अर्थसंकल्प 2026–27 ने केवळ AI साठी तरतूद करण्यापलीकडे जाऊन मानवी भांडवल, तंत्रज्ञान स्वीकार आणि नवोन्मेष यासाठी पूरक गुंतवणूक करणे आवश्यक आहे. कारण AI ची क्षमता तेव्हाच संपूर्ण अर्थव्यवस्थेत वाढ घडवू शकते, जेव्हा त्यासोबत कौशल्य, डेटा, संस्थात्मक बदल आणि नवकल्पना यांचा मजबूत आधार तयार होतो.
कृत्रिम बुद्धिमत्ता (AI) ही आता अर्थसंकल्पातील आणखी एक खर्चाची बाब म्हणून पाहता येणार नाही. AI ही एक सर्वसाधारण उपयोगाची तंत्रज्ञान प्रणाली आहे. ती अनेक क्षेत्रांचे रूपांतर करू शकते, पण त्यासाठी पूरक गुंतवणूक आवश्यक असते. सामान्य-उपयोग तंत्रज्ञानाच्या अभ्यासातून हे स्पष्ट झाले आहे की मोठे फायदे केवळ साधनांमुळे मिळत नाहीत, तर “नवोन्मेषी पूरक घटकांमुळे” मिळतात.
AI चा पहिला मोठा परिणाम मानवी भांडवलावर होतो. AI केवळ मॉडेल तयार करणाऱ्या लोकांनाच लाभ देत नाही, तर सामान्य नोकऱ्यांमध्ये AI साधने वापरणाऱ्या कर्मचाऱ्यांचेही उत्पन्न मूल्य वाढवतो. त्यामुळे AI चा परिणाम मोठ्या प्रमाणावर रोजगारांवर होणार आहे. या बदलामुळे काही ठिकाणी उत्पादकता वाढेल, तर काही ठिकाणी रोजगार विस्थापनाचाही धोका असेल. हे सर्व अर्थव्यवस्था कशी जुळवून घेते यावर अवलंबून असते. तंत्रज्ञानाचा “कार्याधारित दृष्टिकोन” येथे महत्त्वाचा ठरतो. यामध्ये काही कामे स्वयंचलित होतात, पण त्याच वेळी नवी कामेही निर्माण होतात. सरकारी धोरणे कौशल्य विकास, कामगारांची हालचाल आणि तंत्रज्ञान स्वीकार यावर प्रभाव टाकून हा समतोल ठरवतात. अर्थसंकल्पाच्या दृष्टीने मुख्य प्रश्न असा आहे की भारत मोठ्या प्रमाणावर “AI -सक्षम कामगार” घडवत आहे का. यामध्ये डिजिटल साक्षरता, मूलभूत गणित कौशल्य, आरोग्य, उत्पादन, लॉजिस्टिक्स यांसारख्या क्षेत्रांतील प्रशिक्षण आणि अल्पकालीन प्रमाणपत्र अभ्यासक्रमांचा समावेश होतो, जे कामाच्या प्रक्रियेत AI चा वापर सुलभ करतात.
AI चा परिणाम मोठ्या प्रमाणावर रोजगारांवर होणार आहे. या बदलामुळे काही ठिकाणी उत्पादकता वाढेल, तर काही ठिकाणी रोजगार विस्थापनाचाही धोका असेल.
सध्याच्या तरतुदींमध्ये उद्देश दिसतो, मात्र पोकळीही आहे. अर्थसंकल्पात AI साठी निधी ठेवण्यात आला आहे, पण तो या बदलाच्या व्यापकतेच्या तुलनेत मर्यादित आहे. 2025–26 साठी India AI Mission साठी 2000 कोटी, माहिती तंत्रज्ञान, इलेक्ट्रॉनिक्स, सायबर सुरक्षा, दळणवळण आणि बिग डेटा संशोधनासाठी 1250 कोटी, सेमीकंडक्टर व डिस्प्ले योजनेसाठी 7000 कोटी आणि MeitY च्या उत्पादन-संलग्न प्रोत्साहन (PLI) योजनेसाठी 9000 कोटीची तरतूद करण्यात आली आहे. National Apprenticeship Training Scheme (NATS) साठी INR 1,178 कोटी देण्यात आले. ही रचना क्षमता निर्माण, हार्डवेअर उपलब्धता आणि मर्यादित रोजगार जोडणी अशी साखळी तयार करते. मात्र सर्वात मोठी अडचण अद्याप अपुरीच राहते, ती म्हणजे AI ला बाह्य व्यवसायांमध्ये मोठ्या प्रमाणावर जुळवून घेणे.
