TCS-ന്റെ പകുതിയോളം കരാറുകൾ AI ചെലവ് കുറഞ്ഞതാക്കുന്നു: ഇന്ത്യൻ ഐടിയ്ക്കും നിങ്ങളുടെ കരിയറിനും ഇതിന്റെ അർത്ഥമെന്ത്

ഇന്ത്യയിലെ ഏറ്റവും വലിയ ഐടി കമ്പനി തങ്ങളുടെ പകുതി കരാറുകളിലും AI നിരക്ക് കുറയ്ക്കുകയാണെന്ന് പറയുമ്പോൾ, അത് ശ്രദ്ധിച്ചു കേൾക്കേണ്ട ഒന്നാണ്. കമ്പനിയുടെ രണ്ടാം പാദ ഫലങ്ങൾക്ക് ശേഷം TCS ചീഫ് എക്സിക്യൂട്ടീവ് കെ. കൃതിവാസൻ പറഞ്ഞത് ഏകദേശം ഇതാണ്.

ഇന്ന് 2026 ഒക്ടോബർ 10 ആണ്. ഇന്ത്യൻ ഐടി ദശലക്ഷക്കണക്കിന് ആളുകൾക്ക് തൊഴിൽ നൽകുകയും രാജ്യത്തിന്റെ കയറ്റുമതി വരുമാനത്തിന്റെ വലിയൊരു പങ്ക് നേടുകയും ചെയ്യുന്നുണ്ട്, അതിനാൽ ഈ വ്യവസായത്തിന് വരുമാനം ലഭിക്കുന്ന രീതിയിലുണ്ടാകുന്ന മാറ്റം വെറുമൊരു ബിസിനസ് വാർത്ത മാത്രമല്ല. ആദ്യ ജോലി തേടുന്ന ബിരുദധാരികളെയും, കരിയറിന്റെ മധ്യഘട്ടത്തിലുള്ള എഞ്ചിനീയർമാരെയും, മണിക്കൂർ നിരക്കിൽ സേവനങ്ങൾ വിൽക്കുന്ന എല്ലാ കമ്പനികളെയും ഇത് ബാധിക്കുന്നു.

TCS സിഇഒ യഥാർത്ഥത്തിൽ പറഞ്ഞത്

Q2 ഫലങ്ങൾക്ക് ശേഷം CNBC-TV18 ന് നൽകിയ അഭിമുഖത്തിൽ കൃതിവാസൻ നാല് പ്രധാന കാര്യങ്ങൾ വ്യക്തമാക്കി.

TCS-ന്റെ ഐടി കരാറുകളിൽ പകുതിയോളത്തിലും ഇപ്പോൾ "AI മൂലമുള്ള വിലയിടിവ്" കാണുന്നുണ്ട്. ഇവിടെ വിലയിടിവ് എന്നാൽ ജോലിയുടെ നിരക്ക് കുറയുന്നു എന്ന് മാത്രമാണ് അർത്ഥമാക്കുന്നത്. സോഫ്റ്റ്‌വെയർ മെയിന്റനൻസ്, ടെസ്റ്റിംഗ് അല്ലെങ്കിൽ കോഡിംഗ് ജോലികൾക്കായി ഒരു വിദേശ ക്ലയന്റ് മുമ്പ് 100 രൂപ നൽകിയിരുന്നെങ്കിൽ, അതേ ജോലി ഏകദേശം 10 മുതൽ 20 ശതമാനം വരെ കുറഞ്ഞ നിരക്കിൽ, അതായത് ഏകദേശം 80 മുതൽ 90 രൂപയ്ക്ക് ചെയ്യാൻ AI ടൂളുകൾ ഇപ്പോൾ സഹായിക്കുന്നു.

ഇത് പ്രതീക്ഷിച്ചിരുന്ന ഒന്നാണ്. ഈ പ്രത്യാഘാതത്തെക്കുറിച്ച് വ്യവസായ മേഖല ഒന്നര മുതൽ രണ്ട് വർഷമായി ചർച്ച ചെയ്യുന്നുണ്ടെന്നും, അതിനാൽ ഏകദേശം 50 ശതമാനം എന്ന കണക്ക് അത്ഭുതപ്പെടുത്തുന്ന ഒന്നല്ലെന്നും അദ്ദേഹം പറഞ്ഞു.

