Google-ன் 15 மில்லியன் AI-கருவித் தொடர்புகள் குறித்த உள்நாட்டு ஆய்வின்படி, தற்போது 68% வேலைகள் ஒரு AI உதவியாளருடன் தொடர்பு கொள்கின்றன என்றாலும், அந்த அமைப்புகள் உண்மையில் மேற்கொள்ளப்படும் பணிகளில் 21% மட்டுமே தானியங்கி முறையில் (automate) செய்கின்றன. நிறுவனங்கள் பணிப்பாய்வுகளை (workflows) மாற்றி அமைக்க AI-ன் மீது பந்தயம் கட்டுகின்றன, ஆனால் பெரும்பாலான தொழிலாளர்கள் இன்னும் ஒரு சில செயல்பாடுகளுக்கு மட்டுமே இந்தத் தொழில்நுட்பத்தை நம்பியிருக்கிறார்கள் என்பதைத் தரவுகள் காட்டுகின்றன. எனவே இந்த இடைவெளியைக் கவனிப்பது முக்கியம்.

ஏன் இந்த எண்கள் முக்கியம்

Google-ன் Gemini தளத்தில் நடத்தப்பட்ட இந்த ஆய்வு, AI பயன்பாடு குறித்த நுணுக்கமான படத்தை வரையறுக்கிறது. மூன்றில் இரண்டு பங்கு பயன்பாட்டு விகிதம் (adoption rate) ஈர்க்கக்கூடியதாகத் தோன்றினாலும், 21% என்ற குறைவான தானியங்கி (automation) அளவு, ஐந்து பணிகளில் நான்கு இன்னும் AI உதவியின்றித் தொடர்கின்றன என்பதைக் குறிக்கிறது. பெரிய அளவிலான AI பயன்பாடுகளைத் திட்டமிடும் நிர்வாகிகள், தலைப்புச் செய்திகளில் வரும் பயன்பாட்டு விகிதத்திற்கும், உண்மையான உற்பத்தித் திறன் அதிகரிப்பிற்கும் இடையிலான முரண்பாட்டைக் கவனிக்க வேண்டும்—இது ROI எதிர்பார்ப்புகளைத் தவறாக உயர்த்தக்கூடும்.

நாம் இங்கு எப்படி வந்தோம்

விற்பனையாளர்கள் AI கருவிகளைப் பணியிடத் திறனின் அடுத்த கட்டமாக சந்தைப்படுத்தியுள்ளனர், மேலும் முழுமையான செயல்முறைகளையும் தொடக்கத்திலிருந்து இறுதி வரை இயக்கும் "autonomous agents"-களைக் குறித்து வாக்குறுதி அளித்துள்ளனர். இருப்பினும், Google-ன் தரவுகளின்படி, பெரும்பாலான பயனர்கள் முழுமையான பணிப்பாய்வையும் ஒப்படைப்பதற்குப் பதிலாக, குறிப்பிட்ட கூட்டுச் செயல்பாடுகளுக்காக—கருத்துக்களை உருவாக்குதல் (brainstorming), உத்திகளைத் தயாரித்தல் (drafting strategies) அல்லது ஆராய்ச்சி செய்தல்—இந்தத் தொழில்நுட்பத்தைப் பயன்படுத்துகின்றனர். இந்த ஆய்வு ஒவ்வொரு Gemini தொடர்பையும் கண்காணித்து, ஒவ்வொரு கோரிக்கையின் நோக்கத்தையும் அது ஆதரித்த பணியின் வகையையும் பட்டியலிட்டது.

