இந்தியாவின் AI புரட்சியும் Sarvam AI-ன் குரல் வழி ஆதிக்கமும்

இந்திய அரசாங்கத்தின் IndiaAI Mission திட்டத்தின் கீழ், நாட்டின் தொழில்நுட்ப எதிர்காலத்தை மாற்றியமைக்கும் நோக்கில் பல AI திட்டங்கள் செயல்பட்டு வருகின்றன. அதில் மிகவும் குறிப்பிடத்தக்க மற்றும் பரவலாகப் பயன்படுத்தப்படும் ஒரு தொழில்நுட்பம் சர்வம் ஏஐ Sarvam AI நிறுவனத்தின் பல்லூடக் குரல் வழி AI கட்டமைப்பு (Multilingual Voice-First Conversational AI Stack) ஆகும்.

எழுத்து வடிவிலான தொழில்நுட்பங்களை விட, எளிய மக்களின் குரல் வழியிலான தொடர்புகளுக்கு முக்கியத்துவம் கொடுப்பதே இந்தத் தொழில்நுட்பத்தின் முதன்மை சிறப்பம்சமாகும்.

தொழில்நுட்பத்தின் முக்கிய அம்சங்கள்

• தடங்கலற்ற மொழிக் கலப்பு (Code-Switching): மக்கள் இயல்பாகப் பேசும் 'தங்லிஷ்' (Tamil + English) அல்லது 'ஹிங்லிஷ்' போன்ற கலப்பு மொழிகளை எவ்விதத் தடங்கலுமின்றி ஒரே நேரத்தில் புரிந்து கொண்டு துல்லியமாகப் பதிலளிக்கும் ஆற்றல் கொண்டது (Bulbul V3 மற்றும் Saaras V3 மாடல்கள்).

• இந்திய மொழித் தரவுகள்: இந்தியாவின் 10-க்கும் மேற்பட்ட முக்கிய மொழிகளின் வட்டார வழக்குகள், உச்சரிப்புகள் மற்றும் உள்ளூர் இடப் பெயர்களை அடிப்படையாகக் கொண்டு இது பிரத்யேகமாக உருவாக்கப்பட்டுள்ளது.

• அரசு மற்றும் வங்கிச் சேவைகள்: கிராமப்புற வங்கிகள், கடன் நினைவூட்டல்கள் மற்றும் அரசு சார்ந்த சேவைகளை எளிய மக்கள் தங்களின் சொந்த மொழியில் குரல் வழியிலேயே பெற இது வழிவகுக்கிறது.

முதன்மையாகப் பயன்படுத்தும் நிறுவனங்கள் & அரசு அமைப்புகள்

• மகாராஷ்டிர அரசு: 'Indus' AI தளத்தைப் பயன்படுத்தி 2,500-க்கும் மேற்பட்ட அரசு அதிகாரிகளுக்கு மராத்தி மொழியில் ஆவணங்களை மொழிபெயர்க்கவும், கொள்கை ஆராய்ச்சிக்கும் இந்தத் தொழில்நுட்பம் பயன்படுகிறது.

• UIDAI (ஆதார் அமைப்பு): பொதுமக்கள் தங்களது சந்தேகங்களைத் தங்களின் தாய்மொழியிலேயே குரல் வழியில் கேட்டுத் தெரிந்துகொள்ள ஆதார் அமைப்புடன் Sarvam AI இணைந்துள்ளது.

• ஒடிசா & தமிழ்நாடு அரசுகள்: கணக்கீட்டு உள்கட்டமைப்பு (Compute Hubs) மற்றும் ஆராய்ச்சிப் பூங்காக்களை அமைக்க Sarvam AI-யுடன் கூட்டு ஒப்பந்தங்களை மேற்கொண்டுள்ளன.

• வங்கி மற்றும் தனியார் துறை: வங்கிகள், கடன் வழங்கும் நிறுவனங்கள் மற்றும் Cashfree Payments போன்ற நிதித் தொழில்நிறுவனங்கள் வாடிக்கையாளர்களைத் தொடர்புகொள்ளவும் பேமெண்ட் நினைவூட்டல்களுக்கும் இக்குரல் ஏஜென்ட்களைப் பயன்படுத்துகின்றன.

தனியார் நிறுவனங்களின் பங்களிப்பு 

• HCLTech: Sarvam AI-யில் $150 மில்லியன் முதலீடு செய்துள்ள HCLTech நிறுவனம், உலகளாவிய நிறுவனங்களுக்கு இச்சேவையைக் கொண்டு சேர்க்கிறது.

வருவாய் மற்றும் எதிர்கால வளர்ச்சி

Sarvam AI ஆராய்ச்சி நிலையிலிருந்து வர்த்தக ரீதியான பயன்பாட்டிற்கு வேகமாக மாறியுள்ளது:

• FY26 Sarvam AI வருவாய்: ₹45.10 கோடி (~$5.4 மில்லியன்). இது FY25-ன் ₹1.50 கோடியுடன் ஒப்பிடும்போது 30 மடங்கு (30x) வளர்ச்சியாகும்.

• வருடாந்திரத் தொடர் வருவாய் (ARR - Annual Recurring Revenue): சுமார் $12 மில்லியன். இதில் 80%-க்கும் அதிகமான வருவாய் இந்த குரல் வழி AI கட்டமைப்பில் இருந்தே கிடைக்கிறது.

வளர்ச்சிக்கான சாத்தியக்கூறுகள்:

1. எல்லைகளற்ற வாடிக்கையாளர் சேவை: தினசரி லட்சக்கணக்கான அழைப்புகளைக் கையாளும் வங்கிகள் மற்றும் இ-காமர்ஸ் தளங்கள் மூலம் இதன் பயன்பாட்டு வருவாய் (SaaS Revenue) தொடர்ந்து அதிகரிக்கும்.

2. அரசு ஆதரவு: வெளிநாட்டு AI மாடல்களுக்குப் பதிலாக உள்ளூர் மொழிகளைத் துல்லியமாகப் புரியும் Sarvam AI-க்கு அரசுத் துறைகளில் முன்னுரிமை அளிக்கப்படுகிறது.

3. உலகளாவிய விரிவாக்கம்: HCLTech போன்ற பெரிய தகவல் தொழில்நுட்ப நிறுவனங்களின் ஆதரவால், இது உலகளாவிய இந்திய வணிக மையங்களுக்கும் (Global Indian Commerce Centers) விரிவடையும் சாத்தியம் அதிகம் உள்ளது.

சுருக்கம்

மொழியை ஒரு தடையாகப் பார்க்காமல், குரல் வழியே தொழில்நுட்பத்தைப் பயன்படுத்த வைக்கும் Sarvam AI, இந்தியாவின் டிஜிட்டல் இடைவெளியைக் குறைப்பதில் மிக முக்கியப் பங்கு வகிக்கிறது. Sarvam AI நிறுவனர்களில் ஒருவர் (இணை நிறுவனர்) விவேக் ராகவன். இவர் டைம் (TIME) இதழால் செயற்கை நுண்ணறிவு (AI) துறையில் உலகின் மிகச் செல்வாக்கு மிக்க 100 தலைவர்களில் ஒருவராகத் தேர்ந்தெடுக்கப்பட்டுள்ளார்.  இது பெருமிதத்துக்கு உரியது.

Sarvam AI இப்போது சிறிய அளவிலான நடவடிக்கைகளைத் தொடங்கினாலும், அது இந்தியாவுக்குச் சொந்தமான சுயசார்பு செயற்கை நுண்ணறிவை (AI Sovereignty) வழங்குவதற்கும், இந்தியக் குடிமக்கள் (செயற்கை நுண்ணறிவை பற்றி எதுவும் தெரிந்து கொள்ளாமலே) எளிதாகப் பயன்படுத்தக்கூடிய சேவைகளை உருவாக்குவதற்கும் பெரும் வாய்ப்புகளை உருவாக்க வல்லது. இவர்கள் பணிகள் மென்மேலும் சிறக்க வேண்டும். இந்தியாவில் UPI அடைந்த வெற்றியை போல பல மடங்கு வெற்றியை பெற வேண்டும்.

கேஷ்ஃப்ரீ -ன் 'ரிலே': e-Commerce வணிகர்களின் பண வசூல் செயல்பாடுகளை மாற்றியமைக்கும் ஏஐ Super-Agent

ரேசர்பே (Razorpay) அல்லது பேடிஈஎம் (Paytm) போன்று கேஷ்ஃப்ரீ பேமெண்ட்ஸ் (Cashfree Payments) என்பதும் இந்தியாவில் இயங்கும் ஒரு முன்னணி கட்டண நுழைவாயில் (Payment Gateway) நிறுவனமாகும். e-Commerce வணிகர்கள் மற்றும் நேரடியாக நுகர்வோருக்கு வணிகம் செய்யும் (D2C) விற்பனையாளர்கள் ஆன்லைன் வாயிலாக வாடிக்கையாளர்களிடமிருந்து பணத்தைப் பாதுகாப்பாக வசூலிக்க இந்தத் தளம் உதவுகிறது.

தற்போது கேஷ்ஃப்ரீ, தனது வாடிக்கையாளர்களான இ-காமர்ஸ் வணிகர்களுக்கு ரிலே - 'Relay' எனும் AI சூப்பர்-ஏஜென்ட்டை (AI Super-Agent) ஒரு புதிய சேவையாக அறிமுகப்படுத்தியுள்ளது. இந்தச் சேவையைப் பயன்படுத்த வணிகர்களுக்கு எந்தவிதமான கோடிங் (Coding) அல்லது AI தொழில்நுட்ப அறிவும் தேவையில்லை. எளிய குரல் கட்டளைகள் (Voice Prompts) அல்லது எளிய உரை (Plain Text Language) மூலமே தங்களுக்குத் தேவையான AI ஏஜென்ட்களை நிமிடங்களில் உருவாக்கி, இயக்க முடியும்.

இந்தியாவில் 70% சிறு மற்றும் நடுத்தர வணிகர்கள் (SMBs - Small and Medium Business) இன்னமும் பேமெண்ட் தொடர்பான பணிகளைக் கைமுறையாகவே (Manually) கையாண்டு வருகின்றனர். உதாரணத்திற்கு இவற்றில் 

1. பணம் செலுத்தாமல் கைவிடப்பட்ட (தொங்கலில் விடப்பட்ட) ஷாப்பிங் கார்ட்டுகள்
2. பணம் செலுத்தும் போது இயக்கம் சிலபல காரணங்களால் முறிந்து போய் நடுவில் தொங்கும் பரிவர்த்தனைகள் 
3. மாத சந்தா கட்டும் வாடிக்கையாளர்கள் அப்படி செலுத்த தவறும் போது உடனடியாக கண்டுபிடித்தல்

ஆகிய பணிகள் அடங்கும். 

இதற்காக வாரத்திற்குச் சராசரியாக 60 மணி நேரத்தைச் செலவிடும் வணிகர்களுக்குத் தீர்வாக ‘ரிலே’ எவ்வாறு செயல்படுகிறது என்பதைக் கீழே காணலாம். 

1. வருவாய் மற்றும் லாபத்தை அதிகரிக்க உதவுவது எவ்வாறு?

வணிகங்களின் கைவிட்டுப்போகும் வருவாயை மீட்டுத் தருவதன் மூலம் ‘ரிலே’ நேரடியாக லாபத்தை உயர்த்துகிறது:

• Abandoned Cart Recovery & Payment Recovery: கைவிடப்பட்ட ஷாப்பிங் கார்ட்டுகள் மற்றும் தோல்வியடைந்த பரிவர்த்தனைகளைத் தொடர் தொடர்புகள் (Follow-ups) மூலம் தானாகவே பின்தொடர்ந்து, வாடிக்கையாளர்களை மீண்டும் பணம் செலுத்தத் தூண்டி வருவாய் வாய்ப்பை மீட்கிறது.

• COD Confirmation (RTO - Return to Origin தடுப்பு): "பொருளைப் பெற்றுக் கொள்ளும் போது பணம் செலுத்துதல்" (COD - Cash-on-Delivery) முறையில் செய்யப்படும் ஆர்டர்களை வாடிக்கையாளருக்கு அனுப்பி வைப்பதற்கு முன்பே, வாட்ஸ்அப் அல்லது செய்திகள் மூலம் உறுதிப்படுத்துகிறது. இது தவறான ஆர்டர்களைத் தடுத்து, சரக்கு திரும்பப் பெறப்படும் (RTO) செலவுகளைக் குறைத்து லாபத்தைப் பாதுகாக்கிறது.

• Subscription Dunning & Dispute Management: சந்தா கட்டணங்கள் (Subscriptions) தவறும்போது அவற்றை மீளப்பெறுவதுடன், பேமெண்ட் தகராறுகளை (Disputes / Chargebacks) உரிய காலக்கெடுவுக்குள் தாக்கல் செய்து இழப்புகளைத் தடுக்கிறது.

2. ஆர்டர் நிர்வாக நேரத்தைச் சேமித்து வணிகத்தில் கவனம் செலுத்த உதவுவது எப்படி?

• வாரத்திற்கு 60 மணி நேரத்திலிருந்து 45 நிமிடங்களாகக் குறைப்பு: பேமெண்ட் ஃபாலோ-அப்கள், தரவு சரிபார்ப்பு போன்ற கைமுறை பணிகளை AI ஏஜென்ட்களே ஆதி முதல் அந்தம் வரை (End-to-End)  செய்துமுடிக்கின்றன.

• எளிய குரல் மற்றும் உரை கட்டளைகள் (Voice / Text Prompts): வணிகர்கள் கோடிங் (coding) தேவை இன்றி, வெறும் பேச்சு அல்லது உரை கட்டளைகள் மூலம் தங்களுக்குத் தேவையான AI ஏஜென்ட்களை உடனடியாக உருவாக்கலாம்.

• தடையற்ற ஒருங்கிணைப்பு: கூகுள் ஷீட்ஸ் (Google Sheets), ஸ்லாக் (Slack), வாட்ஸ்அப் மற்றும் ஜிமெயில் போன்ற ஆப்களுடன் நேரடியாக இணைந்து தானியங்கு அறிக்கைகளையும் பணிப்பாய்வுகளையும் (Workflows) உருவாக்குகிறது.

Relay எந்த வகையான AI? - Generative AI vs Machine Learning

‘ரிலே’ தளம் Generative AI மற்றும் Classical Machine Learning ஆகிய இரண்டின் சக்திவாய்ந்த ஒருங்கிணைப்பாகும் (Agentic AI Stack).

• Generative AI (LLMs & Voice AI): வணிகர்கள் கொடுக்கும் குரல் மற்றும் உரை கட்டளைகளைப் புரிந்து கொண்டு (Natural Language Understanding) பணிப்பாய்வுகளை (workflow) உருவாக்கவும், வாடிக்கையாளர்களிடம் சூழலுக்கு ஏற்ப உரையாடவும் (Conversational AI - e.g., Bolna, Sarvam போன்றவை) GenAI பயன்படுகிறது.

• Machine Learning & Predictive Rules: கேஷ்ஃப்ரீ-ன் சொந்த நிதித் தரவுகளின் (Transaction Data) அடிப்படையில் வாடிக்கையாளரின் வாங்கும் பழக்கம், ஆபத்து காரணிகள் (Risk Scoring) மற்றும் பரிவர்த்தனை தோல்விகளைக் கணித்து, எப்போது ஃபாலோ-அப் செய்ய வேண்டும் என்பதைத் தீர்மானிக்க classical ML மாடல்கள் செயல்படுகின்றன.

பாதுகாப்பு & ஒப்புதல் (Human-in-the-Loop): ‘ரிலே’-ல் பணம் வெளிக்கொடுக்கும் முன்போ அல்லது வாடிக்கையாளரைத் தொடர்பு கொள்வதற்கு முன்போ வணிகரின் ஒப்புதல் பெறப்படுகிறது. மேலும் வணிகர்களின் நிதித் தரவுகள் கேஷ்ஃப்ரீ-ன் பாதுகாக்கப்பட்ட கட்டமைப்பிற்குள்ளேயே செயல்படுவதால், தரவுகள் வெளியாட்களுக்குப் பகிரப்படுவதில்லை. ஆனால் வணிகர்களின் தரவுகள் கேஷ்ஃப்ரீ நிறுவனத்திற்குக் கிடைக்கின்றன.

3. 'ரிலே'-க்கான பிற பயன்பாடுகள்

கேஷ்ஃப்ரீ நிறுவனம் ‘ரிலே’ தளத்தை வெறும் வாடிக்கையாளர் பேமெண்ட் வசூலுக்கு மட்டுமல்லாமல், வணிகத்தின் பல்வேறு நிதிச் செயல்பாடுகளுக்கும் பயன்படுத்துகிறது:

• விற்பனையாளர் கட்டணங்கள் (Vendor Payouts): மாத இறுதி அல்லது குறிப்பிட்ட கால இடைவெளியில் வணிகரின் விற்பனையாளர்களுக்கான (Vendors) பணப்பட்டுவாடாவைத் தானாகவே செயல்படுத்துதல்.

• உயர் மதிப்புப் பரிவர்த்தனை எச்சரிக்கைகள் (High-value Alerts): பெரிய அளவிலான தொகைப் பரிவர்த்தனைகள் அல்லது பணத்தைத் திரும்பப் பெறுதல் (Refunds) நடக்கும்போது, மனித ஒப்புதலுக்கு (Human Approvals) அனுப்பும் பாதுகாப்பு அமைப்புகளை இயக்குதல்.

• மாடல் கான்டெக்ஸ்ட் புரோட்டோகால் ('ரிலே' MCP Server): Claude Desktop அல்லது ChatGPT போன்ற முன்னணி AI ஏஜென்ட்களுடன் MCP Server மூலம் நேரடியாக இணைத்து, பேக்-எண்ட் பணிப்பாய்வுகளை எளிய உரையாடல் மூலமே நிர்வகித்தல்.

கடன் வசூல் (Loan Recovery): வருங்காலத்தில் கடன்களை (credit) வசூல் செய்யவும் 'ரிலே' உதவக்கூடும் என்று அதன் கண்டுபிடிப்பாளர்கள் சொல்கிறார்கள்.

சுருக்கம் 

இந்தியாவில் ஏஐ பயன்பாடு அதிகரிப்பதை காண மகிழ்ச்சியாக இருக்கிறது. ஃபின்டெக் நிறுவனங்கள் 'சிறு துளி பெரு வெள்ளம்' என்பதை உணர்ந்து தங்கள் 'ரிலே' போன்ற கண்டுபிடிப்புகளை சிறுகுறு வணிகப் பயன்பாட்டிற்கு ஏதுவாக உருவமைத்துள்ளனர். கட்டண நுழைவாயில் (payment gateway) சேவை அளிப்போர் வசூலிக்கும் கட்டணத்தில் ஒரு ஆகக் குறைந்த விழுக்காட்டை தங்கள் சேவைக் கட்டணமாக பெறுகிறார்கள். அதில் நவீன தொழில்நுட்பத்தை பொருத்தி 'சேவை மதிப்புக் கூட்டலை' (upsell) முயற்சிக்கும் உத்தி எனக்கு C K பிரகலாத்-ன் 'Fortune At The Bottom Of The Pyramid' என்ற புத்தகத்தை நினைவூட்டுகிறது.

Reference:

1. Business Stardard Article titled 'Cashfree rolls out AI Agents to automate payment ops" - dated 30, August 2026 by Ajinkya Kawale
2. Cashfree Relay MCP Server Documentation

AI நம் உலகை ஆளுமா?

 AI ஏற்படுத்தும் பொருளாதார மாற்றங்களும் மனங்களை வெல்லும் மாயமும்!

