मेटाचे (Meta) LlamaCon 2025: कृत्रिम बुद्धिमत्तेच्या (AI) महत्त्वाकांक्षांचे गंभीर विश्लेषण
मेटाचे अलीकडील LlamaCon 2025 हे कृत्रिम बुद्धिमत्तेतील (Artificial Intelligence) त्यांची क्षमता दर्शवण्यासाठी आणि वेगाने बदलणाऱ्या AI क्षेत्रात आपले नेतृत्व पुन्हा स्थापित करण्यासाठी एक भव्य व्यासपीठ होते. या कार्यक्रमाला वॉल स्ट्रीटने (Wall Street) काही प्रमाणात प्रशंसा केली असली, तरी बारकाईने पाहिल्यास चित्र अधिक सूक्ष्म आहे. अनेक विकासकांनी (Developers) निराशा व्यक्त केली, यावरून असे दिसून येते की मेटाला (Meta) अजूनही प्रतिस्पर्धकांपर्यंत पोहोचण्यासाठी महत्त्वपूर्ण पाऊले उचलावी लागतील, विशेषत: प्रगत ‘reasoning models’ (तार्किक क्षमता) च्या क्षेत्रात.
LlamaCon चे आश्वासन आणि वास्तव
LlamaCon चा मुख्य उद्देश स्पष्ट होता: मेटाला त्यांच्या Llama या मोठ्या भाषिक मॉडेलच्या (LLMs) कुटुंबाला, OpenAI, Microsoft आणि Google सारख्या उद्योग क्षेत्रातील दिग्गजांच्या ‘closed-source offerings’ (बंद स्रोतांकडून मिळणाऱ्या सुविधा) च्या वर्चस्वाखाली असलेल्या AI परिसंस्थेमध्ये स्वायत्तता आणि लवचिकता (Autonomy and Flexibility) शोधणाऱ्या विकासकांसाठी एक उत्तम उपाय म्हणून स्थापित करायचे होते. मेटाने Llama ला सानुकूल करण्यायोग्य (Customizable) AI ॲप्लिकेशन्सची (Applications) गुरुकिल्ली मानले, जे विकासकांना त्यांच्या विशिष्ट गरजा आणि उपयोगांनुसार मॉडेल्स तयार करण्यास सक्षम करते.
या उद्देशाने, मेटाने LlamaCon मध्ये अनेक घोषणा केल्या, ज्यात नवीन Llama API च्या (Application Programming Interface) लॉन्चचा समावेश होता. मेटाच्या मते, हे API Llama मॉडेल्सला सध्याच्या ‘workflows’ (कार्यान्वयाच्या पद्धती) मध्ये एकत्रित करणे सोपे करेल, ज्यामुळे विकासकांना काही ओळींच्या ‘code’ (संहिता) च्या साहाय्याने AI ची शक्ती वापरता येईल. अखंड एकत्रीकरणाचे (Seamless Integration) आणि वापरण्यास सुलभतेचे आश्वासन निःसंशयपणे आकर्षक होते, विशेषत: जे विकासक त्यांच्या AI विकासाच्या प्रक्रियेला अधिक सोपे आणि प्रभावी बनवू पाहत आहेत.
याव्यतिरिक्त, मेटाने AI प्रक्रिया गतिमान करण्यासाठी विविध कंपन्यांशी धोरणात्मक भागीदारीची (Strategic Partnership) घोषणा केली. या सहकार्याचा उद्देश Llama मॉडेल्सची कार्यक्षमता (Performance) वाढवणे, त्यांना अधिक कार्यक्षम आणि प्रतिसाद देणारी बनवणे हा होता. मेटाने AT&T आणि इतर संस्थांच्या सहकार्याने AI- व्युत्पन्न (AI-generated) घोटाळ्यांविरुद्ध एक सुरक्षा कार्यक्रम देखील सुरू केला. या उपक्रमामुळे मेटाची जबाबदार AI विकासासाठीची बांधिलकी आणि तंत्रज्ञानाशी संबंधित संभाव्य धोक्यांची जाणीव दिसून येते.
या आकर्षणात आणखी भर घालताना, मेटाने जगभरातील स्टार्टअप्स (Startups) आणि विद्यापीठांना (Universities) $1.5 दशलक्ष डॉलर्सचे अनुदान (Grants) देण्याचे वचन दिले, जे Llama मॉडेल्सचा सक्रियपणे वापर करत आहेत. हा गुंतवणुकीचा उद्देश नवोपक्रमाला (Innovation) प्रोत्साहन देणे आणि विविध क्षेत्रांमध्ये नवीन AI ॲप्लिकेशन्सच्या विकासास उत्तेजन देणे हा आहे. AI विकासकांच्या पुढील पिढीला पाठिंबा देऊन, मेटाने Llama ची AI संशोधन (Research) आणि विकासासाठी एक अग्रगण्य व्यासपीठ म्हणून ओळख निर्माण करण्याची आशा व्यक्त केली.
हरवलेला भाग: प्रगत ‘Reasoning’ (तार्किक क्षमता)
अनेक घोषणा आणि भागीदारी असूनही, LlamaCon मध्ये एका महत्त्वाच्या क्षेत्राची उणीव जाणवली: एक नवीन ‘reasoning model’ (तार्किक क्षमता मॉडेल), जे इतर कंपन्यांच्या अत्याधुनिक (State-of-the-art) सुविधांशी स्पर्धा करू शकेल. ही उणीव विशेषतः जाणवली, कारण प्रतिस्पर्धकांनी AI ‘reasoning’ (तार्किक क्षमता) मध्ये झपाट्याने प्रगती दर्शविली, ज्यात चीनमधील DeepSeek आणि Alibaba चे Qwen यांसारख्या ‘open-source’ (खुला स्रोत) पर्यायांचा समावेश आहे.
‘Reasoning models’ (तार्किक क्षमता मॉडेल) प्रगत AI ॲप्लिकेशन्सच्या केंद्रस्थानी असतात, जे प्रणालींना गुंतागुंतीचे संबंध समजून घेण्यास, अनुमान काढण्यास आणि माहितीपूर्ण निर्णय घेण्यास सक्षम करतात. ही मॉडेल नैसर्गिक भाषेचे आकलन (Natural Language Understanding), समस्या- निराकरण (Problem-solving) आणि धोरणात्मक नियोजन (Strategic Planning) यांसारख्या कार्यांसाठी आवश्यक आहेत. स्पर्धात्मक ‘reasoning model’ (तार्किक क्षमता मॉडेल) नसल्यामुळे, मेटा खऱ्या अर्थाने बुद्धिमान आणि सक्षम AI प्रणाली विकसित करण्याच्या शर्यतीत मागे राहण्याचा धोका होता.
मेटाचे CEO मार्क झुकरबर्ग (Mark Zuckerberg) यांनी देखील या कमतरतेची कबुली दिली. त्यांच्या ‘keynote address’ ( discources) मध्ये, झुकरबर्ग यांनी ‘open-source’ (खुला स्रोत) AI च्या मूल्यावर जोर दिला आणि विकासकांना इष्टतम कार्यक्षमता प्राप्त करण्यासाठी विविध मॉडेल्स ‘mix and match’ (एकत्रित आणि जुळवून वापरण्याची) करण्याची क्षमता अधोरेखित केली.
ते म्हणाले, ‘Open source’ चा एक भाग म्हणजे तुम्ही ‘mix and match’ करू शकता. जर DeepSeek सारखे दुसरे मॉडेल अधिक चांगले असेल, किंवा Qwen कशात तरी अधिक चांगले असेल, तर विकासक म्हणून तुमच्याकडे वेगवेगळ्या मॉडेल्समधील सर्वोत्तम बुद्धिमत्ता (Intelligence) घेण्याची क्षमता आहे. मला वाटते की ‘open source’ (खुला स्रोत) मुळात ‘closed source’ (बंद स्रोत) [मॉडेल्स] मधील गुणवत्तेत वाढवते…[हे] एक न थांबणारी शक्तीसारखे वाटते.”
झुकरबर्ग यांच्या टिप्पणीतून असे सूचित होते की मेटाला (Meta) प्रतिस्पर्धी मॉडेल्सच्या (Models) सामर्थ्याची जाणीव आहे आणि विकासकांनी त्यांना Llama मध्ये समाकलित करण्याच्या कल्पनेसाठी ते खुले आहेत. तथापि, याचा अर्थ असाही होतो की Llama, कमीतकमी सध्या तरी, पूर्णपणे सर्वसमावेशक (Comprehensive) उपाय नाही आणि इष्टतम ‘reasoning’ (तार्किक क्षमता) क्षमता प्राप्त करण्यासाठी इतर मॉडेल्ससह वाढवणे आवश्यक असू शकते.
विकासकांची निराशा आणि ऑनलाइन प्रतिक्रिया
LlamaCon मध्ये नवीन ‘reasoning model’ (तार्किक क्षमता मॉडेल) चा अभाव विकासक समुदायाच्या लक्षात आला. अनेक उपस्थितांनी आणि ऑनलाइन निरीक्षकांनी निराशा व्यक्त केली, काहींनी Llama आणि प्रतिस्पर्धी मॉडेल्स, विशेषत: Qwen 3 यांच्यात प्रतिकूल तुलना केली, जे Alibaba ने मेटाच्या (Meta) कार्यक्रमाच्या अगदी एक दिवस आधी धोरणात्मकदृष्ट्या जारी केले होते.
वैद्यकीय AI ॲप्लिकेशन्सवर (Applications) काम करणारे विकासक विनीत साई वरीकुंटला (Vineeth Sai Varikuntla) यांनी झुकरबर्ग यांच्या ‘keynote’ नंतर आपली प्रतिक्रिया व्यक्त केली. ते म्हणाले, “जर ते Qwen आणि DeepSeek ला हरवत असतील, तर ते खूप रोमांचक असेल. मला वाटते की ते लवकरच एक मॉडेल घेऊन येतील. पण सध्या त्यांच्याकडे असलेले मॉडेल बरोबरीचे असले पाहिजे.” ते क्षणभर थांबले आणि पुन्हा विचार करून म्हणाले, “Qwen त्यांच्या सामान्य वापराच्या आणि ‘reasoning’ (तार्किक क्षमता) च्या बाबतीत खूप पुढे आहे.”
LlamaCon वर ऑनलाइन प्रतिक्रिया देखील या निराशेला प्रतिबिंबित (Reflect) करते. विविध ‘forums’ (चर्चा मंच) आणि सोशल मीडिया प्लॅटफॉर्मवर (Social Media Platform) वापरकर्त्यांनी Llama च्या ‘reasoning’ (तार्किक क्षमता) क्षमतेतील कथित मागासलेपणाबद्दल चिंता व्यक्त केली.
एका वापरकर्त्याने लिहिले, “Llama स्पर्धात्मकदृष्ट्या चांगल्या ‘Open Source’ (खुला स्रोत) पासून खूप मागे पडला आहे की मला वाटायला लागले आहे की Qwen आणि DeepSeek त्याला त्यांच्या आरशात देखील पाहू शकत नाहीत.” या टिप्पणीने एक वाढती भावना दर्शविली की Llama ने त्याची स्पर्धात्मक धार गमावली आहे आणि AI क्षेत्रातील झपाट्याने होणाऱ्या प्रगतीबरोबर राहण्यासाठी संघर्ष करत आहे.
इतरांनी असा युक्तिवाद (Argue) केला की मेटाने (Meta) सुरुवातीला LlamaCon मध्ये ‘reasoning model’ (तार्किक क्षमता मॉडेल) जारी करण्याची योजना आखली होती, परंतु Qwen ची प्रभावी (Impressive) कामगिरी पाहिल्यानंतर माघार घेण्याचा निर्णय घेतला. या अटकळांमुळे (Speculation) ‘reasoning’ (तार्किक क्षमता) क्षेत्रात मेटा (Meta) ‘catch-up’ (प्रगती साधण्याचा प्रयत्न) करत आहे, अशी धारणा अधिक दृढ झाली.
Hacker News वर, काहींनी API सेवा आणि भागीदारीवर (Partnership) भर देण्यावर टीका केली, असा युक्तिवाद केला की यामुळे मॉडेल सुधारणांच्या अधिक मूलभूत (Fundamental) मुद्द्यांपासून लक्ष विचलित होते. एका वापरकर्त्याने कार्यक्रमाचे वर्णन “super shallow” (खूप उथळ) असे केले, असे सूचित केले की त्यात सार (Substance) नाही आणि विकासक समुदायाच्या मुख्य चिंतांचे निराकरण करण्यात तो अयशस्वी ठरला.
Threads वरील आणखी एका वापरकर्त्याने कार्यक्रमाचा सारांश “kinda mid” (काहीसा निराशाजनक) असा काढला, हा शब्द निराशाजनक किंवा साधारण (Mediocre) कार्यक्रमांसाठी वापरला जातो. या स्पष्ट (Blunt) मूल्यांकनाने LlamaCon भोवतीच्या ऑनलाइन चर्चेमध्ये मोठ्या प्रमाणात पसरलेली निराशा आणि अपूर्ण अपेक्षांची भावना दर्शविली.
