நிறுவனங்கள் AI-ஐ ஏற்றுக்கொள்ளும் வேகம், அண்மைக்கால வரலாற்றில் ஏற்பட்ட எந்தத் தொழில்நுட்ப மாற்றத்தையும் விட அதிகமாக உள்ளது. ஒவ்வொரு தலைமை நிர்வாகக் கூட்டமும் இறுதியில் ஒரே எதிர்பார்ப்பை வந்தடைகிறது. AI நிறுவனம் முழுவதும் அளவிடக்கூடிய மதிப்பை வழங்க வேண்டும். ChatGPT வெளியான பிறகு, பொறியியல் குழுக்கள் Copilot-ஐப் பயன்படுத்தத் தொடங்கின, பகுப்பாய்வாளர்கள் Perplexity-ஐ ஏற்றுக்கொண்டனர், செயல்பாட்டுக் குழுக்கள் தானியக்கத்தைச் சோதித்துப் பார்த்தன. உற்பத்தித்திறன் கிட்டத்தட்ட உடனடியாக மேம்பட்டது.
ஆனால் சில மாதங்களிலேயே, AI-ஐ ஏற்றுக்கொள்ளும் வேகம் குறைந்தது. சோதனை முயற்சிகள் தேங்கின. முதலீட்டின் மீதான வருமானம் (ROI) சீரற்றதாக மாறியது. இந்த மந்தநிலைக்குக் காரணம் பலவீனமான மாதிரிகளோ, நிர்வாகத் தலைமையின் முனைப்பின்மையோ அல்ல. AI-இன் திறன்களுக்கும் நிறுவனச் சூழல்களுக்கும் இடையிலான கட்டமைப்பு முரண்பாடே இதற்குக் காரணம்.
நிறுவனங்கள் AI-ஐ ஏற்றுக்கொள்வதன் அமைப்புசார் அம்சங்களை அடிக்கடி ஆராயும் படைப்பாளரான Caleb-இன் பகுப்பாய்வு ஒன்றைச் சமீபத்தில் பார்த்தேன். அவர் முன்வைத்த பார்வை புதிய கருத்துகளை அறிமுகப்படுத்தவில்லை. ஆனால் பல நிறுவனத் தலைவர்கள் ஏற்கெனவே உணர்ந்திருந்த ஒரு முரண்பாட்டைத் தெளிவுபடுத்தியது. தனித்தனியான பயன்பாடுகளில் AI சிறப்பாகச் செயல்பட்டாலும், அமைப்பு முழுவதையும் மாற்றியமைப்பதில் ஏன் சிரமப்படுகிறது என்பதை அது விளக்கியது.
AI-ஐ ஏற்றுக்கொள்வது மாதிரியின் வலிமையைச் சார்ந்ததல்ல. நிறுவனத்தின் எந்த அடுக்கில் AI அறிமுகப்படுத்தப்படுகிறது என்பதையே அது சார்ந்துள்ளது.
செயல்விளக்கங்களில் AI சிறப்பாகத் தோன்றினாலும், நடைமுறையில் பயன்படுத்தும்போது ஏன் தேங்கிவிடுகிறது என்று யோசிக்கும் CIO-க்கள், CTO-க்கள், மாற்றத்தை வழிநடத்தும் தலைவர்கள் ஆகியோருக்காக இந்தக் கட்டுரை எழுதப்பட்டுள்ளது. மறைந்துள்ள தடைகளையும், நிறுவனம் முழுவதும் AI-ஐ நீடித்துப் பயன்படுத்தத் தேவையான உத்திசார் வழிகளையும் இது விளக்குகிறது.
“நாம் AI-ஐ ஏற்றுக்கொள்ள வேண்டுமா” என்பதிலிருந்து “ஏற்றுக்கொள்வது ஏன் இவ்வளவு மெதுவாக நடக்கிறது” என்பதற்கு
இரண்டு ஆண்டுகளுக்கு முன்பு, தங்களுக்கு AI தேவையா என்று நிறுவனங்கள் விவாதித்தன. இன்று, அதை எப்படி நீடித்துப் பயன்படுத்தும் வகையிலும் பாதுகாப்பாகவும் ஒருங்கிணைப்பது என்பதே கேள்வி. நிறுவனங்கள் உருவாக்கும் பணிவிளைவுகளில் குறிப்பிடத்தக்க பகுதி விரைவில் AI மூலம் உருவாக்கப்படலாம் என்று பகுப்பாய்வாளர்கள் கணிக்கின்றனர். கோட்பாட்டளவில் இது தவிர்க்க முடியாததாகத் தெரிகிறது. நடைமுறையில் இதன் தாக்கம் இன்னும் சீராக இல்லை.