செயற்கை நுண்ணறிவு (AI) மனித குலத்தை எந்தப் பாதைக்கு அழைத்துச் செல்கிறது? "AI மனித உழைப்பை மிஞ்சி உற்பத்தி ஆதிக்கத்தைக் கைப்பற்றக்கூடும்" என்கிறார் எலான் மஸ்க்; "AI மனிதர்களின் விருப்பங்களை உணர்ந்து அவர்களின் எண்ணங்களை ஓரளவுக்குப் பாதிக்கும் திறனைப் பெறுகிறது" என்கிறார் யுவால் நோவா ஹராரி.

இந்த இரு பார்வைகளும் நம் முன் சில முக்கியமான கேள்விகளை எழுப்புகின்றன.

1. வேலை இழப்பும் அதிகரிக்கும் பொருளாதார இடைவெளியும்: AI ஏற்றத்தாழ்வை அதிகரிக்குமா?

AI தொழில்நுட்பம் பரவலாகும்போது சில துறைகளில் வேலைவாய்ப்புகள் குறையலாம் என்றும், அதே நேரத்தில் AI-ஐப் பயன்படுத்தித் திறம்பட இயங்கும் நிறுவனங்களின் கை ஓங்கக்கூடும் என்றும் அஞ்சப்படுகிறது.

• எடுத்துக்காட்டு: முன்பு 50 மென்பொருள் பொறியாளர்கள் செய்த கோடிங் பணிகளில் சிலவற்றை, இன்று சில "AI Agent"களின் உதவியுடன் சிறிய குழுக்களே செய்யும் சாத்தியம் உருவாகியுள்ளது.

• இதனால் ஏஐ செயல் திறனற்ற தொழிலாளர்களின் வருவாய் வாய்ப்புகள் குறையும் அபாயம் உள்ளது. அதே நேரம், பெரிய AI உள்கட்டமைப்பைக் கையாளும் சில குறிப்பிட்ட நிறுவனங்களிடம் நிதி மற்றும் பொருளாதார அதிகாரம் பெருமளவில் குவிய வாய்ப்புள்ளது. இந்தப் போக்கு சில நாடுகளில் பொருளாதார இடைவெளியை மேலும் அதிகரிக்கக்கூடும்.

2. தனிநபர் பட்சபாதமா (bias) அல்லது கூட்டு பட்சபாதமா: எது அதிக ஆபத்தானது? 

இன்றைய AI மாதிரிகள் அனைத்தும் மனிதர்கள் உருவாக்கிய தரவுகளிலிருந்தே (Human Documentation & Text) கற்றுக்கொள்கின்றன. அந்த தரவுகளில் மனிதர்களின் பட்சபாதம் பெருமளவில் உள்ளடங்கி இருக்கிறது என்று சொன்னால் மிகையாகாது. இந்த தரவுகளை வைத்து பயிற்றுவிக்கப் படும் ஏஐ மாடலுடைய கூட்டு பட்சபாதம் அனைத்து தனி நபர் பட்சபாதங்களையும் உள்ளடக்கியது.

• எடுத்துக்காட்டு: வங்கி கடன் வழங்கும் AI அமைப்பில், கடந்த கால மனிதர்களின் தரவுகள் உள்ளீடு செய்யப்படும்போது, அதில் மறைந்திருந்த இன அல்லது பாலின பாகுபாடுகள் AI-ன் முடிவுகளிலும் வெளிப்பட வாய்ப்புள்ளது.

• ஒரு தனி மனிதனின் பட்சபாதம் (Bias) குறிப்பிட்ட சிலரை மட்டுமே பாதிக்கும். ஆனால், மனித குலத்தின் பொதுவான கூட்டு பட்சபாதங்களை ஏற்றுக்கொண்ட ஒரு AI இயங்குதளம், ஒரே நேரத்தில் லட்சக்கணக்கான மக்களின் முடிவுகளைப் பாதிக்கக்கூடும் என்பதால், இது தனிநபர் பட்சபாதத்தை விடப் பரவலான தாக்கத்தை ஏற்படுத்தலாம்.

3. மனித வாழ்க்கையைப் பாதிக்கும் தொழில்நுட்பத்தை மனித சமூகம் நிராகரிக்குமா?

ஒருவேளை AI தொழில் வாய்ப்புகளைக் குறைத்து சமூகத்தில் ஏற்றத்தாழ்வுகளைப் பெருக்கினால், மனித சமூகம் அதை ஏற்க மறுக்குமா?

• வரலாற்றுச் சான்று: தொழில்புரட்சியின் போது எந்திரங்களின் வருகையால் வாழ்வாதாரம் பாதிக்கப்பட்டதாகக் கருதி "லூடைட்ஸ்" (Luddites) போன்ற அமைப்புகள் எந்திரங்களை எதிர்த்துப் போராடின.

• AI தொழில்நுட்பமும் மனிதர்களின் வாழ்வாதாரத்தையும் சமூகச் சமநிலையையும் கணிசமாகப் பாதிக்கும் சூழல் வந்தால், மனித சமூகம் கடுமையான அரசாங்கக் கட்டுப்பாடுகள், சட்ட விதிமுறைகள் அல்லது பயன்பாட்டுப் புறக்கணிப்பு மூலமாக அதன் கட்டுப்பாடற்ற ஆதிக்கத்தைச் சீரமைக்க நிச்சயம் முயலும்.

சுருக்கம்

AI என்பது நம் வசதிக்காக உருவாக்கப்பட்ட ஒரு சக்திவாய்ந்த கருவி. அது சமுதாயத்தைப் பிரிக்கும் காரணியாக மாறாமல், அனைவருக்கும் பயனளிக்கும் தொழில்நுட்பமாக மாறுவது அதை நாம் (அரசாங்கம், சமூகம், தனிநபர்) எவ்வாறு கட்டுப்படுத்துகிறோம் மற்றும் ஒழுங்குபடுத்துகிறோம் அல்லது உபயோகிக்கிறோம் என்பதில்தான் உள்ளது. அதே நேரம் அந்தக் கருவியை நம் உயர்வுக்கு பொறுப்பாக உபயோகப் படுத்திக்கொள்ள தேவையான திறமைகளையும் வளர்த்துக் கொள்வது முக்கியம். 

இதைத்தான் திருவள்ளுவர் பின்வரும் குறளில் சொல்கிறார்:

தூங்காமை கல்வி துணிவுடைமை இம்மூன்றும்  

நீங்கா நிலனான் பவர்க்கு

[பொருட்பால், அரசியல், இறைமாட்சி]

இதில் தூங்காமை என்பதை விழிப்புணர்வு என்று எடுத்துக் கொள்வது பொருத்தமாக இருக்கும். 

 

இ-காமர்ஸ் நிறுவனங்களின் சிக்கல்களுக்கு தீர்வு காணும் ஏஐ கில்லாடி

இந்தியாவில் e-commerce துறையில் பல புதிய ஸ்டார்ட்அப் நிறுவனங்கள் அதிவேகமாக வளர்ந்து வருகின்றன. இந்த நிறுவனங்கள் தங்கள் தயாரிப்புகளை இணையத்தில் விற்பனை செய்து, டெலிவரி செய்வதற்காக ஷிப்ராக்கெட் (Shiprocket), யூனிகாமர்ஸ் (Unicommerce) போன்ற தளவாட (logistics) நிறுவனங்களைச் சார்ந்திருக்கின்றன.

ஆனால், இந்த ஆர்டர் டெலிவரியில் இவை அனைத்தும் ஒரு மிகப்பெரிய சவாலை எதிர்கொள்கின்றன. வாடிக்கையாளர்கள் ஆர்டர்களை வாங்க மறுப்பது, டெலிவரி செய்ய வரும் நேரத்தில் வீட்டில் இல்லாமலிருப்பது, முகவரி தவறாக இருப்பது அல்லது கேஷ் ஆன் டெலிவரி (COD) ஆர்டர்களுக்கு பணம் செலுத்த முடியாமல் போவது போன்றவை இதில் அடங்கும்.

இது Non-Delivery Report (NDR) என்ற நிலைக்கு வழிவகுக்கிறது. சில சந்தர்ப்பங்களில், கடைசி மைல் டெலிவரி செய்பவர் பலமுறை முயற்சி செய்ய வேண்டியிருக்கிறது. வேறு சில சந்தர்ப்பங்களில், தயாரிப்பை அனுப்பிய இடத்திற்கே திருப்பி அனுப்ப வேண்டியுள்ளது. இதையே Return To Origin (RTO) என்கிறோம். இதன் காரணமாக logistics நிறுவனங்களுக்கு கூடுதல் செலவும் உழைப்பும் ஏற்படுவதோடு, ஸ்டார்ட்அப் நிறுவனங்களுக்கு வருவாய் இழப்பும், சரக்குகள் தேக்கமடையும் (inventory stagnation) சூழலும் உருவாகிறது.

இன்றைய பிசினஸ் ஸ்டாண்டர்ட் (Business Standard) கட்டுரையானது, இந்த NDR/RTO சிக்கலைக் குறைக்க logistics நிறுவனங்கள் எவ்வாறு செயற்கை நுண்ணறிவை (AI) பயன்படுத்துகின்றன என்பதைப் பற்றிப் பேசுகிறது.

இங்கு AI என்றால் Generative AI அல்ல

பொதுவாக "AI" என்றவுடன் பலரும் சாட்ஜிபிடி (ChatGPT) போன்ற Generative AI (LLMs) தொழில்நுட்பத்தையே நினைக்கிறார்கள். ஆனால், ஷிப்ராக்கெட் போன்ற தளவாட தளங்கள் RTO மற்றும் NDR சிக்கல்களைக் குறைக்கப் பயன்படுத்துவது ஜெனரேடிவ் AI அல்ல; மாறாக, அவை பாரம்பரிய மெஷின் லேர்னிங் (Predictive & Classification ML Algorithms) மற்றும் விதி சார்ந்த (rule-based/symbolic) AI அமைப்புகளையே முதன்மையாகப் பயன்படுத்துகின்றன.

டெலிவரி சொதப்பும் என்று முன்கூட்டியே கணிப்பது, முகவரிகளைப் பகுப்பாய்வு செய்வது மற்றும் விநியோக வழித்தடங்களை உகந்ததாக்குவது போன்ற பணிகளை XGBoost, Random Forest மற்றும் Deep Neural Networks போன்ற ML அல்காரிதம்களே மில்லி விநாடிகளில் துல்லியமாகச் செய்கின்றன.

இந்த AI அம்சங்கள் அவற்றின் (தாக்கத்தின் அடிப்படையில் - அதிகம் முதல் குறைவு வரை) கீழே விரிவாகக் கொடுக்கப்பட்டுள்ளன:

1. Dispatch-க்கு முந்தைய RTO மற்றும் மோசடி அபாயத்தைக் கணித்தல் (Pre-Dispatch Predictive RTO & Fraud Risk Scoring)

• செயல்பாடு (Mechanics): ஒரு வாடிக்கையாளர் ஆர்டர் செய்யும் போதே, அவரின் கடந்த கால வாங்கும் பழக்கம், கட்டண முறை, அவர் இருக்கும் பகுதியின் RTO வரலாறு ஆகியவற்றைக் கொண்டு அந்த ஆர்டருக்கான RTO அபாய அளவை (Risk Score - எ.கா: Low, Medium, High) AI கணிக்கிறது.

• தொழில்நுட்பச் செயலாக்கம் (Technical Implementation): லட்சக்கணக்கான முந்தைய வர்த்தகத் தரவுகளைக் கொண்டு பயிற்சி அளிக்கப்பட்ட Supervised Classification Models (XGBoost / Random Forest) மூலம் இது இயங்குகிறது. தொலைபேசி எண் சரிபார்ப்பு, COD ஆர்டர் வரலாறு, பின்கோடு RTO அடர்த்தி போன்றவை இதில் ஆய்வு செய்யப்படுகின்றன. அபாயம் அதிகமாக இருந்தால், OTP சரிபார்ப்பு அல்லது முன்பணம் கேட்கப்படும்.

• தாக்கம் (Strategic RTO Impact): மிக அதிகம் (High). தவறான எண்ணம் கொண்ட அல்லது போலி ஆர்டர்களை அனுப்பும் முன்பே தடுப்பதால், பொருட்கள் வீணாக அலைக்கழிக்கப்படுவதும், சரக்கு கட்டண இழப்பும் முற்றிலும் தவிர்க்கப்படுகின்றன.

• நடைமுறை உதாரணம் (Example): ஒரு வாடிக்கையாளர் ₹3,000 மதிப்பிலான காலணிகளை COD முறையில் ஆர்டர் செய்கிறார். AI கணினி அந்த தொலைபேசி எண்ணை ஆய்வு செய்து, அதற்கு முன் 80% RTO வரலாறு இருப்பதைக் கண்டறிகிறது. உடனடியாக கணினி அந்த ஆர்டரை நிறுத்திவிட்டு, வாடிக்கையாளரின் வாட்ஸ்அப் எண்ணிற்கு ₹50 முன்பணம் செலுத்துமாறு தானியங்கி செய்தி அனுப்புகிறது. அவர் செலுத்தவில்லை எனில், ஆர்டர் ரத்து செய்யப்பட்டு logistics செலவு மிச்சமாகிறது.

2. Natural Language Processing (NLP) அடிப்படையிலான முகவரி திருத்தம் மற்றும் தரப்படுத்துதல் (NLP-Based Dynamic Address Cleaning & Standardisation)

• செயல்பாடு: வாடிக்கையாளர்கள் அரைகுறையாக அல்லது தவறாகப் பதிவு செய்யும் இந்திய முகவரிகளைப் பகுப்பாய்வு செய்து, அவற்றைச் சரியான புவிசார் ஆயங்களாகவும் (geo-coordinates) டெலிவரி செய்யக்கூடிய முகவரிகளாகவும் மாற்றுகிறது.

• தொழில்நுட்பச் செயலாக்கம்: NLP மற்றும் Named Entity Recognition (NER) தொழில்நுட்பங்களைப் பயன்படுத்தி, முகவரியில் உள்ள கதவு எண், தெரு, லேண்ட்மார்க் போன்றவற்றைத் தனித்தனியாகப் பிரித்து, தவறான அல்லது விடுபட்ட பின்கோடுகளைக் கண்டறிந்து சரிசெய்கிறது.

• தாக்கம்: அதிகம். முதன்முறை டெலிவரி தோல்விக்குக் காரணமான "முகவரி கண்டுபிடிக்க முடியவில்லை" (Address Not Found) என்ற சிக்கலை இது நேரடியாகத் தீர்க்கிறது.

• நடைமுறை உதாரணம்: "பழைய பிள்ளையார் கோவில் பின்புறம், ஷர்மா ஸ்டோர் அருகில், வார்டு 4, ஜெய்ப்பூர்" என முழுமையற்ற முகவரி வந்தால், NLP மாடல் அதை ஆய்வு செய்து, விடுபட்ட 6-இலக்க பின்கோட்டைச் சேர்த்து, சரியான அட்சரேகை/தீர்க்கரேகையைக் (Latitude/Longitude) கண்டறிந்து டெலிவரி செய்பவரின் செயலியில் துல்லியமாகக் காட்டுகிறது.

3. தானியங்கி உரையாடல் NDR & தீர்வு அமைப்புகள் (Automated Conversational NDR & Escalation Engines)

• செயல்பாடு: டெலிவரி செய்பவர் ஒரு ஆர்டரை "வாடிக்கையாளர் இல்லை" அல்லது "வாங்க மறுத்துவிட்டார்" எனப் பதிவிட்ட அடுத்த கணமே, வாடிக்கையாளரைத் தொடர்புகொண்டு உண்மையைக் கண்டறியும் தானியங்கி அமைப்பு.

• தொழில்நுட்பச் செயலாக்கம்: Conversational AI, IVR மற்றும் WhatsApp Business API மூலம் இது செயல்படுகிறது. Logistics நிறுவனத்தின் API உடன் இணைந்து, டெலிவரி தோல்வி அடைந்த சில விநாடிகளில் வாடிக்கையாளருக்கு தானியங்கி அழைப்பு அல்லது செய்தி அனுப்பப்படும்.

• தாக்கம்: அதிகம் முதல் நடுத்தரம். டெலிவரி நபர்கள் பொய் சொல்வதைத் தடுத்து (Fake Delivery Attempts), வாடிக்கையாளர் விரும்பும் மாற்று நேரத்தைக் கண்டறிந்து RTO ஆவதைத் தடுக்கிறது.

• நடைமுறை உதாரணம்: டெலிவரி நபர் "வாடிக்கையாளர் வாங்க மறுத்துவிட்டார்" எனப் பதிவிடுகிறார். அடுத்த 60 விநாடிகளில், தானியங்கி குரல் பாட் (Voice Bot) வாடிக்கையாளரை அழைத்து, "இன்று உங்களைத் தொடர்புகொள்ள முயற்சித்தார்களா?" எனக் கேட்கிறது. வாடிக்கையாளர் "இல்லை" எனக் கூறினால், அந்தப் புகார் மேலதிகாரிகளுக்குச் சென்று, மறுநாளுக்கு டெலிவரி மீண்டும் மாற்றியமைக்கப்படுகிறது.

4. ஸ்மார்ட் கூரியர் தேர்வு மற்றும் வழித்தட ஒதுக்கீடு (Smart Courier Routing & Allocation Engines)

• செயல்பாடு: ஒவ்வொரு குறிப்பிட்ட ஆர்டருக்கும் எந்தக் கூரியர் நிறுவனம் (Delhivery, Shadowfax, Xpressbees போன்றவை) மிகச் சரியாக டெலிவரி செய்யும் என்பதைக் குறைந்த விலையை மட்டும் பார்க்காமல், அவர்களின் வரலாற்றுத் திறனை வைத்து AI தீர்மானிக்கிறது.

• தொழில்நுட்பச் செயலாக்கம்: Multi-Criteria Decision-Making (MCDM) அல்காரிதம்கள் மூலம் இயங்குகிறது. குறிப்பிட்ட பின்கோட்களில் ஒவ்வொரு கூரியர் நிறுவனத்தின் முதன்முறை டெலிவரி வெற்றி விகிதம் (FADR) மற்றும் RTO சதவீதத்தைக் கணக்கிட்டு ஆர்டர்களைப் பிரித்தளிக்கிறது.

• தாக்கம்: நடுத்தரம். குறிப்பிட்ட இடங்களில் கூரியர் நிறுவனங்களுக்கு ஏற்படும் தாமதம் மற்றும் சேவைப் பாதிப்புகளிலிருந்து வணிகங்களைப் பாதுகாக்கிறது.

• நடைமுறை உதாரணம்: அசாமிள் உள்ள ஒரு கிராமத்திற்குப் பார்சல் அனுப்ப வேண்டும். Courier A குறைவான கட்டணம் கேட்டாலும், AI கணினி Courier B தான் அந்தச் குறிப்பிட்ட பின்கோட்டில் 94% வெற்றி விகிதம் வைத்துள்ளது (Courier A-வின் வெற்றி விகிதம் 62% மட்டுமே) என்பதைக் கண்டறிந்து, பார்சலை Courier B-க்கு ஒதுக்குகிறது.

5. துல்லியமான வருகை நேரம் மற்றும் விருப்ப நேர ஒதுக்கீடு (Dynamic ETA & Preferred Delivery Slotting)

• செயல்பாடு: வாடிக்கையாளர் எந்த நேரத்தில் வீட்டில் அல்லது அலுவலகத்தில் இருப்பார் என்பதைக் கணித்து, அதற்கு ஏற்றவாறு டெலிவரி நேரத்தைத் திட்டமிடுகிறது.

• தொழில்நுட்பச்செயலாக்கம்: Predictive Time-Series Models மூலம் வாடிக்கையாளரின் முந்தைய வாங்கும் பழக்கம், போக்குவரத்து நெரிசல் மற்றும் முகவரி வகை (அலுவலகமா அல்லது வீடா) போன்ற தரவுகள் ஆய்வு செய்யப்படுகின்றன.

• தாக்கம்: குறைவு முதல் நடுத்தரம். "வாடிக்கையாளர் இல்லை" என்ற காரணத்தால் ஆர்டர் ரத்தாவதைக் குறைக்கிறது.

• நடைமுறை உதாரணம்: அலுவலக முகவரிக்கு வார இறுதியில் டெலிவரி செய்யும்போது தோல்வியடையும் என்பதை AI கணித்து, சனிக்கிழமையன்று பார்சலை நிறுத்திக் கிளஸ்டர் மையத்திலேயே வைத்துவிட்டு, திங்கள்கிழமை காலையில் டெலிவரி செய்யுமாறு திட்டமிடுகிறது.

சுருக்கம்

ஆர் கே நாராயணன் ஒரு பிரபல எழுத்தாளர். இப்போது இல்லை. ஊரில் உள்ள அனைவரையும் தெரிந்து வைத்திருக்கும் தபால்காரர் பற்றி ஒரு கதை எழுதி இருப்பார். இன்று பெரிய நகரங்களில் மக்கள் நெருக்கம் அதிகரித்து விட்டதால் அப்படி ஒரு தபால்காரர் சாத்தியமில்லை. மேலும் நாடு வளர வளர பித்தலாட்டக் காரர்கள் எண்ணிக்கையும் அதிகரித்துக் கொண்டே போகிறது. இதற்கு இடையே புதிய ஸ்டார்ட்அப் நிறுவனங்கள் தங்கள் தயாரிப்புகளை மேலதிக மக்களிடம் ஏமாறாமல் / ஏமாற்றாமல் கொண்டு சேர்த்து கல்லா கட்ட வேண்டிய அவசியமும் ஏற்பட்டுள்ளது.

இந்திய இ-காமர்ஸ் துறையில் RTO மற்றும் NDR சிக்கல்கள் ஸ்டார்ட்அப்களுக்கு மிகப்பெரிய நிதிச் சுமையாக இருந்து வருகின்றன. ஸ்டார்ட்அப்களுக்கு டெலிவரி செய்ய உதவும் நிறுவனங்கள் ஏஐ (AI/ML) உதவியுடன் தங்களை காத்துக் கொள்வதோடு ஸ்டார்ட்அப் நிறுவனங்களையும் காப்பாற்றுகின்றன. 

பெருமளவிலான தரவுகளைக் கொண்டு இயங்கும் இந்த மெஷின் லேர்னிங் (ML) மற்றும் AI தொழில் நுட்பங்கள், தவறான ஆர்டர்களைத் தொடக்கத்திலேயே தடுப்பதன் மூலமும், முகவரிகளைத் துல்லியமாக்குவதன் மூலமும் இந்திய logistics துறையின் லாபகரமான இயக்கத்திற்கு மிக முக்கியத் தூணாக உருவெடுத்துள்ளன.

உலகளாவிய பொருளாதாரமும் AI முதலீடுகளும்: நம்பிக்கையும் தொடரும் கவலைகளும்

ஹார்முஸ் நீரிணை (Strait of Hormuz) மோதல் மற்றும் அதனைத் தொடர்ந்து ஏற்பட்ட எாிபொருள் விலை உயர்வின் காரணமாக, உலகப் பொருளாதாரம் பெருமளவில் மந்தமடையும் (Decelerate) என்று உலக நாடுகள் அஞ்சின. ஆனால், எதிர்பார்த்த வீழ்ச்சி நிகழாமல் உலகப் பொருளாதாரம் தொடர்ந்து வளர்ச்சியைப் பதிவு செய்து வருகிறது.

இதற்குப் பல காரணங்கள் இருந்தாலும், செயற்கை நுண்ணறிவு (AI) துறையில் குவியும் மாபெரும் மூலதன முதலீடுகளே (Capital Investments) மிக முக்கிய இயக்குவிசையாக உருவெடுத்துள்ளன. உலகின் பல நாடுகள் AI தரவு மையங்களை (Data Centers) கட்டுவதில் தீவிரமாக இறங்கியுள்ளன. இது AI சேவையகங்கள் (Servers), சில்லுகள் (Chips), திரவக் குளிர்விப்பு அமைப்புகள் (Cooling Systems) மற்றும் மின்சார ஆற்றலுக்கான தேவையை பெருமளவில் உயர்த்தியுள்ளது.

அதே நேரத்தில், ஹார்முஸ் நீரிணைப் பதற்றம் நீடித்தாலும், கச்சா எண்ணெய் விலை சராசரியாக பேரலுக்கு $85-க்கு கீழேயே உள்ளது. சீனா தனது ஆற்றல் தேவையில் இந்த மூலத்தைச் சார்ந்திருப்பதை கணிசமாகக் குறைத்துக் கொண்டதும், பிற நாடுகள் மாற்று விநியோக வழிகளைக் கண்டறிந்து ஹார்முஸ் சார்பைக் குறைத்ததுமே இதற்கு முக்கியக் காரணம்.

இது குறித்து தி வால் ஸ்ட்ரீட் இதழில் (Wall Street Journal) ஜேசன் டக்ளஸ் (Jason Douglas) எழுதியுள்ள கட்டுரை, உலகப் பொருளாதாரத்தை AI முதலீடுகள் எவ்வாறு தாங்கிப் பிடிக்கின்றன என்பதை விரிவாக விவரிக்கிறது.

ஜேசன் டக்ளஸ் கட்டுரையின் முக்கியத் தலைப்பம்சங்கள்

• பொருளாதாரத்தின் முக்கிய இன்ஜின்: சர்வதேச வர்த்தக நெருக்கடிகள் மற்றும் போர்களுக்கு நடுவே, உலகப் பொருளாதாரத்தை வீழ்ச்சியடையாமல் தாங்கிப் பிடிக்கும் முதன்மை காரணியாக AI உள்கட்டமைப்பு முதலீடுகள் (Infrastructure Capex) செயல்படுகின்றன.

• மாபெரும் கட்டமைப்புச் செலவு: அமெரிக்கா (~$600B), தைவான், தென் கொரியா மற்றும் இந்தியா ($27B+) போன்ற நாடுகளின் ஜிடிபி (GDP) வளர்ச்சிக்கு AI சில்லுகள், சேவையகங்கள் மற்றும் தரவு மையங்களுக்கான பில்லியன் கணக்கிலான டாலர் முதலீடுகள் வலுவூட்டுகின்றன.

• வேலைவாய்ப்பும் தொழிற்துறையும்: AI சார்ந்த புதிய உள்கட்டமைப்பு மற்றும் எனர்ஜி கிரிட் விரிவாக்கம் பல்வேறு சார்புத் தொழில்களுக்குப் புதிய புத்துயிரைக் கொடுத்துள்ளது.

என்விடியா (NVIDIA) முடிவுகளும் சந்தையின் நம்பிக்கையும்

NVIDIA அமெரிக்காவின் ஒரு GPU மற்றும் AI சில்லுக்கள் தயாரிக்கும் முன்னணி நிறுவனம். 

AI உள்கட்டமைப்பில் இவ்வளவு பணத்தைக் கொட்டுகிறார்களே, இந்த முதலீட்டுப் போக்கு மந்தமடைந்து விடுமோ என்ற பயம் உலகச் சந்தையில் பெருமளவில் நிலவி வந்தது. ஆனால், என்விடியாவின் அண்மைக்கால நிதி முடிவுகள் உலகளாவிய முதலீட்டாளர்களின் அச்சத்தை சற்றே தணித்துள்ளன:

• வலுவான காலாண்டு வளர்ச்சி: என்விடியாவின் சாதனை வருவாய் எண்கள், உலகளாவிய தொழில்நுட்ப நிறுவனங்கள் மற்றும் ஹைப்பர்ஸ்கேலர்கள் AI சில்லுகளை வாங்குவதை நிறுத்தவில்லை என்பதைத் தெளிவுபடுத்தியுள்ளது.

• தரவு மையங்களின் தேவை: என்விடியாவின் டேட்டா சென்டர் பிரிவில் பதிவான அதிகபட்ச வருவாய், AI உள்கட்டமைப்புக்கான தேவை இன்னும் உச்சத்திலேயே இருப்பதை நிரூபித்துள்ளது.

• சந்தைக்குக் கிடைத்த நம்பிக்கை: AI முதலீட்டுப் போக்கில் தொய்வு ஏற்படுமோ என்ற உலகளாவிய அச்சத்தை என்விடியாவின் வளர்ச்சித் தரவுகள் தற்காலிகமாகக் கட்டுப்படுத்தி, சந்தைக்குப் புதிய நம்பிக்கையை அளித்துள்ளன.

இருந்த போதிலும் 'AI Bubble' அச்சம் தொடர்வது ஏன்?

என்விடியாவின் முடிவுகள் நம்பிக்கையளித்தாலும், உலகெங்கிலும் "AI குமிழி" (AI Bubble) வெடித்துவிடுமோ என்ற அச்சம் முற்றிலும் விலகவில்லை. அதற்குப் பின்னுள்ள முக்கியக் காரணங்கள்:

1. கடைநிலை நிறுவனங்கள் வருவாய் ஈட்டலில் தாமதம் (ROI Lag) 

தரவு மையங்களுக்கும் வன்பொருட்களுக்கும் பில்லியன் கணக்கில் செலவழிக்கப்பட்டாலும், அந்த முதலீட்டிற்கான உடனடி வருவாய் (Return on Investment) மென்பொருள் மற்றும் பயன்பாடுகள் (SaaS/Apps) மூலமாக இன்னும் கடைநிலை பயனர் நிறுவனங்களுக்கு இன்னமும் முழுமையாகக் கிடைக்கவில்லை.

