ਭਾਰਤ ਵਿੱਚ AI ਦੀ ਦੌੜ: ਸ਼ਾਨਦਾਰ ਗਰੋਥ ਦੇ ਬਾਵਜੂਦ ਕੰਪਨੀਆਂ ਸਾਹਮਣੇ ਵੱਡੀਆਂ ਚੁਣੌਤੀਆਂ

AI ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਲੋੜ ਬਨਾਮ ਕੰਪਨੀਆਂ ਦੀ ਅਸਲੀਅਤ

ਭਾਰਤ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੂੰ ਅਪਣਾਉਣ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਇੱਕ ਮੋਹਰੀ ਦੇਸ਼ ਬਣ ਕੇ ਉਭਰ ਰਿਹਾ ਹੈ। ਇਸ ਗੱਲ ਦਾ ਸਬੂਤ ਕੰਪਨੀਆਂ ਦੁਆਰਾ AI/ML (ਮਸ਼ੀਨ ਲਰਨਿੰਗ) ਨਾਲ ਕੀਤੇ ਗਏ ਲੈਣ-ਦੇਣ ਦੀ ਵੱਡੀ ਗਿਣਤੀ ਅਤੇ ਪ੍ਰਯੋਗਿਕ ਪੜਾਅ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਵਿਆਪਕ ਵਰਤੋਂ ਵਿੱਚ ਆਉਣ ਤੋਂ ਮਿਲਦਾ ਹੈ। ਹਾਲੀਆ ਰਿਪੋਰਟਾਂ ਦੱਸਦੀਆਂ ਹਨ ਕਿ ਭਾਰਤ ਦੁਨੀਆ ਵਿੱਚ ਦੂਜੇ ਨੰਬਰ 'ਤੇ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਸਿਰਫ ਅਮਰੀਕਾ ਹੀ ਆਉਂਦਾ ਹੈ। ਇਸ ਮੁਮੈਂਟਮ ਨੂੰ ਸਰਕਾਰੀ ਪਹਿਲਕਦਮੀਆਂ, AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਅਤੇ AI-ਸਮਰਥਿਤ ਵਰਕਫੋਰਸ ਦਾ ਵਧਣਾ ਪੋਸ਼ਣ ਦੇ ਰਿਹਾ ਹੈ। ਭਾਰਤ ਵਿੱਚ AI ਬਾਰੇ ਚਰਚਾ ਹੁਣ ਸਿਰਫ ਸੰਭਾਵਨਾਵਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਵਿਹਾਰਕ ਵਰਤੋਂ ਵੱਲ ਵਧ ਰਹੀ ਹੈ। Wipro ਦੇ ਕਾਰਜਕਾਰੀ ਚੇਅਰਮੈਨ ਰਿਸ਼ਾਦ ਪ੍ਰੇਮਜੀ ਨੇ ਇਸ ਇਨਫਲੈਕਸ਼ਨ ਪੁਆਇੰਟ ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਹੋਏ ਕਿਹਾ ਹੈ ਕਿ ਗੱਲਬਾਤ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ 'ਸੰਭਾਵਨਾ ਤੋਂ ਵਿਹਾਰਕਤਾ, ਪ੍ਰਯੋਗ ਤੋਂ ਅਪਣਾਉਣ' ਵੱਲ ਬਦਲ ਗਈ ਹੈ। ਪ੍ਰੇਮਜੀ ਦਾ ਇਹ ਵੀ ਕਹਿਣਾ ਹੈ ਕਿ ਸਾਲ 2026 ਤੱਕ ਕੰਪਨੀਆਂ AI ਸੋਲਿਊਸ਼ਨਾਂ ਨੂੰ 'ਪਾਇਲਟਿੰਗ ਤੋਂ ਸਕੇਲਿੰਗ ਅਤੇ ਪ੍ਰੋਡਕਟਾਈਜ਼' ਕਰਨ ਵੱਲ ਵਧ ਜਾਣਗੀਆਂ।