പുതിയ പ്രോജക്റ്റുകൾ ഇതിനെ തുലനം ചെയ്യും. പലരും AI-യെക്കുറിച്ച് ഉൽപ്പാദനക്ഷമതയുടെയും കുറഞ്ഞ ചെലവിന്റെയും അടിസ്ഥാനത്തിൽ മാത്രമാണ് ചിന്തിക്കുന്നത്. AI കാരണം ബിസിനസുകൾ തികച്ചും പുതിയ പ്രോജക്റ്റുകൾ ആരംഭിക്കുന്നുണ്ടെന്നും (ഇതിനെ അദ്ദേഹം net new work എന്ന് വിശേഷിപ്പിച്ചു), ഈ പുതിയ ഡിമാൻഡ് ഉടൻ തന്നെ വിലയിടിവിനെ നികത്തുമെന്നും അദ്ദേഹം ചൂണ്ടിക്കാട്ടി.

എല്ലാ കരാറുകളും ചുരുങ്ങുന്നില്ല. വലുതും സങ്കീർണ്ണവുമായ AI പ്രോജക്റ്റുകളിൽ കരാർ മൂല്യം കുറഞ്ഞിട്ടില്ല. അത് മാറ്റമില്ലാതെ തുടർന്നു.

TCS-ന്റെ മാർജിനുകൾ (ലാഭമായി നിലനിർത്തുന്ന വരുമാനത്തിന്റെ പങ്ക്) മികച്ച രീതിയിൽ തുടരുന്നുവെന്നും അഭിമുഖത്തിൽ വ്യക്തമാക്കിയിട്ടുണ്ട്.

എന്തുകൊണ്ടാണ് ഇത് ഇന്ത്യയ്ക്ക് ഒരു വെല്ലുവിളിയാകുന്നത്

ഐടി സേവനങ്ങൾ ഇന്ത്യൻ സമ്പദ്‌വ്യവസ്ഥയുടെ പ്രധാന സ്തംഭങ്ങളിലൊന്നാണ്, അതിനാൽ ഇതിന്റെ ദോഷവശങ്ങൾ വ്യക്തമായി പരിശോധിക്കേണ്ടതുണ്ട്.

പഴയ ബില്ലിംഗ് രീതി സമ്മർദ്ദത്തിലാണ്. പതിറ്റാണ്ടുകളായി, ഇന്ത്യൻ ഐടി കമ്പനികൾ "time and material" അടിസ്ഥാനത്തിലാണ് നിരക്ക് ഈടാക്കിയിരുന്നത്, അതായത് എത്ര ആളുകൾ എത്ര മണിക്കൂർ ജോലി ചെയ്തു എന്നതിനെ അടിസ്ഥാനമാക്കി ബിൽ ചെയ്യുന്നു. AI ഒരു ജോലി കുറഞ്ഞ സമയം കൊണ്ട് പൂർത്തിയാക്കുമ്പോൾ, അതേ ഫലത്തിന് പഴയ ബില്ലിംഗ് രീതി വഴി ലഭിക്കുന്ന വരുമാനം കുറയുന്നു.

എളുപ്പത്തിലുള്ള എൻട്രി-ലെവൽ ജോലികൾ കുറയുന്നു. അടിസ്ഥാന ഡാറ്റാ എൻട്രി, മാനുവൽ ടെസ്റ്റിംഗ്, ലളിതമായ ബഗ് പരിഹാരങ്ങൾ തുടങ്ങിയ പതിവ് ജോലികളാണ് AI ഇപ്പോൾ വളരെ വേഗത്തിൽ ചെയ്യുന്നത്. ഇത് പുതിയ ബിരുദധാരികളെ ഇത്തരം തസ്തികകളിലേക്ക് കൂട്ടത്തോടെ നിയമിക്കുന്ന പഴയ രീതി നിലനിർത്തുന്നത് കൂടുതൽ ബുദ്ധിമുട്ടാക്കുന്നു.

