੇ 2030 ਤੱਕ AI ਫਾਈਨਾਂਸ ਸੈਗਮੈਂਟ ਵਿੱਚ 20-22.7% ਦੇ ਕੰਪਾਊਂਡ ਐਨੂਅਲ ਗ੍ਰੋਥ ਰੇਟ (CAGR) ਨਾਲ ਵਧਣ ਦਾ ਅਨੁਮਾਨ ਹੈ।

ਸੈਕਟਰ ਅਨੁਸਾਰ ਅਪਣਾਅ ਅਤੇ ਰਣਨੀਤਕ ਪ੍ਰਭਾਵ

AI-ਸੰਚਾਲਿਤ ਖਰਚ ਪ੍ਰਬੰਧਨ ਸਾਧਨਾਂ ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਦਰ ਉਹਨਾਂ ਸੈਕਟਰਾਂ ਵਿੱਚ ਕਾਫੀ ਜ਼ਿਆਦਾ ਹੈ ਜਿਹਨਾਂ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਕਾਰਜਪ੍ਰਣਾਲੀ ਅਤੇ ਉੱਚ ਡਿਜੀਟਲ ਭਾਗੀਦਾਰੀ ਹੁੰਦੀ ਹੈ। IT ਅਤੇ ਟੈਕਨੋਲੋਜੀ ਸੈਕਟਰ ਇਸ ਵਿੱਚ ਸਭ ਤੋਂ ਅੱਗੇ ਹਨ, ਜਿਸ ਦੇ ਪਿੱਛੇ ਵੰਡਿਆ ਹੋਇਆ ਵਰਕਫੋਰਸ ਅਤੇ ਕਾਫੀ ਓਵਰਹੈੱਡ ਲਾਗਤਾਂ ਹਨ। ਈ-ਕਾਮਰਸ ਫਰਮਾਂ ਅਤੇ ਨਵੀਆਂ ਸ਼ੁਰੂਆਤਾਂ AI ਦੀ ਵਰਤੋਂ ਖਰਚਿਆਂ ਨੂੰ ਬਰੀਕੀ ਨਾਲ ਕੰਟਰੋਲ ਕਰਨ, ਵੈਂਡਰ ਭੁਗਤਾਨਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਅਤੇ ਬਰਨ ਰੇਟ (burn rates) ਦੀ ਨੇੜਿਓਂ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਸ ਦੇ ਉਲਟ, ਮੈਨੂਫੈਕਚਰਿੰਗ ਅਤੇ ਲੌਜਿਸਟਿਕਸ ਵਰਗੇ ਰਵਾਇਤੀ ਸੈਕਟਰ, ਬਹੁਤ ਜ਼ਿਆਦਾ ਰੈਗੂਲੇਟਿਡ ਉਦਯੋਗਾਂ ਦੇ ਨਾਲ, ਪ੍ਰੋਕਿਊਰਮੈਂਟ ਕੁਸ਼ਲਤਾ, ਸਪਲਾਈ ਚੇਨ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਬਿਹਤਰ ਕੰਪਲਾਇੰਸ ਲਈ AI ਨੂੰ ਤਰਜੀਹ ਦੇ ਰਹੇ ਹਨ।

