PwC की 2025 के लिए AI बिज़नेस भविष्यवाणियां

• PwC का अनुमान है कि AI पूरे संगठन और उद्योग स्तर पर मूल्य पैदा करेगा, और जो कंपनियां इसका सक्रिय रूप से उपयोग करेंगी वे लंबे समय में आगे निकलेंगी
• अनुमान है कि AI व्यावहारिक काम, रणनीति और बिज़नेस मॉडल के हर हिस्से में महत्वपूर्ण भूमिका निभाएगा, और 2025 में और भी तेज़ी से integrate और व्यापक होगा
• "AI के प्रति विज़न और उसे अपनाने का तरीका ही कंपनियों की सफलता या विफलता तय करने वाला मुख्य तत्व है"
  • यह स्पष्ट हो चुका है कि AI बड़े पैमाने पर मूल्य दे सकता है, और हम अभी इसकी केवल शुरुआती अवस्था में हैं
  • PwC 2024 Pulse Survey के अनुसार, जवाब देने वाले 49% तकनीकी लीडर्स ने कहा कि उन्होंने AI को अपनी core business strategy में पूरी तरह integrate कर लिया है, और एक-तिहाई ने कहा कि उन्होंने इसे अपने products और services में भी पूरी तरह शामिल कर लिया है
• संगठन स्तर पर AI को भीतर तक अपनाना अनिवार्य है
  • नए बिज़नेस मॉडल जैसे "बड़े बदलावों" के ज़रिए breakthrough value पाना एक तरीका है
  • दूसरा तरीका यह है कि कई क्षेत्रों में 20~30% productivity improvement, market entry speed में बढ़ोतरी, revenue growth जैसी उपलब्धियों को क्रमिक रूप से हासिल किया जाए
  • जब इसे बार-बार दोहराकर जोड़ा जाता है, तो पूरी कंपनी बुनियादी रूप से बदल जाती है
• AI को लेकर कुछ हिस्सों में अत्यधिक अपेक्षाएं भी बनी हैं
  • सभी वादे पूरे नहीं होंगे, लेकिन AI में innovation की रफ्तार, investment, और बिज़नेस की प्रतिक्रिया अभूतपूर्व रूप से तेज़ है
  • यहां तक कि internet (1983 में आविष्कृत) भी इतनी तेज़ी से नहीं बढ़ा था
  • नीचे दिए गए अनुमान अगले 12 महीनों में क्या होगा, उसके बाद क्या हो सकता है, और अभी तुरंत क्या किया जाना चाहिए, इसकी दिशा बताते हैं

1. AI रणनीति प्रतिस्पर्धात्मक बढ़त तय करती है

• AI strategy का फोकस अभी से शुरू होने वाले value creation पर होना चाहिए
  • इसका मतलब सिर्फ productivity या efficiency से अधिक है
  • कुछ AI systems स्वतंत्र रूप से reason कर सकते हैं, निर्णयों के प्रभाव को "समझ" सकते हैं, और complex tasks (जैसे नई services या market entry strategy design करना) कर सकते हैं
  • AI धीरे-धीरे इतना powerful और reliable हो रहा है कि अब इसे पूरे operations में शामिल करने का समय आ गया है
  • अगर प्रतिस्पर्धी कंपनियां इस तरह AI को सक्रिय रूप से अपनाती हैं, तो जो कंपनियां ऐसा नहीं करेंगी उनके साथ बना अंतर आसानी से कम नहीं होगा
• एक प्रभावी AI strategy के लिए portfolio approach की ज़रूरत है, ताकि इसी साल तुरंत उपयोग में लाया जा सकने वाला मूल्य बड़े पैमाने पर बनाया जा सके
  • पहला axis है "ground game", यानी कई छोटे-छोटे सफल परिणाम पैदा करने वाला व्यवस्थित approach
    • customer experience में सुधार, revenue बढ़ाने वाली services, productivity improvement जैसी उपलब्धियों को क्रमशः हासिल कर cumulative value बनाया जाता है
  • दूसरा axis है "roofshots", यानी काम करने के नए तरीके, ग्राहकों के साथ interaction, और product design के लिए projects
    • ये ऐसे क्षेत्र हैं जो feasible तो हैं, लेकिन जिनके लिए केंद्रित resources और attention की ज़रूरत होती है
  • तीसरा axis है "moonshots", यानी AI-आधारित पूरी तरह नए business model जैसे projects, जो काफी चुनौतीपूर्ण होते हैं लेकिन जिनमें बड़े reward की संभावना रहती है
    • ऐसे projects के लिए AI experts की उच्च स्तर की capability और resources चाहिए होते हैं, इसलिए इन्हें C-level से lead किया जाना चाहिए
• कौन सा large language model (LLM) चुना जाता है, यह रणनीतिक रूप से उतना महत्वपूर्ण नहीं होगा
  • कई बेहतरीन options उपलब्ध होंगे, और संभावना है कि सभी उनका उपयोग करेंगे
  • असली differentiation इस बात में होगा कि उसे कंपनी के organizational knowledge और proprietary data के साथ कैसे जोड़ा जाता है
  • AI-enabled cloud architecture का उपयोग करके इसे सही ढंग से लागू करना ही मुख्य बात है

"PwC के भीतर और सभी उद्योगों के clients के बीच AI adoption बहुत तेज़ गति से आगे बढ़ रहा है. 2025 में quality, accuracy, capability, और automation में बड़े सुधार होंगे, जो एक-दूसरे के साथ जुड़कर exponential growth की ओर acceleration पैदा करेंगे"

• 2025 के बाद: केवल कुछ ही कंपनियां बढ़त बनाए रखेंगी

  • कुछ कंपनियों ने अतीत में internet-आधारित business model बनाए, और उसी आधार पर वे आज तक बाज़ार में बढ़त बनाए हुए हैं
  • उम्मीद है कि AI में भी कुछ वैसा ही पैटर्न दिखाई देगा
  • जो कंपनियां AI के आधार पर नए operating model और business model तेज़ी से लागू करेंगी, या जो मूल रूप से ही AI-केंद्रित हैं, वे प्रतिस्पर्धा में आगे निकलेंगी
  • AI leaders और पीछे रह जाने वाली कंपनियों के बीच का gap बढ़ेगा, और इसका असर पूरे राष्ट्रीय अर्थतंत्र पर भी पड़ सकता है
  • अपेक्षाकृत लचीले regulation वाली अमेरिकी कंपनियां तेज़ी से आगे बढ़ सकती हैं
  • दूसरी ओर, अधिक कड़े regulation वाले EU या चीन में विकास की रफ्तार तुलनात्मक रूप से धीमी हो सकती है

• अभी क्या करना चाहिए

  • औपचारिक strategy assessment करना ज़रूरी है
    • यह समझना चाहिए कि AI संगठन और उद्योग में किस तरह की भूमिका निभा सकता है
    • उदाहरण के लिए, AI कुछ business areas के margin पर दबाव डाल सकता है, जबकि दूसरे क्षेत्रों में कम लागत वाले लेकिन personalized नए products के ज़रिए explosive growth संभव बना सकता है
  • data के लिए 'less is more' approach अपनाएं
    • AI adoption के लिए enterprise-wide data utilization strategy की ज़रूरत है
    • साथ ही, यह ज़रूरी नहीं कि सारा data एक ही बार में पूरी तरह व्यवस्थित कर लिया जाए
    • मुख्य strategic priorities के अनुरूप सबसे अधिक मूल्य वाले data को पहले modernize करना अधिक प्रभावी है
    • अभी AI केवल छोटे लेकिन high-quality data sets के साथ भी meaningful performance दे सकता है
    • जहां कमी हो, वहां synthetic data जैसी चीज़ों से पूरक सहायता ली जा सकती है
    • tax operations जैसे क्षेत्र, जहां data-heavy rule-based processes होते हैं, pilot application के लिए उपयुक्त हो सकते हैं, और इसके अलावा भी data-based monetization के कई अवसर मौजूद हो सकते हैं
  • operations और KPI के नज़रिए से देखें
    • AI से पैदा होने वाले नए revenue, project progress speed, productivity, और experience जैसी चीज़ों को business outcomes के रूप में मापा जाना चाहिए
    • साथ ही, ऐसे metrics design करना महत्वपूर्ण है जो अत्यधिक automation को प्रोत्साहित न करें
    • AI में हमेशा human oversight और leadership की ज़रूरत होती है

