ਭਾਰਤੀ IT ਕੰਪਨੀਆਂ ਦੇ ਬੋਰਡ ਹੁਣ Artificial Intelligence (AI) ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਟੈੱਕ ਪ੍ਰੋਜੈਕਟ ਦੀ ਬਜਾਏ ਆਪਣੇ ਮੁੱਖ ਬਿਜ਼ਨਸ ਦਾ ਹਿੱਸਾ ਬਣਾ ਰਹੇ ਹਨ। Tech Mahindra, Happiest Minds, ਤੇ Mphasis ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਲੀਡਰ ਹੁਣ AI ਗਵਰਨੈਂਸ, ਪੂੰਜੀ ਨਿਵੇਸ਼, ਤੇ ਜੋਖਮਾਂ ਨੂੰ ਖ਼ੁਦ ਸੰਭਾਲ ਰਹੇ ਹਨ। ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਇਸ ਬਦਲਾਅ ਦਾ ਮਤਲਬ ਹੈ ਕਿ AI ਦੇ ਪ੍ਰਯੋਗਾਂ (experiments) ਨੂੰ ਹੁਣ ਆਪ੍ਰੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ (efficiency) ਤੇ ਮਾਲੀਆ ਵਾਧੇ (revenue growth) ਵਿੱਚ ਬਦਲਿਆ ਜਾਵੇਗਾ।
ਕੀ ਹੋਇਆ?
ਭਾਰਤ ਦੀਆਂ ਕਾਰਪੋਰੇਟ ਬੋਰਡਰੂਮਾਂ ਵਿੱਚ Artificial Intelligence (AI) ਨੂੰ ਦੇਖਣ ਦੇ ਨਜ਼ਰੀਏ ਵਿੱਚ ਵੱਡਾ ਬਦਲਾਅ ਆ ਰਿਹਾ ਹੈ। ਡਾਇਰੈਕਟਰ ਹੁਣ AI ਨੂੰ IT ਵਿਭਾਗਾਂ ਵੱਲੋਂ ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਇੱਕ ਖਾਸ ਟੈਕਨਾਲੌਜੀ ਪ੍ਰੋਜੈਕਟ ਵਜੋਂ ਨਹੀਂ ਦੇਖ ਰਹੇ। ਇਸ ਦੀ ਬਜਾਏ, ਬੋਰਡ AI ਨੂੰ ਮੁੱਖ ਬਿਜ਼ਨਸ ਰਣਨੀਤੀ (core business strategy) ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਰਹੇ ਹਨ। ਉਹ ਇਸ ਗੱਲ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੇ ਹਨ ਕਿ AI ਮੁਕਾਬਲੇਬਾਜ਼ੀ, ਆਪ੍ਰੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ, ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਵਿੱਤੀ ਸਿਹਤ ਨੂੰ ਕਿਵੇਂ ਬਿਹਤਰ ਬਣਾ ਸਕਦਾ ਹੈ। ਇਸ ਬਦਲਾਅ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਬੋਰਡ ਮੈਂਬਰ ਹੁਣ ਇਸ ਗੱਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਸਰਗਰਮੀ ਨਾਲ ਸ਼ਾਮਲ ਹੋ ਰਹੇ ਹਨ ਕਿ ਕੰਪਨੀਆਂ AI ਨੂੰ ਕਿਵੇਂ ਲਾਗੂ ਕਰਨਗੀਆਂ, ਇਸ ਨਾਲ ਜੁੜੇ ਜੋਖਮਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਿਵੇਂ ਕਰਨਗੀਆਂ, ਅਤੇ ਇਨ੍ਹਾਂ ਟੈਕਨਾਲੋਜੀਆਂ ਲਈ ਕਿੰਨੀ ਪੂੰਜੀ ਲਗਾਈ ਜਾਵੇਗੀ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?
