AI துறையில் வேலைக்கு ஆட்களை எடுக்கும்போது, அதிக டோக்கன் பயன்பாடு (Token Usage) என்பதை தாண்டி, நிஜமான வணிக லாபத்தை (Business ROI) தரக்கூடிய திறமையாளர்களுக்கு முக்கியத்துவம் கொடுக்கப்படுகிறது. செலவுகளை குறைத்தல், தயாரிப்பு மேம்பாடு போன்றவற்றை நிரூபிப்பவர்களுக்கே முன்னுரிமை.
AI வேலைவாய்ப்பில் ஒரு புதிய பரிணாமம்
செயற்கை நுண்ணறிவு (AI) துறையில் திறமையானவர்களை பணியமர்த்தும் முறையில் ஒரு பெரிய மாற்றம் வந்துள்ளது. முன்னர், நிறைய டேட்டாவை (Data) அல்லது பில்லியன் கணக்கான டோக்கன்களை (Tokens) பயன்படுத்தியதாக பெருமை பேசுபவர்களுக்கு முக்கியத்துவம் கொடுக்கப்பட்டது. ஆனால், இப்போது நிலைமை மாறிவிட்டது. ஒரு நபர் AI மூலம் நிறுவனத்தின் நிதி நிலைமையிலோ அல்லது செயல்பாடுகளிலோ என்ன முன்னேற்றம் கொண்டு வர முடியும் என்பதை நிரூபிப்பவர்களுக்கே அதிக மதிப்பு.
பொருளாதார நெருக்கடியும் AI செலவினங்களும்
AI தொழில்நுட்பங்களை நிறுவனங்கள் அதிகமாக பயன்படுத்தத் தொடங்கியதால், அதன் செயல்பாட்டு செலவுகள் (Cost of Inference) பெரும் கேள்விக் குறியாகியுள்ளன. இனிமேல், AI-யை சோதனை முயற்சியாகப் பயன்படுத்துவதோடு நிற்காமல், மற்ற முதலீடுகளைப் போலவே AI-யின் செலவுகளையும் கவனமாக கண்காணிக்க வேண்டிய கட்டாயத்தில் நிறுவனங்கள் உள்ளன. உதாரணமாக, Uber போன்ற பெரிய தொழில்நுட்ப நிறுவனங்களே தங்கள் AI பட்ஜெட்டை மறுபரிசீலனை செய்ய வேண்டியிருந்தது. இந்த காரணங்களால், செலவு குறைந்த, சிறிய AI மாடல்களைப் பயன்படுத்த தெரிந்த நிபுணர்களுக்கு இப்போது அதிக தேவை.
புதிய பணியமர்த்தல் விதிமுறைகள்
இனிமேல், தொழில்நுட்ப திறமையோடு, வணிக அறிவும் (Business Acumen) உள்ளவர்களுக்கே வேலைவாய்ப்பு. வெறும் மென்பொருள் அனுபவத்தை விட, ஒரு பணியாளர் நிறுவனத்தின் வேலைகளை எப்படி மேம்படுத்தினார், எவ்வளவு விரைவாக வேலைகளை முடித்தார், அல்லது சிறந்த முடிவுகளை எடுக்க எப்படி உதவினார் என்பதற்கான ஆதாரங்களை நிறுவனங்கள் எதிர்பார்க்கின்றன. AI பற்றிய அறிவு மற்றும் அதை வணிகத்துடன் எப்படி இணைப்பது என்ற திறமை இரண்டும் உள்ளவர்களுக்கு அதிக தேவை.
வெற்றியை அளவிடும் புதிய அளவுகோல்கள்
AI-யின் தொழில்நுட்ப திறனுக்கும், அதன் நிதிப் பலனுக்கும் இடையே உள்ள இடைவெளியைக் குறைக்க, நிறுவனங்கள் புதிய அளவுகோல்களை (Metrics) உருவாக்கியுள்ளன. இனிமேல், ஒரு குறிப்பிட்ட இலக்கை அடைய ஆகும் செலவு (Cost-per-outcome), AI முதலீட்டின் மீதான வருவாய் (Return on AI investment), மற்றும் இலக்கை அடைய எடுக்கும் நேரம் (Time-to-outcome) போன்றவையே வெற்றியை நிர்ணயிக்கும். முதலீட்டாளர்களும், நிறுவன பங்குதாரர்களும் ஒரு நிறுவனத்தின் AI வியூகத்தின் நிலைத்தன்மையை (Sustainability) மதிப்பிட இந்த அளவுகோல்களைப் பயன்படுத்துவார்கள்.
இந்தத் துறை முதிர்ச்சியடையும் போது, வேலை தேடுபவர்களும் நிறுவனங்களும் அளவிடக்கூடிய வணிக தாக்கத்திலேயே (Measurable Business Impact) கவனம் செலுத்துவார்கள். நிறுவனங்கள் தங்கள் காலாண்டு அறிக்கைகளில் (Quarterly Results) AI மூலம் கிடைக்கும் செயல்திறன் மேம்பாடுகள், செயல்பாட்டு செலவுகள் குறைப்பு அல்லது தயாரிப்பு லாபம் அதிகரிப்பு பற்றிய விவரங்களை எப்படி தெரிவிக்கிறார்கள் என்பதைக் கண்காணிப்பது முக்கியம்.