AI 'ਤੇ ਵੱਡੇ ਨਿਵੇਸ਼ਾਂ ਦੇ ਬਾਵਜੂਦ, ਕੰਪਨੀਆਂ ਵਿੱਚ ਜ਼ਰੂਰੀ ਬਦਲਾਵਾਂ ਦੀ ਕਮੀ ਕਾਰਨ ਪ੍ਰੋਡਕਟਿਵਿਟੀ (Productivity) ਵਿੱਚ ਵਾਧਾ ਹਾਲੇ ਵੀ ਹੌਲੀ ਹੈ। ਭਾਰਤ ਲਈ ਅਸਲੀ ਆਰਥਿਕ ਮੌਕਾ ਸਿਰਫ ਐਡਵਾਂਸ AI ਮਾਡਲ ਬਣਾਉਣ ਵਿੱਚ ਨਹੀਂ, ਬਲਕਿ MSME (Micro, Small, and Medium Enterprises) ਵਿੱਚ AI ਨੂੰ ਫੈਲਾਉਣ ਵਿੱਚ ਹੈ। ਇਸ ਦੀ ਸਫਲਤਾ ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ, ਵਰਕਫੋਰਸ ਦੀ ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਰਵਾਇਤੀ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਹੁਣ ਸਿਰਫ ਇੱਕ ਖਾਸ ਤਕਨੀਕੀ ਖੇਤਰ ਨਹੀਂ ਰਿਹਾ, ਬਲਕਿ ਇਹ ਇੱਕ ਵੱਡਾ ਆਰਥਿਕ ਫੋਕਸ ਬਣ ਗਿਆ ਹੈ। ਦੁਨੀਆ ਭਰ ਦੀਆਂ ਵੱਡੀਆਂ ਟੈਕ ਕੰਪਨੀਆਂ ਇਸਦੇ ਇਨਫ్రాਸਟ੍ਰਕਚਰ 'ਤੇ ਅਰਬਾਂ ਡਾਲਰ ਦਾ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਇੰਟਰਨੈਸ਼ਨਲ ਮੋਨੇਟਰੀ ਫੰਡ (IMF) ਨੇ ਆਪਣੀ 2026 ਵਰਲਡ ਇਕਨਾਮਿਕ ਆਊਟਲੁੱਕ ਵਿੱਚ AI ਨੂੰ ਲੇਬਰ ਮਾਰਕੀਟ ਅਤੇ ਵਿਕਾਸ ਲਈ ਇੱਕ ਬਦਲਾਅ ਲਿਆਉਣ ਵਾਲੀ ਸ਼ਕਤੀ ਦੱਸਿਆ ਹੈ, ਪਰ ਨਿਵੇਸ਼ ਦੇ ਪੈਮਾਨੇ ਦੇ ਮੁਕਾਬਲੇ ਅਸਲ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਿੱਚ ਵਾਧਾ ਅਜੇ ਵੀ ਘੱਟ ਹੈ। ਇਹ ਦੇਰੀ ਇੱਕ ਆਰਥਿਕ ਪੈਟਰਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜਿੱਥੇ ਤਕਨੀਕੀ ਤਰੱਕੀ ਤੁਰੰਤ ਆਊਟਪੁੱਟ ਵਿੱਚ ਵਾਧੇ ਦਾ ਕਾਰਨ ਨਹੀਂ ਬਣਦੀ।
ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਪੈਰਾਡੌਕਸ (Productivity Paradox) ਤੋਂ ਸਬਕ
ਆਰਥਿਕ ਇਤਿਹਾਸ ਇਸ ਸਮੇਂ ਦੀ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। 1987 ਵਿੱਚ, ਨੋਬੇਲ ਪੁਰਸਕਾਰ ਜੇਤੂ ਰਾਬਰਟ ਸੋਲੋ ਨੇ ਦੇਖਿਆ ਕਿ ਕੰਪਿਊਟਰ ਆਮ ਹੋ ਰਹੇ ਸਨ, ਪਰ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਦੇ ਅੰਕੜਿਆਂ ਵਿੱਚ ਉਹ ਕਿਤੇ ਦਿਖਾਈ ਨਹੀਂ ਦੇ ਰਹੇ ਸਨ। ਇਸ 'ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਪੈਰਾਡੌਕਸ' ਦਾ ਹੱਲ ਸਿਰਫ ਹਾਰਡਵੇਅਰ ਨਾਲ ਨਹੀਂ, ਬਲਕਿ ਕਾਰੋਬਾਰਾਂ ਦੁਆਰਾ ਆਪਣੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਅਤੇ ਮੈਨੇਜਮੈਂਟ ਪ੍ਰੈਕਟਿਸਾਂ ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਬਦਲਣ ਨਾਲ ਹੋਇਆ। ਇਸੇ ਤਰ੍ਹਾਂ, ਅੱਜ ਕਈ ਕੰਪਨੀਆਂ AI ਟੂਲਸ ਜਿਵੇਂ ਕਿ ਚੈਟਬੋਟ ਜਾਂ ਕੋਡਿੰਗ ਅਸਿਸਟੈਂਟ ਨੂੰ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਸਿਰਫ ਇੱਕ ਐਡ-ਆਨ ਵਜੋਂ ਵਰਤ ਰਹੀਆਂ ਹਨ। ਇਸ ਨਾਲ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਨਹੀਂ ਹੋ ਰਿਹਾ, ਕਿਉਂਕਿ ਕਰਮਚਾਰੀ ਡਾਟਾਬੇਸ ਨਾਲ ਜੁੜੇ ਨਾ ਹੋਣ ਅਤੇ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਕੰਮ ਨੂੰ ਮੈਨੂਅਲੀ ਵੈਰੀਫਾਈ ਕਰਨ ਦੇ ਬੋਝ ਹੇਠਾਂ ਦੱਬੇ ਹੋਏ ਹਨ।
ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਸੰਗਠਨਾਤਮਕ ਰੁਕਾਵਟਾਂ
ਅਸਲ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਾਧੇ ਵਿੱਚ ਵੱਡੀਆਂ ਅਮਲੀ ਚੁਣੌਤੀਆਂ, ਖਾਸ ਕਰਕੇ ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ, ਰੁਕਾਵਟ ਬਣ ਰਹੀ ਹੈ। AI ਸਿਸਟਮ ਉਸ ਜਾਣਕਾਰੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਜਿਸਨੂੰ ਉਹ ਪ੍ਰੋਸੈਸ ਕਰਦੇ ਹਨ; ਇਸ ਲਈ, ਫਰੈਗਮੈਂਟਿਡ, ਅਸੰਗਤ ਜਾਂ ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡ ਗਲਤ ਨਤੀਜੇ ਦਿੰਦੇ ਹਨ। ਖਰਾਬ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਡਾਟਾ ਦੀ ਤੇਜ਼ ਪ੍ਰੋਸੈਸਿੰਗ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਦੇ ਬਰਾਬਰ ਨਹੀਂ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਠੋਸ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸਿਰਫ ਸਾਫਟਵੇਅਰ 'ਤੇ ਪੂੰਜੀ ਖਰਚਣ ਤੋਂ ਵੱਧ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਲਈ ਸੰਗਠਨਾਤਮਕ ਪੂੰਜੀ, ਠੋਸ ਸ਼ਾਸਨ (governance), ਅਤੇ ਮੈਨੇਜਮੈਂਟ ਦੀ ਸਪਲਾਈ ਚੇਨ ਨੂੰ ਮੁੜ ਸੰਗਠਿਤ ਕਰਨ ਅਤੇ ਵਰਕਫੋਰਸ ਨੂੰ ਮੁੜ-ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਯੋਗਤਾ ਦੀ ਲੋੜ ਹੈ।
ਭਾਰਤ ਦਾ ਰਣਨੀਤਕ ਮਾਰਗ