ਸ਼ੇਅਰਧਾਰਕਾਂ (shareholders) ਲਈ, AI ਨੂੰ ਇੱਕ "ਪ੍ਰਯੋਗਾਤਮਕ ਪ੍ਰੋਜੈਕਟ" ਤੋਂ "ਬਿਜ਼ਨਸ ਦੀ ਲੋੜ" (business imperative) ਵਜੋਂ ਦੇਖਣ ਦਾ ਇਹ ਬਦਲਾਅ ਬਹੁਤ ਅਹਿਮ ਹੈ। ਜਦੋਂ ਬੋਰਡ AI ਰਣਨੀਤੀ ਵਿੱਚ ਸਿੱਧੀ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੇ ਹਨ, ਤਾਂ ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕੰਪਨੀਆਂ AI-ਸੰਬੰਧੀ ਨਿਵੇਸ਼ਾਂ ਲਈ ਵਧੇਰੇ ਅਨੁਸ਼ਾਸਿਤ ਪੂੰਜੀ ਵੰਡ (disciplined capital allocation) ਅਤੇ ਸਪੱਸ਼ਟ ਜਵਾਬਦੇਹੀ (accountability) ਵੱਲ ਵਧਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।
ਸਿਰਫ਼ R&D 'ਤੇ ਖਰਚ ਕਰਨ ਦੀ ਬਜਾਏ, ਕੰਪਨੀਆਂ ਹੁਣ ਇਨ੍ਹਾਂ ਕੋਸ਼ਿਸ਼ਾਂ ਨੂੰ ਠੋਸ ਬਿਜ਼ਨਸ ਨਤੀਜਿਆਂ, ਜਿਵੇਂ ਕਿ ਲਾਗਤ ਘਟਾਉਣਾ, ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਸੁਧਾਰ, ਜਾਂ ਮਾਲੀਆ ਦੇ ਨਵੇਂ ਸਰੋਤਾਂ ਵਿੱਚ ਬਦਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਬਦਲਾਅ ਵਿੱਚ ਅਕਸਰ ਓਪਰੇਟਿੰਗ ਮਾਡਲਾਂ ਦਾ ਪੁਨਰਗਠਨ (restructuring) ਅਤੇ ਡਾਟਾ ਤਿਆਰੀ (data readiness) ਦਾ ਮੁਲਾਂਕਣ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਕੰਪਨੀ ਲਈ AI ਨੂੰ ਬੇਲੋੜੇ ਖਰਚੇ ਵਧਾਏ ਬਿਨਾਂ ਸਕੇਲ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹਨ।
IT ਫਰਮਾਂ ਵਿੱਚ ਰਣਨੀਤਕ ਬਦਲਾਅ
ਇੰਡਸਟਰੀ ਦੇ ਲੀਡਰ ਇਸ ਬੋਰਡਰੂਮ ਵਿਕਾਸ ਨੂੰ ਖੁੱਲ੍ਹ ਕੇ ਸਵੀਕਾਰ ਕਰ ਰਹੇ ਹਨ। Tech Mahindra ਦੇ ਪ੍ਰਬੰਧਨ ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਹੈ ਕਿ ਚਰਚਾਵਾਂ ਨਵੀਨਤਾ (innovation) ਤੋਂ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਪ੍ਰਭਾਵ (bottom-line impact) ਵੱਲ ਮੁੜ ਗਈਆਂ ਹਨ, ਖਾਸ ਤੌਰ 'ਤੇ ਗਾਹਕ ਮੁੱਲ (customer value) ਅਤੇ ਆਪ੍ਰੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ ਦੇ ਸੰਬੰਧ ਵਿੱਚ।
ਇਸੇ ਤਰ੍ਹਾਂ, Happiest Minds ਨੇ AI ਨੂੰ ਟੈਕਨਾਲੌਜੀ ਮੁਖੀਆਂ ਦੇ ਨਿਵੇਕਲੇ ਡੋਮੇਨ ਤੋਂ ਬਾਹਰ ਕੱਢ ਦਿੱਤਾ ਹੈ। ਕੰਪਨੀ ਨੇ AI ਨੂੰ ਆਪਣੀ ਰਣਨੀਤੀ ਸਮੀਖਿਆ (strategy reviews) ਅਤੇ ਪੂੰਜੀ ਅਲਾਟਮੈਂਟ ਪ੍ਰਕਿਰਿਆਵਾਂ (capital allocation processes) ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ (integrated) ਕੀਤਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਸੰਕੇਤ ਮਿਲਦਾ ਹੈ ਕਿ AI ਇਸਦੇ ਬਿਜ਼ਨਸ ਮਾਡਲ ਦਾ ਕੇਂਦਰੀ ਹਿੱਸਾ ਬਣ ਰਿਹਾ ਹੈ, ਨਾ ਕਿ ਕੋਈ ਸੈਕੰਡਰੀ ਫੰਕਸ਼ਨ। Mphasis ਦੇ ਪ੍ਰਬੰਧਨ ਨੇ ਵੀ ਦੱਸਿਆ ਹੈ ਕਿ AI ਦੀ ਸੰਭਾਵਨਾ ਬਾਰੇ ਬਹਿਸ largely settled ਹੋ ਚੁੱਕੀ ਹੈ; ਹੁਣ ਧਿਆਨ ਅਪਣਾਉਣ (adoption) ਦੀ ਗਤੀ ਅਤੇ ਕੰਪਨੀ ਦੀ ਜੋਖਮ ਲੈਣ ਦੀ ਸਮਰੱਥਾ (appetite for risk) 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ। ਇਹ ਉਦਾਹਰਣਾਂ ਇੱਕ ਵਿਆਪਕ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਜਿੱਥੇ IT ਸੇਵਾ ਕੰਪਨੀਆਂ ਬੁਨਿਆਦੀ IT ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਆਪਣੇ ਗਾਹਕਾਂ ਨੂੰ ਉੱਚ-ਮੁੱਲ ਵਾਲੇ AI-ਏਕੀਕ੍ਰਿਤ ਹੱਲ (AI-integrated solutions) ਪੇਸ਼ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ।
ਜੋਖਮ ਅਤੇ ਗਵਰਨੈਂਸ ਦਾ ਪਹਿਲੂ
ਜਦੋਂ ਕਿ AI 'ਤੇ ਧਿਆਨ ਵਧ ਰਿਹਾ ਹੈ, ਇਸ ਨਾਲ ਨਵੀਆਂ ਚੁਣੌਤੀਆਂ ਵੀ ਸਾਹਮਣੇ ਆ ਰਹੀਆਂ ਹਨ। ਜਿਵੇਂ ਕਿ ਇੰਡਸਟਰੀ ਲੀਡਰਾਂ ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ, ਬਹੁਤ ਸਾਰੀਆਂ ਫਰਮਾਂ ਲਈ ਸੀਮਤ ਕਰਨ ਵਾਲਾ ਕਾਰਕ (limiting factor) ਕਦੇ ਵੀ ਸਿਰਫ਼ ਬਜਟ ਜਾਂ ਟੈਕਨਾਲੌਜੀ ਦੀ ਉਪਲਬਧਤਾ ਨਹੀਂ ਹੁੰਦਾ, ਸਗੋਂ ਸੰਸਥਾ ਦੀ ਜੋਖਮ ਲੈਣ ਦੀ ਇੱਛਾ (appetite for risk) ਅਤੇ AI ਡਿਪਲੋਇਮੈਂਟ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਗਵਰਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੁੰਦੀ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕਾਰਜਕਾਰੀ ਦਾ ਜੋਖਮ (risk of execution) ਉੱਚਾ ਹੈ। AI ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਕਰਨ ਲਈ ਡਾਟਾ ਗਵਰਨੈਂਸ ਅਤੇ ਓਪਰੇਟਿੰਗ ਢਾਂਚੇ (operating structures) ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀਆਂ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਜੇਕਰ ਕਿਸੇ ਕੰਪਨੀ ਕੋਲ ਮਜ਼ਬੂਤ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ ਦੀ ਘਾਟ ਹੈ, ਤਾਂ AI ਨਿਵੇਸ਼ਾਂ ਤੋਂ ਉਮੀਦ ਅਨੁਸਾਰ ਕੁਸ਼ਲਤਾ ਪ੍ਰਾਪਤ ਨਹੀਂ ਹੋ ਸਕਦੀ, ਜੋ ਸ਼ੁਰੂਆਤੀ ਲਾਗਤਾਂ ਕਾਰਨ ਥੋੜ੍ਹੇ ਤੋਂ ਮੱਧਮ ਸਮੇਂ ਵਿੱਚ ਮੁਨਾਫੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ?
ਨਿਵੇਸ਼ਕ ਇਹ ਮਾਪਣ ਲਈ ਕੁਝ ਮੁੱਖ ਖੇਤਰਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕੀ ਬੋਰਡਰੂਮ ਦਾ ਇਹ ਫੋਕਸ ਲਾਭਦਾਇਕ ਸਾਬਤ ਹੋ ਰਿਹਾ ਹੈ:
- ਠੋਸ ROI: ਤਿਮਾਹੀ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਪ੍ਰਬੰਧਨ ਦੀ ਟਿੱਪਣੀ (management commentary) ਦੀ ਭਾਲ ਕਰੋ ਜੋ "AI ਹਾਈਪ" ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਵਿਸ਼ੇਸ਼ ਮੈਟ੍ਰਿਕਸ, ਜਿਵੇਂ ਕਿ ਲਾਗਤ ਬੱਚਤਾਂ ਜਾਂ AI-ਅਗਵਾਈ ਵਾਲੀਆਂ ਪਹਿਲਕਦਮੀਆਂ (AI-led initiatives) ਤੋਂ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕਮਾਏ ਮਾਲੀਏ, ਨੂੰ ਉਜਾਗਰ ਕਰੇ।
- ਮਾਰਜਿਨ ਸਥਿਰਤਾ: ਜਿਵੇਂ-ਜਿਵੇਂ ਕੰਪਨੀਆਂ AI ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਦੀਆਂ ਹਨ, ਨਿਗਰਾਨੀ ਕਰੋ ਕਿ ਕੀ ਉਹ ਓਪਰੇਟਿੰਗ ਮਾਰਜਿਨ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖ ਸਕਦੀਆਂ ਹਨ ਜਾਂ ਸੁਧਾਰ ਸਕਦੀਆਂ ਹਨ। ਸੰਬੰਧਿਤ ਕੁਸ਼ਲਤਾ ਲਾਭਾਂ ਜਾਂ ਮਾਲੀਆ ਵਾਧੇ ਤੋਂ ਬਿਨਾਂ AI 'ਤੇ ਉੱਚ ਖਰਚ ਮੁਨਾਫੇ 'ਤੇ ਦਬਾਅ ਪਾ ਸਕਦਾ ਹੈ।
- ਪੂੰਜੀ ਅਲਾਟਮੈਂਟ: ਇਹ ਟ੍ਰੈਕ ਕਰੋ ਕਿ ਕੀ ਕੰਪਨੀਆਂ ਆਪਣੇ AI ਖਰਚਿਆਂ ਨਾਲ ਅਨੁਸ਼ਾਸਿਤ (disciplined) ਹੋ ਰਹੀਆਂ ਹਨ ਜਾਂ ਕੀ ਉਹ ਸਪੱਸ਼ਟ ਕਾਰਜਕਾਰੀ ਸਮਾਂ-ਸੀਮਾ (execution timelines) ਤੋਂ ਬਿਨਾਂ ਪੂੰਜੀ ਦੀ ਜ਼ਿਆਦਾ ਵਚਨਬੱਧਤਾ ਕਰ ਰਹੀਆਂ ਹਨ।
- ਗਾਹਕ ਅਪਣਾਉਣਾ (Client Adoption): ਗਾਹਕਾਂ ਦੁਆਰਾ ਸਿਰਫ਼ ਪ੍ਰੂਫ-ਆਫ-ਕਾਨਸੈਪਟ (proofs-of-concept) ਚਲਾਉਣ ਦੀ ਬਜਾਏ AI ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਅਸਲ ਵਿੱਚ ਸਕੇਲ ਕਰਨ ਦਾ ਸਬੂਤ, ਸਫਲ ਲਾਗੂਕਰਨ ਦਾ ਇੱਕ ਮਜ਼ਬੂਤ ਸੰਕੇਤ ਹੈ।