உலகளவில் AI செலவுகள் **2026** வரை அதிகரிக்கும் என எதிர்பார்க்கப்படுகிறது. நிறுவனங்கள், பணச் சிக்கனத்திற்காக சிறிய, செலவு குறைந்த மாடல்களை அதிகம் பயன்படுத்துகின்றன. AI கருவிகளின் பயன்பாடு அதிகமாக இருந்தாலும், பல நிறுவனங்கள் நிதி ரீதியான பலன்களை அளவிடுவதில் சிரமப்படுகின்றன. இது தொழில்நுட்ப பயன்பாட்டிற்கும், உண்மையான லாபத்திற்கும் உள்ள இடைவெளியைக் காட்டுகிறது.
Boston Consulting Group-ன் (BCG) தொழில்நுட்பப் பிரிவான BCG X வெளியிட்ட புதிய அறிக்கையின்படி, நிறுவனங்களின் செயற்கை நுண்ணறிவு (AI) செலவு அதிகரிப்பு இன்னும் உச்சத்தை அடையவில்லை. இந்த தொழில்நுட்பங்களுக்கான நிதி வருவாயில் அதிகரித்துவரும் ஆய்வு இருந்தபோதிலும், நிறுவனங்கள் தங்களின் உயர் செயல்திறன் இலக்குகளையும், பொருளாதார யதார்த்தத்தையும் சமநிலைப்படுத்த தங்கள் உத்திகளை மாற்றியமைக்கின்றன.
செலவு குறைந்த AI மாடல்களுக்கு முக்கியத்துவம்
மொழி மாடல்கள் (Language Models) கையாளும் தரவுகளின் அடிப்படை அலகுகளான டோக்கன்களின் (Tokens) விலை உயர்வு, தொழில்நுட்ப நிர்வாகிகளுக்கு ஒரு முக்கிய கவலையாக மாறியுள்ளது. இந்த செலவுகளை நிர்வகிக்க, நிறுவனங்கள் 'எல்லாவற்றிற்கும் பொருந்தும்' அணுகுமுறையிலிருந்து விலகிச் செல்கின்றன. இப்போது, அன்றாட பணிகளுக்கு சிறிய, திறந்த மூல (open-weight) மாடல்களையும், சிக்கலான பணிகளுக்கு அதிக திறன் கொண்ட விலை உயர்ந்த மாடல்களையும் பயன்படுத்தும் ஒரு கலப்பின உத்தியை (hybrid strategy) அதிகமாகப் பயன்படுத்துகின்றன. இது நிறுவனங்கள் AI ஒருங்கிணைப்பைத் தொடரவும், அதே நேரத்தில் கட்டுப்பாடற்ற இயக்கச் செலவுகளின் அபாயத்தைக் குறைக்கவும் உதவுகிறது.
முதலீட்டு எதிர்பார்ப்புகள் மற்றும் நிர்வாகிகளின் கருத்து
1,800 சி-சூட் (C-suite) நிர்வாகிகளிடம் நடத்தப்பட்ட ஆய்வின் தரவுகளின்படி, நிறுவனங்கள் 2025 மற்றும் 2026 க்கு இடையில் AI மாற்றத்திற்கான வளங்களை இரட்டிப்பாக்க திட்டமிட்டுள்ளன. சராசரியாக, AI செலவினங்கள் நிறுவனத்தின் மொத்த வருவாயில் சுமார் 2% ஐ எட்டும் என்று கணிக்கப்பட்டுள்ளது. குறிப்பாக, கணக்கெடுப்பில் பங்கேற்ற 94% தலைமை நிர்வாக அதிகாரிகளிடம் (CEOs) முதலீட்டு அளவுகளை 2026 க்குள் பராமரிக்க அல்லது அதிகரிக்க எண்ணம் தெரிவித்துள்ளனர். ஆரம்ப முதலீட்டு வருவாய் (ROI) இலக்குகள் முழுமையாக பூர்த்தி செய்யப்படாவிட்டாலும், இந்த தலைவர்களில் ஒரு பகுதியினர், நிதி இலக்குகளை எட்டுவதில் உள்ள குறைபாடுகள், தொழில்நுட்பத்தின் தோல்வியால் அல்ல, மாறாக போதுமான லட்சியம் இல்லாதது அல்லது தவறான செயலாக்கமே காரணம் என்று வாதிடுகின்றனர்.
