ਜਦੋਂ AI ਪ੍ਰਯੋਗ (Experimentation) ਤੋਂ ਪੂਰੇ ਪੱਧਰ 'ਤੇ ਲਾਗੂ (Deployment) ਹੋਣ ਲੱਗਦਾ ਹੈ, ਤਾਂ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਅਚਾਨਕ ਖਰਚਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਹੁਣ AI ਦੀ ਵਰਤੋਂ ਤੋਂ ਅਸਲ ਮੁਨਾਫੇ (Profitability) ਵੱਲ ਧਿਆਨ ਦੇ ਰਹੇ ਹਨ, ਅਤੇ ਇਸ ਗੱਲ 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਰਹੇ ਹਨ ਕਿ ਕੰਪਨੀਆਂ ਲਾਗਤਾਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਬੰਧਿਤ ਕਰਦੀਆਂ ਹਨ ਤਾਂ ਜੋ ਮੁਨਾਫੇ ਦੇ ਮਾਰਜਿਨ ਨੂੰ ਬਚਾਇਆ ਜਾ ਸਕੇ।
ਕੀ ਹੋਇਆ?
ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਸਫਰ 'ਚ ਕਾਰਪੋਰੇਟਸ (Enterprises) ਹੁਣ ਇੱਕ ਵਿੱਤੀ ਰੁਕਾਵਟ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਹਨ। ਇੱਕ ਸਾਲ ਦੇ AI ਪਾਇਲਟ ਪ੍ਰੋਗਰਾਮਾਂ ਤੋਂ ਬਾਅਦ, ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਇਹ ਪਾ ਰਹੀਆਂ ਹਨ ਕਿ ਇਹਨਾਂ ਟੂਲਜ਼ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਕਰਨ ਦੀ ਲਾਗਤ - ਜੋ ਅਕਸਰ ਟੋਕਨ ਵਰਤੋਂ (Token Usage) ਜਾਂ ਏਜੰਟ ਇੰਟਰੈਕਸ਼ਨ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦੀ ਹੈ - ਸ਼ੁਰੂਆਤੀ ਅਨੁਮਾਨਾਂ ਤੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਹੈ। ਜੋ "ਟੋਕਨਮੈਕਸਿੰਗ" (Tokenmaxxing - ਹਰ ਸੰਭਵ ਕੰਮ ਲਈ AI ਦੀ ਵਰਤੋਂ) ਘੱਟ ਲਾਗਤ ਨਾਲ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ, ਹੁਣ ਸਖਤ ਸ਼ਾਸਨ (Strict Governance) ਦੁਆਰਾ ਬਦਲਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਕੰਪਨੀਆਂ ਹੁਣ ਬਜਟ ਨੂੰ ਬੇਕਾਬੂ ਹੋਣ ਤੋਂ ਰੋਕਣ ਲਈ ਕੈਪਸ (Caps) ਅਤੇ ਲਾਗਤ-ਪ੍ਰਬੰਧਨ ਫਰੇਮਵਰਕ (Cost-Management Frameworks) ਲਾਗੂ ਕਰ ਰਹੀਆਂ ਹਨ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਮਾਰਜਿਨ ਟੈਸਟ
ਸ਼ੇਅਰਧਾਰਕਾਂ (Shareholders) ਲਈ, ਮੁੱਖ ਚਿੰਤਾ ਇਹ ਹੈ ਕਿ ਇਹ "ਗੁਪਤ ਲਾਗਤ ਬਲੋਅਪਸ" (Silent Cost Blowups) ਕੰਪਨੀ ਦੀ ਨੀਚਲੀ ਲਾਈਨ (Bottom Line) ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਇੱਕ AI ਏਜੰਟ ਕੰਮ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਕਈ ਸਿਸਟਮਾਂ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਲਾਗਤਾਂ ਵਧ ਸਕਦੀਆਂ ਹਨ ਜੋ ਤੁਰੰਤ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੋ ਸਕਦੀਆਂ। ਟੈਕ-ਹੈਵੀ ਫਰਮਾਂ (Tech-Heavy Firms) ਲਈ, ਇਹਨਾਂ ਖਰਚਿਆਂ 'ਤੇ ਨਜ਼ਰ ਨਾ ਰੱਖਣ ਨਾਲ ਓਪਰੇਟਿੰਗ ਮਾਰਜਿਨ (Operating Margins) 'ਤੇ ਦਬਾਅ ਪੈ ਸਕਦਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਕੰਪਨੀਆਂ ਸਿਰਫ "AI ਦੀ ਵਰਤੋਂ" ਤੋਂ "ਖਰਚੇ ਗਏ ਹਰ ਡਾਲਰ ਦੇ ਬਿਜ਼ਨਸ ਵੈਲਿਊ" (Business Value Per Dollar Spent) ਜਨਰੇਟ ਕਰਨ ਵੱਲ ਆਪਣਾ ਧਿਆਨ ਬਦਲ ਰਹੀਆਂ ਹਨ। ਪ੍ਰਬੰਧਨ ਦੀ AI-ਸਬੰਧਤ ਓਵਰਹੈੱਡ (Overhead) ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਦੀ ਯੋਗਤਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਫਰਕ ਹੋਵੇਗੀ ਕਿ ਕਿਹੜੀਆਂ ਫਰਮਾਂ ਮੁਨਾਫੇ ਦੀ ਕੁਰਬਾਨੀ ਦਿੱਤੇ ਬਿਨਾਂ ਉਤਪਾਦਕਤਾ ਲਾਭ (Productivity Gains) ਦੇਖਦੀਆਂ ਹਨ।
ਪ੍ਰਯੋਗ ਤੋਂ ਮੁੱਲ (Value) ਵੱਲ ਵਧਣਾ
ਇੰਡਸਟਰੀ ਲੀਡਰ ਆਪਣੀਆਂ ਰਣਨੀਤੀਆਂ (Strategies) ਨੂੰ ਬਦਲ ਰਹੇ ਹਨ। Cyient ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਹੈ ਕਿ ਟੀਚਾ ਸਿਰਫ AI ਏਜੰਟਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਉਹ ਖਾਸ ਵਰਕਫਲੋਜ਼ (Workflows) ਵਿੱਚ ਠੋਸ ਕਾਰੋਬਾਰੀ ਮੁੱਲ (Tangible Business Value) ਜੋੜਦੇ ਹਨ। ਇਸ ਦੌਰਾਨ, Nazara Technologies ਵਰਗੀਆਂ ਫਰਮਾਂ ਮਾਲੀਆ ਵਧਾਉਣ (Revenue Expansion) ਵੱਲ ਆਪਣਾ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੀਆਂ ਹਨ - ਜਿਵੇਂ ਕਿ ਕੰਟੈਂਟ ਆਉਟਪੁੱਟ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਗਾਹਕਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ - ਨਾ ਕਿ ਸਿਰਫ ਖਰਚੇ ਘਟਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ। ਇਹ ਬਦਲਾਅ ਇਸ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਇਹ ਟਾਪ ਲਾਈਨ (Top Line) ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਦਾ ਟੀਚਾ ਰੱਖਦਾ ਹੈ, ਜੋ AI ਇਨਫਰਾਸਟਰਕਚਰ (Infrastructure) ਲਈ ਲੋੜੀਂਦੇ ਨਿਵੇਸ਼ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਪੂਰਾ ਕਰ ਸਕਦਾ ਹੈ।
ਸ਼ਾਸਨ (Governance) ਨਵਾਂ ਮੈਟ੍ਰਿਕ ਬਣਿਆ
ਬਜਟ ਓਵਰਰਨ (Budget Overruns) ਅਕਸਰ ਸਹੀ ਨਿਗਰਾਨੀ (Oversight) ਦੀ ਘਾਟ ਨਾਲ ਜੁੜੇ ਹੁੰਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਕਲਾਉਡ (Cloud) ਅਤੇ ਸੌਫਟਵੇਅਰ ਖਰਚਿਆਂ ਲਈ ਆਮ ਤੌਰ 'ਤੇ ਮਾਹਰ ਮਨਜ਼ੂਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ (Approval Processes) ਹੁੰਦੀਆਂ ਹਨ, AI ਦੀ ਖਪਤ ਅਕਸਰ ਇਹਨਾਂ ਮੌਜੂਦਾ ਫਰੇਮਵਰਕਸ (Frameworks) ਤੋਂ ਬਾਹਰ ਹੁੰਦੀ ਹੈ। ਇੰਡਸਟਰੀ ਰਿਪੋਰਟਾਂ ਅਨੁਸਾਰ, ਅਜੇ ਵੀ ਬਹੁਤ ਸਾਰੇ ਕਾਰਪੋਰੇਟਸ ਕੋਲ ਏਜੰਟਿਕ AI (Agentic AI) ਲਈ ਇੱਕ ਪਰਿਪੱਕ ਸ਼ਾਸਨ ਮਾਡਲ (Mature Governance Model) ਨਹੀਂ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, AI ਗਵਰਨੈਂਸ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਖਰਚਾ ਵੱਧ ਰਿਹਾ ਹੈ, ਕਿਉਂਕਿ ਕੰਪਨੀਆਂ "ਰਨਅਵੇ" ਬਿਲਿੰਗ (Runaway Billing) ਨੂੰ ਰੋਕਣ ਲਈ ਰੀਅਲ-ਟਾਈਮ ਅਸੰਗਤਤਾ ਖੋਜ (Real-time Anomaly Detection) ਅਤੇ ਵਰਤੋਂ ਨਿਯੰਤਰਣ (Usage Controls) ਬਣਾਉਣ ਲਈ ਜੁਟੀਆਂ ਹੋਈਆਂ ਹਨ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ?
