ਭਾਰਤੀ IT ਕੰਪਨੀਆਂ ਲਈ AI ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਆ ਰਿਹਾ ਹੈ। ਹੁਣ ਸਿਰਫ ਪ੍ਰਯੋਗਾਂ (Experiments) ਦੀ ਬਜਾਏ, 'Accuracy' ਯਾਨੀ ਸਹੀ ਨਤੀਜੇ ਦੇਣ ਵਾਲੇ AI ਸਿਸਟਮਾਂ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਜਾਵੇਗਾ। ਇਸ ਨਾਲ ਕੰਪਨੀਆਂ ਦੀ ਰਣਨੀਤੀ (Strategy) ਅਤੇ ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਨਵੇਂ ਮਾਪਦੰਡ (Parameters) ਤੈਅ ਹੋਣਗੇ।
AI ਦੀ ਦੁਨੀਆ ਇੱਕ ਨਵੇਂ, ਵਧੇਰੇ ਗੰਭੀਰ ਪੜਾਅ ਵਿੱਚ ਦਾਖਲ ਹੋ ਗਈ ਹੈ। ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਤੋਂ, ਕਾਰਪੋਰੇਸ਼ਨਾਂ 'ਠੀਕ-ਠਾਕ' AI ਮਾਡਲਾਂ ਨਾਲ ਕੰਮ ਚਲਾ ਰਹੀਆਂ ਸਨ, ਅਤੇ ਛੇਤੀ ਲਾਭ (Productivity Gains) ਲਈ ਕਦੇ-ਕਦਾਈਂ ਹੋਣ ਵਾਲੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰ ਰਹੀਆਂ ਸਨ। ਪਰ ਹੁਣ ਇਹ ਦੌਰ ਖ਼ਤਮ ਹੋ ਰਿਹਾ ਹੈ।
ਜਿਵੇਂ-ਜਿਵੇਂ ਕਾਰੋਬਾਰ AI ਨੂੰ ਆਪਣੇ ਮੁੱਖ ਕੰਮਾਂ ਜਿਵੇਂ ਕਿ ਵਿੱਤੀ ਲੈਣ-ਦੇਣ, ਡਾਕਟਰੀ ਨਿਦਾਨ ਅਤੇ ਕਾਨੂੰਨੀ ਪਾਲਣਾ (Legal Compliance) ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਰਹੇ ਹਨ, ਉੱਥੇ ਹੁਣ ਪ੍ਰਯੋਗਾਤਮਕ ਸਮਰੱਥਾ (Experimental Capability) ਦੀ ਬਜਾਏ ਬਿਨਾਂ ਕਿਸੇ ਸਮਝੌਤੇ ਦੇ 'Accuracy' ਦੀ ਮੰਗ ਵੱਧ ਰਹੀ ਹੈ।
ਭਾਰਤੀ IT ਕੰਪਨੀਆਂ 'ਤੇ ਅਸਰ
ਇਹ ਬਦਲਾਅ ਭਾਰਤੀ IT ਸਰਵਿਸ ਪ੍ਰੋਵਾਈਡਰਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ TCS, Infosys, Wipro, ਅਤੇ HCLTech ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਸ਼ਾਮਲ ਹਨ, ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇਹ ਕੰਪਨੀਆਂ ਦੁਨੀਆ ਭਰ ਦੇ ਗਾਹਕਾਂ (Clients) ਲਈ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਸਿਸਟਮਾਂ ਦਾ ਨਿਰਮਾਣ ਕਰਦੀਆਂ ਹਨ। ਪਹਿਲਾਂ, ਇਹ ਕੰਪਨੀਆਂ ਸਿਰਫ ਸੌਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਨੂੰ ਵਧਾਉਣ (Scale) ਦੀ ਆਪਣੀ ਸਮਰੱਥਾ 'ਤੇ ਮੁਕਾਬਲਾ ਕਰਦੀਆਂ ਸਨ। ਹੁਣ, ਫਰਕ ਸਿਰਫ ਬੁੱਧੀਮਾਨ (Intelligent) ਨਹੀਂ, ਸਗੋਂ ਭਰੋਸੇਯੋਗ (Reliably Correct) ਸਿਸਟਮ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ।
ਸਹੀ ਨਤੀਜਿਆਂ ਵੱਲ ਵਧਣਾ
