ਭਾਵੇਂ ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ AI ਨਾਲ ਪ੍ਰਯੋਗ ਕਰ ਰਹੀਆਂ ਹਨ, ਪਰ ਰਣਨੀਤਕ ਨਿਗਰਾਨੀ ਦੀ ਘਾਟ ਕਾਰਨ ਠੋਸ ਵਿੱਤੀ ਲਾਭ ਨਹੀਂ ਹੋ ਰਿਹਾ। ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ, AI ਅਪਣਾਉਣ ਦੇ ਦਾਅਵਿਆਂ ਤੋਂ ਹੱਟ ਕੇ ਮੁਨਾਫੇ (Profit Margins) ਅਤੇ ਮਾਲੀਆ (Revenue) 'ਤੇ ਮਾਪਣਯੋਗ ਪ੍ਰਭਾਵਾਂ ਵੱਲ ਧਿਆਨ ਦੇਣਾ ਲਾਜ਼ਮੀ ਹੈ। ਜੋ ਕੰਪਨੀਆਂ ਇਸ ਲੀਡਰਸ਼ਿਪ ਗੈਪ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ AI ਨਿਵੇਸ਼ਾਂ (Investments) ਨੂੰ ਵਿਕਾਸ ਦੇ ਸਾਧਨਾਂ (Growth Drivers) ਦੀ ਬਜਾਏ ਖਰਚ ਕੇਂਦਰ (Cost Centers) ਬਣਨ ਦਾ ਖਤਰਾ ਹੈ।
ਕੀ ਹੋਇਆ?
ਹਾਲ ਹੀ ਦੇ ਇੰਡਸਟਰੀ ਡਾਟਾ ਨੇ ਕਾਰਪੋਰੇਟ ਬੋਰਡਰੂਮਾਂ ਵਿੱਚ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਦੀ ਸਪੱਸ਼ਟ ਤਸਵੀਰ ਪੇਸ਼ ਕੀਤੀ ਹੈ। Gartner ਦੇ ਇੱਕ ਸਰਵੇਖਣ (Survey) ਨੇ ਇੱਕ ਵੱਡਾ ਵਿਰੋਧਾਭਾਸ (Paradox) ਦਿਖਾਇਆ ਹੈ: ਜਿੱਥੇ 78% ਸੰਸਥਾਵਾਂ ਨੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਕਾਰੋਬਾਰੀ ਫੰਕਸ਼ਨ ਵਿੱਚ AI ਨੂੰ ਲਾਗੂ (Deploy) ਕੀਤਾ ਹੈ, ਉੱਥੇ ਸਿਰਫ਼ 27% ਕੋਲ ਹੀ ਇੱਕ ਵਿਆਪਕ AI ਰਣਨੀਤੀ (Strategy) ਹੈ। ਸ਼ੇਅਰਧਾਰਕਾਂ (Shareholders) ਲਈ ਸ਼ਾਇਦ ਇਸ ਤੋਂ ਵੀ ਜ਼ਿਆਦਾ ਚਿੰਤਾਜਨਕ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਵਿੱਚੋਂ ਸਿਰਫ਼ 20% ਹੀ ਆਪਣੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਸੱਚਮੁੱਚ 'AI-Ready' ਮੰਨਦੀਆਂ ਹਨ।
ਇਹ ਗੈਪ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਭਾਵੇਂ ਕੰਪਨੀਆਂ ਟੈਕਨਾਲੋਜੀ 'ਤੇ ਖਰਚ ਕਰ ਰਹੀਆਂ ਹਨ, ਪਰ ਬਹੁਤ ਸਾਰਿਆਂ ਕੋਲ ਇਨ੍ਹਾਂ ਸਾਧਨਾਂ ਨੂੰ ਅਸਲ ਕਾਰੋਬਾਰੀ ਮੁੱਲ (Business Value) ਵਿੱਚ ਬਦਲਣ ਲਈ ਲੀਡਰਸ਼ਿਪ ਢਾਂਚਾ (Leadership Structure) ਨਹੀਂ ਹੈ। AI ਨੂੰ ਲਾਗੂ ਕਰਨ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਰਣਨੀਤਕ ਸੰਪਤੀ (Strategic Asset) ਵਜੋਂ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਵਿਚਕਾਰ ਇਹ ਡਿਸਕਨੈਕਟ 2026 ਵਿੱਚ ਫਰਮਾਂ ਲਈ ਇੱਕ ਕੇਂਦਰੀ ਚੁਣੌਤੀ ਬਣ ਗਿਆ ਹੈ।
ਅਡਾਪਸ਼ਨ (Adoption) ਤੋਂ ਜ਼ਿਆਦਾ ROI ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?
ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਮੁੱਖ ਮੈਟ੍ਰਿਕ (Metric) ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੋਈ ਕੰਪਨੀ AI 'ਦੀ ਵਰਤੋਂ' ਕਰ ਰਹੀ ਹੈ ਜਾਂ ਨਹੀਂ, ਬਲਕਿ ਇਹ ਹੈ ਕਿ ਕੀ ਉਹ AI ਵਿੱਤੀ ਨਤੀਜੇ (Financial Results) ਦੇ ਰਹੀ ਹੈ। Google Cloud ਦੀ 2025 ਦੇ ਅਖੀਰ ਦੀ ਰਿਸਰਚ ਨੇ ਉਜਾਗਰ ਕੀਤਾ ਕਿ ਜਿੱਥੇ 74% ਲੀਡਰਾਂ ਨੇ ਇੱਕ ਸਾਲ ਦੇ ਅੰਦਰ ਨਿਵੇਸ਼ 'ਤੇ ਰਿਟਰਨ (ROI) ਪ੍ਰਾਪਤ ਕੀਤਾ, ਉੱਥੇ ਸਿਰਫ਼ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਹਿੱਸਾ - ਲਗਭਗ 6% - 'ਹਾਈ ਪਰਫਾਰਮਰਜ਼' (High Performers) ਵਜੋਂ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕੇ। ਇਨ੍ਹਾਂ ਟਾਪ-ਟਾਇਰ ਕੰਪਨੀਆਂ ਨੇ ਆਪਣੇ ਕਮਾਈ ਬਿਫੋਰ ਇੰਟਰੈਸਟ ਐਂਡ ਟੈਕਸ (EBIT) 'ਤੇ 5% ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਦਾ ਮਾਪਣਯੋਗ ਪ੍ਰਭਾਵ ਪ੍ਰਾਪਤ ਕੀਤਾ।
ਇਹ ਡਾਟਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਫਰਮਾਂ 'ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟ ਟ੍ਰੈਪ' (Pilot Project Trap) ਵਿੱਚ ਫਸੀਆਂ ਹੋਈਆਂ ਹਨ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਆਪਣੀਆਂ AI ਪਹਿਲਕਦਮੀਆਂ ਨੂੰ ਸਪੱਸ਼ਟ ਵਿੱਤੀ ਮਾਡਲਾਂ - ਜਿਵੇਂ ਕਿ ਮਾਲੀਆ ਵਾਧਾ ਜਾਂ ਮਾਰਜਿਨ ਵਿਸਥਾਰ - ਨਾਲ ਨਹੀਂ ਜੋੜ ਸਕਦੀ, ਤਾਂ ਉਹ ਨਿਵੇਸ਼ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸਿਰਫ਼ ਸੰਚਾਲਨ ਲਾਗਤਾਂ (Operational Costs) ਵਧਾ ਰਹੇ ਹਨ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਅਜਿਹੀਆਂ ਮੈਨੇਜਮੈਂਟ ਟੀਮਾਂ ਵੱਲ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਰਵਾਇਤੀ ਪੂੰਜੀ ਖਰਚ (Capital Spending) ਵਾਂਗ ਹੀ AI ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਸਖ਼ਤੀ ਨਾਲ ਜਾਂਚ ਕਰਦੀਆਂ ਹਨ।
ਭਾਰਤੀ ਫਰਮਾਂ ਲਈ ਚੁਣੌਤੀ
ਭਾਰਤ ਗਲੋਬਲ AI ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਇੱਕ ਵਿਲੱਖਣ ਮਾਮਲਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ। Deloitte India ਦੀ ਮਾਰਚ 2026 ਦੀ ਰਿਪੋਰਟ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ ਜਦੋਂ ਕਿ ਭਾਰਤੀ ਫਰਮਾਂ AI ਤਾਇਨਾਤੀ ਦੀ ਚੌੜਾਈ (Breadth) ਵਿੱਚ ਮੋਹਰੀ ਹਨ, ਉਹ ਅਕਸਰ ਡੂੰਘਾਈ (Depth) ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦੀਆਂ ਹਨ। ਬਹੁਤ ਸਾਰੀਆਂ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਨੇ ਕਈ ਫੰਕਸ਼ਨਾਂ ਵਿੱਚ AI ਟੂਲਸ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਸਕੇਲ ਕੀਤਾ ਹੈ, ਪਰ ਸਿਰਫ਼ ਲਾਗੂ ਕਰਨ ਤੋਂ 'ਐਂਟਰਪ੍ਰਾਈਜ਼-ਟ੍ਰਾਂਸਫਾਰਮੇਟਿਵ' (Enterprise-Transformative) ਬਣਨ ਤੱਕ ਦਾ ਸੰਕਰਮਣ (Transition) ਇੱਕ ਰੁਕਾਵਟ ਬਣਿਆ ਹੋਇਆ ਹੈ।