Zaggle ਖੁਦ Span Across IT Solutions (TaxSpanner) ਅਤੇ Mobileware Technologies ਵਿੱਚ ਹਿੱਸੇਦਾਰੀ ਸਮੇਤ ਰਣਨੀਤਕ ਐਕਵਾਇਜ਼ੀਸ਼ਨ (acquisitions) ਰਾਹੀਂ ਆਪਣੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦਾ ਸਰਗਰਮੀ ਨਾਲ ਵਿਸਤਾਰ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ Dice ਅਤੇ GreenEdge ਨੂੰ ਵੀ ਹਾਸਲ ਕੀਤਾ ਹੈ, ਜਿਸ ਦਾ ਉਦੇਸ਼ ਇਸਦੇ SaaS FinTech ਆਫਰਿੰਗ ਨੂੰ ਵਿਆਪਕ ਬਣਾਉਣਾ ਹੈ। ਕੰਪਨੀ ਨੇ ਦਸੰਬਰ 2024 ਵਿੱਚ ਇੱਕ ₹595 ਕਰੋੜ ਦੇ ਕੁਆਲੀਫਾਈਡ ਇੰਸਟੀਚਿਊਸ਼ਨਲ ਪਲੇਸਮੈਂਟ (QIP) ਸਮੇਤ ਕਾਫੀ ਫੰਡਿੰਗ ਵੀ ਹਾਸਲ ਕੀਤੀ ਹੈ, ਜੋ ਕਿ ਬਾਹਰੀ ਵਿਕਾਸ ਅਤੇ ਤਕਨਾਲੋਜੀਕਲ ਤਰੱਕੀ ਲਈ ਨਿਰਧਾਰਤ ਹੈ। ਇਹ ਰਣਨੀਤਕ ਕਦਮ Zaggle ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੀਆਂ ਫਰਮਾਂ ਨੂੰ ਡਾਟਾ ਅਤੇ AI 'ਤੇ ਕਾਰਪੋਰੇਟ ਖਰਚ ਵਿੱਚ 12-15% ਸਾਲਾਨਾ ਵਾਧੇ ਦਾ ਲਾਭ ਲੈਣ ਲਈ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਪੁਰਾਣੇ IT ਖਰਚਿਆਂ ਤੋਂ ਤੇਜ਼ ਹੈ।

ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਲੈਂਡਸਕੇਪ ਅਤੇ ਮਾਰਕੀਟ ਦੀ ਗਤੀ

ਭਾਰਤੀ ਖਰਚ ਪ੍ਰਬੰਧਨ ਬਾਜ਼ਾਰ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ ਦੇਖ ਰਿਹਾ ਹੈ, ਜਿਸ ਵਿੱਚ 2030 ਤੱਕ B2B ਖਰਚ $15 ਟ੍ਰਿਲੀਅਨ ਤੋਂ ਵੱਧ ਹੋਣ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਇਸ ਵਾਧੇ ਨੇ Coupa, SAP Fieldglass, ਅਤੇ Oracle's NetSuite ਵਰਗੇ ਗਲੋਬਲ ਪਲੇਅਰਾਂ ਦੇ ਨਾਲ-ਨਾਲ TYASuite, Promena, ਅਤੇ Zycus ਵਰਗੇ ਘਰੇਲੂ ਨਵੀਨਤਾਕਾਰਾਂ ਸਮੇਤ ਹੱਲ ਪ੍ਰਦਾਤਾਵਾਂ ਦੇ ਇੱਕ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਵਾਲੇ ਖੇਤਰ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕੀਤਾ ਹੈ। PwC India ਨੇ Agentic AI ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਆਪਣਾ ਇੰਟੈਲੀਜੈਂਟ ਸਪੈਂਡ ਮੈਨੇਜਮੈਂਟ ਸੂਟ ਵੀ ਲਾਂਚ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਐਡਵਾਂਸਡ AI ਸਮਰੱਥਾਵਾਂ ਵੱਲ ਇੱਕ ਵਿਆਪਕ ਉਦਯੋਗ ਰੁਝਾਨ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ।

ਵਿਆਪਕ ਭਾਰਤੀ IT ਸੈਕਟਰ ਤੋਂ 2026 ਤੱਕ $176.3 ਬਿਲੀਅਨ ਦੇ ਖਰਚ ਤੱਕ ਪਹੁੰਚਣ ਦੀ ਉਮੀਦ ਹੈ, ਜਿਸ ਵਿੱਚ AI ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਅਤੇ ਸੌਫਟਵੇਅਰ ਕਾਫੀ ਵਾਧਾ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਵਾਧਾ ਮਹੱਤਵਪੂਰਨ ਵਿਦੇਸ਼ੀ ਨਿਵੇਸ਼ ਦੁਆਰਾ ਹੋਰ ਮਜ਼ਬੂਤ ​​ਹੁੰਦਾ ਹੈ; Amazon, Microsoft, ਅਤੇ Google ਵਰਗੇ ਟੈਕ ਗਿਗਾਂਟਸ ਨੇ ਭਾਰਤ ਵਿੱਚ $67.5 ਬਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦਾ ਵਾਅਦਾ ਕੀਤਾ ਹੈ, ਜਿਸ ਵਿੱਚੋਂ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ AI ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਅਤੇ ਪ੍ਰਤਿਭਾ ਵਿਕਾਸ ਵੱਲ ਨਿਰਦੇਸ਼ਿਤ ਹੈ। ਇਹ ਨਿਵੇਸ਼ ਪਾਇਲਟ AI ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਉੱਦਮ-ਵਿਆਪੀ ਡਿਪਲਾਇਮੈਂਟ ਵੱਲ ਇੱਕ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਜੋਖਮ, ਰੈਗੂਲੇਟਰੀ ਰੁਕਾਵਟਾਂ ਅਤੇ ਚੁਣੌਤੀਆਂ

