Whalesbook
ਪ੍ਰੈਕਟੀਕਲ ਸੋਲਿਊਸ਼ਨਜ਼ ਅੱਗੇ
ਭਾਰਤ ਦਾ AI ਸੈਕਟਰ ਇੱਕ ਨਵੇਂ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਿਹਾ ਹੈ। ਸਟਾਰਟਅੱਪਸ ਹੁਣ ਸਿਰਫ਼ ਥਿਊਰੀ 'ਤੇ ਅਧਾਰਿਤ ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਬਜਾਏ, ਅਸਲ ਬਿਜ਼ਨਸ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਾਲੇ ਪ੍ਰੈਕਟੀਕਲ ਸੋਲਿਊਸ਼ਨਜ਼ (practical solutions) ਬਣਾਉਣ 'ਤੇ ਜ਼ੋਰ ਦੇ ਰਹੇ ਹਨ। ਬਹੁਤ ਸਾਰਾ ਪੈਸਾ ਬੁਨਿਆਦੀ AI ਰਿਸਰਚ 'ਤੇ ਖਰਚ ਕਰਨ ਦੀ ਬਜਾਏ, ਇਹ ਕੰਪਨੀਆਂ ਮੌਜੂਦਾ AI ਟੂਲਜ਼ ਨੂੰ ਕਸਟਮਾਈਜ਼ ਕਰਕੇ ਅਜਿਹੇ ਵਰਕਫਲੋਅ ਬਣਾ ਰਹੀਆਂ ਹਨ ਜੋ ਗਾਹਕਾਂ ਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਪੂਰੀਆਂ ਕਰਦੇ ਹਨ। ਇਸ ਨਾਲ ਉਹ ਬਾਜ਼ਾਰ ਵਿੱਚ ਆਪਣੀ ਪਛਾਣ ਬਣਾ ਰਹੇ ਹਨ।
ਵਰਕਫਲੋਅ ਦਾ ਫਾਇਦਾ ਪ੍ਰੈਕਟੀਕਲ ਵਰਤੋਂ ਵਿੱਚ
Eloelo ਇਸ ਪ੍ਰੈਕਟੀਕਲ ਪਹੁੰਚ ਦੀ ਇੱਕ ਵਧੀਆ ਮਿਸਾਲ ਹੈ। ਉਨ੍ਹਾਂ ਦੇ CEO, Saurabh Pandey, ਦੱਸਦੇ ਹਨ ਕਿ ਜਨਰੇਟਿਵ AI ਨੂੰ ਜੋੜਨ ਨਾਲ ਉਨ੍ਹਾਂ ਦੇ ਪਲੇਟਫਾਰਮ, Story TV, ਨੇ ਵੱਡੀ ਛਾਲ ਮਾਰੀ ਹੈ। ਨਵੇਂ ਪਰ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੇ ਮਾਈਕ੍ਰੋ-ਡਰਾਮਾ (micro-dramas) ਸੈਕਟਰ, ਜਿਸਦਾ ਬਾਜ਼ਾਰ ਕਰੀਬ $700 ਮਿਲੀਅਨ ਸਾਲਾਨਾ ਹੈ, ਵਿੱਚ ਪ੍ਰੋਡਕਸ਼ਨ ਪਿਛਲੇ ਮਹੀਨੇ 200 ਤੱਕ ਪਹੁੰਚ ਗਈ, ਜੋ ਪਹਿਲਾਂ ਮਹੀਨੇ ਵਿੱਚ ਸਿਰਫ਼ 20-30 ਹੁੰਦੀ ਸੀ। ਇਸ ਨਾਲ ਸਕ੍ਰਿਪਟਿੰਗ, ਪ੍ਰੋਡਕਸ਼ਨ ਅਤੇ ਪੋਸਟ-ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਵੱਡਾ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਜਿਸਦੇ ਫਾਇਦੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਘੱਟ ਲਾਗਤ ਅਤੇ ਤੇਜ਼ ਡਿਲੀਵਰੀ ਦੇ ਰੂਪ ਵਿੱਚ ਮਿਲ ਰਹੇ ਹਨ।
ਇਸੇ ਤਰ੍ਹਾਂ, PulseGen.io, ਜਿਸਦੇ CEO Haren Chelle ਹਨ, ਕਈ AI ਏਜੰਟਾਂ ਨੂੰ ਇੱਕੋ ਵਰਕਫਲੋਅ ਵਿੱਚ ਜੋੜ ਕੇ ਪ੍ਰੈਕਟੀਕਲ ਵਰਤੋਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਉਨ੍ਹਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਕੰਮਾਂ ਲਈ ਵੱਖ-ਵੱਖ AI ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਭਰੋਸੇਮੰਦ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਇੱਕ ਪਰਫੈਕਟ ਮਾਡਲ ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਦੀ ਬਜਾਏ।
