Whalesbook
DevRev CEO கூறுகையில், ஆர்ட்டிஃபிஷியல் இன்டெலிஜென்ஸ் (AI) காரணமாக ஆங்கிலம் மென்பொருள் உருவாக்கும் முதன்மை மொழியாக மாறி வருகிறது. இது உலகளாவிய டெவலப்பர் எண்ணிக்கையை பத்து மடங்கு அதிகரிக்கும் என அவர் கூறுகிறார். இந்த மாற்றம் இந்திய IT துறைக்கு ஒரு வரமாகவும், அதே சமயம் தங்களை மாற்றிக்கொள்ள வேண்டிய அழுத்தத்தையும் கொடுக்கும். முதலீட்டாளர்கள் IT நிறுவனங்கள் AI-ஐ எப்படி பயன்படுத்துகின்றன, லாப வரம்புகளை எப்படி நிர்வகிக்கின்றன என்பதை உன்னிப்பாக கவனித்து வருகின்றனர்.
என்ன நடந்தது?
Nutanix இணை நிறுவனர் மற்றும் DevRev CEO ஆன தீரஜ் பாண்டே, செயற்கை நுண்ணறிவு (AI) மென்பொருள் உருவாக்கத்தின் எதிர்காலம் குறித்து ஒரு முக்கிய கருத்தை பகிர்ந்துள்ளார். அவர் கணித்ததாவது, இனி ஆங்கிலமே மெஷின்களுக்கு கட்டளையிடும் பிரதான புரோகிராமிங் மொழியாக மாறிவிடும். இது ஒரு பெரிய சமநிலையை ஏற்படுத்தும் என்றும், மென்பொருள் உருவாக்கக்கூடியவர்களின் எண்ணிக்கையை பத்து மடங்கு வரை அதிகரிக்கும் என்றும் அவர் நம்புகிறார். இதனால், மென்பொருள் துறையில் நுழைவதற்கான தடைகள் முன்பை விட மிகக் குறைவாகிவிடும் என பாண்டே கூறுகிறார்.
முதலீட்டாளர்களுக்கு ஏன் இது முக்கியம்?
இந்திய IT துறை முதலீட்டாளர்களுக்கு, இது ஒரு தொழில்நுட்ப மாற்றம் மட்டுமல்ல, ஒரு பிசினஸ் மாடலில் ஏற்படக்கூடிய மாற்றமாகவும் பார்க்கப்படுகிறது. பல ஆண்டுகளாக, இந்திய IT சேவைகள் துறை, குறைந்த ஊதியத்தில் பெரிய டெவலப்பர் குழுக்களை நியமித்து, உலகளாவிய வாடிக்கையாளர்களுக்கு கோட் எழுதி, பராமரிக்கும் உத்தியை அடிப்படையாகக் கொண்டது. ஆனால், AI கருவிகள் ஒரு குழு செய்ய வேண்டிய வேலையை ஒரு தனிநபரால் செய்ய முடிந்தால், வழக்கமான 'ஒரு நபருக்கு இவ்வளவு' என்ற பில்லிங் முறைக்கு அழுத்தம் ஏற்படலாம். இருப்பினும், இது இந்திய நிறுவனங்களுக்கு அதிக மதிப்புள்ள ஆலோசனை (Consulting), சிஸ்டம் ஆர்க்கிடெக்சர் மற்றும் சிறப்பு AI ஒருங்கிணைப்பு போன்ற துறைகளில் கவனம் செலுத்த ஒரு வாய்ப்பையும் வழங்குகிறது. இங்கு வேலை நேரத்தை விட, கிடைக்கும் முடிவுகளுக்கு முக்கியத்துவம் அளிக்கப்படும்.
IT துறையின் தற்போதைய நிலை
இந்தியாவின் பெரிய IT சேவை நிறுவனங்கள் ஏற்கனவே இந்த மாற்றங்களை எதிர்கொள்ள தயாராகி வருகின்றன. முக்கிய மற்றும் நடுத்தர நிறுவனங்கள், தங்கள் பணியாளர்களை ஜெனரேட்டிவ் AI கருவிகளில் தீவிரமாக பயிற்றுவித்து, உற்பத்தித்திறனையும், தற்போதைய சந்தையில் தங்கள் முக்கியத்துவத்தையும் தக்கவைக்க முயல்கின்றன. வாடிக்கையாளர்களின் செயல்பாட்டு செலவுகளைக் குறைக்க AI-ஐ செயல்படுத்த உதவுவதே 'AI-first' சேவைகளின் முக்கிய நோக்கமாக உள்ளது. டெவலப்பர்களின் எண்ணிக்கை பாண்டே கணித்தபடி அதிகரித்தால், இந்திய IT நிறுவனங்கள் அதிக போட்டி சூழலை சந்திக்க நேரிடும். அதே சமயம், AI-ல் திறமையான நிபுணர்களை நியமிப்பதற்கான ஒரு பெரிய திறமையாளர் குளமும் (Talent Pool) அவர்களுக்கு கிடைக்கும்.
