Whalesbook
SaaS வருவாய் மாதிரிகளில் மறுசிந்தனை
AI ஏஜென்ட்கள், பாரம்பரிய 'per-seat' அதாவது ஒரு பயனருக்கு இவ்வளவு கட்டணம் என்ற முறையை நேரடியாக சவால் விடுகின்றன. இந்த ஏஜென்ட்கள் தானாக இயங்குவதால், இதற்கு தனி லைசென்ஸ் தேவையில்லை. இதனால், பயனர் எண்ணிக்கையை அடிப்படையாகக் கொண்ட மாடல்கள் இனி பயனளிக்காது.
Bloomberg கணிப்பின்படி, அடுத்த 10 ஆண்டுகளில், சப்ஸ்கிரிப்ஷன் மாடல்கள் 30% ஆக குறையலாம். அதே சமயம், 'outcome-based pricing' எனப்படும், வழங்கப்பட்ட சேவை அல்லது அடைந்த வெற்றியைப் பொறுத்த விலை நிர்ணயம் 60% ஆக உயரக்கூடும்.
Zendesk போன்ற நிறுவனங்கள், AI டிக்கெட்டுகள் தீர்க்கப்படும் எண்ணிக்கைக்கு ஏற்ப கட்டணம் வசூலிக்கும் புதிய ஹைப்ரிட் மாடல்களை சோதனை செய்து வருகின்றன. இது, சேவையின் மதிப்புக்கு ஏற்ப கட்டணத்தை இணைக்கிறது. ஆனால், இந்த மாற்றத்தில் சில சிக்கல்களும் உள்ளன. வெற்றிகரமான முடிவுகளை ஒப்பந்தங்களில் வரையறுப்பது கடினம். வருவாய் கணிப்பில் நிச்சயமற்ற தன்மை நிலவுகிறது. இது SaaS நிறுவனங்களின் மதிப்பீடுகளுக்கு முக்கியமானது.
முதலீட்டாளர்கள் இப்போது, AI-யை மையமாக கொண்ட புதிய நிறுவனங்களையும், பழைய SaaS நிறுவனங்களையும் வித்தியாசமாக பார்க்கத் தொடங்கியுள்ளனர். 2024-ல், AI மற்றும் மெஷின் லேர்னிங் தொடர்பான டீல்கள், SaaS டீல்களை விட அதிகமாகிவிட்டன.
AI ஒருங்கிணைப்பு வேகம் எடுக்கிறது
AI ஏஜென்ட்கள், சிக்கலான, பல படிநிலைகளைக் கொண்ட பணிகளை தானாகவே செய்யும் திறன் கொண்டவை. இதனால், என்டர்பிரைஸ் தொழில்நுட்பங்களின் பயன்பாடு வேகமாக அதிகரித்து வருகிறது.
Gartner கணிப்பின்படி, 2028-க்குள், 15% தினசரி பணிகளை தானியக்கமாக்க, மூன்றில் ஒரு பங்கு என்டர்பிரைஸ் அப்ளிகேஷன்கள் AI ஏஜென்ட்களைப் பயன்படுத்தும்.
Anthropic போன்ற நிறுவனங்கள், 'Agent Skills' மற்றும் 'Claude Managed Agents' போன்றவற்றை உருவாக்கி வருகின்றன. இவை, AI-யை வெறும் உதவியாளராக இல்லாமல், தானியங்கி வேலைகளுக்குப் பயன்படுத்த வழிவகுக்கும். இவை தற்போதைய SaaS சிஸ்டம்களை 'நினைவகம்' மற்றும் 'நரம்பு மண்டலம்' போல பயன்படுத்தும்.
AI ஏஜென்ட் பயன்பாட்டில் உள்ள முக்கிய ரிஸ்க்குகள்
இந்த தானியங்கி AI ஏஜென்ட்களின் பயன்பாட்டில், சில முக்கிய ரிஸ்க்குகள் உள்ளன. நிறுவனங்களில் 63% பேர் இன்னும் முறையான AI நிர்வாகக் கொள்கைகளை (AI governance policy) கொண்டிருக்கவில்லை. இது பெரும் சட்ட சிக்கல்களுக்கு வழிவகுக்கும்.
AI ஏஜென்ட்கள் கணிக்க முடியாதவை, தெளிவான விளக்கமின்றி முடிவுகளை எடுக்கலாம். தரவு விஷமாதல் (data poisoning), மாடல் தலைகீழாதல் (model inversion) போன்ற பாதுகாப்பு அச்சுறுத்தல்களும் உள்ளன. தவறான முடிவுகள் (hallucinations) ஏற்படலாம். பொறுப்புக்கூறல் (accountability) மற்றும் தணிக்கை தடங்கள் (audit trails) இல்லாததால், நிதி மற்றும் சுகாதாரத் துறைகளில் ஒழுங்குமுறை இணக்கம் (regulatory compliance) கடினமாகிறது.
AI ஏஜென்ட்களுக்குத் தேவைப்படும் அதிகப்படியான கம்ப்யூட்டிங் சக்தி (computing power) லாபத்தைக் குறைக்கும். ஊழியர்களின் தயார்நிலை, திறன்கள் பற்றாக்குறை மற்றும் புதிய தொழில்நுட்பங்களுக்கு எதிர்ப்பு போன்றவையும் பயன்பாட்டை மெதுவாக்குகின்றன.
நிறுவன மென்பொருளில் AI ஏஜென்ட்களின் எதிர்காலம்
மொத்தத்தில், என்டர்பிரைஸ் சாப்ட்வேர் சந்தையில் இரண்டு பெரிய மாற்றங்கள் நிகழ்கின்றன: தற்போதைய SaaS சிஸ்டம்களில் மேம்பட்ட AI ஏஜென்ட்களை ஒருங்கிணைப்பது மற்றும் மென்பொருள் பொருளாதாரத்தை மறுசீரமைப்பது. AI ஏஜென்ட்கள் SaaS-க்கு முழுமையான மாற்றாக இருக்க வாய்ப்பில்லை, ஆனால் அவை கருவிகளிலிருந்து தானியங்கி பணியாளர்களாக உருவாகி வருகின்றன. புதிய விலை உத்திகள் மற்றும் வலுவான நிர்வாகக் கொள்கைகள் அவசியம்.vendors தங்கள் பிசினஸ் மாடல்களை புதுப்பித்து, புதிய ரிஸ்க்குகளை நிர்வகித்து, வெளிப்படைத்தன்மையுடன் நம்பிக்கை உருவாக்கினால் மட்டுமே, இந்த AI சகாப்தம் நிலையான வளர்ச்சிக்கு வழிவகுக்கும்.