उत्पादकता में कमी: एआई परियोजनाएं 95% कंपनियों के लिए मापनीय लाभ नहीं लाती हैं और उन्हें इससे कैसे बचना चाहिए

जानना ज़रूरी है! कृत्रिम बुद्धिमत्ता का विरोधाभास: कंपनियों में निवेश किए गए अरबों डॉलर क्यों बेकार हो जाते हैं

जनरेटिव आर्टिफिशियल इंटेलिजेंस में 30 से 40 अरब डॉलर के अभूतपूर्व निवेश के बावजूद, 95 प्रतिशत कंपनियाँ अपने निवेश पर उचित रिटर्न हासिल करने में विफल रहती हैं। 2025 के एक व्यापक एमआईटी अध्ययन द्वारा सामने आया यह चिंताजनक आँकड़ा उम्मीदों और वास्तविकता के बीच एक नाटकीय अंतर को उजागर करता है। हालाँकि यह तकनीक रोज़ाना सुर्खियाँ बटोरती है और इसे भविष्य की व्यवहार्यता की कुंजी माना जाता है, फिर भी अधिकांश कंपनियाँ अपनी एआई पहलों से वास्तविक मूल्य उत्पन्न करने में विफल रहती हैं।

जेनएआई विभाजन: अर्थव्यवस्था में एक अदृश्य विभाजन

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी ने इस परिघटना के लिए "जेनएआई डिवाइड" शब्द गढ़ा है—कृत्रिम बुद्धिमत्ता से लाभान्वित होने वाली कुछ कंपनियों और अंतहीन प्रायोगिक चरणों में फंसी आम जनता के बीच एक गहरा विभाजन। यह विभाजन किसी तकनीकी समस्या के रूप में नहीं, बल्कि दूरगामी परिणामों वाली एक संगठनात्मक विफलता के रूप में प्रकट होता है।

आंकड़े खुद ही सब कुछ बयां करते हैं: वर्तमान में केवल 5 प्रतिशत एकीकृत एआई पायलट प्रोजेक्ट ही मापनीय मूल्य उत्पन्न कर रहे हैं, जबकि शेष 95 प्रतिशत का अंतिम परिणाम पर कोई प्रभाव नहीं दिख रहा है। चैटजीपीटी और माइक्रोसॉफ्ट कोपायलट जैसे उपभोक्ता टूल्स की उच्च अपनाने की दर को देखते हुए यह असमानता और भी अधिक चौंकाने वाली है। लगभग 80 प्रतिशत संगठन इन प्लेटफॉर्म्स का परीक्षण कर रहे हैं, और लगभग 40 प्रतिशत ने इन्हें पहले ही लागू कर दिया है।

शोध के निष्कर्ष 300 से ज़्यादा सार्वजनिक एआई कार्यान्वयनों के व्यवस्थित विश्लेषण और विभिन्न उद्योगों के 153 अधिकारियों के साथ संरचित साक्षात्कारों पर आधारित हैं। जनवरी और जून 2025 के बीच किए गए इस अध्ययन से जनरल एआई विभाजन के चार विशिष्ट पैटर्न सामने आए हैं: आठ प्रमुख क्षेत्रों में से केवल दो में सीमित व्यवधान, उच्च पायलट गतिविधि लेकिन कम स्केलिंग वाला एक कॉर्पोरेट विरोधाभास, दृश्यमान विशेषताओं के पक्ष में निवेश पूर्वाग्रह, और आंतरिक विकास की तुलना में बाहरी साझेदारियों के लिए कार्यान्वयन लाभ।

वर्कस्लोप: एआई उत्पादकता का छिपा हुआ ज़हर

शोध में पहचानी गई एक विशेष रूप से हानिकारक घटना को "वर्कस्लोप" कहा जाता है—"वर्क" और "स्लोप" का एक संयोजन—जो एआई द्वारा उत्पन्न ऐसी कार्य सामग्री का वर्णन करता है जो सतह पर तो पेशेवर लगती है, लेकिन करीब से देखने पर अधूरी और अनुपयोगी होती है। यह दिखने में पॉलिश किया हुआ लेकिन सारहीन कार्य, बोझ को निर्माता से प्राप्तकर्ता पर स्थानांतरित कर देता है, जिससे कुल कार्यभार कम होने के बजाय बढ़ जाता है।

