பல இந்திய நிறுவனங்கள் AI-ல் முதலீடு செய்தாலும், எதிர்பார்த்த லாபம் வருவதில்லை. காரணம், சரியான தலைமை இல்லாததுதான். வெறும் 'AI பயன்படுத்துகிறோம்' என்பதை விட, அது லாபத்தை எப்படி அதிகரிக்கிறது என்பதை முதலீட்டாளர்கள் கவனிக்க வேண்டும்.
என்ன நடந்தது?
தற்போதுள்ள தொழிற்சாலை தரவுகளின்படி, நிறுவனங்களின் போர்டு ரூம்களில் செயற்கை நுண்ணறிவு (AI) நிலைமை தெளிவாகிறது. டிசம்பர் 2025-ல் Gartner நடத்திய ஆய்வில், 78% நிறுவனங்கள் AI-யை ஏதோ ஒரு வகையில் பயன்படுத்தினாலும், வெறும் 27% நிறுவனங்களுக்கு மட்டுமே ஒரு முழுமையான AI உத்தி (Strategy) உள்ளது.
மேலும், அதிர்ச்சியளிக்கும் விதமாக, இந்த நிறுவனங்களில் 20% மட்டுமே தங்கள் ஊழியர்கள் AI-க்கு தயாராக இருப்பதாகக் கருதுகின்றனர். இதனால், நிறுவனங்கள் தொழில்நுட்பத்திற்காக பணம் செலவழித்தாலும், அதை உண்மையான வணிக மதிப்பாக மாற்ற தலைமைத்துவ கட்டமைப்பு பல நிறுவனங்களுக்கு இல்லை. AI-யை ஒரு மூலோபாய சொத்தாக (Strategic Asset) பயன்படுத்துவதற்கும், நிஜமாக நிர்வகிப்பதற்கும் இடையிலான இந்த இடைவெளி, 2026-ல் ஒரு பெரிய சவாலாக மாறியுள்ளது.
Adoption-ஐ விட ROI ஏன் முக்கியம்?
முதலீட்டாளர்களுக்கு, ஒரு நிறுவனம் AI-யை 'பயன்படுத்துகிறதா' என்பதை விட, அந்த AI உண்மையான நிதி முடிவுகளைத் தருகிறதா என்பதுதான் முக்கியம். Google Cloud-ன் 2025 இறுதி அறிக்கைப்படி, 74% தலைவர்கள் ஒரு வருடத்திற்குள் முதலீட்டிற்கு வருவாயை (ROI) பெற்றாலும், அவர்களில் 6% பேர் மட்டுமே 'சிறந்த செயல்திறன்' கொண்டவர்களாகக் கருதப்படுகிறார்கள். இந்த முதன்மை நிறுவனங்கள், வட்டி மற்றும் வரிகளுக்கு முந்தைய வருவாயில் (EBIT) 5% அல்லது அதற்கு மேல் தாக்கத்தை ஏற்படுத்தியுள்ளன.
இதன் மூலம், பல நிறுவனங்கள் 'Pilot Project Trap'-ல் சிக்கியிருப்பது தெரிகிறது. AI திட்டங்களை வருவாய் வளர்ச்சி அல்லது லாப விரிவாக்கம் போன்ற தெளிவான நிதி மாதிரிகளுடன் இணைக்க முடியாவிட்டால், அந்த முதலீடுகள் செயல்பாட்டு செலவுகளை மட்டுமே அதிகரிக்கும். வழக்கமான மூலதன செலவினங்களுக்கு (Capital Spending) நிர்வாகம் கொடுக்கும் முக்கியத்துவத்தை AI திட்டங்களுக்கும் கொடுக்கும் நிறுவனங்களை முதலீட்டாளர்கள் கவனிக்க வேண்டும்.
இந்திய நிறுவனங்களுக்கான சவால்
உலக AI துறையில் இந்தியா ஒரு தனித்துவமான இடத்தில் உள்ளது. Deloitte India-வின் மார்ச் 2026 அறிக்கைப்படி, இந்திய நிறுவனங்கள் AI பயன்பாட்டில் பரந்த அளவில் முன்னணியில் இருந்தாலும், அதன் ஆழத்தில் போராடுகின்றன. பல இந்திய நிறுவனங்கள் பல்வேறு செயல்பாடுகளில் AI கருவிகளை வெற்றிகரமாகப் பயன்படுத்தினாலும், வெறும் அமலாக்கத்திலிருந்து 'நிறுவனத்தை மாற்றியமைக்கும்' நிலைக்கு மாறுவது ஒரு தடையாகவே உள்ளது.
