AI વાસ્તવિક છે, પરંતુ AI ની આસપાસના બજારના કેટલાક ભાગો સંપૂર્ણપણે પરપોટા જેવા બની શકે છે.
એક સંકેત: ઉપયોગ પહેલાથી જ વ્યાપક છે (દા.ત., સ્ટેનફોર્ડના AI ઇન્ડેક્સના અહેવાલ મુજબ 78% સંસ્થાઓએ કહ્યું કે તેઓએ 2024 માં AI નો ઉપયોગ કર્યો હતો , જે એક વર્ષ પહેલા 55% હતો) - પરંતુ વ્યાપક ઉપયોગ આપમેળે ટકાઉ નફાના પૂલની સમાન નથી. [1]
આ પછી તમને વાંચવા ગમશે તેવા લેખો:
🔗 શું AI ડિટેક્ટર AI લેખન શોધવા માટે વિશ્વસનીય છે?
AI ડિટેક્ટર કેટલા સચોટ છે અને તેઓ ક્યાં નિષ્ફળ જાય છે તે જાણો.
🔗 હું મારા ફોન પર દરરોજ AI નો ઉપયોગ કેવી રીતે કરી શકું?
રોજિંદા કાર્યો માટે AI એપ્સનો ઉપયોગ કરવાની સરળ રીતો.
🔗 શું ટેક્સ્ટ ટુ સ્પીચ એઆઈ છે અને તે કેવી રીતે કાર્ય કરે છે?
TTS ટેકનોલોજી, ફાયદા અને સામાન્ય વાસ્તવિક ઉપયોગના કિસ્સાઓ સમજો.
🔗 શું AI સ્કેન કરેલી નોંધોમાંથી કર્સિવ હસ્તાક્ષર વાંચી શકે છે?
AI કર્સિવને કેવી રીતે હેન્ડલ કરે છે અને ઓળખ પરિણામોને શું સુધારે છે તે જુઓ.
લોકો "AI બબલ" કહે ત્યારે તેનો અર્થ શું થાય છે 🧠🫧
સામાન્ય રીતે તે આમાંથી એક (અથવા વધુ) હોય છે:
-
મૂલ્યાંકન પરપોટો: કિંમતો લાંબા સમય સુધી લગભગ સંપૂર્ણ અમલ સૂચવે છે
-
ભંડોળનો પરપોટો: ઘણા બધા સમાન સ્ટાર્ટઅપ્સ પાછળ ખૂબ પૈસા
-
વાર્તાનો પરપોટો: "AI બધું બદલી નાખે છે" "AI કાલે બધું સુધારે છે" માં ફેરવાય છે.
-
ઇન્ફ્રાસ્ટ્રક્ચર બબલ: આશાવાદી ધારણાઓ પર ભંડોળ પૂરું પાડવામાં આવેલ વિશાળ ડેટા સેન્ટરો અને પાવર બિલ્ડઆઉટ્સ
-
પ્રોડક્ટ બબલ: ઘણા બધા ડેમો, ઓછા સ્ટીકી, રોજિંદા ઉપયોગના ઉત્પાદનો
તો જ્યારે કોઈ પૂછે છે કે "શું કોઈ AI બબલ છે", ત્યારે વાસ્તવિક પ્રશ્ન એ થાય છે: આપણે કયા સ્તર વિશે વાત કરી રહ્યા છીએ.
એક ઝડપી વાસ્તવિકતાનો અંક: શું થઈ રહ્યું છે 📌
કેટલાક ગ્રાઉન્ડેડ ડેટાપોઇન્ટ્સ "ફ્રોથ" ને "સ્ટ્રક્ચરલ શિફ્ટ" થી અલગ કરવામાં મદદ કરે છે:
-
રોકાણ ખૂબ જ મોટું છે (ખાસ કરીને જનરેશન AI માં): જનરેટિવ AI માં વૈશ્વિક ખાનગી રોકાણ 2024 માં $33.9 બિલિયન સુધી (સ્ટેનફોર્ડ AI ઇન્ડેક્સ). [1]
-
ઊર્જા હવે ફૂટનોટ નથી રહી: IEA નો અંદાજ છે કે ડેટા સેન્ટરોએ 2024 માં લગભગ 415 TWh (વૈશ્વિક વીજળીના ~1.5%) નો અને 2030 સુધીમાં બેઝ કેસમાં ~945 TWh (વૈશ્વિક વીજળીના 3% થી ઓછી) નો પ્રોજેક્ટ કરે છે. તે એક વાસ્તવિક બિલ્ડઆઉટ છે - અને વાસ્તવિક આગાહી/ધિરાણ જોખમ પણ છે. [2]
-
મુખ્ય માળખામાંથી "વાસ્તવિક નાણાં" વહેતા થઈ રહ્યા છે: NVIDIA એ નાણાકીય વર્ષ 2025 માટે $130.5 બિલિયનની આવક અને $115.2 બિલિયનના સંપૂર્ણ વર્ષના ડેટા સેન્ટરની આવક - જે "કોઈ મૂળભૂત બાબતો" થી ખૂબ દૂર છે. [3]
-
દત્તક ≠ આવક (ખાસ કરીને નાની કંપનીઓમાં): OECD સર્વેક્ષણમાં જાણવા મળ્યું છે કે 31% SME , અને gen-AI-ઉપયોગ કરતા SME માં, 65% એ કર્મચારીઓની કામગીરીમાં સુધારો નોંધાવ્યો છે , જ્યારે 26% એ આવકમાં વધારો નોંધાવ્યો છે . મૂલ્યવાન, હા - પરંતુ તે બૂમ પાડે છે કે "મુદ્રીકરણ અસમાન છે." [4]
AI બબલ ટેસ્ટનું સારું વર્ઝન શું બનાવે છે ✅🫧
એક સારો બબલ ટેસ્ટ ફક્ત વાઇબ્સ માટે નથી. તે આવી બાબતોની તપાસ કરે છે:
૧) દત્તક લેવાની વિરુદ્ધ મુદ્રીકરણ
જે લોકો AI નો ઉપયોગ કરે છે તેનો અર્થ એ નથી કે લોકો આજના ભાવોને વાજબી ઠેરવવા માટે લાંબા સમય સુધી
૨) એકમ અર્થશાસ્ત્ર (અનસેકસી સત્ય)
શોધો:
-
કુલ માર્જિન
-
ગ્રાહક દીઠ અનુમાન ખર્ચ (તેઓ ઇચ્છે છે તે આઉટપુટ જનરેટ કરવા માટે તમને કેટલો ખર્ચ થાય છે)
-
રીટેન્શન અને વિસ્તરણ
-
વળતરનો સમયગાળો
એક ટૂંકી વ્યાખ્યા જે મહત્વપૂર્ણ છે: અનુમાન ખર્ચ "ક્લાઉડ ખર્ચ" નથી. તે મૂલ્ય પહોંચાડવાનો સીમાંત ખર્ચ - ટોકન્સ, લેટન્સી, GPU સમય, ગાર્ડરેલ્સ, માનવ-ઇન-ધ-લૂપ, QA, રી-રન, અને બધા છુપાયેલા "તેને વિશ્વસનીય બનાવે છે" કાર્ય.
૩) ટૂલિંગ વિરુદ્ધ એપ્લિકેશન્સ
ઘણી બધી એપ્સ બદલાય તો પણ ઈન્ફ્રાસ્ટ્રક્ચર જીતી શકે છે, કારણ કે દરેકને હજુ પણ ગણતરીની જરૂર છે. (આ જ કારણ છે કે "બધું એક પરપોટો છે" ની ધારણા ચૂકી જાય છે.)
૪) લીવરેજ અને નાજુક ધિરાણ
દેવું + લાંબા ચુકવણી ચક્ર + વાર્તાની ગરમી એ છે જ્યાં વસ્તુઓ ત્વરિત થાય છે - ખાસ કરીને માળખાગત સુવિધાઓમાં જ્યાં ઉપયોગની ધારણાઓ સમગ્ર રમત હોય છે. IEA સ્પષ્ટપણે દૃશ્ય/સંવેદનશીલતાના કેસોનો ઉપયોગ કરે છે કારણ કે અનિશ્ચિતતા વાસ્તવિક છે. [2]
૫) ખોટો દાવો
"AI મોટું હશે," નહીં, પરંતુ "આ રોકડ પ્રવાહ આ કિંમતને યોગ્ય ઠેરવે છે."
"હા" કેસ: AI બબલના સંકેતો 🫧📈
૧) ભંડોળ ખૂબ કેન્દ્રિત છે 💸
"AI" લેબલવાળી કોઈપણ વસ્તુમાં મોટી માત્રામાં મૂડીનો ઢગલો થઈ ગયો છે. એકાગ્રતાનો અર્થ ખાતરી - અથવા વધુ પડતી ગરમી હોઈ શકે છે. સ્ટેનફોર્ડનો AI ઇન્ડેક્સ ડેટા દર્શાવે છે કે રોકાણનો મોજો કેટલો મોટો અને ઝડપી રહ્યો છે, ખાસ કરીને જનરેટિવ AI માં. [1]
૨) “નેરેટિવ પ્રીમિયમ” ઘણું કામ કરી રહ્યું છે 🗣️✨
તમે જોશો:
-
પ્રોડક્ટ-માર્કેટ ફિટ થાય તે પહેલાં સ્ટાર્ટઅપ્સ ઝડપથી વધી રહ્યા છે
-
"AI-ધોવાયા" પિચો (એ જ ઉત્પાદન, નવો શબ્દભંડોળ)
-
વ્યૂહાત્મક વાર્તા કહેવા દ્વારા વાજબી મૂલ્યાંકન
૩) માર્કેટિંગ કરતાં એન્ટરપ્રાઇઝ રોલઆઉટ વધુ મુશ્કેલ છે 🧯
ડેમો અને ઉત્પાદન વચ્ચેનું અંતર વાસ્તવિક છે:
-
વિશ્વસનીયતાના મુદ્દાઓ
-
આભાસ ("વિશ્વાસપૂર્વક ખોટું" માટેનો એક ફેન્સી શબ્દ)
-
પાલન અને ડેટા ગવર્નન્સ માથાનો દુખાવો
-
ધીમા ખરીદી ચક્ર
આ ફક્ત "FUD" નથી. NIST ના AI RMF જેવા જોખમ માળખા સ્પષ્ટપણે માન્ય અને વિશ્વસનીય , સલામત , સુરક્ષિત , જવાબદાર , પારદર્શક અને ગોપનીયતા-વધારેલી સિસ્ટમો પર ભાર મૂકે છે - એટલે કે, ચેકલિસ્ટ કાર્ય જે "શીપ ઇટ ટુમોરો" કાલ્પનિકતાને ધીમું કરે છે. [5]
એક સંયુક્ત રોલઆઉટ પેટર્ન (એક કંપની નહીં, ફક્ત સામાન્ય મૂવી):
અઠવાડિયું 1: ટીમોને ડેમો ગમે છે.
અઠવાડિયું 4: કાનૂની/સુરક્ષા શાસન, લોગિંગ અને ડેટા નિયંત્રણો માંગે છે.
અઠવાડિયું 8: ચોકસાઈ અવરોધ બની જાય છે, તેથી માનવોને "કામચલાઉ" ઉમેરવામાં આવે છે.
અઠવાડિયું 12: મૂલ્ય વાસ્તવિક છે - પરંતુ તે પિચ ડેક કરતા સાંકડી છે, અને ખર્ચ માળખું અપેક્ષા કરતા ખૂબ જ અલગ છે.
૪) માળખાગત સુવિધાઓના નિર્માણનું જોખમ વાસ્તવિક છે 🏗️⚡
ખર્ચ ખૂબ જ મોટો છે: ડેટા સેન્ટર, ચિપ્સ, પાવર, કૂલિંગ. IEA નો અંદાજ કે વૈશ્વિક ડેટા સેન્ટર વીજળીની માંગ 2030 સુધીમાં લગભગ બમણી તે એક મજબૂત "આ થઈ રહ્યું છે" સંકેત છે - અને એ પણ યાદ અપાવે છે કે ઉપયોગની ધારણાઓ ચૂકી જવાથી મોંઘી સંપત્તિઓ પસ્તાવામાં ફેરવાઈ શકે છે. [2]
૫) AI થીમ દરેક વસ્તુમાં છવાઈ જાય છે 🌶️
પાવર કંપનીઓ, ગ્રીડ ગિયર, કૂલિંગ, રિયલ એસ્ટેટ - વાર્તા ફરે છે. ક્યારેક તે તર્કસંગત હોય છે (ઊર્જા મર્યાદાઓ વાસ્તવિક હોય છે). ક્યારેક તે થીમેટિક સર્ફિંગ હોય છે.
"ના" નો કિસ્સો: આ ક્લાસિક ઓલ-આઉટ બબલ કેમ નથી 🧊📊
૧) કેટલાક મુખ્ય ખેલાડીઓ પાસે વાસ્તવિક આવક હોય છે (માત્ર વાર્તા જ નહીં) 💰
શુદ્ધ પરપોટાની એક ઓળખ "મોટા વચનો, નાના મૂળભૂત સિદ્ધાંતો" છે. AI ઇન્ફ્રાસ્ટ્રક્ચરમાં, વાસ્તવિક માંગ પુષ્કળ છે અને તેની પાછળ વાસ્તવિક નાણાં છે - NVIDIA નું અહેવાલિત સ્કેલ એક દૃશ્યમાન ઉદાહરણ છે. [3]
૨) AI પહેલાથી જ વર્કડે વર્કફ્લોમાં એમ્બેડેડ છે (વર્કડે સારો છે) 🧲
ગ્રાહક સપોર્ટ, કોડિંગ, શોધ, એનાલિટિક્સ, ઑપ્સ ઓટોમેશન - ઘણું બધું AI મૂલ્ય શાંતિથી વ્યવહારુ છે, આછકલું નથી. આ પ્રકારની દત્તક પેટર્ન બબલ્સમાં સામાન્ય રીતે હોતી નથી .
૩) ગણતરીની અછત કાલ્પનિક નથી 🧱
શંકાશીલ લોકો પણ સામાન્ય રીતે સ્વીકારે છે: લોકો આ સામગ્રીનો ઉપયોગ મોટા પાયે કરી રહ્યા છે. અને સ્કેલિંગ વપરાશ માટે હાર્ડવેર અને પાવરની જરૂર પડે છે - જે વાસ્તવિક રોકાણ અને વાસ્તવિક ઊર્જા આયોજનમાં દેખાય છે. [2]
જ્યાં બબલનું જોખમ સૌથી વધુ (અને સૌથી ઓછું) દેખાય છે 🎯🫧
સૌથી વધુ ફીણનું જોખમ 🫧🔥
-
કોઈ ખાડો અને લગભગ શૂન્ય સ્વિચિંગ ખર્ચ વિના કોપીકેટ એપ્લિકેશનો
-
સાબિત રીટેન્શન વિના "ભવિષ્યના પ્રભુત્વ" પર સ્ટાર્ટઅપ્સનો ભાવ
-
લાંબા વળતર અને નાજુક ધારણાઓ સાથે ઓવર-લેવર્ડ ઇન્ફ્રાસ્ટ્રક્ચર બેટ્સ
-
"સંપૂર્ણ સ્વાયત્ત એજન્ટ" દાવાઓ જે ખરેખર બરડ કાર્યપ્રવાહ છે અને આત્મવિશ્વાસ સાથે
ફીણનું જોખમ ઓછું (હજુ પણ જોખમ મુક્ત નથી) 🧊✅
-
વાસ્તવિક કરારો અને ઉપયોગ સાથે જોડાયેલ ઇન્ફ્રાસ્ટ્રક્ચર
-
માપી શકાય તેવા ROI સાથે એન્ટરપ્રાઇઝ ટૂલ્સ (સમય બચાવ્યો, ટિકિટ ઉકેલાઈ, ચક્રનો સમય ઓછો થયો)
-
હાઇબ્રિડ સિસ્ટમ્સ: AI + નિયમો + માનવ-ઇન-ધ-લૂપ (ઓછી સેક્સી, વધુ વિશ્વસનીય) - અને ટીમોને કયા જોખમ માળખા બનાવવા માટે પ્રેરિત કરે છે તેની સાથે વધુ સંરેખિત. [5]
સરખામણી કોષ્ટક: ઝડપી વાસ્તવિકતા-તપાસ લેન્સ 🧰🫧
| લેન્સ | માટે શ્રેષ્ઠ | કિંમત | તે કેમ કામ કરે છે (અને સમસ્યા) |
|---|---|---|---|
| ભંડોળ એકાગ્રતા | રોકાણકારો, સ્થાપકો | બદલાય છે | જો પૈસા એક થીમ પર છલકાઈ જાય, તો ફીણ ઉગી શકે છે... પરંતુ માત્ર ભંડોળ એક પરપોટો સાબિત થતું નથી |
| એકમ અર્થશાસ્ત્ર સમીક્ષા | સંચાલકો, ખરીદદારો | સમય ખર્ચ | "શું આ ચૂકવણી કરે છે?" પ્રશ્નને દબાણ કરે છે - ખર્ચ ક્યાં છુપાય છે તે પણ દર્શાવે છે |
| રીટેન્શન + વિસ્તરણ | ઉત્પાદન ટીમો | આંતરિક | જો વપરાશકર્તાઓ પાછા ન આવે, તો તે એક ફેડ છે, માફ કરશો |
| ઇન્ફ્રાસ્ટ્રક્ચર ફાઇનાન્સિંગ ચેક | મેક્રો, ફાળવણીકર્તાઓ | બદલાય છે | લીવરેજ જોખમ શોધવા માટે ઉત્તમ, પરંતુ સંપૂર્ણ રીતે મોડેલ કરવું મુશ્કેલ છે (પરિદૃશ્ય મહત્વપૂર્ણ છે) [2] |
| જાહેર નાણાકીય અને માર્જિન | દરેક વ્યક્તિ | મફત | વાસ્તવિકતાના લંગર - હજુ પણ ખૂબ આક્રમક રીતે આગળ વધી શકાય છે |
(હા, તે થોડું અસમાન છે. વાસ્તવિક નિર્ણય લેવાની પ્રક્રિયા એવી જ લાગે છે.)
