நிறுவனங்கள் AI-ஐ அவசரமாக தத்தெடுப்பது புதிய நிர்வாக சிக்கல்களை உருவாக்கியுள்ளது. செயல்திறனை அளவிடுவதிலும், IT செலவுகளைக் கட்டுப்படுத்துவதிலும் நிறுவனங்கள் தடுமாறி வருகின்றன. இதனால் லாப வரம்புகள் (Profit Margins) பாதிக்கப்படும் அபாயம் உள்ளது.
செயற்கை நுண்ணறிவின் (AI) மீதான முதலீடுகள் தற்போது ஒரு மாறுதல் கட்டத்தில் உள்ளன. உற்பத்தித்திறனை அதிகரிக்கும் என்ற எதிர்பார்ப்பிற்கும், நடைமுறையில் உள்ள நிர்வாகச் சிக்கல்களுக்கும் இடையே பெரும் மோதல் ஏற்பட்டுள்ளது. இந்த ஒருங்கிணைப்புச் செயல்பாடுகள் நிறுவனங்களில் பெரும் செயல்பாட்டு உராய்வை (Operational Friction) ஏற்படுத்தியுள்ளன, இதை முதலீட்டாளர்கள் மிகக் கவனமாக கண்காணிக்க வேண்டும்.
செயல்திறன் மதிப்பீட்டில் குழப்பம்
மனித உழைப்பிற்கும், இயந்திரம் உருவாக்கிய வேலைக்கும் இடையிலான வேறுபாடு குறைந்துவிட்டதாக 50%-க்கும் அதிகமான சீனியர் மேலாளர்கள் தெரிவிக்கின்றனர். ஊழியர்களின் செயல்திறனை மதிப்பாய்வு செய்வது கடினமாகியுள்ளது. இதனால், பழைய வேலைகளை விட AI-ன் வெளியீடுகளைத் தணிக்கை செய்வதற்கே மேலாளர்கள் அதிக நேரத்தை செலவிடுகின்றனர். இது நிறுவனங்கள் முதலீட்டாளர்களுக்கு உறுதியளித்த உற்பத்தித்திறன் வளர்ச்சியைப் பாதிக்கும்.
IT செலவுகளில் அதிகரிப்பு
மென்பொருள் ஒருங்கிணைப்புக்கு பதிலாக, AI-ன் வேகமான வளர்ச்சியால் தேவையற்ற மென்பொருள்களின் எண்ணிக்கை அதிகரித்துள்ளது. நிறுவனங்களின் அனுமதி பெறாத கருவிகளை ஊழியர்கள் பயன்படுத்துவது, அதாவது 'Shadow AI' கலாச்சாரம் அதிகரித்துள்ளது. வெறும் 29% நிறுவனங்கள் மட்டுமே தங்களின் AI உள்கட்டமைப்பை முறையாக ஒருங்கிணைத்துள்ளன. இந்த ஒருங்கிணைப்பு இன்மை, நீண்ட கால அடிப்படையில் நிறுவனத்தின் பட்ஜெட் மற்றும் லாப வரம்புகளை (Operating Margins) கடுமையாக பாதிக்கும்.
நிர்வாகச் சிக்கல்கள் (Governance Risks)
முக்கிய முடிவுகளை எடுக்க AI பயன்படுத்தப்படும்போது, அல்காரிதம் சார்பு (Algorithmic Bias) மற்றும் தவறான மதிப்பீடுகள் ஏற்படுவதற்கான வாய்ப்புகள் அதிகம். இது சட்ட ரீதியாகவும், நற்பெயர் ரீதியாகவும் பெரிய சிக்கல்களை உருவாக்கலாம். மேலும், இயந்திரத்தால் நடக்கும் தவறுகளுக்கு யார் பொறுப்பு என்ற கேள்வி எழுந்துள்ளது. இனி வரும் காலங்களில், தொழில்நுட்ப திறனை விட நிறுவனங்களின் நிர்வாகக் கட்டமைப்பே (Internal Governance) முக்கியத்துவம் பெறும்.
முதலீட்டாளர்கள் இனி வரும் காலங்களில் நிறுவனங்களின் காலாண்டு அறிக்கைகளை கவனிக்க வேண்டும். AI மென்பொருளை அவை எவ்வளவு தூரம் மையப்படுத்தியுள்ளன, மனிதக் கண்காணிப்பு (Human-in-the-loop) எந்த அளவுக்கு உள்ளது என்பதைப் பொறுத்தே எதிர்கால லாபம் தீர்மானிக்கப்படும்.