वर्कस्लोप का प्रभाव महत्वपूर्ण है: सर्वेक्षण में शामिल 1,150 से ज़्यादा पूर्णकालिक अमेरिकी कर्मचारियों में से 40 प्रतिशत ने पिछले महीने ऐसी सामग्री प्राप्त होने की सूचना दी। कर्मचारियों का अनुमान है कि औसतन, उन्हें प्राप्त होने वाले 15.4 प्रतिशत कार्य दस्तावेज़ इसी श्रेणी में आते हैं। व्यावसायिक सेवाएँ और तकनीकी उद्योग विशेष रूप से प्रभावित होते हैं, जहाँ यह घटना असमान रूप से अक्सर होती है।

वित्तीय लागतें बहुत ज़्यादा हैं: प्रत्येक वर्कस्लोप घटना से कंपनियों को प्रति कर्मचारी औसतन $186 प्रति माह का नुकसान होता है। 10,000 कर्मचारियों वाले किसी संगठन के लिए, यह उत्पादकता में सालाना $9 मिलियन से ज़्यादा की हानि के बराबर है। लेकिन सामाजिक और भावनात्मक लागतें संभावित रूप से और भी ज़्यादा गंभीर हैं। 53 प्रतिशत प्राप्तकर्ताओं ने झुंझलाहट की बात कही, 38 प्रतिशत ने उलझन महसूस की, और 22 प्रतिशत ने सामग्री को आपत्तिजनक पाया।

सहकर्मियों के बीच विश्वास में भारी गिरावट: लगभग आधे प्राप्तकर्ता वर्कस्लोप संदेश भेजने वाले सहकर्मियों को कम रचनात्मक, सक्षम और विश्वसनीय मानते हैं। 42 प्रतिशत उन्हें कम भरोसेमंद मानते हैं, और 37 प्रतिशत कम बुद्धिमान। प्रभावित लोगों में से एक-तिहाई भविष्य में ऐसे सहकर्मियों के साथ कम काम करना पसंद करेंगे। कार्य संबंधों में यह गिरावट, सफल एआई अपनाने और परिवर्तन प्रबंधन के लिए आवश्यक सहयोग के महत्वपूर्ण तत्वों के लिए ख़तरा है।

संरचनात्मक शिक्षण अंतराल: कंपनियाँ क्यों विफल होती हैं

मुख्य समस्या तकनीक में नहीं, बल्कि एक बुनियादी सीखने की कमी में है जो एआई सिस्टम और संगठनों दोनों को प्रभावित करती है। वर्तमान जनरेटिव एआई सिस्टम स्थायी रूप से फीडबैक संग्रहीत नहीं कर सकते, संगठनात्मक संदर्भों के अनुकूल नहीं हो सकते, या अपने प्रदर्शन में निरंतर सुधार नहीं कर सकते। इन सीमाओं के कारण, चैटजीपीटी का दैनिक उपयोग करने वाले पेशेवर भी, निजी तौर पर, अपनी कंपनियों के आंतरिक एआई कार्यान्वयन को अस्वीकार कर देते हैं।

एक वकील ने एक खास तौर पर चौंकाने वाला उदाहरण दिया, जिसने बताया कि उसकी कंपनी का $50,000 का कॉन्ट्रैक्ट एनालिसिस टूल लगातार उसकी $20 की ChatGPT सदस्यता से कम प्रदर्शन कर रहा है। यह विसंगति इस विरोधाभास को उजागर करती है कि उपभोक्ता टूल अक्सर महंगे एंटरप्राइज़ समाधानों से बेहतर परिणाम देते हैं, भले ही दोनों समान मॉडल पर आधारित हों।

एंटरप्राइज़ AI की कमज़ोरी को कम करके आंका गया है - और उपभोक्ता उपकरण कैसे इसे पीछे छोड़ रहे हैं

चैटजीपीटी जैसे सस्ते उपभोक्ता एआई टूल्स की महंगे एंटरप्राइज़ समाधानों पर उल्लेखनीय श्रेष्ठता कई विशिष्ट कारणों से जुड़ी है। मुख्य समस्या यह है कि एंटरप्राइज़ एआई सिस्टम, अत्यधिक विशिष्ट और महंगे होने के बावजूद, अक्सर उपयोगकर्ताओं की महत्वपूर्ण आवश्यकताओं और मॉडलों के गतिशील विकास पर विचार किए बिना विकसित किए जाते हैं। उपभोक्ता टूल अक्सर लाखों उपयोगकर्ता इंटरैक्शन के माध्यम से अधिक लचीले, सहज और बेहतर अनुकूलित होते हैं। दूसरी ओर, एंटरप्राइज़ सिस्टम जटिल एकीकरण, डेटा साइलो और कठोर वर्कफ़्लो द्वारा सीमित होते हैं, और अक्सर फ़ीडबैक को स्थायी रूप से संग्रहीत नहीं करते हैं।