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਆਉਣ ਵਾਲੀਆਂ ਤਿਮਾਹੀ ਕਮਾਈ ਰਿਪੋਰਟਾਂ (Quarterly Earnings Reports) ਵਿੱਚ ਪ੍ਰਬੰਧਨ ਦੀ ਟਿੱਪਣੀ (Management Commentary) 'ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਤਕਨਾਲੋਜੀ ਖਰਚੇ (Technology Spending) ਅਤੇ ਮਾਰਜਿਨ ਗਾਈਡੈਂਸ (Margin Guidance) ਬਾਰੇ। ਮੁੱਖ ਮਾਨੀਟਰ ਕਰਨ ਯੋਗ ਗੱਲਾਂ ਇਹ ਹਨ:
- ਕੀ ਕੰਪਨੀਆਂ ਆਮ ਤਕਨਾਲੋਜੀ ਖਰਚਿਆਂ ਬਨਾਮ ਵਿਸ਼ੇਸ਼ "AI ਲਾਗੂ ਕਰਨ ਦੀ ਲਾਗਤ" (AI Implementation Costs) ਦਾ ਖੁਲਾਸਾ ਕਰਦੀਆਂ ਹਨ?
- ਪ੍ਰਾਈਸਿੰਗ ਮਾਡਲਾਂ (Pricing Models) ਵਿੱਚ ਬਦਲਾਅ — ਪ੍ਰਤੀ-ਟੋਕਨ ਵਰਤੋਂ ਫੀਸ (Per-token Usage Fees) ਦੀ ਬਜਾਏ ਨਤੀਜਾ-ਆਧਾਰਿਤ ਕੀਮਤ (Outcome-Based Pricing) ਵੱਲ ਵਧਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਦੀ ਭਾਲ ਕਰੋ।
- AI ਸ਼ਾਸਨ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ (Effectiveness of AI Governance) — ਲਾਗਤ ਨਿਯੰਤਰਣ (Cost Controls), ਵਰਤੋਂ ਕੈਪਸ (Usage Caps), ਜਾਂ ਕੇਂਦਰੀਕ੍ਰਿਤ AI ਪਲੇਟਫਾਰਮਾਂ (Centralized AI Platforms) ਦਾ ਕੋਈ ਵੀ ਜ਼ਿਕਰ ਮਾਰਜਿਨ ਸਿਹਤ (Margin Health) ਲਈ ਇੱਕ ਸਕਾਰਾਤਮਕ ਸੰਕੇਤ ਹੈ।
- ਓਪਰੇਟਿੰਗ ਕੁਸ਼ਲਤਾ (Operating Efficiency) 'ਤੇ AI ਦਾ ਪ੍ਰਭਾਵ — ਕੀ ਕੰਪਨੀਆਂ ਅਸਲ ਵਿੱਚ ਇੱਕ ਗਾਹਕ ਨੂੰ ਸੇਵਾ ਦੇਣ ਦੀ ਲਾਗਤ ਘਟਾ ਰਹੀਆਂ ਹਨ, ਜਾਂ ਉਹ ਸਿਰਫ ਖਰਚਿਆਂ ਨੂੰ ਨਵੇਂ AI ਵਿਕਰੇਤਾਵਾਂ (AI Vendors) ਵੱਲ ਤਬਦੀਲ ਕਰ ਰਹੀਆਂ ਹਨ?