ਐਂਟਰਪ੍ਰਾਈਜ਼ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਵਿੱਚ ਫਸਾਵਟ

ਵਿਆਪਕ ਉਤਸ਼ਾਹ ਅਤੇ ਵਧਦੇ ਨਿਵੇਸ਼ਾਂ ਦੇ ਬਾਵਜੂਦ, AI ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਇੱਛਾਵਾਂ ਅਤੇ ਅਸਲ ਕਾਰਜਾਂ ਵਿਚਾਲੇ ਇੱਕ ਵੱਡਾ ਪਾੜਾ ਮੌਜੂਦ ਹੈ। ਕਈ ਰਿਪੋਰਟਾਂ ਦੱਸਦੀਆਂ ਹਨ ਕਿ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਭਾਵੇਂ ਪ੍ਰਯੋਗ ਕਰਨ ਵਿੱਚ ਤੇਜ਼ ਹਨ, ਪਰ ਬਹੁਤ ਸਾਰੀਆਂ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਅੱਗੇ ਨਹੀਂ ਵਧ ਸਕਦੀਆਂ। ਮੁੱਖ ਰੁਕਾਵਟਾਂ ਵਿੱਚ ਖਿੰਡਿਆ ਹੋਇਆ ਡਾਟਾ, ਡਾਟਾ ਸਾਈਲੋਜ਼, ਅਤੇ ਪੁਰਾਣੀਆਂ ਪ੍ਰਣਾਲੀਆਂ (legacy systems) ਵਿੱਚ AI ਨੂੰ ਏਕੀਕ੍ਰਿਤ (integrate) ਕਰਨ ਦੀ ਗੁੰਝਲਤਾ ਸ਼ਾਮਲ ਹੈ। ਮਾਹਰਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ AI ਮਾਡਲ ਨਿਯੰਤਰਿਤ ਵਾਤਾਵਰਣ ਵਿੱਚ ਚੰਗਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ ਪਰ ਜਦੋਂ ਉਨ੍ਹਾਂ ਨੂੰ ਜਟਿਲ, ਅਸਲ-ਦੁਨੀਆ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਵੱਡੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਏਕੀਕਰਨ ਅਤੇ ਸ਼ਾਸਨ (governance) ਲੋੜਾਂ ਦੀ ਪਾਲਣਾ ਪ੍ਰਭਾਵ ਨੂੰ ਸੀਮਤ ਕਰਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇੱਕ ਸਪੱਸ਼ਟ ਅਤੇ ਮਾਪਣਯੋਗ ਰਿਟਰਨ ਆਨ ਇਨਵੈਸਟਮੈਂਟ (ROI) ਸਾਬਤ ਕਰਨਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟ ਬਣਿਆ ਹੋਇਆ ਹੈ, ਜਿਸ ਕਾਰਨ ਸੰਸਥਾਵਾਂ ਦਾ ਇੱਕ ਵੱਡਾ ਪ੍ਰਤੀਸ਼ਤ AI ਦੇ ਵਪਾਰਕ ਮੁੱਲ ਨੂੰ ਮਾਪਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਦੀ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ। ਇਹ 'ਪ੍ਰੀ-ਸਕੇਲ' ਚੁਣੌਤੀ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਵਿਹਾਰਕਤਾਵਾਂ ਸ਼ੁਰੂਆਤੀ ਆਸ਼ਾਵਾਦ ਦੀ ਪ੍ਰੀਖਿਆ ਲੈ ਰਹੀਆਂ ਹਨ, ਜਿਸ ਲਈ ਮਜ਼ਬੂਤ ​​ਡਾਟਾ ਗਵਰਨੈਂਸ ਅਤੇ ਕ੍ਰਾਸ-ਫੰਕਸ਼ਨਲ ਟੀਮ ਬਿਲਡਿੰਗ 'ਤੇ ਧਿਆਨ ਦੇਣ ਦੀ ਲੋੜ ਹੈ।