உற்பத்தித்திறன் மற்றும் லாப வரம்புகளுக்கு இடையேயான வர்த்தகம் (Trade-off)
அதிக செயல்திறன் என்ற எண்ணம் கவர்ச்சிகரமாக இருந்தாலும், முதலீட்டாளர்கள் கருத்தில் கொள்ள வேண்டிய ஆபத்தும் உள்ளது. AI-உந்துதல் மேம்பாட்டிற்கு மாற, உள்கட்டமைப்பு, கிளவுட் கம்ப்யூட்டிங் மற்றும் பணியாளர் திறன் மேம்பாடு ஆகியவற்றில் கணிசமான செலவுகள் தேவைப்படும். இது குறுகிய மற்றும் நடுத்தர காலத்தில் லாப வரம்புகளில் (Profit Margins) அழுத்தத்தை ஏற்படுத்தும். மேலும், AI திட்டங்களை வேகமாக மற்றும் மலிவாக செயல்படுத்துவதாக வாடிக்கையாளர்கள் நம்பினால், அவர்கள் குறைந்த விலையைக் கோரத் தொடங்கலாம். IT நிறுவனங்கள் இந்த செயல்திறன் ஆதாயங்களை வாடிக்கையாளர்களுக்கு கடத்தும் அதே வேளையில், தங்கள் சொந்த செயல்பாட்டு லாப வரம்புகளை பராமரிக்க அல்லது விரிவாக்க முடியுமா என்பதை முதலீட்டாளர்கள் தொடர்ந்து கண்காணிப்பார்கள்.
என்ன தவறாகப் போகலாம்?
முக்கியமான ஆபத்துகளில் ஒன்று, இந்த மாற்றத்தை ஏற்றுக்கொள்வதில் உள்ள வேகம். IT நிறுவனங்கள் தங்கள் பணியாளர்களைப் பயிற்றுவிப்பதில் மெதுவாக இருந்தால் அல்லது தங்கள் சேவை வழங்கல்களைப் புதுப்பிப்பதில் தாமதித்தால், அவர்கள் சுறுசுறுப்பான போட்டியாளர்களிடம் அல்லது வாடிக்கையாளர்களே தங்கள் உள் AI திறன்களை உருவாக்குவதன் மூலம் சந்தைப் பங்கை இழக்க நேரிடும். மேலும், அடிப்படை கோடிங் சேவைகளின் மதிப்பு, புதிய, சிக்கலான AI ஆலோசனை சேவைகளின் வருவாய் உயர்வதை விட வேகமாக வீழ்ச்சியடையும் விலை அழுத்தம் (Price Compression) ஏற்படும் ஆபத்தும் உள்ளது. இது அதிக திட்ட அளவு இருந்தபோதிலும், வருவாய் வளர்ச்சியில் தேக்கநிலைக்கு வழிவகுக்கும்.
முதலீட்டாளர்கள் எதைக் கண்காணிக்க வேண்டும்?
முதலீட்டாளர்கள் வரும் காலாண்டுகளில் சில முக்கிய அளவீடுகளைக் கண்காணிக்கலாம். முதலாவதாக, AI-உந்துதல் வருவாய் குறித்து IT நிர்வாகத்தின் கருத்துக்களைக் கண்காணிக்க வேண்டும் - குறிப்பாக, அவர்கள் உண்மையான திட்ட வெற்றிகளைக் காண்கிறார்களா அல்லது வெறும் பரிசோதனை பட்ஜெட்களைக் காண்கிறார்களா என்பதைப் பார்க்க வேண்டும். இரண்டாவதாக, AI பயிற்சி மற்றும் தொழில்நுட்பத்தில் அதிகரித்த செலவினங்கள் உற்பத்தித்திறன் ஆதாயங்களால் ஈடுசெய்யப்படுகின்றனவா என்பதை அறிய, செயல்பாட்டு லாப வரம்புகளின் (Operating Margins) போக்கைக் கவனிக்க வேண்டும். இறுதியாக, இந்த நிறுவனங்கள் AI-உந்துதல் வேலையின் மதிப்பை வெறும் தொழிலாளர் செலவுகளை விட பிரதிபலிக்கும் வகையில் தங்கள் விலை நிர்ணய ஒப்பந்தங்களை எப்படி மாற்றியமைக்கின்றன என்பதற்கான ஆதாரங்களைத் தேடுங்கள்.
