இந்திய நிறுவனங்கள் உலகளவில் அலுவலகங்களில் AI-ஐ அதிகம் பயன்படுத்துவதில் முதலிடத்தில் இருந்தாலும், அந்த பயன்பாட்டை லாபமாக மாற்றுவதில் பெரும் சிரமத்தை எதிர்கொள்கின்றன. BCG-யின் புதிய அறிக்கைப்படி, நிறுவனங்கள் AI-ஐ தனிப்பட்ட செயல்திறனுக்காக பயன்படுத்துகிறார்களே தவிர, வணிக செயல்முறைகளை மாற்றி அமைக்கவில்லை. முதலீட்டாளர்களுக்கு, இந்த நேர சேமிப்பை எப்படி கண்காணித்து, மதிப்புமிக்க பணிகளுக்கு மீண்டும் முதலீடு செய்யப்படுகிறது என்பதே முக்கிய கேள்வியாக உள்ளது.
என்ன நடந்தது?
Boston Consulting Group (BCG) வெளியிட்டுள்ள ஒரு புதிய அறிக்கை, நிறுவனங்கள் செயற்கை நுண்ணறிவை (AI) எப்படிப் பயன்படுத்துகின்றன என்பதற்கும், அதன் மூலம் அவர்கள் அடையும் வணிக முடிவுகளுக்கும் இடையே ஒரு பெரிய இடைவெளி இருப்பதைக் காட்டுகிறது. 14 நாடுகளில் 11,700-க்கும் மேற்பட்ட ஊழியர்களிடம் நடத்தப்பட்ட இந்த ஆய்வு, அதிக AI கருவிகளைப் பயன்படுத்துவது தானாகவே சிறந்த நிதி செயல்திறனை உறுதி செய்யாது என்பதை வலியுறுத்துகிறது. இந்தியாவானது அலுவலக AI பயன்பாட்டில் உலகளவில் ஒரு முன்னோடியாக உருவெடுத்துள்ளது - சுமார் 95% ஊழியர்கள் வாரத்திற்கு பல முறை AI-ஐப் பயன்படுத்துகின்றனர். ஆனாலும், பல நிறுவனங்கள் இந்த மேம்பட்ட செயல்திறனை யதார்த்தமான வணிக விளைவுகளாக மாற்றுவதில் சிரமப்படுகின்றன.
செயல்திறன் vs லாபம்: இடைவெளி
இந்த அறிக்கையில் கண்டறியப்பட்ட முக்கிய பிரச்சனை "நேர விரயம்" (Time Leakage) என்று அழைக்கப்படுகிறது. ஊழியர்கள் AI-ஐப் பயன்படுத்தி பணிகளை விரைவாக முடிக்கும்போது, அவர்கள் சேமிக்கும் நேரம் பெரும்பாலும் குறைந்த மதிப்புள்ள பணிகளில் வீணடிக்கப்படுகிறது. இதனால், லாபத்தை அதிகரிக்கும் பணிகளுக்கு அந்த நேரம் முதலீடு செய்யப்படுவதில்லை. BCG-யின் கண்டுபிடிப்பின்படி, 66% ஊழியர்களுக்கு AI மூலம் சேமித்த நேரத்தை எப்படிப் பயன்படுத்துவது என்பது குறித்து சிறிய வழிகாட்டுதலோ அல்லது வழிகாட்டுதலே கிடைப்பதில்லை. மேலும், 58% ஊழியர்கள் இந்த சேமித்த நேரத்தை அதிக மதிப்புள்ள வணிக நடவடிக்கைகளில் திருப்பி விடவில்லை என்று ஒப்புக்கொண்டுள்ளனர்.
முதலீட்டாளர்களுக்கு இந்தத் தகவல் மிகவும் முக்கியமானது. ஒரு நிறுவனத்தில் AI பயன்பாடு அதிகமாக இருப்பது தானாகவே லாப வரம்புகள் அல்லது உற்பத்தித்திறன் அதிகரிப்பதாக அர்த்தமல்ல. மாறாக, இந்த செயல்திறன் ஆதாயங்களைக் கண்காணித்து, வருவாய் ஈட்டும் அல்லது செலவுகளைக் குறைக்கும் நடவடிக்கைகளுக்கு அதைத் திருப்ப ஒரு அமைப்பு நிறுவனத்திடம் இருக்கிறதா என்பதே வெற்றிக்கான உண்மையான அளவுகோலாகும்.
ஏன் உத்தி கருவிகளை விட சிறந்தது?
BCG-யின் கண்டுபிடிப்புகள், நிறுவனங்கள் AI-ஐ அணுகும் விதத்தைப் பொறுத்து முடிவுகளில் ஒரு தெளிவான வித்தியாசத்தைக் காட்டுகின்றன. தெளிவான திட்டம் இல்லாமல் ஊழியர்களுக்கு மென்பொருள் அணுகலை மட்டும் வழங்கும் நிறுவனங்கள், 60% வணிக தாக்கத்தை அடைகின்றன. இதற்கு மாறாக, நன்கு வரையறுக்கப்பட்ட AI உத்தியுடன் AI கருவிகளை இணைக்கும் நிறுவனங்கள் 80% அளவிடக்கூடிய வணிக தாக்கத்தைப் புகாரளிக்கின்றன.
தொழில்நுட்பம் மட்டுமல்ல, நிறுவன மறுவடிவமைப்புதான் போட்டி நன்மையை அளிக்கிறது என்பதை இது குறிக்கிறது. AI ஏஜென்ட்களை வேலைப்பாய்வுகளில் (Workflows) ஒருங்கிணைத்து, தெளிவான மேலாண்மை வழிகாட்டுதல்களை அமைக்கும் நிறுவனங்கள், தொழில்நுட்ப செலவினங்களை உண்மையான வருவாயாக மாற்றுவதற்கு சிறந்த நிலையில் உள்ளன. பரந்த தலைமைத்துவம் இல்லாமல், முதன்மையாக தனிப்பட்ட உற்பத்தித்திறனுக்காக AI-ஐ நம்பியிருப்பது நீண்ட கால நிதி நன்மைகளைக் கட்டுப்படுத்துகிறது.
நிறுவன தயார்நிலை ஆபத்து
வணிகங்களுக்கான ஒரு பெரிய ஆபத்து காரணி, ஊழியர் பயிற்சி மற்றும் நிர்வாகத்தின் பற்றாக்குறை ஆகும். 36% மட்டுமே பதிலளித்தவர்கள், தங்கள் பாத்திரங்களில் AI-இயக்கப்படும் மாற்றங்களுக்கு போதுமான பயிற்சி பெற்றதாக உணர்கிறார்கள். நிறுவனங்கள் AI ஏஜென்ட்களை வேலைப்பாய்வுகளில் ஒருங்கிணைக்கும்போது, மேலாண்மை வழிகாட்டுதல்கள் இல்லாதது செயல்பாட்டுப் பிழைகள், பொறுப்புக் குழப்பம் மற்றும் மோசமான செயலாக்கத்திற்கான அபாயத்தை உருவாக்குகிறது. ஊழியர்கள் AI கருவிகளை திறம்பட நிர்வகிக்கவும் இயக்கவும் பயிற்சி பெறவில்லை என்றால், வாக்குறுதியளிக்கப்பட்ட செயல்திறன் ஆதாயங்கள் கோட்பாட்டளவில் இருக்கலாம், ஆனால் நடைமுறையில் இருக்காது.
முதலீட்டாளர்கள் என்ன கண்காணிக்க வேண்டும்?
நிறுவன செயல்திறனில் AI-யின் தாக்கத்தைப் பார்க்கும் முதலீட்டாளர்கள், "பயன்பாட்டு எண்கள்" என்பதிலிருந்து "செயலாக்கத் தரம்" என்பதற்கு மாற வேண்டும். நிறுவனங்கள் AI-இல் முதலீடுகளை அறிவிக்கும் போது, இந்த கருவிகளால் உருவாக்கப்பட்ட நேரச் சேமிப்பை அவை எப்படி அளவிடவும், மீண்டும் முதலீடு செய்யவும் திட்டமிட்டுள்ளன என்பதே மிகவும் முக்கியமான கண்காணிப்பு ஆகும்.
மென்பொருள் பயன்பாடு பற்றிய பொதுவான கூற்றுக்களை விட, AI வணிக செயல்முறைகளை எப்படி மாற்றுகிறது மற்றும் லாப வரம்புகளை எப்படி பாதிக்கிறது என்பதை குறிப்பாக விளக்கும் நிர்வாக கருத்துக்களைத் தேடுங்கள். கூடுதலாக, நிறுவனம் பணியாளர் மறுபயிற்சியில் முதலீடு செய்கிறதா என்பதைக் கண்காணிக்கவும், ஏனெனில் இது AI-ஐ ஒரு அடிப்படை கருவியாகப் பயன்படுத்துவதிலிருந்து, அதை வணிக விளைவுகளின் முக்கிய இயக்கவியாக மாற்றுவதில் அவர்கள் வெற்றிகரமாக செல்ல முடியுமா என்பதற்கான முதன்மை குறிகாட்டியாகும்.