இந்தியாவின் முன்னணி IT நிறுவனங்களான TCS, Infosys, மற்றும் Wipro ஆகியவை 3 லட்சத்திற்கும் அதிகமான Microsoft Copilot லைசென்ஸ்களை வாங்கி உள்ளன. இது நிறுவனங்களில் AI பயன்பாட்டை அதிகப்படுத்தும் ஒரு பெரிய பாய்ச்சலாக பார்க்கப்படுகிறது. ஊழியர்களின் உற்பத்தித்திறன் (Productivity), தரவு பாதுகாப்பு (Data Security) மற்றும் செலவினக் கட்டுப்பாடு (Cost Control) ஆகியவற்றை சமநிலைப்படுத்துவது தற்போது இவர்களுக்கு ஒரு பெரிய சவாலாக உள்ளது.
என்ன நடந்தது?
இந்தியாவின் மிகப்பெரிய IT சேவைகள் வழங்கும் நிறுவனங்களான டாடா கன்சல்டன்சி சர்வீசஸ் (TCS), இன்ஃபோசிஸ் (Infosys) மற்றும் விப்ரோ (Wipro) ஆகியவை தங்கள் AI ஒருங்கிணைப்பு உத்திகளை வேகப்படுத்தியுள்ளன. சமீபத்திய தகவல்களின்படி, இந்த நிறுவனங்கள் ஆறு மாதங்களுக்குள் மொத்தம் 3 லட்சத்திற்கும் அதிகமான Microsoft Copilot லைசென்ஸ்களைப் பெற்றுள்ளன. இது சோதனை ரீதியான AI பயன்பாட்டிலிருந்து நிறுவன அளவிலான பயன்பாட்டிற்கு மாறும் ஒரு முக்கிய நகர்வாகும். இந்த AI கருவிகளை தங்கள் ஊழியர்கள் மத்தியில் ஒருங்கிணைப்பதன் மூலம், இந்த நிறுவனங்கள் உற்பத்தித்திறனை அதிகரிக்கவும், உலகளாவிய வாடிக்கையாளர்களுக்கு AI-இயங்கும் தீர்வுகளை வழங்கவும் இலக்கு கொண்டுள்ளன. இருப்பினும், இந்த அளவிலான தத்தெடுப்பு, புதுமைகளைத் தடுக்கும் வகையில் இல்லாமல், இந்தக் கருவிகளைக் கட்டுப்படுத்துவது எப்படி என்பது குறித்த நிர்வாக விவாதங்களைத் தூண்டியுள்ளது.
நிர்வாகத்திற்கான சமநிலைப்படுத்தும் நடவடிக்கை
நிறுவனங்களின் நிர்வாகக் குழுக்கள் தற்போது AI தத்தெடுப்பில் இரண்டு முக்கிய மாதிரிகளுக்கு இடையே தேர்வு செய்து வருகின்றன. 'மேலிருந்து கீழ்' (Top-down) அணுகுமுறை என்பது கடுமையான கட்டுப்பாட்டைக் கொண்டுள்ளது. இதில் தலைமை, பாதுகாப்பை உறுதிசெய்ய குறிப்பிட்ட, சரிபார்க்கப்பட்ட கருவிகளை கட்டாயப்படுத்துகிறது. இது பாதுகாப்பானது என்றாலும், மெதுவாகவும் விலை உயர்ந்ததாகவும் இருக்கும். இதன் மாற்று 'கீழிருந்து மேல்' (Bottom-up) அணுகுமுறை ஆகும். இதில் ஊழியர்கள் வேலைச் சிக்கல்களை விரைவாகத் தீர்க்க பல்வேறு AI பயன்பாடுகளைத் தாங்களாகவே பயன்படுத்துகின்றனர். இது படைப்பாற்றலை வளர்த்தாலும், 'நிழல் IT' (Shadow IT) அபாயத்தையும் ஏற்படுத்துகிறது. அதாவது, முக்கிய நிறுவனத் தரவுகள் சரிபார்க்கப்படாத, மூன்றாம் தரப்பு AI தளங்களில் செயலாக்கப்படலாம். பங்குதாரர்களுக்கு, இது ஒரு நிதி கவலையாகும். கடுமையான மேலிருந்து கீழ் அணுகுமுறை, பயன்படுத்தப்படாத மென்பொருளில் வீணான முதலீட்டிற்கு வழிவகுக்கும். அதேசமயம், தளர்வான கீழிருந்து மேல் அணுகுமுறை, சிதறிய செலவினங்களுக்கும் பாதுகாப்பு மீறல்களுக்கும் வழிவகுக்கும்.
தரவு தனியுரிமை மற்றும் இணக்க அபாயங்கள்
இந்திய IT நிறுவனங்களுக்கு, ஒழுங்குமுறைச் சூழல் இறுக்கமடைந்து வருகிறது. டிஜிட்டல் தனிநபர் தரவு பாதுகாப்பு (DPDP) சட்டம் அமலில் இருப்பதால், தரவு கசிவின் விலை குறிப்பிடத்தக்கதாக இருக்கும். ஒரு ஊழியர், வாடிக்கையாளர் தரவைத் தவறுதலாகப் பகிரும் அங்கீகரிக்கப்படாத AI கருவியைப் பயன்படுத்தினால், IT நிறுவனம் நற்பெயருக்கு சேதம் விளைவிப்பது மட்டுமல்லாமல், சட்டரீதியான அபராதங்களையும் எதிர்கொள்ள நேரிடும். இதன் விளைவாக, இந்திய IT தலைவர்கள் 'ஆளுகைக்குட்பட்ட தன்னாட்சி' (Governed Autonomy) என்ற கலப்பின மாதிரிக்கு அதிக முக்கியத்துவம் கொடுக்கின்றனர். இது ஊழியர்களைக் கண்டிப்பாக கண்காணிக்கப்படும், பாதுகாப்பான கட்டமைப்பிற்குள் AI கருவிகளைப் பயன்படுத்த அனுமதிக்கிறது. இதில் AI எவ்வாறு நிகழ்நேரத்தில் பயன்படுத்தப்படுகிறது என்பதைக் கண்காணிக்கவும், அதேசமயம் வேலை ஓட்டத்தைத் தடுக்காமலும் இருக்க சிறப்பு 'கட்டுப்பாட்டு தளங்களை' (Control planes) அமைப்பது அடங்கும்.
லாப வரம்புகள் மற்றும் எதிர்கால செயல்திறனில் தாக்கம்
முதலீட்டாளர்கள் AI லாப வரம்புகளை எவ்வாறு பாதிக்கிறது என்பதை அடிக்கடி பார்க்கிறார்கள். தற்போது, இந்தத் துறை விலையுயர்ந்த, தனியுரிம பெரிய மொழி மாதிரிகளை (Large Language Models) உருவாக்குவதிலிருந்து விலகிச் செல்கிறது. பல நிபுணர்கள் இதை பொருளாதார ரீதியாக சாத்தியமற்றதாகக் கருதுகின்றனர். மாறாக, குறிப்பிட்ட வாடிக்கையாளர் தேவைகளுக்காக தற்போதுள்ள மாதிரிகளைச் சரிசெய்வதில் (Fine-tuning) கவனம் திரும்பியுள்ளது. இது ஒரு செலவு குறைந்த உத்தியாகும். முதலீட்டாளர்களுக்கு முக்கியமானது என்னவென்றால், இந்த AI முதலீடுகள் வாடிக்கையாளர்களிடமிருந்து அதிக பில்லிங் விகிதங்களுக்கு வழிவகுக்குமா அல்லது அவை செயல்பாட்டுச் செலவுகளை அதிகரிக்குமா என்பதைக் கண்காணிப்பதாகும். இந்த நிறுவனங்கள் அளவை அதிகரிக்கும்போது, வழக்கமான கோடிங் பணிகளில் செலவிடும் நேரத்தை AI குறைத்து, காலப்போக்கில் நிகர லாப வரம்பை மேம்படுத்துவதை நோக்கமாகக் கொண்டுள்ளது.
முதலீட்டாளர்கள் அடுத்து எதைக் கண்காணிக்க வேண்டும்?
முன்னோக்கிச் செல்லும்போது, பங்குதாரர்கள் மூன்று குறிப்பிட்ட பகுதிகளைக் கண்காணிக்க வேண்டும். முதலாவதாக, இந்த முதலீடுகள் உண்மையான வாடிக்கையாளர் ஒப்பந்தங்களாக மாறுகின்றனவா என்பதை அறிய, காலாண்டு முடிவுகளில் 'AI-வழி வருவாய் வளர்ச்சி' (AI-led revenue growth) குறித்த கருத்துரைகளைக் கவனிக்கவும். இரண்டாவதாக, புதிய விதிமுறைகளின் கீழ் இந்த நிறுவனங்களின் இடர் சுயவிவரத்தை வரையறுக்கும் தரவு பாதுகாப்பு இணக்கம் குறித்த எந்தவொரு வெளிப்படுத்தலையும் கவனத்தில் கொள்ளவும். இறுதியாக, மென்பொருள் உரிமச் செலவுகள் மற்றும் உற்பத்தித்திறன் ஆதாயங்களுக்கு இடையிலான போக்கைக் கவனிக்கவும். இதன் மூலம் தற்போதைய தீவிரமான தத்தெடுப்பு உண்மையாகவே செயல்பாட்டுத் திறனை அதிகரிக்கிறதா என்பதைப் புரிந்து கொள்ள முடியும்.