ਕਿਸੇ IT ਸਰਵਿਸ ਕੰਪਨੀ ਲਈ, ਇੱਕ ਚੈਟਬੋਟ ਬਣਾਉਣਾ ਹੁਣ ਸਫਲਤਾ ਦਾ ਮੁੱਖ ਮਾਪਦੰਡ ਨਹੀਂ ਰਿਹਾ। ਨਵਾਂ ਮਿਆਰ 'ਐਂਟਰਪ੍ਰਾਈਜ਼-ਗ੍ਰੇਡ' Accuracy ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ 'Retrieval-Augmented Generation' ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਵਿੱਚ AI ਮਾਡਲਾਂ ਨੂੰ ਕੰਪਨੀ ਦੇ ਪ੍ਰਮਾਣਿਤ (Verified) ਅੰਦਰੂਨੀ ਡੇਟਾ, ਜਿਵੇਂ ਕਿ ਵਿੱਤੀ ਨੀਤੀਆਂ ਜਾਂ ਗਾਹਕ ਇਤਿਹਾਸ, ਨਾਲ ਜੋੜਨਾ ਸ਼ਾਮਲ ਹੈ ਤਾਂ ਜੋ ਮਾਡਲ ਗਲਤ ਜਾਂ ਕਾਲਪਨਿਕ (Hallucinated) ਜਾਣਕਾਰੀ ਨਾ ਦੇਵੇ। ਗਾਹਕਾਂ ਲਈ, 80% ਸਹੀ AI ਇੱਕ ਖਿਡੌਣਾ ਹੈ, ਜਦੋਂ ਕਿ 99.9% ਸਹੀ AI ਇੱਕ ਕਾਰੋਬਾਰੀ ਸਾਧਨ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਬਦਲਦੇ ਬਜਟ
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਵੀ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਤਬਦੀਲੀ ਕਾਰਨ ਗਾਹਕ ਆਪਣੇ AI ਬਜਟਾਂ ਦਾ ਮੁੜ ਮੁਲਾਂਕਣ ਕਰ ਰਹੇ ਹਨ। ਮਹੀਨਿਆਂ ਦੀ ਟੈਸਟਿੰਗ ਤੋਂ ਬਾਅਦ, ਬਹੁਤ ਸਾਰੀਆਂ ਗਲੋਬਲ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਹੁਣ ਇਹਨਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਮਿਲਣ ਵਾਲੇ ਮਾਪਣਯੋਗ ਵਿੱਤੀ ਰਿਟਰਨ (Measurable Financial Returns) ਦੀ ਜਾਂਚ ਕਰ ਰਹੀਆਂ ਹਨ। AI ਖਰਚਿਆਂ ਦਾ 'ਆਸਾਨ ਪੈਸਾ' ਵਾਲਾ ਦੌਰ ਹੁਣ ਹੌਲੀ ਹੋ ਰਿਹਾ ਹੈ। ਗਾਹਕ ਹੁਣ IT ਭਾਈਵਾਲਾਂ (Partners) ਤੋਂ ਸਾਬਤ ਕਰਨ ਦੀ ਮੰਗ ਕਰ ਰਹੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਦੇ AI ਸਿਸਟਮ ਮੁਨਾਫੇ (Profit Margins) ਨੂੰ ਕਿਵੇਂ ਵਧਾਉਂਦੇ ਹਨ ਜਾਂ ਸੰਚਾਲਨ ਲਾਗਤਾਂ (Operational Costs) ਨੂੰ ਕਿਵੇਂ ਘਟਾਉਂਦੇ ਹਨ, ਨਾ ਕਿ ਸਿਰਫ ਇਹ ਦਿਖਾਉਣਾ ਕਿ ਕਿੰਨੇ ਕਰਮਚਾਰੀ AI ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ।
IT ਪ੍ਰੋਵਾਈਡਰਾਂ ਲਈ ਚੁਣੌਤੀਆਂ ਅਤੇ ਜੋਖਮ
IT ਕੰਪਨੀਆਂ ਲਈ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਰੁਕਾਵਟਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਜਿਸਨੂੰ ਵਿਸ਼ਲੇਸ਼ਕ (Analysts) ਅਕਸਰ 'ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡੈੱਟ' ਕਹਿੰਦੇ ਹਨ। ਇਹ ਬੇਤਰਤੀਬੇ, ਅਣ-ਸੰਗਠਿਤ ਜਾਂ ਪੁਰਾਣੇ ਅੰਦਰੂਨੀ ਡੇਟਾ ਦੇ ਵੱਡੇ ਬੈਕਲਾਗ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਜੇਕਰ AI ਨੂੰ ਦਿੱਤਾ ਜਾਣ ਵਾਲਾ ਡੇਟਾ ਮਾੜੀ ਗੁਣਵੱਤਾ (Poor Quality) ਦਾ ਹੈ, ਤਾਂ AI ਸਹੀ ਨਹੀਂ ਹੋ ਸਕਦਾ। ਉਹ IT ਫਰਮਾਂ ਜੋ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਗਾਹਕਾਂ ਨੂੰ ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਅਤੇ ਸੰਗਠਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਫਰਮਾਂ ਨਾਲੋਂ ਮਜ਼ਬੂਤ ਸਥਿਤੀ ਵਿੱਚ ਹਨ ਜੋ ਸਿਰਫ AI ਸੌਫਟਵੇਅਰ ਲਾਗੂ ਕਰਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੀਆਂ ਹਨ।