एक प्रमुख समस्या अनुकूलनशीलता का अभाव है: एंटरप्राइज़ समाधान एक बार लागू किए जाते हैं और फिर धीरे-धीरे विकसित होते हैं, जबकि उपभोक्ता AI उपकरणों को उपयोगकर्ता प्रतिक्रिया और वर्तमान ज्ञान के आधार पर निरंतर प्रशिक्षित किया जाता है। ChatGPT के साथ, उपयोगकर्ता सीधे संवाद में प्रश्न पूछ सकते हैं, इनपुट बदल सकते हैं, और तुरंत एक अनुकूलित परिणाम प्राप्त कर सकते हैं। दूसरी ओर, कई एंटरप्राइज़ समाधान अत्यधिक फ़ॉर्म-आधारित होते हैं और पूर्वनिर्धारित, अक्सर पुराने टेक्स्ट मॉड्यूल का उपयोग करते हैं - जिससे वे बहुत लचीले और अनुत्तरदायी हो जाते हैं।

इसके अलावा, एकीकरण और प्रशासन का प्रयास भी बहुत अधिक है: महंगे समाधानों को कॉर्पोरेट प्रक्रियाओं, डेटा सुरक्षा नीतियों और इंटरफेस के अनुकूल बनाना पड़ता है, और अत्यधिक व्यवस्थित प्रतिबंधों के कारण, वे उपभोक्ता पेशकशों के नवाचार की गति के साथ तालमेल नहीं बिठा पाते। विशेष रूप से अनुबंध विश्लेषण जैसे विशिष्ट कार्यों के लिए, सामान्य मॉडल अक्सर और भी अधिक शक्तिशाली होते हैं, क्योंकि वे व्यापक ज्ञान को कवर करते हैं और बेहतर संकेत के माध्यम से उपयोगकर्ताओं द्वारा सीधे नियंत्रित किए जा सकते हैं। कस्टम कॉर्पोरेट AI में अक्सर एक सार्थक डेटाबेस का अभाव होता है और वे स्वतंत्र रूप से संदर्भ का विस्तार और सीख नहीं सकते।

अंततः, ये सभी पहलू एक विरोधाभासी स्थिति की ओर ले जाते हैं: यद्यपि अनुकूलित उद्यम एआई पर बड़ी रकम खर्च की जाती है, लेकिन इसके परिणाम अक्सर कम प्रासंगिक, अधिक व्यावहारिक या अधिक सटीक होते हैं, जबकि सस्ते, लचीले उपभोक्ता समाधानों को उपयोगकर्ताओं की विशिष्ट आवश्यकताओं के अनुसार सीधे और सहजता से अनुकूलित किया जा सकता है।

मुख्यधारा के AI उपकरणों की अदृश्य सीमाएँ

उपभोक्ता एआई उपकरण आमतौर पर व्यापक, मुख्यधारा के विषयों और सामान्य कार्यों के लिए अनुकूलित होते हैं। वे जिस प्रशिक्षण डेटा पर आधारित होते हैं, वह आमतौर पर सार्वजनिक रूप से सुलभ स्रोतों जैसे इंटरनेट, सार्वजनिक पाठ और सामान्य रोज़मर्रा के उदाहरणों से प्राप्त होता है। यह उन्हें सामान्य प्रश्नों, सामान्य पाठ या मानक प्रक्रियाओं के लिए विशेष रूप से प्रभावी बनाता है—उदाहरण के लिए, मार्केटिंग पाठ बनाना, ईमेल का जवाब देना, या साधारण नियमित प्रक्रियाओं को स्वचालित करना।

हालाँकि, आवश्यकताएँ जितनी अधिक विशिष्ट होती हैं, सामान्य उपभोक्ता AI उतनी ही अधिक गंभीर रूप से अपनी सीमाएँ पार करता है। जब उद्योग-विशिष्ट या व्यवसाय-महत्वपूर्ण कार्यों की बात आती है, तो इन उपकरणों में आमतौर पर आवश्यक विस्तृत जानकारी, विषय-विशिष्ट डेटा या विशिष्ट प्रशिक्षण का अभाव होता है। जटिल कानूनी शब्दावली, तकनीकी रिपोर्ट, या अत्यधिक अनुकूलित B2B प्रक्रियाओं से जुड़े अनुबंध विश्लेषण जैसे कार्य अक्सर प्रभावी रूप से स्वचालित नहीं हो पाते क्योंकि AI को प्रासंगिक संदर्भ का ज्ञान नहीं होता है या वह उसकी विश्वसनीय व्याख्या नहीं कर पाता है।