இந்தியாவில் தத்தெடுப்பு இடைவெளி
இந்தியா ஒரு தனித்துவமான நிலப்பரப்பைக் கொண்டுள்ளது, இங்கு முன்னணி தத்தெடுப்பு மிக அதிகமாக உள்ளது. ஏறக்குறைய 95% ஊழியர்கள் வாரத்திற்கு பல முறை AI கருவிகளைப் பயன்படுத்துகின்றனர். இருப்பினும், இந்தப் பயன்பாட்டை அளவிடக்கூடிய வணிக மதிப்பாக மாற்றுவது ஒரு பெரிய சவாலாகவே உள்ளது. உலகளவில் 14% நிறுவனங்கள் மட்டுமே AI முயற்சிகளை குறிப்பிட்ட லாப-நட்ட அளவீடுகளுடன் (profit-and-loss metrics) தீவிரமாகக் கண்காணிக்கின்றன என்பது ஒரு முக்கிய கண்டுபிடிப்பாகும். மேலும், இந்த அறிக்கை தலைமைத்துவ வேறுபாட்டையும் எடுத்துக்காட்டுகிறது. உலகளாவிய தலைமை நிர்வாக அதிகாரிகளில் 72% பேர் AI திட்டங்களுக்கு நேரடியாக தலைமை தாங்குகிறார்கள், ஆனால் இந்தியத் தலைமைத்துவத்தில் இந்த ஈடுபாடு 55% ஆக குறைகிறது. இது நிறுவனங்கள் பைலட் திட்டங்களிலிருந்து அளவிடக்கூடிய, லாபகரமான தீர்வுகளுக்கு எவ்வளவு விரைவாக மாற முடியும் என்பதைப் பாதிக்கலாம்.
AI ஒருங்கிணைந்த நிறுவனங்களுக்கான முதலீட்டாளர் கவனிக்க வேண்டியவை
நிறுவனங்களின் இருப்புநிலைக் குறிப்புகளில் (balance sheets) AI-யின் தாக்கத்தை கண்காணிக்கும் முதலீட்டாளர்களுக்கு, நிறுவனங்கள் வெற்றியை எவ்வாறு அளவிடுகின்றன என்பதில் கவனம் மாறுகிறது. AI-ஐ வெறும் தொழில்நுட்ப கொள்முதலாகக் கருதுவதிலிருந்து, ஒரு அடிப்படை வணிக மாற்றமாகப் பார்ப்பது முக்கியமானது. நிறுவனங்கள் தங்கள் உள்கட்டமைப்பு செலவுகளை எவ்வாறு நிர்வகிக்கின்றன, நீண்ட காலத்திற்கு விலை உயர்ந்த வெளிப்புற ஆலோசனையை நம்பியிருப்பதைக் குறைக்க உள் திறன்களை உருவாக்குகிறார்களா, மற்றும் தங்கள் AI-உந்துதல் செயல்முறைகளை மதிப்பிடுவதற்கு தெளிவான, அளவிடக்கூடிய நிதி அளவீடுகளை நிறுவுகிறார்களா என்பதைக் கண்காணிப்பது முக்கிய பகுதிகள் ஆகும். AI தத்தெடுப்பை உறுதியான லாப மேம்பாடுகளுடன் இணைக்கத் தவறினால், 2026 ஆம் ஆண்டில் செலவுகள் அதிகரிக்கும் போது பங்குதாரர்களிடமிருந்து அதிக அழுத்தம் ஏற்படக்கூடும்.