2. AI एजेंट्स के कारण workforce वास्तव में 2 गुना तक बढ़ सकती है

• इस उम्मीद के विपरीत कि AI कार्यबल को कम करेगा, वास्तव में "AI agent" कहे जाने वाले डिजिटल वर्कर नई टीमों में शामिल होते दिखेंगे
  • ये AI agent knowledge work, sales और field support जैसे काम संभालेंगे, और go-to-market की गति, customer response तथा product design को बदल सकते हैं
  • उदाहरण के लिए, ये सामान्य customer inquiries संभालना, software code का draft लिखना, और इंसानी design ideas को prototype में बदलने जैसे काम कर सकते हैं
• अहम मूल्य अब भी इंसानी leadership और AI तकनीक के संयोजन से आता है
  • साधारण कामों को AI automate करेगा, और इंसान उनका management और supervision करेंगे
  • जटिल कार्यों में, जैसे innovation और design, इंसान और AI मिलकर बार-बार ideas को विकसित करेंगे
  • कई AI agents को एक साथ इस्तेमाल करने पर भी, इंसान काम बांटने और नतीजों के coordination की भूमिका निभाएंगे
• PwC के 2024 Workforce Radar के अनुसार, 41% executives ने कहा कि generative AI adoption में training, organizational culture और work change जैसी चीजें प्रमुख चुनौतियां हैं
• AI agents को workforce strategy के हिस्से के रूप में गंभीरता से शामिल करना एक बड़ा बदलाव है
  • उदाहरण के लिए, workforce strategy में digital workers को integrate करना होगा, और उनकी monitoring व management के लिए नई managerial roles की जरूरत होगी
  • operating model को जितनी जल्दी reorganize किया जाएगा, AI के फायदों का उतनी जल्दी लाभ मिल सकेगा
  • digital और human mixed workforce साथ काम करे तो resources को तेजी से shift किया जा सकता है और अधिक agility के साथ response दिया जा सकता है
• AI agents का उभार उन कामों के एक हिस्से को in-house लाने में मदद करता है जिन्हें पहले outsourcing के जरिए किया जाता था
  • यह केवल cost reduction के लिए ही नहीं, बल्कि user satisfaction बढ़ाने और customization के लिहाज से भी फायदेमंद है
  • customer service के नजरिए से देखें तो तेज self-service और उच्च विशेषज्ञता वाली human support दोनों एक साथ दी जा सकती हैं
  • AI agents सही समय पर सटीक जानकारी देकर इंसानों को जटिल customer needs भी तेज और कुशल तरीके से हल करने में मदद करते हैं
  • इसके चलते geographic footprint और outsourcing plans की भी फिर से समीक्षा करनी पड़ सकती है

"AI agents में इंसानी creativity और machine efficiency को जोड़कर अभूतपूर्व productivity और innovation पैदा करने की बड़ी क्षमता है"

• 2025 के बाद: agent centers, centers of excellence की जगह लेंगे

  • जैसे-जैसे कंपनियां AI agents को बेहतर तरीके से orchestrate और manage करेंगी, वे कम लागत वाले क्षेत्रों में AI agent-केंद्रित workforce बनाकर "offshoring" कर सकती हैं
  • agent development process में पैदा होने वाली intellectual property (IP) और इस IP के location के आधार पर tax benefits भी मिल सकते हैं
  • vendor से agents किराए पर लेने के बजाय खुद का "agent center" बनाना शुरुआती लागत वाला हो सकता है, लेकिन कुछ वर्षों में इससे अधिक ROI मिलने की उम्मीद है