பொறியியல் குழுக்கள் வேகமாகச் செயல்படுகின்றன. ஆனால் பல துறைகள் இணைந்து பணிகளை நிறைவேற்றுவதில் முன்னேற்றம் மிகக் குறைவாகவே உள்ளது. விற்பனைக் குழுக்கள் வாடிக்கையாளர்களைத் தொடர்புகொள்வதைத் தானியக்கப்படுத்துகின்றன. ஆனாலும், ஒருங்கிணைப்புப் பணிகளை மனிதர்கள் நேரடியாகச் செய்வதில் இன்னும் நேரத்தை இழக்கின்றன. செயல்பாட்டுக் குழுக்கள் விரைவாகப் பகுப்பாய்வு முடிவுகளைப் பெறுகின்றன. ஆனால் சிதறிக் கிடக்கும் தரவை இன்னும் மனித முயற்சியாலேயே ஒப்பிட்டு ஒருங்கிணைக்கின்றன.
நிறுவனங்கள் நேர்கோட்டில் இயங்கும் இயந்திரங்களைப் போலச் செயல்படுவதில்லை. அவை நிர்வாகக் கட்டுப்பாடுகள், ஊக்கங்கள், பண்பாடு, பழைய தொழில்நுட்பம் ஆகியவற்றால் வடிவமைக்கப்பட்ட சிக்கலான அமைப்புகளாக இயங்குகின்றன. AI இந்தச் சிக்கலைக் குறைப்பதற்குப் பதிலாகப் பெருக்குகிறது.
நிறுவன AI-ஐ மூன்று முதிர்ச்சி நிலைகளாகப் பார்ப்பது பயனுள்ள அணுகுமுறையாகும்.
நிலை 1. AI உதவியுடன் செய்யப்படும் பணிகள்
பயனுள்ளது, ஆனால் அடிப்படையிலேயே வரம்புகளுக்கு உட்பட்டது
பெரும்பாலான நிறுவனங்கள் இங்கிருந்துதான் தொடங்குகின்றன. பணியாளர்கள் ஆராய்ச்சி, சுருக்கம் தயாரித்தல், நிரலாக்கப் பரிந்துரைகள், உள்ளடக்க உருவாக்கம் ஆகியவற்றுக்கு உருவாக்க AI-ஐப் பயன்படுத்துகிறார்கள். இந்தக் கருவிகள் உடனடிப் பயனை அளிக்கின்றன.
ஆனால் பணிகளை வேகப்படுத்துவது, பணிச்செயல்முறையை மாற்றியமைப்பதாகாது. அதைச் சுற்றியுள்ள செயல்முறைகள்—ஒப்புதல்கள், பணிப் பொறுப்பு ஒப்படைப்புகள், அறிக்கையிடல் அடுக்குகள்—மாறாமல் இருக்கின்றன. இதனால், நிறுவனத்தின் செயல்பாட்டு வேகம் குறிப்பிடத்தக்க அளவில் மேம்படுவதில்லை.
ஒரு பணியின் வேகமும் நிறுவனத்தின் வேகமும் ஒன்றல்ல.
கட்டமைப்பு மாற்றங்கள் எதுவும் தேவையில்லை என்பதால் இந்த நிலை பாதுகாப்பானதாகத் தோன்றுகிறது. ஆனால் நீண்டகால ROI-க்கு அதன் வடிவமைப்பிலேயே ஒரு வரம்பு உள்ளது.
நிலை 2. தன்னாட்சி AI பணிச்செயல்முறைகள்
பெரும் சாத்தியமும் கடும் எதிர்ப்பும்
தன்னாட்சி AI பல படிகளைக் கொண்ட பணிச்செயல்முறைகளைத் தானாகச் செயல்படுத்துகிறது. முகவர்கள் கோப்புகளை மாற்றுகின்றன, வெளியீடுகளை மதிப்பாய்வு செய்கின்றன, பணிகளை நிர்வகிக்கின்றன அல்லது செயல்பாடுகளை ஒருங்கிணைக்கின்றன. இதன் சாத்தியம் மிகப்பெரியது.