• தரவு: கோல்ட்மேன் சாக்ஸ் மற்றும் கார்ட்னர் கணிப்புகளின்படி, உலகளவில் AI உள்கட்டமைப்புக்கான மொத்த மூலதனச் செலவு $1 டிரில்லியன் டாலரை நெருங்கியுள்ள நிலையில், அதில் $800B - $850B டாலர் அளவுக்குக் குறுகிய கால உள்கட்டமைப்பிலேயே குவிந்துள்ளது. ஆனால், பயிற்றுவிக்கப்பட்ட மாடல்களைப் பயன்படுத்தி கடைநிலை நிறுவனங்கள் ஈட்டும் மென்பொருள் வருவாய் இன்னும் மிகக் குறைந்த சதவீதத்திலேயே உள்ளது. இந்த வருவாய இடைவெளி (Monetization Gap) தொடர்வது பெரிய அபாயமாகும்.

2. கடன் அபாயம் (Debt Boom)

பெரும்பான்மை முன்னணி ஹைப்பர்ஸ்கேலர்கள் (அமேசான், மைக்ரோசாஃப்ட், கூகிள்) தங்களின் சொந்தச் செயல்பாட்டு லாபத்திலிருந்து முதலீடு செய்தாலும், பல நியோக்லவுட் (Neoclouds) மற்றும் தனியார் AI நிறுவனங்கள் அதிக அளவிலான கடன்கள் மற்றும் கடன் பத்திரங்கள் மூலமே நிதியைத் திரட்டுகின்றன. முதலீட்டிற்கான ROI மிகக் குறைவாக இருக்கும்போது, எதிர்கால நம்பிக்கையை மட்டும் வைத்துக்கொண்டு கடனில் இயங்குவது மிகப்பெரிய நிதியியல் அச்சுறுத்தலாகும்.

இதனை திருவள்ளுவர் அன்றே தெளிவுபடுத்தியுள்ளார்:

"தெளிவி லதனைத் தொடங்கார் இளிவென்னும்

ஏதப்பாடு அஞ்சு பவர்."

(பொருள்: பின்னணி மற்றும் வரும் பயனைத் தெளிவாக ஆராயாமல் ஒரு செயலைத் தொடங்கமாட்டார்கள்; அதனால் ஏற்படும் பழிச் சொல்லுக்கு அஞ்சுபவர்கள்.)

ROI பற்றிய தெளிவில்லாமல் கடனில் முதலீடுகளைக் குவிக்கும் நிறுவனங்களுக்கு இக்குறள் மிகக் கச்சிதமான எச்சரிக்கையாகும்.

3. வட்ட வடிவ நிதி சுழற்சி (Circular Funding) 

தான் வாலையே துரத்தும் நாயைப் போல இது சந்தையில் ஒரு உபயோகமில்லா அசைவு அல்லது போலி வளர்ச்சியைக் (Phantom Growth) காட்டும் தந்திரமாகும். பெரிய தொழில்நுட்ப நிறுவனங்கள் (Hyperscalers) புதிய AI ஸ்டார்ட்-அப் நிறுவனங்களுக்கு மாபெரும் தொகையை முதலீடாக அளிக்கின்றன. அந்த ஸ்டார்ட்-அப்கள் அதே பணத்தைக் கொண்டு, தன் மீது முதலீடு செய்த நிறுவனத்தின் கிளவுட் சேவைகளையும் என்விடியா போன்ற நிறுவனங்களின் சில்லுகளையும் வாங்குகின்றன.

• இது ஒரு பொன்சி திட்டம் (Ponzi Scheme) போல, புதிய வெளிப்புறப் பணப் புழக்கம் இல்லாதபோதும் செயற்கையான தேவையைத் திரையில் காட்டுகிறது. இந்த சங்கிலித் தொடர் ஏதேனும் ஒரு இடத்தில் உடைந்தால், ஒட்டுமொத்த AI மதிப்பீடும் சீட்டுக்கட்டு போல் சரிந்துவிடும்.

சுருக்கம்

AI முதலீடுகள் உலகப் பொருளாதாரத்தை மந்தநிலையிலிருந்து காப்பாற்றும் ஒரு வலுவான தூணாகச் செயல்பட்டு வந்தாலும், என்விடியாவின் நிதி முடிவுகள் தற்காலிக நம்பிக்கையை அளித்திருந்தாலும், உண்மையான பயன்பாட்டு வருவாய் (ROI) உருவாகாதவரை AI குமிழி பற்றிய அச்சம் உலக சந்தையைத் தொடர்ந்து அச்சுறுத்தவே செய்யும்.

டிரைவர் இல்லாத எலக்ட்ரிக் டாக்ஸிகள்: சான் பிரான்சிஸ்கோ முதல் இந்தியா வரை ஒரு பார்வை

அமேசான் நிறுவனத்திற்குச் சொந்தமான Zoox, ஸ்டீயரிங் வீல் மற்றும் பெடல்கள் இல்லாத "டோஸ்டர்" (Toaster) வடிவ எலக்ட்ரிக் ரோபோடாக்ஸிகளை சான் பிரான்சிஸ்கோ மற்றும் லாஸ் வேகாஸ் நகரங்களில் வணிக ரீதியாக அறிமுகப்படுத்திப் பரபரப்பை ஏற்படுத்தியுள்ளது! டிரைவர் இல்லாத டாக்ஸிகளின் தற்போதைய தொழில்நுட்ப நிலை, விதிகள், சந்தை நிலவரம் மற்றும் பயனர் கருத்துக்கள் பற்றிய ஒரு விரிவான பார்வை இதோ:

1. சட்ட விதிகள் மற்றும் கட்டுப்பாடுகள் (Regulations)

மனித டிரைவர்கள் இல்லாத வாகனங்களை இயக்குவது எளிதானது அல்ல.

• அமெரிக்க ஃபெடரல் அனுமதி: அமெரிக்காவின் National Highway Traffic Safety Administration - (NHTSA)  அமைப்பு, ஸ்டீயரிங் வீல் மற்றும் பெடல்கள் இல்லாத சிறப்பு வாகனங்களை இயக்க Zoox போன்ற நிறுவனங்களுக்குத் தற்காலிக விலக்குகளை வழங்கி அனுமதி அளித்துள்ளது.

• இயக்கக் கட்டுப்பாடுகள் (Operational Boundaries): தற்போதைய சட்டப்படி, இத்தகைய ரோபோடாக்ஸிகள் மணிக்கு 45 மைல் (சுமார் 72 கி. மீ) வேகத்திற்கு மேல் செல்லக்கூடாது. மேலும் மிகக் கடுமையான மழை, பனிப்பொழிவு போன்ற காலநிலைகளின் போது இவை இயங்கக் கட்டுப்பாடு விதிக்கப்பட்டுள்ளது.

• மாநில அனுமதி: கலிபோர்னியா (CPUC/DMV) மற்றும் நெவாடா மாநிலங்களின் போக்குவரத்துத் துறைகளின் சிறப்பு அனுமதியைப் பெற்றே இவை இயக்கப்படுகின்றன.

2. முன்னணி நிறுவனங்கள் மற்றும் சந்தை நிலவரம்

உலகளாவிய ரோபோடாக்ஸி சந்தையின் மதிப்பு தற்போது $1.2 பில்லியன் முதல் $1.6 பில்லியன் டாலரை எட்டியுள்ளது. இதில் வட அமெரிக்கா மற்றும் அமெரிக்காவின் பங்களிப்பு 50% முதல் 80%-க்கும் மேல் உள்ளது.

• Waymo: வாரத்திற்கு 5,00,000-க்கும் மேற்பட்ட கட்டணப் பயணங்களை வழங்கி அமெரிக்காவின் மிகப்பெரிய ஆதிக்க சக்தியாக விளங்குகிறது.

• Zoox: ஓட்டுநரே தேவைப்படாத வகையில் பிரத்யேகமாக வடிவமைக்கப்பட்ட டோஸ்டர் வடிவ டாக்ஸிகளுடன் Waymo-விற்கு கடும் போட்டியைக் கொடுத்து வருகிறது.

3. பிற நாடுகளில் டிரைவர் இல்லாத டாக்ஸிகள்

அமெரிக்காவைத் தாண்டி பல நாடுகளில் ரோபோடாக்ஸிகள் பயன்பாட்டில் உள்ளன:

• சீனா: உலகிலேயே மிக அதிக எண்ணிக்கையிலான ரோபோடாக்ஸிகளை இயக்கிக் கொண்டிருக்கிறது. Baidu (Apollo Go), Pony.ai, மற்றும் WeRide ஆகிய நிறுவனங்கள் வுஹான், பெய்ஜிங், ஷென்ஜென் போன்ற நகரங்களில் தினமும் ஆயிரக்கணக்கான பயணங்களை இயக்குகின்றன.

• ஐக்கிய அரபு அமீரகம் (UAE): துபாய் மற்றும் அபுதாபியில் 2030-க்குள் 25% போக்குவரத்தைத் தானியங்கியாக மாற்றும் திட்டத்தின் கீழ் WeRide மற்றும் Cruise டாக்ஸிகள் இயக்கப்படுகின்றன.

• ஜப்பான் & சிங்கப்பூர்: டோக்கியோ மற்றும் சிங்கப்பூரின் குறிப்பிட்ட பகுதிகளில் ரோபோடாக்ஸி சேவைகள் சோதனை முறையில் இயக்கப்பட்டு வருகின்றன.

4. வாடிக்கையாளர் கருத்துக்கள் மற்றும் குறைபாடுகள்

நேர்மறையான கருத்துக்கள்:

• தனியுரிமை & அமைதி: ஓட்டுநர் இல்லாததால் எந்தவிதமான தேவையற்ற பேச்சோ அல்லது தனியுரிமை (Privacy) மீறலோ (ஓட்டுனர் நாம் பேசுவதை கேட்டுக் கொண்டிருக்கிறார் என்ற அச்சம்) இல்லாமல் அமைதியாகப் பயணிக்க முடிகிறது.

• பாதுகாப்பான வாகனம்: திடீர் லேன் மாற்றங்கள் அல்லது அதிவேக ஓட்டம் இல்லாமல் AI மாடல்கள் மிகவும் நிதானமாக இயக்குகின்றன.