यह अत्यधिक विशिष्ट उद्योगों और व्यक्तिगत, कंपनी-विशिष्ट आवश्यकताओं में सबसे अधिक स्पष्ट है। जितनी कम जानकारी स्वतंत्र रूप से उपलब्ध होगी - उदाहरण के लिए, किसी कंपनी के मुख्य उत्पाद या गोपनीय आंतरिक प्रक्रियाओं के बारे में - उपभोक्ता एआई की त्रुटि दर उतनी ही अधिक होगी। परिणामस्वरूप, ऐसी प्रणालियों में गलत या अपूर्ण सुझाव देने का जोखिम रहता है और, सबसे खराब स्थिति में, व्यवसाय-महत्वपूर्ण प्रक्रियाओं में बाधा उत्पन्न हो सकती है या गलत निर्णय लिए जा सकते हैं।

व्यवहार में, इसका मतलब है कि उपभोक्ता एआई उपकरण आमतौर पर मुख्यधारा के कार्यों के लिए पर्याप्त होते हैं; हालाँकि, बढ़ती विशेषज्ञता के साथ, इन उपकरणों की विफलता दर काफी बढ़ जाती है। इसलिए, जो कंपनियाँ उद्योग-विशिष्ट ज्ञान, सटीक प्रक्रिया सत्यापन, या उच्च-स्तरीय अनुकूलन पर निर्भर करती हैं, उन्हें विशेष डेटाबेस और अनुकूलित प्रशिक्षण वाले अपने स्वयं के एंटरप्राइज़ समाधानों से दीर्घकालिक लाभ होता है।

एआई स्केलिंग में असली बाधा बुद्धिमत्ता नहीं है: जब लचीलेपन की उच्च अपेक्षाएं धीमी पड़ जाती हैं

सफल एआई स्केलिंग में कई बाधाएँ हैं: सबसे पहले और सबसे प्रमुख है नए उपकरणों को अपनाने की अनिच्छा, और उसके बाद मॉडल की गुणवत्ता को लेकर चिंताएँ। खास तौर पर दिलचस्प बात यह है कि गुणवत्ता संबंधी ये चिंताएँ वस्तुनिष्ठ प्रदर्शन संबंधी कमियों के कारण नहीं हैं, बल्कि इस तथ्य के कारण हैं कि उपयोगकर्ता उपभोक्ता उपकरणों के लचीलेपन और प्रतिक्रियाशीलता के आदी हो गए हैं और इसलिए उन्हें स्थिर एंटरप्राइज़ उपकरण अपर्याप्त लगते हैं।

मिशन-महत्वपूर्ण कार्यों के लिए यह अंतर और भी स्पष्ट है: जहाँ 70 प्रतिशत उपयोगकर्ता ईमेल लिखने या बुनियादी विश्लेषण जैसे सरल कार्यों के लिए एआई को प्राथमिकता देते हैं, वहीं 90 प्रतिशत जटिल परियोजनाओं या ग्राहक सेवा के लिए मानव कर्मचारियों को प्राथमिकता देते हैं। यह विभाजन रेखा बुद्धिमत्ता पर आधारित नहीं है, बल्कि याद रखने, अनुकूलन करने और निरंतर सीखने की क्षमता पर आधारित है।

छाया एआई अर्थव्यवस्था: कार्यस्थल में गुप्त एआई क्रांति

निराशाजनक आधिकारिक एआई पहलों के समानांतर, एक "छाया एआई अर्थव्यवस्था" फल-फूल रही है, जिसमें कर्मचारी अक्सर आईटी विभाग की जानकारी या अनुमति के बिना, अपने काम के लिए व्यक्तिगत एआई उपकरणों का उपयोग करते हैं। इसका पैमाना उल्लेखनीय है: जहाँ केवल 40 प्रतिशत कंपनियों ने आधिकारिक एआई सदस्यता खरीदने की सूचना दी है, वहीं सर्वेक्षण में शामिल 90 प्रतिशत से अधिक कंपनियों के कर्मचारी नियमित रूप से अपने काम के लिए व्यक्तिगत एआई उपकरणों का उपयोग करने की सूचना देते हैं।