ਡਾਟਾ, ਸਕਿੱਲਜ਼ ਅਤੇ ਸੁਰੱਖਿਆ ਦੀ ਖਾਣ ਵਿੱਚੋਂ ਲੰਘਣਾ

ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਤੋਂ ਇਲਾਵਾ, ਕਈ ਹੋਰ ਕਾਰਕ AI ਦੇ ਨਿਰਵਿਘਨ ਸਕੇਲਿੰਗ ਨੂੰ ਸੀਮਤ ਕਰ ਰਹੇ ਹਨ। ਇੱਕ ਨਿਰੰਤਰ ਸਕਿੱਲ ਗੈਪ (ਕੁਸ਼ਲਤਾ ਪਾੜਾ) ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟ ਬਣਿਆ ਹੋਇਆ ਹੈ, ਜਿਸ ਕਾਰਨ ਬਹੁਤ ਸਾਰੀਆਂ ਸੰਸਥਾਵਾਂ ਕੋਲ ਅਡਵਾਂਸਡ AI ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਪ੍ਰਭਾਵੀ ਢੰਗ ਨਾਲ ਲਾਗੂ ਕਰਨ ਅਤੇ ਪ੍ਰਬੰਧਨ ਲਈ ਅੰਦਰੂਨੀ ਮਹਾਰਤ ਦੀ ਘਾਟ ਹੈ। ਇਸ ਘਾਟ ਕਾਰਨ AI ਅਤੇ ਡਾਟਾ ਪਹਿਲਕਦਮੀਆਂ ਲਈ ਬਾਹਰੀ ਭਾਈਵਾਲਾਂ 'ਤੇ ਭਾਰੀ ਨਿਰਭਰਤਾ ਬਣੀ ਹੋਈ ਹੈ। ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਉਪਲਬਧਤਾ ਵੀ ਵੱਡੀਆਂ ਚਿੰਤਾਵਾਂ ਹਨ; AI ਮਾਡਲਾਂ ਨੂੰ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਡਾਟਾ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨੂੰ ਇਕੱਠਾ ਕਰਨ, ਬਣਾਈ ਰੱਖਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਭਾਰਤੀ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਖਿੰਡੀਆਂ ਹੋਈਆਂ ਪ੍ਰਣਾਲੀਆਂ ਕਾਰਨ ਮੁਸ਼ਕਲ ਆਉਂਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਵੇਂ-ਜਿਵੇਂ AI ਅਪਣਾਉਣਾ ਤੇਜ਼ ਹੁੰਦਾ ਹੈ, ਸੁਰੱਖਿਆ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਵੀ ਵਧ ਰਹੀਆਂ ਹਨ। AI ਨਵੀਨਤਾ ਦੀ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ ਦੀ ਪਰਿਪੱਕਤਾ ਨੂੰ ਪਛਾੜ ਰਹੀ ਹੈ, ਜਿਸ ਨਾਲ ਅਜਿਹੇ ਖਤਰਨਾਕ ਖੇਤਰ ਬਣ ਰਹੇ ਹਨ ਜਿੱਥੇ ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ ਦਾ ਖੁਲਾਸਾ ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਸਪੱਸ਼ਟ ਸੁਰੱਖਿਆ ਤਰਜੀਹ ਦੀ ਲੋੜ ਹੈ ਜੋ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਸਮਝਣ, ਡਾਟਾ ਪ੍ਰਵਾਹਾਂ ਦੀ ਸਾਵਧਾਨੀ ਨਾਲ ਜਾਂਚ ਕਰਨ, ਅਤੇ ਨਿਯੰਤਰਣਾਂ ਨੂੰ ਲਗਾਤਾਰ ਲਾਗੂ ਕਰਨ 'ਤੇ ਕੇਂਦਰਿਤ ਹੋਵੇ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ 'ਏਜੰਟਿਕ AI' ਮਸ਼ੀਨ-ਗਤੀ ਦੇ ਸੰਘਰਸ਼ ਲਈ ਨਵੇਂ ਤਰੀਕੇ ਪੇਸ਼ ਕਰਦਾ ਹੈ।

ਮਨੁੱਖੀ ਪਹਿਲੂ: ਰੀਸਕਿੱਲਿੰਗ ਅਤੇ ਅਨੁਕੂਲਨ

ਰਿਸ਼ਾਦ ਪ੍ਰੇਮਜੀ ਲਗਾਤਾਰ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ ਸਫਲ AI ਅਪਣਾਉਣਾ ਤਕਨਾਲੋਜੀ ਜਿੰਨਾ ਹੀ ਲੋਕਾਂ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਤਰਕ ਹੈ ਕਿ ਮਨੁੱਖਾਂ ਅਤੇ ਮਸ਼ੀਨਾਂ ਵਿਚਕਾਰ ਕੋਈ ਵੰਡ ਰੇਖਾ ਨਹੀਂ ਹੋਵੇਗੀ, ਬਲਕਿ 'ਉਨ੍ਹਾਂ ਵਿਚਕਾਰ ਹੋਵੇਗੀ ਜੋ ਅਨੁਕੂਲ ਹੁੰਦੇ ਹਨ ਅਤੇ ਜੋ ਝਿਜਕਦੇ ਹਨ।' ਇਸ ਲਈ ਟੀਮਾਂ ਨੂੰ ਰੀਸਕਿੱਲ (ਨਵੇਂ ਹੁਨਰ ਸਿਖਾਉਣ) ਕਰਨ, ਨੌਕਰੀ ਦੀਆਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨ ਅਤੇ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸਰਗਰਮ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੈ। ਪ੍ਰੇਮਜੀ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ 'AI ਫਲੂਐਂਸੀ (AI ਬਾਰੇ ਚੰਗੀ ਸਮਝ) ਨਵਾਂ ਡਿਜੀਟਲ ਕਰੰਸੀ' ਹੈ ਅਤੇ ਭਵਿੱਖੀ ਰੋਜ਼ਗਾਰ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਚੁਣੌਤੀ ਇਹ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਵਿਅਕਤੀਆਂ ਨੂੰ ਕਿਵੇਂ ਬਦਲਿਆ ਜਾਵੇ ਜਿਨ੍ਹਾਂ ਦੇ ਕੰਮ ਸਵੈਚਾਲਤ (automated) ਹੋ ਸਕਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਜੋ AI ਸਮਰੱਥਾ ਨੂੰ ਪੂਰਕ ਬਣਾਉਂਦੀਆਂ ਹਨ ਜਾਂ AI ਦੁਆਰਾ ਖੁਦ ਬਣਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਜਦੋਂ ਕਿ AI ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਲੱਖਾਂ ਨੌਕਰੀਆਂ ਨੂੰ ਵਿਘਨ ਪਾਉਣ ਦੀ ਉਮੀਦ ਹੈ, ਇਹ ਨਵੀਆਂ ਨੌਕਰੀਆਂ ਵੀ ਪੈਦਾ ਕਰੇਗਾ, ਜਿਸ ਨਾਲ ਵਰਕਫੋਰਸ ਅਨੁਕੂਲਨ ਅਤੇ ਨਿਰੰਤਰ ਸਿੱਖਿਆ ਸਰਬੋਤਮ ਬਣ ਜਾਂਦੀ ਹੈ। ਸੰਸਥਾਵਾਂ ਨੂੰ ਰੀਸਕਿੱਲਿੰਗ ਪਹਿਲਕਦਮੀਆਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਇੱਕ ਅਜਿਹੀ ਸੰਸਕ੍ਰਿਤੀ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਬਦਲਾਅ ਨੂੰ ਸਵੀਕਾਰ ਕਰੇ ਤਾਂ ਜੋ ਉਨ੍ਹਾਂ ਦਾ ਵਰਕਫੋਰਸ AI-ਸੰਚਾਲਿਤ ਅਰਥਚਾਰੇ ਵਿੱਚ ਸਾਰਥਕ ਬਣਿਆ ਰਹੇ।

