ਭਾਰਤੀ IT ਕੰਪਨੀਆਂ AI ਦੀ ਵਰਤੋਂ ਨਾਲ ਗਾਹਕਾਂ ਦੇ ਪੁਰਾਣੇ ਸੌਫਟਵੇਅਰ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਸਫਲ ਹੋ ਰਹੀਆਂ ਹਨ। ਪਰ ਹੁਣ ਵਿੱਤ (Finance) ਅਤੇ ਨਿਰਮਾਣ (Manufacturing) ਖੇਤਰ ਦੇ ਗਾਹਕਾਂ ਨੂੰ AI ਅਪਣਾਉਣ ਦੇ ਲੁਕਵੇਂ ਖਰਚਿਆਂ ਅਤੇ ਤਕਨੀਕੀ ਜੋਖਮਾਂ ਦਾ ਡਰ ਸਤਾ ਰਿਹਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਇਹ ਦੇਖਣਾ ਅਹਿਮ ਹੋਵੇਗਾ ਕਿ IT ਕੰਪਨੀਆਂ ਵਧ ਰਹੇ ਕੰਪਿਊਟ ਅਤੇ ਟੋਕਨ ਖਰਚਿਆਂ ਦਰਮਿਆਨ AI ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਮੁਨਾਫੇਬਾਜ਼ੀ (Profitability) ਕਿਵੇਂ ਸੰਭਾਲਦੀਆਂ ਹਨ।
AI ਕਾਰਨ ਪੈਦਾ ਹੋ ਰਿਹਾ ਨਵਾਂ 'Technical Debt'
ਭਾਰਤ ਦੀਆਂ IT ਸਰਵਿਸਿਜ਼ ਕੰਪਨੀਆਂ ਇਸ ਵਿੱਤੀ ਸਾਲ (Financial Year) ਦੀ ਸ਼ੁਰੂਆਤ ਦੋਹਰੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਕਰ ਰਹੀਆਂ ਹਨ: ਇੱਕ ਪਾਸੇ ਗਾਹਕਾਂ ਦੇ ਪੁਰਾਣੇ, ਬੇਕਾਰ ਹੋ ਚੁੱਕੇ ਸੌਫਟਵੇਅਰ (Legacy Technical Debt) ਨੂੰ ਖਤਮ ਕਰਨਾ, ਅਤੇ ਦੂਜੇ ਪਾਸੇ ਨਵੀਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਸਮਰੱਥਾਵਾਂ ਦਾ ਨਿਰਮਾਣ ਕਰਨਾ। ਭਾਵੇਂ ਇਸ ਬਦਲਾਅ ਨਾਲ ਉਤਪਾਦਕਤਾ (Productivity) ਅਤੇ ਡੀਲ ਜਿੱਤਣ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਪਰ ਬੈਂਕਿੰਗ (BFSI) ਅਤੇ ਨਿਰਮਾਣ ਵਰਗੇ ਖੇਤਰਾਂ ਦੇ ਗਾਹਕਾਂ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਚਿੰਤਾ ਪੈਦਾ ਹੋ ਰਹੀ ਹੈ।
AI ਟੂਲਜ਼ ਜਿੱਥੇ ਕੰਪਨੀਆਂ ਨੂੰ ਪੁਰਾਣੇ ਸੌਫਟਵੇਅਰ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਠੀਕ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਰਹੇ ਹਨ, ਉੱਥੇ ਹੀ ਨਿਰਮਾਣ ਅਤੇ ਵਿੱਤੀ ਖੇਤਰ ਦੇ ਮੁਖੀ ਸਾਵਧਾਨੀ ਵਰਤ ਰਹੇ ਹਨ। ਡਰ ਇਹ ਹੈ ਕਿ AI ਕੋਡਿੰਗ ਦੀ ਤੇਜ਼, ਆਟੋਮੇਟਿਡ ਪ੍ਰਕਿਰਤੀ ਕਾਰਨ 'ਟੈਕਨੀਕਲ ਡੈੱਟ' ਦਾ ਇੱਕ ਨਵਾਂ ਰੂਪ ਸਾਹਮਣੇ ਆ ਸਕਦਾ ਹੈ। ਰਵਾਇਤੀ ਕੋਡਿੰਗ, ਜੋ ਮਨੁੱਖ ਦੁਆਰਾ ਪੜ੍ਹੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਜਿਸ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਆਸਾਨ ਹੈ, ਦੇ ਉਲਟ, AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਵਿੱਚ ਪੂਰੀ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਕਮੀ ਹੋ ਸਕਦੀ ਹੈ। ਜੇ ਡਿਵੈਲਪਰਾਂ ਕੋਲ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਰ ਲਾਈਨ ਕੋਡ ਦੀ ਪੂਰੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਹ ਸਿਸਟਮ ਬਣਾ ਸਕਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਬਣਾਈ ਰੱਖਣਾ ਜਾਂ ਅਪਗ੍ਰੇਡ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਗਾਹਕ AI ਦੀ 'ਸੰਭਾਵਨਾ' (Probabilistic) ਪ੍ਰਕਿਰਤੀ ਬਾਰੇ ਵੀ ਚਿੰਤਤ ਹਨ। ਮਿਸ਼ਨ-ਕ੍ਰਿਟੀਕਲ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ, ਜਿਵੇਂ ਕਿ ਬੈਂਕਿੰਗ ਟ੍ਰਾਂਜੈਕਸ਼ਨਾਂ ਜਾਂ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਨਿਰਮਾਣ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਇੱਕ AI ਮਾਡਲ ਜੋ ਸਿਰਫ 'ਲਗਭਗ ਸਹੀ' ਹੈ, ਕਾਫੀ ਨਹੀਂ ਹੈ। ਇਹ ਅਨਿਸ਼ਚਿਤਤਾਵਾਂ, ਸਪੱਸ਼ਟ ਰੈਗੂਲੇਟਰੀ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਘਾਟ ਦੇ ਨਾਲ ਮਿਲ ਕੇ, ਕੁਝ ਕੰਪਨੀਆਂ ਨੂੰ AI ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਟੈਸਟਿੰਗ ਪੜਾਵਾਂ ਤੋਂ ਪੂਰੇ ਪੱਧਰ ਦੇ ਉਤਪਾਦਨ (Production) ਵਿੱਚ ਲਿਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਰੋਕਣ ਦਾ ਕਾਰਨ ਬਣ ਰਹੀਆਂ ਹਨ।
IT ਕੰਪਨੀਆਂ ਦੀ ਵਿੱਤੀ ਸਥਿਤੀ 'ਤੇ ਅਸਰ
IT ਸਰਵਿਸਿਜ਼ ਫਰਮਾਂ ਲਈ, ਇਹ ਇੱਕ ਨਾਜ਼ੁਕ ਸੰਤੁਲਨ ਬਣਾਉਣ ਵਾਲਾ ਕੰਮ ਹੈ। ਜਦੋਂ ਕਿ Tech Mahindra ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਨੇ ਮਜ਼ਬੂਤ ਵਿੱਤੀ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ—ਜਿਸ ਵਿੱਚ FY27 ਦੀ ਪਹਿਲੀ ਤਿਮਾਹੀ ਲਈ EBIT (Earnings Before Interest and Taxes) ਵਿੱਚ ਸਾਲ-ਦਰ-ਸਾਲ 53% ਦਾ ਵਾਧਾ ਅਤੇ $1.078 ਬਿਲੀਅਨ ਦੇ ਨਵੇਂ ਡੀਲ ਜਿੱਤ ਸ਼ਾਮਲ ਹਨ—ਸਮੁੱਚਾ ਸੈਕਟਰ ਗਾਹਕਾਂ ਦੇ ਖਰਚਿਆਂ ਵਿੱਚ ਇੱਕ ਬਦਲਾਅ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ। TCS ਅਤੇ Wipro ਵਰਗੀਆਂ ਪ੍ਰਮੁੱਖ ਕੰਪਨੀਆਂ ਦੀ ਮੈਨੇਜਮੈਂਟ ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਗਾਹਕ ਆਪਣੇ ਟੈਕਨਾਲੋਜੀ ਬਜਟਾਂ ਪ੍ਰਤੀ ਵਧੇਰੇ ਚੋਣਵੇਂ ਹੋ ਰਹੇ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇ ਰਹੇ ਹਨ ਜੋ ਸਪੱਸ਼ਟ, ਮਾਪਣਯੋਗ ਰਿਟਰਨ (Returns) ਪੇਸ਼ ਕਰਦੇ ਹਨ।
IT ਫਰਮਾਂ ਲਈ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ AI ਦੀ ਤੈਨਾਤੀ (Deployment) ਦੇ ਵਿੱਤੀ ਬੋਝ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਹੈ। ਉੱਨਤ AI ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਕੰਪਿਊਟ ਪਾਵਰ ਅਤੇ 'ਟੋਕਨ' ਖਰਚੇ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦੇ ਹਨ। ਜੇ ਇਹ ਖਰਚੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਨਹੀਂ ਕੀਤੇ ਜਾਂਦੇ, ਤਾਂ ਉਹ IT ਫਰਮ ਅਤੇ ਗਾਹਕ ਦੋਵਾਂ ਲਈ ਲਾਭ ਮਾਰਜਨ (Profit Margins) ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ। Aurionpro Solutions ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਨੇ ਪਹਿਲਾਂ ਹੀ AI-ਨੇਟਿਵ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ ਜੋ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ BFSI ਗਾਹਕਾਂ ਨੂੰ ਇਹ ਲਾਗਤਾਂ ਨੂੰ ਅਨੁਕੂਲ (Optimize) ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਇਹ ਇੱਕ ਵਿਆਪਕ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿੱਥੇ IT ਫਰਮਾਂ ਨੂੰ ਹੁਣ 'AI FinOps' (AI Financial Operations) ਸੇਵਾਵਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨੀ ਪੈਂਦੀ ਹੈ—ਭਾਵ ਅਜਿਹੀਆਂ ਸੇਵਾਵਾਂ ਜੋ AI ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਦੀ ਅਸਲ ਲਾਗਤ ਦੇ ਮੁਕਾਬਲੇ ਕਾਰੋਬਾਰੀ ਨਤੀਜਿਆਂ ਨੂੰ ਟਰੈਕ ਕਰਦੀਆਂ ਹਨ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਭਵਿੱਖ 'ਚ ਦੇਖਣਯੋਗ ਗੱਲਾਂ (Future Monitorables)
ਜਿਉਂ-ਜਿਉਂ ਉਦਯੋਗ ਪਰਿਪੱਕ (Mature) ਹੋ ਰਿਹਾ ਹੈ, ਫੋਕਸ ਸਿਰਫ AI ਨੂੰ ਅਪਣਾਉਣ ਤੋਂ ਇਸਦੀ ਲੰਬੀ-ਸਮਿਆਲੂ ਵਿੱਤੀ ਵਿਹਾਰਕਤਾ (Financial Viability) ਸਾਬਤ ਕਰਨ ਵੱਲ ਤਬਦੀਲ ਹੋ ਰਿਹਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਮੁੱਖ ਦੇਖਣਯੋਗ ਗੱਲ ਸਿਰਫ AI ਡੀਲਾਂ ਦਾ ਕੁੱਲ ਮੁੱਲ (Total Value) ਹੀ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਇਹ ਵੀ ਹੈ ਕਿ IT ਫਰਮਾਂ AI ਕੰਪਿਊਟ ਅਤੇ ਟੋਕਨ ਦੀ ਵਰਤੋਂ ਦੀਆਂ ਉੱਚ ਲਾਗਤਾਂ ਨੂੰ ਜਜ਼ਬ ਕਰਦੇ ਹੋਏ ਆਪਣੇ ਲਾਭ ਮਾਰਜਨ ਨੂੰ ਕਿਵੇਂ ਬਣਾਈ ਰੱਖਦੀਆਂ ਹਨ।
ਸਫਲ ਫਰਮਾਂ ਉਹ ਹੋਣਗੀਆਂ ਜੋ ਗਾਹਕਾਂ ਨੂੰ 'AI ਡੈੱਟ' ਚੱਕਰ ਵਿੱਚੋਂ ਗੁਜ਼ਾਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੀਆਂ ਹਨ ਕਿ ਨਵੇਂ ਡਿਜੀਟਲ ਲਾਗੂਕਰਨ (Implementations) ਭਵਿੱਖ ਵਿੱਚ ਮਹਿੰਗੀਆਂ ਰੱਖ-ਰਖਾਅ (Maintenance) ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਨਾ ਕਰਨ। ਭਵਿੱਖ ਵਿੱਚ, ਸ਼ੇਅਰਧਾਰਕ (Shareholders) ਇਸ ਗੱਲ 'ਤੇ ਮੈਨੇਜਮੈਂਟ ਦੀ ਟਿੱਪਣੀ ਦੇਖ ਸਕਦੇ ਹਨ ਕਿ ਇਹ ਫਰਮਾਂ ਗਾਹਕਾਂ ਦੇ ਖਰਚਿਆਂ ਦੇ ਦਬਾਅ ਅਤੇ ਆਪਣੇ ਸਭ ਤੋਂ ਵੱਡੇ ਕਾਰਪੋਰੇਟ ਗਾਹਕਾਂ ਲਈ ਟਿਕਾਊ, ਉੱਚ-ਕੁਸ਼ਲ AI ਹੱਲ ਬਣਾਉਣ ਦੀ ਲੋੜ ਨੂੰ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸੰਤੁਲਿਤ ਕਰ ਰਹੀਆਂ ਹਨ।