இது முக்கியமாக தலைமைத்துவப் பிரச்சனை. AI-யை வெற்றிகரமாக அளவிடுவதற்கு IT உள்கட்டமைப்பு மட்டும் போதாது; தொழில்நுட்பத்தை நிறுவனத்தின் நீண்டகால வணிக மாதிரியுடன் இணைக்கும் ஒரு கலாச்சார மாற்றம் மற்றும் போர்டு அளவிலான மேற்பார்வை தேவை. இந்த மாற்றத்தைச் செய்யத் தவறினால், AI திட்டங்கள் ஆரம்ப சோதனைக் கட்டத்திற்குப் பிறகு தேங்கிவிடக்கூடும்.
'Pilot Project Trap'-ஐ தவிர்ப்பது எப்படி?
பல ஜெனரேட்டிவ் AI திட்டங்கள், தரமான தரவு இல்லாமை, அதிகரிக்கும் செலவுகள் மற்றும் தெளிவான வணிக நோக்கங்கள் இல்லாததால், ப்ரூஃப்-ஆஃப்-கான்செப்டுக்குப் பிறகு தோல்வியடைகின்றன. இவை தொழில்நுட்ப தோல்விகள் அல்ல, மூலோபாய தோல்விகள். சிறந்த நிறுவனங்கள், AI பைலட் திட்டங்களை நிறுவனம் முழுவதும் பயன்படுத்துவதற்கு முன்பு கடுமையான அளவுகோல்களைப் பயன்படுத்துவதன் மூலம் இதைத் தவிர்க்கின்றன.
இந்த அளவுகோல்களில் முன்கூட்டியே வரையறுக்கப்பட்ட அளவீடுகள், தெளிவான செலவு வரம்புகள் மற்றும் செயல்பாட்டிற்கான காலக்கெடு ஆகியவை அடங்கும். ஒரு நிறுவனத்தின் AI முன்னேற்றத்தை மதிப்பிடும்போது, புதுமைக்கான பரந்த கூற்றுகளை விட, இந்த மூலோபாய ஒழுக்கத்தின் சான்றுகளை முதலீட்டாளர்கள் தேட வேண்டும்.
முதலீட்டாளர்கள் அடுத்து என்ன கண்காணிக்க வேண்டும்?
எதிர்காலத்தில், AI பற்றிய உரையாடல் 'ஹைப்' என்பதிலிருந்து 'வணிக தாக்கம்' நோக்கி நகர வேண்டும். ஒரு முதிர்ந்த AI உத்தியின் பின்வரும் அறிகுறிகளை முதலீட்டாளர்கள் காணலாம்:
- நிதி அளவீடுகள்: தொடங்கப்பட்ட AI திட்டங்களின் எண்ணிக்கையை விட, AI குறிப்பாக லாபத்தை எவ்வாறு மேம்படுத்துகிறது, செலவுகளைக் குறைக்கிறது அல்லது புதிய வருவாயை இயக்குகிறது என்பது குறித்த நிர்வாகத்தின் கருத்துக்களைக் கவனியுங்கள்.
- மூலோபாய மேற்பார்வை: AI உத்தியை அமைப்பதில் போர்டு தீவிரமாக ஈடுபட்டுள்ளதா மற்றும் அது நிறுவனத்தின் நிதி இலக்குகளுடன் ஒத்துப்போகிறதா என்பதை உறுதிப்படுத்தவும்.
- மூலதன ஒதுக்கீடு: பரிசோதனை பைலட் திட்டங்களுடன் ஒப்பிடும்போது, தரவு உள்கட்டமைப்பில் நிறுவனம் எவ்வளவு செலவிடுகிறது என்பதைக் கவனியுங்கள். ஏனெனில் உள்கட்டமைப்பு நீண்டகால மதிப்பிற்கு ஒரு சிறந்த குறிகாட்டியாகும்.
- பணியாளர் தயார்நிலை: இந்த புதிய கருவிகளை திறம்படப் பயன்படுத்த ஊழியர்களுக்கு நிறுவனம் பயிற்சி அளிக்க முதலீடு செய்கிறதா என்பதைக் கவனியுங்கள். இது பெரும்பாலும் வெற்றிகரமான AI அமலாக்கத்தில் காணாமல் போன இணைப்பாகும்.