ਇਹ ਮੁੱਦਾ ਮੁੱਖ ਤੌਰ 'ਤੇ ਲੀਡਰਸ਼ਿਪ ਦਾ ਹੈ। AI ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਸਕੇਲ ਕਰਨ ਲਈ ਸਿਰਫ਼ IT ਬੁਨਿਆਦੀ ਢਾਂਚੇ (IT Infrastructure) ਤੋਂ ਵੱਧ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਇਸ ਲਈ ਇੱਕ ਸੱਭਿਆਚਾਰਕ ਤਬਦੀਲੀ (Cultural Shift) ਅਤੇ ਬੋਰਡ-ਪੱਧਰੀ ਨਿਗਰਾਨੀ (Board-level Oversight) ਦੀ ਲੋੜ ਹੈ ਜੋ ਟੈਕਨਾਲੋਜੀ ਨੂੰ ਕੰਪਨੀ ਦੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਕਾਰੋਬਾਰੀ ਮਾਡਲ ਨਾਲ ਜੋੜਦੀ ਹੈ। ਜੋ ਕੰਪਨੀਆਂ ਇਸ ਸੰਕਰਮਣ ਨੂੰ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ AI ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂਆਤੀ ਟੈਸਟਿੰਗ ਪੜਾਅ (Testing Phase) ਤੋਂ ਬਾਅਦ ਰੁਕਦੇ ਹੋਏ ਮਿਲ ਸਕਦੇ ਹਨ।
ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟ ਟ੍ਰੈਪ ਤੋਂ ਬਚਣਾ
ਇੰਡਸਟਰੀ ਦੇ ਤਜ਼ਰਬੇ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਕਈ ਜਨਰੇਟਿਵ AI ਪ੍ਰੋਜੈਕਟ ਖਰਾਬ ਡਾਟਾ ਗੁਣਵੱਤਾ (Data Quality), ਵਧ ਰਹੇ ਖਰਚੇ (Rising Costs), ਅਤੇ ਸਪੱਸ਼ਟ ਕਾਰੋਬਾਰੀ ਉਦੇਸ਼ਾਂ (Business Objectives) ਦੀ ਘਾਟ ਕਾਰਨ ਪ੍ਰੂਫ-ਆਫ-ਕੌਨਸੈਪਟ (Proof-of-Concept) ਤੋਂ ਬਾਅਦ ਅਸਫਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਹ ਤਕਨੀਕੀ ਅਸਫਲਤਾਵਾਂ (Technical Failures) ਨਹੀਂ, ਬਲਕਿ ਰਣਨੀਤਕ (Strategic) ਹਨ। ਸਰਬੋਤਮ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ (Top-performing organizations) ਆਪਣੇ AI ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਕੰਪਨੀ-ਵਿਆਪਕ ਵਰਤੋਂ ਲਈ ਮਨਜ਼ੂਰੀ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਸਖ਼ਤ ਮਾਪਦੰਡ (Strict Criteria) ਲਾਗੂ ਕਰਕੇ ਇਸ ਤੋਂ ਬਚਦੀਆਂ ਹਨ।
ਇਨ੍ਹਾਂ ਮਾਪਦੰਡਾਂ ਵਿੱਚ ਪੂਰਵ-ਪਰਿਭਾਸ਼ਿਤ ਮੈਟ੍ਰਿਕਸ (Predefined Metrics), ਸਪੱਸ਼ਟ ਲਾਗਤ ਸੀਮਾਵਾਂ (Cost Thresholds), ਅਤੇ ਤਾਇਨਾਤੀ ਲਈ ਨਿਰਧਾਰਤ ਸਮਾਂ-ਸੀਮਾਵਾਂ (Fixed Timelines) ਸ਼ਾਮਲ ਹਨ। ਕਿਸੇ ਕੰਪਨੀ ਦੀ AI ਤਰੱਕੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਸਮੇਂ, ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਨਵੀਨਤਾ (Innovation) ਦੇ ਵਿਆਪਕ ਦਾਅਵਿਆਂ ਦੀ ਬਜਾਏ ਇਸ ਰਣਨੀਤਕ ਅਨੁਸ਼ਾਸਨ (Strategic Discipline) ਦਾ ਸਬੂਤ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕ ਅੱਗੇ ਕੀ ਟਰੈਕ ਕਰਨ?
