ਕਿਉਂ AI ਮੁਨਾਫ਼ੇ ਵਿੱਚ ਵਾਧਾ Wall Street ਦੀਆਂ ਉੱਚ ਉਮੀਦਾਂ ਤੋਂ ਪਿੱਛੇ ਰਹਿ ਸਕਦਾ ਹੈ

Wall Street ਇਸ ਸਮੇਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੁਆਰਾ ਚਲਾਏ ਗਏ ਕਾਰਪੋਰੇਟ ਮੁਨਾਫ਼ੇ ਵਿੱਚ ਇੱਕ ਵੱਡੇ ਉਛਾਲ ਦੀ ਉਮੀਦ ਕਰ ਰਿਹਾ ਹੈ, ਪਰ ਇੱਕ ਵਧਦੀ ਹੋਈ ਚੇਤਾਵਨੀ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ ਇਹ ਸਮਾਂ-ਸੀਮਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਉਤਸ਼ਾਹਜਨਕ ਹੋ ਸਕਦੀ ਹੈ। Apollo ਦੇ ਮੁੱਖ ਅਰਥ ਸ਼ਾਸਤਰੀ, Torsten Slok ਦਾ ਤਰਕ ਹੈ ਕਿ ਗੈਰ-ਤਕਨੀਕੀ ਖੇਤਰਾਂ ਵਿੱਚ AI-ਅਧਾਰਿਤ ਮਾਰਜਿਨ ਦਾ ਅਸਲ ਲਾਭ ਮਿਲਣ ਵਿੱਚ ਮੌਜੂਦਾ ਮਾਰਕੀਟ ਅਨੁਮਾਨਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੱਗ ਸਕਦਾ ਹੈ।

ਤਕਨੀਕੀ ਮੁਲਾਂਕਣ ਅਤੇ ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ ਅਪਣਾਉਣ ਵਿਚਕਾਰ ਅੰਤਰ

ਕਈ AI ਕੰਪਨੀਆਂ ਦਾ ਮੌਜੂਦਾ ਮੁਲਾਂਕਣ ਇੱਕ ਇਕੱਲੇ, ਵਿਸ਼ਾਲ ਅਨੁਮਾਨ 'ਤੇ ਟਿਕਿਆ ਹੋਇਆ ਹੈ: ਕਿ S&P 493—ਜਿਸ ਵਿੱਚ "Magnificent Seven" ਤਕਨੀਕੀ ਦਿੱਗਜਾਂ ਨੂੰ ਸ਼ਾਮਲ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ—AI ਇੱਕੀਕਰਨ ਰਾਹੀਂ ਮਾਰਜਿਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ ਦੇਖੇਗਾ। ਜਦੋਂ ਕਿ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਪਹਿਲਾਂ ਹੀ ਆਟੋਮੇਸ਼ਨ ਦੇ ਲਾਭ ਦੇਖ ਰਹੀਆਂ ਹਨ, ਵਿਆਪਕ ਅਰਥਵਿਵਸਥਾ ਇੱਕ ਵੱਖਰੀ ਕਹਾਣੀ ਦੱਸਦੀ ਹੈ।

Slok ਦੇ ਅਨੁਸਾਰ, ਇਸ ਸਮੇਂ ਕੋਈ ਅਜਿਹਾ ਮਹੱਤਵਪੂਰਨ ਸਬੂਤ ਨਹੀਂ ਹੈ ਕਿ AI ਮੁੱਖ ਤਕਨੀਕੀ ਖੇਤਰ ਤੋਂ ਬਾਹਰ ਦੀਆਂ ਉਦਯੋਗਾਂ ਵਿੱਚ ਮੁਨਾਫ਼ੇ ਦੇ ਮਾਰਜਿਨ ਨੂੰ ਵਧਾ ਰਿਹਾ ਹੈ। ਮਾਰਕੀਟਾਂ ਤੇਜ਼ੀ ਨਾਲ ਕਮਾਈ ਦੇ ਵਾਧੇ ਦੀ ਉਮੀਦ ਕਰ ਰਹੀਆਂ ਹਨ, ਫਿਰ ਵੀ ਇਹਨਾਂ ਮੁਲਾਂਕਣਾਂ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਅਸਲ ਕੈਸ਼ ਫਲੋ (cash flows) ਬਹੁਤ ਪਿੱਛੇ ਰਹਿ ਸਕਦੇ ਹਨ। ਜੇਕਰ ਉਤਪਾਦਕਤਾ ਕ੍ਰਾਂਤੀ ਪੰਜ ਮਹੀਨਿਆਂ ਦੀ ਬਜਾਏ ਪੰਜ ਸਾਲ ਲੈ ਲੈਂਦੀ ਹੈ, ਤਾਂ ਉਦਯੋਗ ਨੂੰ AI ਸ਼ੇਅਰਾਂ ਦੀ ਦਰਦਨਾਕ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਰੀ-ਪ੍ਰਾਈਸਿੰਗ (repricing) ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ।

ਨਿਯੰਤਰਿਤ ਉਦਯੋਗਾਂ ਵਿੱਚ ਸੰਰਚਨਾਤਮਕ ਰੁਕਾਵਟਾਂ

ਉਤਪਾਦਕਤਾ ਦੇ ਲਾਭਾਂ ਵਿੱਚ ਦੇਰੀ ਸਿਰਫ਼ ਹੌਲੀ ਅਪਣਾਉਣ ਦਾ ਮਾਮਲਾ ਨਹੀਂ ਹੈ; ਇਹ ਉਹਨਾਂ ਗੁੰਝਲਦਾਰ ਵਾਤਾਵਰਣਾਂ ਦਾ ਨਤੀਜਾ ਹੈ ਜਿਸ ਵਿੱਚ ਕਈ ਵਿਸ਼ਵਵਿਆਪੀ ਉਦਯੋਗ ਕੰਮ ਕਰਦੇ ਹਨ। ਸਿਹਤ ਸੰਭਾਲ, ਬੈਂਕਿੰਗ, ਊਰਜਾ, ਫਾਰਮਾਸਿਊਟੀਕਲ ਅਤੇ ਨਿਰਮਾਣ ਵਰਗੇ ਉੱਚ-ਨਿਯੰਤਰਿਤ ਖੇਤਰਾਂ ਵਿੱਚ, AI ਇੱਕੀਕਰਨ ਦਾ ਰਸਤਾ ਰੁਕਾਵਟਾਂ ਨਾਲ ਭਰਿਆ ਹੋਇਆ ਹੈ।

ਸਖ਼ਤ ਪ੍ਰਾਈਵੇਸੀ ਦੀਆਂ ਲੋੜਾਂ, ਸਖ਼ਤ ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ, ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਵੱਡੇ ਬਦਲਾਅ ਦੀ ਲੋੜ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ ਉਦਯੋਗ ਕਿਸੇ ਸਾਫਟਵੇਅਰ ਸਟਾਰਟਅੱਪ ਵਾਂਗ ਤੇਜ਼ੀ ਨਾਲ ਨਹੀਂ ਬਦਲ ਸਕਦੇ। ਇਹ ਸੰਸਥਾਗਤ ਰੁਕਾਵਟਾਂ ਉਸ ਗਤੀ 'ਤੇ ਬ੍ਰੇਕ ਵਜੋਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਜਿਸ ਨਾਲ ਕੰਮ ਦੇ ਪ੍ਰਵਾਹ (workflows) ਨੂੰ ਸੁਧਾਰਨ ਅਤੇ ਲਾਗਤ ਘਟਾਉਣ ਲਈ AI ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਉਹ "ਉਤਪਾਦਕਤਾ ਵਾਧਾ" ਜਿਸ 'ਤੇ ਨਿਵੇਸ਼ਕ ਦਾਅ ਲਗਾ ਰਹੇ ਹਨ, ਉਹ ਸਾਲਾਂ ਤੱਕ ਦੇਰੀ ਹੋ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਖੇਤਰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਕਾਨੂੰਨੀ ਅਤੇ ਸੰਚਾਲਨ ਗੁੰਝਲਦਾਰਤਾਵਾਂ ਵਿੱਚੋਂ ਲੰਘ ਰਹੇ ਹਨ।