यह समानांतर अर्थव्यवस्था एक महत्वपूर्ण बात उजागर करती है: यदि व्यक्तियों के पास लचीले और प्रतिक्रियाशील उपकरणों तक पहुँच हो, तो वे GenAI की कमी को सफलतापूर्वक पाट सकते हैं। जो संगठन इस पैटर्न को पहचानते हैं और उस पर काम करते हैं, वे एंटरप्राइज़ AI अपनाने के भविष्य का प्रतिनिधित्व करते हैं। प्रगतिशील कंपनियाँ पहले से ही छाया उपयोग से सीखकर और एंटरप्राइज़ विकल्पों को अपनाने से पहले यह विश्लेषण करके इस कमी को पाटने की शुरुआत कर रही हैं कि कौन से व्यक्तिगत उपकरण मूल्य प्रदान करते हैं।

'प्रबंधित एआई' (कृत्रिम बुद्धिमत्ता) के साथ डिजिटल परिवर्तन का एक नया आयाम - प्लेटफ़ॉर्म और B2B समाधान | एक्सपर्ट कंसल्टिंग - छवि: एक्सपर्ट.डिजिटल

यहां आप सीखेंगे कि आपकी कंपनी कैसे अनुकूलित AI समाधानों को शीघ्रता से, सुरक्षित रूप से और बिना किसी उच्च प्रवेश बाधाओं के कार्यान्वित कर सकती है।

एक प्रबंधित AI प्लेटफ़ॉर्म, कृत्रिम बुद्धिमत्ता के लिए आपका सर्वांगीण, चिंतामुक्त पैकेज है। जटिल तकनीक, महंगे बुनियादी ढाँचे और लंबी विकास प्रक्रियाओं से निपटने के बजाय, आपको एक विशेषज्ञ भागीदार से आपकी ज़रूरतों के अनुरूप एक टर्नकी समाधान प्राप्त होता है – अक्सर कुछ ही दिनों में।

एक नज़र में मुख्य लाभ:

⚡ तेज़ क्रियान्वयन: विचार से लेकर कार्यान्वयन तक महीनों नहीं, बल्कि कुछ ही दिनों में। हम ऐसे व्यावहारिक समाधान प्रदान करते हैं जो तत्काल मूल्य प्रदान करते हैं।

🔒 अधिकतम डेटा सुरक्षा: आपका संवेदनशील डेटा आपके पास ही रहता है। हम तृतीय पक्षों के साथ डेटा साझा किए बिना सुरक्षित और अनुपालन प्रसंस्करण की गारंटी देते हैं।

💸 कोई वित्तीय जोखिम नहीं: आप केवल परिणामों के लिए भुगतान करते हैं। हार्डवेयर, सॉफ़्टवेयर या कार्मिकों में उच्च अग्रिम निवेश पूरी तरह से समाप्त हो जाता है।

🎯 अपने मुख्य व्यवसाय पर ध्यान केंद्रित करें: उस पर ध्यान केंद्रित करें जिसमें आप सबसे अच्छे हैं। हम आपके AI समाधान के संपूर्ण तकनीकी कार्यान्वयन, संचालन और रखरखाव का प्रबंधन करते हैं।

📈 भविष्य-सुरक्षित और स्केलेबल: आपका AI आपके साथ बढ़ता है। हम निरंतर अनुकूलन और स्केलेबिलिटी सुनिश्चित करते हैं, और मॉडलों को नई आवश्यकताओं के अनुसार लचीले ढंग से अनुकूलित करते हैं।

इसके बारे में यहां अधिक जानकारी:

• प्रबंधित एआई समाधान - औद्योगिक एआई सेवाएँ: सेवा, औद्योगिक और यांत्रिक इंजीनियरिंग क्षेत्रों में प्रतिस्पर्धा की कुंजी

निवेश का गलत आवंटन: वास्तविकता के बजाय चमक-दमक

GenAI विभाजन का एक और महत्वपूर्ण पहलू निवेश पैटर्न में स्पष्ट है: GenAI बजट का लगभग 50 प्रतिशत बिक्री और विपणन कार्यों में प्रवाहित होता है, भले ही बैक-ऑफ़िस स्वचालन अक्सर बेहतर ROI प्रदान करता है। यह पूर्वाग्रह वास्तविक मूल्य को नहीं दर्शाता, बल्कि दृश्यमान क्षेत्रों में मेट्रिक्स के आसान आवंटन को दर्शाता है।

