ਭਾਰਤ ਦਾ IT ਖਰਚ ਵਧਿਆ, ਪਰ ਕੰਪਨੀਆਂ 'ਤੇ ਅਸਰ ਘੱਟ!

ਭਾਰਤ ਦੀਆਂ ਕੰਪਨੀਆਂ ਟੈਕਨਾਲੋਜੀ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਸਾਲ 2026 ਤੱਕ IT ਖਰਚ ਵਿੱਚ 6% ਤੋਂ 8% ਦਾ ਵਾਧਾ ਦੇਖਣ ਨੂੰ ਮਿਲ ਸਕਦਾ ਹੈ। ਇਹ ਦਰ ਗਲੋਬਲ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਲਈ ਅਨੁਮਾਨਤ 4% ਤੋਂ 6% ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਮਜ਼ਬੂਤ ਨਿਵੇਸ਼ ਰੁਝਾਨ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਅਤੇ ਅਗਲੇ ਦੋ ਤੋਂ ਤਿੰਨ ਸਾਲਾਂ ਤੱਕ ਜਾਰੀ ਰਹਿਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਪਰ, ਇਸ ਖਰਚੇ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਦੇ ਬਾਵਜੂਦ, ਇੱਕ ਲਗਾਤਾਰ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ: ਨਿਵੇਸ਼ ਕੀਤੀ ਗਈ ਰਕਮ ਅਤੇ ਉਸ ਤੋਂ ਪ੍ਰਾਪਤ ਅਸਲ ਵਪਾਰਕ ਮੁੱਲ (Business Value) ਵਿਚਕਾਰ ਇੱਕ ਵੱਡਾ ਪਾੜਾ। ਇਹ ਅਸੰਤੁਲਨ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਜਦੋਂ ਕਿ ਟੈਕਨਾਲੋਜੀ ਪ੍ਰਤੀ ਵਚਨਬੱਧਤਾ ਉੱਚੀ ਹੈ, ਰਣਨੀਤਕ ਲਾਗੂਕਰਨ (Strategic Execution) ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਮਾਪਣ (Measuring Results) ਵਿੱਚ ਸੁਧਾਰ ਦੀ ਲੋੜ ਹੈ। ਕੰਪਨੀਆਂ ਹੁਣ ਸਿਰਫ਼ ਆਪਣੀ ਟੈਕ ਨੂੰ ਅੱਪਡੇਟ ਕਰਨ ਜਾਂ ਪਿਛਲੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ, ਕਾਰਜਾਂ ਦੀ ਮੁੜ ਕਲਪਨਾ (Reimagine Operations) ਕਰਨ ਅਤੇ ਭਵਿੱਖ ਲਈ ਤਿਆਰ ਟੈਕਨਾਲੋਜੀ ਸਿਸਟਮ ਬਣਾਉਣ ਦਾ ਟੀਚਾ ਰੱਖ ਰਹੀਆਂ ਹਨ।

