AI புரட்சி இந்திய வணிகத்தைத் தூண்டுகிறது: 2025ல் திட்டமிடலில் இருந்து செயலாக்கம் வரை நகர்வு, பணிப்பாய்வுகளை மாற்றியமைக்கிறது!

2025ல், செயற்கை நுண்ணறிவு (AI) இந்திய நிறுவனங்களில் ஊக தொழில்நுட்பத்திலிருந்து ஒரு அடிப்படை வணிகச் செயலாக்கத் தூணாக மாறியது. நிறுவனங்கள் AI-ஐ ஏற்றுக்கொள்வார்களா என்பதில் இருந்து, அவற்றை தங்கள் முக்கிய செயல்பாடுகளில் எவ்வளவு வேகமாகவும் ஆழமாகவும் ஒருங்கிணைக்க முடியும் என்ற பேச்சுவார்த்தை உறுதியாக மாறியது. இது 2024 இன் ஆய்வு கட்டத்திலிருந்து ஒரு குறிப்பிடத்தக்க வளர்ச்சியாகும், AI கருவிகள் மற்றும் தன்னாட்சி முகவர்கள் (autonomous agents) அன்றாட பணிப்பாய்வுகளில் உட்பொதிக்கப்பட்டு, உறுதியான வணிக முடிவுகளை இயக்கின.

2025 ஆம் ஆண்டு இந்திய வணிகங்கள் ஆர்வம் மற்றும் பரிசோதனையிலிருந்து நம்பிக்கை மற்றும் தீவிர அர்ப்பணிப்புக்கு நகர்ந்த ஆண்டாக இருந்தது என்று தொழில் வல்லுநர்கள் குறிப்பிட்டனர். இந்த மாற்றம், நோக்கத்தை தாக்கமாக மாற்றுவதில் முக்கியமானது. நிறுவனங்கள் AI-ஐ சிதறிய முயற்சிகளில் மட்டுமல்லாமல், அளவிடக்கூடிய முடிவுகளை வழங்கும் ஒருங்கிணைந்த அமைப்புகளாகவும் பயன்படுத்தத் தொடங்கின, இது பைலட் திட்டங்களிலிருந்து நிறுவன அளவிலான மாற்றத்திற்கு AI தத்தெடுப்பின் முதிர்ச்சியைக் குறிக்கிறது.

AI ஒருங்கிணைப்பை நோக்கி நகர்ந்தது குறிப்பிடத்தக்க நன்மைகளை அளித்தது. வாடிக்கையாளர் ஈடுபாடு அதிகரிப்பு, விரைவான செயலாக்க நேரம், செயல்பாட்டுப் பிழைகளில் குறைப்பு, மேம்படுத்தப்பட்ட விநியோகச் சங்கிலிகள் மற்றும் வேகமான கண்டுபிடிப்பு சுழற்சிகள் போன்றவற்றை நிறுவனங்கள் பதிவு செய்துள்ளன. வங்கி, சில்லறை விற்பனை, சுகாதாரம், உற்பத்தி மற்றும் தகவல் தொழில்நுட்ப சேவைகள் போன்ற துறைகள் அடிப்படை வேலை முறைகளை மறுபரிசீலனை செய்யத் தொடங்கின. அவை இப்போது முடிவெடுக்கும் செயல்முறைகளை மறுபரிசீலனை செய்கின்றன, உள் பணிப்பாய்வுகளை மறுவடிவமைக்கின்றன, மேலும் AI திறன்களைச் சுற்றி செயல்பாட்டு கட்டமைப்புகளை மீண்டும் உருவாக்குகின்றன.

2025 இல் இந்தியாவின் AI பயணத்தின் ஒரு வரையறுக்கும் அம்சம் உள்ளூர்மயமாக்கலில் வலுவான கவனம் செலுத்துவதாகும். உலகளவில் பயிற்சி பெற்ற மாதிரிகளுக்கு அப்பால், நிறுவனங்கள் இந்தியாவின் குறிப்பிட்ட சூழல், உள்ளூர் மொழிகள், சிக்கலான வணிக செயல்பாடுகள் மற்றும் தனித்துவமான நுகர்வோர் நடத்தைகளால் வடிவமைக்கப்பட்ட தரவுகள் ஆகியவற்றை ஆழமாகப் புரிந்துகொள்ளும் AI அமைப்புகளுக்கு முன்னுரிமை அளித்தன. AI தத்தெடுப்பை திறம்பட அளவிட இந்த பொருத்தம் முக்கியமானது என்று கருதப்படுகிறது.

உலகளாவிய தொழில்நுட்பத் தலைவர்கள் இந்த உள்ளூர்மயமாக்கப்பட்ட தேவைக்கு பதிலளிக்கிறார்கள். Google இந்தியாவில் அதன் AI உள்கட்டமைப்பில் குறிப்பிடத்தக்க விரிவாக்கங்களை அறிவித்துள்ளது, தரவு இருப்பிடம் (data residency) மற்றும் இறையாண்மை (sovereignty) தேவைகளைப் பூர்த்தி செய்ய ஜெமினி (Gemini) போன்ற மேம்பட்ட மாதிரிகளின் உள்ளூர் பயிற்சி மற்றும் வரிசைப்படுத்தலை செயல்படுத்துகிறது. ஜெர்மன் மென்பொருள் நிறுவனமான SAP இந்தியாவில் இறையாண்மைக் கிளவுட் திறன்களை (sovereign cloud capabilities) அறிமுகப்படுத்தியுள்ளது, இது நிறுவனங்களுக்கான உள்ளூர் தரவு சேமிப்பு மற்றும் செயலாக்கத்தை எளிதாக்குகிறது. ஹைதராபாத்தை தளமாகக் கொண்ட சைன்ட் செமிகண்டக்டர்ஸ் (Cyient Semiconductors), அஸிமுத் AI (Azimuth AI) உடன் இணைந்து, ஆற்றல் மற்றும் பயன்பாட்டுத் துறையில் எட்ஜ் நுண்ணறிவுக்காக (edge intelligence) வடிவமைக்கப்பட்ட தனிப்பயன் சிப் ARKA GKT-1 ஐ அறிமுகப்படுத்தியுள்ளது, உள்நாட்டு கண்டுபிடிப்புகளும் பெருகியுள்ளன.

பன்மொழி AI திறன்கள் இனி விருப்பமில்லை, மாறாக அடிப்படைத் தேவையாகிவிட்டன, மேலும் அமைப்புகள் இந்தி, தமிழ், தெலுங்கு, மராத்தி, பெங்காலி மற்றும் பிற இந்திய மொழிகளில் தடையின்றி செயல்படும் என்று எதிர்பார்க்கப்படுகிறது. மேலும், குறிப்பாக கிராமப்புற மற்றும் அரை நகர்ப்புறங்களில், குறைந்த அல்லது இணைய இணைப்பு இல்லாத சூழ்நிலைகளிலும் திறம்பட செயல்படும் AI அமைப்புகளுக்கான தேவை அதிகரித்து வருகிறது. இது கிராமப்புற சுகாதார நோயறிதல்கள் (healthcare diagnostics) முதல் உற்பத்தித் துறையில் ஆஃப்லைன் இணக்க அமைப்புகள் (offline compliance systems) வரை பல பயன்பாடுகளுக்கு எட்ஜ் AI (Edge AI) மற்றும் ஆன்-டிவைஸ் இன்டெலிஜென்ஸ் (on-device intelligence) தத்தெடுப்பை துரிதப்படுத்தியுள்ளது.

AI தத்தெடுப்பு முதிர்ச்சியடைந்ததால், ஜெனரேட்டிவ் AI (Generative AI - GenAI) பயன்பாடும் முதிர்ச்சியடைந்தது. 2023 மற்றும் 2024 ஆய்வு செய்வதில் கவனம் செலுத்திய நிலையில், 2025 ஒருங்கிணைப்பில் வலியுறுத்தியது. GenAI கருவிகள் இப்போது வருவாய், இடர், இணக்கம், வாடிக்கையாளர் செயல்பாடுகள் மற்றும் நிதி போன்ற முக்கிய செயல்பாட்டு செயல்பாடுகளில் பயன்படுத்தப்படுகின்றன. ஒரு முக்கிய மாற்றம், GenAI-ஐ ஒவ்வொரு செயல்முறையிலும் பொருத்துவதைத் தவிர்த்து, மிகவும் சிந்தனைமிக்க அணுகுமுறையை உள்ளடக்கியுள்ளது. அதற்கு பதிலாக, நிறுவனங்கள் ஒரு கலப்பு அல்லது அடுக்கு AI உத்தியை (AI strategy) ஏற்றுக்கொள்கின்றன, கட்டமைக்கப்பட்ட பணிகளுக்கு கிளாசிக் AI (classic AI), சூழல் சார்ந்த வினவல்களுக்கு அடித்தளமிடப்பட்ட GenAI (grounded GenAI), மற்றும் திறந்தநிலை நுண்ணறிவு உண்மையாகத் தேவைப்படும்போது மட்டுமே பெரிய GenAI மாதிரிகளைப் பயன்படுத்துகின்றன. இந்த உத்தி வலுவான பாதுகாப்பு அம்சங்களுடன் "சரியான AI-ஐ சரியான இடத்தில்" பயன்படுத்துவதை முன்னுரிமைப்படுத்துகிறது.