ஆனால் இதன் பயன்பாட்டு ஏற்பு அந்த அளவுக்கு இல்லை.
தடையாக இருப்பது தொழில்நுட்பத் திறன் அல்ல; நிறுவனத்தின் தயார்நிலை. தன்னாட்சி AI அமைப்புகளுக்கு நம்பிக்கை, மேற்பார்வை, நிர்வாகக் கட்டுப்பாடு, தானியக்கத்தை ஏற்றுக்கொள்ளும் மனப்பான்மை ஆகியவை தேவை. அவை நிலைபெற்ற அதிகாரப் படிநிலைகளையும் விதிமுறை இணக்க நடைமுறைகளையும் குலைக்கின்றன. இதுவரை பரிச்சயமில்லாத செயல்பாட்டு அபாயங்களை உருவாக்குகின்றன.
இதன் விளைவாக, பல தன்னாட்சி AI கருவிகள் பாதுகாப்பான வரம்புகளுக்குள் மட்டுமே செயல்படும் பகுதியளவு தன்னாட்சி கொண்ட உதவியாளர்களாகப் பின்னடைகின்றன.
நிறுவனங்கள் தன்னாட்சியை அச்சத்தால் நிராகரிப்பதில்லை. அது நிறுவனத்துடன் ஒத்துப்போகாததால்தான் நிராகரிக்கின்றன.
நிலை 3. AI-ஐ அடிப்படையாகக் கொண்ட அமைப்புகள்
நீண்டகால முன்னிலை
AI-ஐ அடிப்படையாகக் கொண்ட அமைப்புகள் முதிர்ச்சியின் மிக உயர்ந்த நிலையைக் குறிக்கின்றன. தொடக்கத்திலிருந்தே AI பங்கேற்கும் வகையில் அவை வடிவமைக்கப்படுகின்றன. மனிதர்களுக்காக உகந்த முறையில் அமைக்கப்பட்ட பணிச்செயல்முறைகளில் AI-ஐப் பின்னர் பொருத்துவதற்குப் பதிலாக, தரவு ஓட்டம், முடிவெடுக்கும் வரிசைகள், பணியின் தாளம் ஆகியவற்றை AI ஒருங்கிணைக்கும் புதிய செயல்பாட்டுக் கட்டமைப்புகளை நிறுவனங்கள் உருவாக்குகின்றன.
இது முன்கணிப்பின் அடிப்படையிலான செயல்பாடுகளைச் சாத்தியமாக்குகிறது, தடைகளைச் குறைக்கிறது, தொடர்ச்சியாக முடிவெடுக்க வழிவகுக்கிறது.
இதை அடைவதற்கான தடை பெரியது. ஆனால் நீண்டகால முன்னிலை, படிப்படியான மேம்பாடுகளின் பலனைவிட மிக அதிகம்.
இருப்பினும், AI-ஐ அடிப்படையாகக் கொண்ட அமைப்புகளை நோக்கிய பயணம் நீண்டது. இடைப்பட்ட காலத்தில்தான் உண்மையான ஆபத்து உருவாகிறது.
Ferrari பிரச்சினை
நிர்வகிக்கப்படாத AI: உயர் செயல்திறன் கொண்ட ஓர் அச்சுறுத்தல்
Caleb பயன்படுத்திய ஓர் உருவகம், நிறுவனச் சூழலில் இன்னும் வலுவான அர்த்தத்தைப் பெறுகிறது. பணியாளர்களுக்கு ChatGPT அல்லது Copilot போன்ற சக்திவாய்ந்த AI கருவிகளைப் பயன்படுத்தும் வாய்ப்பை வழங்குவது, அவர்களுக்கு ஒரு Ferrari-யைக் கொடுப்பது மட்டுமல்ல.
இது அவர்களுக்கு பயிற்சியும், சாலை விதிகளும், காப்பீடும், கார் உண்மையில் எங்கு செல்லும் என்பதை அறியும் வசதியும் இல்லாமல் ஒரு Ferrari-யைக் கொடுப்பது போன்றது.
