ਖ਼ਬਰਾਂ ਮੁਤਾਬਿਕ, Artificial Intelligence (AI) ਕਾਰਨ ਹੁਣ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਪ੍ਰੋਡਕਸ਼ਨ ਦੇ ਨਾਲ-ਨਾਲ ਹਰ ਗਾਹਕ (Customer) ਦੀ ਲੋੜ ਮੁਤਾਬਿਕ ਚੀਜ਼ਾਂ ਬਣਾਉਣੀਆਂ ਸੰਭਵ ਹੋ ਗਈਆਂ ਹਨ। ਇਸਨੂੰ 'N=1, R=G' ਫਰੇਮਵਰਕ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਲਈ ਇਹ ਟੈਕਨਾਲੋਜੀ (Technology) ਆਪਣੇ ਕੰਮਕਾਜ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਗਾਹਕਾਂ ਨੂੰ ਖੁਸ਼ ਰੱਖਣ ਦਾ ਜ਼ਰੀਆ ਬਣ ਰਹੀ ਹੈ।
Artificial Intelligence (AI) ਕਾਰੋਬਾਰ ਕਰਨ ਦੇ ਤਰੀਕੇ ਅਤੇ ਗਾਹਕ ਸੇਵਾ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ। AI ਦੀ ਵਰਤੋਂ ਨਾਲ, ਕੰਪਨੀਆਂ ਹੁਣ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਿਅਕਤੀਗਤ (Personalized) ਅਨੁਭਵ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੋ ਰਹੀਆਂ ਹਨ। ਇਹ ਤਬਦੀਲੀ 'N=1, R=G' ਫਰੇਮਵਰਕ ਦੇ ਅਨੁਸਾਰ ਹੈ, ਜਿਸਨੂੰ ਮੈਨੇਜਮੈਂਟ ਗੁਰੂ CK Prahalad ਨੇ ਪ੍ਰਸਿੱਧ ਕੀਤਾ ਸੀ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕੰਪਨੀਆਂ ਹਰੇਕ ਗਾਹਕ (N=1) ਲਈ ਵਿਲੱਖਣ ਵੈਲਿਊ (Value) ਬਣਾ ਸਕਦੀਆਂ ਹਨ, ਦੁਨੀਆ ਭਰ ਦੇ ਸਰੋਤਾਂ ਅਤੇ ਪ੍ਰਤਿਭਾ (Talent) ਦੀ ਵਰਤੋਂ ਕਰਕੇ (R=G)।
ਚੇਨਈ ਵਿੱਚ ਹਾਲ ਹੀ 'ਚ ਹੋਏ 'CK Prahalad Next Practice Oration' ਦੌਰਾਨ, ਯੂਨੀਵਰਸਿਟੀ ਆਫ ਮਿਸ਼ੀਗਨ ਦੇ ਪ੍ਰੋਫੈਸਰ M S Krishnan ਨੇ ਕਿਹਾ ਕਿ AI ਇਸ ਤਬਦੀਲੀ ਵਿੱਚ ਇੱਕ ਕੈਟੇਲਿਸਟ (Catalyst) ਦਾ ਕੰਮ ਕਰਦਾ ਹੈ। ਰਵਾਇਤੀ ਕੰਪਨੀਆਂ ਅਕਸਰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਪ੍ਰੋਡਕਸ਼ਨ ਦੀ ਕੁਸ਼ਲਤਾ (Efficiency) ਅਤੇ ਮਹਿੰਗੀ ਹੈਂਡਕ੍ਰਾਫਟ ਕਸਟਮਾਈਜ਼ੇਸ਼ਨ (Customization) ਵਿਚਾਲੇ ਫਸੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ। AI ਟੂਲਸ ਇਸ ਗੈਪ ਨੂੰ ਭਰ ਰਹੇ ਹਨ, ਜਿਸ ਨਾਲ ਕੰਪਨੀਆਂ ਨੂੰ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਅਨੁਕੂਲ (Optimize) ਬਣਾਉਣ ਅਤੇ ਇੱਕੋ ਸਮੇਂ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਹੱਲ (Tailored Solutions) ਪੇਸ਼ ਕਰਨ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ। ਇਹ ਰੁਝਾਨ (Trend) ਹੈਲਥਕੇਅਰ, ਰਿਟੇਲ (Retail) ਅਤੇ ਮੈਨੂਫੈਕਚਰਿੰਗ (Manufacturing) ਵਰਗੇ ਸੈਕਟਰਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ, ਅਜਿਹੀਆਂ ਟੈਕਨਾਲੋਜੀਆਂ ਨੂੰ ਅਪਣਾਉਣਾ ਅਕਸਰ ਆਪਰੇਸ਼ਨਲ (Operational) ਵਿਕਾਸ ਦਾ ਸੰਕੇਤ ਹੁੰਦਾ ਹੈ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ AI ਨੂੰ ਕੂੜਾ ਘਟਾਉਣ, ਸਪਲਾਈ ਚੇਨ (Supply Chain) ਦੀ ਕੁਸ਼ਲਤਾ ਵਧਾਉਣ, ਜਾਂ ਗਾਹਕਾਂ ਦੀ ਸ਼ਮੂਲੀਅਤ (Customer Engagement) ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਸਫਲਤਾਪੂਰਵਕ ਲਾਗੂ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਮੁਕਾਬਲੇਬਾਜ਼ੀ (Competitive) ਲਾਭ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਫੋਕਸ ਹੁਣ ਸਿਰਫ਼ ਡਿਜੀਟਲ ਮੌਜੂਦਗੀ (Digital Presence) ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਡੀਪ-ਟੈਕ (Deep-Tech) ਏਕੀਕਰਨ 'ਤੇ ਹੋ ਗਿਆ ਹੈ ਜੋ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਵਪਾਰਕ ਨਤੀਜਿਆਂ (Business Outcomes) ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ।