ਪੂੰਜੀਗਤ ਖਰਚ (CapEx) AI ਅਤੇ ਡਾਟਾ ਵਿੱਚ ਨਿਵੇਸ਼ ਨੂੰ ਹੁਲਾਰਾ ਦੇ ਰਿਹਾ ਹੈ

ਭਾਰਤ ਦੇ ਮੌਜੂਦਾ ਟੈਕ ਨਿਵੇਸ਼ ਦੀ ਇੱਕ ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾ ਪੂੰਜੀਗਤ ਖਰਚ (Capital Spending - CapEx) ਵੱਲ ਮਜ਼ਬੂਤ ਝੁਕਾਅ ਹੈ। ਭਾਰਤੀ ਫਰਮਾਂ ਆਪਣੇ ਟੈਕ ਬਜਟ ਦਾ 50% ਤੋਂ 60% CapEx 'ਤੇ ਖਰਚ ਰਹੀਆਂ ਹਨ, ਜੋ ਕਿ ਗਲੋਬਲ ਔਸਤ 20% ਤੋਂ 30% ਤੋਂ ਕਾਫੀ ਜ਼ਿਆਦਾ ਹੈ। ਇਸ ਨਿਵੇਸ਼ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਹਿੱਸਾ AI ਪਲੇਟਫਾਰਮ ਅਤੇ ਡਾਟਾ ਮਾਡਰਨਾਈਜ਼ੇਸ਼ਨ 'ਤੇ ਜਾ ਰਿਹਾ ਹੈ, ਜੋ CapEx ਦਾ 30% ਹਿੱਸਾ ਬਣਦਾ ਹੈ। ਹੋਰ ਨਿਵੇਸ਼ਾਂ ਵਿੱਚ ਕੋਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦਾ ਆਧੁਨਿਕੀਕਰਨ (25%), ਕਲਾਉਡ ਅਤੇ IT ਇਨਫਰਾਸਟ੍ਰਕਚਰ (25%), ਅਤੇ ਸਾਈਬਰਸੁਰੱਖਿਆ (20%) ਸ਼ਾਮਲ ਹਨ। ਇਹ ਖਰਚ ਰਣਨੀਤੀ ਮੁੱਖ ਸ਼ਕਤੀਆਂ (Core Strengths) ਬਣਾਉਣ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਜਿਸ ਨਾਲ AI ਅਤੇ ਡਾਟਾ ਕੰਪਨੀ ਦੇ ਭਵਿੱਖ ਦੇ ਵਿਕਾਸ ਲਈ ਕੇਂਦਰੀ ਬਣ ਜਾਂਦੇ ਹਨ। ਫਿਰ ਵੀ, ਕਈ ਕੰਪਨੀਆਂ ਇੰਨੇ ਵੱਡੇ ਨਿਵੇਸ਼ਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਵਪਾਰਕ ਨਤੀਜਿਆਂ (Clear Business Results) ਵਿੱਚ ਬਦਲਣ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਅਜਿਹਾ ਅਕਸਰ ਵਪਾਰਕ ਟੀਚਿਆਂ ਅਤੇ IT ਲਾਗੂਕਰਨ ਵਿਚਕਾਰ ਮੇਲ ਨਾ ਖਾਣ, ਕਮਜ਼ੋਰ AI ਅਤੇ ਡਾਟਾ ਇਨਫਰਾਸਟ੍ਰਕਚਰ, ਅਤੇ ਪੁਰਾਣੇ ਕਾਰਜ ਮਾਡਲਾਂ (Operating Models) ਕਾਰਨ ਹੁੰਦਾ ਹੈ।

ਅਗਵਾਈ ਕਰਨ ਵਾਲੇ IT ਨੂੰ 'ਠੀਕ-ਠਾਕ' ਸਮਝਦੇ ਹਨ, 'ਰਣਨੀਤਕ' ਨਹੀਂ

ਟੈਕ ਖਰਚ ਵਿੱਚ ਇੰਨੀ ਵੱਡੀ ਵਾਧਾ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਇੱਕ ਮੁੱਖ ਵਿਰੋਧਾਭਾਸ਼ (Paradox) ਬਣਿਆ ਹੋਇਆ ਹੈ: ਬਹੁਤ ਘੱਟ, ਲਗਭਗ 15% ਕਾਰੋਬਾਰੀ ਲੀਡਰ ਹੀ IT ਨੂੰ ਅਸਲ ਵਿੱਚ ਰਣਨੀਤਕ (Strategic) ਮੰਨਦੇ ਹਨ। ਬਹੁਗਿਣਤੀ, 70%, ਇਸਨੂੰ "ਚੰਗਾ, ਪਰ ਬਹੁਤ ਵਧੀਆ ਨਹੀਂ" (Good, but not great) ਕਹਿੰਦੇ ਹਨ। ਇਹ ਗੰਭੀਰ IT ਖਰਚ ਤੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਚੁਣੌਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਮਾਹਰ ਕਈ ਪ੍ਰਣਾਲੀਗਤ ਸਮੱਸਿਆਵਾਂ (Systemic Problems) ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ ਜੋ ਸਰਵੋਤਮ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਰੋਕਦੀਆਂ ਹਨ। ਇਹਨਾਂ ਵਿੱਚ ਅਡਵਾਂਸ AI ਅਤੇ ਡਾਟਾ ਹੁਨਰਾਂ ਦੀ ਘਾਟ, ਨਵੇਂ ਟੈਕ ਨੂੰ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਨਾਲ ਜੋੜਨ ਦੀਆਂ ਚੁਣੌਤੀਆਂ, ਅਤੇ ਸਿਰਫ਼ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਪਰੇ ROI (Return on Investment) ਨੂੰ ਮਾਪਣ ਦੇ ਕੋਈ ਮਜ਼ਬੂਤ ਤਰੀਕਿਆਂ ਦੀ ਅਣਹੋਂਦ ਸ਼ਾਮਲ ਹੈ। ਜਦੋਂ ਕਿ AI ਨਿਵੇਸ਼ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਆਮ ਹੈ, ਡਾਟਾ ਪ੍ਰਬੰਧਨ, ਕਾਰਜਸ਼ੀਲ ਲਚਕਤਾ (Operational Flexibility), ਅਤੇ ਰਣਨੀਤਕ ਇਕਸਾਰਤਾ (Strategic Alignment) ਦੀ ਪਰਿਪੱਕਤਾ (Maturity) ਵੱਖੋ-ਵੱਖਰੀ ਹੈ। ਇਹ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਨੂੰ ਆਪਣੇ ਟੈਕ ਨਿਵੇਸ਼ਾਂ ਦਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਲਾਭ ਉਠਾਉਣ ਵਿੱਚ ਨੁਕਸਾਨ ਵਿੱਚ ਪਾ ਸਕਦਾ ਹੈ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਸਿਰਫ਼ ਪ੍ਰੋਜੈਕਟ ਪੂਰੇ ਕਰਨ ਦੀ ਬਜਾਏ ਨਤੀਜਿਆਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਗੀਆਂ, ਅਗਵਾਈ ਕਰਨਗੀਆਂ।