ਗਿਆਨ-ਅਧਾਰਤ ਕੰਮ ਵਿੱਚ ਮਾਪਣ ਦੀ ਸਮੱਸਿਆ

ਭਾਵੇਂ AI ਵਿਅਕਤੀਗਤ ਕਰਮਚਾਰੀਆਂ ਦੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਵਧਾਉਂਦਾ ਹੈ, ਫਿਰ ਵੀ ਇੱਕ ਦੂਜੀ ਚੁਣੌਤੀ ਸਾਹਮਣੇ ਆਉਂਦੀ ਹੈ: ਇਹਨਾਂ ਲਾਭਾਂ ਨੂੰ ਮਾਪਣ ਦੀ ਮੁਸ਼ਕਲ। ਗਿਆਨ-ਅਧਾਰਤ ਕੰਮ ਦੇ ਖੇਤਰ ਵਿੱਚ, ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਸੁਧਾਰ ਨੂੰ ਸ਼ੁੱਧਤਾ ਨਾਲ ਮਾਪਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ।

ਨਿਰਮਾਣ (manufacturing) ਦੇ ਉਲਟ, ਜਿੱਥੇ ਉਤਪਾਦਨ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਟ੍ਰੈਕ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਜਾਂ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ LLM ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਕਰਮਚਾਰੀ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਲਾਭਾਂ ਵਿੱਚ ਅਕਸਰ ਸਪਸ਼ਟ ਮਾਪਦੰਡਾਂ ਦੀ ਕਮੀ ਹੁੰਦੀ ਹੈ। ਠੋਸ ਡੇਟਾ ਤੋਂ ਬਿਨਾਂ, ਪ੍ਰਬੰਧਨ ਟੀਮਾਂ ਵੱਡੇ ਪੱਧਰ ਦੇ ਪੂੰਜੀ ਖਰਚਿਆਂ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਣ ਜਾਂ ਰਸਮੀ ਬੈਲੇਂਸ ਸ਼ੀਟ 'ਤੇ ਸੁਧਾਰਾਂ ਨੂੰ ਪਛਾਣਨ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਵਾਧੂ ਕੁਸ਼ਲਤਾ ਲਾਭ ਅਕਸਰ ਰੋਜ਼ਾਨਾ ਕਾਰਜਾਂ ਵਿੱਚ "ਸ਼ਾਮਲ" ਹੋ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਉਸ ਦਿਸਣਯੋਗ ਮਾਰਜਿਨ ਵਾਧੇ ਵਜੋਂ ਪ੍ਰਗਟ ਨਹੀਂ ਹੁੰਦੇ ਜਿਸ ਦੀ Wall Street ਮੰਗ ਕਰਦੀ ਹੈ।

ਮੁੱਖ ਨੁਕਤੇ

• ਮਾਰਕੀਟ ਓਵਰਵੈਲੂਏਸ਼ਨ ਦਾ ਜੋਖਮ: AI ਸ਼ੇਅਰਾਂ ਦੇ ਮੁਲਾਂਕਣ ਬਹੁਤ ਜ਼ਿਆਦਾ S&P 493 ਵਿੱਚ ਮਾਰਜਿਨ ਵਾਧੇ 'ਤੇ ਅਧਾਰਤ ਹਨ, ਜੋ ਕਿ ਅਜੇ ਤੱਕ ਗੈਰ-ਤਕਨੀਕੀ ਖੇਤਰਾਂ ਵਿੱਚ ਪ੍ਰਗਟ ਨਹੀਂ ਹੋਇਆ ਹੈ।
• ਰੈਗੂਲੇਟਰੀ ਰੁਕਾਵਟਾਂ: ਸਿਹਤ ਸੰਭਾਲ ਅਤੇ ਬੈਂਕਿੰਗ ਵਰਗੇ ਉਦਯੋਗ ਪ੍ਰਾਈਵੇਸੀ ਦੇ ਨਿਰਦੇਸ਼ਾਂ ਅਤੇ ਗੁੰਝਲਦਾਰ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਕਾਰਨ AI ਅਪਣਾਉਣ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਦੇਰੀ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ।
• ਮਾਪਣਯੋਗਤਾ ਦਾ ਅੰਤਰ: ਗਿਆਨ-ਅਧਾਰਤ ਕੰਮ ਵਿੱਚ ਉਤਪਾਦਕਤਾ ਦੇ ਲਾਭਾਂ ਨੂੰ ਮਾਪਣਾ ਅਤੇ ਰਿਪੋਰਟ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ, ਜਿਸ ਨਾਲ ਕੰਪਨੀਆਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਮੁਨਾਫ਼ੇ ਦੇ ਵਾਧੇ ਵਿੱਚ ਬਦਲਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।