• अभी क्या करना चाहिए

  • mindset बदलें
    • AI agents के साथ ऐसे सहयोग करने का नया तरीका सीखना होगा मानो वे स्वतंत्र और रचनात्मक सहकर्मी हों
    • leadership स्तर पर यह साफ दिखाना जरूरी है कि AI का उद्देश्य इंसानी मूल्य को बढ़ाना है
  • HR को नया playbook दें
    • ऐसी workforce को manage करने के लिए जिसमें इंसान और AI agents दोनों शामिल हों, HR को भी नई capabilities की जरूरत होगी
    • खासकर यदि अधिकतर entry-level काम AI संभालने लगे, तो नए talent को शुरुआत से ही higher-level roles देने के लिए universities आदि के साथ partnerships की जरूरत पड़ सकती है
  • digital workers के management की तैयारी करें
    • AI agents में कुछ स्तर की autonomy होगी, इसलिए इन्हें human-centered model से manage करना होगा
    • agents को deploy करते समय cost और ROI के संतुलन पर विचार करना होगा, और human-AI mixed teams के लिए metrics विकसित करने होंगे
    • यह सुनिश्चित करने के लिए कड़ी निगरानी चाहिए कि AI agents अप्रत्याशित, हानिकारक या policy-violating व्यवहार न करें
    • इसके लिए एक समग्र response framework के रूप में Responsible AI strategy उपयोगी हो सकती है

3. AI का ROI Responsible AI पर निर्भर है

• जैसा पिछले साल अनुमान लगाया गया था, management AI risk management और Responsible AI practices पर लगातार ध्यान देता रहा है
• हालांकि, अब तक सार्थक execution पर्याप्त नहीं रहा है
• 2025 में कंपनियों के पास पूरे enterprise में असंगत तरीके से AI governance लागू करने की गुंजाइश नहीं बचेगी
  • जैसे-जैसे AI operations और market offerings में गहराई से integrate होगा, investment value को स्थिर बनाए रखने और large-scale deployment के जोखिमों को manage करने के लिए एक transparent framework की जरूरत होगी
  • अगर large-scale deployment में AI गलत निकले या security threats जैसे जोखिम पैदा करे, तो कंपनियों को बड़ा नुकसान हो सकता है
  • नतीजतन, सख्त AI risk management और control validation अनिवार्य बनेंगे
• PwC के 2024 US Responsible AI Survey के अनुसार, 46% executives ने Responsible AI practices में निवेश का प्रमुख लक्ष्य अपने products और services का differentiation बताया
• management, खासकर AI innovation को आगे बढ़ाने वाले leaders, regulatory clarity का इंतजार करते नहीं रहेंगे
  • क्योंकि AI बहुत तेजी से आगे बढ़ रहा है और business में इसकी भूमिका बेहद अहम हो गई है
• पहले AI को कुछ isolated use cases तक सीमित रखा जाता था, इसलिए असफलता होने पर उसका प्रभाव भी सीमित रहता था
  • लेकिन अब employees रोजमर्रा के काम में AI इस्तेमाल कर रहे हैं और customers भी अक्सर AI features तक पहुंचते हैं
  • अगर AI trust में समस्या आती है, तो revenue growth पर भी नकारात्मक असर पड़ सकता है
• AI से मूल्य हासिल करने के लिए independent validation जरूरी है
  • internal audit करने वाली teams AI से जुड़ी विशेषज्ञता विकसित कर सकती हैं, या external experts से assessment कराया जा सकता है
  • तरीका कोई भी हो, AI governance और controls की स्वतंत्र समीक्षा करने वाला नजरिया 2025 के बाद भी महत्वपूर्ण रहेगा

"सफल AI governance को केवल risk mitigation से नहीं, बल्कि strategic goals हासिल करने और उच्च ROI देने वाले तरीके के रूप में परिभाषित किया जाएगा"

• 2025 के बाद: AI regulation के approaches लगातार innovation को बढ़ावा देंगे

  • नवंबर चुनाव के परिणामों के बाद, federal स्तर का regulation लचीला बना रह सकता है, जिससे AI की तकनीकी प्रगति और adoption के विस्तार पर सकारात्मक असर पड़ने की संभावना है
  • हालांकि, state-level regulatory moves तेज गति से जारी रह सकती हैं, और कभी-कभी परस्पर टकराने वाले नियम सामने आ सकते हैं
    • खासकर data privacy जैसे क्षेत्रों में राज्यों के बीच नियम अलग-अलग हो सकते हैं
  • इसके बावजूद, अमेरिका के AI innovation के लिए सबसे अनुकूल माहौल बनाए रखने की संभावना अधिक है

• अभी क्या करना चाहिए

  • व्यापक risk assessment
    • Responsible AI की शुरुआत AI risk assessment से होती है
    • governance decisions को consistent और repeatable बनाने के लिए AI-विशिष्ट standardized risk taxonomy की जरूरत है
    • उदाहरण: PwC AI model, data, system और infrastructure, user, legal और compliance, तथा process impact को शामिल करने वाली risk taxonomy का उपयोग करता है
    • खास तौर पर यह भी जांचना महत्वपूर्ण है कि vendors और service providers AI का उपयोग कैसे करते हैं, और क्या इसे SOC-2 जैसी reports के जरिए verify किया जा सकता है
  • independent validation का तरीका चुनें
    • internal specialist team या external specialist firm के जरिए AI systems और outputs की लगातार जांच करने वाली एक independent layer जोड़नी चाहिए
    • प्राथमिकता उन क्षेत्रों से शुरू करना बेहतर है जहां risk बड़ा हो या financial impact अधिक हो
  • industry-specific अंतर को ध्यान में रखें
    • हर industry को AI governance और oversight की जरूरत है, लेकिन अलग-अलग industries की requirements अलग तरह से काम करती हैं
    • उदाहरण: financial services को AI युग के अनुरूप अपने मौजूदा जटिल compliance requirements पूरे करने होंगे
    • aerospace, defense और public sector के साथ काम करने वाली कंपनियों को global regulatory trends पर नजर रखनी चाहिए
    • अपनी industry-level response strategy तैयार करने के लिए, एक साधारण survey के जरिए peer companies के AI governance standards का benchmarking भी किया जा सकता है

4. AI मूल्य सृजन का साधन है और sustainability में भी योगदान देता है

• AI ऊर्जा संक्रमण को तेज करता है
• विनिर्माण, निर्माण, परिवहन जैसे अधिक कार्बन उत्सर्जन वाले उद्योग क्षेत्रों में इसका सही उपयोग किया जाए, तो यह कंपनियों को अपने sustainability goals हासिल करने में भी मदद कर सकता है
• हालांकि, AI को बड़े पैमाने पर फैलाने लायक पर्याप्त बिजली और computing resources अभी तुरंत उपलब्ध नहीं हैं
• chips बढ़ रहे हैं, models आगे बढ़ रहे हैं, और energy sources भी बढ़ रहे हैं, लेकिन 2025 में demand और supply के बीच संतुलन न बन पाने की संभावना काफी अधिक है
• इसलिए AI को हर जगह अंधाधुंध लागू करने के बजाय रणनीतिक तरीके से आगे बढ़ना चाहिए
  • उदाहरण: ऐसा UI·UX design सोचें जो users को बेवजह AI calls करने या tokens बर्बाद करने के लिए प्रेरित न करे

63% high-performing कंपनियां GenAI के उपयोग के लिए अपना cloud budget बढ़ाने की योजना बना रही हैं, और उनमें से 34% budget बढ़ाने के प्रमुख कारण के रूप में sustainability factors को देख रही हैं
(PwC’s 2024 Cloud and AI Business Survey)

• लंबी अवधि में देखें, तो AI sustainability को आगे बढ़ाने का catalyst बनेगा
  • global स्तर पर renewable energy अपनाने की रफ्तार और तेज होने की संभावना है
  • अमेरिका में आर्थिक व्यवहार्यता या stakeholders की मांगों के कारण बड़े पैमाने के fossil-fuel power plants का नया निर्माण आसान नहीं होगा
  • corporate demand को पूरा करने के लिए renewable energy (nuclear सहित) और अधिक efficient power grid के विस्तार की उम्मीद है
• AI vendors द्वारा पैदा किया गया carbon footprint भी अंतिम उपयोगकर्ता कंपनियों के carbon emissions metrics में शामिल हो सकता है
  • अधिक पर्यावरण-अनुकूल AI vendors ढूंढने या vendors से green management की मांग करने की जरूरत हो सकती है
• नए sustainability disclosure regulations (अमेरिका, EU आदि) के तहत भी AI internal·external data collection के automation, analysis और report generation में मदद कर सकता है
  • SEC के climate disclosure rules के अस्थायी रूप से रुके होने के कारण, कुछ state governments (जैसे California) के अपने नियम बनाने की संभावना बढ़ रही है
• AI पूरी supply chain के data का अधिक बारीकी से analysis करके sustainability बढ़ाने में योगदान दे सकता है
  • उदाहरण: छोटे suppliers भी monthly·annual energy consumption जैसे specific data दे सकते हैं
  • कंपनियां AI के जरिए सिर्फ carbon emissions ही नहीं, बल्कि low-carbon products के commercialization की संभावित value को भी quantify कर सकती हैं
• जब ये AI capabilities रोजमर्रा के कामकाज में समाहित हो जाएंगी, तब सिर्फ ESG प्रभारी ही नहीं बल्कि सभी कर्मचारी data का उपयोग करके निर्णय ले सकेंगे

“यह दावा कि AI anti-sustainability है, सही नहीं है। यदि इसका उचित उपयोग किया जाए, तो यह carbon reduction targets सहित विभिन्न sustainability goals हासिल करने में उल्टा मददगार हो सकता है”

• 2025 के बाद: लागत लगभग शून्य तक पहुंच सकती है

  • computing resources के नए रूप और renewable energy के प्रसार के साथ लागत में तेज गिरावट आने की उम्मीद है
  • नतीजतन, कंपनियों और पूरे उद्योग जगत में AI को व्यापक रूप से लागू करने के लिए अनुकूल माहौल बन सकता है

• अभी क्या करना चाहिए

  • रणनीतिक दृष्टिकोण
    • कंपनी के सभी कर्मचारियों को बुनियादी AI functions का उपयोग करने देना चाहिए, लेकिन high-performance AI solutions किन हिस्सों में लागू किए जाएं, यह बहुत सोच-समझकर तय करना होगा
    • यह निर्णय C-level पर कंपनी की strengths, data resources और priorities के अनुसार लेना बेहतर होगा
  • sustainability data transformation
    • AI की मदद से एक बार collected·analyzed data को कई regulations में बार-बार इस्तेमाल कर compliance cost घटाई जा सकती है, और carbon emissions तथा overall sustainability impact को अधिक सटीकता से समझा जा सकता है
    • AI के direct impact (स्वयं के उपयोग) के साथ-साथ AI vendors के माध्यम से अप्रत्यक्ष रूप से पैदा होने वाले carbon emissions को भी ध्यान में रखना चाहिए
    • इस तरह मापे गए data के आधार पर marketing को भी मजबूत किया जा सकता है
      • उदाहरण: ऐसे customer segments की पहचान करना जो low-carbon products के लिए अधिक कीमत चुकाने को तैयार हों
  • नए sustainability benefits का उपयोग
    • AI से होने वाले efficiency improvements के कारण energy demand भी कम की जा सकती है
    • उदाहरण: अगर R&D cycle को आधा कर दिया जाए, तो उस process में लगने वाली energy भी घटेगी
    • buildings या energy management systems में AI लागू करके efficiency बढ़ाई जाए, तो cost savings और carbon reduction—दोनों फायदे हासिल किए जा सकते हैं