बिक्री और विपणन बजट आवंटन में न केवल अपनी दृश्यता के कारण, बल्कि इसलिए भी प्रमुख भूमिका निभाते हैं क्योंकि डेमो वॉल्यूम या ईमेल प्रतिक्रिया समय जैसे परिणाम सीधे बोर्ड मेट्रिक्स से संबंधित होते हैं। दूसरी ओर, कानूनी, खरीद और वित्तीय कार्य, कम अनुपालन उल्लंघन, अनुकूलित वर्कफ़्लो, या त्वरित मासिक समापन जैसे अधिक सूक्ष्म दक्षता लाभ प्रदान करते हैं—महत्वपूर्ण लेकिन संप्रेषित करने में कठिन सुधार।

यह निवेश पूर्वाग्रह संसाधनों को दृश्यमान, लेकिन अक्सर कम परिवर्तनकारी, उपयोग के मामलों की ओर निर्देशित करके GenAI विभाजन को बनाए रखता है, जबकि उच्चतम ROI अवसर बैक-ऑफ़िस कार्यों में अपर्याप्त रूप से वित्तपोषित रहते हैं। इसके अलावा, सामाजिक मान्यता की खोज उत्पाद की गुणवत्ता की तुलना में खरीद निर्णयों को अधिक प्रभावित करती है: अनुशंसाएँ, मौजूदा संबंध और उद्यम पूंजी परिचय, कार्यक्षमता या सुविधा सेट की तुलना में उद्यम अपनाने के अधिक प्रबल भविष्यवक्ता बने रहते हैं।

संरचनात्मक अंतर: एंटरप्राइज़ AI बनाम उपभोक्ता AI

एंटरप्राइज़ AI और कंज्यूमर AI के बीच मूलभूत अंतर कई देखी गई समस्याओं की व्याख्या करते हैं। कंज्यूमर AI ग्राहक अनुभव को बेहतर बनाने और व्यक्तिगत उपयोगकर्ताओं को वैयक्तिकृत करने पर केंद्रित है, जबकि एंटरप्राइज़ AI को संगठनात्मक प्रक्रियाओं को अनुकूलित करने, अनुपालन सुनिश्चित करने और जटिल व्यावसायिक आवश्यकताओं के लिए स्केलेबल समाधान प्रदान करने के लिए डिज़ाइन किया गया है।

एंटरप्राइज़ एआई के लिए गहन विशेषज्ञता की आवश्यकता होती है और अक्सर KPI-संचालित परिणाम प्राप्त करने के लिए पर्यवेक्षित शिक्षण तकनीकों का उपयोग किया जाता है। इसे जटिल आईटी परिदृश्यों में एकीकृत होना चाहिए, नियामक आवश्यकताओं को पूरा करना चाहिए और मज़बूत डेटा सुरक्षा उपायों को लागू करना चाहिए। दूसरी ओर, उपभोक्ता एआई उपयोग में आसानी और तत्काल संतुष्टि को प्राथमिकता देता है, अक्सर सुरक्षा और अनुपालन की कीमत पर।

ये संरचनात्मक अंतर बताते हैं कि क्यों एक ही अंतर्निहित मॉडल उपभोक्ता अनुप्रयोगों में तो शानदार ढंग से काम करता है, लेकिन उद्यम परिवेशों में विफल हो जाता है। एंटरप्राइज़ एआई को न केवल तकनीकी रूप से कार्यात्मक होना चाहिए, बल्कि मौजूदा व्यावसायिक प्रक्रियाओं में एकीकृत भी होना चाहिए, शासन संबंधी आवश्यकताओं को पूरा करना चाहिए और दीर्घकालिक मूल्य सृजन प्रदर्शित करना चाहिए।

सफलता की रणनीतियाँ: पाँच प्रतिशत लोग इस अंतर को कैसे पाटते हैं

GenAI की खाई को सफलतापूर्वक पाटने वाली कुछ कंपनियाँ एक पहचाने जाने वाले पैटर्न का पालन करती हैं। वे AI स्टार्टअप्स को सॉफ़्टवेयर विक्रेताओं की तरह कम और व्यावसायिक सेवा प्रदाताओं की तरह ज़्यादा मानते हैं, जो परामर्शदाता फर्मों या व्यावसायिक प्रक्रिया आउटसोर्सिंग भागीदारों के समान हैं। ये संगठन आंतरिक प्रक्रियाओं और डेटा के साथ गहन समन्वय की माँग करते हैं, मॉडल बेंचमार्क के बजाय परिचालन परिणामों के आधार पर उपकरणों का मूल्यांकन करते हैं, और तैनाती को शुरुआती विफलताओं के माध्यम से सह-विकास के रूप में देखते हैं।

