AI ਦੀ ਕ੍ਰਾਂਤੀ: ਕੰਮ ਹੋਇਆ ਸੌਖਾ, ਪਰ ਕੰਪਨੀਆਂ ਕਿਉਂ ਨਹੀਂ ਕਮਾ ਰਹੀਆਂ ਜ਼ਿਆਦਾ ਪੈਸਾ?

AI ਦੀਆਂ ਤਰੱਕੀ ਨੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਜ਼ਿਆਦਾ ਆਟੋਨੋਮਸ (autonomous) ਬਣਾ ਦਿੱਤਾ ਹੈ। ਇਸ ਨਾਲ ਫੈਸਲੇ ਤੇਜ਼ ਹੋ ਰਹੇ ਹਨ ਅਤੇ ਕੰਮ ਆਟੋਮੇਟ (automate) ਹੋ ਰਹੇ ਹਨ, ਜਿਸ ਨਾਲ ਕੁਸ਼ਲਤਾ (efficiency) ਵਧ ਰਹੀ ਹੈ। ਪਰ, ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀਆਂ ਹਨ: AI ਉਨ੍ਹਾਂ ਨੂੰ ਕੁਸ਼ਲ ਬਣਾ ਸਕਦਾ ਹੈ, ਪਰ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ ਸਫਲ ਵੀ। ਦੁਨੀਆ ਭਰ ਦੀ ਮੁੱਖ ਕਹਾਣੀ ਇਹ ਹੈ ਕਿ ਅਸਲ ਸਫਲਤਾ ਹੁਣ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਕਿ ਲੋਕ ਅਤੇ ਸੰਸਥਾਵਾਂ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਆ ਰਹੇ ਇਨ੍ਹਾਂ ਵੱਡੇ ਬਦਲਾਵਾਂ ਨੂੰ ਅਪਣਾਉਣ ਲਈ ਕਿੰਨੇ ਤਿਆਰ ਹਨ।

ਭਾਰਤ ਏਆਈ ਟੈਲੈਂਟ ਵਿੱਚ ਅੱਗੇ, ਪਰ ਚੁਣੌਤੀਆਂ ਬਰਕਰਾਰ

Stanford AI Index 2025 ਦੇ ਅਨੁਸਾਰ, ਭਾਰਤ ਏਆਈ (AI) ਟੈਲੈਂਟ ਵਿੱਚ ਅੱਗੇ ਹੈ। ਭਾਰਤ ਵਿੱਚ AI ਹਾਇਰਿੰਗ ਸਾਲਾਨਾ ਲਗਭਗ 33% ਵਧ ਰਹੀ ਹੈ। ਭਾਰਤ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ AI-ਲਿਟਰੇਟ (AI-literate) ਵਰਕਫੋਰਸ ਵਾਲੇ ਦੇਸ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਜੋ ਕਿ ਮਜ਼ਬੂਤ ​​ਸਥਾਨਕ ਡਾਟਾ ਸਿਸਟਮਾਂ ਕਾਰਨ ਅਮਰੀਕਾ (U.S.) ਤੋਂ ਬਾਅਦ ਦੂਜੇ ਸਥਾਨ 'ਤੇ ਹੈ। ਇਨ੍ਹਾਂ ਫਾਇਦਿਆਂ ਦੇ ਬਾਵਜੂਦ, ਭਾਰਤ ਵਰਗੇ ਦੇਸ਼ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਬਿਜ਼ਨਸ ਗੇਨ (business gains) ਵਿੱਚ ਬਦਲਣ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਹੇ ਹਨ। ਦੁਨੀਆ ਭਰ ਵਿੱਚ, ਜਿੱਥੇ ਕੰਪਨੀਆਂ AI ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਡਿਪਲੋਏ (deploy) ਕਰ ਰਹੀਆਂ ਹਨ, ਉੱਥੇ ਹੀ ਬਹੁਤ ਘੱਟ ਆਪਣੇ ਪ੍ਰੋਫਿਟ (profits) 'ਤੇ ਵੱਡਾ ਅਸਰ ਦੱਸਦੀਆਂ ਹਨ। ਇਹ AI ਨੂੰ ਵਰਤੋਂ ਵਿੱਚ ਲਿਆਉਣ ਅਤੇ ਇਸਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤਣ ਵਿਚਕਾਰ ਇੱਕ ਵੱਡੀ ਖਾਈ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਕੰਪਨੀਆਂ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਦੌੜ ਵਿੱਚ, ਪਰ ਗੈਪ ਵੱਧ ਰਿਹਾ

