தொழில்நுட்ப வேலை இழப்புகள்: ஆட்டோமேஷன் அல்ல, AI ஹார்டுவேருக்கு மாறும் பில்லியன் டாலர்கள்!

சம்பளத்திலிருந்து AI உள்கட்டமைப்புக்கு மாறும் பில்லியன் கணக்கான டாலர்கள்

செயற்கை நுண்ணறிவு (AI) ஒரு 'வேலை அழிவு'யை ஏற்படுத்துவதாகக் கூறப்படும் பொதுவான கருத்து, தற்போதைய தொழில்நுட்ப வேலை இழப்புகளுக்கு முக்கிய காரணத்தை மறைக்கிறது. பணிகளை தானியக்கமாக்குவதை விட, தொழில்நுட்ப நிறுவனங்கள் சம்பளம் போன்ற செலவினங்களிலிருந்து பில்லியன் கணக்கான டாலர்களை மூலதன முதலீடுகளுக்கு மாற்றுகின்றன.

இது டேட்டா சென்டர்கள், சிறப்பு சிப்கள் மற்றும் AI-க்குத் தேவையான ஆற்றல் ஆகியவற்றிற்கான செலவாகும். $2.59 ட்ரில்லியன் என எதிர்பார்க்கப்படும் இந்த மாபெரும் AI உள்கட்டமைப்புப் பந்தயம், நிறுவனங்கள் தங்கள் நிதியைக் கையாளவும், மென்பொருள் மாடல்களிலிருந்து அதிக மூலதனம் தேவைப்படும் செயல்பாடுகளுக்கு மாறவும் வேலைகளைக் குறைக்க கட்டாயப்படுத்துகிறது.

எதிர்பார்ப்புக்கும் யதார்த்தத்திற்கும் உள்ள இடைவெளி

சாம் ஆல்ட்மேன் கூட, AI-யின் பரவலான பொருளாதாரப் பயன்பாடு இன்னும் ஆரம்ப கட்டத்தில் இருப்பதாக ஒப்புக்கொள்கிறார். இது நிறுவனங்களின் மதிப்புக்கும், அவர்களின் உண்மையான உற்பத்தித்திறன் ஆதாயங்களுக்கும் இடையே வளர்ந்து வரும் இடைவெளியை எடுத்துக்காட்டுகிறது. தொழில்நுட்பத் தலைவர்கள் செயல்திறனை உறுதியளித்தாலும், பொருளாதாரம் இன்னும் AI-யிலிருந்து பெரிய அளவிலான உற்பத்தித்திறன் முன்னேற்றங்களைக் காணவில்லை.

இந்த நிலைமை Meta, Amazon, மற்றும் Oracle போன்ற நிறுவனங்களை ஒரு கடினமான சூழ்நிலையில் தள்ளுகிறது. பாரிய உள்கட்டமைப்பு முதலீடுகளுக்கு நிதியளிக்க அவர்கள் ஊழியர்களைக் குறைக்கிறார்கள். மென்பொருளைப் போலல்லாமல், பயனர்களைச் சேர்ப்பதற்கு குறைந்த செலவாகும், AI-க்கு தொடர்ச்சியான, அதிக செலவுகள் தேவைப்படுகின்றன. AI தயாரிப்புகள் விரைவில் அதிக வருவாய் ஈட்டத் தொடங்கவில்லை என்றால், இந்த வேலை வெட்டுக்கள் போதுமானதாக இருக்காது, மேலும் நிறுவனங்கள் செலவுகளை மேலும் குறைக்க நேரிடும்.

எதிர்கால திறமைப் பற்றாக்குறைக்கான அபாயங்கள்

உடனடி வேலை வெட்டுக்களுக்கு அப்பால், தொழில்நுட்பத் துறை ஒரு மறைக்கப்பட்ட ஆபத்தை எதிர்கொள்கிறது: எதிர்கால திறமைக் குழாயை பலவீனப்படுத்துதல். இளைய ஊழியர்களுக்குப் பயிற்சி அளிப்பதில் முக்கிய பங்கு வகிக்கும் நடுத்தர நிலை வேலைகளைக் குறைப்பதன் மூலம், நிறுவனங்கள் அனுபவம் வாய்ந்த பொறியாளர்களின் எண்ணிக்கையைக் குறைக்கின்றன. அடிப்படை கோடிங் மற்றும் பிழை திருத்தங்களுக்கு AI-யைப் பயன்படுத்துவதில் நிறுவனங்கள் கவனம் செலுத்துவதால், இளைய பணியாளர் நியமனம் கணிசமாகக் குறைந்துள்ளது.

இது இப்போதைக்கு பணத்தைச் சேமித்தாலும், நீண்ட காலப் பிரச்சனையை உருவாக்குகிறது. தற்போதைய மூத்த பொறியாளர்கள் வெளியேறும்போது, நிறுவனங்கள் உருவாக்கும் சிக்கலான AI அமைப்புகளை நிர்வகிக்க போதுமான அனுபவம் வாய்ந்த ஊழியர்கள் இல்லாமல் போகலாம்.

2026-ல் கவனிக்க வேண்டியவை

இந்த பெரிய AI உள்கட்டமைப்பு முதலீடுகள் வாக்குறுதியளிக்கப்பட்ட செயல்திறன் ஆதாயங்களுக்கு வழிவகுக்குமா என்பதில் தெளிவான உடன்பாடு இல்லை. இந்த AI முதலீடுகளிலிருந்து ஆரம்ப சோதனைகளுக்கு அப்பால் உண்மையான வருமானத்தைக் காட்ட வேண்டும் என்பதே முக்கிய ஆண்டாக இருக்கும் என்று ஆய்வாளர்கள் நம்புகிறார்கள். மின் இணைப்புக்கான நீண்ட காத்திருப்புக்கள் மற்றும் AI விநியோகச் சங்கிலிகள் மீதான அதிகரித்த ஆய்வுடன், உள்கட்டமைப்பை உருவாக்குவதிலிருந்து செயல்பாட்டு இலாபத்தை ஈட்டுவதில் கவனம் மாறும் என்று எதிர்பார்க்கப்படுகிறது. இந்த நிறுவனங்களின் நீண்டகால வெற்றி, குறுகிய கால நிதி இலக்குகளை அடைய மனிதப் பணிகளை மாற்றுவதை விட, வருவாயை உருவாக்க AI-யைப் பயன்படுத்தும் திறனைப் பொறுத்தது.