ਅੱਗੇ ਵਧਦੇ ਹੋਏ, AI ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੀ ਗੱਲਬਾਤ ਨੂੰ 'ਹਾਈਪ' (Hype) ਤੋਂ 'ਬਿਜ਼ਨੈਸ ਇਮਪੈਕਟ' (Business Impact) ਵੱਲ ਵਿਕਸਿਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਇੱਕ ਪਰਿਪੱਕ AI ਰਣਨੀਤੀ ਦੇ ਹੇਠ ਲਿਖੇ ਸੰਕੇਤਾਂ ਦੀ ਭਾਲ ਕਰ ਸਕਦੇ ਹਨ:
- ਵਿੱਤੀ ਮੈਟ੍ਰਿਕਸ: ਪ੍ਰਬੰਧਨ (Management) ਦੀ ਟਿੱਪਣੀ (Commentary) ਦੀ ਭਾਲ ਕਰੋ ਕਿ AI ਖਾਸ ਤੌਰ 'ਤੇ ਮਾਰਜਿਨ (Margins) ਨੂੰ ਕਿਵੇਂ ਸੁਧਾਰ ਰਿਹਾ ਹੈ, ਲਾਗਤਾਂ (Costs) ਨੂੰ ਘਟਾ ਰਿਹਾ ਹੈ, ਜਾਂ ਨਵੇਂ ਮਾਲੀਏ (Revenue) ਨੂੰ ਵਧਾ ਰਿਹਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਲਾਂਚ ਕੀਤੇ ਗਏ AI ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਗਿਣਤੀ ਬਾਰੇ ਰਿਪੋਰਟਾਂ।
- ਰਣਨੀਤਕ ਨਿਗਰਾਨੀ: ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਬੋਰਡ AI ਰਣਨੀਤੀ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਸਰਗਰਮੀ ਨਾਲ ਸ਼ਾਮਲ ਹੈ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਕੰਪਨੀ ਦੇ ਵਿੱਤੀ ਟੀਚਿਆਂ (Financial Goals) ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ।
- ਪੂੰਜੀ ਵੰਡ (Capital Allocation): ਦੇਖੋ ਕਿ ਕੰਪਨੀ ਪ੍ਰਯੋਗਾਤਮਕ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਮੁਕਾਬਲੇ ਡਾਟਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਕਿੰਨਾ ਖਰਚ ਕਰ ਰਹੀ ਹੈ, ਕਿਉਂਕਿ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਅਕਸਰ ਲੰਬੇ ਸਮੇਂ ਦੇ ਮੁੱਲ (Long-term Value) ਦਾ ਬਿਹਤਰ ਸੂਚਕ ਹੁੰਦਾ ਹੈ।
- ਵਰਕਫੋਰਸ ਰੈਡੀਨੈਸ (Workforce Readiness): ਨੋਟ ਕਰੋ ਕਿ ਕੀ ਕੰਪਨੀ ਆਪਣੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਇਨ੍ਹਾਂ ਨਵੇਂ ਸਾਧਨਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤਣ ਲਈ ਸਿਖਲਾਈ (Training) ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੀ ਹੈ, ਜੋ ਕਿ ਸਫਲ AI ਲਾਗੂਕਰਨ (Implementation) ਵਿੱਚ ਅਕਸਰ ਗੁੰਮ ਹੋਈ ਲਿੰਕ ਹੁੰਦੀ ਹੈ।