പഠനം നിർത്തിയവർക്കുള്ള അപകടസാധ്യത. തങ്ങളുടെ നൈപുണ്യങ്ങൾ മെച്ചപ്പെടുത്താതെ വർഷങ്ങളായി ഒരേ പതിവ് ജോലി തന്നെ ചെയ്യുന്ന എഞ്ചിനീയർമാർക്ക് തങ്ങളുടെ തസ്തികകളിൽ തുടരുന്നത് കൂടുതൽ ബുദ്ധിമുട്ടായിരിക്കും.

എന്തുകൊണ്ടാണ് ഇതൊരു വലിയ അവസരവുമാകുന്നത്

ഇതേ മാറ്റം പുതിയ വഴികൾ തുറക്കുന്നു.

കുറഞ്ഞ ചെലവിൽ നിന്ന് ഉയർന്ന മൂല്യത്തിലേക്ക് മാറുക. കുറഞ്ഞ ചെലവിലുള്ള ഐടി സേവനങ്ങളുടെ ഒരു കേന്ദ്രമായി മാത്രം ഇന്ത്യ അറിയപ്പെടേണ്ടതില്ല. സങ്കീർണ്ണമായ AI സിസ്റ്റങ്ങൾ, ക്ലൗഡ് ആർക്കിടെക്ചർ, സൈബർ സുരക്ഷാ പരിഹാരങ്ങൾ എന്നിവ നിർമ്മിക്കുന്നതിൽ ഇന്ത്യൻ എഞ്ചിനീയർമാർക്ക് ലോകത്തെ നയിക്കാൻ കഴിയും.

കമ്പനികൾക്ക് മികച്ച മാർജിനുകൾ. AI-യുടെ സഹായത്തോടെ ചെറിയ ടീമുകൾ കൂടുതൽ ജോലികൾ വേഗത്തിൽ പൂർത്തിയാക്കുകയാണെങ്കിൽ ലാഭവിഹിതം വർദ്ധിക്കാം, കൂടാതെ TCS-ന്റെ സ്വന്തം മാർജിനുകൾ ഇപ്പോൾത്തന്നെ മികച്ച രീതിയിൽ തുടരുന്നുണ്ട്.

സ്റ്റാർട്ടപ്പുകൾക്ക് വലിയൊരു ഉത്തേജനം. നല്ല AI ടൂളുകളുള്ള ഒരു ഡെവലപ്പർക്ക് മുമ്പ് ഒരു ടീം മുഴുവൻ ചെയ്യേണ്ടിയിരുന്ന ജോലി ഇപ്പോൾ ഒറ്റയ്ക്ക് ചെയ്യാൻ കഴിയും. ഇത് ഇന്ത്യയിൽ പുതിയ ടെക് ഉൽപ്പന്നങ്ങളും സ്റ്റാർട്ടപ്പുകളും നിർമ്മിക്കുന്നത് വളരെ എളുപ്പമാക്കുന്നു.

ഒറ്റവരിയിൽ പറഞ്ഞാൽ: ഇതൊരു മുന്നറിയിപ്പും ഒപ്പം ഒരു വലിയ അവസരവുമാണ്. പഴയ രീതിയിൽ തന്നെ ജോലി ചെയ്യുന്ന ഏതൊരാൾക്കും ഇതൊരു മോശം വാർത്തയാണ്, എന്നാൽ AI സ്വീകരിക്കുകയും നൈപുണ്യങ്ങൾ നിരന്തരം ഉയർത്തുകയും ചെയ്യുന്ന എഞ്ചിനീയർമാർക്കും കമ്പനികൾക്കും ഇതൊരു വലിയ അവസരമാണ്.