ਇਸ ਸਮਾਗਮ ਵਿੱਚ ਉਨ੍ਹਾਂ ਸਟਾਰਟਅੱਪਸ (Startups) ਨੂੰ ਵੀ ਉਜਾਗਰ ਕੀਤਾ ਗਿਆ ਜੋ ਇਨ੍ਹਾਂ 'ਨੈਕਸਟ ਪ੍ਰੈਕਟਿਸ' (Next Practice) ਵਿਚਾਰਾਂ ਨੂੰ ਅਮਲ ਵਿੱਚ ਲਿਆ ਰਹੇ ਹਨ। S4S Technologies, ਇੱਕ ਐਗਰੀ-ਟੈਕ (Agri-tech) ਫਰਮ, ਨੂੰ ਭੋਜਨ ਦੀ ਬਰਬਾਦੀ ਘਟਾਉਣ ਲਈ ਉਸਦੇ ਮਾਡਲ ਲਈ ਪੁਰਸਕਾਰ (Award) ਮਿਲਿਆ। ਵਾਧੂ ਉਤਪਾਦਾਂ (Surplus Produce) ਦੀ ਖਰੀਦ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸੋਲਰ ਟੈਕਨਾਲੋਜੀ (Solar Technology) ਨਾਲ ਪ੍ਰੋਸੈਸ ਕਰਕੇ ਸਥਿਰ ਸਮੱਗਰੀ (Stable Ingredients) ਵਿੱਚ ਬਦਲਣ ਨਾਲ, ਇਹ ਫਰਮ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕਿਵੇਂ ਕਾਰੋਬਾਰ ਪ੍ਰਣਾਲੀਗਤ ਸਮੱਸਿਆਵਾਂ (Systemic Problems) ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਸਰੋਤਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾ ਸਕਦੇ ਹਨ। Pocket FM, Exponent Energy, ਅਤੇ Dhruva Aerospace ਵਰਗੇ ਹੋਰ ਸਟਾਰਟਅੱਪਸ, ਮਨੋਰੰਜਨ ਤੋਂ ਲੈ ਕੇ ਊਰਜਾ (Energy) ਅਤੇ ਪੁਲਾੜ (Space) ਤੱਕ ਦੇ ਵਿਭਿੰਨ ਸੈਕਟਰਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਜਿੱਥੇ ਮਾਰਕੀਟ ਦੀਆਂ ਖਾਸ ਚੁਣੌਤੀਆਂ (Market Challenges) ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਟੈਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।
ਜਦੋਂ ਕਿ AI-ਡਰਾਈਵਨ ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ (Personalization) ਦੀ ਸੰਭਾਵਨਾ (Potential) ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ, ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਵਿਹਾਰਕ ਚੁਣੌਤੀਆਂ (Practical Challenges) ਤੋਂ ਵੀ ਸੁਚੇਤ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਿਧਾਂਤ (Theory) ਤੋਂ ਅਮਲ (Execution) ਤੱਕ ਜਾਣ ਵਿੱਚ ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ (Data Privacy) ਦੀਆਂ ਚਿੰਤਾਵਾਂ, ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ (Legacy Systems) ਵਿੱਚ ਨਵੇਂ AI ਟੂਲਸ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਗੁੰਝਲਤਾ, ਅਤੇ ਸੰਗਠਨਾਤਮਕ (Organizational) ਤਬਦੀਲੀ ਦੀ ਲੋੜ ਵਰਗੇ ਜੋਖਮ (Risks) ਸ਼ਾਮਲ ਹਨ। ਹਰ ਕੰਪਨੀ ਇਨ੍ਹਾਂ ਹੱਲਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸਕੇਲ (Scale) ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋਵੇਗੀ। ਇੱਕ ਕਾਰੋਬਾਰ ਦੀ ਇਨ੍ਹਾਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਪਾਰ ਕਰਨ ਅਤੇ ਮਾਪਣਯੋਗ ਮਾਰਜਿਨ ਸੁਧਾਰ (Margin Improvement) ਜਾਂ ਮਾਰਕੀਟ ਸ਼ੇਅਰ (Market Share) ਵਾਧੇ ਵਿੱਚ ਟੈਕਨੋਲੋਜੀ ਨੂੰ ਅਨੁਵਾਦ ਕਰਨ ਦੀ ਯੋਗਤਾ ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਟਰੈਕ (Track) ਕਰਨ ਦਾ ਇੱਕ ਮੁੱਖ ਕਾਰਕ ਬਣੀ ਰਹੇਗੀ।