ਭਾਰਤ ਦੀਆਂ ਵੱਡੀਆਂ IT ਕੰਪਨੀਆਂ, ਜਿਵੇਂ ਕਿ TCS, Infosys, ਅਤੇ Wipro, ਨੇ 6 ਮਹੀਨਿਆਂ ਦੇ ਅੰਦਰ 300,000 ਤੋਂ ਵੱਧ Microsoft Copilot licenses ਖਰੀਦੇ ਹਨ। ਇਹ ਕਦਮ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਵੱਲ ਇੱਕ ਵੱਡਾ ਧੱਕਾ ਦਰਸਾਉਂਦਾ ਹੈ, ਪਰ ਇਸ ਨਾਲ ਕੰਪਨੀਆਂ ਨੂੰ ਕਰਮਚਾਰੀਆਂ ਦੀ ਉਤਪਾਦਕਤਾ (productivity) ਅਤੇ ਡਾਟਾ ਸੁਰੱਖਿਆ (data security) ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਣਾ ਪਵੇਗਾ।
ਕੀ ਹੋਇਆ?
ਭਾਰਤ ਦੀਆਂ ਸਭ ਤੋਂ ਵੱਡੀਆਂ IT ਸਰਵਿਸਿਜ਼ ਕੰਪਨੀਆਂ - Tata Consultancy Services (TCS), Infosys, ਅਤੇ Wipro - ਨੇ ਆਪਣੀ AI ਏਕੀਕਰਨ (integration) ਰਣਨੀਤੀ ਨੂੰ ਤੇਜ਼ ਕੀਤਾ ਹੈ। ਹਾਲ ਹੀ ਵਿੱਚ ਸਾਹਮਣੇ ਆਈਆਂ ਜਾਣਕਾਰੀ ਅਨੁਸਾਰ, ਇਹਨਾਂ ਫਰਮਾਂ ਨੇ ਛੇ ਮਹੀਨਿਆਂ ਦੇ ਅੰਦਰ ਸਮੂਹਿਕ ਤੌਰ 'ਤੇ 300,000 ਤੋਂ ਵੱਧ Microsoft Copilot licenses ਨੂੰ ਅਪਣਾਇਆ ਹੈ। ਇਹ ਕਦਮ AI ਦੇ ਪ੍ਰਯੋਗਾਤਮਕ (experimental) ਵਰਤੋਂ ਤੋਂ ਐਂਟਰਪ੍ਰਾਈਜ਼-ਸਕੇਲ ਤੱਕ ਦੀ ਤਾਇਨਾਤੀ (deployment) ਵੱਲ ਇੱਕ ਬਦਲਾਅ ਦਾ ਪ੍ਰਤੀਕ ਹੈ। ਇਹਨਾਂ AI ਟੂਲਜ਼ ਨੂੰ ਆਪਣੇ ਕਰਮਚਾਰੀਆਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ, ਇਹ ਕੰਪਨੀਆਂ ਉਤਪਾਦਕਤਾ ਵਧਾਉਣ ਅਤੇ ਗਲੋਬਲ ਗਾਹਕਾਂ ਨੂੰ AI-ਸੰਚਾਲਿਤ ਹੱਲ (AI-driven solutions) ਪੇਸ਼ ਕਰਨ ਦਾ ਟੀਚਾ ਰੱਖਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਇਸ ਪੱਧਰ ਦੀ ਅਪਣੱਤ ਨੇ ਪ੍ਰਬੰਧਨ (management) ਵਿੱਚ ਇੱਕ ਬਹਿਸ ਛੇੜ ਦਿੱਤੀ ਹੈ ਕਿ ਨਵੀਨਤਾ (innovation) ਨੂੰ ਰੋਕੇ ਬਿਨਾਂ ਇਹਨਾਂ ਟੂਲਜ਼ ਨੂੰ ਕਿਵੇਂ ਨਿਯੰਤਰਿਤ ਕੀਤਾ ਜਾਵੇ।
ਪ੍ਰਬੰਧਨ ਲਈ ਸੰਤੁਲਨ ਦਾ ਕੰਮ
ਕਾਰਪੋਰੇਟ ਬੋਰਡਰੂਮ ਇਸ ਸਮੇਂ AI ਅਪਣੱਤ ਦੇ ਦੋ ਮੁੱਖ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਚੋਣ ਕਰ ਰਹੇ ਹਨ। 'ਟਾਪ-ਡਾਊਨ' (top-down) ਪਹੁੰਚ ਵਿੱਚ ਸਖ਼ਤ ਨਿਯੰਤਰਣ ਸ਼ਾਮਲ ਹੈ, ਜਿੱਥੇ ਲੀਡਰਸ਼ਿਪ ਸੁਰੱਖਿਆ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਵਿਸ਼ੇਸ਼, ਪ੍ਰਮਾਣਿਤ (vetted) ਟੂਲਜ਼ ਨੂੰ ਲਾਜ਼ਮੀ ਬਣਾਉਂਦੀ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਹੌਲੀ ਅਤੇ ਮਹਿੰਗਾ ਹੋ ਸਕਦਾ ਹੈ। ਦੂਜਾ ਬਦਲ 'ਬਾਟਮ-ਅੱਪ' (bottom-up) ਪਹੁੰਚ ਹੈ, ਜਿੱਥੇ ਕਰਮਚਾਰੀ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਇਹ ਰਚਨਾਤਮਕਤਾ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ, ਇਸ ਵਿੱਚ 'ਸ਼ੈਡੋ IT' (shadow IT) ਦਾ ਖ਼ਤਰਾ ਹੈ, ਜਿੱਥੇ ਸੰਵੇਦਨਸ਼ੀਲ ਕੰਪਨੀ ਡਾਟਾ ਅਣ-ਪ੍ਰਮਾਣਿਤ, ਤੀਜੇ-ਪੱਖ (third-party) AI ਪਲੇਟਫਾਰਮਾਂ ਦੁਆਰਾ ਸੰਸਾਧਿਤ (processed) ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਸ਼ੇਅਰਧਾਰਕਾਂ (shareholders) ਲਈ, ਇਹ ਇੱਕ ਵਿੱਤੀ ਚਿੰਤਾ ਹੈ। ਇੱਕ ਕਠੋਰ ਟਾਪ-ਡਾਊਨ ਪਹੁੰਚ ਅਣ-ਵਰਤੇ ਸੌਫਟਵੇਅਰ ਵਿੱਚ ਬੇਲੋੜੇ ਨਿਵੇਸ਼ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ ਢਿੱਲੀ, ਬਾਟਮ-ਅੱਪ ਪਹੁੰਚ ਅਨਿਯਮਿਤ ਖਰਚੇ ਅਤੇ ਸੁਰੱਖਿਆ ਉਲੰਘਣਾਵਾਂ (security breaches) ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ।
ਡਾਟਾ ਗੋਪਨੀਯਤਾ ਅਤੇ ਪਾਲਣਾ (Compliance) ਦੇ ਜੋਖਮ
ਭਾਰਤੀ IT ਫਰਮਾਂ ਲਈ, ਰੈਗੂਲੇਟਰੀ (regulatory) ਲੈਂਡਸਕੇਪ ਸਖ਼ਤ ਹੋ ਰਿਹਾ ਹੈ। ਡਿਜੀਟਲ ਪਰਸਨਲ ਡਾਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ (DPDP) ਐਕਟ ਲਾਗੂ ਹੋਣ ਦੇ ਨਾਲ, ਡਾਟਾ ਲੀਕ (data leak) ਹੋਣ ਦੀ ਲਾਗਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਜੇਕਰ ਕੋਈ ਕਰਮਚਾਰੀ ਇੱਕ ਅਣ-ਮਨਜ਼ੂਰਸ਼ੁਦਾ AI ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜੋ ਗਲਤੀ ਨਾਲ ਗਾਹਕ ਦਾ ਡਾਟਾ ਸਾਂਝਾ ਕਰਦਾ ਹੈ, ਤਾਂ IT ਫਰਮ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਵੱਕਾਰੀ ਨੁਕਸਾਨ (reputational damage) ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਸਗੋਂ ਸੰਭਾਵੀ ਕਾਨੂੰਨੀ ਜੁਰਮਾਨੇ (legal penalties) ਵੀ ਝੱਲਣੇ ਪੈਂਦੇ ਹਨ। ਨਤੀਜੇ ਵਜੋਂ, ਭਾਰਤੀ IT ਲੀਡਰ 'ਗਵਰਨਡ ਆਟੋਨੋਮੀ' (governed autonomy) ਨੂੰ ਵਧਦੀ ਤਰਜੀਹ ਦੇ ਰਹੇ ਹਨ—ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਮਾਡਲ ਜੋ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਇੱਕ ਸਖ਼ਤੀ ਨਾਲ ਨਿਗਰਾਨੀ ਕੀਤੇ, ਸੁਰੱਖਿਅਤ ਢਾਂਚੇ (secure framework) ਦੇ ਅੰਦਰ AI ਟੂਲਜ਼ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਇਹ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ 'ਕੰਟਰੋਲ ਪਲੇਨ' (control planes) ਸਥਾਪਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਕਿ ਵਰਕਫਲੋ ਨੂੰ ਰੋਕੇ ਬਿਨਾਂ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।
ਮੁਨਾਫੇ (Margins) ਅਤੇ ਭਵਿੱਖੀ ਕੁਸ਼ਲਤਾ (Efficiency) 'ਤੇ ਅਸਰ
ਨਿਵੇਸ਼ਕ ਅਕਸਰ ਦੇਖਦੇ ਹਨ ਕਿ AI ਮੁਨਾਫੇ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਵਰਤਮਾਨ ਵਿੱਚ, ਉਦਯੋਗ ਮਹਿੰਗੇ, ਮਲਕੀਅਤ ਵਾਲੇ ਵੱਡੇ ਭਾਸ਼ਾਈ ਮਾਡਲ (large language models) ਬਣਾਉਣ ਤੋਂ ਦੂਰ ਜਾ ਰਿਹਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਕਈ ਮਾਹਿਰ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਗੈਰ-ਵਿਹਾਰਕ (economically unviable) ਮੰਨਦੇ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਧਿਆਨ ਗਾਹਕ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ ਲੋੜਾਂ ਲਈ ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ (fine-tuning) ਕਰਨ 'ਤੇ ਤਬਦੀਲ ਹੋ ਗਿਆ ਹੈ। ਇਹ ਇੱਕ ਵਧੇਰੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ (cost-effective) ਰਣਨੀਤੀ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਮੁੱਖ ਗੱਲ ਇਹ ਟਰੈਕ ਕਰਨਾ ਹੈ ਕਿ ਕੀ ਇਹ AI ਨਿਵੇਸ਼ ਗਾਹਕਾਂ ਤੋਂ ਉੱਚ ਬਿਲਿੰਗ ਦਰਾਂ (billing rates) ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ ਜਾਂ ਉਹ ਸਿਰਫ਼ ਵਾਧੂ ਕਾਰਜਕਾਰੀ ਖਰਚੇ (operational costs) ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ ਇਹ ਫਰਮਾਂ ਵੱਡੀਆਂ ਹੁੰਦੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਟੀਚਾ ਇਹ ਦੇਖਣਾ ਹੈ ਕਿ AI ਰੁਟੀਨ ਕੋਡਿੰਗ ਕੰਮਾਂ 'ਤੇ ਬਿਤਾਏ ਗਏ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਸਮੇਂ ਦੇ ਨਾਲ ਨੈੱਟ ਪ੍ਰੋਫਿਟ ਮਾਰਜਿਨ (net profit margin) ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਅੱਗੇ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਅੱਗੇ ਵਧਦੇ ਹੋਏ, ਸ਼ੇਅਰਧਾਰਕਾਂ ਨੂੰ ਤਿੰਨ ਵਿਸ਼ੇਸ਼ ਖੇਤਰਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਪਹਿਲਾਂ, 'AI-led revenue growth' (AI-ਅਗਵਾਈ ਵਾਲੀ ਮਾਲੀਆ ਵਾਧਾ) 'ਤੇ ਟਿੱਪਣੀ ਲਈ ਤਿਮਾਹੀ ਨਤੀਜਿਆਂ (quarterly results) ਵਿੱਚ ਦੇਖੋ ਕਿ ਕੀ ਇਹ ਨਿਵੇਸ਼ ਅਸਲ ਗਾਹਕ ਸਮਝੌਤਿਆਂ (client contracts) ਵਿੱਚ ਬਦਲ ਰਹੇ ਹਨ। ਦੂਜਾ, ਡਾਟਾ ਸੁਰੱਖਿਆ ਪਾਲਣਾ (data security compliance) ਬਾਰੇ ਕਿਸੇ ਵੀ ਖੁਲਾਸੇ (disclosure) ਵੱਲ ਧਿਆਨ ਦਿਓ, ਕਿਉਂਕਿ ਇਹ ਨਵੇਂ ਨਿਯਮਾਂ ਦੇ ਤਹਿਤ ਇਹਨਾਂ ਫਰਮਾਂ ਦੀ ਜੋਖਮ ਪ੍ਰੋਫਾਈਲ (risk profile) ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗਾ। ਅੰਤ ਵਿੱਚ, ਸਾਫਟਵੇਅਰ ਲਾਇਸੈਂਸਿੰਗ ਲਾਗਤਾਂ (software licensing costs) ਦੇ ਮੁਕਾਬਲੇ ਉਤਪਾਦਕਤਾ ਲਾਭ (productivity gains) ਦੇ ਰੁਝਾਨ (trend) ਨੂੰ ਦੇਖੋ ਤਾਂ ਜੋ ਇਹ ਸਮਝਿਆ ਜਾ ਸਕੇ ਕਿ ਮੌਜੂਦਾ ਹਮਲਾਵਰ ਅਪਣੱਤ (aggressive adoption) ਅਸਲ ਵਿੱਚ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ (operational efficiency) ਨੂੰ ਵਧਾ ਰਹੀ ਹੈ ਜਾਂ ਨਹੀਂ।