ਉੱਚ IT ਖਰਚ ਵਿੱਚ ਜੋਖਮ (Risks)

ਭਾਰਤ ਦੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਟੈਕ ਖਰਚ ਵਿੱਚ ਤੇਜ਼ ਵਾਧੇ ਦੇ ਨਾਲ ਜੋਖਮ ਵੀ ਜੁੜੇ ਹੋਏ ਹਨ। ਇੱਕ ਮੁੱਖ ਚਿੰਤਾ ਵੱਡੇ ਪੂੰਜੀਗਤ ਖਰਚ ਦੀ ਸੰਭਾਵੀ ਗਲਤ ਵੰਡ (Misallocation) ਹੈ, ਖਾਸ ਕਰਕੇ ਜੇਕਰ AI ਅਤੇ ਡਾਟਾ ਮਾਡਰਨਾਈਜ਼ੇਸ਼ਨ ਸਪੱਸ਼ਟ ਕੁਸ਼ਲਤਾ ਜਾਂ ਮਾਲੀਆ (Efficiency or Revenue) ਵਿੱਚ ਵਾਧਾ ਨਹੀਂ ਕਰਦੇ। ਮੁੱਲ ਪ੍ਰਦਾਨ ਕਰਨ (Value Delivery) ਵਿੱਚ ਲਗਾਤਾਰ ਪਾੜਾ ਡੂੰਘੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਵਿਸ਼ੇਸ਼ AI ਪ੍ਰਤਿਭਾ (Specialized AI Talent) ਦੀ ਘਾਟ ਅਤੇ ਨਵੇਂ ਟੈਕ ਨੂੰ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਨਾਲ ਜੋੜਨ ਵਿੱਚ ਚੁਣੌਤੀਆਂ, ਜੋ ਤਰੱਕੀ ਨੂੰ ਹੌਲੀ ਕਰਨਾ ਜਾਰੀ ਰੱਖ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, IT ਨੂੰ 'ਚੰਗਾ, ਪਰ ਬਹੁਤ ਵਧੀਆ ਨਹੀਂ' ਮੰਨਣ ਦਾ ਨਜ਼ਰੀਆ ਕਾਰਜਕਾਰੀ ਪੱਧਰ 'ਤੇ IT ਦੀ ਰਣਨੀਤਕ ਭੂਮਿਕਾ ਬਾਰੇ ਇੱਕ ਅੰਤਰ (Disconnect) ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਮੁੱਖ ਪਰਿਵਰਤਨ ਪ੍ਰੋਜੈਕਟਾਂ (Transformation Projects) ਲਈ ਘੱਟ ਸਮਰਥਨ ਹੋ ਸਕਦਾ ਹੈ। ਭਾਰਤ ਵਿੱਚ ਡਾਟਾ ਗੋਪਨੀਯਤਾ (Data Privacy) ਅਤੇ AI ਨਿਯਮਾਂ ਬਾਰੇ ਅਨਿਸ਼ਚਿਤਤਾ (Uncertainty) ਵੀ ਅਚਾਨਕ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ। ਕੁਝ ਗਲੋਬਲ ਵਿਰੋਧੀਆਂ ਦੇ ਮੁਕਾਬਲੇ ਜਿਨ੍ਹਾਂ ਕੋਲ ਵਧੇਰੇ ਪਰਿਪੱਕ ਡਿਜੀਟਲ ਨਿਯਮ ਹਨ, ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਦੇ ਨਾਲ-ਨਾਲ ਪ੍ਰਭਾਵੀ, ਅਨੁਕੂਲ (Compliant) ਵਰਤੋਂ ਲਈ ਜ਼ਰੂਰੀ ਤਿਆਰੀ ਕਰਨ ਦੀ ਦੋਹਰੀ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਜੋਖਮ ਪੈਦਾ ਕਰਦਾ ਹੈ ਕਿ ਖਰਚ ਤਿਆਰੀ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਸਕਦਾ ਹੈ।

