Mahindra & Mahindra ਆਪਣੇ ਆਟੋਮੋਟਿਵ, ਫਾਈਨਾਂਸ ਅਤੇ ਲੌਜਿਸਟਿਕਸ ਯੂਨਿਟਾਂ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਵਧਾ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਕੰਮਕਾਜ ਵਿੱਚ ਸੁਧਾਰ ਲਿਆਂਦਾ ਜਾ ਸਕੇ। ਇਹ ਕਦਮ ਛੋਟੇ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ AI ਨੂੰ ਮੁੱਖ ਫੈਸਲੇ ਲੈਣ ਅਤੇ ਗਾਹਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦਾ ਟੀਚਾ ਰੱਖਦਾ ਹੈ ਤਾਂ ਜੋ ਗਰੁੱਪ ਦੇ ਵਿਕਾਸ ਨੂੰ ਹੁਲਾਰਾ ਮਿਲ ਸਕੇ।
Mahindra & Mahindra ਹੁਣ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੂੰ ਸਿਰਫ ਛੋਟੇ-ਮੋਟੇ ਪ੍ਰਯੋਗਾਂ (Pilot Projects) ਤੱਕ ਸੀਮਤ ਰੱਖਣ ਦੀ ਬਜਾਏ, ਇਸਨੂੰ ਆਪਣੇ ਕਾਰੋਬਾਰੀ ਰਣਨੀਤੀ (Business Strategy) ਦਾ ਮੁੱਖ ਹਿੱਸਾ ਬਣਾ ਰਿਹਾ ਹੈ। ਕੰਪਨੀ ਦੀ ਵਿੱਤੀ ਸਾਲ 2026 ਦੀ ਸਲਾਨਾ ਰਿਪੋਰਟ (Annual Report) ਮੁਤਾਬਕ, ਗਰੁੱਪ ਦੇ ਸੀਨੀਅਰ ਅਧਿਕਾਰੀ ਹੁਣ AI ਨੂੰ ਆਪਣੇ ਸਾਰੇ ਕਾਰੋਬਾਰਾਂ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਏਕੀਕ੍ਰਿਤ (Integrate) ਕਰਨ ਵੱਲ ਵਧ ਰਹੇ ਹਨ ਤਾਂ ਜੋ ਕੰਮਕਾਜ ਦੀ ਕੁਸ਼ਲਤਾ (Operational Efficiency) ਅਤੇ ਗਾਹਕਾਂ ਨਾਲ ਸਬੰਧਾਂ (Customer Engagement) ਨੂੰ ਬਿਹਤਰ ਬਣਾਇਆ ਜਾ ਸਕੇ।
ਆਟੋਮੋਟਿਵ ਅਤੇ ਫਾਈਨਾਂਸ ਸੈਕਟਰ 'ਤੇ ਅਸਰ
ਆਟੋਮੋਟਿਵ ਸੈਗਮੈਂਟ ਵਿੱਚ, ਕੰਪਨੀ AI ਨੂੰ ਆਪਣੇ NU_IQ ਨਾਮੀ ਮਾਡੂਲਰ ਵਾਹਨ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਰਹੀ ਹੈ ਤਾਂ ਜੋ ਸਮਾਰਟ ਮੋਬਿਲਿਟੀ ਫੀਚਰਜ਼ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ ਜਾ ਸਕੇ। ਇਸ ਦੇ ਨਾਲ ਹੀ, ਨਿਰਮਾਣ (Manufacturing) ਵਿਭਾਗ ਵੀ ਉਤਪਾਦਨ ਪ੍ਰਕਿਰਿਆਵਾਂ (Production Processes) ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਇਨ੍ਹਾਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ। Mahindra Finance ਨੇ ਵੀ ਇਸ ਪਹਿਲਕਦਮੀ ਤੋਂ ਠੋਸ ਨਤੀਜੇ ਦਰਜ ਕੀਤੇ ਹਨ। ਇਸਦੇ ਅੰਦਰੂਨੀ SamurAI ਟੂਲ ਨੇ ਪੋਸਟ-ਸੈਕਸ਼ਨ ਪ੍ਰਕਿਰਿਆਵਾਂ (Post-Sanction Processes) ਲਈ ਲੱਗਣ ਵਾਲੇ ਸਮੇਂ ਨੂੰ 80% ਤੱਕ ਘਟਾਉਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਹੈ। ਇਸ ਡਿਜੀਟਲ ਕੁਸ਼ਲਤਾ ਨੇ FY26 ਦੌਰਾਨ ਕੰਪਨੀ ਦੇ Udaan ਪਲੇਟਫਾਰਮ ਰਾਹੀਂ ਵੰਡੇ ਗਏ ₹31,500 ਕਰੋੜ ਦੇ ਕਰਜ਼ੇ ਨੂੰ ਸਮਰਥਨ ਦਿੱਤਾ।
ਲੌਜਿਸਟਿਕਸ ਅਤੇ ਉਸਾਰੀ ਵਿੱਚ ਕੰਮਕਾਜੀ ਲਾਭ
ਗਰੁੱਪ ਦੀਆਂ ਹੋਰ ਕੰਪਨੀਆਂ ਵੀ ਖਾਸ ਕੰਮਕਾਜੀ ਚੁਣੌਤੀਆਂ (Operational Challenges) ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ। Mahindra Lifespaces ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਟੈਕਨਾਲੋਜੀ (Computer Vision Technology) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਸਾਰੀ ਵਿੱਚ ਖਾਮੀਆਂ (Construction