നിങ്ങൾക്കുള്ള ഡിമാൻഡ് നിലനിർത്തുന്ന നൈപുണ്യങ്ങൾ

കോഡ് എഴുതുകയോ അടിസ്ഥാന ജോലികൾ ചെയ്യുകയോ മാത്രം ചെയ്യുന്ന ആളുകൾക്കുള്ള ഡിമാൻഡ് കുറഞ്ഞുവരികയാണ്. സങ്കീർണ്ണമായ സിസ്റ്റം ഡിസൈൻ, ഡിപ്ലോയ്മെന്റ്, സുരക്ഷ, യഥാർത്ഥ ബിസിനസ്സ് പ്രശ്നങ്ങൾ എന്നിവ മനസ്സിലാക്കുന്ന എഞ്ചിനീയർമാർക്കുള്ള ഡിമാൻഡ് വേഗത്തിൽ വർദ്ധിക്കുകയാണ്. ഇതാ ഘട്ടം ഘട്ടമായുള്ള ഒരു പ്രായോഗിക വഴി.

ഘട്ടം 1: ഒരു AI ഉപയോക്താവ് മാത്രമാകാതെ, ഒരു AI നിർമ്മാതാവാകുക

• ലാർജ് ലാംഗ്വേജ് മോഡലുകളെ (LLMs, ചാറ്റ് അസിസ്റ്റന്റുകൾക്ക് പിന്നിലെ AI മോഡലുകൾ) അടിസ്ഥാനമാക്കി LangChain, LlamaIndex അല്ലെങ്കിൽ Semantic Kernel പോലുള്ള ഫ്രെയിംവർക്കുകൾ ഉപയോഗിച്ച് ആപ്ലിക്കേഷനുകൾ രൂപകൽപ്പന ചെയ്യാൻ പഠിക്കുക.
• മനസ്സിലാക്കുക RAG (retrieval-augmented generation): ഒരു കമ്പനിയുടെ സ്വകാര്യ ഡോക്യുമെന്റുകളെ ഒരു LLM-ലേക്ക് ബന്ധിപ്പിക്കുക; ഇതിനായി Pinecone, Qdrant അല്ലെങ്കിൽ Chroma പോലുള്ള വെക്റ്റർ ഡാറ്റാബേസുകളും, കമ്പ്യൂട്ടറിന് താരതമ്യം ചെയ്യാൻ കഴിയുന്ന സംഖ്യകളാക്കി ടെക്സ്റ്റിനെ മാറ്റുന്ന എംബെഡ്ഡിംഗുകളും (embeddings) ഉപയോഗിക്കുന്നു.
• പരിചയപ്പെടുക agentic workflows, ഇവിടെ CrewAI അല്ലെങ്കിൽ AutoGen പോലുള്ള ടൂളുകൾ ഉപയോഗിച്ച് നിരവധി AI ഏജന്റുകൾ ഒരു ജോലി തങ്ങൾക്കിടയിൽ വിഭജിക്കുന്നു.
• മോഡൽ ഔട്ട്പുട്ട് വിലയിരുത്താനും, hallucinations (ആത്മവിശ്വാസത്തോടെ നൽകുന്ന തെറ്റായ ഉത്തരങ്ങൾ) കുറയ്ക്കാനും, ഒരു പ്രത്യേക മേഖലയ്ക്കായി ചെറിയ മോഡലുകളെ ഫൈൻ-ട്യൂൺ ചെയ്യാനും പഠിക്കുക.

ഘട്ടം 2: ആധുനിക DevOps, പ്ലാറ്റ്‌ഫോം എഞ്ചിനീയറിംഗ്, MLOps എന്നിവ പഠിക്കുക

• AI ടൂളുകൾ ഉപയോഗിക്കുന്നതും ക്ലൗഡിലേക്ക് സ്വയമേവ വിന്യസിക്കുന്നതുമായ (deploy) CI/CD പൈപ്പ്‌ലൈനുകൾ (ഓട്ടോമേറ്റഡ് ബിൽഡ്, ടെസ്റ്റ്, റിലീസ്) നിർമ്മിക്കുക.
• പരിശീലിക്കുക platform engineering: ഇന്റേണൽ ഡെവലപ്പർ പോർട്ടലുകളും Terraform അല്ലെങ്കിൽ OpenTofu, Pulumi തുടങ്ങിയ ടൂളുകൾ ഉപയോഗിച്ചുള്ള സെൽഫ്-സർവീസ് ഇൻഫ്രാസ്ട്രക്ചറും.
• പഠിക്കുക MLOps / LLMOps: വലിയ തോതിൽ AI മോഡലുകൾ പ്രൊഡക്ഷനിൽ പ്രവർത്തിപ്പിക്കൽ, ലേറ്റൻസി നിയന്ത്രിക്കൽ, GPU-കൾ കൈകാര്യം ചെയ്യൽ, മോഡലുകളെ നിരീക്ഷിക്കൽ എന്നിവ.
• AWS, Azure അല്ലെങ്കിൽ GCP എന്നിവയിൽ വൈദഗ്ദ്ധ്യം നേടുക; ക്ലൗഡ് ചെലവ് നിയന്ത്രണം (സാധാരണയായി FinOps എന്ന് വിളിക്കുന്നു), സെർവർലെസ് ഡിസൈനുകൾ, Kubernetes സ്കെയിലിംഗ് എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