ਟੈਕ ਸਫਲਤਾ ਲਈ ਨਤੀਜਿਆਂ 'ਤੇ ਧਿਆਨ ਜ਼ਰੂਰੀ

ਅੱਗੇ ਦੇਖਦੇ ਹੋਏ, 2026 ਦੇ ਟੈਕ ਬਜਟ ਦਾ ਲਗਭਗ 40% ਪਰਿਵਰਤਨ ਪ੍ਰੋਜੈਕਟਾਂ (Change Projects) ਲਈ ਰੱਖਿਆ ਗਿਆ ਹੈ, ਜਿਸਦਾ ਵੱਡਾ ਹਿੱਸਾ AI ਅਤੇ ਡਾਟਾ-ਅਧਾਰਿਤ ਪਰਿਵਰਤਨਾਂ (Data-driven Transformations) ਦਾ ਉਦੇਸ਼ ਹੈ। CIOs ਅਗਲੇ ਸਾਲ ਮੁੱਖ AI ਯੋਜਨਾਵਾਂ, ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਸਰਲ ਬਣਾਉਣ, ਅਤੇ ਡਾਟਾ ਸਿਸਟਮਾਂ ਨੂੰ ਅਪਗ੍ਰੇਡ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਉਮੀਦ ਹੈ। ਇਹ ਮਜ਼ਬੂਤ ਟੈਕ ਨੀਂਹਾਂ ਬਣਾਉਣ ਦੀ ਨਿਰੰਤਰ ਵਚਨਬੱਧਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਸਫਲਤਾ ਚਰਚਾ ਕੀਤੀ ਗਈ ਮੁੱਲ ਪ੍ਰਾਪਤੀ (Value Realization) ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕਰਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਕੰਪਨੀਆਂ ਨੂੰ ਟੈਕ ਤੈਨਾਤ (Deploying Tech) ਕਰਨ ਤੋਂ ਨਾਪਾਯੋਗ ਵਪਾਰਕ ਨਤੀਜਿਆਂ (Measurable Business Results) ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਵੱਲ ਆਪਣਾ ਧਿਆਨ ਬਦਲਣ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਵਿੱਚ ਕਾਰਜ ਮਾਡਲਾਂ (Operating Models) ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਸ਼ਾਮਲ ਹੈ ਕਿ IT ਅਤੇ ਵਪਾਰਕ ਕਾਰਜ (Business Functions) ਸੁਚਾਰੂ ਢੰਗ ਨਾਲ ਇਕੱਠੇ ਕੰਮ ਕਰਨ। ਅਗਲੇ ਦੋ ਤੋਂ ਤਿੰਨ ਸਾਲ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਲਈ ਆਪਣੇ ਅਭਿਲਾਸ਼ੀ ਟੈਕ ਨਿਵੇਸ਼ਾਂ ਅਤੇ ਉਹਨਾਂ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਰਣਨੀਤਕ ਮੁੱਲ ਵਿਚਕਾਰ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਅਹਿਮ ਹੋਣਗੇ।