ਭਾਰਤ ਇਹਨਾਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਲਈ ਇੱਕ ਵਿਲੱਖਣ ਸਥਿਤੀ ਵਿੱਚ ਹੈ। ਸਥਾਪਿਤ ਡਿਜੀਟਲ ਪਬਲਿਕ ਇਨਫਰਾਸਟ੍ਰਕਚਰ - ਜਿਸ ਵਿੱਚ ਆਧਾਰ (Aadhaar) ਅਤੇ ਯੂਨੀਫਾਈਡ ਪੇਮੈਂਟਸ ਇੰਟਰਫੇਸ (UPI) ਸ਼ਾਮਲ ਹਨ - ਦੇਸ਼ ਨੇ ਪਹਿਲਾਂ ਹੀ ਵਿਆਪਕ ਡਿਜੀਟਲ ਅਪਣਾਉਣ ਦਾ ਪੜਾਅ ਤੈਅ ਕਰ ਲਿਆ ਹੈ। ਭਾਵੇਂ ਕਿ ਰਾਸ਼ਟਰੀ ਇੰਡੀਆ AI ਮਿਸ਼ਨ ਤਕਨਾਲੋਜੀ ਵਿਕਾਸ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ, ਪਰ ਵਿਆਪਕ ਆਰਥਿਕ ਪ੍ਰਭਾਵ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਇਹ ਸਾਧਨ ਦੇਸ਼ ਦੇ ਸੂਖਮ, ਲਘੂ ਅਤੇ ਦਰਮਿਆਨੇ ਉਦਯੋਗਾਂ (MSMEs) ਦੇ ਵਿਸ਼ਾਲ ਨੈੱਟਵਰਕ ਤੱਕ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪਹੁੰਚਦੇ ਹਨ।
MSME ਭਾਰਤ ਦੇ GDP ਦਾ ਲਗਭਗ 30% ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ ਅਤੇ 110 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਨੌਕਰੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ। ਵੱਡੇ, ਟੈਕ-ਫਾਰਵਰਡ ਅਦਾਰਿਆਂ ਦੇ ਉਲਟ, ਜਿਨ੍ਹਾਂ ਨੇ ਪਹਿਲਾਂ ਹੀ ਡਿਜੀਟਲ ਪਰਿਵਰਤਨ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ, ਇਹਨਾਂ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਦੇ ਲੱਖਾਂ ਅਜੇ ਵੀ ਮੈਨੂਅਲ ਪ੍ਰਕਿਰਿਆਵਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਭਾਰਤ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਆਰਥਿਕ ਮੁੱਲ ਇਸ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚੋਂ ਆ ਸਕਦਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਅਤੇ ਨੀਤੀ ਘਾੜੇ ਇਸ ਗੱਲ 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਸਕਦੇ ਹਨ ਕਿ AI ਟੂਲਸ ਮੈਨੂਫੈਕਚਰਿੰਗ, ਲੌਜਿਸਟਿਕਸ ਅਤੇ ਖੇਤੀਬਾੜੀ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਭਾਰਤ ਦੀ AI ਯਾਤਰਾ ਦੀ ਅੰਤਿਮ ਸਫਲਤਾ ਦਾ ਮਾਪ ਉੱਚ-ਪ੍ਰੋਫਾਈਲ, ਫਰੰਟੀਅਰ AI ਮਾਡਲਾਂ ਦੀ ਸਿਰਫ ਸਿਰਜਣਾ ਦੁਆਰਾ ਨਹੀਂ, ਬਲਕਿ ਆਮ ਕਾਰੋਬਾਰਾਂ ਵਿੱਚ ਇਹਨਾਂ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਪ੍ਰਸਾਰ, ਪ੍ਰਬੰਧਕੀ ਸਮਰੱਥਾ ਅਤੇ ਡਾਟਾ ਗਵਰਨੈਂਸ ਵਿੱਚ ਨਿਵੇਸ਼ ਦੁਆਰਾ ਮਾਪਿਆ ਜਾਵੇਗਾ।