ਹੁਣ ਭਾਰਤੀ ਨਿਵੇਸ਼ਕ (Investors) ਕੰਪਨੀਆਂ ਵੱਲੋਂ AI ਦੀ ਵਰਤੋਂ ਸਿਰਫ਼ ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ (Automate) ਕਰਕੇ ਖਰਚੇ ਘਟਾਉਣ ਤੱਕ ਸੀਮਤ ਰੱਖਣ ਦੀ ਬਜਾਏ, ਇਸ ਨੂੰ ਮਾਲੀਆ (Revenue) ਅਤੇ ਮੁਨਾਫਾ (Margins) ਵਧਾਉਣ ਲਈ ਵਰਤਣ 'ਤੇ ਜ਼ਿਆਦਾ ਧਿਆਨ ਦੇ ਰਹੇ ਹਨ। ਭਾਰਤੀ IT ਅਤੇ ਟੈਕਨਾਲੋਜੀ ਸੈਕਟਰ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੇ ਨਿਵੇਸ਼ ਦਾ ਮੁੱਲ ਸਮਝਣ ਲਈ ਇਸ ਬਦਲਾਅ ਨੂੰ ਸਮਝਣਾ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ।
ਕਈ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਲਈ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੂੰ ਅਪਣਾਉਣ ਦਾ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ (Operational Efficiency) 'ਤੇ ਕੇਂਦਰਿਤ ਰਿਹਾ ਹੈ। ਇਸਦਾ ਮਕਸਦ ਸਿਰਫ਼ ਆਟੋਮੇਸ਼ਨ ਰਾਹੀਂ ਦੁਹਰਾਏ ਜਾਣ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਖਰਚੇ ਬਚਾਉਣਾ ਸੀ। ਪਰ ਹੁਣ ਇੱਕ ਵੱਡਾ ਰੁਝਾਨ (Trend) ਉਭਰ ਰਿਹਾ ਹੈ ਜਿੱਥੇ ਕਾਰੋਬਾਰ ਆਪਣਾ ਫੋਕਸ ਸਿਰਫ਼ ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਤੋਂ ਹਟਾ ਕੇ, ਨਵੇਂ ਮਾਲੀਆ ਸਟ੍ਰੀਮ (Revenue Streams) ਨੂੰ ਖੋਲ੍ਹਣ ਅਤੇ ਗਾਹਕ ਅਨੁਭਵ (Customer Experiences) ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ AI ਨੂੰ ਆਪਣੀ ਮੁੱਖ ਰਣਨੀਤੀ (Core Strategy) ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਰਹੇ ਹਨ।
ਇਹ ਬਦਲਾਅ ਖਾਸ ਤੌਰ 'ਤੇ ਭਾਰਤੀ IT ਸੇਵਾਵਾਂ ਸੈਕਟਰ ਅਤੇ ਡਿਜੀਟਲ-ਨੇਟਿਵ ਕਾਰੋਬਾਰਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਬਾਜ਼ਾਰ ਹੁਣ ਕੰਪਨੀਆਂ ਨੂੰ ਸਿਰਫ਼ AI ਦੇ ਪ੍ਰਯੋਗਾਂ (Experiments) ਦੀ ਗਿਣਤੀ ਦੇ ਆਧਾਰ 'ਤੇ ਜੱਜ ਕਰਨਾ ਬੰਦ ਕਰ ਰਿਹਾ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਇਸ ਗੱਲ 'ਤੇ ਧਿਆਨ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ ਕਿ ਇਹ ਟੈਕਨਾਲੋਜੀ ਵਰਕਫਲੋਜ਼ (Workflows) ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨ, ਉਤਪਾਦ ਵਿਕਾਸ (Product Development) ਨੂੰ ਵਧਾਉਣ ਅਤੇ ਅਜਿਹੇ ਗੁੰਝਲਦਾਰ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਿਵੇਂ ਵਰਤੀ ਜਾ ਰਹੀ ਹੈ ਜੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕੰਪਨੀ ਦੇ ਲਾਭ (Bottom Line) ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀਆਂ ਹਨ।
