ਸਿਲੀਕਾਨ ਵੈਲੀ ਵਿੱਚ ਬੈਠੇ ਭਾਰਤੀ AI ਸਟਾਰਟਅੱਪ ਫਾਊਂਡਰ ਹੁਣ ਵੱਡੇ, ਆਮ AI ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਦੌੜ ਤੋਂ ਪਿੱਛੇ ਹਟ ਰਹੇ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਉਹ ਹੈਲਥਕੇਅਰ, ਲੀਗਲ ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਸੌਫਟਵੇਅਰ ਵਰਗੇ ਖਾਸ ਇੰਡਸਟਰੀਆਂ ਲਈ 'Vertical AI' ਟੂਲਸ ਬਣਾਉਣ 'ਤੇ ਧਿਆਨ ਦੇ ਰਹੇ ਹਨ। ਇਹ ਰਣਨੀਤੀਕ ਬਦਲਾਅ ਟੈੱਕ ਕੰਪਨੀਆਂ ਅਤੇ IT ਸਰਵਿਸਿਜ਼ ਫਰਮਾਂ ਦੇ AI ਮਾਰਕੀਟ ਪ੍ਰਤੀ ਪਹੁੰਚ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਰਿਹਾ ਹੈ।
ਕੀ ਹੋਇਆ?
ਸਿਲੀਕਾਨ ਵੈਲੀ ਵਿੱਚ ਭਾਰਤੀ ਫਾਊਂਡਰ ਹੁਣ ਵੱਡੇ, ਆਮ-ਮਕਸਦ ਵਾਲੇ AI ਮਾਡਲਾਂ ਦੇ ਮੁਕਾਬਲੇ ਤੋਂ ਹੱਟ ਰਹੇ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਉਹ 'Vertical AI' - ਯਾਨੀ ਕਿ ਹੈਲਥਕੇਅਰ, ਕਾਨੂੰਨੀ ਸੇਵਾਵਾਂ ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਸੌਫਟਵੇਅਰ ਵਰਗੀਆਂ ਖਾਸ ਇੰਡਸਟਰੀਆਂ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਟੂਲਸ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਬਦਲਾਅ AI ਸਟਾਰਟਅੱਪਸ ਦੀ ਅਗਲੀ ਲਹਿਰ ਲਈ ਰਣਨੀਤੀ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਮੋੜ ਹੈ, ਜਿਸ ਵਿੱਚ ਮਹਿੰਗੇ, ਵਿਆਪਕ-ਆਧਾਰਤ ਮਾਡਲ ਵਿਕਾਸ ਤੋਂ ਹੱਟ ਕੇ ਸਟੀਕ, ਕਾਰਵਾਈਯੋਗ ਸੌਫਟਵੇਅਰ ਬਣਾਉਣ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਮੌਜੂਦਾ ਬਿਜ਼ਨਸ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦੇ ਹਨ।
ਵਿਸ਼ੇਸ਼ਤਾ (Specialization) ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?
ਇੱਕ ਆਮ-ਮਕਸਦ AI ਮਾਡਲ ਬਣਾਉਣਾ ਬਹੁਤ ਪੂੰਜੀ-ਸਮਰੱਥ (capital-intensive) ਹੈ ਅਤੇ ਅਕਸਰ ਕੁਝ ਵੱਡੀਆਂ ਗਲੋਬਲ ਟੈਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ ਦਾ ਦਬਦਬਾ ਹੁੰਦਾ ਹੈ। ਨਵੇਂ ਸਟਾਰਟਅੱਪਸ ਲਈ, ਇਸ ਖੇਤਰ ਵਿੱਚ ਸਿੱਧੇ ਮੁਕਾਬਲਾ ਕਰਨਾ ਬਹੁਤ ਵੱਡੇ ਜੋਖਮਾਂ ਅਤੇ ਉੱਚ ਲਾਗਤਾਂ ਨਾਲ ਭਰਿਆ ਹੋਇਆ ਹੈ। Vertical AI 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਕੇ, ਫਾਊਂਡਰ ਹੁਣ ਅਜਿਹੇ ਸੌਫਟਵੇਅਰ ਬਣਾ ਰਹੇ ਹਨ ਜੋ ਇੱਕ ਖਾਸ ਕੰਮ ਨੂੰ ਬਹੁਤ ਵਧੀਆ ਢੰਗ ਨਾਲ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਹਸਪਤਾਲਾਂ ਲਈ ਕਲੀਨਿਕਲ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨਾ ਜਾਂ ਕਾਨੂੰਨੀ ਕੰਮਕਾਜ ਦੇ ਬੈਕ-ਆਫਿਸ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਣਾ।
ਇਹ ਪਹੁੰਚ ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਅਕਸਰ ਵਧੇਰੇ ਆਕਰਸ਼ਕ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਮਾਲੀਆ (Revenue) ਪੈਦਾ ਕਰਦੀ ਹੈ ਅਤੇ 'ਰੱਖਿਆਤਮਕਤਾ' (Defensibility) ਬਣਾਉਂਦੀ ਹੈ। ਜਦੋਂ ਕੋਈ AI ਟੂਲ ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਵਰਕਫਲੋ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਸ ਕੰਪਨੀ ਲਈ ਕਿਸੇ ਪ੍ਰਤੀਯੋਗੀ (Competitor) ਕੋਲ ਜਾਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਖਾਸ ਐਪਲੀਕੇਸ਼ਨ ਸਟਾਰਟਅੱਪਸ ਨੂੰ ਮੌਜੂਦਾ ਵੱਡੀਆਂ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ (Large Language Models) ਨੂੰ ਆਧਾਰ ਵਜੋਂ ਵਰਤਣ ਦੀ ਵੀ ਆਗਿਆ ਦਿੰਦੀਆਂ ਹਨ, ਜਦੋਂ ਕਿ ਆਪਣਾ ਮਲਕੀਅਤ ਵਾਲਾ (proprietary) ਡਾਟਾ ਜੋੜ ਕੇ ਇੰਡਸਟਰੀ-ਵਿਸ਼ੇਸ਼ ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਆਮ ਮਾਡਲ ਆਪਣੇ ਆਪ ਨਹੀਂ ਕਰ ਸਕਦੇ।
ਭਾਰਤੀ IT ਸਰਵਿਸਿਜ਼ 'ਤੇ ਅਸਰ
ਇਹ ਰੁਝਾਨ ਸਿਰਫ਼ ਸਟਾਰਟਅੱਪਸ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੈ; ਇਹ ਇਸ ਗੱਲ ਨੂੰ ਵੀ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਆਕਾਰ ਦੇ ਰਿਹਾ ਹੈ ਕਿ ਵੱਡੀਆਂ ਭਾਰਤੀ IT ਸਰਵਿਸਿਜ਼ ਫਰਮਾਂ ਆਪਣੀਆਂ AI ਰਣਨੀਤੀਆਂ ਨੂੰ ਕਿਵੇਂ ਦੇਖਦੀਆਂ ਹਨ। ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਤੋਂ, ਨਿਵੇਸ਼ਕ ਚਿੰਤਤ ਸਨ ਕਿ AI ਆਟੋਮੇਸ਼ਨ ਭਾਰਤੀ IT ਦਿੱਗਜਾਂ ਦੇ ਮੁੱਖ ਆਊਟਸੋਰਸਿੰਗ ਮਾਡਲ ਨੂੰ ਵਿਘਨ ਪਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਫਰਮਾਂ ਹੁਣ 'ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਭਰਤੀ' (Mass Hiring) ਤੋਂ ਹੱਟ ਕੇ ਵਿਸ਼ੇਸ਼ AI ਟੀਮਾਂ ਬਣਾਉਣ ਅਤੇ ਆਪਣੇ ਗਲੋਬਲ ਗਾਹਕਾਂ ਲਈ Vertical AI ਹੱਲ ਏਕੀਕ੍ਰਿਤ ਕਰਨ 'ਤੇ ਜ਼ੋਰ ਦੇ ਰਹੀਆਂ ਹਨ।
ਸੈਕਟਰ ਦੀਆਂ ਪ੍ਰਮੁੱਖ ਕੰਪਨੀਆਂ 'ਸੇਵਾਵਾਂ ਪਲੱਸ ਇੰਟੈਲੀਜੈਂਸ' (Services plus Intelligence) ਮਾਡਲ ਵੱਲ ਵਧ ਰਹੀਆਂ ਹਨ। ਸਿਰਫ਼ ਮਜ਼ਦੂਰ-ਸਮਰੱਥ IT ਰੱਖ-ਰਖਾਅ (labor-intensive IT maintenance) ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਇੰਡਸਟਰੀ-ਵਿਸ਼ੇਸ਼ AI ਏਜੰਟ ਲਾਗੂ ਕਰ ਰਹੀਆਂ ਹਨ ਜੋ ਬੈਂਕਿੰਗ, ਲੌਜਿਸਟਿਕਸ ਅਤੇ ਹੈਲਥਕੇਅਰ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਕਾਰਜਾਂ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ। ਇਹ ਬਦਲਾਅ ਉਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰਸੰਗਿਕ (relevant) ਰਹਿਣ ਅਤੇ ਸੰਭਵ ਤੌਰ 'ਤੇ ਗਾਹਕਾਂ ਲਈ ਆਪਣੇ ਮੁੱਲ ਪ੍ਰਸਤਾਵ (value proposition) ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ AI ਪ੍ਰਯੋਗਾਂ ਦੀ ਬਜਾਏ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਭਾਲ ਕਰ ਰਹੇ ਹਨ।
ਕਾਰੋਬਾਰੀ ਜੋਖਮ ਅਤੇ ਹਕੀਕਤ ਦੀ ਜਾਂਚ
ਜਦੋਂ ਕਿ ਵਿਸ਼ੇਸ਼ AI ਵੱਲ ਇਹ ਪਲਟਾ ਮਾਲੀਆ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਇੱਕ ਸਪੱਸ਼ਟ ਮਾਰਗ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਇਸਦੇ ਨਾਲ ਜੋਖਮ ਵੀ ਜੁੜੇ ਹੋਏ ਹਨ। ਬਾਜ਼ਾਰ ਵਿੱਚ ਵਰਤਮਾਨ ਵਿੱਚ 'AI ਵਾਸ਼ਿੰਗ' (AI washing) ਦਾ ਵਾਧਾ ਦੇਖਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਜਿੱਥੇ ਕੰਪਨੀਆਂ ਅਸਲ ਵਿੱਚ ਮੁੱਲ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲੇ ਕੰਮਕਾਜੀ ਉਤਪਾਦ (working product) ਤੋਂ ਬਿਨਾਂ ਆਪਣੀਆਂ AI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਜੋਖਮ ਅਸਲ, ਮਾਪਣਯੋਗ (scalable) ਇੰਡਸਟਰੀ ਹੱਲਾਂ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਅਤੇ AI ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਸ਼ਬਦ ਵਜੋਂ ਵਰਤਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਵਿਚਕਾਰ ਫਰਕ ਕਰਨ ਵਿੱਚ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਫਲ Vertical AI ਲਈ ਉੱਚ-ਗੁਣਵੱਤਾ, ਮਲਕੀਅਤ ਵਾਲਾ ਇੰਡਸਟਰੀ ਡਾਟਾ ਲੋੜੀਂਦਾ ਹੈ, ਜਿਸਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ। ਜਿਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਕੋਲ ਡੂੰਘੀ ਡੋਮੇਨ ਮਹਾਰਤ (domain expertise) ਨਹੀਂ ਹੈ ਜਾਂ ਮੌਜੂਦਾ ਪੁਰਾਣੇ ਸੌਫਟਵੇਅਰ (legacy software) ਨਾਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਅੱਗੇ ਵਧਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਆ ਸਕਦੀ ਹੈ। ਕਾਰਜਕਾਰੀ ਜੋਖਮ (Execution risk) ਉੱਚਾ ਰਹਿੰਦਾ ਹੈ ਕਿਉਂਕਿ ਕਾਰੋਬਾਰ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ (human oversight) ਦੇ ਨਾਲ AI ਕੁਸ਼ਲਤਾ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਲਈ ਆਪਣੇ ਪਹੁੰਚ ਨੂੰ ਸੁਧਾਰਦੇ ਹਨ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ AI ਅਪਣਾਉਣ ਦੇ ਹਾਈਪ (hype) ਤੋਂ ਪਰੇ ਜਾ ਕੇ ਮਾਪਣਯੋਗ ਕਾਰੋਬਾਰੀ ਨਤੀਜਿਆਂ (measurable business outcomes) 'ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਮੁੱਖ ਟਰੈਕ ਕਰਨ ਵਾਲੀਆਂ ਚੀਜ਼ਾਂ ਵਿੱਚ ਇਹ ਸ਼ਾਮਲ ਹੈ ਕਿ ਕੀ ਕੰਪਨੀਆਂ—ਭਾਵੇਂ ਸਟਾਰਟਅੱਪਸ ਹੋਣ ਜਾਂ ਸਥਾਪਿਤ IT ਫਰਮਾਂ—ਆਪਣੇ AI 'ਪਾਇਲਟ' ਜਾਂ ਅਜ਼ਮਾਇਸ਼ੀ ਪ੍ਰੋਜੈਕਟਾਂ (trial projects) ਨੂੰ ਅਸਲ ਲੰਬੇ-ਸਮੇਂ ਦੇ ਸੇਵਾ ਇਕਰਾਰਨਾਮੇ (long-term service contracts) ਵਿੱਚ ਬਦਲ ਰਹੀਆਂ ਹਨ। ਤਿਮਾਹੀ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਖਾਸ AI ਸੇਵਾ ਮਾਲੀਆ ਲਾਈਨਾਂ (AI service revenue lines) ਦੇ ਵਾਧੇ ਨੂੰ ਟਰੈਕ ਕਰੋ ਅਤੇ ਪ੍ਰਬੰਧਨ (management) ਦੀ ਟਿੱਪਣੀ 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ ਕਿ ਇਹ ਵਿਸ਼ੇਸ਼ ਸਾਧਨ ਗਾਹਕਾਂ ਨੂੰ ਲਾਗਤ ਬਚਾਉਣ ਜਾਂ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰ ਰਹੇ ਹਨ।