చాలా కంపెనీలు AI ఆటోమేషన్ కోసం భారీగా ఖర్చు చేస్తున్నా, ఆశించిన ఫలితాలు రావడం లేదు. డేటా లోపాలు, సంక్లిష్టమైన వర్క్‌ఫ్లోల వల్ల లాభాలు తగ్గుతున్నాయి. కేవలం పైలట్ ప్రాజెక్ట్ సక్సెస్ చూసి మోసపోకండి, ఆపరేషనల్ సేవింగ్స్ ఎంతో గమనించండి.
ప్రస్తుతం కార్పొరేట్ ఇండియాలో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) పై భారీగా ఇన్వెస్ట్‌మెంట్స్ జరుగుతున్నాయి. ఉత్పాదకతను పెంచడం, ఆపరేషనల్ ఖర్చులను తగ్గించుకోవడమే లక్ష్యంగా కంపెనీలు పనిచేస్తున్నాయి. అయితే, పైలట్ ప్రాజెక్ట్ స్థాయిలో సక్సెస్ అయినవి, పూర్తి స్థాయి కార్యకలాపాల్లోకి వచ్చేసరికి విఫలమవుతున్నాయి. ఈ గ్యాప్ ఇప్పుడు షేర్ హోల్డర్లకు ఒక పెద్ద సవాలుగా మారింది.
డేటా లోపాలే అసలు సమస్య
చాలా పెద్ద సంస్థల్లో డేటా అంతా ఒకచోట ఉండదు (Siloed Data). రకరకాల డిపార్ట్‌మెంట్లలో, వేర్వేరు ఫార్మాట్లలో సమాచారం ఉంటుంది. ఇలాంటి ముక్కలైన డేటాపై AIని ప్రయోగిస్తే, అది తప్పుడు సమాచారాన్ని ఇస్తుంది. దీనివల్ల ఏమవుతుందంటే, ఆ తప్పులను సరిదిద్దడానికి మళ్ళీ మనుషులే ఎక్కువ సమయం కేటాయించాల్సి వస్తోంది. ఆటోమేషన్ ద్వారా తగ్గాల్సిన ఖర్చు, ఆ తప్పులను సరిదిద్దే ప్రక్రియలో పెరిగిపోతోంది.
ఇన్వెస్టర్లకు హెచ్చరిక
AI టెక్నాలజీపై చేసే ఖర్చు కంపెనీ లాభాల్లో (Bottom line) కనిపించడం లేదు. కేవలం AI ఎన్ని పనులు చేస్తోంది అని చూడటం కంటే, ఆ సిస్టమ్‌ను మెయింటెన్ చేయడానికి అయ్యే ఖర్చును కూడా లెక్కించాలి. ఒక AI చేసిన తప్పును సరిదిద్దడానికి ఉద్యోగి 3 గంటలు ఖర్చు చేస్తే, అది ఉత్పాదకత కాదు.. కంపెనీకి ఆర్థిక నష్టమే.
కంపెనీలను ఎలా అంచనా వేయాలి?
ఇన్వెస్టర్లు మేనేజ్‌మెంట్ మాటల కంటే, వాస్తవాలను చూడాలి. కేవలం 'AI' అనే పేరుతో ఊదరగొట్టే కంపెనీల కంటే, డిజిటల్ స్ట్రాటజీలో పారదర్శకత ఉన్న కంపెనీలను ఎంచుకోవడం మేలు. భారీ ఆటోమేషన్ ప్రాజెక్టులు మొదలుపెట్టే ముందు, ఎగ్జిస్టింగ్ సిస్టమ్స్‌ని ఆడిట్ చేస్తున్న కంపెనీలకే ప్రాధాన్యత ఇవ్వాలి.
చివరగా, ఆటోమేషన్ వల్ల కంపెనీ ఖర్చు తగ్గాలి తప్ప, పెరగకూడదు. క్వార్టర్లీ రిపోర్టుల్లో ఈ మార్పులు ఎలా ప్రతిబింబిస్తున్నాయో గమనించడం ఇన్వెస్టర్లకు చాలా ముఖ్యం.