विशेष रूप से उल्लेखनीय बात यह है कि बाहरी साझेदारियों की सफलता दर आंतरिक विकास की तुलना में लगभग दोगुनी होती है। जहाँ 67 प्रतिशत रणनीतिक साझेदारियाँ सफल परिनियोजन की ओर ले जाती हैं, वहीं केवल 33 प्रतिशत आंतरिक विकास प्रयास ही इस लक्ष्य को प्राप्त कर पाते हैं। ये साझेदारियाँ अक्सर मूल्य प्राप्ति में तेज़ी, कम समग्र लागत और परिचालन कार्यप्रवाह के साथ बेहतर तालमेल प्रदान करती हैं।

सफल खरीदार केंद्रीय प्रयोगशालाओं के बजाय अग्रणी प्रबंधकों से एआई पहलों की पहचान करते हैं, जिससे बजट धारकों और डोमेन प्रबंधकों को समस्याओं की पहचान करने, उपकरणों का मूल्यांकन करने और कार्यान्वयन का मार्गदर्शन करने में मदद मिलती है। यह निचले स्तर की खरीद, कार्यकारी जवाबदेही के साथ मिलकर, अपनाने में तेज़ी लाती है और परिचालन संबंधी उपयुक्तता बनाए रखती है।

उद्योग-विशिष्ट व्यवधान: प्रौद्योगिकी आगे है, अन्य लोग हिचकिचाते हुए उसका अनुसरण करते हैं

उद्योग स्तर पर GenAI का विभाजन स्पष्ट रूप से दिखाई देता है। उच्च निवेश और व्यापक पायलट गतिविधि के बावजूद, नौ प्रमुख क्षेत्रों में से केवल दो—प्रौद्योगिकी और मीडिया/दूरसंचार—में ही संरचनात्मक परिवर्तन के स्पष्ट संकेत दिखाई दे रहे हैं। बाकी सभी क्षेत्र परिवर्तन के गलत पक्ष में फंसे हुए हैं।

प्रौद्योगिकी उद्योग में नए प्रतिस्पर्धियों की बाज़ार हिस्सेदारी बढ़ रही है और कार्यप्रवाह में बदलाव आ रहे हैं। मीडिया और दूरसंचार क्षेत्र में एआई-नेटिव सामग्री का उदय हो रहा है और विज्ञापन की गतिशीलता बदल रही है, जबकि स्थापित कंपनियाँ लगातार बढ़ रही हैं। व्यावसायिक सेवाएँ दक्षता में वृद्धि दिखा रही हैं, लेकिन ग्राहक सेवा में काफ़ी हद तक कोई बदलाव नहीं आया है।

पारंपरिक उद्योगों में स्थिति विशेष रूप से नाटकीय है: ऊर्जा और सामग्री उद्योगों में लगभग शून्य अपनाया गया है और प्रयोग न्यूनतम हैं। उन्नत उद्योग आपूर्ति श्रृंखला में बड़े बदलावों के बिना रखरखाव पायलटों तक ही सीमित हैं। निवेश और व्यवधान के बीच यह विसंगति वृहद स्तर पर GenAI की कमी को दर्शाती है—परिवर्तन के बिना व्यापक प्रयोग।

जर्मन परिप्रेक्ष्य: विशेष चुनौतियाँ और अवसर

जर्मन कंपनियों को एआई को लागू करने में विशिष्ट चुनौतियों का सामना करना पड़ रहा है। केवल छह प्रतिशत जर्मन कंपनियाँ ही कृत्रिम बुद्धिमत्ता के लिए पूरी तरह तैयार हैं, जो पिछले वर्ष की तुलना में गिरावट है। अंतरराष्ट्रीय तुलना में, पूरी तरह से एआई-तैयार कंपनियों के मामले में जर्मनी यूरोप में केवल छठे स्थान पर है।

विशेष रूप से समस्या यह है कि 84 प्रतिशत जर्मन अधिकारियों को डर है कि अगर वे अगले 18 महीनों में अपनी एआई रणनीतियों को लागू करने में विफल रहे तो उन्हें नकारात्मक परिणामों का सामना करना पड़ेगा। वहीं, तीन-चौथाई जर्मन कंपनियों ने अभी तक एआई नीतियों को लागू नहीं किया है। केवल 40 प्रतिशत के पास ही एआई आवश्यकताओं को पूरा करने के लिए पर्याप्त विशेषज्ञ कर्मचारी हैं।