GenAI தத்தெடுப்பு முன்னேறிய நிலையில், Agentic AI அடுத்த முக்கிய போக்காக உருவெடுத்துள்ளது. ஆர்வம் அதிகமாக இருந்தாலும், பரவலான தத்தெடுப்பு ஆரம்ப கட்டங்களில், பெரும்பாலும் சோதனைகள் அல்லது கட்டுப்படுத்தப்பட்ட பைலட்டுகளுக்குள் மட்டுமே உள்ளது. தொழில்நுட்ப வரம்புகளை விட உளவியல் மற்றும் கட்டமைப்பு ரீதியான தயார்நிலை காரணமாக தயக்கம் ஏற்படுகிறது, ஏனெனில் நிறுவனங்கள் தன்னாட்சி முகவர்களுக்கு (autonomous agents) கணிசமான கட்டுப்பாட்டை ஒப்படைக்க இன்னும் தயாராக இல்லை. இருப்பினும், வாடிக்கையாளர் ஆதரவு போன்ற புறம்பான பயன்பாட்டு நிகழ்வுகளிலிருந்து, கடன் ஒப்புதல், தயாரிப்பு வெளியீடுகளை விரைவுபடுத்துதல் அல்லது பணியாளர் எண்ணிக்கையில் விகிதாசார அதிகரிப்பு இல்லாமல் செயலாக்கத் திறனை அதிகரிப்பது போன்ற அடிப்படை வணிக செயல்முறைகளை Agentic AI எவ்வாறு மாற்றும் என்பதை ஆராய்வதற்கு கவனம் மாறுகிறது.

வளர்ந்து வரும் தெரிவுநிலை மற்றும் உற்சாகம் இருந்தபோதிலும், இந்தியாவில் பெரிய அளவிலான நிறுவன AI செயலாக்கம் இன்னும் ஆரம்ப கட்டங்களிலேயே உள்ளது. தனிப்பட்ட ஊழியர்கள் ChatGPT போன்ற கருவிகளை பரவலாகப் பயன்படுத்தினாலும், உண்மையான நிறுவன அளவிலான கட்டமைப்பு ஒருங்கிணைப்பு இன்னும் குறைவாகவே உள்ளது. பல நிறுவனங்கள் பல்வேறு துறைகளில் இருந்தாலும், AI-ஐ முக்கிய செயல்முறைகள் அல்லது செயல்பாட்டு மாதிரிகளில் ஆழமாக அளவிடவில்லை. சைலோக்களில் (silos) துண்டு துண்டான தரவு, ஒருங்கிணைப்பிற்குத் தடையாகும் மரபு ஐடி அமைப்புகள் (legacy IT systems), மாற்றத்திற்கான உள் எதிர்ப்பு, வரையறுக்கப்பட்ட AI அறிவு மற்றும் வலுவான நிர்வாக கட்டமைப்புகளின் (governance frameworks) பற்றாக்குறை போன்ற முக்கிய சவால்கள் நீடிக்கின்றன. ஒரு பொதுவான தவறு, தெளிவாக வரையறுக்கப்பட்ட வணிக சிக்கல்களிலிருந்து தொடங்குவதற்குப் பதிலாக "தீர்வு ஷாப்பிங்" (solution shopping) செய்வதாகும்.

AI தத்தெடுப்பு விரிவடையும் போது, ​​ஆளுமைக் கட்டமைப்புகளின் வளர்ச்சி பெரும்பாலும் முந்திச் செல்வதால், அபாயங்களுக்கான வெளிப்பாடும் அதிகரிக்கிறது. வணிக முக்கியத்துவம் வாய்ந்த முடிவுகள் பெருகிய முறையில் அல்காரிதம்களால் பாதிக்கப்படுகின்றன, ஆயினும்கூட கட்டுப்பாடு, தணிக்கை மற்றும் விளக்கத்திற்கான கட்டமைப்புகள் இன்னும் உருவாகி வருகின்றன. நிறுவனங்கள் அதிக விழிப்புணர்வுடன் உள்ளன, பொறுப்பான AI கொள்கைகளை (Responsible AI policies) வடிவமைக்க நிபுணர்களை ஈடுபடுத்துகின்றன. இருப்பினும், முதிர்ச்சி மாறுபடும், உண்மையான சவால் உள் நிறுவன அர்ப்பணிப்பு மற்றும் பொறுப்பான AI கொள்கைகளைப் (responsible AI principles) பற்றிய பரந்த புரிதல் இல்லாதது. அபாயங்களைக் குறைக்கவும், நிர்வாகத்தை உறுதிப்படுத்தவும், நிதிச் சேவைகள் போன்ற குறிப்பிட்ட டொமைன்களில் AI-ஐ மையப்படுத்துதல், கடுமையான மாதிரி வரையறை (strict model confinement) போன்ற உத்திகள் பின்பற்றப்படுகின்றன.

இந்திய கார்ப்பரேட் நிலப்பரப்பில் AI-ன் பரவலான தத்தெடுப்பு மற்றும் ஒருங்கிணைப்பு, இந்த மாற்றத்தை வெற்றிகரமாக வழிநடத்தும் வணிகங்களுக்கு உற்பத்தித்திறன், செலவு செயல்திறன் மற்றும் போட்டித்தன்மைக்கான சாத்தியக்கூறுகளைக் குறிக்கிறது. இந்த போக்கு தொழில்நுட்பத் துறைகளில் முதலீட்டை அதிகரிக்கவும், புதிய திறன்கள் தேவைப்படும் தொழிலாளர் சந்தைகளை மறுவடிவமைக்கவும், பல்வேறு தொழில்களில் கண்டுபிடிப்புகளை விரைவுபடுத்தவும் வழிவகுக்கும். AI-ஐ திறம்பட பயன்படுத்தும் நிறுவனங்கள் தங்கள் சக நிறுவனங்களை விட சிறப்பாக செயல்பட வாய்ப்புள்ளது, இது அவர்களின் சந்தை மதிப்பீடுகளையும் வளர்ச்சிப் பாதைகளையும் பாதிக்கும்.

Impact Rating: 8/10

Difficult Terms Explained:

• Generative AI (GenAI): தற்போதுள்ள தரவுகளிலிருந்து கற்றுக்கொண்ட வடிவங்களின் அடிப்படையில், உரை, படங்கள் அல்லது குறியீடு போன்ற புதிய உள்ளடக்கத்தை உருவாக்கக்கூடிய AI.
• Agentic AI: தன்னாட்சி முறையில் செயல்படவும், முடிவுகளை எடுக்கவும், குறைந்தபட்ச மனிதத் தலையீட்டுடன் பணிகளைச் செய்யவும் வடிவமைக்கப்பட்ட AI அமைப்புகள், இவை பெரும்பாலும் "AI முகவர்கள்" அல்லது "தன்னாட்சி முகவர்கள்" என்று விவரிக்கப்படுகின்றன.
• Edge AI: தரவை செயலாக்கத்திற்காக தொலைதூர கிளவுட்டிற்கு அனுப்புவதற்குப் பதிலாக, AI அல்காரிதம்களை நேரடியாக உள்ளூர் சாதனத்தில் அல்லது எட்ஜ் சர்வரில் இயக்குவது. இது வேகமான பதில்களையும் ஆஃப்லைன் திறன்களையும் செயல்படுத்துகிறது.
• Natural Language Processing (NLP): மனித மொழியை கணினிகள் புரிந்துகொள்ளவும், விளக்கவும், உருவாக்கவும் உதவும் AI இன் ஒரு கிளை.
• Hallucinate (AI context): AI மாதிரி தவறான, அர்த்தமற்ற அல்லது உண்மையான தகவல்களை உண்மையைப் போல வழங்கும்போது.
• Sovereign Cloud: ஒரு குறிப்பிட்ட நாட்டின் எல்லைகளுக்குள் தரவு சேமிக்கப்பட்டு செயலாக்கப்படுவதை உறுதிசெய்யும் கிளவுட் கம்ப்யூட்டிங் சேவைகள், உள்ளூர் சட்டங்கள் மற்றும் விதிமுறைகளுக்கு இணங்குகிறது.
• System-on-Chip (SoC): ஒரு செயலி, நினைவகம் மற்றும் உள்ளீடு/வெளியீடு இடைமுகங்கள் உட்பட ஒரு கணினி அல்லது வேறு எந்த மின்னணு அமைப்பின் அனைத்து கூறுகளையும் ஒரே சிப்பில் ஒருங்கிணைக்கும் ஒரு ஒருங்கிணைந்த சுற்று.