Microsoft ਅਤੇ Google ਵਰਗੀਆਂ ਵੱਡੀਆਂ ਟੈਕ ਕੰਪਨੀਆਂ, ਸਕਿੱਲ ਗੈਪ (skills gap) ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਪਾਰਟਨਰਸ਼ਿਪ (partnerships) ਰਾਹੀਂ AI ਟ੍ਰੇਨਿੰਗ (training) ਅਤੇ ਸਿੱਖਿਆ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਨ੍ਹਾਂ ਕੋਸ਼ਿਸ਼ਾਂ ਦਾ ਮਕਸਦ ਮੌਜੂਦਾ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਨਵੇਂ ਹੁਨਰ ਸਿਖਾਉਣਾ ਅਤੇ ਭਵਿੱਖ ਦੇ ਵਰਕਰਾਂ ਨੂੰ AI-ਇੰਟੀਗ੍ਰੇਟਿਡ (AI-integrated) ਨੌਕਰੀ ਬਾਜ਼ਾਰ ਲਈ ਤਿਆਰ ਕਰਨਾ ਹੈ। ਕੁਝ ਪ੍ਰਮੁੱਖ ਕੰਪਨੀਆਂ ਤਾਂ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਨਵੇਂ ਟੂਲ ਜੋੜਨ ਦੀ ਬਜਾਏ, AI ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਆਪਣੇ ਆਪਰੇਸ਼ਨਾਂ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ (redesign) ਵੀ ਕਰ ਰਹੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, AI ਅਪਣਾਉਣ ਦੀ ਰਫਤਾਰ ਵਰਕਫੋਰਸ ਦੇ ਸੰਭਾਲਣ ਦੀ ਰਫਤਾਰ ਨਾਲੋਂ ਤੇਜ਼ ਹੈ, ਜਿਸ ਨਾਲ ਇੱਕ ਗੰਭੀਰ ਖਤਰਾ ਪੈਦਾ ਹੋ ਗਿਆ ਹੈ। ਜਿੱਥੇ 73% ਕੰਪਨੀਆਂ AI ਦਾ ਟੈਸਟ ਕਰ ਰਹੀਆਂ ਹਨ ਜਾਂ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ, ਉੱਥੇ ਹੀ ਸਿਰਫ 18% ਕਰਮਚਾਰੀਆਂ ਦੀ AI ਰੀਸਕਿਲਿੰਗ (reskilling) ਪ੍ਰੋਗਰਾਮਾਂ ਵਿੱਚ ਵੱਡੀ ਭਾਗੀਦਾਰੀ ਦੀ ਰਿਪੋਰਟ ਕਰਦੀਆਂ ਹਨ।

ਕੁਸ਼ਲਤਾ 'ਚ ਵਾਧਾ, ਪਰ ਅਸਲ ਬਿਜ਼ਨਸ ਵੈਲਿਊ ਕਿਉਂ ਨਹੀਂ?

AI ਵੱਲੋਂ ਕੁਸ਼ਲਤਾ ਦਾ ਵਾਅਦਾ ਕਰਨ ਦੇ ਬਾਵਜੂਦ, ਅਸਲ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ (effectiveness)—ਸਫਲਤਾ ਦਾ ਅੰਤਿਮ ਮਾਪ—ਬਹੁਤ ਸਾਰਿਆਂ ਲਈ ਮੁਸ਼ਕਲ ਬਣੀ ਹੋਈ ਹੈ। ਓਪਰੇਸ਼ਨਲ ਗੇਨ (operational gains) ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਮਾਪਣਯੋਗ ਬਿਜ਼ਨਸ ਵੈਲਿਊ (measurable business value) ਦੇਖਣ ਵਿਚਕਾਰ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਹੈ। ਰਿਪੋਰਟਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਜਦੋਂ 81% ਨੌਕਰੀ ਦੇਣ ਵਾਲੇ ਓਪਰੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ ਵਧਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ, ਤਾਂ ਸਿਰਫ 35% ਆਪਣੇ ਵਰਕਫੋਰਸ ਦੀ ਅੱਪਸਕਿਲਿੰਗ (upskilling) ਨੂੰ ਇੱਕ ਪ੍ਰਮੁੱਖ ਟੀਚਾ ਮੰਨਦੇ ਹਨ। ਇਹ ਅਸੰਤੁਲਨ ਅਨੁਭਵ ਨਾ ਕੀਤੇ ਗਏ ਰਿਟਰਨ (unrealized returns) ਅਤੇ ਹੌਲੀ ਬਿਜ਼ਨਸ ਗਰੋਥ (business growth) ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ।