आंतरराष्ट्रीय पुरावे दर्शवतात की जिथे AI चा प्रभाव जास्त आहे, तिथेही बहुतांश कामगारांना AI अभियंते होण्याची गरज नसते. त्यांना आवश्यक असते कौशल्यांचे नवे मिश्रण, विचारशक्ती, व्यवस्थापन क्षमता आणि डिजिटल कौशल्ये कारण कामाची रचना बदलते. यातून पुढील टप्पा स्पष्ट होतो. आगामी अर्थसंकल्पाने अप्रेंटिसशिप आणि कौशल्य विकासाला AI प्रसाराचे मुख्य माध्यम मानले पाहिजे, दुय्यम कार्यक्रम म्हणून नाही. या दृष्टीने भारताकडे आधीच धोरणात्मक चौकट उपलब्ध आहे. IndiaAI मिशनमध्ये “FutureSkills” हा स्वतंत्र घटक आहे. त्याअंतर्गत AI अभ्यासक्रम वाढवणे आणि tier-1 शहरांपलीकडे डेटा व AI प्रयोगशाळा उभारण्याची योजना आहे. आता अर्थसंकल्पाने या चौकटीला मोठ्या प्रमाणावर उद्दिष्टांमध्ये रूपांतरित करणे आवश्यक आहे. यामध्ये AI -सक्षम उत्पादन साधनांवर प्रशिक्षित अप्रेंटिसची संख्या, AI -सहाय्यित अध्यापनासाठी प्रशिक्षित शिक्षकांची संख्या आणि MSME कामगारांना दिलेली AI -आधारित गुणवत्ता व लॉजिस्टिक्स प्रमाणपत्रे यांचा समावेश असला पाहिजे. यामुळे मानवी भांडवलावरील खर्च केवळ घोषणा न राहता मोजता येण्याजोगा ठरेल.
IndiaAI मिशनमध्ये “FutureSkills” हा स्वतंत्र घटक आहे. त्याअंतर्गत AI अभ्यासक्रम वाढवणे आणि tier-1 शहरांपलीकडे डेटा व AI प्रयोगशाळा उभारण्याची योजना आहे. आता अर्थसंकल्पाने या चौकटीला मोठ्या प्रमाणावर उद्दिष्टांमध्ये रूपांतरित करणे आवश्यक आहे.
AI चा दुसरा मोठा परिणाम उत्पादकतेवर होतो. मात्र हे परिणाम त्वरित दिसत नाहीत. कारण कंपन्यांना AI अंमलबजावणीसाठी डेटा प्रणाली, कामाच्या पद्धतींची पुनर्रचना, प्रशासन व्यवस्था आणि अमूर्त भांडवलावर गुंतवणूक करावी लागते. यालाच आधुनिक “उत्पादकता विरोधाभास” म्हटले जाते. तंत्रज्ञान प्रभावी दिसते, पण जोपर्यंत त्याचा व्यापक स्वीकार होत नाही, तोपर्यंत उत्पादकतेत वाढ दिसून येत नाही, म्हणूनच AI वरील तरतुदी वाचताना ही पार्श्वभूमी महत्त्वाची आहे. हार्डवेअर प्रोत्साहन आणि संशोधन गरजेचे आहे, पण सामान्य उद्योगांपर्यंत पोहोचणारी स्वीकार रणनीतीही तितकीच आवश्यक आहे, अन्यथा AI चा वापर काही मोठ्या कंपन्या आणि मर्यादित उपयोगांपुरताच राहील, आणि एकूण उत्पादकतेवरील परिणाम मर्यादित राहील.
AI चा दुसरा मोठा परिणाम उत्पादकतेवर होतो. मात्र हे परिणाम त्वरित दिसत नाहीत. कारण कंपन्यांना AI अंमलबजावणीसाठी डेटा प्रणाली, कामाच्या पद्धतींचे पुनर्रचना, प्रशासन व्यवस्था आणि अमूर्त भांडवलावर गुंतवणूक करावी लागते.
येथे सर्वात मोठी कमतरता असते ती वित्तपुरवठा आणि मानकांची. IndiaAI च्या कॅबिनेट नोटमध्ये संगणकीय संसाधन लोकशाहीकरण, 10000 पेक्षा अधिक GPU क्षमतेची सार्वजनिक–खासगी भागीदारीत उभारणी आणि AI-as-a-service बाजारपेठ निर्माण करण्याचा स्पष्ट उल्लेख आहे. ही उत्पादकतेसाठी महत्त्वाची पायरी आहे, कारण यामुळे स्टार्टअप्स आणि लघु उद्योगांचा स्थिर खर्च कमी होतो, मात्र अर्थसंकल्पाने या पुरवठा बाजूच्या प्रयत्नांना मागणी बाजूशी जोडणे तितकेच आवश्यक आहे. विश्वसनीय सरकारी खरेदी मार्ग, नियमनाधीन क्षेत्रांसाठी प्रयोगात्मक चौकट आणि सार्वजनिक क्षेत्रातील प्रात्यक्षिक प्रकल्प यांची गरज आहे. उदाहरणार्थ, जिल्हा रुग्णालयांमध्ये AI -सहाय्यित निदान प्रणाली किंवा सीमाशुल्क व लॉजिस्टिक्समध्ये AI -आधारित तपासणी सुरू करता येऊ शकते. खरा उद्देश हा असला पाहिजे की संगणकीय क्षमता केवळ उपलब्ध न राहता ती प्रत्यक्ष वापरात यावी - विशेषतः त्या मध्यम स्तरात, जिथे देशातील बहुसंख्य रोजगार आहेत.
तिसरा महत्त्वाचा परिणाम आर्थिक वाढीशी संबंधित आहे. मध्यम कालावधीत AI मुळे आर्थिक वाढ तेव्हाच साध्य होऊ शकते, जेव्हा ते एकूण उत्पादकता मोठ्या प्रमाणावर वाढवते आणि त्याच वेळी व्यापक आर्थिक जोखमी नियंत्रणात राहतात. यामध्ये कामगार बाजारातील अस्थिरता, बाजारातील मक्तेदारी वाढ, तसेच राज्ये व क्षेत्रांमधील असमान तयारी या जोखमींचा समावेश होतो. हे समजून घेण्यासाठी आंतरराष्ट्रीय नाणेनिधीची (IMF) AI Preparedness Index ही चौकट उपयुक्त ठरते. या चौकटीत तयारी म्हणजे केवळ तंत्रज्ञान उपलब्ध असणे नव्हे, तर डिजिटल पायाभूत सुविधा, मानवी भांडवल व कामगार धोरणे, नवोन्मेष क्षमता आणि कायदेशीर व्यवस्था यांचा एकत्रित संच मानला जातो. अर्थसंकल्पासाठी हे महत्त्वाचे आहे, कारण यामधून एक स्पष्ट संदेश मिळतो. कोणत्याही एका घटकावर जास्त खर्च केल्याने उर्वरित कमतरता भरून निघत नाही. कौशल्यांशिवाय संगणकीय क्षमता असेल तर तंत्रज्ञानाचा प्रसार मंदावतो. साधनांपर्यंत पोहोच नसेल तर कौशल्यांची उत्पादकता मर्यादित राहते. आणि विश्वासार्ह प्रशासनाशिवाय नवोन्मेष केल्यास स्वीकार प्रक्रियेत अडथळे निर्माण होतात.
कौशल्यांशिवाय संगणकीय क्षमता असेल तर तंत्रज्ञानाचा प्रसार मंदावतो. साधनांपर्यंत पोहोच नसेल तर कौशल्यांची उत्पादकता मर्यादित राहते. आणि विश्वासार्ह प्रशासनाशिवाय नवोन्मेष केल्यास स्वीकार प्रक्रियेत अडथळे निर्माण होतात.