அதன் இயந்திரம் அபாரமானது. ஆனால் பாதுகாக்க வேண்டிய தரவு, ஒழுங்குமுறை இணக்கத் தேவைகள், பழைய அமைப்புகள் ஆகியவை நிறைந்த சிக்கலான நிறுவனச் சூழலில், இந்த அளவிலான கட்டுப்பாடற்ற ஆற்றல் ஒரு கட்டமைப்பு ரீதியான அச்சுறுத்தல்.
ஒழுங்குபடுத்தப்படாத AI, எதிர்பாராத தரவுக் கசிவு, அங்கீகரிக்கப்படாத தகவல் தொழில்நுட்பப் பயன்பாடு, சரிபார்க்க முடியாத வெளியீடுகள், கட்டுப்பாடற்ற மாதிரி உள்ளீடுகள், தணிக்கை செய்யும் திறனின் முழுமையான இழப்பு ஆகியவற்றுக்கு வழிவகுக்கிறது.
Ferrari வேகமாக மட்டும் செல்வதில்லை. நிறுவனத்தால் பார்க்க முடியாத திசைகளிலும் செல்கிறது.
பணிப்பாய்வுகள், நிர்வாகக் கட்டுப்பாட்டு எல்லைகள், சரிபார்ப்பு அடுக்குகள், ஒருங்கிணைப்புக் கட்டமைப்பு ஆகியவை மீண்டும் கட்டியமைக்கப்படும் வரை, நிர்வகிக்கப்படாத AI ஒரு சொத்தாக அல்ல, சுமையாகவே இருக்கும்.
நிறுவனத்தின் அளவு ஏன் அமைப்பு ரீதியான உராய்வை உருவாக்குகிறது
நிறுவனங்கள் வளரும்போது, ஒருங்கிணைப்பின் சிக்கல் அதைவிட வேகமாக அதிகரிக்கிறது. ஒரு குழுவின் அளவை இரட்டிப்பாக்குவது சிக்கலை இரட்டிப்பாக்குவதில்லை. பலமடங்காக்குகிறது.
AI தனிநபரின் செயல்திறனை மேம்படுத்துகிறது. ஆனால் நிறுவனங்கள் வலையமைப்பு மட்டத்தில் செயல்படுகின்றன. இந்தப் பொருத்தமின்மை, அதன் தாக்கத்தின் பெரும்பகுதியை உறிஞ்சிவிடுகிறது.
ஆராய்ச்சி ஒரு அடிப்படை உண்மையை வெளிப்படுத்துகிறது.
ஏற்கெனவே இருப்பதை AI பெருக்குகிறது. ஒத்திசைந்தவை வேகமெடுக்கின்றன. சிதறியவை சரிகின்றன.
மறுவடிவமைக்கப்பட்ட பணிப்பாய்வுகளும் நிர்வாகக் கட்டுப்பாடுகளும் இல்லாமல், அமைப்பு முழுவதையும் மாற்றுவதற்குப் பதிலாகத் தனித்தனி மேம்பாடுகளையே AI வழங்குகிறது.
நிறுவனங்களின் எதார்த்த நிலை
பாதுகாப்பு, நம்பிக்கை, தரவு அபாயம், உள்நிலை எதிர்ப்பு
நிறுவனங்கள் தன்னாட்சியையோ AI-ஐ அடிப்படையாகக் கொண்ட பணிப்பாய்வுகளையோ நாடுவதற்கு முன், தவிர்க்க முடியாத கட்டுப்பாடுகளை எதிர்கொள்கின்றன.
பாதுகாப்புத் தேவைகள், தரவு எல்லைகளிலோ ஒழுங்குமுறை இணக்கத்திலோ எந்தச் சமரசத்தையும் அனுமதிப்பதில்லை.
LLM-இன் நம்பகமின்மை தயக்கத்தை உருவாக்குகிறது; ஏனெனில் அது உண்மைக்குப் புறம்பாக உருவாக்கும் தகவல்களை ஏற்றுக்கொள்ள முடியாது.
அங்கீகரிக்கப்படாத தகவல் தொழில்நுட்பப் பயன்பாடு, அதிகாரப்பூர்வக் கருவிகள் பணியாளர்களின் தேவைகளை நிறைவேற்றுவதில் பின்தங்கும்போது உருவாகிறது.
மூலோபாய மற்றும் தனிப்பட்ட தரவு, சட்டரீதியான அபாயத்தையும் நற்பெயருக்கான அபாயத்தையும் ஏற்படுத்துகிறது.