ਆਟੋਮੇਸ਼ਨ ਦਾ ਇਤਿਹਾਸ ਸਿਖਾਉਂਦਾ ਹੈ ਕਿ ਮੁਸ਼ਕਲ ਤਬਦੀਲੀ ਆਉਂਦੀ ਹੈ

ਇਤਿਹਾਸ ਸਾਨੂੰ ਸਿਖਾਉਂਦਾ ਹੈ ਕਿ ਵੱਡੀਆਂ ਤਕਨੀਕੀ ਤਬਦੀਲੀਆਂ, ਇੰਡਸਟਰੀਅਲ ਰੈਵੋਲਿਊਸ਼ਨ (Industrial Revolution) ਤੋਂ ਲੈ ਕੇ ਡਿਜੀਟਲ ਯੁੱਗ ਤੱਕ, ਰੁਟੀਨ (routine) ਨੌਕਰੀਆਂ ਨੂੰ ਬਦਲ ਦਿੰਦੀਆਂ ਹਨ ਜਦਕਿ ਨਵੀਆਂ, ਅਕਸਰ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਨੌਕਰੀਆਂ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਆਟੋਮੇਸ਼ਨ ਦੇ ਸਮੇਂ ਨੇ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਕਰਮਚਾਰੀਆਂ ਦੀ ਚਿੰਤਾ ਅਤੇ ਕੁਸ਼ਲ ਅਤੇ ਅਣ-ਕੁਸ਼ਲ ਮਜ਼ਦੂਰਾਂ ਵਿਚਕਾਰ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਪੈਦਾ ਕੀਤਾ ਹੈ। ਜਦੋਂ ਕਿ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਆਟੋਮੇਸ਼ਨ ਨੇ ਆਮ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਨੌਕਰੀਆਂ ਪੈਦਾ ਕੀਤੀਆਂ ਹਨ, ਇਹ ਤਬਦੀਲੀ ਅਕਸਰ ਮੁਸ਼ਕਲ ਰਹੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਰੀਟ੍ਰੇਨਿੰਗ (retraining), ਨੌਕਰੀ ਦੀ ਸੰਤੁਸ਼ਟੀ (job satisfaction) ਅਤੇ ਆਮਦਨ ਦੇ ਅੰਤਰ (income differences) ਵਰਗੇ ਮੁੱਦੇ ਸ਼ਾਮਲ ਹਨ – ਇਹ ਉਹ ਸਮੱਸਿਆਵਾਂ ਹਨ ਜੋ ਅੱਜ ਦੇ AI-ਡਰਾਈਵਨ (AI-driven) ਤਬਦੀਲੀਆਂ ਨੂੰ ਪ੍ਰਤੀਬਿੰਬਤ ਕਰਦੀਆਂ ਹਨ।