ਡਾਟਾ: ਮੁੱਖ ਫਾਇਦਾ
ਦੋਵੇਂ CEO ਇਸ ਗੱਲ 'ਤੇ ਸਹਿਮਤ ਹਨ ਕਿ ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ AI ਸਟਾਰਟਅੱਪਸ ਲਈ ਮੁੱਖ ਫਰਕ ਉਨ੍ਹਾਂ ਦਾ ਡਾਟਾ ਅਤੇ ਉਸਦੀ ਸਮਾਰਟ ਵਰਤੋਂ ਹੋਵੇਗੀ। ਜਿਵੇਂ-ਜਿਵੇਂ ਕੰਪਨੀਆਂ ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਵਧੇਰੇ ਖੁੱਲ੍ਹ ਕੇ ਸਾਂਝਾ ਕਰਨਗੀਆਂ, AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਸ਼ੁੱਧਤਾ (accuracy) ਅਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ (effectiveness) ਵਿੱਚ ਕਾਫੀ ਸੁਧਾਰ ਹੋਣ ਦੀ ਉਮੀਦ ਹੈ।
ਇਹ ਡਾਟਾ 'ਤੇ ਫੋਕਸ ਅਤੇ ਕਸਟਮ ਵਰਕਫਲੋਅ ਬਣਾਉਣਾ, ਇੱਕ ਮਜ਼ਬੂਤ ਬਿਜ਼ਨਸ ਰਣਨੀਤੀ ਦਾ ਆਧਾਰ ਬਣ ਰਿਹਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਸਟਾਰਟਅੱਪਸ ਲਈ ਬੁਨਿਆਦੀ AI ਮਾਡਲ ਬਣਾਉਣਾ ਬਹੁਤ ਮਹਿੰਗਾ ਹੈ ਕਿਉਂਕਿ ਲਾਗਤਾਂ ਵੱਧ ਰਹੀਆਂ ਹਨ ਅਤੇ ਗਲੋਬਲ ਮੁਕਾਬਲਾ ਵੀ ਸਖ਼ਤ ਹੈ। ਇਸ ਲਈ, ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਨੂੰ ਕਸਟਮਾਈਜ਼ ਕਰਨਾ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਵਿਲੱਖਣ ਆਪਰੇਸ਼ਨਲ ਸਿਸਟਮਾਂ ਵਿੱਚ ਫਿੱਟ ਕਰਨਾ, ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਕਿਨਾਰਾ (competitive edge) ਹਾਸਲ ਕਰਨ ਦਾ ਮੁੱਖ ਤਰੀਕਾ ਹੈ।
ਮੁੱਖ ਖਤਰੇ: ਡਾਟਾ ਨਿਰਭਰਤਾ ਅਤੇ ਕਾਪੀਕੈਟਸ
ਹਾਲਾਂਕਿ, ਵਰਕਫਲੋਅ ਅਤੇ ਡਾਟਾ 'ਤੇ ਇਹ ਫੋਕਸ ਭਾਰਤੀ AI ਸਟਾਰਟਅੱਪਸ ਲਈ ਬਾਜ਼ਾਰ ਦਾ ਇੱਕ ਸਪੱਸ਼ਟ ਰਸਤਾ ਦਿਖਾਉਂਦਾ ਹੈ, ਪਰ ਇਸ ਵਿੱਚ ਕੁਝ ਖਤਰੇ ਵੀ ਹਨ। ਪ੍ਰਾਈਵੇਟ ਡਾਟਾ 'ਤੇ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਨਾਲ ਪ੍ਰਾਈਵੇਸੀ (privacy), ਸੁਰੱਖਿਆ (security) ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ (regulatory compliance) ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ, ਖਾਸ ਕਰਕੇ ਭਾਰਤ ਦੇ ਬਦਲਦੇ ਡਾਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨਾਂ ਦੇ ਮੱਦੇਨਜ਼ਰ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਸਟਮ ਵਰਕਫਲੋਅ ਤੋਂ ਮਿਲਣ ਵਾਲਾ ਫਾਇਦਾ ਉਦੋਂ ਖਤਮ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਪ੍ਰਤੀਯੋਗੀ (competitors) ਇਨ੍ਹਾਂ ਤਰੀਕਿਆਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਕਾਪੀ ਕਰ ਸਕਣ। ਜਿੱਥੇ ਗਲੋਬਲ AI ਲੀਡਰਜ਼ ਬੁਨਿਆਦੀ ਖੋਜ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਕਰ ਰਹੇ ਹਨ, ਉੱਥੇ ਬਹੁਤ ਸਾਰੇ ਭਾਰਤੀ ਸਟਾਰਟਅੱਪਸ ਮੌਜੂਦਾ ਟੈਕਨੋਲੋਜੀ 'ਤੇ ਹੀ ਕੰਮ ਕਰ ਰਹੇ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਮੁੱਖ ਮੁੱਲ (value) ਨਵੀਨਤਾਕਾਰੀ AI ਖੋਜ ਤੋਂ ਨਹੀਂ, ਬਲਕਿ ਚਲਾਕ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ਏਕੀਕਰਨ (integration) ਤੋਂ ਆਉਂਦਾ ਹੈ।
ਉਦਾਹਰਨ ਲਈ, ਜਦੋਂ ਕਿ Sarvam AI ਬੁਨਿਆਦੀ ਮਾਡਲਾਂ ਦੀ ਖੋਜ ਕਰ ਰਿਹਾ ਹੈ, ਜ਼ਿਆਦਾਤਰ ਭਾਰਤੀ ਸਟਾਰਟਅੱਪਸ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਸੇਵਾ ਕਰਨ ਲਈ ਐਪਲੀਕੇਸ਼ਨ-ਲੇਅਰ ਸੋਲਿਊਸ਼ਨਜ਼ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਨ, ਮਹਿੰਗੀ ਬੇਸ-ਮਾਡਲ ਕ੍ਰਿਏਸ਼ਨ ਤੋਂ ਬਚਦੇ ਹੋਏ। ਸਫਲ ਵਰਕਫਲੋਅ AI ਮਾਡਲਾਂ ਦੀ ਨਿਰੰਤਰ ਉਪਲਬਧਤਾ ਅਤੇ ਕਿਫਾਇਤੀਤਾ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਜੋ ਅਕਸਰ ਵੱਡੀਆਂ ਅੰਤਰਰਾਸ਼ਟਰੀ ਟੈਕ ਫਰਮਾਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਹੁੰਦੇ ਹਨ।
ਭਵਿੱਖੀ ਵਿਕਾਸ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ
ਐਨਾਲਿਸਟਸ (Analysts) ਉਮੀਦ ਕਰਦੇ ਹਨ ਕਿ ਭਾਰਤ ਦਾ AI ਬਾਜ਼ਾਰ ਵਧਦਾ ਰਹੇਗਾ, ਜਿਸ ਵਿੱਚ ਮਨੋਰੰਜਨ (entertainment), ਸਿੱਖਿਆ (education) ਅਤੇ ਗਾਹਕ ਸੇਵਾ (customer service) ਵਰਗੇ ਸੈਕਟਰਾਂ ਵਿੱਚ AI ਕੁਸ਼ਲਤਾਵਾਂ (efficiencies) ਲਈ ਮਜ਼ਬੂਤ ਘਰੇਲੂ ਮੰਗ (domestic demand) ਹੋਵੇਗੀ। ਮੌਜੂਦਾ ਰੁਝਾਨ (trend) ਐਪਲਾਈਡ AI ਸੋਲਿਊਸ਼ਨਜ਼ 'ਤੇ ਵਧੇਰੇ ਫੋਕਸ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ, ਜੋ ਉਨ੍ਹਾਂ ਸਟਾਰਟਅੱਪਸ ਦੇ ਪੱਖ ਵਿੱਚ ਹੈ ਜੋ ਬਿਹਤਰ ਵਰਕਫਲੋਅ ਅਤੇ ਡਾਟਾ ਇਨਸਾਈਟਸ (data insights) ਰਾਹੀਂ ਨਿਵੇਸ਼ 'ਤੇ ਸਪੱਸ਼ਟ ਵਾਪਸੀ (return on investment) ਦਿਖਾ ਸਕਦੇ ਹਨ।
AI-ਜਨਰੇਟਿਡ ਮਾਈਕ੍ਰੋ-ਡਰਾਮਾ ਵਰਗੇ ਨਿਸ਼ ਮਾਰਕੀਟ (niche markets), ਜੋ ਪਹਿਲਾਂ ਹੀ ਮਜ਼ਬੂਤ ਮਾਲੀਆ ਸੰਭਾਵਨਾ (revenue potential) ਦਿਖਾ ਰਹੇ ਹਨ, ਨਵੀਨਤਾਕਾਰੀ ਐਪਲੀਕੇਸ਼ਨ-ਲੇਅਰ ਕੰਪਨੀਆਂ ਲਈ ਉਮੀਦ ਭਰੀਆਂ ਮੌਕਿਆਂ ਦਾ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ।