AI Agents: ਭਾਰਤ ਅੱਗੇ, ਪਰ ਸਕਿੱਲ ਗੈਪ ਦਾ ਖਤਰਾ! ਕਾਰੋਬਾਰਾਂ ਵਿੱਚ ਆ ਰਿਹਾ ਵੱਡਾ ਬਦਲਾਅ

ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ 'ਚ ਆ ਰਿਹਾ ਇਨਕਲਾਬ

ਅੱਜ ਦੇ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਕਾਰੋਬਾਰੀ ਮਾਹੌਲ ਵਿੱਚ, ਸਿਰਫ਼ ਡਾਟਾ ਨੂੰ ਸਮਝਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ। ਕਾਰੋਬਾਰੀ ਚੱਕਰ (Business Cycles) ਦੀ ਤੇਜ਼ੀ ਨਾਲ, ਜੇਕਰ ਸਹੀ ਸਮੇਂ 'ਤੇ ਕਾਰਵਾਈ ਨਾ ਕੀਤੀ ਜਾਵੇ ਤਾਂ ਸੂਝ-ਬੂਝ (Insights) ਹਾਸਲ ਕਰਨ ਦਾ ਕੋਈ ਫਾਇਦਾ ਨਹੀਂ ਹੁੰਦਾ। AI ਏਜੰਟਸ ਇਸ ਪਾੜੇ ਨੂੰ ਪੂਰ ਰਹੇ ਹਨ, ਜੋ ਕਿ ਸਿਰਫ਼ ਡਾਟਾ ਸਮਝਣ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਕਾਰੋਬਾਰਾਂ ਦੇ ਕੰਮਕਾਜ ਵਿੱਚ ਅਸਲ ਕਾਰਜ-ਸਾਧਨ (Execution) ਨੂੰ ਏਕੀਕ੍ਰਿਤ (Embed) ਕਰ ਰਹੇ ਹਨ। ਇਹ ਕੋਈ ਛੋਟਾ ਮੋਟਾ ਬਦਲਾਅ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ ਵੱਡਾ ਮੋੜ ਹੈ ਜੋ ਵਿੱਤ (Finance) ਅਤੇ ਲੌਜਿਸਟਿਕਸ (Logistics) ਵਰਗੇ ਸੈਕਟਰਾਂ ਵਿੱਚ ਲੋੜੀਂਦੀ ਲਗਾਤਾਰ, ਰੀਅਲ-ਟਾਈਮ ਪ੍ਰਤੀਕਿਰਿਆ (Response) ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।

ਮਾਰਕੀਟ ਦੀ ਵੱਡੀ ਛਾਲ

ਐਂਟਰਪ੍ਰਾਈਜ਼ AI (Enterprise AI) ਦਾ ਮਾਰਕੀਟ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਲਈ ਤਿਆਰ ਹੈ, ਜਿਸਦੇ 2026 ਤੱਕ $40.45 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚਣ ਦਾ ਅਨੁਮਾਨ ਹੈ, ਜੋ ਕਿ 42.5% ਦੀ ਸਾਲਾਨਾ ਦਰ ਨਾਲ ਵਧੇਗਾ। ਇਸ ਤੇਜ਼ੀ ਦਾ ਮੁੱਖ ਕਾਰਨ AI ਏਜੰਟਸ ਨੂੰ ਸਿੱਧੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ (Integrate) ਕਰਨ ਦੀ ਰਣਨੀਤਕ ਲੋੜ ਹੈ ਤਾਂ ਜੋ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਸਵੈਚਾਲਤ (Automate) ਕੀਤਾ ਜਾ ਸਕੇ। ਗਾਰਟਨਰ (Gartner) ਦਾ ਅਨੁਮਾਨ ਹੈ ਕਿ 2026 ਤੱਕ, 40% ਐਂਟਰਪ੍ਰਾਈਜ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ AI ਏਜੰਟ ਸ਼ਾਮਲ ਹੋਣਗੇ, ਜੋ ਕਿ 2025 ਵਿੱਚ 5% ਤੋਂ ਘੱਟ ਦੇ ਮੁਕਾਬਲੇ ਇੱਕ ਵੱਡਾ ਵਾਧਾ ਹੈ। ਇਹ ਏਜੰਟ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਕਿਰਿਆਸ਼ੀਲ ਸਾਧਨਾਂ (Active Tools) ਵਿੱਚ ਬਦਲਦੇ ਹਨ ਜੋ ਤਰਕ (Reason) ਕਰ ਸਕਦੇ ਹਨ, ਹੋਰ ਟੂਲਸ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸੰਦਰਭ (Context) ਨੂੰ ਯਾਦ ਰੱਖ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਉਹ RPA (Robotic Process Automation) ਵਰਗੀਆਂ ਪੁਰਾਣੀਆਂ ਆਟੋਮੇਸ਼ਨ ਤਕਨੀਕਾਂ ਤੋਂ ਵੱਖਰੇ ਸਾਬਤ ਹੁੰਦੇ ਹਨ। ਐਂਟਰਪ੍ਰਾਈਜ਼ ਆਟੋਮੇਸ਼ਨ ਮਾਰਕੀਟ, ਜਿਸ ਵਿੱਚ AI ਵੀ ਸ਼ਾਮਲ ਹੈ, ਦੇ 2024 ਵਿੱਚ $48 ਬਿਲੀਅਨ ਤੋਂ ਵਧ ਕੇ 2033 ਤੱਕ $137 ਬਿਲੀਅਨ ਹੋਣ ਦੀ ਉਮੀਦ ਹੈ।

ਭਾਰਤ ਦੀ ਅਗਵਾਈ ਅਤੇ ਚੁਣੌਤੀਆਂ

ਭਾਰਤੀ ਕਾਰੋਬਾਰ ਇਸ AI ਤਬਦੀਲੀ ਵਿੱਚ ਅੱਗੇ ਹਨ। ਡੇਲੋਇਟ (Deloitte) ਦੀ ਇੱਕ ਰਿਪੋਰਟ ਦੱਸਦੀ ਹੈ ਕਿ ਭਾਰਤ ਉਤਪਾਦ ਵਿਕਾਸ (62%), ਰਣਨੀਤੀ ਅਤੇ ਕਾਰਜਾਂ (56%), ਅਤੇ ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਵਿਕਰੀ (55%) ਵਰਗੇ ਮਹੱਤਵਪੂਰਨ ਖੇਤਰਾਂ ਵਿੱਚ AI ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਰਤਣ ਵਿੱਚ ਦੁਨੀਆ ਭਰ ਦੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਤੋਂ ਅੱਗੇ ਹੈ। 40% ਭਾਰਤੀ ਕੰਪਨੀਆਂ AI ਦੀ ਮਹੱਤਵਪੂਰਨ ਜਾਂ ਪੂਰੀ ਵਰਤੋਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੀਆਂ ਹਨ, ਜੋ ਕਿ ਗਲੋਬਲ ਔਸਤ 28% ਤੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਹੈ। ਇਸ ਮਜ਼ਬੂਤ ਅਪਣਾਉਣ (Adoption) ਨੂੰ ਭਾਰਤ ਦੇ ਵਧ ਰਹੇ ਸੌਫਟਵੇਅਰ ਮਾਰਕੀਟ ਦਾ ਸਮਰਥਨ ਪ੍ਰਾਪਤ ਹੈ, ਜਿਸਦੇ 2026 ਤੋਂ 2033 ਤੱਕ 15.4% ਸਾਲਾਨਾ ਦਰ ਨਾਲ ਵਧਣ ਦਾ ਅਨੁਮਾਨ ਹੈ।

ਸੈਕਟਰਾਂ 'ਤੇ ਅਸਰ

AI ਏਜੰਟਸ ਵੱਖ-ਵੱਖ ਉਦਯੋਗਾਂ ਵਿੱਚ ਸਮਾਂ ਲੈਣ ਵਾਲੇ ਮੈਨੂਅਲ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰ ਰਹੇ ਹਨ। ਵਿੱਤ (Finance) ਵਿੱਚ, ਇਹ ਲੈਣ-ਦੇਣ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦੇ ਹਨ, ਅਸੰਗਤੀਆਂ (Anomalies) ਦਾ ਪਤਾ ਲਗਾਉਂਦੇ ਹਨ, ਅਤੇ ਗਾਹਕਾਂ ਦੇ ਵਿਹਾਰ ਦੇ ਆਧਾਰ 'ਤੇ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਕ੍ਰੈਡਿਟ ਰਿਸਕ ਨੂੰ ਐਡਜਸਟ ਕਰਦੇ ਹਨ। ਹੈਲਥਕੇਅਰ (Healthcare) ਇਸਦੀ ਵਰਤੋਂ ਕੁਸ਼ਲ ਮਰੀਜ਼ ਸ਼ਡਿਊਲਿੰਗ ਅਤੇ ਸਰੋਤ ਪ੍ਰਬੰਧਨ ਲਈ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਤੇਲ ਅਤੇ ਗੈਸ (Oil and Gas) ਇਸਨੂੰ ਪੂਰਵ-ਅਨੁਮਾਨੀ ਰੱਖ-ਰਖਾਅ (Predictive Maintenance) ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਉਤਪਾਦਨ ਐਡਜਸਟਮੈਂਟ ਲਈ ਲਾਗੂ ਕਰਦੇ ਹਨ। ਭਾਰਤ ਵਿੱਚ IT ਸੈਕਟਰ ਵੀ ਭਾਰੀ ਵਿਕਾਸ ਦੇਖ ਰਿਹਾ ਹੈ, ਜਿਸ ਵਿੱਚ AI ਪਲੇਟਫਾਰਮ 2024 ਵਿੱਚ ਲਗਭਗ 90.7% ਸਾਲ-ਦਰ-ਸਾਲ ਵਾਧਾ ਦਿਖਾ ਰਹੇ ਹਨ। ਗਾਰਟਨਰ (Gartner) ਦੁਆਰਾ ਅਨੁਮਾਨਿਤ ਗਲੋਬਲ AI ਖਰਚ 2026 ਵਿੱਚ $2.52 ਟ੍ਰਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚ ਜਾਵੇਗਾ, ਜੋ AI ਦੇ ਵਿਆਪਕ ਪ੍ਰਭਾਵ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਮੁੱਖ ਚੁਣੌਤੀਆਂ: ਸਕਿੱਲ ਗੈਪ ਅਤੇ ਗਵਰਨੈਂਸ

ਭਾਰਤ ਦੀ ਪ੍ਰਮੁੱਖ AI ਅਪਣਾਉਣ ਦੇ ਬਾਵਜੂਦ, ਮੁੱਖ ਸਮੱਸਿਆਵਾਂ ਬਰਕਰਾਰ ਹਨ। ਡੇਲੋਇਟ (Deloitte) ਰਿਪੋਰਟ ਇੱਕ ਗੰਭੀਰ ਸਕਿੱਲ ਸ਼ਾਰਟੇਜ (Skills Shortage) ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀ ਹੈ: ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਗਲੋਬਲ ਔਸਤ (2-8% ਉੱਚ ਮਹਾਰਤ) ਦੇ ਮੁਕਾਬਲੇ ਘੱਟ AI ਮਾਹਿਰਾਂ (0-4% ਉੱਚ ਮਹਾਰਤ ਵਾਲੇ) ਦੀ ਰਿਪੋਰਟ ਕਰਦੀਆਂ ਹਨ। ਇਹ ਪਾੜਾ, ਨਿਯਮਾਂ (Regulations) ਅਤੇ ਪਾਲਣਾ (Compliance) ਬਾਰੇ ਚਿੰਤਾਵਾਂ (ਜਿਸਨੂੰ 39% ਭਾਰਤੀ ਜਵਾਬਦੇਹਾਂ ਦੁਆਰਾ ਉਠਾਇਆ ਗਿਆ ਹੈ) ਦੇ ਨਾਲ, ਇੱਕ ਚੁਣੌਤੀਪੂਰਨ ਸਥਿਤੀ ਬਣਾਉਂਦਾ ਹੈ। ਭਾਰਤ ਦਾ AI ਗਵਰਨੈਂਸ (Governance) ਪ੍ਰਤੀ ਪਹੁੰਚ ਮੁੱਖ ਤੌਰ 'ਤੇ ਸਿਧਾਂਤਾਂ ਅਤੇ ਮੌਜੂਦਾ ਕਾਨੂੰਨਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ, ਨਾ ਕਿ ਸਖ਼ਤ ਨਵੇਂ ਨਿਯਮਾਂ 'ਤੇ। ਜਦੋਂ ਕਿ ਇਹ ਨਵੀਨਤਾ (Innovation) ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ, ਇਹ ਪਾਲਣਾ ਬਾਰੇ ਅਨਿਸ਼ਚਿਤਤਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਲਚਕੀਲਾ ਪਹੁੰਚ ਤੇਜ਼ੀ ਨਾਲ ਡਿਪਲਾਇਮੈਂਟ (Deployment) ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਪਰ ਇਸਨੂੰ ਸਾਵਧਾਨੀ ਨਾਲ ਸੰਭਾਲਣ ਦੀ ਲੋੜ ਹੈ ਕਿਉਂਕਿ ਕਾਰੋਬਾਰ ਵਧੇਰੇ ਸਵੈਚਾਲਿਤ AI ਕਾਰਵਾਈਆਂ ਕਰਦੇ ਹਨ। ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਪੂਰੇ ਪੱਧਰ ਦੇ ਸਿਸਟਮਾਂ ਵੱਲ ਵਧਣ ਦਾ ਮਤਲਬ ਹੈ ਟੈਕਨਾਲੋਜੀ ਅਤੇ ਕਾਰਜਪ੍ਰਣਾਲੀ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ, ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਜਿਸਨੂੰ ਕਈ ਕੰਪਨੀਆਂ ਅਜੇ ਵੀ ਨੈਵੀਗੇਟ ਕਰ ਰਹੀਆਂ ਹਨ। RBI ਅਤੇ SEBI ਵਰਗੇ ਰੈਗੂਲੇਟਰ, ਖਾਸ ਤੌਰ 'ਤੇ ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ, ਨਵੀਨਤਾ ਅਤੇ ਜੋਖਮ ਪ੍ਰਬੰਧਨ (Risk Management) ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਲਈ ਫਰੇਮਵਰਕ ਵਿਕਸਿਤ ਕਰ ਰਹੇ ਹਨ।

ਸੰਭਾਵੀ ਜੋਖਮ ਅਤੇ ਭਵਿੱਖ

ਰੀਅਲ-ਟਾਈਮ ਕਾਰੋਬਾਰੀ ਕਾਰਵਾਈਆਂ ਲਈ AI ਏਜੰਟਸ ਦੇ ਤੇਜ਼ ਅਪਣਾਉਣ ਨਾਲ ਸੰਭਾਵੀ ਚੁਸਤੀ ਦੇ ਨਾਲ-ਨਾਲ ਜੋਖਮ ਵੀ ਆਉਂਦੇ ਹਨ। ਮੁੱਖ ਚਿੰਤਾ ਭਾਰਤ ਦੀ ਉੱਚ AI ਵਰਤੋਂ ਅਤੇ ਇਸਦੀ ਸੀਮਤ ਮਹਾਰਤ ਦੇ ਵਿਚਕਾਰ ਵੱਡਾ ਪਾੜਾ ਹੈ। ਇਸ ਘਾਟ ਕਾਰਨ AI ਸਿਸਟਮਾਂ ਦੀ ਗਲਤ ਵਰਤੋਂ ਹੋ ਸਕਦੀ ਹੈ। ਜੇਕਰ ਇਹ ਸਵੈਚਾਲਿਤ ਸਿਸਟਮ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪ੍ਰਬੰਧਿਤ ਜਾਂ ਸਮਝੇ ਨਾ ਗਏ, ਤਾਂ ਉਹ ਖਰਾਬ ਰਣਨੀਤੀਆਂ ਨੂੰ ਅਮਲ ਵਿੱਚ ਲਿਆ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਵਿੱਤੀ ਜਾਂ ਪ੍ਰਤਿਸ਼ਠਾ ਨੂੰ ਨੁਕਸਾਨ ਹੋ ਸਕਦਾ ਹੈ। ਭਾਰਤ ਦਾ ਵਿਕਾਸਸ਼ੀਲ ਪਰ ਲਚਕੀਲਾ ਰੈਗੂਲੇਟਰੀ ਪਹੁੰਚ, AI ਦੁਆਰਾ ਸੰਭਾਲੇ ਗਏ ਗੰਭੀਰ, ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਫੈਸਲਿਆਂ ਲਈ ਕਾਫ਼ੀ ਨਹੀਂ ਹੋ ਸਕਦਾ। ਕਈ AI ਪ੍ਰੋਜੈਕਟ 2027 ਤੱਕ ਛੱਡੇ ਜਾ ਸਕਦੇ ਹਨ ਜੇਕਰ ਕੰਪਨੀਆਂ ਮਜ਼ਬੂਤ ਨਿਗਰਾਨੀ (Oversight) ਅਤੇ ਸਪੱਸ਼ਟ ਰਿਟਰਨ ਆਨ ਇਨਵੈਸਟਮੈਂਟ (ROI) ਮਾਪ ਨਹੀਂ ਬਣਾਉਂਦੀਆਂ। ਭਾਰਤੀ ਸੰਗਠਨਾਂ ਦਾ 94% AI ਖਰਚ ਵਧਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਦੇ ਬਾਵਜੂਦ, ਕਈ ਅਜੇ ਵੀ ਪੂਰੇ ਪੱਧਰ ਦੇ AI ਡਿਪਲਾਇਮੈਂਟ ਲਈ ਆਪਣੀ ਪ੍ਰਣਾਲੀ ਅਤੇ ਕਾਰਜਪ੍ਰਣਾਲੀ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾ ਰਹੇ ਹਨ। ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਤਿਆਰੀ ਯੋਜਨਾਵਾਂ ਤੋਂ ਪਿੱਛੇ ਰਹਿ ਸਕਦੀ ਹੈ। ਬਦਲਾਅ ਪ੍ਰਤੀ ਅੰਦਰੂਨੀ ਵਿਰੋਧ ਵੀ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਬਣੀ ਹੋਈ ਹੈ (34%), ਜੋ ਇਸ ਤਬਦੀਲੀ ਦੇ ਮਨੁੱਖੀ ਪਹਿਲੂ ਦੀ ਗੁੰਝਲਤਾ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। AI ਏਜੰਟਸ ਦੀ ਵਰਤੋਂ ਵਿਆਪਕ ਜੋਖਮਾਂ ਦੇ ਨਵੇਂ ਕਿਸਮਾਂ ਪੇਸ਼ ਕਰਦੀ ਹੈ, ਜਿਸ ਲਈ ਠੋਸ ਜਾਂਚ ਅਤੇ ਸਪੱਸ਼ਟ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਹੈ ਜੋ ਅਜੇ ਵੀ ਵਿਕਾਸ ਅਧੀਨ ਹਨ।