ਏਆਈ ਇੰਡਸਟਰੀ ਫਾਰਵਰਡ ਤੈਨਾਤ ਇੰਜੀਨੀਅਰਾਂ ‘ਤੇ ਸੱਟਾ ਕਿਉਂ ਲਗਾ ਰਹੀ ਹੈ?

ਜਿਸ ਸੰਸਥਾਪਕ ਨਾਲ ਮੈਂ ਪਿਛਲੇ ਮਹੀਨੇ ਗੱਲ ਕੀਤੀ ਸੀ, ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ ਗਾਹਕ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਵਾਲਾ AI ਏਜੰਟ ਲਾਂਚ ਕੀਤਾ ਸੀ। ਉਸਦੀ ਸਮੱਸਿਆ ਮਾਡਲ ਨਹੀਂ ਸੀ। ਮਾਡਲ ਠੀਕ ਸੀ. ਸਮੱਸਿਆ ਇਹ ਸੀ ਕਿ ਏਜੰਟ ਇੱਕ ਲਾਈਵ ਗ੍ਰਾਹਕ ਵਾਤਾਵਰਣ ਵਿੱਚ ਅਣਪਛਾਤੇ ਵਿਵਹਾਰ ਕਰਦੇ ਸਨ, ਜਿੱਥੇ ਕਦੇ-ਕਦਾਈਂ ਗਲਤੀ ਦੇ ਅਸਲ ਕਾਰੋਬਾਰੀ ਨਤੀਜੇ ਹੁੰਦੇ ਸਨ। ਉਸਦਾ ਸਵਾਲ ਇਹ ਨਹੀਂ ਸੀ ਕਿ “ਸਾਨੂੰ ਕਿਹੜਾ ਮਾਡਲ ਵਰਤਣਾ ਚਾਹੀਦਾ ਹੈ।” ਇਹ ਸੀ, “ਏਆਈ ਨੂੰ ਅਸਲ ਕਾਰੋਬਾਰ ਵਿੱਚ ਬਣਾਉਣ ਨਾਲੋਂ ਇਸ ਨੂੰ ਬਣਾਉਣਾ ਇੰਨਾ ਮੁਸ਼ਕਲ ਕਿਉਂ ਹੈ?”

ਇਹ ਸਵਾਲ ਭਾਰਤ ਵਿੱਚ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਦੇ ਅਗਲੇ ਪੜਾਅ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਜਾ ਰਿਹਾ ਹੈ। ਮਿਆਰੀ ਮਾਪਦੰਡਾਂ ਦੇ ਅਨੁਸਾਰ, ਗੋਦ ਲੈਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਭਾਰਤ ਦੁਨੀਆ ਵਿੱਚ ਮੋਹਰੀ ਹੈ। ਐਂਟਰਪ੍ਰਾਈਜ਼ 2026 ਦੀ ਰਿਪੋਰਟ ਵਿੱਚ ਡੇਲੋਇਟ ਦੇ ਸਟੇਟ ਆਫ ਏਆਈ ਦੇ ਅਨੁਸਾਰ, ਵਿਸ਼ਵ ਪੱਧਰ ‘ਤੇ 28% ਦੇ ਮੁਕਾਬਲੇ, 40% ਭਾਰਤੀ ਸੰਸਥਾਵਾਂ ਮਹੱਤਵਪੂਰਨ ਜਾਂ ਪੂਰੀ AI ਅਪਣਾਉਣ ਦੀ ਰਿਪੋਰਟ ਕਰਦੀਆਂ ਹਨ।

ਫਿਰ ਵੀ ਵਿਆਪਕ ਗੋਦ ਲੈਣ ਦਾ ਆਪਣੇ ਆਪ ਹੀ ਵਿਆਪਕ ਵਪਾਰਕ ਮੁੱਲ ਵਿੱਚ ਅਨੁਵਾਦ ਨਹੀਂ ਹੋਇਆ ਹੈ। MIT Sloan Management Review and Boston Consulting Group ਤੋਂ ਖੋਜ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ 5% ਤੋਂ ਘੱਟ ਕੰਪਨੀਆਂ AI ਤੋਂ ਪੈਮਾਨੇ ‘ਤੇ ਪਰਿਵਰਤਨਸ਼ੀਲ ਵਿੱਤੀ ਮੁੱਲ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹਨ।

ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਤੋਂ, ਐਂਟਰਪ੍ਰਾਈਜ਼ ਏਆਈ ਦੇ ਆਲੇ ਦੁਆਲੇ ਦੀ ਗੱਲਬਾਤ ਨੇ ਸੰਭਾਵਨਾਵਾਂ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਹੈ। ਕਿਹੜਾ ਮਾਡਲ ਬਿਹਤਰ ਹੈ, ਜੋ ਕੇਸਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਲਈ ਵਰਤਦੇ ਹਨ ਅਤੇ ਕਿੰਨੀ ਜਲਦੀ ਜਨਰੇਟਿਵ AI ਨੂੰ ਅਪਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਪੁੱਛਣ ਲਈ ਸਹੀ ਸਵਾਲ ਸਨ ਜਦੋਂ AI ਅਜੇ ਵੀ ਪ੍ਰਯੋਗਾਤਮਕ ਸੀ। ਹੁਣ ਸਥਿਤੀ ਵੱਖਰੀ ਹੈ। ਏਆਈ ਸਿਸਟਮ ਉਤਪਾਦਨ ਵਿੱਚ ਚਲੇ ਗਏ ਹਨ, ਅਤੇ ਚੁਣੌਤੀ ਹੁਣ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਉਹ ਸਮਾਰਟ ਹਨ ਜਾਂ ਨਹੀਂ। ਚੁਣੌਤੀ ਇਹ ਹੈ ਕਿ ਕੀ ਉਹ ਅਸਲ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ, ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ, ਵਪਾਰਕ ਵਰਕਫਲੋ, ਪਾਲਣਾ ਦੀਆਂ ਲੋੜਾਂ ਅਤੇ ਗਾਹਕਾਂ ਦੇ ਆਪਸੀ ਤਾਲਮੇਲ ਵਿੱਚ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ।

EY ਅਤੇ CII ਦਾ AI ਆਈਡੀਆ ਆਫ ਇੰਡੀਆ: ਆਉਟਲੁੱਕ 2026 ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ ਕਿ 47% ਭਾਰਤੀ ਉੱਦਮਾਂ ਵਿੱਚ ਹੁਣ ਉਤਪਾਦਨ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਦੇ ਕਈ ਕੇਸ ਹਨ। ਇਹਨਾਂ ਅੰਕੜਿਆਂ ਦੇ ਪਿੱਛੇ ਇੱਕ ਵਿਰੋਧਾਭਾਸ ਹੈ ਜੋ ਨੇਤਾਵਾਂ ਨੂੰ ਵਿਰਾਮ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਹੀ EY-CII ਅਧਿਐਨ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ 95% ਭਾਰਤੀ ਸੰਸਥਾਵਾਂ ਆਪਣੇ IT ਬਜਟ ਦਾ 20% ਤੋਂ ਘੱਟ AI ਨੂੰ ਅਲਾਟ ਕਰਦੀਆਂ ਹਨ। ਸਿਰਫ਼ 4% ਹੀ ਉਸ ਹੱਦ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ। ਭਾਰਤ ਪੂੰਜੀ ਪੈਮਾਨੇ ‘ਤੇ ਏਆਈ ਨੂੰ ਤੈਨਾਤ ਕਰ ਰਿਹਾ ਹੈ ਜਿਸ ਪੈਮਾਨੇ ‘ਤੇ ਕੋਈ ਹੋਰ ਵੱਡੀ ਅਰਥਵਿਵਸਥਾ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਹੀ ਹੈ।

ਅਸਲ ਸੰਸਾਰ ਲਈ ਇੰਜੀਨੀਅਰਿੰਗ ਏ.ਆਈ

ਪਰੰਪਰਾਗਤ ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਪੂਰਵ-ਅਨੁਮਾਨ ਨੂੰ ਮੰਨਦੀ ਹੈ। ਉਹੀ ਇਨਪੁਟ ਉਹੀ ਆਉਟਪੁੱਟ ਪੈਦਾ ਕਰਦਾ ਹੈ। AI ਸਿਸਟਮ ਇਸ ਤਰ੍ਹਾਂ ਕੰਮ ਨਹੀਂ ਕਰਦੇ। ਉਨ੍ਹਾਂ ਦਾ ਵਿਵਹਾਰ ਸੰਭਾਵੀ ਅਤੇ ਸੰਦਰਭ-ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ। ਇੱਕ ਤੇਜ਼ ਤਬਦੀਲੀ, ਇੱਕ ਮਾਡਲ ਅੱਪਡੇਟ, ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਤਬਦੀਲੀ, ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਆਉਟਪੁੱਟ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਬਦਲ ਸਕਦਾ ਹੈ ਕਿ ਰਵਾਇਤੀ ਸੌਫਟਵੇਅਰ ਕਦੇ ਨਹੀਂ ਕਰ ਸਕਦਾ।