ਉਮੀਦ ਭਰੀ ਦਿਸ਼ਾ ਦੇ ਬਾਵਜੂਦ, ਭਾਰਤ ਵਿੱਚ AI ਦੇ ਵਿਆਪਕ ਅਪਣਾਉਣ ਵਿੱਚ ਕਈ ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀਆਂ ਹਨ। ਇੱਕ ਮੁੱਖ ਚਿੰਤਾ ਰੈਗੂਲੇਟਰੀ ਮਾਹੌਲ ਹੈ। ਭਾਰਤ ਕੋਲ ਕੋਈ ਇੱਕ, ਵਿਆਪਕ AI ਕਾਨੂੰਨ ਨਹੀਂ ਹੈ; ਇਸ ਦੀ ਬਜਾਏ, AI ਨੂੰ ਮੌਜੂਦਾ ਫਰੇਮਵਰਕ ਦੇ ਇੱਕ ਪੈਚਵਰਕ ਦੁਆਰਾ ਸ਼ਾਸਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਡਿਜੀਟਲ ਪਰਸਨਲ ਡਾਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਐਕਟ, 2023 ਸ਼ਾਮਲ ਹੈ। ਇਹ ਨਿਯਮ ਅਕਸਰ ਸਵੈਚਲਿਤ ਫੈਸਲਿਆਂ ਲਈ ਜਵਾਬਦੇਹੀ, ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ, ਐਲਗੋਰਿਦਮਿਕ ਪੱਖਪਾਤ ਅਤੇ ਮਾਡਲ ਪਾਰਦਰਸ਼ਤਾ ਸੰਬੰਧੀ AI ਦੀਆਂ ਵਿਲੱਖਣ ਗੁੰਝਲਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨ ਵਿੱਚ ਘੱਟ ਪੈਂਦੇ ਹਨ। ਰੈਗੂਲੇਟਰ AI ਸਿਸਟਮ ਸ਼ਾਮਲ ਹੋਣ 'ਤੇ ਦੇਣਦਾਰੀ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਹੇ ਹਨ, ਜੋ ਕਿ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਬਿੰਦੂ ਹੈ ਕਿਉਂਕਿ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਅੰਤਿਮ ਤੌਰ 'ਤੇ ਜ਼ਿੰਮੇਵਾਰ ਰਹਿੰਦੀਆਂ ਹਨ।

ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਵੀ ਕਾਫੀ ਹਨ। ਇੱਕ ਨਾਜ਼ੁਕ ਕੁਸ਼ਲਤਾ ਦਾ ਪਾੜਾ ਬਣਿਆ ਹੋਇਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਿੱਤ ਅਤੇ AI ਤਕਨਾਲੋਜੀ ਦੋਵਾਂ ਵਿੱਚ ਨਿਪੁੰਨ ਪੇਸ਼ੇਵਰਾਂ ਦੀ ਘਾਟ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡਾਟਾ ਅਖੰਡਤਾ (integrity) ਯਕੀਨੀ ਬਣਾਉਣਾ, ਤਬਦੀਲੀ ਪ੍ਰਤੀ ਸੰਗਠਨਾਤਮਕ ਵਿਰੋਧ ਨੂੰ ਦੂਰ ਕਰਨਾ, ਅਤੇ ਅਡਵਾਂਸਡ AI ਸਿਸਟਮਾਂ ਨਾਲ ਜੁੜੀਆਂ ਉੱਚ ਲਾਗਤਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਕਾਫੀ ਰੁਕਾਵਟਾਂ ਪੇਸ਼ ਕਰਦੇ ਹਨ। AI ਮਾਡਲਾਂ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ, ਖਾਸ ਕਰਕੇ ਜੇਕਰ ਵਿਗਾੜੇ ਹੋਏ ਜਾਂ 'ਪੱਛਮੀ-ਕੇਂਦਰਿਤ' ਡਾਟਾ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਨੈਤਿਕ ਅਤੇ ਨਿਰਪੱਖਤਾ ਸੰਬੰਧੀ ਚਿੰਤਾਵਾਂ ਖੜ੍ਹੀਆਂ ਕਰਦੀਆਂ ਹਨ, ਜੋ ਕ੍ਰੈਡਿਟ ਸਕੋਰਿੰਗ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਬਾਹਰ ਰੱਖਣ ਵਾਲੇ ਨਤੀਜੇ ਦੇ ਸਕਦੀਆਂ ਹਨ। ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਨੂੰ AI ਦੇ ਅੰਦਰੂਨੀ ਜੋਖਮਾਂ, ਜਿਵੇਂ ਕਿ ਡਾਟਾ ਉਲੰਘਣਾਵਾਂ ਅਤੇ ਗੁੰਝਲ, ਸਵੈ-ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ ਯਕੀਨੀ ਬਣਾਉਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਦਾ ਵੀ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।

ਭਵਿੱਖ ਦਾ ਨਜ਼ਰੀਆ: ਡਾਇਨਾਮਿਕ ਬਜਟਿੰਗ ਅਤੇ ਬਿਹਤਰ ਗਵਰਨੈਂਸ

ਅੱਗੇ ਦੇਖਦੇ ਹੋਏ, AI ਨੂੰ ਸਥਿਰ ਸਾਲਾਨਾ ਯੋਜਨਾਵਾਂ ਤੋਂ ਡਾਇਨਾਮਿਕ, ਰੀਅਲ-ਟਾਈਮ ਫਰੇਮਵਰਕ ਵਿੱਚ ਬਜਟਿੰਗ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਵਿੱਤੀ ਨਿਰਣੇ ਅਤੇ ਚੁਸਤੀ ਨੂੰ ਵਧਾਉਣ ਵਾਲੀ ਸੂਝਵਾਨ, ਇਨ-ਦ-ਮੋਮੈਂਟ ਗਾਈਡੈਂਸ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ। ਵਿਸ਼ਲੇਸ਼ਕ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਤੀ ਕਾਰਜਾਂ ਲਈ AI ਅਪਣਾਉਣ ਵਿੱਚ ਵਾਧੇ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ, ਜੋ ਕਿ ਬੈਕ-ਆਫਿਸ ਫੰਕਸ਼ਨਾਂ, ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣ, ਅਤੇ ਵਧੇਰੇ ਗਤੀ ਅਤੇ ਕੁਸ਼ਲਤਾ ਦੇ ਨਾਲ ਅੰਡਰਰਾਈਟਿੰਗ ਨੂੰ ਬਦਲ ਦੇਵੇਗਾ। ਜ਼ੋਰ ਮਜ਼ਬੂਤ ROI (Return on Investment) ਅਤੇ AI ਸਮਰੱਥਾਵਾਂ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਦੁਆਰਾ ਚਲਾਏ ਗਏ, ਉੱਦਮ-ਵਿਆਪੀ AI ਏਕੀਕਰਨ ਵੱਲ ਬਣਿਆ ਰਹੇਗਾ। ਹਾਲਾਂਕਿ, ਇਸ ਭਵਿੱਖ ਲਈ ਮਜ਼ਬੂਤ ​​ਡਾਟਾ ਗਵਰਨੈਂਸ, ਮਾਡਲ-ਰਿਸਕ ਫਰੇਮਵਰਕ, ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਅਤੇ ਨੈਤਿਕ AI ਡਿਪਲਾਇਮੈਂਟ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਰੈਗੂਲੇਟਰੀ ਕੰਪਲਾਇੰਸ ਪ੍ਰਤੀ ਇੱਕ ਸਰਗਰਮ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੈ।