Whalesbook
நிறுவனங்கள் அதிக ஆட்களை எடுப்பதை விட, AI மூலம் ஊழியர்களை மேம்படுத்துவதற்கு முன்னுரிமை அளிப்பதால், வெள்ளை மாளிகை வேலைவாய்ப்பு வளர்ச்சி கணிசமாக குறைந்துள்ளது. TeamLease Services நிறுவனத்தின் அறிக்கையின்படி, AI-சிறப்பு திறன்களுக்கான தேவை அதிகரித்தாலும், அது பாரம்பரிய பணிகளுக்கான அளவுக்கு இல்லை. முதலீட்டாளர்களுக்கு, இந்த மாற்றம் பெரிய ஆள்சேர்ப்பு நிறுவனங்களின் வணிக மாதிரியை சவால் செய்கிறது.
என்ன நடந்தது?
இந்தியாவில் வெள்ளை மாளிகை வேலைவாய்ப்பு (White-collar hiring) ஒரு தேக்க நிலையை எட்டியுள்ளது. நிறுவனங்கள் தங்கள் ஊழியர்களை நிர்வகிக்க செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) மற்றும் ஆட்டோமேஷன் பக்கம் அதிகமாக திரும்புகின்றன. TeamLease Services நிறுவனத்தின் தகவல்களின்படி, நிறுவனங்கள் தற்போது பெரிய விரிவாக்கத்தை விட, தற்போதைய ஊழியர்களையும் செயல்பாட்டுத் திறனையும் மேம்படுத்துவதில் (workforce rationalization) கவனம் செலுத்துகின்றன. இந்த போக்கு பல துறைகளில் வேலைவாய்ப்பு வேகத்தை கணிசமாகக் குறைத்துள்ளது.
சமீபத்திய Naukri JobSpeak குறியீட்டின் தரவுகள் இந்த மாற்றத்தை பிரதிபலிக்கின்றன. மே மாதத்தில் வெள்ளை மாளிகை வேலைவாய்ப்பு வளர்ச்சி வெறும் 1% ஆகக் குறைந்துள்ளது. இது ஆண்டின் முந்தைய காலங்களில் இருந்த 12% வளர்ச்சியை விட மிகப்பெரிய வீழ்ச்சியாகும். ஒட்டுமொத்த சந்தை அழுத்தத்தில் இருந்தாலும், சிறப்புத் திறன்களுக்கான தேவை அப்படியே உள்ளது. குறிப்பாக AI மற்றும் மெஷின் லேர்னிங் (Machine Learning) பணிகளுக்கான வேலைவாய்ப்பு ஆண்டுக்கு 22% அதிகரித்துள்ளது.
முதலீட்டாளர்களுக்கு இது ஏன் முக்கியம்?
TeamLease Services போன்ற பெரிய ஆள்சேர்ப்பு மற்றும் ஆட்சேர்ப்பு நிறுவனங்களுக்கு இந்த போக்கு மிக முக்கியமானது. பல நிறுவனங்களின் பாரம்பரிய வணிக மாதிரி, தகவல் தொழில்நுட்பம் (IT), உற்பத்தி மற்றும் சில்லறை விற்பனைத் துறைகளில் அதிக எண்ணிக்கையிலான ஊழியர்களை பணியமர்த்துவதை பெரிதும் நம்பியுள்ளது.
நிறுவனங்கள் மொத்த விரிவாக்கத்திலிருந்து ஆட்டோமேஷன் மற்றும் மேம்படுத்தலுக்கு மாறும்போது, ஆட்சேர்ப்பு நிறுவனங்கள் வழக்கமாக நிரப்பும் நுழைவு நிலை மற்றும் நடுத்தர நிலை வேலைகளின் எண்ணிக்கை குறைய வாய்ப்புள்ளது. AI சிறப்பு திறன்களுக்கு அதிக தேவை இருந்தாலும், இந்தப் பணிகளின் எண்ணிக்கை குறைவாகவே உள்ளது. மேலும், இதற்கு வேறுபட்ட ஆட்சேர்ப்பு வழிகள் தேவைப்படலாம். இதனால், முன்பு மொத்த ஆட்சேர்ப்பு மூலம் கிடைத்த வருவாயை மீண்டும் ஈட்டுவது ஆள்சேர்ப்பு நிறுவனங்களுக்கு கடினமாகிறது.
வணிகத்தின் தாக்கம்
முதலீட்டாளர்கள் இந்த மாற்றம் ஆள்சேர்ப்பு நிறுவனங்களின் நிதிநிலையை எவ்வாறு பாதிக்கிறது என்பதைக் கருத்தில் கொள்ள வேண்டும். இந்தத் துறை பொதுவாக குறைந்த லாப வரம்புகளில் (thin margins) செயல்படுகிறது மற்றும் லாப வளர்ச்சிக்காக அளவை (scale) நம்பியுள்ளது. நிறுவனங்கள் தங்கள் பணியாளர்களின் எண்ணிக்கையை அதிகரிப்பதற்குப் பதிலாக AI உள்கட்டமைப்பில் முதலீடு செய்யத் தேர்வுசெய்தால், பல நிறுவனங்களுக்கு முக்கிய வருவாய் ஆதாரமாக இருக்கும் "பொது ஆள்சேர்ப்பு" (General Staffing) பிரிவில் வளர்ச்சி அழுத்தம் ஏற்படலாம்.
AI தொடர்பான வேலைவாய்ப்புகளின் வளர்ச்சி ஆட்சேர்ப்புக்கு ஒரு பிரீமியம் பிரிவை வழங்கினாலும், அதற்கு அதிக செலவுகள் மற்றும் நீண்ட ஆட்சேர்ப்பு காலக்கெடு தேவைப்படுகிறது. இந்த மாற்றம், ஆள்சேர்ப்பு நிறுவனங்கள் மொத்த அடிப்படையிலான ஆள்சேர்ப்பு கூட்டாளர்களாக இருந்து சிறப்புத் திறமை வழங்குநர்களாக வெற்றிகரமாக மாறுவதற்கான ஒரு சோதனை சூழலை உருவாக்குகிறது.
துறை சார்ந்த சூழல்
அனைத்துத் துறைகளும் ஒரே மாதிரியாக எதிர்வினையாற்றவில்லை. ஆட்டோமேஷன் மூலம் எளிதாக மாற்றக்கூடிய மீண்டும் மீண்டும் செய்யும் பணிகள் உள்ள தொழில்களில் மந்தநிலை அதிகமாக காணப்படுகிறது. இருப்பினும், வளர்ச்சி வாய்ப்புகள் சில இடங்களில் உள்ளன. உதாரணமாக, காப்பீட்டுத் துறை 19% வேலைவாய்ப்பு அதிகரிப்பைக் காட்டியது. அதே நேரத்தில், குளோபல் கேபபிலிட்டி சென்டர்கள் (GCCs), பிசினஸ் பிராசஸ் அவுட்சோர்சிங் (BPO) நிறுவனங்கள் மற்றும் சுகாதாரத் துறை தொடர்ந்து மீண்டு வருகின்றன. போராடும் IT/தொழில்நுட்பப் பிரிவில் அதிக ஈடுபாடு கொண்ட நிறுவனங்களுக்கும், நிலையான காப்பீடு அல்லது சுகாதாரத் துறைகளிலிருந்து அதிக வணிகத்தைப் பெறும் நிறுவனங்களுக்கும் இடையில் வேறுபாடு காண்பது முதலீட்டாளர்களுக்கு பயனுள்ளதாக இருக்கும்.
முதலீட்டாளர்கள் எதைக் கண்காணிக்க வேண்டும்?
முன்னோக்கிச் செல்லும்போது, மனித வளம் மற்றும் ஆள்சேர்ப்புத் துறையில் உள்ள முதலீட்டாளர்களுக்கான முக்கிய கண்காணிப்பு, பொது ஆள்சேர்ப்பு வணிகத்தில் வருவாய் வளர்ச்சி விகிதங்களாக இருக்கும். "பில் செய்யக்கூடிய பணியாளர் எண்ணிக்கை" (billable headcount) குறித்த நிர்வாகத்தின் கருத்துக்களையும், நிறுவனம் மொத்த ஆட்சேர்ப்பில் ஏற்பட்ட சரிவை அதிக லாபம் தரும், சிறப்புப் பணிகளை நியமிப்பதன் மூலம் வெற்றிகரமாக ஈடுசெய்கிறதா என்பதையும் கவனிக்கவும்.
கூடுதலாக, லாப வரம்பு போக்குகளைக் கண்காணிக்கவும். AI-க்கான குறிப்பிட்ட பணிகளுக்குப் பயிற்சி மற்றும் ஆட்சேர்ப்பில் ஆள்சேர்ப்பு நிறுவனங்கள் அதிக செலவு செய்ய வேண்டிய கட்டாயம் ஏற்பட்டால், அது அவர்களின் லாபத்தைக் குறைக்கலாம். இறுதியாக, ஒட்டுமொத்த இந்திய பெருநிறுவனத் துறையில் ஆட்டோமேஷன் ஏற்றுக்கொள்ளப்படும் வேகத்தைக் கண்காணிப்பது, இந்த வேலைவாய்ப்பு மந்தநிலை ஒரு தற்காலிக சரிசெய்தலா அல்லது நிறுவனங்கள் தங்கள் மனிதவள உத்திக்கு அணுகும் விதத்தில் ஒரு நீண்ட கால கட்டமைப்பு மாற்றமா என்பதைக் கண்டறிய உதவும்.