ഘട്ടം 3: AI സുരക്ഷയും ഗവേണൻസും ഉൾപ്പെടുത്തുക

• പഠിക്കുക OWASP Top 10 for LLMs, ഇത് പ്രോംപ്റ്റ് ഇഞ്ചക്ഷൻ (പ്രത്യേകം തയ്യാറാക്കിയ ഇൻപുട്ട് നൽകി AI-യെ കബളിപ്പിക്കൽ), ഡാറ്റാ ചോർച്ച, AI ഔട്ട്പുട്ടിന്റെ സുരക്ഷിതമല്ലാത്ത കൈകാര്യം ചെയ്യൽ തുടങ്ങിയ അപകടസാധ്യതകളെ പ്രതിപാദിക്കുന്നു.
• പ്രൈവസി, കംപ്ലയൻസ് ചട്ടങ്ങൾ AI സിസ്റ്റങ്ങൾക്ക് എങ്ങനെ ബാധകമാകുന്നു എന്ന് പഠിക്കുക; ഇവ ഉൾപ്പെടെ: GDPR, ഇന്ത്യയുടെ DPDP Act കൂടാതെ ISO 27001.
• അറിയപ്പെടുന്ന സുരക്ഷാ വീഴ്ചകൾക്കായി (vulnerabilities) തേർഡ്-പാർട്ടി പാക്കേജുകൾ, ലൈബ്രറികൾ, കണ്ടെയ്‌നർ ഇമേജുകൾ എന്നിവ സ്കാൻ ചെയ്തുകൊണ്ട് സോഫ്റ്റ്‌വെയർ സപ്ലൈ ചെയിൻ സുരക്ഷിതമാക്കുക.

ഘട്ടം 4: സിസ്റ്റം ആർക്കിടെക്ചറിലേക്കും ഡൊമെയ്ൻ പരിജ്ഞാനത്തിലേക്കും വളരുക

• AI-യ്ക്ക് ചെറിയ ഫംഗ്ഷനുകൾ എഴുതാൻ കഴിയും, എന്നാൽ സ്കേലബിളും, തകരാറുകളെ പ്രതിരോധിക്കുന്നതും (fault-tolerant), വേഗതയേറിയതുമായ ഒരു വലിയ എന്റർപ്രൈസ് സിസ്റ്റം രൂപകൽപ്പന ചെയ്യുന്നതിന് ഇപ്പോഴും പരിചയസമ്പന്നനായ ഒരു ആർക്കിടെക്റ്റ് ആവശ്യമാണ്. ഹൈ-ലെവൽ, ലോ-ലെവൽ ഡിസൈനുകൾ പരിശീലിക്കുക.
• ബാങ്കിംഗ്, ഫിൻടെക്, ഹെൽത്ത്‌കെയർ അല്ലെങ്കിൽ ഇ-കൊമേഴ്‌സ് പോലുള്ള ഒരു മേഖല (domain) തിരഞ്ഞെടുക്കുക, അവ പരിഹരിക്കുന്ന സാങ്കേതികവിദ്യ രൂപകൽപ്പന ചെയ്യാൻ സാധിക്കുന്ന തരത്തിൽ അവിടുത്തെ യഥാർത്ഥ പ്രശ്നങ്ങൾ നന്നായി മനസ്സിലാക്കുക.