• உள்புற வசதிகள்: Zoox டாக்ஸிகளில் பயணிகள் நேருக்கு நேர் அமர்ந்து பேசும் வசதி, ஒயர்லெஸ் சார்ஜிங் மற்றும் கண்ணாடி மேற்கூரை ஆகியவை பயனர்களைக் கவர்ந்துள்ளன.

எதிர்மறையான குறைபாடுகள்:

• பிக்கப் / டிராப் சிக்கல்கள்: மனித ஓட்டுநர்களைப் போலச் சாலையின் ஓரத்திலோ அல்லது டிராஃபிக் உள்ள இடத்திலோ டாக்ஸியை நிறுத்த முடியாது. நியமிக்கப்பட்ட பாதுகாப்பான இடங்களில் மட்டுமே டாக்ஸி நிற்கும் என்பதால் பயணிகள் சில தூரம் நடந்து செல்ல வேண்டியுள்ளது. நம் ஊரைப் போல நடு ரோட்டில் கையைக் காட்டி ஏறுவதும், "சித்த இங்கேயே நிறுத்துப்பா" என்று வேண்டிய இடத்தில் இறங்கிக் கொள்வதும் இயலாத காரியம். வரையறுக்கப் பட்ட இடங்களில் மட்டுமே வாகனம் நிற்கும். "மீட்டருக்கு மேல்" அல்லது டிப்ஸ் என்ற பெயரில் ஏழை டிரைவரை விருப்பப்படி ஆட்டி வைக்க இயலாது. 

• அதி நிதானம் (Overly Cautious): அவசர ஊர்திகள் அல்லது சாலைப் பணிகள் நடக்கும் இடங்களில் AI குழப்பமடைந்து, வண்டி ஒரே இடத்தில் நின்றுவிடும் (Bricking - வாகனம் செங்கல் போல நின்று விடும்) சம்பவங்களும் நடக்கின்றன.

• வாகன சுகாதாரம்: முன் பயணி விட்டுச்சென்ற குப்பைகளைச் சுத்தம் செய்ய டிரைவர் இல்லாததால், அடுத்த பயணிக்குச் அசௌகரியம் ஏற்பட வாய்ப்புள்ளது. தொலைதூர கண்காணிப்பு (remote monitoring) மூலம் வெளிநாடுகளில் இத்தகைய பிரச்சினைகளை தீரக்கிறார்கள்.

5. இந்தியாவில் டிரைவர் இல்லாத டாக்ஸிகள் வருமா? ஏன் பல தசாப்தங்களுக்குச் சாத்தியமில்லை?

அமெரிக்கா மற்றும் சீனாவில் ரோபோடாக்ஸிகள் பட்டையைக் கிளப்பினாலும், இந்தியாவில் டிரைவர் இல்லாத டாக்ஸிகள் வருவதற்கு இன்னும் பல தசாப்தங்கள் (Decades) ஆகும். அதற்கான முக்கியக் காரணங்கள்:

• கட்டுப்பாடற்ற போக்குவரத்து (Traffic Indiscipline): இந்தியாவில் லேன் ஒழுங்குமுறை (Lane Discipline) என்பது பெயரளவிலேயே உள்ளது. சிக்னல்களை மதிக்காமல் செல்வது, "லெஃப்ட்ல இன்டிகேட்டர் போட்டுட்டு ரைட்ல திரும்புவது", தவறான பாதையில் (Wrong side) வாகனங்களை ஓட்டுவது மற்றும் திடீரென குறுக்கே பாயும் வாகனங்களைக் கணிப்பது AI-க்கு மிகப்பெரிய சவாலாகும்.

• கணிப்பிட முடியாத தடைகள்: வீதிகளில் திரியும் மாடுகள், நாய்கள், சாலையில் உள்ள குழிப்பள்ளங்கள், மற்றும் நடைபாதை இல்லாததால் சாலையில் நடக்கும் பாதசாரிகள்—இவை அனைத்தையும் கடந்து ஒரு AI அமைப்பால் பாதுகாப்பாக இயங்க முடியாது.

• முறைசாரா சாலை உள்கட்டமைப்பு: துல்லியமான HD 3D வரைபடங்கள் (Maps) மற்றும் தெளிவான சாலைக் குறியீடுகள் (Road Markings) இல்லாத சூழலில் ரோபோடாக்ஸிகளின் சென்சார்கள் பாதுகாப்பு கருதி செயலிழந்துவிடும்.

இந்தியப் பயணிகளுக்கு விடிவுகாலம் தான் என்ன?

டிரைவர் இல்லாத அதிநவீன தொழில்நுட்பக் கார்கள் இந்தியாவில் வர வாய்ப்பே இல்லை என்பதால், நம்மூர் மக்களுக்கு ஆட்டோ மற்றும் டாக்ஸி டிரைவர்களின் கட்டணக் கொள்ளையிலிருந்தும், "மீட்டருக்கு மேல சவாரி" கேட்பதிலிருந்தும், "அந்த ஏரியாவுக்கு வரமாட்டேன்" என்ற மறுப்புகளிலிருந்தும். "திரும்பி வரும் சார்ஜ் கொடுத்தால் வருகிறேன்" என்ற அடாவடிகளில் இருந்தும் அடுத்த பல தசாப்தங்களுக்கு எந்தவொரு விடிவுகாலமும் கிடைக்கப்போவதில்லை என்பதுதான் கசப்பான உண்மை!

World Model AI: செயற்கை நுண்ணறிவின் அடுத்த கட்ட நகர்வு!

இன்றைய AI உலகம் சாட்பாட்களையும் (ChatBot), உரை (Text) உருவாக்கும் மாடல்களையும் தாண்டி, அடுத்த கட்டத்திற்கு நகரத் தொடங்கியுள்ளது. அதைப் பற்றிய ஒரு பதிவு இது:

1. World Model AI என்றால் என்ன?

World Model AI என்பது நமது இயற்பியல் உலகத்தின் இயக்கம் மற்றும் விதிகளைத் தன் உள்ளுக்குள் ஒரு வரைபடமாக (Internal Representation) உருவாக்கிக் கொள்ளும் ஒரு செயற்கை நுண்ணறிவு அமைப்பாகும். இது வெறும் உரைகளைச் செயலாக்குவதற்குப் பதிலாக, "நான் இந்த இடத்தில் ஒரு செயலைச் செய்தால், இந்த உலகத்தில் என்ன மாற்றம் நிகழும்?" எனும் காரண-காரியத் தொடர்புகளைப் (Causal Dynamics) புரிந்து கொள்கிறது.

2. World Model vs GPT-யின் Next-Token Prediction

GPT போன்ற பெரிய மொழி மாடல்களும் (LLMs), World Model-களும் இயங்கும் விதத்தில் அடிப்படை வித்தியாசம் உள்ளது:

• GPT (Next-Token Prediction): கொடுக்கப்பட்ட சொற்களுக்கு அடுத்து புள்ளிவிவர (Probability) அடிப்படையில் எந்தச் சொல் (Token) வரும் என்பதை மட்டுமே கணிக்கும்.

• World Model: ஒரு சூழலின் அடுத்த கட்ட நிலையை (State) கணிக்கும். அதாவது, மொழியின் எல்லைக்குள் இயங்காமல், நிஜ உலகத்தின் இயற்பியல் விதிகளுக்குள் இயங்குகிறது.

3. உலக உரை முழுவதையும் படித்தாலும் ஏன் ஒரு World Model-ஐ உருவாக்க முடியாது?

மனிதர்கள் தினமும் உணரும் புவிஈர்ப்பு விசை, வேகத்தின் தாக்கம், ஒரு பொருள் கீழே விழுந்தால் உடையும் தன்மை, 3D அறிவு போன்றவை மொழியில் எழுதப்படாத "இயற்கையான புரிதல்கள்" ஆகும். நாம் ஒரு கண்ணாடியைக் கீழே போட்டால் உடையும் என்பதைப் புத்தகங்களைப் படித்துத் தெரிந்துகொள்வதில்லை; அனுபவ பூர்வமாகப் பார்க்கிறோம். கண்ணாடி டம்ளரை சில சமயம் மேஜை மேல் 'ணங்' என்று வைத்தாலும் உடையாது என்பதை புத்தகம் சொல்வதில்லை. மனைவிதான் நமக்கு  உணர்த்துகிறார்.  உரை (Text) என்பது உலகத்தின் ஒரு சிறிய சுருக்கம் மட்டுமே. எனவே, வெறும் உரையை மட்டும் வைத்து முழு உலகத்தின் இயற்பியல் இயக்கத்தை AI-க்குக் கற்றுக்கொடுக்க முடியாது.

4. World Model AI-ன் முக்கியப் பயன்பாடுகள்

• ரோபோடிக்ஸ் (Robotics & Physical AI): மனிதர்களைப் போல வீடுகளிலும் தொழிற்சாலைகளிலும் ஆபத்தின்றிச் செயல்படும் ரோபோக்களை உருவாக்குதல்.

• தானியங்கி வாகனங்கள் (Autonomous Driving): எதிர்பாராத சாலை விபத்துகள் மற்றும் பாதசாரிகளின் நகர்வுகளை முன்கூட்டியே கணித்து இயங்குதல்.

• கேமிங் & மெய்நிகர் உலகம் (Interactive Gaming): 3D உலகங்களை உடனுக்குடன் உருவாக்கும் திறனை வழங்குதல் (எ.கா: DeepMind-ன் Genie).

• தொழில்துறை உருவகப்படுத்துதல் (Simulation): சிக்கலான இயற்பியல் சோதனைகள் மற்றும் மருந்துக் கண்டுபிடிப்புகளை மெய்நிகராகச் செய்து பார்த்தல்.

5. World Model பயன்பாட்டினால் எதிர்கால உலகம் எப்படி இருக்கும்?

இன்றைய ரோபோக்கள் (Robo) அல்லது ஹியூமநாயட்கள் (Humanoid) புத்தகத்தில் எழுதிய விதிகளை (symbolic rules) உபயோகித்து வடிவமைக்கப் படுகின்றன. மேலே கூறியபடி எவ்வளவுதான் புத்தகம் படித்தாலும் 'ஏட்டுச் சுரைக்காய் கறிக்கு உதவாது' எந்த கூற்றுக்கு ஏற்ப அனுபவ அறிவு என்பது  துல்லியமான, பிழையில்லாத செயல்பாட்டுக்கு முக்கியம். அந்த அனுபவ அறிவை ரோபோக்கள் பெற்றால் எப்படி இருக்கும்?

 

எதிர்காலத்தில், ரோபோக்கள் முன்பே திட்டமிடப்பட்ட கட்டளைகள் இல்லாமல், சூழ்நிலைக்கு ஏற்பத் தானே யோசித்துச் செயல்படும். ஒரு மனித உருவ ரோபோ (Humanoid) உங்கள் வீட்டின் சமையலறையில் பொருட்களையோ பாத்திரங்களையோ உடைக்காமல் பாதுகாப்பாக வேலை செய்யும். ஓட்டுநர் இல்லாத கார்கள் கடுமையான வானிலையிலும் துல்லியமாக இயங்கும். அது கவனாமாக வேலை செய்யும் போது நீங்கள் இடைஞ்சல் செய்தால் உங்களை திட்டக் கூட செய்யலாம். நீங்கள் கேட்ட காபியை கொண்டு வந்து 'ணங்' என்று உங்கள் முன் வைத்து விட்டுப் போகக் கூடும்.

6. வேர்ல்ட் மாடல் ஆராய்ச்சி செய்யும் முன்னணி நிறுவனங்கள்

• Meta (FAIR): யான் லெகுன் (Yann LeCun) தலைமையில் V-JEPA போன்ற கட்டிடக்கலைகளை உருவாக்குகிறது.

• NVIDIA: NVIDIA Cosmos மற்றும் Isaac Sim மூலம் ரோபோடிக்ஸிற்கான இயற்பியல் AI-ஐ உருவாக்குகிறது.

• Google DeepMind: DreamerV3 மற்றும் Genie மாடல்கள் மூலம் சூழல்களை உருவகப்படுத்துகிறது.

• Runway & World Labs: 3D மற்றும் வீடியோ அடிப்படையிலான World Model-களை உருவாக்குகின்றன.

7. மொழி மாடல்களுடன் ஒப்பிடும்போது இதன் தற்போதைய வளர்ச்சி நிலவரம்

மொழி மாடல்கள் (LLMs) இன்று வணிக ரீதியாகப் பெருமளவில் வளர்ச்சி அடைந்துவிட்டன. ஆனால், World Model AI என்பது LLM-கள் 2018–2020 காலக்கட்டத்தில் இருந்த ஆரம்பக்கட்ட வளர்ச்சி நிலையிலேயே உள்ளது. இதற்கான அடிப்படை மாதிரிகள் நிரூபிக்கப்பட்டிருந்தாலும், முழுமையான பயன்பாட்டுக்கு வர இன்னும் சில ஆண்டுகள் ஆகும்.

8. எதிர்கொள்ளும் முக்கிய சவால்கள்

• தரவுப் பற்றாக்குறை (Data Scarcity): இணையத்தில் உரைத் தரவு (Text Data) ஏராளமாக உள்ளது, ஆனால் உயர்தர 3D/வீடியோ இயற்பியல் தரவுகள் மிகக் குறைவு.

• அதிக கணக்கீட்டுச் செலவு (Compute Cost): 3D physics மற்றும் வீடியோக்களை உடனுக்குடன் கணக்கிட அதிக அளவிலான GPU கணக்கீட்டுத் திறன் தேவை.

• தவறுகளின் பெருக்கம் (Model Drift): AI கணிக்கும் சிறு பிழைகள், நேரமாக ஆகப் பெரிய தவறுக்கு வழிவகுத்து, அதன் உள் உலக உருவகப்படுத்துதலைச் சிதைத்துவிடும்.

சுருக்கம்:

சுருக்கமாகச் சொன்னால், AI-ஐ வெறும் "பேசும் கருவியாக" வைத்திருக்காமல், உலகத்தைப் புரிந்து "செயல்படும் கருவியாக" மாற்றுவதே இந்த World Model AI!

AI ஏஜென்ட்கள் தூங்குவதில்லை... ஆனால் அவை நிறுவனர்களைத் தூங்க விடுவதுமில்லை!

 Wall Street Journal-ல் சமீபத்தில் வெளியான ஒரு சுவாரஸ்யமான கட்டுரை, செயற்கை நுண்ணறிவு (AI) உலகைப் பற்றிய ஒரு புதிய பக்கத்தை வெளிச்சத்திற்குக் கொண்டுவந்துள்ளது.

1. ஆட்களே இல்லாத மில்லியன் டாலர் ஸ்டார்ட்அப்கள்

இன்றைய காலகட்டத்தில், மனித ஊழியர்களே இல்லாமல் முற்றிலும் AI ஏஜென்ட்களை (AI Agents) மட்டுமே ஊழியர்களாகக் கொண்டு மில்லியன் டாலர் மதிப்புள்ள ஸ்டார்ட்அப்களை நிறுவனர்கள் (Founders) உருவாக்கத் தொடங்கியுள்ளனர்.

2. எதிர்பார்ப்பு: கடற்கரையில் ஓய்வு... கல்லா கட்டும் தானாக!

மனிதர்களுக்குப் பதிலாக AI ஏஜென்ட்கள் 24 மணி நேரமும் வேலை செய்யும் போது, நிறுவனர்கள் தங்கள் குடும்பத்துடனும் நண்பர்களுடனும் நிம்மதியாக சுற்றுலா சென்று கொண்டிருப்பார்கள், வருமானம் தானாக வந்துகொண்டே இருக்கும் என்றுதானே நாம் நினைப்போம்?

3. நிஜ நிலைமை: தூக்கமில்லா இரவுகள்!

ஆனால், கள நிலவரம் முற்றிலும் தலைகீழாக இருக்கிறது! AI ஏஜென்ட்களை வைத்துள்ள நிறுவனர்கள் தான் முன்பை விட அதிகமாக உழைக்கிறார்கள், தூக்கத்தை இழக்கிறார்கள், கடும் மன அழுத்தத்திற்கு ஆளாகிறார்கள்.

4. நிறுவனர்களின் தூக்கத்தைக் கெடுக்கும் 3 முக்கிய காரணங்கள்:

• 4.1. மனித அனுமதி தேவைப்படும் தடுப்புக்கல் (HITL - Human in the Loop):
  
  AI ஏஜென்ட்கள் முழுமையான சுயாட்சி (Full Autonomy) கொண்டவை அல்ல. அவை பாதுகாப்பு, நிதி அனுமதி அல்லது ஏதேனும் சந்தேகங்கள் வரும்போது மனிதர்களின் ஒப்புதலைக் கேட்கும்.

உதாரணம்: கேமிங்/மென்பொருள் நிறுவனரான ஆதித்யா சர்மா (Aditya Sharma - Keel co-founder), நள்ளிரவு 2 மணிக்கு AI ஏஜென்ட் கேட்கும் ஒரு சிறிய அனுமதிக்கு உடனடியாக பதிலளிக்கவில்லை என்றால், அது அடுத்த 6 மணி நேரம் வேலை செய்யாமல் சும்மா நின்றுவிடும். "ஏஜென்ட் சும்மா இருக்கும் நேரமும் பண இழப்பே" என்பதால், அவர் விடியற்காலை 6 மணி வரை தூங்காமல் விழித்திருக்கிறார்!

• 4.2. கட்டுக்கடங்காமல் பெருகும் வாடிக்கையாளர்கள் (Scaling Friction):
  
  AI ஏஜென்ட்கள் மிக வேகமாகக் வாடிக்கையாளர்களைச் சேர்க்கின்றன (Customer Onboarding). ஆனால், அவர்களுக்குத் தேவையான தனிப்பயனாக்கப்பட்ட (Customization) வேலைகளையும் சேவைகளையும் மனிதரான நிறுவனர் தான் செய்து தர வேண்டும்.

உதாரணம்: பீட்டர் பெஸாரிஸ் (Peter Pezaris - Proxon founder) என்பவரது AI ஏஜென்ட்கள் மிக வேகமாக புதிய வாடிக்கையாளர்களைச் சேர்த்தன. ஆனால், அதன் பிறகு வந்த வேலைப்பளு அனைத்தும் நிறுவனரின் தலைமேல் விழுந்ததால், அவரால் ஒரு நிமிடம் கூட ஓய்வெடுக்க முடியாமல் போனது.

• 4.3. தொடர் தொழில்நுட்ப மாற்றமும் பயமும் (Model Evolution & FOMO):
  
  அடிப்படையில் உள்ள AI மாடல்கள் (Base Models) தினமும் அதிவேகமாக வளர்ச்சி அடைகின்றன.

உதாரணம்: அஜய் காலியா (Ajay Kalia - Alt founder) போன்ற நிறுவனர்கள், புதிய AI மாடல்கள் வரும்போதெல்லாம் தங்கள் ஏஜென்ட்களை இன்னும் திறமையாக்க புதிய அம்சங்களைச் (Features) சேர்த்துக்கொண்டே இருக்கிறார்கள். "நாம் சற்று மந்தமாக  இருந்தாலும் போட்டி நிறுவனங்கள் நம்மை முந்திவிடும்" என்ற பயமும் (FOMO - Fear Of Missing Out), தொழில்நுட்பத்தின் மீதான தீவிர ஆர்வமும் அவர்களைத் தொடர்ந்து வேலை செய்ய வைக்கின்றன.

சுருக்கம்

AI ஏஜென்ட்கள் மனித உழைப்பைக் குறைக்கும் என்று நம்பப்பட்டது. ஆனால், இன்றைய நடைமுறையில் அவை நிறுவனர்களை 24 மணி நேரமும் இயங்கும் ஒரு "சூப்பர்வைசராக" மாற்றி, அவர்களின் தூக்கத்தையும் நிம்மதியையும் பறித்துள்ளன!