ਮਨੁੱਖੀ ਅਤੇ ਸੰਗਠਨਾਤਮਕ ਸਮੱਸਿਆਵਾਂ AI ਦੀ ਪੂਰੀ ਸਮਰੱਥਾ ਨੂੰ ਰੋਕਦੀਆਂ ਹਨ

AI ਲਈ ਸਭ ਤੋਂ ਵੱਡੀ ਰੁਕਾਵਟ ਤਕਨਾਲੋਜੀ ਨਹੀਂ, ਬਲਕਿ ਲੋਕ ਅਤੇ ਸੰਸਥਾਵਾਂ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਹਨ। 90% ਤੋਂ ਵੱਧ AI ਪ੍ਰੋਜੈਕਟ (project) ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਮਨੁੱਖੀ ਅਤੇ ਕੰਪਨੀ ਦੇ ਮੁੱਦਿਆਂ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ। ਮੁੱਖ ਰੁਕਾਵਟਾਂ ਵਿੱਚ ਕਰਮਚਾਰੀਆਂ ਦਾ ਨੌਕਰੀ ਗੁਆਉਣ ਦਾ ਡਰ, ਟ੍ਰੇਨਿੰਗ ਦੀ ਘਾਟ, ਅਤੇ ਬਦਲਾਅ ਦਾ ਵਿਰੋਧ ਸ਼ਾਮਲ ਹਨ। ਬਹੁਤ ਸਾਰੇ AI ਪ੍ਰੋਜੈਕਟ ਕਮਜ਼ੋਰ ਰਣਨੀਤੀਆਂ, ਅਸਪਸ਼ਟ ਬਿਜ਼ਨਸ ਟੀਚਿਆਂ ਅਤੇ ਵਰਕਫੋਰਸ ਨੂੰ ਤਿਆਰ ਨਾ ਕਰਨ ਕਾਰਨ ਫੇਲ੍ਹ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਹ ਮਨੁੱਖੀ ਮੁੱਦੇ AI ਦੇ ਰਿਟਰਨ ਆਨ ਇਨਵੈਸਟਮੈਂਟ (ROI) ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਫੇਲ੍ਹ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਪੈਸੇ ਦੀ ਬਰਬਾਦੀ ਹੁੰਦੀ ਹੈ। ਕੰਪਨੀਆਂ ਛੋਟੇ ਟੈਸਟਾਂ ਤੋਂ ਪਰੇ AI ਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਲਾਗੂ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੀਆਂ ਹਨ। ਲੀਡਰਸ਼ਿਪ (Leadership) ਮਹੱਤਵਪੂਰਨ ਹੈ। ਜਦੋਂ ਲੀਡਰ AI ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਨਵੇਂ ਪ੍ਰਯੋਗਾਂ (experimentation) ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਨ, ਅਤੇ AI ਦੇ ਆਲੇ-ਦੁਆਲੇ ਕੰਮ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦਿੰਦੇ ਹਨ, ਤਾਂ ਉਨ੍ਹਾਂ ਦੀਆਂ ਕੰਪਨੀਆਂ ਜ਼ਿਆਦਾ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕਰਦੀਆਂ ਹਨ। ਪਰ ਜੇਕਰ ਲੀਡਰ ਸਟਾਫ ਨੂੰ ਸਸ਼ਕਤ ਕੀਤੇ ਬਿਨਾਂ ਜਾਂ ਡਰ ਨੂੰ ਘੱਟ ਕੀਤੇ ਬਿਨਾਂ AI ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਨ, ਤਾਂ ਸਿਸਟਮ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਵਰਤਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ, ਜਿਸ ਨਾਲ ਅਸਲ ਲਾਭ ਨਸ਼ਟ ਹੋ ਜਾਂਦੇ ਹਨ।

AI ਦੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਬਿਜ਼ਨਸ ਸਫਲਤਾ ਵਿੱਚ ਬਦਲਣ ਲਈ ਮਜ਼ਬੂਤ ਲੀਡਰਸ਼ਿਪ ਜ਼ਰੂਰੀ

ਮਾਹਿਰਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ AI ਸਿਰਫ ਇੱਕ ਟੂਲ (tool) ਨਹੀਂ, ਬਲਕਿ ਕਾਰੋਬਾਰਾਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀਆਂ ਦਾ ਇੱਕ ਡਰਾਈਵਰ (driver) ਹੈ। ਇਸ ਯੁੱਗ ਵਿੱਚ ਸਫਲਤਾ, ​​ਸਿਰਫ ਨਵੀਂ ਤਕਨਾਲੋਜੀ ਅਪਣਾਉਣ ਦੀ ਬਜਾਏ, ਮਨੁੱਖੀ ਪ੍ਰਤਿਭਾ (human talent) ਅਤੇ AI ਨੂੰ ਰਣਨੀਤਕ ਤੌਰ 'ਤੇ ਜੋੜਨ ਦੀ ਸੰਸਥਾ ਦੀ ਯੋਗਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ। ਇਸ ਲਈ ਲੀਡਰਾਂ ਨੂੰ ਨਿਰੰਤਰ ਸਿੱਖਣ (continuous learning), ਪ੍ਰਯੋਗਾਂ (experimentation), ਅਤੇ ਅਨੁਕੂਲਤਾ (adaptability) ਦੀ ਸੰਸਕ੍ਰਿਤੀ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਇਸ ਮਨੁੱਖ-ਕੇਂਦਰਿਤ ਪਹੁੰਚ ਨੂੰ ਤਰਜੀਹ ਨਹੀਂ ਦਿੰਦੀਆਂ, ਉਹ ਪਿੱਛੇ ਰਹਿ ਜਾਣ ਦੇ ਖਤਰੇ ਵਿੱਚ ਹਨ, ਕੁਸ਼ਲਤਾ ਵਧਾਉਣ ਨੂੰ ਉਸ ਸਥਾਈ ਸਫਲਤਾ ਵਿੱਚ ਬਦਲਣ ਵਿੱਚ ਅਸਮਰੱਥ ਹੋਣਗੀਆਂ ਜੋ ਇੱਕ ਮੁਕਾਬਲੇ ਵਾਲੀ ਕਿਨਾਰਾ (competitive edge) ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੀ ਹੈ।