Defects) ਦੀ ਪਛਾਣ ਕਰ ਰਿਹਾ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਗੁਣਵੱਤਾ ਦੇ ਮਾਪਦੰਡਾਂ (Quality Standards) ਨੂੰ ਸੁਧਾਰਨਾ ਅਤੇ ਹਾਊਸਿੰਗ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਡਿਲਿਵਰੀ ਨੂੰ ਤੇਜ਼ ਕਰਨਾ ਹੈ। ਲੌਜਿਸਟਿਕਸ ਸੈਕਟਰ ਵਿੱਚ, LogiOne ਪਲੇਟਫਾਰਮ ਵਰਤਮਾਨ ਵਿੱਚ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ, ਡਿਲਿਵਰੀ ਰੂਟਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਅਤੇ ਸ਼ਿਪਮੈਂਟ ਦੀ ਰੀਅਲ-ਟਾਈਮ ਵਿਜ਼ੀਬਿਲਟੀ (Real-time Shipment Visibility) ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਇਹ ਪਹਿਲਕਦਮੀਆਂ ਉਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਦੇ ਰੋਜ਼ਾਨਾ ਕੰਮਾਂ ਵਿੱਚ ਡਾਟਾ-ਆਧਾਰਿਤ ਫੈਸਲੇ ਲੈਣ (Data-driven Decision-making) ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਇੱਕ ਕਦਮ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਜੋ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਨੁੱਖੀ ਸ਼ਕਤੀ 'ਤੇ ਨਿਰਭਰ ਹੁੰਦੀਆਂ ਹਨ।
ਡਿਜੀਟਲ ਖਰਚਿਆਂ 'ਤੇ ਨਿਵੇਸ਼ਕਾਂ ਦਾ ਨਜ਼ਰੀਆ
ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ, ਮੁੱਖ ਨਿਗਰਾਨੀ ਬਿੰਦੂ (Monitoring Point) ਇਹ ਹੈ ਕਿ ਇਹ ਟੈਕਨਾਲੋਜੀ ਖਰਚਾ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਲੰਬੇ ਸਮੇਂ ਦੇ ਮੁਨਾਫੇ (Profit Margins) ਅਤੇ ਉਤਪਾਦਕਤਾ (Productivity Gains) ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਇਨ੍ਹਾਂ ਟੂਲਸ ਦਾ ਉਦੇਸ਼ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮਾਂ (Turnaround Times) ਅਤੇ ਸੰਚਾਲਨ ਲਾਗਤਾਂ (Operational Costs) ਨੂੰ ਘਟਾਉਣਾ ਹੈ, ਕੰਪਨੀ ਆਪਣੇ ਵੱਖ-ਵੱਖ ਕਾਰੋਬਾਰਾਂ ਵਿੱਚ ਇਨ੍ਹਾਂ ਤਕਨੀਕਾਂ ਨੂੰ ਵਧਾਉਣ ਲਈ ਨਿਵੇਸ਼ ਕਰਨਾ ਜਾਰੀ ਰੱਖ ਰਹੀ ਹੈ। ਕੁੱਲ ਵਿੱਤੀ ਪ੍ਰਭਾਵ (Financial Impact) ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਪ੍ਰਬੰਧਨ (Management) ਗਰੁੱਪ ਭਰ ਵਿੱਚ ਇਨ੍ਹਾਂ ਨਵੇਂ ਪਲੇਟਫਾਰਮਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਹੋਏ ਪੂੰਜੀ ਅਨੁਸ਼ਾਸਨ (Capital Discipline) ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਕਿੰਨਾ ਕੁ ਸਫਲ ਹੁੰਦਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਇਨ੍ਹਾਂ ਡਿਜੀਟਲ ਪ੍ਰੋਜੈਕਟਾਂ 'ਤੇ ਵਾਪਸੀ (Return on Investment) ਬਾਰੇ ਭਵਿੱਖ ਦੇ ਅਪਡੇਟਾਂ ਅਤੇ ਕੰਸੋਲੀਡੇਟਿਡ ਮੁਨਾਫੇ (Consolidated Profitability) ਅਤੇ ਸੰਚਾਲਨ ਓਵਰਹੈੱਡਾਂ (Operational Overheads) 'ਤੇ ਇਨ੍ਹਾਂ AI ਟੂਲਜ਼ ਦੇ ਪ੍ਰਭਾਵ ਬਾਰੇ ਕਿਸੇ ਵੀ ਹੋਰ ਖੁਲਾਸੇ (Disclosures) ਨੂੰ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹਨ।