ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അധിഷ്ഠിത റോബോടാക്സി (robotaxis) മേഖലയിലേക്കുള്ള കുതിപ്പിനായി മൂലധനം സമാഹരിക്കുന്നതിനായി, തങ്ങളുടെ ആഗോള ജീവനക്കാരിൽ ഏകദേശം പത്തിലൊന്ന് വരുന്ന 3,300 ജീവനക്കാരെ പിരിച്ചുവിടാൻ Uber പ്രഖ്യാപിച്ചു. ഈ നീക്കം കമ്പനിയുടെ ചെലവ് ഘടനയെ പുനർനിർമ്മിക്കുകയും, മനുഷ്യപ്രയത്നത്തെ അടിസ്ഥാനമാക്കിയുള്ള ഗിഗ് മോഡലിൽ നിന്ന് സാങ്കേതികവിദ്യ കേന്ദ്രീകരിച്ചുള്ള മൊബിലിറ്റി പ്ലാറ്റ്ഫോമിലേക്കുള്ള മാറ്റത്തെ സൂചിപ്പിക്കുകയും ചെയ്യുന്നു.
എന്തുകൊണ്ടാണ് Uber ജീവനക്കാരെ കുറയ്ക്കുന്നത്
അഞ്ച് വർഷത്തെ വിപുലീകരണമാണ് മാനേജ്മെന്റ് തലങ്ങൾ വർദ്ധിപ്പിക്കാനും ഉടമസ്ഥാവകാശത്തിൽ വിഭജനം ഉണ്ടാക്കാനും കാരണമായതെന്ന് CEO Dara Khosrowshahi പറഞ്ഞു. കഴിഞ്ഞ വർഷം അവസാനം ഏകദേശം 34,000 ജീവനക്കാരുണ്ടായിരുന്ന Uber, ഈ കുറവ് സ്ഥാപനത്തെ "ലളിതവും വേഗതയുള്ളതുമാക്കാൻ" സഹായിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു. ഈ പിരിച്ചുവിടലിലൂടെ പ്രതിവർഷം ഏകദേശം 825 മില്യൺ ഡോളർ ലാഭിക്കാനാകുമെന്ന് അനലിസ്റ്റുകൾ കണക്കാക്കുന്നു, ഇത് സ്വയം നിയന്ത്രിത വാഹന (autonomous-vehicle) വികസനത്തിനായി ഉപയോഗിക്കാൻ കമ്പനി പദ്ധതിയിടുന്നു.
റോബോടാക്സി മത്സരത്തിനായുള്ള ഫണ്ടിംഗ്
Uber-ന്റെ ലക്ഷ്യം Alphabet-ന്റെ Waymo, Elon Musk-ന്റെ സ്വയം നിയന്ത്രിത സംരംഭങ്ങൾ എന്നിവയുമായി മത്സരിക്കുന്നതാണ്. ഈ വർഷം കുറഞ്ഞത് 15 യുഎസ് സംസ്ഥാനങ്ങളിലെങ്കിലും റോബോടാക്സി ശൃംഖല വിന്യസിക്കാൻ കമ്പനി 10 ബില്യൺ ഡോളറിലധികം വാഗ്ദാനം ചെയ്തിട്ടുണ്ട്.
കോർപ്പറേറ്റ് രീതികളിലെ മാറ്റങ്ങൾ
Uber-ന്റെ ഹൈബ്രിഡ് വർക്ക് പോളിസി കർശനമാക്കുന്നതിനൊപ്പം തന്നെയാണ് ഈ പിരിച്ചുവിടൽ പ്രഖ്യാപനവും വന്നത്. ഏകദേശം ഒരു ശതമാനം ജീവനക്കാർക്ക് മാത്രമേ പൂർണ്ണമായും റിമോട്ട് ആയി ജോലി ചെയ്യാൻ അനുമതി ലഭിക്കൂ; ബാക്കിയുള്ളവർ ആഴ്ചയിൽ കുറഞ്ഞത് മൂന്ന് ദിവസമെങ്കിലും ഓഫീസിൽ ഉണ്ടായിരിക്കണം. സാങ്കേതികവിദ്യയുടെ വിന്യാസം വേഗത്തിലാക്കുമ്പോൾ ഏകോപനം മെച്ചപ്പെടുത്താനാണ് ഈ മാറ്റം ലക്ഷ്യമിടുന്നത്.
ഇന്ത്യയ്ക്കുള്ള പ്രത്യാഘാതങ്ങൾ
- ഗിഗ് ഇക്കോണമി കാഴ്ചപ്പാട് (Gig-economy outlook) – ഇന്ത്യയിലുടനീളമുള്ള ദശലക്ഷക്കണക്കിന് ആളുകളുടെ ഉപജീവനത്തിന് Uber-ന്റെ ഡ്രൈവർ-പാർട്ടണർ മോഡൽ പിന്തുണ നൽകുന്നുണ്ട്. പൂർണ്ണമായും സ്വയം നിയന്ത്രിത വാഹനങ്ങൾ ഇന്ത്യൻ തെരുവുകളിൽ എത്താൻ ഇനിയും വർഷങ്ങൾ എടുക്കുമെങ്കിലും, റോബോടാക്സികളിലേക്കുള്ള മാറ്റം കാലക്രമേണ മനുഷ്യ ഡ്രൈവർമാരുടെ ആവശ്യകത കുറയ്ക്കാൻ കാരണമായേക്കാം. തൊഴിൽ കേന്ദ്രീകൃതമായ സേവനങ്ങളിൽ നിന്ന് മൂലധന കേന്ദ്രീകൃതമായ സാങ്കേതികവിദ്യയിലേക്കുള്ള ദീർഘകാല മാറ്റത്തെ ഈ തന്ത്രപരമായ ദിശ സൂചിപ്പിക്കുന്നു.
- AI പ്രതിഭകൾക്കായുള്ള ആവശ്യം (Demand for AI talent) – ഇന്ത്യയിലെ വലിയ സോഫ്റ്റ്വെയർ എഞ്ചിനീയർമാരുടെയും മെഷീൻ ലേണിംഗ് വിദഗ്ധരുടെയും സേവനങ്ങളിൽ Uber കൂടുതൽ താൽപ്പര്യം കാണിക്കാൻ സാധ്യതയുണ്ട്. റോബോടാക്സികളെ പ്രവർത്തിപ്പിക്കുന്ന AI അൽഗോരിതങ്ങൾ നിർമ്മിക്കുന്നതിനും പരിപാലിക്കുന്നതിനും perception, planning, വൻതോതിലുള്ള data processing എന്നിവയിൽ വൈദഗ്ധ്യം ആവശ്യമാണ്, ഇത് പുതിയ ഉയർന്ന നൈപുണ്യമുള്ള അവസരങ്ങൾ സൃഷ്ടിക്കും.
- നിയമപരവും അടിസ്ഥാന സൗകര്യപരവുമായ തടസ്സങ്ങൾ (Regulatory and infrastructure hurdles) – സ്വയം നിയന്ത്രിത മൊബിലിറ്റിക്ക് വ്യക്തമായ ഗതാഗത നിയമങ്ങളും, ഡാറ്റാ സ്വകാര്യതാ നിയമങ്ങളും, റോഡ് അടിസ്ഥാന സൗകര്യങ്ങളുടെ നവീകരണവും ആവശ്യമാണ്. ഈ മേഖലകളിൽ പിന്നാക്കം നിൽക്കുന്ന രാജ്യങ്ങൾക്ക് വളർന്നുവരുന്ന റോബോടാക്സി വിപണിയിൽ നിന്ന് പുറത്തായിപ്പോകാൻ സാധ്യതയുണ്ട്. ഇന്ത്യയ്ക്ക് മത്സരക്ഷമത നിലനിർത്താൻ ആദ്യകാല നയപരമായ ചർച്ചകൾ നിർണ്ണായകമായിരിക്കും.
അടുത്തതായി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ
- പൈലറ്റ് പ്രോഗ്രാമുകളുടെ പുരോഗതി (Progress of pilot programs) – ലക്ഷ്യമിട്ട 15 സംസ്ഥാനങ്ങളിൽ പരീക്ഷണാടിസ്ഥാനത്തിലുള്ള വാഹനങ്ങളിൽ നിന്ന് വാണിജ്യപരമായ റോബോടാക്സി സേവനങ്ങളിലേക്ക് മാറാനുള്ള Uber-ന്റെ കഴിവ് അതിന്റെ പ്രവർത്തനക്ഷമതയുടെ പ്രധാന സൂചകമായിരിക്കും.
- ഇന്ത്യയിലെ തൊഴിൽ നിയമന പ്രവണതകൾ (Talent recruitment trends in India) – Uber-ന്റെ AI മുന്നേറ്റം ഇന്ത്യൻ എഞ്ചിനീയർമാരുടെ നിരന്തരമായ ആവശ്യകതയിലേക്ക് മാറുന്നുണ്ടോ എന്ന് പാദവാർഷിക നിയമന വിവരങ്ങൾ വെളിപ്പെടുത്തും.
- നയപരമായ വികാസങ്ങൾ (Policy developments) – ഇന്ത്യയിലെ സ്വയം നിയന്ത്രിത വാഹന പരീക്ഷണങ്ങളെയും ഡാറ്റാ ഗവേണൻസിനെയും സംബന്ധിച്ച നിയമപരമായ നീക്കങ്ങൾ ഈ സാങ്കേതികവിദ്യയുടെ പ്രവേശനം വേഗത്തിലാക്കുകയോ അല്ലെങ്കിൽ തടസ്സപ്പെടുത്തുകയോ ചെയ്തേക്കാം.
ചുരുക്കത്തിൽ (Takeaway)
Uber-ന്റെ 3,300 ജോലികൾ കുറയ്ക്കുന്നത് വെറുമൊരു ചെലവ് കുറയ്ക്കൽ നടപടി മാത്രമല്ല; ഇത് AI-യും ഡ്രൈവർ ഇല്ലാത്ത കാറുകളും നഗര ഗതാഗതത്തിൽ ആധിപത്യം സ്ഥാപിക്കുന്ന ഭാവിയിലേക്ക് വിഭവങ്ങൾ പുനർവിന്യസിക്കുകയാണ്. ഈ തന്ത്രം ഇന്ത്യൻ AI പ്രൊഫഷണലുകൾക്ക് പുതിയ വഴികൾ തുറന്നുനൽകുന്നതോടൊപ്പം, നിലവിൽ ദശലക്ഷക്കണക്കിന് ഇന്ത്യക്കാരുടെ ഉപജീവനത്തിന് ആധാരമായ ഗിഗ് ഇക്കോണമി മോഡലിന് മേൽ അനിശ്ചിതത്വം സൃഷ്ടിക്കുകയും ചെയ്യുന്നു.