या पार्श्वभूमीवर भारताच्या अर्थसंकल्पीय निवडींमध्ये एक स्पष्ट दिशा दिसते, मात्र आगामी अर्थसंकल्पात अधिक तीव्र प्राधान्यक्रम आवश्यक आहे. भारताने नवोन्मेषासाठी आर्थिक अवकाश निर्माण केला आहे. 2025–26 मध्ये Research, Development and Innovation (RDI) योजनेसाठी 20,000 कोटी इतकी मोठी तरतूद करण्यात आली आहे. त्याचबरोबर Skill India साठी 2700 कोटी निधी सुरू आहे. हे दोन्ही अत्यंत प्रभावी साधने आहेत, मात्र ती व्यापक स्वरूपाची आहेत. खरी संधी येथे आहे - या योजनांमध्ये स्वतंत्र “AI translation” घटक राखून ठेवण्याची. म्हणजेच प्रयोगशाळेतील AI प्रत्यक्ष उत्पादन प्रक्रियेत आणणे, प्रायोगिक प्रकल्पांमधून प्रत्यक्ष वापराकडे नेणे आणि त्यासाठी स्पष्ट परिणाम मोजमाप ठरवणे. हे न झाल्यास AI वरील खर्च वेगवेगळ्या विभागांमध्ये विखुरलेला राहू शकतो आणि एकत्रित वाढीच्या रणनीतीत रूपांतरित होणार नाही.
आगामी अर्थसंकल्पासाठी सर्वात मोठी गरज म्हणजे विद्यमान रचनेला मोजता येईल अशा आर्थिक कार्यक्रमात रूपांतरित करणे. प्रथम, मानवी भांडवलावरील खर्चात बदल आवश्यक आहे. अभ्यासक्रमांची संख्या मोजण्याऐवजी प्रत्यक्ष रोजगारयोग्य क्षमतांचे मोजमाप केले पाहिजे. यामध्ये अप्रेंटिसशिपशी जोडलेली प्रमाणपत्रे, क्षेत्रनिहाय प्रशिक्षण घटक जसे उत्पादन गुणवत्ता, आरोग्य प्रशासन, आर्थिक अनुपालन आणि नोकरी व वेतन परिणामांद्वारे तपासले जाणारे उद्योग-संलग्न प्रशिक्षण यांचा समावेश असावा.
दुसरे, उत्पादकता धोरणाने अंमलबजावणी ही मुख्य अडचण मानली पाहिजे. त्यासाठी डेटा तयारी, परस्परसुसंगत मानके आणि MSME साठी AI चा स्वीकार आणि वित्तपुरवठ्याला प्रोत्साहन देणे आवश्यक आहे. यामुळे “AI marketplace” ही संकल्पना केवळ कागदावर न राहता प्रत्यक्षात येईल. तिसरे, आर्थिक वाढ धोरणाने नवोन्मेष निधी (RDI) थेट AI प्राधान्यांशी जोडला पाहिजे. यामध्ये कमी संगणकीय खर्चातील भारतीय AI मॉडेल्स, मूल्यमापन व सुरक्षितता साधने, तसेच सार्वजनिक हितासाठी वापरता येणारे डेटा संच यांचा समावेश असावा. यामुळे भारताची AI परिसंस्था देशांतर्गत उत्पादकता वाढवेलच, पण निर्यातीसाठी उपयुक्त क्षमता देखील निर्माण करेल. याच मार्गाने AI वरील अर्थसंकल्पीय खर्च हा केवळ तंत्रज्ञान गुंतवणूक न राहता, राष्ट्रीय आर्थिक वाढीची ठोस योजना बनू शकतो कारण तो AI क्षमतेला संपूर्ण अर्थव्यवस्थेतील उत्पादकतेमध्ये रूपांतरित करतो.
आर्य रॉय बर्धन हे ऑब्झर्व्हर रिसर्च फाउंडेशनच्या सेंटर फॉर न्यू इकॉनॉमिक डिप्लोमसीमध्ये सिनियर फेलो आहेत.
The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.
Arya Roy Bardhan is a Junior Fellow at the Centre for New Economic Diplomacy, Observer Research Foundation. His research interests lie in the fields of ...
Read More +
PREV