ഘട്ടം 5: AI-അസിസ്റ്റഡ് ഡെവലപ്‌മെന്റിൽ വൈദഗ്ദ്ധ്യം നേടുക

• പലമടങ്ങ് വേഗത്തിൽ ജോലി ചെയ്യുന്നതിനായി നിങ്ങളുടെ എഡിറ്ററിലോ ടെർമിനലിലോ Cursor, Claude Code അല്ലെങ്കിൽ GitHub Copilot പോലുള്ള AI കോഡിംഗ് ടൂളുകൾ ഉപയോഗിക്കുക.
• നിങ്ങളുടെ കോഡ് റിവ്യൂ, ഡീബഗ്ഗിംഗ് നൈപുണ്യങ്ങൾ മൂർച്ച കൂട്ടുക, കാരണം AI വരുത്തിയ തെറ്റുകളും പ്രകടനത്തെ ബാധിക്കുന്ന കാര്യങ്ങളും കണ്ടെത്താൻ ഇപ്പോഴും ഒരാൾ ആവശ്യമാണ്.

ഈ മാറ്റം ഒറ്റ പട്ടികയിൽ

പഴയ സമീപനം (അപകടസാധ്യതയുള്ളത്)	ഭാവിയിലെ സമീപനം (ഡിമാൻഡിലുള്ളത്)
കോഡ് എഴുതുക മാത്രം ചെയ്യൽ	ഒരു ആർക്കിടെക്റ്റായി പ്രശ്നങ്ങൾ പരിഹരിക്കൽ
മാനുവൽ ടെസ്റ്റിംഗും ഡിപ്ലോയ്മെന്റും	ഓട്ടോമേഷനും പ്ലാറ്റ്‌ഫോം എഞ്ചിനീയറിംഗും
ഒരൊറ്റ സാങ്കേതികവിദ്യയിൽ മാത്രം ഒതുങ്ങിനിൽക്കൽ	എൻഡ്-ടു-എൻഡ് സിസ്റ്റങ്ങളും സുരക്ഷയും മനസ്സിലാക്കൽ

ഉപസംഹാരം

തങ്ങളുടെ പകുതിയോളം കരാറുകൾ ഇപ്പോൾ AI മൂലമുള്ള വിലയിടിവ് നേരിടുന്നുവെന്ന TCS-ന്റെ പരാമർശം ഇന്ത്യൻ ഐടി എങ്ങോട്ടാണ് നീങ്ങുന്നത് എന്നതിന്റെ വ്യക്തമായ സൂചനയാണ്. പതിവ് ജോലികളുടെ നിരക്കുകൾ കുറയുന്നു, ഒപ്പം മണിക്കൂർ അടിസ്ഥാനത്തിലുള്ള പഴയ ബില്ലിംഗ് രീതി വലിയ സമ്മർദ്ദത്തിലുമാണ്. അതേസമയം, പുതിയ AI പ്രോജക്റ്റുകൾ കടന്നുവരുന്നു, സങ്കീർണ്ണമായ പ്രോജക്റ്റുകൾ അവയുടെ മൂല്യം നിലനിർത്തുന്നു, കൂടാതെ AI സിസ്റ്റങ്ങൾ രൂപകൽപ്പന ചെയ്യാനും സുരക്ഷിതമാക്കാനും പ്രവർത്തിപ്പിക്കാനും കഴിയുന്ന എഞ്ചിനീയർമാർ കൂടുതൽ മൂല്യമുള്ളവരായി മാറുന്നു. നിരന്തരം പഠിച്ചുകൊണ്ടിരിക്കുന്ന എഞ്ചിനീയർമാർ മുന്നിലെത്തും.

