இந்திய IT நிறுவனங்கள் AI மூலம் பழைய சாஃப்ட்வேர் பிரச்சனைகளை சரிசெய்து லாபம் ஈட்டினாலும், தற்போது AI பயன்பாட்டினால் ஏற்படும் மறைமுக செலவுகள் மற்றும் தொழில்நுட்ப சிக்கல்கள் குறித்து வாடிக்கையாளர்கள் கவலை தெரிவித்துள்ளனர். இதனால், IT நிறுவனங்கள் AI திட்டங்களின் லாபத்தை எவ்வாறு கையாள்கின்றன என்பதை முதலீட்டாளர்கள் உன்னிப்பாக கவனிக்க வேண்டும்.
AI-யால் அதிகரிக்கும் தொழில்நுட்ப கடன்
இந்திய IT சேவை நிறுவனங்கள் இந்த நிதியாண்டை ஒரு இரட்டை நோக்கத்துடன் தொடங்கியுள்ளன: வாடிக்கையாளர்களின் பழைய, காலாவதியான சாஃப்ட்வேர் பிரச்சனைகளை (legacy technical debt) தீவிரமாகக் குறைப்பதோடு, அதே நேரத்தில் புதிய செயற்கை நுண்ணறிவு (AI) திறன்களையும் உருவாக்குவது. இந்த மாற்றம் உற்பத்தித்திறன் மற்றும் புதிய ஒப்பந்த வெற்றிகளுக்கு வழிவகுத்தாலும், வங்கி (BFSI) மற்றும் உற்பத்தி போன்ற துறைகளில் உள்ள வாடிக்கையாளர்களிடையே ஒரு புதிய கவலை உருவாகியுள்ளது.
AI கருவிகள் பழைய சாஃப்ட்வேரை வேகமாக சரிசெய்ய உதவுகின்றன. ஆனால், உற்பத்தி மற்றும் நிதித் துறைகளில் உள்ள தலைவர்கள் எச்சரிக்கையுடன் உள்ளனர். AI கோடிங்கின் வேகமான, தானியங்கு இயல்பு ஒரு புதிய வகையான தொழில்நுட்ப கடனை உருவாக்கக்கூடும் என்பதே அவர்களின் கவலை. மனிதர்களால் படிக்கக்கூடிய மற்றும் கண்காணிக்க எளிதான பாரம்பரிய கோடிங்கைப் போலல்லாமல், AI-உருவாக்கிய கோட் முழுமையான வெளிப்படைத்தன்மை இல்லாமல் இருக்கலாம். AI ஆல் உருவாக்கப்பட்ட ஒவ்வொரு கோட் வரியையும் டெவலப்பர்கள் முழுமையாகக் காணமுடியாவிட்டால், எதிர்காலத்தில் பராமரிக்க அல்லது மேம்படுத்த கடினமாக இருக்கும் அமைப்புகள் ஏற்படலாம்.
மேலும், வாடிக்கையாளர்கள் AI-யின் 'சாத்தியக்கூறு' (probabilistic) தன்மையைக் கண்டு அஞ்சுகின்றனர். வங்கி பரிவர்த்தனைகள் அல்லது பெரிய அளவிலான உற்பத்தி செயல்முறைகள் போன்ற மிக முக்கியமான சூழல்களில், 'பெரும்பாலும் சரியாக' இருக்கும் ஒரு AI மாதிரி போதுமானதாக இல்லை. இந்த நிச்சயமற்ற தன்மைகள், தெளிவான ஒழுங்குமுறை வழிகாட்டுதல்கள் இல்லாததால், சில நிறுவனங்கள் AI திட்டங்களை சோதனை கட்டங்களில் இருந்து முழு அளவிலான உற்பத்திக்கு மாற்றுவதற்கு முன் நிறுத்துகின்றன.
IT நிறுவனங்களின் நிதிநிலை மீதான தாக்கம்
IT சேவை நிறுவனங்களுக்கு, இது ஒரு நுட்பமான சமநிலைப்படுத்தும் செயல். Tech Mahindra போன்ற நிறுவனங்கள் வலுவான நிதி செயல்திறனைப் பதிவு செய்திருந்தாலும் - FY27 முதல் காலாண்டில் EBIT-ல் 53% ஆண்டு-ஆண்டு அதிகரிப்பு மற்றும் $1.078 பில்லியன் புதிய ஒப்பந்த வெற்றிகள் - பரந்த துறை வாடிக்கையாளர் செலவினங்களில் ஒரு மாற்றத்தை எதிர்கொள்கிறது. TCS மற்றும் Wipro போன்ற முக்கிய நிறுவனங்களின் நிர்வாகக் குழுக்கள், வாடிக்கையாளர்கள் தங்கள் தொழில்நுட்ப பட்ஜெட்டில் அதிக தேர்ச்சி பெற்று வருவதாகவும், தெளிவான, அளவிடக்கூடிய வருவாயை வழங்கும் திட்டங்களுக்கு முன்னுரிமை அளிப்பதாகவும் குறிப்பிட்டுள்ளனர்.
AI வரிசைப்படுத்தலின் நிதிச் சுமையை நிர்வகிப்பது IT நிறுவனங்களுக்கு ஒரு பெரிய தடையாக உள்ளது. மேம்பட்ட AI மாடல்களை இயக்குவதற்குத் தேவையான கணினி சக்தி மற்றும் 'டோக்கன்' செலவுகள் கணிசமானதாக இருக்கும். இந்தச் செலவுகள் திறமையாக நிர்வகிக்கப்படாவிட்டால், அவை IT நிறுவனம் மற்றும் வாடிக்கையாளர் இருவருக்கும் லாப வரம்புகளை அரித்துவிடும். Aurionpro Solutions போன்ற நிறுவனங்கள் ஏற்கனவே BFSI வாடிக்கையாளர்களுக்கு இந்தச் செலவுகளை மேம்படுத்த உதவும் வகையில் AI-நேட்டிவ் தளங்களில் கவனம் செலுத்தத் தொடங்கியுள்ளன. இது, IT நிறுவனங்கள் இப்போது 'AI FinOps' சேவைகளை வழங்க வேண்டும் என்பதைக் குறிக்கிறது - இது AI மாடல்களை இயக்குவதற்கான உண்மையான செலவுக்கு எதிராக வணிக விளைவுகளைக் கண்காணிக்கும் சேவையாகும்.
முதலீட்டாளர்களுக்கான எதிர்கால கண்காணிப்பு அம்சங்கள்
தொழில் முதிர்ச்சியடையும் போது, AI-ஐ வெறுமனே ஏற்றுக்கொள்வதில் இருந்து அதன் நீண்டகால நிதி நம்பகத்தன்மையை நிரூபிப்பதில் கவனம் மாறுகிறது. முதலீட்டாளர்களுக்கு, கையொப்பமிடப்பட்ட AI ஒப்பந்தங்களின் மொத்த மதிப்பை மட்டும் பார்ப்பது போதாது, மாறாக AI கணினி மற்றும் டோக்கன் பயன்பாட்டின் அதிக செலவுகளை ஈடுகட்டும் போது IT நிறுவனங்கள் தங்கள் லாப வரம்புகளை எவ்வாறு பராமரிக்கின்றன என்பதைக் கண்காணிப்பதே முக்கியம்.
வெற்றிபெறும் நிறுவனங்கள், வாடிக்கையாளர்களை 'AI கடன்' சுழற்சி மூலம் வழிநடத்தக்கூடியவையாக இருக்கும். புதிய டிஜிட்டல் வரிசைப்படுத்தல்கள் எதிர்காலத்தில் விலையுயர்ந்த பராமரிப்பு சிக்கல்களை உருவாக்காது என்பதை உறுதிசெய்யும். முன்னோக்கிச் செல்லும்போது, பங்குதாரர்கள் இந்த நிறுவனங்கள் எவ்வாறு தங்கள் வாடிக்கையாளர்களுக்கு நிலையான, உயர்-செயல்திறன் கொண்ட AI தீர்வுகளை உருவாக்கும் தேவையுடன், தற்போதைய செலவின அழுத்தங்களை திறம்பட சமநிலைப்படுத்துகின்றன என்பது குறித்த நிர்வாகத்தின் கருத்துக்களைக் கவனிக்கலாம்.