5. AI उत्पाद विकास lifecycle को आधा कर देता है

• जो कंपनियां physical products बनाती हैं, अगर उन्होंने design, prototyping और testing में AI नहीं अपनाया है, तो अभी सही समय है
• multimodal AI CAD files, simulations आदि को विभिन्न रूपों में process और generate कर सकता है
  • उदाहरण: GenAI automobile chassis के configuration options सुझा सकता है, अलग-अलग conditions में performance simulate कर सकता है, और engineers जिन design alternatives को छोड़ सकते हैं, उन्हें सामने ला सकता है
• AI के उपयोग से कई हफ्तों में होने वाली design iteration process को कुछ घंटों में पूरा किया जा सकता है, और virtual testing से physical prototype बनाने से पहले अधिक errors पकड़े जा सकते हैं
• PwC के client cases और technology·industry trend analysis के अनुसार, automotive और aerospace industries में AI अपनाने से time-to-market को 50% तक घटाया जा सकता है और लागत में 30% तक कमी लाई जा सकती है
• pharmaceutical industry में पहले से ऐसे उदाहरण मौजूद हैं जहां AI के जरिए new drug candidate discovery का समय 50% से अधिक कम हुआ है
• हालांकि, engineering expertise और data science capabilities के बीच की खाई अक्सर बाधा बनती है
  • design और manufacturing expertise रखने वाले engineers को AI उपयोग की क्षमता देने के लिए train करना, या AI talent को सक्रिय रूप से लाना जरूरी हो सकता है
• product development में AI अपनाने से तेज लॉन्च, लागत में कमी और customized products उपलब्ध कराना संभव हो सकता है, जिससे customer satisfaction बढ़ सकती है

“उत्पाद design आदि पर AI की multimodal visual और generative capabilities का प्रभाव अभी बस शुरुआती चरण में है”

• 2025 के बाद: innovation के नए युग की शुरुआत

  • design·engineering क्षेत्रों में काम करने वालों को AI उपयोग के लिए reskill करना या replacement process से गुजरना पड़े, तो R&D capabilities में बड़ा विस्तार हो सकता है
  • नतीजतन, product design और development में और भी तेज innovation देखने को मिल सकता है

• अभी क्या करना चाहिए

  • next-generation engineering अपनाएं
    • product design आदि में AI का उपयोग करने के लिए latest cloud और data architecture की जरूरत होगी
    • engineering teams को ‘edge AI’ जैसी technologies इस्तेमाल करने में सक्षम बनाने के लिए समर्थन देना होगा
  • IT को फिर से व्यवस्थित करें
    • AI के जरिए software development, security, data modernization सहित पूरे IT operating model को बेहतर बनाया जा सकता है
    • यह व्यापक AI initiatives को support देने वाली नींव बन सकता है
  • तकनीकी टीमों का पुनर्गठन
    • भले ही कोई टीम सिर्फ physical products पर काम करती हो, फिर भी computer और data science capabilities की जरूरत होगी
    • तकनीकी workforce की skill composition बदलेगी, इसलिए इसे ध्यान में रखकर team structure को फिर से तैयार करना चाहिए

6. पूरे उद्योग जगत में प्रतिस्पर्धी परिदृश्य बदल जाएगा

• AI सभी उद्योगों को बदल देगा, लेकिन कुछ उद्योग दूसरों की तुलना में अधिक तेज़ी से आगे बढ़ सकते हैं
• जिन क्षेत्रों को पारंपरिक रूप से technology-driven नहीं माना जाता था, उनमें भी AI अपनाने के अग्रणी उदाहरण सामने आ सकते हैं

• उपभोक्ता बाज़ार

  • marketing, supply chain management, finance, customer service आदि सभी क्षेत्रों में AI के उपयोग का विस्तार होगा
  • नए और अधिक समृद्ध conversational chatbot तथा AI agent को मिलाकर customer service में सुधार होने की संभावना है
    • इससे मानव कर्मचारियों तक आवश्यक जानकारी सटीक रूप से पहुँचाई जा सकेगी और ग्राहक प्रतिक्रिया की दक्षता बढ़ेगी
  • AI के माध्यम से उन्नत dynamic pricing लागू की जाएगी, जिससे बाज़ार के उतार-चढ़ाव और प्रतिस्पर्धी परिस्थितियों पर real time में प्रतिक्रिया दी जा सकेगी
  • AI की data analysis और automation क्षमताओं का उपयोग कर M&A due diligence या regulatory compliance से जुड़ी प्रतिक्रिया की गति बढ़ाई जा सकेगी
  • कुछ कंपनियाँ product design में भी AI अपनाएँगी, लेकिन तकनीक और क्षमताओं की कमी के कारण अल्पावधि में इसका अपनाव सीमित रह सकता है
    • पीछे रह गई कंपनियों को जल्द से जल्द यह अंतर कम करने के लिए प्रयास करने होंगे