ਪਾਇਲਟ ਵਿੱਚ, ਗਲਤ ਆਉਟਪੁੱਟ ਇੱਕ ਅਸੁਵਿਧਾ ਹੈ। ਉਤਪਾਦਨ ਵਿੱਚ, ਇਹ ਗਾਹਕ ਦੀਆਂ ਸ਼ਿਕਾਇਤਾਂ, ਪਾਲਣਾ ਜੋਖਮ, ਪ੍ਰਸ਼ਾਸਨ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਜਾਂ ਵਿੱਤੀ ਨੁਕਸਾਨ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਹੀ ਹੈ ਜਿਸਦੀ ਜ਼ਿਆਦਾਤਰ ਭਾਰਤੀ ਉੱਦਮ ਇਸ ਸਮੇਂ ਭਾਲ ਕਰ ਰਹੇ ਹਨ। ਮਾਡਲ ਬਣਾਉਣਾ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ। ਮਾਡਲ ਨੂੰ ਇੱਕ ਅਸਲੀ ਕਾਰੋਬਾਰ ਦੇ ਅੰਦਰ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਕੰਮ ਕਰਨਾ ਪੈਂਦਾ ਹੈ.

ਇਹ ਅੰਤਰ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਹੁਨਰ ਸੈੱਟ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਕਿ ਭਾਰਤ ਦੀ ਇੰਜੀਨੀਅਰਿੰਗ ਸਿੱਖਿਆ ਅਜੇ ਤੱਕ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਵਿਕਸਤ ਨਹੀਂ ਹੋਈ ਹੈ। ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਵਾਲੇ ਇੰਜੀਨੀਅਰ ਉਹ ਨਹੀਂ ਹਨ ਜੋ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦੇ ਹਨ। ਉਹ ਉਹ ਹਨ ਜੋ ਸਮਝਦੇ ਹਨ ਕਿ ਇੱਕ ਮਾਡਲ ਅਸਲ ਗਾਹਕ ਲੋਡ ਦੇ ਅਧੀਨ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦਾ ਹੈ, ਗਾਰਡਰੇਲਾਂ ਨੂੰ ਕਿਵੇਂ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਫੜਦੇ ਹਨ, ਮੁਲਾਂਕਣ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਕਿਵੇਂ ਬਣਾਉਣਾ ਹੈ ਜੋ ਇਹ ਮਾਪਦੇ ਹਨ ਕਿ ਕੀ AI ਆਉਟਪੁੱਟ ਅਸਲ ਵਿੱਚ ਸਹੀ ਹਨ, ਅਤੇ ਸੰਭਾਵੀ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਨਿਰਣਾਇਕ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵਰਕਫਲੋ ਵਿੱਚ ਕਿਵੇਂ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਹੈ। ਇਸ ਵਿੱਚ ਪਾਲਣਾ, ਸੁਰੱਖਿਆ, ਅਤੇ ਖਾਸ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆ ਦਾ ਕਾਰਜਕਾਰੀ ਗਿਆਨ ਸ਼ਾਮਲ ਕਰੋ ਜੋ AI ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਇਹ ਇੱਕ ਅਸਲੀ ਅਨੁਸ਼ਾਸਨ ਹੈ। ਅਤੇ ਇਹ ਉਹ ਹੈ ਜਿਸ ਲਈ ਕੰਪਨੀਆਂ ਕਿਰਾਏ ‘ਤੇ ਲੈਣਾ ਸ਼ੁਰੂ ਕਰ ਰਹੀਆਂ ਹਨ.

ਇੱਕ ਨਵੀਂ ਭੂਮਿਕਾ ਸਾਹਮਣੇ ਆਉਂਦੀ ਹੈ

ਇਸ ਸਮੇਂ AI ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਦੇਖੇ ਜਾਣ ਵਾਲੇ ਹਾਇਰਿੰਗ ਸਿਗਨਲ OpenAI, Anthropic, Palantir, Databricks, ਅਤੇ Microsoft ਤੋਂ ਆਉਂਦੇ ਹਨ। ਇਹ ਕੰਪਨੀਆਂ ਚੁੱਪ-ਚਾਪ ਉਹਨਾਂ ਦੀਆਂ ਟੀਮਾਂ ਬਣਾ ਰਹੀਆਂ ਹਨ ਜਿਸਨੂੰ ਉਹ ਫਾਰਵਰਡ ਡਿਪਲੋਇਡ ਇੰਜੀਨੀਅਰ, ਜਾਂ FDEs ਕਹਿੰਦੇ ਹਨ। ਭੂਮਿਕਾ ਸਾਫਟਵੇਅਰ ਇੰਜਨੀਅਰਿੰਗ, ਏਆਈ, ਉਤਪਾਦ ਅਤੇ ਗਾਹਕ ਲਾਗੂ ਕਰਨ ਦੇ ਇੰਟਰਸੈਕਸ਼ਨ ‘ਤੇ ਬੈਠਦੀ ਹੈ। FDE ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਨਹੀਂ ਬਣਾਉਂਦੇ ਹਨ। ਉਹਨਾਂ ਨੇ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਨੂੰ ਇੱਕ ਖਾਸ ਗਾਹਕ ਦੇ ਵਾਤਾਵਰਣ ਦੇ ਅੰਦਰ, ਇੱਕ ਖਾਸ ਗਾਹਕ ਦੇ ਡੇਟਾ ਦੇ ਵਿਰੁੱਧ, ਇੱਕ ਖਾਸ ਗਾਹਕ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਦੇ ਅਧੀਨ ਕੰਮ ਕਰਨ ਲਈ ਰੱਖਿਆ।

BCG ਦੀ ਬਿਲਡ ਫਾਰ ਦ ਫਿਊਚਰ 2025 ਰਿਪੋਰਟ, ਦੁਨੀਆ ਭਰ ਦੀਆਂ 1,250 ਤੋਂ ਵੱਧ ਕੰਪਨੀਆਂ ਦੇ ਸਰਵੇਖਣ ਦੇ ਆਧਾਰ ‘ਤੇ, ਪਾਇਆ ਗਿਆ ਕਿ ਸਿਰਫ਼ 5% ਹੀ AI ਤੋਂ ਪੈਮਾਨੇ ‘ਤੇ ਮਹੱਤਵਪੂਰਨ ਮੁੱਲ ਪੈਦਾ ਕਰ ਰਹੀਆਂ ਹਨ, ਜਦਕਿ 60% ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ਾਂ ਦੇ ਬਾਵਜੂਦ ਬਹੁਤ ਘੱਟ ਸਮੱਗਰੀ ਰਿਟਰਨ ਦੇਖ ਰਹੀਆਂ ਹਨ। ਵਿਭਿੰਨਤਾ ਸਿਰਫ ਬਿਹਤਰ ਮਾਡਲਾਂ ਤੱਕ ਪਹੁੰਚ ਨਹੀਂ ਹੈ, ਇਹ ਏਆਈ ਨੂੰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵਰਕਫਲੋ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰਨ, ਸ਼ਾਸਨ ਸਥਾਪਤ ਕਰਨ, ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ, ਅਤੇ ਲਗਾਤਾਰ ਤੈਨਾਤੀਆਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਦੀ ਯੋਗਤਾ ਹੈ। ਇਹ ਬਿਲਕੁਲ ਇੰਜਨੀਅਰਿੰਗ ਚੁਣੌਤੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਅੱਗੇ ਤਾਇਨਾਤ ਇੰਜੀਨੀਅਰ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ।

ਭਾਰਤ ਲਈ ਇਹ ਇੱਕ ਦੁਰਲੱਭ ਕਿਸਮ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ। ਐਂਟਰਪ੍ਰਾਈਜ਼ ਲੈਂਡਸਕੇਪ ਵਿੱਚ 1,200 ਤੋਂ ਵੱਧ ਕੰਪਨੀਆਂ ਨਾਲ ਗੱਲਬਾਤ ਵਿੱਚ, ਇੱਕ ਇਕਸਾਰ ਪੈਟਰਨ ਉੱਭਰਦਾ ਹੈ: ਕੰਪਨੀਆਂ ਉਹਨਾਂ ਇੰਜੀਨੀਅਰਾਂ ਲਈ ਇੱਕ ਪ੍ਰੀਮੀਅਮ ਦਾ ਭੁਗਤਾਨ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ ਜੋ ਇੱਕ ਆਮ-ਉਦੇਸ਼ ਵਾਲੀ AI ਸਮਰੱਥਾ ਲੈ ਸਕਦੇ ਹਨ ਅਤੇ ਇਸਨੂੰ ਆਪਣੇ ਕਾਰੋਬਾਰ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ। ਮੰਗ ਮੁੱਠੀ ਭਰ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਵਿੱਚ ਕੇਂਦ੍ਰਿਤ ਨਹੀਂ ਹੈ। ਇਹ ਬੈਂਕਿੰਗ, ਬੀਮਾ, ਪ੍ਰਚੂਨ, ਸਿਹਤ ਸੰਭਾਲ ਅਤੇ ਨਿਰਮਾਣ ਖੇਤਰਾਂ ਵਿੱਚ ਦਿਖਾਈ ਦੇ ਰਿਹਾ ਹੈ।

ਅਸਹਿਜ ਸਵਾਲ

ਇਸ ਕਹਾਣੀ ਦਾ ਇੱਕ ਸੰਸਕਰਣ ਹੈ ਜੋ ਭਾਰਤ ਦੀਆਂ IT ਸੇਵਾਵਾਂ ਦੇ ਬੂਮ ਦੇ ਆਖਰੀ ਅਧਿਆਏ ਵਾਂਗ ਖੇਡਦਾ ਹੈ, ਪਰ ਨਵੇਂ ਸਾਧਨਾਂ ਨਾਲ। ਸੰਸਾਰ ਸੀਮਾਵਾਂ ਬਣਾਉਂਦਾ ਹੈ। ਭਾਰਤ ਤੈਨਾਤੀ ਕਰਦਾ ਹੈ। ਭਾਵੇਂ ਇਹ ਮੌਕੇ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਸੀਮਾ ਸੀ, ਫਿਰ ਵੀ ਇਹ ਵਪਾਰਕ ਅਰਥ ਬਣੇਗਾ। ਪਰ ਇਹ ਅਸਲ ਵਿੱਚ ਉਪਲਬਧ ਚੀਜ਼ਾਂ ਦਾ ਇੱਕ ਛੋਟਾ ਸੰਸਕਰਣ ਵੀ ਹੋਵੇਗਾ।

FDE ਰੋਲ ਕੋਈ ਸੇਵਾ ਭੂਮਿਕਾ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਉਤਪਾਦ ਇੰਜੀਨੀਅਰਿੰਗ ਭੂਮਿਕਾ ਹੈ ਜੋ ਗਾਹਕ ਦੇ ਨੇੜੇ ਰਹਿੰਦੀ ਹੈ. ਇੰਜਨੀਅਰ ਜੋ ਅਜਿਹਾ ਕਰਦੇ ਹਨ, ਉਹ AI ਉਤਪਾਦ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਬਣਾਉਂਦੇ ਹਨ। ਉਹ ਰੋਡਮੈਪ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਉਹ ਅਸਫਲਤਾ ਦੇ ਢੰਗਾਂ ਦੀ ਪਛਾਣ ਕਰਦੇ ਹਨ ਜੋ ਮਾਡਲ ਟੀਮਾਂ ਕਦੇ ਨਹੀਂ ਦੇਖਦੀਆਂ. ਉਹ ਮੁੜ ਵਰਤੋਂ ਯੋਗ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਕੀ AI ਤੈਨਾਤੀ ਸਕੇਲ ਹੈ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਮਜ਼ਬੂਤ ​​FDE ਬੈਂਚ ਬਣਾਉਂਦੀਆਂ ਹਨ ਆਖਰਕਾਰ ਉਹਨਾਂ ਦੇ AI ਉਤਪਾਦਾਂ ਨੂੰ ਆਕਾਰ ਦਿੰਦੀਆਂ ਹਨ, ਨਾ ਕਿ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ।

ਕੀ ਭਾਰਤ ਉਸ ਲਾਈਨ ਦੇ ਉਤਪਾਦ ਵਾਲੇ ਪਾਸੇ ਜਾਂ ਇਸਦੇ ਸੇਵਾ ਵਾਲੇ ਪਾਸੇ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ, ਇਹ ਇੱਕ ਖਾਸ ਚੋਣ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ: ਕੀ ਦੇਸ਼ ਦੀ ਇੰਜੀਨੀਅਰਿੰਗ ਸਿੱਖਿਆ ਉਤਪਾਦਨ AI ਨੂੰ ਇੱਕ ਗੰਭੀਰ ਅਨੁਸ਼ਾਸਨ ਵਜੋਂ ਮੰਨਦੀ ਹੈ, ਜਾਂ ਇੱਕ ਡਾਊਨਸਟ੍ਰੀਮ ਹੁਨਰ ਦੇ ਰੂਪ ਵਿੱਚ ਜਿਸਨੂੰ ਇੰਜੀਨੀਅਰ ਨਿਯੁਕਤ ਕਰਨਗੇ।