தரவுகள் எதைக் காட்டுகின்றன

  • முழுமையான தானியங்கி முறைக்கான குறைந்தபட்ச முயற்சி. பத்து தொடர்புகளில் ஒன்றிற்கும் குறைவாகவே ஒரு பணியை முழுமையாகத் தானியங்கி மயமாக்குவதை நோக்கமாகக் கொண்டிருந்தன. பெரும்பாலான பயனர்கள் மனிதத் தலையீடு கொண்ட அணுகுமுறையையே (human-in-the-loop approach) விரும்புகிறார்கள்.
  • பதிலீடு செய்வதை விட ஒத்துழைப்புக்கு முன்னுரிமை. AI பயன்பாட்டின் பெரும்பகுதி கருத்துக்களை உருவாக்குதல், உத்திகளைச் செம்மைப்படுத்துதல் மற்றும் பின்னணி ஆராய்ச்சி செய்தல் ஆகியவற்றில் கவனம் செலுத்துகிறது, இது தொழிலாளர்கள் AI-ஐ ஒரு மாற்றாகப் பார்க்காமல் ஒரு கூட்டாளியாகப் பார்க்கிறார்கள் என்பதைக் காட்டுகிறது.
  • அன்றாடப் பணிகள் முதலில் கவனம் பெறுகின்றன. AI தானியங்கி முறையில் செயல்படும்போது, அது மீண்டும் மீண்டும் செய்யப்படும், நன்கு வரையறுக்கப்பட்ட பணிகளைச் செய்கிறது. இருப்பினும், அங்கு கூட, அன்றாடச் செயல்பாடுகளில் ஐந்தில் நான்கு இன்னும் மாற்றமடையாமல் உள்ளன.
  • அறிவுசார்ந்த, வழக்கத்திற்கு மாறான பணிகளே AI பயன்பாட்டில் ஆதிக்கம் செலுத்துகின்றன. சுமார் 65% தொடர்புகள் தரப்படுத்தப்படாத பணிகளுடன்—சிக்கலைத் தீர்த்தல், பகுப்பாய்வு அல்லது ஆக்கபூர்வமான சிந்தனை—தொடர்புடையவை. இது மனிதத் தீர்ப்பு (human judgment) இன்னும் முக்கியமான இடங்களில் பயனர்கள் AI-ஐ நாடுகிறார்கள் என்பதைக் காட்டுகிறது.
  • பணிகளில் சீரற்ற தாக்கம். மென்பொருள் மேம்பாடு மற்றும் நிதி பகுப்பாய்வு போன்ற வெள்ளைக்கழுத்து (white-collar) பணிகளில் அதிகப்படியான AI பயன்பாடு காணப்படுகிறது. கைவினைப் பணிகள் (manual occupations) பின்தங்கியுள்ளன, இருப்பினும் சில தொழில்நுட்ப வல்லுநர்கள் ஏற்கனவே புகைப்படங்களைப் பார்த்து உபகரணக் கோளாறுகளைக் கண்டறிய AI-ஐப் பயன்படுத்துகின்றனர்.

வணிகங்களுக்கான சவால்கள்

பெரும்பாலான வேலைகள் விரைவில் தானியங்கி அமைப்புகளிடம் ஒப்படைக்கப்படும் என்ற அனுமானத்தின் அடிப்படையில் ஒரு நிறுவனம் தனது AI உத்தியை உருவாக்கினால், அது அன்றாட உற்பத்தியில் இன்னும் ஆதிக்கம் செலுத்தும் மனித செயல்முறைகளில் குறைந்த அளவே முதலீடு செய்யக்கூடும். தானியங்கி மயமாக்கல் குறித்து அதிகப்படியான வாக்குறுதிகளை அளிப்பது, எதிர்பார்க்கப்பட்ட செயல்திறன் கிடைக்காதபோது நம்பிக்கையைச் சிதைக்கக்கூடும். மறுபுறம், AI ஏற்கனவே எங்கு மதிப்பைக் கூட்டுகிறது—கருத்து உருவாக்கம், விரைவான ஆராய்ச்சி, வழக்கமான தரவு கையாளுதல்—அதை அங்கீகரிப்பதன் மூலம் நிறுவனங்கள் பயிற்சி, கருவிகள் மற்றும் நிர்வாக வளங்களை மிகவும் திறம்பட இலக்கு வைக்க முடியும்.

மாற்று வாதம்

ஆரம்பகால பயன்பாட்டு எண்கள் முதல் படி மட்டுமே என்றும், மாதிரிகள் (models) மேம்பட隨著 தானியங்கி விகிதங்கள் கடுமையாக உயரும் என்றும் சில விற்பனையாளர்கள் வாதிடுகின்றனர். பெரிய மொழி மாதிரிகளின் (large-language models) விரைவான முன்னேற்றங்கள் மற்றும் சிறப்பு முகவர்களின் (specialized agents) அறிமுகம் ஆகியவை 21% என்ற அளவு ஒரு தற்காலிகக் குறைவு என்பதற்கான ஆதாரங்களாக அவர்கள் சுட்டிக்காட்டுகின்றனர். எதிர்கால முன்னேற்றங்கள் சாத்தியமே, ஆனால் பயனர் நோக்கம் (user intent) முக்கியமானது என்பதை Google ஆய்வு வலியுறுத்துகிறது: பணிகளை மாற்றியமைக்கத் தெளிவான விருப்பம் இல்லையென்றால், மிகவும் திறன்மிக்க மாதிரிகள் கூட மாற்றாக இல்லாமல் துணைக்கருவிகளாகவே இருக்கும்.

அடுத்து எதைக் கவனிக்க வேண்டும்

  • பயனர் நோக்கத்தின் மாற்றம். AI மீதான நம்பிக்கை வளரும்போது, முழுமையாகத் தானியங்கி மயமாக்கப்பட்ட கோரிக்கைகளின் விகிதம் அதிகரிக்குமா அல்லது ஒத்துழைப்பு ஆதிக்கம் செலுத்துமா?
  • தொழில்துறை சார்ந்த பயன்பாட்டு வளைவுகள். அதிகக் கட்டுப்பாடுகள் அல்லது பாதுகாப்பு சார்ந்த துறைகளில் தானியங்கி மயமாக்கல் மெதுவாக இருக்கலாம், அதே நேரத்தில் தொழில்நுட்பம் சார்ந்த துறைகள் இந்த சதவீதத்தை உயர்த்தக்கூடும்.
  • கருவி பரிணாமம். தற்போதுள்ள மென்பொருள் தொகுப்புகளுடன் AI-ஐ மிகவும் நெருக்கமாக இணைக்கும் புதிய அம்சங்கள் தானியங்கிப் பங்கினை உயர்த்தக்கூடும், ஆனால் அவை பயனரின் பணிப்பாய்வுகளுடன் ஒத்துப்போனால் மட்டுமே இது சாத்தியமாகும்.

குழுக்களுக்கான நடைமுறை அடுத்த கட்டம்

தலைப்புச் செய்திகளில் வரும் பயன்பாட்டு விகிதத்தை வைத்து உங்கள் திட்டமிடலைத் தீர்மானிக்காதீர்கள். உங்கள் ஊழியர்களிடம் கேளுங்கள்: "எங்கள் 21% AI-தானியங்கி பணிகளில் எந்த குறிப்பிட்ட பணிகள் அடங்கியுள்ளன?" அந்தப் பணிகளை வரைபடமாக்குவது தானியங்கி மயமாக்கலை விரிவுபடுத்துவதற்கும், AI உரிமங்களுக்கான (licences) வரவு செலவுத் திட்டத்தைத் தயாரிப்பதற்கும் மற்றும் உண்மையான உற்பத்தித் திறன் தாக்கத்தை அளவிடுவதற்கும் ஒரு உறுதியான அடித்தளத்தை வழங்கும்.

சுருக்கம்: AI இப்போது ஒரு பரவலான உதவியாளராக உள்ளது, ஆனால் அது இன்னும் ஒரு சிறுபான்மைப் பணிகளையே கையாள்கிறது. AI-ஐ ஒரு கூட்டுத் கருவியாகக் கருதும் நிறுவனங்களும்—மற்றும் அது ஏற்கனவே எந்தப் பணிகளைத் தானியங்கி மயமாக்குகிறது என்பதைத் துல்லியமாகக் கண்டறியும் நிறுவனங்களும்—தொழில்நுட்பம் இறுதியாக 21% வரம்பைத் தாண்டிச் செல்லும்போது உண்மையான செயல்திறன் ஆதாயங்களைப் பெறச் சிறந்த நிலையில் இருக்கும்.