એક વ્યવહારુ AI બબલ ચેકલિસ્ટ 📝🤖
AI ઉત્પાદનો માટે (એપ્સ, કોપાયલોટ્સ, એજન્ટ્સ) 🧩
-
શું વપરાશકર્તાઓ દર અઠવાડિયે કોઈને ધક્કો માર્યા વિના પાછા ફરે છે?
-
શું કંપની મંથન ફૂટ્યા વિના ભાવ વધારી શકે છે?
-
માનવ સુધારણા માટે કેટલા આઉટપુટની જરૂર છે?
-
શું કોઈ માલિકીનો ડેટા, વર્કફ્લો લોક-ઇન, અથવા વિતરણ છે?
-
શું અનુમાન ખર્ચ કિંમતો કરતાં વધુ ઝડપથી ઘટી રહ્યો છે?
માળખાગત સુવિધાઓ માટે 🏗️
-
શું કોઈ પ્રતિબદ્ધતાઓ પર હસ્તાક્ષર થયા છે કે ફક્ત "વ્યૂહાત્મક હિત"?
-
જો ઉપયોગ અપેક્ષા કરતા ઓછો હોય તો શું થાય? (માત્ર બેઝ કેસ જ નહીં, પણ "હેડવિન્ડ્સ" કેસનું મોડેલ બનાવો.) [2]
-
શું તે ભારે દેવાથી ધિરાણ પામેલ છે?
-
શું હાર્ડવેર પસંદગીઓ બદલાય તો કોઈ યોજના છે?
જાહેર બજાર "AI નેતાઓ" માટે 📈
-
શું રોકડ પ્રવાહ વધી રહ્યો છે, કે ફક્ત વાર્તા?
-
શું માર્જિન વિસ્તરી રહ્યા છે કે સંકુચિત થઈ રહ્યા છે?
-
શું વૃદ્ધિ ગ્રાહકોના નાના સમૂહ પર આધારિત છે?
-
શું મૂલ્યાંકન કાયમી પ્રભુત્વ ધારણ કરી રહ્યું છે?
બંધ ટેકવે 🧠✨
શું કોઈ AI બબલ છે? ઇકોસિસ્ટમના ભાગો બબલ વર્તન દર્શાવે છે - ખાસ કરીને કોપીકેટ એપ્લિકેશન્સ, સ્ટોરી-ફર્સ્ટ વેલ્યુએશન અને કોઈપણ ભારે લીવરેજ બિલ્ડઆઉટમાં.
પરંતુ AI પોતે "બનાવટી" કે "માત્ર માર્કેટિંગ" નથી. ટેકનોલોજી વાસ્તવિક છે. અપનાવવી વાસ્તવિક છે - અને આપણે વાસ્તવિક રોકાણ, વાસ્તવિક ઊર્જા માંગ અંદાજો અને મુખ્ય માળખામાં વાસ્તવિક આવક તરફ નિર્દેશ કરી શકીએ છીએ. [1][2][3]
ટૂંકમાં: નબળા અથવા વધુ પડતા સ્તરવાળા ખૂણાઓમાં હલનચલનની અપેક્ષા રાખો. અંતર્ગત પરિવર્તન ચાલુ રહે છે - ફક્ત ઓછા ભ્રમ અને વધુ સ્પ્રેડશીટ્સ સાથે 😅📊
સંદર્ભ
[1] સ્ટેનફોર્ડ HAI - 2025 AI ઇન્ડેક્સ રિપોર્ટ - વધુ વાંચો
[2] આંતરરાષ્ટ્રીય ઉર્જા એજન્સી - AI તરફથી ઉર્જા માંગ (ઊર્જા અને AI રિપોર્ટ) - વધુ વાંચો
[3] NVIDIA ન્યૂઝરૂમ - Q4 અને નાણાકીય વર્ષ 2025 (26 ફેબ્રુઆરી, 2025) માટે નાણાકીય પરિણામો - વધુ વાંચો
[4] OECD - જનરેટિવ AI અને SME વર્કફોર્સ (2024 સર્વે; નવેમ્બર 2025 માં પ્રકાશિત) - વધુ વાંચો
[5] NIST - આર્ટિફિશિયલ ઇન્ટેલિજન્સ રિસ્ક મેનેજમેન્ટ ફ્રેમવર્ક (AI RMF 1.0) (PDF) - વધુ વાંચો