இந்தியாவின் முன்னணி IT நிறுவனங்கள், தங்கள் ஊழியர் எண்ணிக்கையை (Bench Strength) படிப்படியாகக் குறைக்க திட்டமிட்டுள்ளன. தற்போதுள்ள **20-30%** இலிருந்து, **2027** நிதியாண்டுக்குள் இதை **8-10%** ஆகக் குறைக்க இலக்கு நிர்ணயித்துள்ளன. AI-யின் பயன்பாடு மற்றும் தேவைக்கேற்ப பணியமர்த்தல் (Demand-based hiring) மூலம் லாபத்தை அதிகரிக்க இந்த நடவடிக்கை எடுக்கப்படுகிறது.
ஊழியர் எண்ணிக்கையில் அதிரடி மாற்றம்
இந்தியாவின் முக்கிய IT சேவை நிறுவனங்களான டாடா கன்சல்டன்சி சர்வீசஸ் (TCS), இன்ஃபோசிஸ், HCL டெக், விப்ரோ மற்றும் டெக் மஹிந்திரா ஆகியவை தங்கள் மனிதவள நிர்வாகத்தில் பெரிய மாற்றங்களைச் செய்து வருகின்றன. வாடிக்கையாளர் திட்டங்கள் ஒதுக்கப்படாத ஊழியர்களை (Bench employees) அதிக எண்ணிக்கையில் வைத்திருக்கும் பழைய முறையை மாற்றி, சுறுசுறுப்பான செயல்பாட்டிற்கு முக்கியத்துவம் அளிக்கின்றன.
முன்பெல்லாம், புதிய திட்டங்களின் தேவைகளைப் பூர்த்தி செய்ய நிறுவனங்கள் தங்கள் ஊழியர்களில் 20% முதல் 30% வரை 'பெஞ்ச்' பணியாளர்களாக வைத்திருந்தன. ஆனால், தற்போது இந்த எண்ணிக்கை 2027 நிதியாண்டுக்குள் 8% முதல் 10% ஆகக் குறைக்கப்படும் என எதிர்பார்க்கப்படுகிறது.
AI மற்றும் தேவைக்கேற்ப பணியமர்த்தல்
இந்த மாற்றத்திற்கான முக்கிய காரணம், செயல்பாட்டுத் திறனை (Operational Efficiency) அதிகரிப்பதாகும். செயற்கை நுண்ணறிவு (AI) மென்பொருள் உருவாக்கத்தில் ஒருங்கிணைக்கப்படுவதால், கோடிங் போன்ற பணிகள் வேகமாகின்றன. இதனால், இருக்கும் ஊழியர்களின் உற்பத்தித்திறன் அதிகரிக்கிறது. குறைவான ஆட்களைக் கொண்டு அதிக வேலையைச் செய்ய AI உதவுவதால், அதிக எண்ணிக்கையிலான காத்திருப்புப் பணியாளர்களின் தேவை குறைந்துள்ளது.
தொழிற்துறையின் பார்வைப்படி, பணியமர்த்தல் (Recruitment) என்பது குறிப்பிட்ட திட்டத் தேவைகளின் அடிப்படையில் நடக்கும் ஒரு மாதிரியாக மாறி வருகிறது. முன்பிருந்த எதிர்பார்ப்பு சார்ந்த வளர்ச்சிக்கு பதிலாக, தேவைக்கேற்ப பணியாளர்கள் நியமிக்கப்படுகின்றனர்.
லாப அழுத்தமும் பணியாளர் உத்திகளும்
இந்த கட்டமைப்பு மாற்றம், நிறுவனங்களின் லாப வரம்பில் (Margin Pressure) உள்ள அழுத்தத்திற்கும் ஒரு காரணமாகும். IT துறையில் வருவாய் வளர்ச்சி மெதுவாகி வருவதால், வாடிக்கையாளர்களுக்கு பில் செய்யப்படும் ஊழியர்களின் விகிதத்தை (Utilization Rates) அதிகமாக வைத்திருப்பது லாபத்தைப் பாதுகாக்க அவசியம். 'பெஞ்ச்' பணியாளர்களின் எண்ணிக்கையை குறைவாக வைத்திருப்பதன் மூலம், செயலற்ற சம்பளச் செலவுகளைக் (Idle Payroll Costs) குறைத்து, லாபத்தை அதிகரிக்க முடியும்.
தற்போது, ஒரு ஊழியர் 'பெஞ்ச்'டில் செலவிடும் நேரம் சராசரியாக 30-45 நாட்கள் ஆகக் குறைந்துள்ளது. இது முந்தைய ஆண்டுகளில் இருந்த 45-60 நாட்கள் உடன் ஒப்பிடும்போது குறிப்பிடத்தக்க குறைவு.
மறுதிறன் பயிற்சி (Reskilling) முக்கியத்துவம்
குறைந்த 'பெஞ்ச்' எண்ணிக்கை சிலருக்கு வேலை பாதுகாப்பு குறித்த கவலையை ஏற்படுத்தினாலும், நிறுவனங்கள் பெரிய அளவில் ஆட்குறைப்பு செய்வதற்கு பதிலாக, இருக்கும் ஊழியர்களுக்கு மறுதிறன் பயிற்சி அளிப்பதில் கவனம் செலுத்துகின்றன. AI, கிளவுட் கம்ப்யூட்டிங், சைபர் செக்யூரிட்டி மற்றும் டேட்டா அனலிட்டிக்ஸ் போன்ற அதிக தேவை உள்ள துறைகளுக்கு ஊழியர்களை மாற்றியமைக்க முக்கியத்துவம் அளிக்கப்படுகிறது. இது வாடிக்கையாளர்களின் மாறிவரும் தேவைகளைப் பூர்த்தி செய்ய உதவுகிறது.
TCS, திட்ட அடிப்படையிலான கற்றல் (Project-based learning) மூலம் ஊழியர்களை தயார்படுத்துகிறது. இன்ஃபோசிஸ், சிறப்புத் திறமை வாய்ந்தவர்களை (Frontier Engineers) குறிவைத்து பணியமர்த்துகிறது. டெக் மஹிந்திரா, வணிகத் தேவைகள் குறித்த தெளிவு கிடைத்தவுடன் வளாக நேர்காணல்களை (Campus Recruitment) மீண்டும் தொடங்க திட்டமிட்டுள்ளது. இருப்பினும், விப்ரோ இதுவரை இது போன்ற குறிப்பிட்ட திட்டங்களை அறிவிக்கவில்லை.
முதலீட்டாளர்களுக்கான கவனிக்க வேண்டியவை
முதலீட்டாளர்களைப் பொறுத்தவரை, இந்த மாற்றத்தின் வெற்றி, நிறுவனங்கள் குறைவான வளங்களைக் கொண்டு சேவையின் தரத்தை எவ்வாறு பராமரிக்கின்றன என்பதைப் பொறுத்தது. வரவிருக்கும் காலாண்டு முடிவுகளில், ஊழியர் பயன்பாட்டு விகிதங்கள் (Employee Utilization Rates) மற்றும் செயல்பாட்டு லாப வரம்புகள் (Operating Margins) ஆகியவை முக்கிய அளவீடுகளாக இருக்கும். AI-யுடன் ஒருங்கிணைந்த செயல்பாடுகளுக்கு நிறுவனங்கள் திறம்பட மாறினால், லாப வரம்புகள் சீராகலாம். இருப்பினும், தேவை வளர்ச்சி பலவீனமாக இருந்தால், ஒரு சிறிய 'பெஞ்ச்' கூட பரந்த துறை அழுத்தங்களை எதிர்கொள்ள போதுமானதாக இல்லாமல் போகும் அபாயம் உள்ளது.