Amazon, Microsoft, Google போன்ற பெரிய டெக் நிறுவனங்கள், AI-ஐ வாடிக்கையாளர் தேவைகளுக்கு ஏற்ப தனிப்பயனாக்கி வழங்க 'Forward Deployed Engineers' என்ற புதிய பொறுப்பில் அதிக ஆட்களை நியமிக்கின்றன. இது கடந்த கால AI திட்டங்களின் தோல்விகளுக்கு காரணமான கடைசி கட்ட பிரச்சனைகளை தீர்க்க உதவும் என்றாலும், நிறுவனங்களின் லாப வரம்புகளில் தாக்கத்தை ஏற்படுத்தலாம்.
தகவல் தொழில்நுட்பத் துறையில், செயற்கை நுண்ணறிவை (AI) பணமாக்குவதில் ஒரு முக்கிய மாற்றம் ஏற்பட்டுள்ளது. Amazon Web Services (AWS), Microsoft, Google Cloud, மற்றும் OpenAI உள்ளிட்ட உலகளாவிய தொழில்நுட்ப நிறுவனங்கள், வெறும் AI மாடல்களை வழங்குவதிலிருந்து விலகி, நிறுவன வாடிக்கையாளர்களுக்குத் தனிப்பயனாக்கப்பட்ட, கையால் உருவாக்கப்பட்ட தீர்வுகளை வழங்க அதிக ஆர்வம் காட்டுகின்றன. இந்த உத்தியின் முக்கிய உந்துசக்தியாக 'Forward Deployed Engineers' (FDEs) எனப்படும் புதிய பணியாளர் பிரிவை அதிகளவில் நியமிப்பதே ஆகும்.
இந்த பொறியாளர்கள் மத்திய ஆராய்ச்சி கூடங்களில் அமர்ந்திருப்பதில்லை. மாறாக, அவர்கள் நேரடியாக வாடிக்கையாளர் நிறுவனங்களுக்குள் சென்று, AI அமைப்புகளைப் பழைய மென்பொருட்கள், பாதுகாப்பு கட்டமைப்பு மற்றும் செயல்பாட்டு வழிமுறைகளுடன் ஒருங்கிணைக்கிறார்கள். இதுவரையிலான புள்ளிவிவரங்களின்படி, பல நிறுவன AI சோதனைகள் உற்பத்தி நிலையை அடையாமலும், எதிர்பார்த்த வருவாயை ஈட்டாமலும் போனதற்குக் காரணம், AI மாடல்களில் உள்ள குறைபாடுகளை விட, ஒருங்கிணைப்பதில் ஏற்பட்ட சிக்கல்களே எனத் தெரியவந்துள்ளது. இந்த சவால்களை சமாளிக்கவே இந்த புதிய நியமனங்கள்.
சேவை சார்ந்த மாடல்களுக்கான மாற்றம்
முதலீட்டாளர்களைப் பொறுத்தவரை, இந்த மாற்றம் Big Tech நிறுவனங்களின் வணிக மாதிரியில் ஒரு அடிப்படை மாற்றத்தைக் குறிக்கிறது. பாரம்பரியமாக, பெரிய தொழில்நுட்ப நிறுவனங்கள் அதிக லாபம் தரும், எளிதில் விரிவாக்கக்கூடிய மென்பொருள் மாதிரிகளை நம்பி இருந்தன. ஒரு மென்பொருள் உரிமம் அல்லது கிளவுட் சேவையை விற்பதற்கு, புதிய வாடிக்கையாளருக்கு ஆகும் கூடுதல் செலவு குறைவாக இருக்கும். ஆனால், இப்போது பொறியாளர்களை வாடிக்கையாளர் இடங்களுக்கு நேரடியாக அனுப்பும் முறை, அதிக சேவை சார்ந்த மாதிரியாக மாறுகிறது.
