இந்தியாவில் பாதிக்கும் மேற்பட்ட நிறுவனங்கள் AI-ஐ பயன்படுத்தினாலும், வெறும் **15%** மட்டுமே அதை வெற்றிகரமாக தங்கள் வியாபாரத்தில் முழுமையாக பயன்படுத்தியுள்ளனர். டேட்டா கட்டமைப்பு மற்றும் செயல்முறை மாற்றங்களில் உள்ள சவால்களே இதற்குக் காரணம்.
இந்திய நிறுவனங்கள் மத்தியில் Artificial Intelligence (AI) ஒரு முக்கிய விஷயமாக மாறியுள்ளது. ஆனால், ஆரம்பகட்ட சோதனைகளிலிருந்து முழுமையான வணிகப் பயன்பாட்டிற்கு வருவது என்பது ஒரு குறுகிய பாதையாகவே உள்ளது. தற்போதைய தகவல்களின்படி, 47% நிறுவனங்கள் AI-ஐ பயன்படுத்தினாலும், அவற்றில் 15% நிறுவனங்கள் மட்டுமே அதை பல துறைகளில் வெற்றிகரமாக ஒருங்கிணைத்துள்ளன. இதன் மூலம், பெரும்பாலான நிறுவனங்கள் குறிப்பிட்ட சில சோதனைகள் (pilot projects) தாண்டி, பெரிய அளவில் பலன்களைப் பெறுவதில் சிரமத்தை எதிர்கொள்கின்றன.
அடித்தளம் மிக முக்கியம்!
AI-ஐ வெற்றிகரமாக செயல்படுத்துவதற்கு மென்பொருளின் நுட்பம் மட்டும் போதாது. மாறாக, Tata Steel மற்றும் Apollo Hospitals போன்ற நிறுவனங்கள், பல வருடங்களாக அடித்தள வேலைகளில் கவனம் செலுத்தி நிலையான முடிவுகளைப் பெற்றுள்ளன. உதாரணமாக, Tata Steel நிறுவனம் சுமார் 10 ஆண்டுகள் தனது டேட்டா கட்டமைப்பை உருவாக்கியுள்ளது. தற்போது 680 AI-சார்ந்த அப்ளிகேஷன்களை இயக்குகிறது. மனிதர்களின் திறனை மேம்படுத்துவதே இதன் நோக்கம், அவர்களை மாற்றுவது அல்ல. இதற்காக, சிறப்புத் திறமை வாய்ந்த ஊழியர்களுக்கும், வலுவான டிஜிட்டல் கட்டமைப்பிற்கும் தொடர்ச்சியான முதலீடு தேவைப்படுகிறது.
அதேபோல், Apollo Hospitals நிறுவனம் AI-ஐ மருத்துவ முடிவெடுக்கும் செயல்முறைகளில் ஒருங்கிணைத்துள்ளது. இங்கு கடுமையான செயல்பாட்டு ஒழுங்கு மற்றும் நிர்வாகம் பின்பற்றப்படுகிறது. நோயாளிகளின் நலனுக்கு தொழில்நுட்பம் உண்மையான நன்மைகளைத் தர வேண்டும் என்பதே அவர்களின் நோக்கம். இது ஒரு குறுகிய கால விளம்பர உத்தியாக இருக்கக் கூடாது.
செயல்பாட்டுத் தடைகள்
பல நிறுவனங்கள் 'சாண்ட்பாக்ஸ்' (sandbox trap) எனப்படும் ஒரு சிக்கலை எதிர்கொள்கின்றன. இங்கு, வெற்றிகரமான சிறிய அளவிலான சோதனைகள் விரிவுபடுத்தப்படுவதில்லை. ஏனெனில், ஏற்கனவே உள்ள நிறுவனத்தின் செயல்முறைகள் திறமையற்றவையாக இருக்கின்றன. பழைய அல்லது தவறான வேலை முறைகளில் AI-ஐ சேர்ப்பது, உண்மையான உற்பத்தித் திறனை அதிகரிப்பதற்குப் பதிலாக, இருக்கும் பிரச்சனைகளையே தானியக்கமாக்குகிறது. IBM Consulting போன்ற நிறுவனங்களின் நிபுணர்கள் கூறுகையில், முக்கிய வணிகச் செயல்பாடுகளை மாற்றி அமைப்பதற்கான உண்மையான எண்ணம் இல்லாததுதான், AI-ஐ முழுமையாக செயல்படுத்துவதில் தோல்வி விகிதம் அதிகமாக இருப்பதற்கான முக்கியக் காரணம். இது பெரும்பாலும் பொது பிம்பத்திற்காகவும், நிர்வாகக் கூட்டங்களுக்காகவும் மட்டுமே பயன்படுத்தப்படுகிறது.
Hindustan Unilever மற்றும் Airtel போன்ற நிறுவனங்கள், தங்கள் சப்ளை செயின் மேலாண்மை மற்றும் நெட்வொர்க் செயல்திறனை AI மூலம் முழுமையாக மாற்றியமைத்துள்ளன. இந்த நிறுவனங்கள், டேட்டா சிலோக்களை (data silos) மறுசீரமைப்பதில் கணிசமாக முதலீடு செய்தன. இதன் மூலம், தானியங்கு முடிவெடுப்பை ஆதரிப்பதற்காக, நிறுவனத்திற்குள் தகவல்கள் தடையின்றி பாய்வதை உறுதி செய்தன.
முதலீட்டாளர்களுக்கான முக்கிய அம்சங்கள்
நிறுவனங்களின் வருமானத்தில் AI-யின் தாக்கத்தை மதிப்பிடும் முதலீட்டாளர்களுக்கு, செலவைக் குறைக்கும் சோதனைகளுக்கும் (cost-saving pilots) உண்மையான பயன்பாட்டிற்கும் (true scale) உள்ள வேறுபாடு மிக முக்கியமானது. நிறுவனங்களின் அடுத்தகட்ட அறிக்கைகளில், நீண்ட கால உள்கட்டமைப்பு முதலீடு மூலம் செயல்பாட்டுத் திறனை அடைந்த நிறுவனங்களுக்கும், சோதனைச் செலவுகளில் சிக்கியிருக்கும் நிறுவனங்களுக்கும் இடையே ஒரு தெளிவான வேறுபாடு காணப்படும். AI மூலம் லாப அதிகரிப்பு அல்லது வருவாய் வளர்ச்சிக்கு நிறுவனங்கள் ஆதாரம் அளிக்கின்றனவா என்பதை முதலீட்டாளர்கள் கண்காணிக்கலாம். மாற்றத்தை நிர்வகித்தல், பணியாளர்களுக்கு மறுபயிற்சி அளித்தல், மற்றும் பல வருடங்களுக்கான டேட்டா கட்டமைப்புப் பணிகளில் ஈடுபடும் திறன் ஆகியவை நீண்ட கால வெற்றிக்கு முக்கியக் குறிகாட்டிகளாகத் தொடரும்.