ਭਾਰਤੀ IT ਕੰਪਨੀਆਂ ਹੁਣ ਆਪਣੇ ਗਾਹਕਾਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਵਧੇਰੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾ ਰਹੀਆਂ ਹਨ। Token ਦੀ ਖਪਤ ਵਧਣ ਕਾਰਨ ਇਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਦੇ ਟੈਕਨਾਲੋਜੀ ਬਿੱਲ ਵੱਧ ਰਹੇ ਹਨ। TCS, HCLTech, ਅਤੇ Wipro ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਹੁਣ ਖਰਚਿਆਂ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਲਈ ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਮਾਡਲ ਅਪਣਾ ਰਹੀਆਂ ਹਨ, ਜਿਸ ਵਿੱਚ ਆਮ ਕੰਮਾਂ ਨੂੰ ਛੋਟੇ ਅਤੇ ਸਸਤੇ AI ਮਾਡਲਾਂ 'ਤੇ ਭੇਜਿਆ ਜਾ ਰਿਹਾ ਹੈ।
ਭਾਰਤ ਦੀਆਂ ਵੱਡੀਆਂ IT ਸਰਵਿਸਿਜ਼ ਫਰਮਾਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਸੈਕਟਰ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀਆਂ ਹਨ: Token ਦੀ ਖਪਤ ਦੀ ਵਧਦੀ ਲਾਗਤ। ਜਿਵੇਂ-ਜਿਵੇਂ ਕੰਪਨੀਆਂ AI ਪਹਿਲਕਦਮੀਆਂ ਦਾ ਪਸਾਰਾ ਕਰ ਰਹੀਆਂ ਹਨ, ਪ੍ਰੋਸੈਸ ਕੀਤੇ ਗਏ ਡਾਟਾ ਦੀ ਮਾਤਰਾ - ਜਿਸ ਨੂੰ Token ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ - ਤੇਜ਼ੀ ਨਾਲ ਵਧੀ ਹੈ, ਜਿਸ ਨਾਲ ਓਪਰੇਟਿੰਗ ਬਿੱਲਾਂ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ ਹੈ। ਇਸ ਦੇ ਜਵਾਬ ਵਿੱਚ, Tata Consultancy Services (TCS), HCL Technologies, ਅਤੇ Wipro ਵਰਗੀਆਂ ਫਰਮਾਂ ਆਪਣੇ ਗਾਹਕਾਂ ਨੂੰ ਇਹਨਾਂ ਖਰਚਿਆਂ ਨੂੰ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਇੱਕ ਸਿੰਗਲ-ਮਾਡਲ ਪਹੁੰਚ ਤੋਂ ਹਾਈਬ੍ਰਿਡ ਜਾਂ ਟਾਇਰਡ (tiered) ਰਣਨੀਤੀ ਵੱਲ ਜਾਣ ਵਿੱਚ ਮਦਦ ਕਰ ਰਹੀਆਂ ਹਨ।
ਹਾਈਬ੍ਰਿਡ AI ਮਾਡਲ ਰਣਨੀਤੀ ਵੱਲ ਵਧਣਾ
ਮੌਜੂਦਾ ਉਦਯੋਗਿਕ ਤਬਦੀਲੀ ਵਿੱਚ ਘੱਟ-ਜਟਿਲ ਕੰਮਾਂ ਨੂੰ ਛੋਟੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ (language models) ਨੂੰ ਸੌਂਪਣਾ ਸ਼ਾਮਲ ਹੈ ਜੋ ਵਧੇਰੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਨ, ਜਦੋਂ ਕਿ ਉੱਚ-ਅੰਤ (high-end), ਕੰਪਿਊਟੇਸ਼ਨਲ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ (LLMs) ਨੂੰ ਸਿਰਫ ਵਧੀਆ ਕਾਰਜਾਂ ਲਈ ਰਾਖਵਾਂ ਰੱਖਣਾ ਸ਼ਾਮਲ ਹੈ। ਇਹ ਪਹੁੰਚ ਪ੍ਰੋਜੈਕਟ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹੋਏ ਟੈਕਨਾਲੋਜੀ ਬਜਟ ਨੂੰ ਕੰਟਰੋਲ ਵਿੱਚ ਰੱਖਣ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ। ਪ੍ਰਮੁੱਖ IT ਫਰਮਾਂ ਦੇ ਅਧਿਕਾਰੀਆਂ ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਇਹ ਲਾਗਤ ਅਨੁਕੂਲਤਾ (cost optimization) ਚੀਫ ਫਾਈਨੈਂਸ਼ੀਅਲ ਅਫਸਰਾਂ (CFOs) ਲਈ ਤਰਜੀਹ ਬਣ ਗਈ ਹੈ, ਜੋ AI ਖਰਚ ਤੋਂ ਸਿੱਧੇ ਰਿਟਰਨ ਆਨ ਇਨਵੈਸਟਮੈਂਟ (ROI) 'ਤੇ ਵਧੇਰੇ ਕੇਂਦ੍ਰਿਤ ਹਨ।
HCLTech ਨੇ ਗਾਹਕਾਂ ਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਨੂੰ ਢੁਕਵੇਂ AI ਮਾਡਲਾਂ ਨਾਲ ਮੇਲਣ ਲਈ ਇੱਕ ਟਾਇਰਡ ਸਰਵਿਸ ਸਟਰਕਚਰ ਪੇਸ਼ ਕੀਤਾ ਹੈ। ਇਸੇ ਤਰ੍ਹਾਂ, Wipro ਅਤੇ Cognizant ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਮਾਪਣਯੋਗ ਵਪਾਰਕ ਨਤੀਜਿਆਂ (measurable business outcomes) ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਲਈ ਆਪਣੀ ਸਰਵਿਸ ਡਿਲੀਵਰੀ ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰ ਰਹੀਆਂ ਹਨ, ਅਤੇ ਉੱਚ-ਲਾਗਤ, ਇੱਕ-ਆਕਾਰ-ਸਭ-ਤੇ-ਲਾਗੂ (one-size-fits-all) ਲਾਗੂਕਰਨ ਤੋਂ ਦੂਰ ਜਾ ਰਹੀਆਂ ਹਨ। ਇਹ ਇੱਕ ਵਿਆਪਕ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਕਾਰੋਬਾਰ ਵਿਆਪਕ ਆਰਥਿਕ ਸਾਵਧਾਨੀ (economic caution) ਦੇ ਪ੍ਰਭਾਵ ਹੇਠ, ਰਵਾਇਤੀ IT ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਖਰਚਿਆਂ ਵਾਂਗ AI ਬਿੱਲਾਂ ਦੀ ਵੀ ਨੇੜਿਓਂ ਜਾਂਚ ਕਰ ਰਹੇ ਹਨ।
IT ਸਰਵਿਸਿਜ਼ ਅਤੇ ਬਿਜ਼ਨਸ ਆਊਟਕਮਜ਼ 'ਤੇ ਅਸਰ
ਭਾਰਤੀ IT ਕੰਪਨੀਆਂ ਲਈ, ਇਹ ਤਬਦੀਲੀ ਇੱਕ ਚੁਣੌਤੀ ਅਤੇ ਮੌਕਾ ਦੋਵੇਂ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਜਦੋਂ ਕਿ AI ਦੀ ਖਪਤ ਵਿੱਚ ਵਾਧਾ ਸ਼ੁਰੂ ਵਿੱਚ ਮਾਲੀਆ (revenue) ਲਈ ਇੱਕ ਪਲੱਸ ਪੁਆਇੰਟ ਜਾਪਦਾ ਸੀ, Token ਲਾਗਤਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਦਾ ਦਬਾਅ ਹੁਣ ਇਹਨਾਂ ਫਰਮਾਂ ਨੂੰ ਬਿਹਤਰ ਲਾਗਤ-ਕੁਸ਼ਲਤਾ (cost-efficiency) ਅਤੇ ਤਕਨੀਕੀ ਚੁਸਤੀ (technical agility) ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਬ੍ਰੋਕਰੇਜ ਫਰਮਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਕ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਇੱਕ ਟਾਇਰਡ AI ਸਟੈਕ - ਛੋਟੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲਾਂ ਨਾਲ ਜੋੜਨਾ - ਖਾਸ ਤੌਰ 'ਤੇ ਡਾਟਾ ਤਿਆਰੀ ਅਤੇ ਇਹਨਾਂ ਛੋਟੇ, ਕਸਟਮ-ਬਿਲਟ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਸੇਵਾਵਾਂ ਦੀ ਨਵੀਂ ਮੰਗ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਇਹ ਰਣਨੀਤਕ ਮੋੜ (strategic pivot) ਅਜਿਹੇ ਸਮੇਂ ਵਿੱਚ ਆਇਆ ਹੈ ਜਦੋਂ ਪ੍ਰਮੁੱਖ IT ਨਿਰਯਾਤਕ (exporters) ਇੱਕ ਚੁਣੌਤੀਪੂਰਨ ਵਿੱਤੀ ਸ਼ੁਰੂਆਤ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰ ਰਹੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਸਟਾਕ ਮਾਰਕੀਟ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਅਕਸਰ AI ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਮਾਰਜਿਨ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਾ ਸਕਦਾ ਹੈ, ਇਸ ਬਾਰੇ ਨਿਵੇਸ਼ਕਾਂ ਦੀ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਇਸ ਗੱਲ 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਰਹੇ ਹਨ ਕਿ ਇਹ ਕੰਪਨੀਆਂ ਉੱਚ-ਅੰਤ AI ਸਮਰੱਥਾਵਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨ ਅਤੇ ਲਾਭ ਮਾਰਜਿਨ ਬਣਾਈ ਰੱਖਣ ਦੇ ਸੰਤੁਲਨ ਦਾ ਪ੍ਰਬੰਧਨ ਕਿਵੇਂ ਕਰਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਗਾਹਕ ਵਧੇਰੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੱਲਾਂ ਲਈ ਦਬਾਅ ਪਾ ਰਹੇ ਹਨ। ਲਾਭਪ੍ਰਦਤਾ 'ਤੇ ਲੰਬੇ ਸਮੇਂ ਦਾ ਪ੍ਰਭਾਵ ਇਹਨਾਂ IT ਫਰਮਾਂ ਦੀ ਕੁਸ਼ਲ, ਮਾਪਣਯੋਗ AI ਏਕੀਕਰਨ (integrations) ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਯੋਗਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਜੋ ਉਹਨਾਂ ਦੇ ਗਾਹਕਾਂ ਲਈ ਸਪੱਸ਼ਟ ਲਾਗਤ ਬੱਚਤ ਜਾਂ ਬਿਹਤਰ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦੇ ਹਨ। ਅਗਲਾ ਮੁੱਖ ਮਾਨੀਟਰੇਬਲ (monitorable) ਪ੍ਰਬੰਧਨ ਟਿੱਪਣੀ ਹੋਵੇਗੀ ਕਿ ਇਹ AI ਮਾਡਲ ਅਨੁਕੂਲਨ (optimizations) ਆਉਣ ਵਾਲੇ ਤਿਮਾਹੀ ਨਤੀਜਿਆਂ ਵਿੱਚ ਡੀਲ ਮਾਰਜਿਨ ਅਤੇ ਮਾਲੀਆ ਵਾਧੇ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ।