భారతదేశంలోని సర్వే చేసిన అన్ని కంపెనీలు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) రంగంలో చురుకుగా ఉన్నాయని, 73% కంపెనీలు పెట్టుబడులకు తగిన రాబడిని పొందుతున్నాయని Dun & Bradstreet సర్వే వెల్లడించింది. అయితే, తమ డేటా మౌలిక సదుపాయాలు AIని విస్తృతంగా అమలు చేయడానికి పూర్తిగా సిద్ధంగా ఉన్నాయని కేవలం 4% కంపెనీలు మాత్రమే భావిస్తున్నాయి. ఇది కంపెనీల AI ఖర్చులకు, దీర్ఘకాలిక లాభాలను పెంచే కార్యకలాపాల సామర్థ్యానికి మధ్య అంతరాన్ని హైలైట్ చేస్తుంది.
ఇటీవల Dun & Bradstreet AI Momentum Survey ప్రకారం, భారతీయ సంస్థలు ప్రయోగాత్మక AI ప్రాజెక్టుల నుండి విస్తృత కార్యకలాపాల అనుసంధానం వైపు మళ్లుతున్నాయి.
సర్వే చేసిన ప్రతి సంస్థ AI రంగంలో క్రియాశీలకంగా ఉన్నప్పటికీ, వాటి పరిణితి స్థాయిలు గణనీయంగా మారుతూ వచ్చాయి. సుమారు 44% కంపెనీలు ఇంకా పరీక్ష లేదా ప్రణాళిక దశలోనే ఉన్నాయి. 30% కంపెనీలు తమ రోజువారీ కార్యకలాపాలలో AIని ఉపయోగించడం ప్రారంభించాయి. ఇక చిన్న సమూహంగా ఉన్న 26% కంపెనీలు AIని కీలక వ్యాపార పనులలో అనుసంధానించడం లేదా సంక్లిష్ట పనులను తక్కువ మానవ జోక్యంతో చేసే ఏజెంటిక్ AI వంటి అధునాతన దశలకు చేరుకున్నాయి.
AI పెట్టుబడులు & లాభదాయకత
వ్యాపారాలు ఈ సాంకేతిక పురోగతికి భారీగా నిధులు సమకూరుస్తున్నాయి. సర్వే చేసిన కంపెనీలలో మూడింట రెండొంతుల కంటే ఎక్కువ కంపెనీలు తమ AI ఖర్చులను పెంచుకోవాలని భావిస్తున్నాయి. ఇందులో 13% కంపెనీలు గణనీయంగా పెంచాలని, 56% మితంగా పెంచాలని యోచిస్తున్నాయి. AI పెట్టుబడులను తగ్గించే ప్రణాళికలున్నాయని ఏ సంస్థ కూడా నివేదించలేదు. ఇది డిజిటల్ పరివర్తనకు దీర్ఘకాలిక నిబద్ధతను సూచిస్తుంది.
సాంకేతికతపై అధిక మూలధన వ్యయం భవిష్యత్ సామర్థ్యాన్ని పెంచుతుందని భావిస్తున్నప్పటికీ, ఈ ఖర్చులు స్థిరమైన వ్యయ ఆదా లేదా ఆదాయ వృద్ధిగా మారతాయా లేదా అని పెట్టుబడిదారులు పర్యవేక్షించాలి.
డేటా నాణ్యత అవరోధం
ప్రస్తుత AI కార్యక్రమాల నుండి 73% కంపెనీలు గణనీయమైన రాబడిని నివేదించినప్పటికీ, ఈ లాభాలు ఎక్కువగా వివిక్త ప్రాజెక్టులు లేదా నిర్దిష్ట విభాగాలకు పరిమితం చేయబడ్డాయి. పేలవమైన డేటా మౌలిక సదుపాయాల కారణంగా ఈ విజయాలను మొత్తం ఎంటర్ప్రైజ్కు విస్తరించడం కష్టంగా ఉంది. కేవలం 4% మంది ప్రతివాదులు మాత్రమే తమ డేటా ఎంటర్ప్రైజ్-వైడ్ AI విస్తరణకు పూర్తిగా సిద్ధంగా ఉందని పేర్కొన్నారు. మెజారిటీ 58% మంది తమ డేటా పాక్షికంగా సిద్ధంగా ఉందని, 30% మంది చాలావరకు సిద్ధంగా ఉందని తెలిపారు.
వ్యాపారాలకు, ఇది అమలు ప్రమాదాన్ని సృష్టిస్తుంది. అంతర్లీన డేటా అస్థిరంగా లేదా నాణ్యత తక్కువగా ఉంటే, AI వ్యవస్థల ప్రభావం తీవ్రంగా పరిమితం చేయబడుతుంది. ఇది పెట్టుబడిపై ఆశించిన దానికంటే తక్కువ రాబడికి దారితీయవచ్చు. అధిక AI ఖర్చు చేసే కంపెనీలను ట్రాక్ చేసే పెట్టుబడిదారులు డేటా ఆధునికీకరణ ప్రయత్నాలపై మేనేజ్మెంట్ వ్యాఖ్యలను చూడాలి. తమ డేటాను విజయవంతంగా శుభ్రపరిచి, క్రమబద్ధీకరించే సంస్థలు తమ సాంకేతిక వ్యయంపై మెరుగైన రాబడిని చూసే అవకాశం ఉంది. పైలట్ ప్రాజెక్టులు మరియు కంపెనీ-వ్యాప్త విస్తరణ మధ్య అంతరాన్ని తగ్గించగల సామర్థ్యం, రాబోయే సంవత్సరాల్లో ఏ సంస్థలు పోటీ ప్రయోజనాన్ని పొందుతాయో నిర్ణయించడంలో కీలక అంశం అవుతుంది.