இந்த உத்தி வாடிக்கையாளர் தொடர்பை வலுப்படுத்தவும், வருவாயை அதிகரிக்கவும் உதவக்கூடும் என்றாலும், இதற்கு அதிக எண்ணிக்கையிலான பணியாளர்கள் தேவைப்படுகிறார்கள், மேலும் இது தூய மென்பொருள் வளர்ச்சியைப் போல எளிதில் விரிவாக்கக்கூடியதல்ல. இந்த நிறுவனங்கள் அதிக FDE-க்களை வாடிக்கையாளர் தளங்களுக்கு அனுப்பும்போது, இந்த அதிகரித்த பணியாளர் செலவு செயல்பாட்டு லாப வரம்புகளை (Operating Margins) அழுத்துகிறதா என்பதை பங்குதாரர்கள் கண்காணிக்க வேண்டும். வாடிக்கையாளர்களுக்கு 'மதிப்பைக் கொண்டுவருவதற்கான நேரத்தை' (Time-to-Value) விரைவுபடுத்துவதே FDE-க்களின் நோக்கமாக இருந்தாலும், சிக்கலான, தனிப்பயனாக்கப்பட்ட AI ஒருங்கிணைப்புகளைப் பராமரிக்க இக்குழுக்கள் நிரந்தரமான, விலையுயர்ந்த தேவையாக மாறும் அபாயம் உள்ளது.
நிதி செயல்திறனுக்கான அபாயங்கள்
லாப வரம்பு குறைவதற்கான சாத்தியக்கூறுகளுக்கு அப்பால், இந்த அணுகுமுறையில் உள்ளார்ந்த செயல்பாட்டு அபாயங்களும் உள்ளன. முதலாவதாக, திறமையான பணியாளர் பற்றாக்குறை. இந்த பணிகளுக்குத் தேவையான பொறியாளர்களுக்கு ஆழ்ந்த தொழில்நுட்ப AI அறிவு, மென்பொருள் பொறியியல் திறன்கள் மற்றும் உயர் மட்ட வாடிக்கையாளர் ஆலோசனைத் திறன்கள் ஆகியவற்றின் தனித்துவமான கலவை தேவை. இந்த திறமைகளுக்கான போட்டி கடுமையாக இருப்பதால், ஊதியச் செலவுகள் கணிசமாக உயரக்கூடும், இது லாபத்தை மேலும் பாதிக்கும்.
இரண்டாவதாக, 'செயல்பாட்டு நகர்வு' (Operational Drift) அபாயம் உள்ளது. இந்த AI பயன்பாடுகள் வாடிக்கையாளர்களால் சுயமாகப் பயன்படுத்த முடியாதவையாகவோ அல்லது நிர்வகிக்க எளிதானவையாகவோ இல்லாவிட்டால், அந்த டெக் நிறுவனங்கள் தனிப்பயன் குறியீடுகளுக்கான நிரந்தர பராமரிப்பு வழங்குநர்களாக மாறக்கூடும். இது டெக் நிறுவனங்களை ஆலோசனை போன்ற வணிக அமைப்புகளுக்குள் தள்ளக்கூடும், இது பொதுவாக தூய மென்பொருள் நிறுவனங்களை விட குறைந்த மதிப்பீட்டு பெருக்கங்களில் (Valuation Multiples) வர்த்தகம் செய்கிறது. மேலும், உயர்-பங்கு உற்பத்தி சூழல்களில் AI-யின் கணிக்க முடியாத தன்மையைக் குறித்த எதிர்பார்ப்புகளை நிர்வகிப்பது ஒரு குறிப்பிடத்தக்க சவாலாகவே உள்ளது. திட்டங்கள் உறுதியளிக்கப்பட்ட முடிவுகளை வழங்கத் தவறினால், அது நற்பெயர் அபாயங்களுக்கு வழிவகுக்கும்.
முன்னோக்கிச் செல்லும்போது, முதலீட்டாளர்களுக்கான முக்கிய கண்காணிப்பு அம்சம், இந்த நிறுவனங்கள் தனிப்பயன் வரிசைப்படுத்தல் மற்றும் தரப்படுத்தப்பட்ட தயாரிப்புகளுக்கு இடையில் எவ்வாறு சமநிலையை நிர்வகிக்கின்றன என்பதாகும். பணியாளர் செலவுகள், செயல்பாட்டு லாப வரம்புகளில் ஏற்படும் மாற்றங்கள் மற்றும் அவர்களின் AI ஒருங்கிணைப்பு சேவைகளின் அளவிடுதல் (Scalability) குறித்து வருங்கால நிதி அறிக்கைகளை முதலீட்டாளர்கள் உன்னிப்பாகக் கவனிக்க வேண்டும்.