'ਗਵਰਨੈਂਸ ਗੈਪਸ' (Governance Gaps) ਦਾ ਜੋਖਮ ਵੀ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ AI ਸਿਸਟਮ ਵਧੇਰੇ ਖੁਦਮੁਖਤਿਆਰ (Autonomous) ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ, ਦੁਨੀਆ ਭਰ ਦੇ ਰੈਗੂਲੇਟਰ ਨਿਯਮਾਂ ਨੂੰ ਸਖ਼ਤ ਕਰ ਰਹੇ ਹਨ। ਜੇਕਰ ਕਿਸੇ IT ਫਰਮ ਦੇ ਸਿਸਟਮ ਤੋਂ ਕੋਈ ਗੰਭੀਰ ਗਲਤੀ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਸ ਦਾ ਨਾਮ ਅਤੇ ਵਿੱਤੀ ਦੇਣਦਾਰੀ (Liability) ਬਹੁਤ ਵੱਡੀ ਹੋ ਸਕਦੀ ਹੈ। ਇਸ ਨਾਲ IT ਕੰਪਨੀਆਂ 'ਤੇ ਆਪਣੇ ਹਰ ਕੰਮ ਵਿੱਚ ਸਖ਼ਤ ਆਡਿਟ ਟ੍ਰੇਲ (Audit Trails) ਅਤੇ ਸੁਰੱਖਿਆ ਜਾਂਚ (Safety Checks) ਬਣਾਉਣ ਦਾ ਦਬਾਅ ਵਧ ਜਾਂਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਭਾਰਤੀ IT ਸੈਕਟਰ ਨੂੰ ਫਾਲੋ ਕਰਨ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਵਿਕਾਸ ਦਾ ਅਗਲਾ ਪੜਾਅ AI ਭਾਈਵਾਲੀ ਦੀ ਗਿਣਤੀ ਨਾਲ ਨਹੀਂ, ਬਲਕਿ ਇਕਰਾਰਨਾਮਿਆਂ (Contracts) ਦੀ ਗੁਣਵੱਤਾ ਨਾਲ ਮਾਪਿਆ ਜਾਵੇਗਾ। ਬਾਜ਼ਾਰ ਦੇਖਣ ਵਾਲਿਆਂ ਨੂੰ ਮੈਨੇਜਮੈਂਟ ਦੀ ਟਿੱਪਣੀ (Management Commentary) ਵਿੱਚ 'ਪ੍ਰੋਡਕਸ਼ਨ-ਗ੍ਰੇਡ' ਡਿਪਲੋਇਮੈਂਟ (Production-grade Deployments) ਬਾਰੇ ਜਾਣਕਾਰੀ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਉਹਨਾਂ ਕੰਪਨੀਆਂ ਦੀ ਭਾਲ ਕਰੋ ਜੋ ਪਾਇਲਟ ਪ੍ਰੋਗਰਾਮਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ AI ਨੂੰ ਆਪਣੇ ਗਾਹਕਾਂ ਦੇ ਮੁੱਖ ਕਾਰੋਬਾਰੀ ਵਰਕਫਲੋਜ਼ (Core Business Workflows) ਵਿੱਚ ਸਫਲਤਾਪੂਰਵਕ ਏਕੀਕ੍ਰਿਤ (Integrate) ਕਰ ਰਹੀਆਂ ਹਨ।
ਮਾਰਜਿਨ ਦਬਾਅ (Margin Pressure) ਦੇ ਸੰਕੇਤਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣਾ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ AI ਕੰਮ ਲਈ ਮਹਿੰਗੇ ਪ੍ਰਤਿਭਾ (Talent) ਅਤੇ ਸੁਰੱਖਿਅਤ ਕੰਪਿਊਟਿੰਗ ਇਨਫ్రాਸਟ੍ਰਕਚਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜੇਕਰ ਕੋਈ IT ਕੰਪਨੀ ਇਹ ਖਰਚੇ ਗਾਹਕ 'ਤੇ ਨਹੀਂ ਪਾ ਸਕਦੀ, ਜਾਂ ਜੇਕਰ ਉਹ ਇਹ ਸਾਬਤ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੀ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ AI ਹੱਲ ਅਸਲ ਵਿੱਚ ਗਾਹਕ ਦਾ ਪੈਸਾ ਬਚਾ ਰਹੇ ਹਨ, ਤਾਂ ਇਸ ਨਾਲ ਉਨ੍ਹਾਂ ਦੇ ਮੁਨਾਫੇ ਦੇ ਮਾਰਜਿਨ 'ਤੇ ਨਕਾਰਾਤਮਕ ਅਸਰ ਪੈ ਸਕਦਾ ਹੈ। ਇਸ ਨਵੇਂ ਯੁੱਗ ਵਿੱਚ ਸਫਲ ਹੋਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਉਹ ਹੋਣਗੀਆਂ ਜੋ AI ਨੂੰ ਇੱਕ ਨਵੀਨਤਾ (Novelty) ਤੋਂ ਇੱਕ ਪ੍ਰਮਾਣਿਤ, ਭਰੋਸੇਯੋਗ ਇੰਜਣ (Reliable Engine) ਵਿੱਚ ਬਦਲ ਸਕਦੀਆਂ ਹਨ।