वॉल स्ट्रीटचा (Wall Street) आशावादी दृष्टिकोन
अनेक विकासकांकडून (Developers) मिळालेल्या थंड प्रतिसादानंतरही, LlamaCon वॉल स्ट्रीट विश्लेषकांची प्रशंसा मिळवण्यात यशस्वी ठरला, जे मेटाच्या (Meta) AI धोरणावर बारकाईने लक्ष ठेवतात. या विश्लेषकांनी कार्यक्रमाला AI साठी मेटाची (Meta) बांधिलकी आणि भविष्यात महत्त्वपूर्ण (Significant) महसूल (Revenue) निर्माण करण्याच्या क्षमतेचे सकारात्मक (Positive) लक्षण (Sign) म्हणून पाहिले.
फॉरेस्टरचे (Forrester) माईक प्रॉल्क्स (Mike Proulx) म्हणाले, “LlamaCon हे मेटाच्या (Meta) AI मधील महत्त्वाकांक्षा आणि यश दर्शवणारे एक मोठे प्रदर्शन होते.” हे विधान (Statement) या दृष्टिकोनाला प्रतिबिंबित करते की AI मधील मेटाची (Meta) गुंतवणूक (Investment) फळाला येत आहे आणि AI उपायांच्या वाढत्या मागणीचा फायदा घेण्यासाठी कंपनी योग्य स्थितीत आहे.
Jefferies विश्लेषक ब्रेंट थिल (Brent Thill) यांनी कार्यक्रमातील मेटाच्या (Meta) घोषणेला “hyperscaler” बनण्याच्या दिशेने “एक मोठे पाऊल” म्हटले, हा शब्द मोठ्या क्लाउड सेवा पुरवठादारांसाठी (Cloud Service Providers) वापरला जातो, जे व्यवसायांना संगणकीय (Computing) संसाधने आणि पायाभूत सुविधा (Infrastructure) देतात. थिल यांच्या मूल्यांकनावरून असे दिसून येते की मेटा (Meta) AI क्षेत्रात आघाडीच्या क्लाउड (Cloud) प्रदात्यांशी स्पर्धा करण्यासाठी आवश्यक पायाभूत सुविधा (Infrastructure) आणि क्षमता (Capabilities) निर्माण करण्यात महत्त्वपूर्ण प्रगती करत आहे.
LlamaCon बद्दल वॉल स्ट्रीटचा (Wall Street) सकारात्मक दृष्टिकोन (Positive Outlook) बहुधा मेटाच्या (Meta) AI गुंतवणुकीच्या दीर्घकालीन क्षमतेवर लक्ष केंद्रित करतो, तात्कालिक (Immediate) कमतरतांवर नाही, जसे की ‘reasoning models’ (तार्किक क्षमता मॉडेल). विश्लेषक (Analysts) या कमतरतांकडे दुर्लक्ष करण्यास तयार असू शकतात, कारण त्यांना विश्वास आहे की मेटा (Meta) अखेरीस (Eventually) त्यांचे निराकरण करेल आणि AI बाजारात एक प्रमुख खेळाडू म्हणून उदयास येईल.
Llama वापरकर्त्यांचा दृष्टिकोन
काही विकासकांनी (Developers) LlamaCon बद्दल निराशा व्यक्त केली असली, तरी जे Llama मॉडेल्स (Models) आधीपासून वापरत आहेत, ते तंत्रज्ञानाच्या फायद्यांबद्दल अधिक उत्साही (Enthusiastic) होते. या वापरकर्त्यांनी Llama ची गती (Speed), खर्च-प्रभावीता (Cost-Effectiveness) आणि लवचिकता (Flexibility) हे महत्त्वाचे फायदे असल्याचे सांगितले, जे त्यांच्या AI विकासाच्या प्रयत्नांसाठी ते एक मौल्यवान साधन बनवतात.
Tavus चे येव्हेनी पेट्रेन्को (Yevhenii Petrenko), जे AI- समर्थित (AI-powered) संभाषणात्मक (Conversational) व्हिडिओ (Video) तयार करतात, त्यांच्यासाठी Llama ची गती हा एक महत्त्वाचा घटक (Factor) होता. “आम्ही खूप कमी ‘latency’ (विलंब), जसे की खूप वेगवान प्रतिसादाची (Response) काळजी घेतो आणि Llama आम्हाला इतर LLM वापरण्यास मदत करते,” ते म्हणाले. पेट्रेन्को यांच्या टिप्पण्या (Comments) ‘real-time’ (रिअल-टाइम) AI ॲप्लिकेशन्समध्ये (Applications) गती आणि प्रतिसादाच्या महत्त्वावर जोर देतात आणि Llama ची या क्षेत्रात (Area) चांगली कामगिरी करण्याची क्षमता दर्शवतात.
WriteSea चे CTO हॅन्झला रामे (Hanzla Ramey), जे एक AI- समर्थित (AI-powered) करिअर सेवा (Career Services) प्लॅटफॉर्म (Platform) आहे आणि नोकरी शोधणाऱ्यांना (Job Seekers) ‘résumés’ (नोकरीचा बायोडाटा) तयार करण्यास आणि मुलाखतीचा (Interview) सराव (Practice) करण्यास मदत करते, त्यांनी Llama च्या खर्च-प्रभावीतेवर (Cost-Effectiveness) प्रकाश टाकला. ते म्हणाले, “आमच्यासाठी खर्च खूप महत्त्वाचा आहे. आम्ही एक ‘startup’ (नवीन व्यवसाय) आहोत, त्यामुळे खर्चावर नियंत्रण ठेवणे खूप महत्त्वाचे आहे. जर आम्ही ‘closed source’ (बंद स्रोत) वापरला, तर आम्ही लाखो नोकऱ्यांवर प्रक्रिया (Process) करू शकत नाही, अजिबात नाही.” रामे यांच्या विधानावरून हे स्पष्ट होते की ‘open-source’ (खुला स्रोत) मॉडेल, जसे की Llama वापरून महत्त्वपूर्ण खर्चबचत (Cost Savings) करता येते, विशेषत: ‘startups’ (नवीन व्यवसाय) आणि कमी बजेट (Budget) असलेल्या लहान व्यवसायांसाठी.
Llama वापरकर्त्यांच्या या सकारात्मक (Positive) प्रतिक्रियांवरून असे दिसून येते की मॉडेलने बाजारात एक विशिष्ट स्थान (Niche) शोधले आहे, विशेषत: जे गती (Speed), खर्च-प्रभावीता (Cost-Effectiveness) आणि लवचिकतेला (Flexibility) प्राधान्य (Prioritize) देतात. तथापि, हे लक्षात घेणे महत्त्वाचे आहे की हे वापरकर्ते प्रगत ‘reasoning’ (तार्किक क्षमता) क्षमतांबद्दल तितके चिंतित नसू शकतात, जे अधिक अत्याधुनिक (Sophisticated) AI ॲप्लिकेशन्स (Applications) विकसित करत आहेत.
Llama च्या भविष्यासाठी मेटाची (Meta) दृष्टी
LlamaCon दरम्यान, मार्क झुकरबर्ग (Mark Zuckerberg) यांनी Llama च्या भविष्यासाठीची त्यांची दृष्टी सामायिक (Share) केली, ज्यामध्ये लहान, अधिक जुळवून घेण्यायोग्य (Adaptable) मॉडेल्स (Models) च्या महत्त्वावर जोर दिला, जे विस्तृत उपकरणांवर (Devices) चालवता येतील.
झुकरबर्ग यांनी स्पष्ट केले की Llama 4 मेटाच्या (Meta) पसंतीच्या पायाभूत सुविधे (Infrastructure) - H100 GPU (ग्राफिक्स प्रोसेसिंग युनिट) च्या आधारावर तयार केले गेले आहे, ज्याने त्याची रचना (Architecture) आणि स्केल (Scale) निश्चित केले. तथापि, त्यांनी कबूल केले की “बऱ्याच ‘open source’ (खुला स्रोत) समुदायाला आणखी लहान मॉडेल्स (Models) हवे आहेत.” विकासकांना (Developers) “वेगवेगळ्या आकारात गोष्टी हव्या आहेत,” असे ते म्हणाले.
ते पुढे म्हणाले, “तुमच्याकडे मोठ्या मॉडेल्समधून (Models) जी काही बुद्धिमत्ता (Intelligence) आहे, ती घेऊन तुम्हाला हव्या त्या आकारात (Form Factor) रूपांतरित (Transform) करता येणे, जसे की तुमच्या लॅपटॉपवर (Laptop), फोनवर (Phone) किंवा इतर कशावरही चालवता येणे… माझ्यासाठी ही सर्वात महत्त्वाची गोष्ट आहे.”
झुकरबर्ग यांची दृष्टी (Vision) असे सूचित करते की मेटा (Meta) AI समुदायाच्या (Community) विविध (Varying) गरजा पूर्ण करू शकणाऱ्या Llama मॉडेल्सची (Models) विस्तृत श्रेणी (Range) विकसित करण्यास वचनबद्ध (Committed) आहे. यात मागणी असलेल्या ॲप्लिकेशन्ससाठी (Applications) मोठी, शक्तिशाली (Powerful) मॉडेल्स तसेच लहान, अधिक कार्यक्षम (Efficient) मॉडेल्सचा समावेश आहे, जे ‘edge devices’ (एज डिव्हाइसेस) आणि मोबाइल फोनवर (Mobile Phones) चालवता येतील.
जुळवून घेण्याची क्षमता (Adaptability) आणि सुलभतेवर (Accessibility) लक्ष केंद्रित (Focusing) करून, मेटाला (Meta) AI चे लोकशाहीकरण (Democratize) करायचे आहे आणि विकासकांना (Developers) विस्तृत उपयोगांसाठी AI ॲप्लिकेशन्स (Applications) तयार करण्यास सक्षम (Enable) करायचे आहे. ही रणनीती (Strategy) संभाव्यतः (Potentially) मेटाला (Meta) त्या कंपन्यांवर स्पर्धात्मक (Competitive) advantage (वर्चस्व) देऊ शकते, ज्या प्रामुख्याने मोठ्या, केंद्रीकृत (Centralized) AI मॉडेल्स (Models) विकसित करण्यावर लक्ष केंद्रित (Focus) करतात.
निष्कर्ष: एक प्रगतीपथावर असलेले काम
LlamaCon 2025 हे एक निर्विवाद (Resounding) यश नव्हते, तर घोषणा, आश्वासने आणि अपूर्ण अपेक्षांचे मिश्रण होते. या कार्यक्रमात मेटाची (Meta) AI commitment (बांधिलकी) आणि क्षेत्रातील leader (अग्रणी) बनण्याची महत्वाकांक्षा (Ambition) दर्शविली गेली, त्याचबरोबर उद्योगात (Industry) झपाट्याने होणाऱ्या प्रगतीबरोबर राहण्यासाठी कंपनीला ज्या आव्हानांचा (Challenges) सामना करावा लागतो, तेही निदर्शनास आले.
नवीन ‘reasoning model’ (तार्किक क्षमता मॉडेल) चा अभाव अनेक विकासकांसाठी (Developers) निराशाजनक (Disappointing) होता, ज्यामुळे दीर्घकाळात Llama च्या स्पर्धेबद्दल (Competitiveness) चिंता वाढली. तथापि, वॉल स्ट्रीट विश्लेषक (Wall Street Analysts) मेटाच्या (Meta) AI धोरणाबद्दल आशावादी (Optimistic) राहिले आणि त्यांनी कंपनीच्या गुंतवणुकीच्या (Investment) दीर्घकालीन क्षमतेवर लक्ष केंद्रित केले.
अखेरीस (Ultimately), LlamaCon ने एक स्मरणपत्र (Reminder) म्हणून काम केले की मेटा (Meta) अजूनही ‘pivot’ (बदल) च्या मध्यात आहे, विकासकांना (Developers) आणि कदाचित स्वतःलाही खात्री (Convince) देण्याचा प्रयत्न करत आहे की ते केवळ मॉडेलच (Models) नव्हे, तर AI क्षेत्रात गती (Momentum) देखील निर्माण करू शकतात. कंपनीचे भविष्य (Future) तिच्या सध्याच्या ‘offerings’ (सुविधा) मधील कमतरता (Shortcomings) दूर करण्याच्या क्षमतेवर अवलंबून असेल, विशेषत: ‘reasoning’ (तार्किक क्षमता) क्षमतांच्या क्षेत्रात आणि AI च्या सतत बदलणाऱ्या ‘landscape’ (परिस्थिती) मध्ये नविनता (Innovating) आणि जुळवून (Adapting) घेण्यावर अवलंबून असेल.