ਆਟੋਮੇਸ਼ਨ ਤੋਂ ਵੱਧ ਰਣਨੀਤੀ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ
ਮੌਜੂਦਾ, ਗੈਰ-ਕੁਸ਼ਲ ਪ੍ਰਕਿਰਿਆਵਾਂ 'ਤੇ AI ਲਾਗੂ ਕਰਨ ਨਾਲ ਅਕਸਰ ਸੀਮਤ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ। ਕੰਪਨੀਆਂ ਲਈ ਇੱਕ ਮੁੱਖ ਜੋਖਮ (Risk) ਇਹ ਹੈ ਕਿ ਉਹ 'ਬੋਤਲਨੈੱਕ ਨੂੰ ਆਟੋਮੇਟ' (Automate the Bottleneck) ਕਰ ਸਕਦੀਆਂ ਹਨ, ਜਿੱਥੇ ਵਰਕਫਲੋ ਦੀਆਂ ਮੌਜੂਦਾ ਖਾਮੀਆਂ ਸਿਰਫ਼ ਤੇਜ਼ੀ ਨਾਲ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਨਿਵੇਸ਼ਕ ਹੁਣ ਉਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਨੂੰ ਇਨਾਮ ਦੇਣਾ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ ਜੋ ਇੱਕ ਵਧੇਰੇ ਸੰਪੂਰਨ ਪਹੁੰਚ (Holistic Approach) ਅਪਣਾਉਂਦੀਆਂ ਹਨ — ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦਾ ਪੂਰੇ ਤੌਰ 'ਤੇ ਮੁਲਾਂਕਣ ਕਰਦੀਆਂ ਹਨ ਤਾਂ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ ਕਿ ਟੈਕਨਾਲੋਜੀ ਸਿਰਫ਼ ਮਨੁੱਖੀ ਮਜ਼ਦੂਰੀ ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ ਰਣਨੀਤਕ ਕਾਰਜਾਂ (Strategic Execution) ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਹ ਪਛਾਣਨਾ ਚੁਣੌਤੀ ਹੈ ਕਿ ਕਿਹੜੇ AI ਪ੍ਰੋਜੈਕਟ ਸਿਰਫ਼ ਪ੍ਰਯੋਗਾਤਮਕ (Experimental) ਹਨ ਅਤੇ ਕਿਹੜੇ ਕੰਪਨੀ ਦੇ ਮੁੱਲ ਪ੍ਰਸਤਾਵ (Value Proposition) ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ। ਇੱਕ ਕੰਪਨੀ ਜੋ ਆਪਣੀ ਕੀਮਤ ਤਾਕਤ (Pricing Power) ਨੂੰ ਸੁਧਾਰਨ, ਆਪਣੇ ਉਤਪਾਦ ਵਿਕਾਸ ਚੱਕਰ (Product Development Cycles) ਨੂੰ ਛੋਟਾ ਕਰਨ, ਜਾਂ ਗਾਹਕ ਧਾਰਨ (Customer Retention) ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਉਸ ਨੂੰ ਸਿਰਫ਼ ਪ੍ਰਬੰਧਕੀ ਖਰਚਿਆਂ (Administrative Costs) ਨੂੰ ਘਟਾਉਣ ਵਾਲੀ ਕੰਪਨੀ ਦੇ ਮੁਕਾਬਲੇ ਵਧੇਰੇ ਸਥਾਈ ਵਿੱਤੀ ਪ੍ਰਭਾਵ (Financial Impact) ਦੇਖਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।
ਸ਼ੇਅਰਧਾਰਕਾਂ ਲਈ AI ਮੁੱਲ ਦੀ ਨਿਗਰਾਨੀ
ਤਿਮਾਹੀ ਨਤੀਜਿਆਂ (Quarterly Results) ਜਾਂ ਪ੍ਰਬੰਧਨ ਟਿੱਪਣੀਆਂ (Management Commentary) ਦੀ ਸਮੀਖਿਆ ਕਰਦੇ ਸਮੇਂ, AI ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੀ ਭਾਸ਼ਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਨਿਗਰਾਨੀਯੋਗ (Monitorable) ਬਣ ਰਹੀ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਵਿਆਪਕ ਵਾਅਦਿਆਂ (Broad Promises) ਦੀ ਬਜਾਏ ਵਿਸ਼ੇਸ਼ ਨਤੀਜਿਆਂ (Specific Outcomes) ਦੀ ਭਾਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਟਰੈਕ ਕਰਨ ਵਾਲੇ ਮੁੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਇਹ ਸ਼ਾਮਲ ਹੈ ਕਿ ਕੀ AI ਪਹਿਲਕਦਮੀਆਂ (Initiatives) ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਵਾਧੇ ਰਾਹੀਂ ਬਿਹਤਰ ਮਾਰਜਿਨ ਵੱਲ ਲੈ ਜਾ ਰਹੀਆਂ ਹਨ, ਕੀ ਉਹ ਉੱਚ-ਮੁੱਲ ਵਾਲੀਆਂ ਸੇਵਾ ਪੇਸ਼ਕਸ਼ਾਂ (Higher-Value Service Offerings) ਨੂੰ ਸਮਰੱਥ ਬਣਾ ਕੇ ਨਵੇਂ ਗਾਹਕਾਂ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰ ਰਹੀਆਂ ਹਨ, ਅਤੇ ਕੀ ਉਹ ਅੰਤ-ਉਪਭੋਗਤਾ ਅਨੁਭਵ (End-User Experience) ਨੂੰ ਸੁਧਾਰ ਕੇ ਗਾਹਕਾਂ ਦਾ ਛੱਡਣਾ (Churn) ਘਟਾ ਰਹੀਆਂ ਹਨ।
ਕਾਰਜਕਾਰੀ ਲੀਡਰਸ਼ਿਪ ਸਿਖਲਾਈ (Executive Leadership Training) ਅਤੇ ਪਰਿਵਰਤਨ ਪ੍ਰਬੰਧਨ (Change Management) ਵੀ ਮਹੱਤਵਪੂਰਨ ਸੂਚਕ ਹਨ। AI ਦੀ ਸਫਲ ਤਾਇਨਾਤੀ (Deployment) ਹੁਣ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਅਪਗ੍ਰੇਡ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਲੀਡਰਸ਼ਿਪ ਜ਼ਰੂਰਤ (Leadership Imperative) ਹੈ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਆਪਣੇ ਸਟਾਫ ਨੂੰ AI ਟੂਲਜ਼ ਨੂੰ ਪ੍ਰਭਾਵੀ ਢੰਗ ਨਾਲ ਵਰਤਣ ਲਈ ਸਿਖਲਾਈ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਨਾਲੋਂ ਆਪਣੀਆਂ ਰਣਨੀਤੀਆਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਲਾਗੂ ਕਰਨ ਦੀ ਜ਼ਿਆਦਾ ਸੰਭਾਵਨਾ ਰੱਖਦੀਆਂ ਹਨ ਜੋ ਟੈਕਨਾਲੋਜੀ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ IT ਖਰਚੇ ਵਜੋਂ ਦੇਖਦੀਆਂ ਹਨ।
ਅੱਗੇ ਵਧਦੇ ਹੋਏ, ਕੰਪਨੀਆਂ ਲਈ ਵਿਭੇਦਕ (Differentiator) ਉਨ੍ਹਾਂ ਦੀ ਸਮਰੱਥਾ ਹੋਵੇਗੀ ਕਿ ਉਹ ਤਕਨਾਲੋਜੀ ਨਿਵੇਸ਼ ਨੂੰ ਮਾਪਣਯੋਗ ਕਾਰੋਬਾਰੀ ਨਤੀਜਿਆਂ (Measurable Business Outcomes) ਨਾਲ ਜੋੜ ਸਕਣ। ਜਿਵੇਂ-ਜਿਵੇਂ ਲੈਂਡਸਕੇਪ ਵਿਕਸਿਤ ਹੁੰਦਾ ਹੈ, ਬਾਜ਼ਾਰ ਉਨ੍ਹਾਂ ਕਾਰੋਬਾਰਾਂ ਦਾ ਪੱਖ ਪੂਰੇਗਾ ਜੋ ਆਪਣੇ AI ਰੋਡਮੈਪ (AI Roadmap) ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਮੁਨਾਫੇਬਖਸ਼ੀ (Long-term Profitability) ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਸਪੱਸ਼ਟ ਲਿੰਕ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਉਨ੍ਹਾਂ ਤੋਂ ਸਾਵਧਾਨ ਰਹਿੰਦੇ ਹਨ ਜੋ AI ਨੂੰ ਹਾਈਪ-ਡਰਾਈਵਨ ਖਰਚੇ ਵਜੋਂ ਸਮਝਦੇ ਹਨ।