• वित्तीय सेवाएँ

  • AI का प्रभाव व्यापक रूप से फैल रहा है, लेकिन विशेष रूप से AI-native startup और बड़े financial institution में तेज़ी से ठोस नतीजे दिखाई दे रहे हैं
  • AI-native fintech नए platform और business model के ज़रिए मौजूदा समस्याओं का समाधान कर रहे हैं
  • बड़े financial institution भी समान रूप से कई AI use case पर प्रयोग करते रहे हैं
    • इसके माध्यम से वे technology पर भरोसा बना रहे हैं, risk-control model में सुधार कर रहे हैं, और तेज़ प्रगति के लिए आधार तैयार कर रहे हैं
  • 2025 से AI अपनाने में लगातार हिचकिचाने या केवल समीक्षा करते रहने वाली कंपनियों के स्पष्ट रूप से पीछे छूट जाने का जोखिम है

• हेल्थ उद्योग

  • 2025 में अधिक लचीला regulatory environment हेल्थ उद्योग में AI के उपयोग को तेज़ करने की संभावना रखता है
    • नई प्रशासनिक नीतियों के तहत self-governance पर ज़ोर दिया जाएगा, जिससे innovation की गुंजाइश बढ़ेगी
  • pharma और medical device कंपनियाँ विशेष रूप से नई दवाओं और product development में AI का बड़े पैमाने पर उपयोग कर value chain के पूरे ढाँचे में बदलाव लाएँगी
  • insurer और healthcare provider revenue तथा operational efficiency के optimization, clinical workforce की कमी दूर करने और डॉक्टरों की diagnosis में सहायता जैसे कार्यों में AI का अधिक उपयोग करेंगे
  • मुख्य चुनौतियाँ हैं healthcare workforce की क्षमताओं का पुनर्संरचना, personalization, technology upgrade, और AI का जिम्मेदार उपयोग
    • यह संवेदनशील patient information और जीवन-मृत्यु से सीधे जुड़े क्षेत्र हैं, इसलिए regulatory flexibility के बावजूद इन्हें स्वयं उच्च जिम्मेदारी बनाए रखनी होगी

• औद्योगिक क्षेत्र

  • 2025 में कुछ अग्रणी कंपनियाँ उद्योग के भीतर प्रतिस्पर्धात्मक बढ़त हासिल करेंगी
    • उच्च गुणवत्ता वाले data और standardized process रखने वाली कंपनियाँ AI के ज़रिए efficiency और insight बढ़ाएँगी, R&D की गति तेज़ करेंगी, और market entry time घटाएँगी
  • बाकी कंपनियों से अपेक्षा है कि वे technology infrastructure, data governance, और AI capability को मजबूत करने पर ध्यान देते हुए प्रयोगों की गति भी बढ़ाएँगी
    • इस प्रक्रिया में operating model, organizational structure, और workforce requirement की पुनर्समीक्षा आवश्यक हो सकती है

• technology, media, telecom

  • 2025 में AI agent software platform के उपयोग के तरीके को बदलना शुरू कर सकते हैं
    • AI agent के ज़रिए मौजूदा ERP जैसे system की कमियों को भरा जा सकेगा, जिससे कुछ कंपनियाँ platform upgrade पर पहले जितना निवेश न करें
    • इसके परिणामस्वरूप software कंपनियाँ बड़े पैमाने के infrastructure निर्माण के बजाय customized AI solution प्रदान करने की दिशा में अपना business model बदल सकती हैं
  • telecom operator machine learning, digital twin आदि को generative AI के साथ मिलाकर hybrid solution अपनाएँगे, जिससे उनकी अपनी AI capability मजबूत होगी और पारंपरिक partner पर निर्भरता कम होगी