மையப்படுத்தப்பட்ட நிர்வாகக் கட்டுப்பாடு இல்லாமை, சரிபார்ப்பு மற்றும் மேற்பார்வை குறித்த நிச்சயமின்மையை உருவாக்குகிறது.
இவை பழமைவாதத்தின் அறிகுறிகள் அல்ல.
இவை நிறுவனப் பொறுப்புணர்வின் அறிகுறிகள்.
இந்த அடித்தளங்கள் மதிக்கப்படும்போதுதான் AI-ஐ ஏற்றுக்கொள்வது வேகமடைகிறது.
சந்தையில் உள்ள உண்மையான இடைவெளி
ஒவ்வொரு பணிப்பாய்வும் புதிதாக உருவாக்கப்பட விரும்புவதில்லை
AI குறித்த சில கருத்தாடல்கள், பணியாளர்கள் தானியக்கத்தை விரும்புவதாகக் கருதுகின்றன. உண்மையில், பல பணிப்பாய்வுகள் மாறாமல் நீடிக்கின்றன; ஏனெனில் அவை கணிக்கக்கூடியவையாகவும் பண்பாட்டு ரீதியில் பாதுகாப்பானவையாகவும் உணரப்படுகின்றன.
உண்மையான வாய்ப்பு வேறிடத்தில் உள்ளது.
கைமுறையாகத் தரவை மாற்றுதல்.
மீண்டும் மீண்டும் ஆவணப்படுத்துதல்.
ஒரு பணிச் சூழலிலிருந்து மற்றொன்றுக்கு மாறுதல்.
தனித்தனியாக இயங்கும் தளங்கள்.
ஒன்றோடொன்று இணைக்கப்படாத பணிச்செயல்முறைகள்.
இந்தத் தடைகள் உற்பத்தித்திறனைச் சத்தமின்றி அரிக்கின்றன.
கண்ணுக்குப் புலப்படாத தடைகளை நீக்குங்கள்; பயன்பாட்டை ஏற்றுக்கொள்வது இயல்பாக நடக்கும்.
நீடித்த நிறுவன மாற்றத்திற்கான நடைமுறைப் படிகள்
வெற்றிபெறும் நிறுவனங்களிடம் சில பொதுவான நடைமுறைகள் உள்ளன.
பணிச்செயல்முறைகளை நுணுக்கமாக ஆய்வு செய்யுங்கள்.
மேற்பார்வையுடன் தன்னிச்சையாகச் செயல்படும் திறனைப் படிப்படியாக அறிமுகப்படுத்துங்கள்.
தொழில்நுட்பத்தை மறுவடிவமைப்பதற்கு முன் பணிப் பொறுப்புகளை மறுவடிவமைக்குங்கள்.
பழைய அமைப்புகளால் ஏற்படும் கட்டுப்பாடுகள் குறைவாக உள்ள பகுதிகளில் தொடங்குங்கள்.
தனிப்பட்ட பணிகளின் வேகத்தை அல்ல, நிறுவனம் முன்னேறும் வேகத்தை அளவிடுங்கள்.
இந்தப் படிகள் எளிமையாகத் தோன்றுகின்றன. அவற்றின் தாக்கமோ பல மடங்காகப் பெருகுகிறது.
நிறுவனத் தலைவர்களுக்கான நிறைவுச் சிந்தனை
நிறுவனங்களில் AI பயன்பாட்டை ஏற்றுக்கொள்வது, AI மாதிரிகள் சார்ந்த சவால் அல்ல. அது கட்டமைப்பு மற்றும் பண்பாடு சார்ந்த சவால். பெரும்பாலான நிறுவனங்கள் தனிப்பட்ட பணிகளில் கிடைக்கும் முன்னேற்றங்களிலேயே தேங்கியுள்ளன. ஏனெனில் அவற்றின் பணிச்செயல்முறைகள் தன்னாட்சி அமைப்புகளுக்காக வடிவமைக்கப்படவில்லை.
இதை உணர்ந்து தெளிவான நோக்கத்துடன் மறுவடிவமைக்கும் தலைவர்கள், நிறுவன உற்பத்தித்திறனின் அடுத்த சகாப்தத்தை வடிவமைப்பார்கள்.
AI ஒருங்கிணைந்து இயங்கும் நிறுவனங்களை வலுப்படுத்துகிறது; சிதறி இயங்கும் நிறுவனங்களின் சிதறலை மேலும் பெரிதாக்குகிறது. முதலில் அடித்தளத்தை வலுப்படுத்துங்கள். பிறகு விரிவுபடுத்துங்கள்.
ஒரு நடைமுறைக் குறிப்பு
பாதுகாப்பான, ஒருங்கிணைந்த நிறுவன அடுக்கின் தேவை
CIO-க்கள் மற்றும் மாற்றக் குழுக்களுடனான உரையாடல்களில் ஒரு கருத்து மீண்டும் மீண்டும் வெளிப்படுகிறது. நிறுவனங்களுக்கு மேலும் ஒரு தனித்த உதவியாளர் தேவையில்லை. பயன்பாடுகளை இணைத்து, தரவைப் பாதுகாத்து, நிர்வாகக் கட்டுப்பாடுகளுக்கு ஏற்ப செயல்பட்டு, ஏற்கெனவே உள்ள அமைப்புகளின் நிலைத்தன்மையைப் பாதிக்காமல் பணிச்செயல்முறைகளில் AI-ஐ அறிமுகப்படுத்தும் உற்பத்தித்திறன் அடுக்கே அவற்றுக்குத் தேவை. அந்த அடுக்கு பாதுகாப்பானதாகவும், தணிக்கை செய்யக்கூடியதாகவும், ஆழமாக ஒருங்கிணைக்கப்பட்டதாகவும் இருக்க வேண்டும்.
ஆழமான ஒருங்கிணைப்புகள், தனியுரிமைக்கு முன்னுரிமை அளிக்கும் கட்டமைப்பு, நிறுவனத் தரத்திலான மேற்பார்வை ஆகியவற்றுடன் உருவாக்கப்பட்ட தளங்கள், நிர்வகிக்கப்படாத AI-ஐ அபாயத்திலிருந்து உத்திசார் அனுகூலமாக மாற்றுகின்றன. Ferrari-க்கு ஒருபோதும் கிடைக்காத, முறையாக வடிவமைக்கப்பட்ட சாலை அமைப்பை அவை வழங்குகின்றன.
இதுவே Dvina-வின் பின்னணியில் உள்ள தத்துவம். இது ஒரு பணிக்கான கருவியாகவோ தனித்து இயங்கும் முகவராகவோ வடிவமைக்கப்படவில்லை. பயன்பாடுகளை ஒன்றிணைத்து, உணர்திறன் மிக்க தரவைப் பாதுகாத்து, கட்டுப்பாட்டை விட்டுக்கொடுக்காமல் குழுக்கள் பணிச்செயல்முறை அளவிலான மாற்றத்தை அடைய உதவும் பணிச்செயல்முறைகளைப் புரிந்துகொள்ளும் உற்பத்தித்திறன் அடுக்காக வடிவமைக்கப்பட்டுள்ளது.
இறுதிச் சிந்தனை
சரியான சாலைகளை அமைக்கும் நிறுவனங்களுக்கே எதிர்காலம் சொந்தம்
AI மாற்றத்தில் வெற்றிபெறும் நிறுவனங்கள், அதிக AI மாதிரிகளைக் கொண்ட நிறுவனங்களாக இருக்காது. AI செயல்படுவதற்கான மிகப் பாதுகாப்பான, மிகத் தெளிவான, மாற்றங்களுக்கு மிக எளிதாகத் தகுந்துகொள்ளக்கூடிய பாதைகளை அமைக்கும் நிறுவனங்களாகவே இருக்கும்.
பணிச்செயல்முறைகள், நிர்வாகக் கட்டுப்பாடுகள், தரவு ஓட்டங்கள் ஆகியவை ஒருங்கிணையும்போது, AI ஒரு சோதனை இயந்திரமாகச் செயல்படுவதை நிறுத்தி, உண்மையான நிறுவன உள்கட்டமைப்பாக மாறுகிறது.
எதிர்காலம் மிக வேகமான இயந்திரங்களைக் கொண்ட நிறுவனங்களுக்குச் சொந்தமானதல்ல. மிக உறுதியான சாலைகளைக் கொண்ட நிறுவனங்களுக்கே அது சொந்தம்.