ਮਾਰਕੀਟ ਆਊਟਲੁੱਕ ਅਤੇ ਢਾਂਚਾਗਤ ਬਦਲਾਅ

ਸਮੁੱਚੇ ਭਾਰਤੀ IT ਸੈਕਟਰ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲ ਰਹੀ ਮੰਦੀ ਦਾ ਅਨੁਭਵ ਕੀਤਾ ਹੈ, ਜਿਸ ਕਾਰਨ ਹਾਲੀਆ ਸਾਲਾਂ ਵਿੱਚ ਸ਼ੇਅਰਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਪਿੱਛੇ ਰਿਹਾ ਹੈ। ਜਦੋਂ ਕਿ AI ਅਪਣਾਉਣ ਨਾਲ ਆਖਰਕਾਰ ਗਰੋਥ ਨੂੰ ਹੁਲਾਰਾ ਮਿਲਣ ਦੀ ਉਮੀਦ ਹੈ, IT ਸੇਵਾ ਕੰਪਨੀਆਂ ਲਈ ਮਾਲੀਆ 'ਤੇ ਇਸਦਾ ਤਤਕਾਲ ਪ੍ਰਭਾਵ ਜਟਿਲ ਹੈ। AI ਰਾਹੀਂ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਵਾਧਾ 'ਘੱਟ ਲੋਕਾਂ ਨਾਲ ਵਧੇਰੇ ਕੰਮ' ਕਰ ਸਕਦਾ ਹੈ, ਜੋ ਗਾਹਕਾਂ ਨੂੰ ਲਾਭ ਪਹੁੰਚਾਉਂਦਾ ਹੈ ਪਰ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਟਾਪ-ਲਾਈਨ ਦੇ ਵਿਸਤਾਰ ਲਈ ਇੱਕ ਮੁਸ਼ਕਲ (headwind) ਵਜੋਂ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਚੁਣੌਤੀਆਂ ਦੇ ਬਾਵਜੂਦ, ਭਾਰਤ ਦੀ ਪ੍ਰਤਿਭਾ ਵਿੱਚ ਬੁਨਿਆਦੀ ਤਾਕਤਾਂ ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ AI ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਇਸਨੂੰ ਵਿਲੱਖਣ ਸਥਿਤੀ ਵਿੱਚ ਰੱਖਦੀ ਹੈ। AI ਵਿੱਚ ਵਾਧਾ ਵਧੇਰੇ ਓਪਨ-ਸੋਰਸ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ, ਸਟਾਰਟਅੱਪਸ ਲਈ ਰੁਕਾਵਟਾਂ ਨੂੰ ਘਟਾ ਰਿਹਾ ਹੈ ਅਤੇ ਸਥਾਨਕ ਲੋੜਾਂ ਅਨੁਸਾਰ ਨਵੀਨਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਧਿਆਨ ਅਮੂਰਤ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਤੋਂ ਮਾਪਣਯੋਗ ਆਰਥਿਕ, ਸਮਾਜਿਕ ਅਤੇ ਸੰਸਥਾਗਤ ਪ੍ਰਭਾਵ ਵੱਲ ਬਦਲ ਰਿਹਾ ਹੈ, ਜੋ ਵਿਕਾਸ ਅਤੇ ਅਨੁਕੂਲਨ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਵਾਲੇ AI ਗਵਰਨੈਂਸ ਦੇ ਇੱਕ ਪਰਿਪੱਕ ਪੜਾਅ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।