ਭਾਰਤ ਨੂੰ ਅੱਗੇ ਵਧਣ ਲਈ ਜਿਸ ਸਮਰੱਥਾ ਦੀ ਲੋੜ ਹੈ

CIOs ਲਈ, ਪ੍ਰਭਾਵ ਸਪੱਸ਼ਟ ਹੈ। ਮੁੱਖ ਤੌਰ ‘ਤੇ ਮਾਡਲ ਵਿਕਾਸ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਵਾਲੇ ਹੋਰ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰਨ ਨਾਲ AI ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਗੈਪ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ। ਰੁਕਾਵਟ ਕਿਤੇ ਹੋਰ ਹੈ: AI ਨੂੰ ਉਤਪਾਦਨ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਭਰੋਸੇਯੋਗ, ਸੁਰੱਖਿਅਤ ਅਤੇ ਪੈਮਾਨੇ ‘ਤੇ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ।

ਇੰਜਨੀਅਰਾਂ ਲਈ, ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਕੀਮਤੀ AI ਹੁਨਰ ਮਾਡਲ ਸਿਖਲਾਈ ਤੋਂ ਬਹੁਤ ਅੱਗੇ ਵਧਣਗੇ। ਉਹਨਾਂ ਵਿੱਚ ਮੁਲਾਂਕਣ ਫਰੇਮਵਰਕ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਰਿਕਵਰੀ ਸਿਸਟਮ ਅਤੇ ਗਾਰਡਰੇਲ ਬਣਾਉਣਾ, ਮਨੁੱਖੀ ਨਿਰੀਖਣ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ, ਅਤੇ ਉਤਪਾਦਨ ਵਿੱਚ ਸੰਭਾਵਿਤ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਵਹਾਰ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ ਸ਼ਾਮਲ ਹੋਵੇਗਾ।

ਇਹ ਸੰਦੇਸ਼ ਅਧਿਆਪਕਾਂ ਲਈ ਵੀ ਬਰਾਬਰ ਸਪੱਸ਼ਟ ਹੈ। ਮੁੱਖ ਤੌਰ ‘ਤੇ ਮਾਡਲ ਵਿਕਾਸ ਅਤੇ ਆਮ MLOps ਦੇ ਆਲੇ-ਦੁਆਲੇ ਬਣਾਇਆ ਗਿਆ ਪਾਠਕ੍ਰਮ ਹੁਣ ਇਹ ਨਹੀਂ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ AI ਇੰਜੀਨੀਅਰਿੰਗ ਕਿੱਥੇ ਜਾ ਰਹੀ ਹੈ। ਜਿਵੇਂ ਕਿ AI ਪ੍ਰਯੋਗ ਤੋਂ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਤੈਨਾਤੀ ਵੱਲ ਵਧਦਾ ਹੈ, ਇੰਜਨੀਅਰਿੰਗ ਸਿੱਖਿਆ ਨੂੰ ਉਤਪਾਦਨ ਦੀਆਂ ਅਸਲੀਅਤਾਂ ਲਈ ਗ੍ਰੈਜੂਏਟਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ ਵਿਕਸਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

AI ਅਪਣਾਉਣ ਵਿੱਚ ਭਾਰਤ ਦੀ ਅਗਵਾਈ ਅਸਲੀ ਹੈ। ਕੀ ਇਹ ਕਿਨਾਰਾ ਸਥਾਈ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ ਇਸ ਗੱਲ ‘ਤੇ ਘੱਟ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਅਸੀਂ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਏਆਈ ਨੂੰ ਅਪਣਾਉਂਦੇ ਹਾਂ ਇਸ ਗੱਲ ਦੀ ਬਜਾਏ ਕਿ ਅਸੀਂ ਇਸ ਨੂੰ ਪੈਮਾਨੇ ‘ਤੇ ਕਿੰਨੀ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਲਾਗੂ ਕਰਦੇ ਹਾਂ।

(ਅਮਰ ਸ਼੍ਰੀਵਾਸਤਵ, ਸੀਈਓ-ਆਨਲਾਈਨ ਅਤੇ ਗਰੁੱਪ ਸੀਪੀਓ, ਸਕੇਲਰ ਦੁਆਰਾ)