നേട്ടങ്ങൾ

• കുറഞ്ഞ നിരക്കുകൾ ഇന്ത്യൻ ഐടി സേവനങ്ങളെ ആഗോള ക്ലയന്റുകൾക്ക് കൂടുതൽ ആകർഷകമാക്കുന്നു.
• പുതിയ AI പ്രോജക്റ്റുകൾ പുതിയ ഡിമാൻഡ് സൃഷ്ടിക്കുകയും അത് കുറയുന്ന നിരക്കുകളെ തുലനം ചെയ്യാൻ സഹായിക്കുകയും ചെയ്യുന്നു.
• എഞ്ചിനീയർമാർക്ക് പതിവ് ജോലികളിൽ നിന്ന് ഉയർന്ന മൂല്യമുള്ള ഡിസൈൻ, ആർക്കിടെക്ചർ റോളുകളിലേക്ക് മാറാൻ കഴിയും.
• മികച്ച മാർജിനുകൾ നൈപുണ്യങ്ങളിലും ഉൽപ്പന്നങ്ങളിലും നിക്ഷേപം നടത്താൻ കമ്പനികൾക്ക് അവസരമൊരുക്കുന്നു.
• ചെറിയ ടീമുകൾക്കും വ്യക്തിഗത ഡെവലപ്പർമാർക്കും ഇപ്പോൾ യഥാർത്ഥ ഉൽപ്പന്നങ്ങളും സ്റ്റാർട്ടപ്പുകളും നിർമ്മിക്കാൻ കഴിയും.

പോരായ്മകൾ

• AI കൂടുതൽ വേഗത്തിൽ ജോലി പൂർത്തിയാക്കുമ്പോൾ മണിക്കൂർ അടിസ്ഥാനത്തിലുള്ള ബില്ലിംഗിൽ നിന്നുള്ള വരുമാനം കുറയുന്നു.
• പതിവ് ജോലികൾക്കായുള്ള എൻട്രി-ലെവൽ നിയമനങ്ങൾ കുറയാൻ സാധ്യതയുണ്ട്.
• പുതിയ നൈപുണ്യങ്ങൾ നേടാത്ത പ്രൊഫഷണലുകൾ തങ്ങളുടെ ജോലികൾക്ക് യഥാർത്ഥ ഭീഷണി നേരിടുന്നു.
• ഇതിന്റെ നേട്ടങ്ങൾ വലിയ കമ്പനികളിലേക്കും വൈദഗ്ധ്യമുള്ള എഞ്ചിനീയർമാരിലേക്കും ആദ്യം എത്തിയേക്കാം, ഇത് അന്തരം വർദ്ധിപ്പിക്കും.
• വിപണി വളരെ വേഗത്തിൽ മാറുമ്പോൾ പുതിയ നൈപുണ്യങ്ങൾ പഠിച്ചെടുക്കാൻ സമയവും പ്രയത്നവും ആവശ്യമാണ്.

മുന്നറിയിപ്പ്

ഈ ലേഖനം വിദ്യാഭ്യാസപരമായ ആവശ്യങ്ങൾക്കുള്ളതാണ്, കൂടാതെ ഒരു ടിവി അഭിമുഖത്തെയും സ്വതന്ത്ര വിശകലനത്തെയും ലളിതമായ ഭാഷയിൽ സംഗ്രഹിക്കുന്നതുമാണ്. 50 ശതമാനം കരാറുകൾ, 10 മുതൽ 20 ശതമാനം വരെയുള്ള നിരക്ക് മാറ്റം തുടങ്ങിയ കണക്കുകൾ റിപ്പോർട്ട് ചെയ്യപ്പെട്ട സിഇഒയുടെ പരാമർശങ്ങളിൽ നിന്നുള്ളതാണ്; ഇവ ഏകദേശ കണക്കുകളാകാം അല്ലെങ്കിൽ പിന്നീടുള്ള ഫലങ്ങളിൽ മാറിയേക്കാം. ടൂളുകളുടെ പേരുകൾ ഉദാഹരണങ്ങൾ മാത്രമാണ്, അവ ശുപാർശകളല്ല. കരിയർ, നിക്ഷേപം അല്ലെങ്കിൽ ബിസിനസ്സ് തീരുമാനങ്ങൾ എടുക്കുന്നതിന് മുമ്പ് കമ്പനിയുടെ ഔദ്യോഗിക പ്രസ്താവനകൾ പരിശോധിക്കുകയും സ്വന്തമായി അന്വേഷണം നടത്തുകയും ചെയ്യുക.

പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ

• AI-യെക്കുറിച്ചും നിരക്കുകളെക്കുറിച്ചും TCS സിഇഒ എന്താണ് പറഞ്ഞത്? — TCS-ന്റെ ഐടി കരാറുകളിൽ പകുതിയോളവും ഇപ്പോൾ AI മൂലമുള്ള വിലയിടിവ് നേരിടുന്നുണ്ടെന്നും, അതായത് അതേ ജോലിക്ക് ക്ലയന്റുകൾക്ക് ഏകദേശം 10 മുതൽ 20 ശതമാനം വരെ ചെലവ് കുറവായിരിക്കുമെന്നും കെ. കൃതിവാസൻ പറഞ്ഞു.
• AI മൂലമുള്ള വിലയിടിവ് എന്നാൽ എന്താണ് അർത്ഥമാക്കുന്നത്? — AI ടൂളുകൾ ഒരു ജോലി കൂടുതൽ വേഗത്തിലോ കുറഞ്ഞ ആളുകളെക്കൊണ്ടോ ചെയ്യിക്കാൻ സഹായിക്കുന്നതിനാൽ ആ ജോലിയുടെ നിരക്ക് കുറയുന്നു എന്നാണ് ഇതിനർത്ഥം.
• AI ഇന്ത്യൻ ഐടിയിലെ ജോലികൾ കുറയ്ക്കുമോ? — പതിവ് എൻട്രി-ലെവൽ തസ്തികകൾ കുറയാൻ സാധ്യതയുണ്ട്, അതേസമയം AI, ക്ലൗഡ്, സുരക്ഷ, ആർക്കിടെക്ചർ നൈപുണ്യങ്ങളുള്ള എഞ്ചിനീയർമാർക്കുള്ള ഡിമാൻഡ് വർദ്ധിക്കുകയും ചെയ്യുന്നു.
• എല്ലാ TCS കരാറുകൾക്കും മൂല്യം നഷ്ടപ്പെടുന്നുണ്ടോ? — അല്ല. വലുതും സങ്കീർണ്ണവുമായ AI പ്രോജക്റ്റുകൾ തങ്ങളുടെ കരാർ മൂല്യം നിലനിർത്തുന്നുണ്ടെന്ന് സിഇഒ പറഞ്ഞു.
• ഐടി കമ്പനികൾ കുറഞ്ഞ നിരക്കുകൾ എങ്ങനെ നികത്തും? — വിലയിടിവ് പരിഹരിക്കുമെന്ന് സിഇഒ പ്രതീക്ഷിക്കുന്ന net new AI പ്രോജക്റ്റുകളിലൂടെയും, ഉയർന്ന ഉൽപ്പാദനക്ഷമത വഴിയുള്ള മികച്ച മാർജിനുകളിലൂടെയും.
• ഇന്ത്യൻ ഐടി പ്രൊഫഷണലുകൾ ഇപ്പോൾ ഏതെല്ലാം നൈപുണ്യങ്ങളാണ് പഠിക്കേണ്ടത്? — LLMs, RAG എന്നിവ ഉപയോഗിച്ചുള്ള AI എഞ്ചിനീയറിംഗ്, platform engineering, MLOps, AI സുരക്ഷയും കംപ്ലയൻസും, സിസ്റ്റം ഡിസൈൻ, കൂടാതെ AI-അസിസ്റ്റഡ് ഡെവലപ്‌മെന്റ്.
• ഇത് ഇന്ത്യയ്ക്ക് നല്ല വാർത്തയാണോ അതോ മോശം വാർത്തയാണോ? — രണ്ടും കൂടിയാണ്: ഇത് പഴയ ബില്ലിംഗ് മോഡലുകളെയും പതിവ് ജോലികളെയും സമ്മർദ്ദത്തിലാക്കുന്നു, എന്നാൽ ഉയർന്ന മൂല്യമുള്ള ജോലികളിലേക്കും കൂടുതൽ സ്റ്റാർട്ടപ്പുകളിലേക്കുമുള്ള വഴി തുറക്കുകയും ചെയ്യുന്നു.

ടാഗുകൾ

#TCS #IndianIT #ArtificialIntelligence #AIDeflation #ITJobs #CareerGrowth #FutureOfWork #AIEngineering #DevOps #Upskilling