ਭਾਰਤ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਰਹੀ ਹੈ, ਪਰ ਜ਼ਿਆਦਾਤਰ ਕੰਪਨੀਆਂ ਇਸਨੂੰ ਅਸਲ ਕਮਾਈ ਵਿੱਚ ਬਦਲਣ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਹੁਣ ਅਗਲੇ 24 ਮਹੀਨੇ ਇਹਨਾਂ ਕੰਪਨੀਆਂ ਲਈ ਬਹੁਤ ਅਹਿਮ ਹੋਣਗੇ ਤਾਂ ਜੋ ਉਹ ਦੂਜਿਆਂ ਤੋਂ ਪਿੱਛੇ ਨਾ ਰਹਿ ਜਾਣ।
AI ਖਰਚਾ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਿਹਾ ਹੈ:
ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) 'ਤੇ ਖਰਚਾ ਵੱਧਦਾ ਜਾ ਰਿਹਾ ਹੈ। 2026 ਤੱਕ, ਇਹ ਖਰਚਾ $2.52 ਟ੍ਰਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚਣ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਇਸ ਵਿੱਚੋਂ $1.366 ਟ੍ਰਿਲੀਅਨ ਸਿਰਫ ਬੁਨਿਆਦੀ ਢਾਂਚੇ (Infrastructure) 'ਤੇ ਖਰਚੇ ਜਾਣਗੇ, ਜੋ AI-ਅਧਾਰਿਤ ਕਾਰੋਬਾਰੀ ਕਾਰਜਾਂ ਲਈ ਮਜ਼ਬੂਤ ਨੀਂਹ ਬਣਾਉਣ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ।
ਭਾਰਤ ਵਿੱਚ AI ਅਪਣਾਉਣ ਦੀ ਸਥਿਤੀ:
ਭਾਰਤ AI ਅਪਣਾਉਣ (Adoption) ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਅੱਗੇ ਹੈ। 58% ਕੰਪਨੀਆਂ AI ਹੱਲ ਵਰਤ ਰਹੀਆਂ ਹਨ ਅਤੇ ਭਾਰਤੀ ਵਰਕਫੋਰਸ ਦੁਨੀਆ ਵਿੱਚ ਸਭ ਤੋਂ ਅੱਗੇ ਹੈ ਜੋ AI ਸਾਧਨਾਂ ਦੀ ਨਿਯਮਿਤ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਸਾਰੀ ਵਰਤੋਂ ਨੂੰ ਮੁਨਾਫੇ (Profit) ਵਿੱਚ ਬਦਲਣਾ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ। ਰਿਸਰਚ ਦੱਸਦੀ ਹੈ ਕਿ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਸਿਰਫ ਲਗਭਗ 6% ਕੰਪਨੀਆਂ ਹੀ ਅਜਿਹੀਆਂ ਹਨ ਜੋ AI ਨਾਲ ਆਪਣੇ ਕਮਾਈ 'ਤੇ ਬਿਆਜ ਅਤੇ ਟੈਕਸ ਤੋਂ ਪਹਿਲਾਂ (EBIT) 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਪਾ ਸਕੀਆਂ ਹਨ। ਸਿਰਫ ਉਤਪਾਦਕਤਾ (Productivity) ਵਧਾਉਣਾ ਕਾਫ਼ੀ ਨਹੀਂ, ਇਸਨੂੰ ਉਤਪਾਦ ਵਿਕਾਸ (Product Development), ਕ੍ਰੈਡਿਟ ਅੰਡਰਰਾਈਟਿੰਗ (Credit Underwriting) ਅਤੇ ਮੰਗ ਪੂਰਤੀ (Demand Forecasting) ਵਰਗੇ ਮੁੱਖ ਕਾਰਜਾਂ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਜੋੜਨਾ ਪਵੇਗਾ।
ਦੇਰੀ ਕਰਨ ਦਾ ਖਤਰਾ:
AI ਇੱਕ ਅਜਿਹਾ ਫਾਇਦਾ ਦਿੰਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਲਾਭ ਪਹੁੰਚਾਉਂਦਾ ਹੈ। ਜਿਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਨੇ ਸਾਲਾਂ ਪਹਿਲਾਂ ਆਪਣੀ ਸਪਲਾਈ ਚੇਨ ਜਾਂ ਗਾਹਕ ਡਾਟਾਬੇਸ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ (Machine Learning Models) ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ ਸੀ, ਉਹਨਾਂ ਨੇ ਪਹਿਲਾਂ ਹੀ ਬਹੁਤ ਸਾਰਾ ਪ੍ਰੋਪਰਾਈਟਰੀ ਡਾਟਾ (Proprietary Data) ਇਕੱਠਾ ਕਰ ਲਿਆ ਹੈ। ਇਹ ਡਾਟਾ ਉਹਨਾਂ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਹੋਰ ਸਹੀ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਵਿਰੋਧੀਆਂ ਲਈ ਇਸਦੀ ਨਕਲ ਕਰਨਾ ਔਖਾ ਬਣਾ ਦਿੰਦਾ ਹੈ। ਜੋ ਕੰਪਨੀਆਂ ਅਜੇ ਵੀ ਇੱਕ ਢਾਂਚਾਗਤ AI ਰਣਨੀਤੀ (AI Strategy) ਬਣਾਉਣ ਲਈ ਵਚਨਬੱਧ ਨਹੀਂ ਹਨ, ਉਹਨਾਂ ਲਈ ਸਿਰਫ ਸਮਾਂ ਗੁਆਉਣਾ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਡਾਟਾ ਦੀ ਘਾਟ (Data Deficit) ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਵੀ ਪਵੇਗਾ।
ਅਸਲ ਰਿਟਰਨ ਨੂੰ ਮਾਪਣਾ:
ਨਿਵੇਸ਼ਕਾਂ (Investors) ਅਤੇ ਮੈਨੇਜਮੈਂਟ ਲਈ, ਅਨਿਸ਼ਚਿਤ ਰਿਟਰਨ ਦਾ ਪੜਾਅ ਹੁਣ ਖਤਮ ਹੋ ਰਿਹਾ ਹੈ। ਸਰਵੇਖਣਾਂ ਤੋਂ ਮਿਲੇ ਅੰਕੜੇ ਦੱਸਦੇ ਹਨ ਕਿ ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਸਾਵਧਾਨੀ ਨਾਲ AI ਨੂੰ ਅਪਣਾ ਰਹੀਆਂ ਹਨ, ਉਹਨਾਂ ਦੀ ਆਮਦਨ (Revenue) ਵਿੱਚ ਲਗਭਗ 15% ਅਤੇ ਖਰਚਿਆਂ ਵਿੱਚ ਵੀ ਇੰਨੀ ਹੀ ਕਮੀ ਆ ਰਹੀ ਹੈ। ਗਾਹਕ ਸੇਵਾ (Customer Support) ਅਤੇ ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ (Software Engineering) ਵਰਗੇ ਖਾਸ ਖੇਤਰਾਂ ਵਿੱਚ ਉਤਪਾਦਕਤਾ 45% ਤੋਂ 80% ਤੱਕ ਵਧੀ ਹੈ। ਇਹ ਅੰਕੜੇ ਇਹ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇੱਕ ਬੈਂਚਮਾਰਕ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਕਿ ਕੀ ਕੰਪਨੀ ਦਾ AI 'ਤੇ ਖਰਚ ਇੱਕ ਰਣਨੀਤਕ ਨਿਵੇਸ਼ ਹੈ ਜਾਂ ਸਿਰਫ ਇੱਕ ਤਕਨੀਕੀ ਖਰਚ। ਅਗਲੇ 24 ਮਹੀਨਿਆਂ ਵਿੱਚ, ਇਹ ਸਪੱਸ਼ਟ ਹੋ ਜਾਵੇਗਾ ਕਿ ਕਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਨੇ AI ਨੂੰ ਆਪਣੀ ਵੈਲਿਊ ਚੇਨ (Value Chain) ਵਿੱਚ ਸਫਲਤਾਪੂਰਵਕ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਹੈ ਅਤੇ ਕਿਹੜੀਆਂ ਨੇ ਇਸਨੂੰ ਇੱਕ ਦੂਜੇ ਦਰਜੇ ਦਾ ਪ੍ਰੋਜੈਕਟ ਮੰਨਿਆ ਹੈ। ਨਿਵੇਸ਼ਕ ਇਹ ਦੇਖ ਸਕਦੇ ਹਨ ਕਿ ਕੀ ਕੰਪਨੀਆਂ ਆਪਣੇ ਕਾਰਜਕਾਰੀ ਮਾਰਜਿਨ (Operational Margins) ਅਤੇ ਗਾਹਕਾਂ ਦੀ ਸ਼ਮੂਲੀਅਤ (Customer Engagement) ਵਿੱਚ ਸਪੱਸ਼ਟ ਸੁਧਾਰ ਦਿਖਾ ਰਹੀਆਂ ਹਨ।