जर्मन कंपनियों के लिए मुख्य बाधाओं में कुशल श्रमिकों की कमी (वैश्विक स्तर पर 28 प्रतिशत की तुलना में 34 प्रतिशत), साइबर सुरक्षा और अनुपालन चुनौतियाँ (33 प्रतिशत), और डेटा इन्फ्रास्ट्रक्चर स्केलेबिलिटी चुनौतियाँ (25 प्रतिशत) शामिल हैं। नियामक अनिश्चितताएँ, सांस्कृतिक संशय और तकनीकी संशयवाद की एक निश्चित सीमा इन समस्याओं को और बढ़ा देती है।

फिर भी, अवसर उभर रहे हैं: जर्मन कंपनियाँ सटीकता और गुणवत्ता में अपनी क्षमताओं को एआई नवाचारों के साथ जोड़ सकती हैं। मैकेनिकल इंजीनियरिंग और ऑटोमोटिव उद्योग जैसे उद्योगों में, एआई प्रक्रियाओं को अनुकूलित करने और उत्पाद की गुणवत्ता को और बेहतर बनाने में मदद कर सकता है। एक विशिष्ट एआई हज़ारों पुनरावृत्तियों के बाद भी कभी नहीं थकता और पूर्णता प्राप्त करने के लिए अंतिम कुछ प्रतिशत को निचोड़ सकता है।

एजेंटिक एआई: अगला विकासवादी चरण

सीखने की इस कमी का समाधान तथाकथित एजेंटिक एआई में निहित है—ऐसी प्रणालियों का एक वर्ग जो स्थायी स्मृति और पुनरावृत्तीय सीखने को शुरू से ही एकीकृत करता है। वर्तमान प्रणालियों के विपरीत, जिन्हें हर बार पूर्ण संदर्भ की आवश्यकता होती है, एजेंटिक प्रणालियाँ स्थायी स्मृतियों को बनाए रखती हैं, अंतःक्रियाओं से सीखती हैं, और जटिल कार्यप्रवाहों को स्वायत्त रूप से व्यवस्थित कर सकती हैं।

ग्राहक सेवा एजेंटों द्वारा सम्पूर्ण पूछताछ को शुरू से अंत तक संभालने, वित्तीय प्रसंस्करण एजेंटों द्वारा नियमित लेनदेन की निगरानी और अनुमोदन करने, तथा बिक्री पाइपलाइन एजेंटों द्वारा विभिन्न चैनलों में सहभागिता पर नज़र रखने के साथ आरंभिक कंपनी प्रयोगों से यह प्रदर्शित होता है कि स्वायत्तता और स्मृति किस प्रकार पहचाने गए मुख्य अंतरालों को संबोधित करते हैं।

इस परिवर्तन का समर्थन करने वाला बुनियादी ढाँचा मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP), एजेंट-टू-एजेंट (A2A), और NANDA जैसे ढाँचों के माध्यम से उभर रहा है, जो एजेंटों की अंतर-संचालनीयता और समन्वय को सक्षम बनाते हैं। ये प्रोटोकॉल विशिष्ट एजेंटों को एक-एक करके काम करने की अनुमति देकर बाज़ार में प्रतिस्पर्धा और लागत दक्षता पैदा करते हैं, बजाय इसके कि उन्हें एक-एक करके काम करना पड़े।

कंपनियों के लिए व्यावहारिक समाधान

GenAI के बीच की खाई को पाटने की कोशिश कर रही कंपनियों को कई रणनीतियाँ अपनानी चाहिए। सबसे पहले, अंधाधुंध आदेशों से बचना ज़रूरी है: जब अधिकारी हर जगह, हर समय AI की वकालत करते हैं, तो वे तकनीक के इस्तेमाल में विवेक की कमी का उदाहरण पेश करते हैं। GenAI सभी कामों के लिए उपयुक्त नहीं है और यह मन की बात नहीं पढ़ सकता।

कर्मचारी की मानसिकता एक महत्वपूर्ण भूमिका निभाती है: शोध से पता चलता है कि उच्च एजेंसी और उच्च आशावाद के संयोजन वाले कर्मचारी—तथाकथित "पायलट"—कार्यस्थल पर कम एजेंसी और कम आशावाद वाले "यात्रियों" की तुलना में GenAI का 75 प्रतिशत अधिक उपयोग करते हैं। पायलट अपने लक्ष्यों को प्राप्त करने और अपनी रचनात्मकता को बढ़ाने के लिए AI का उचित उपयोग करते हैं, जबकि यात्री काम से बचने के लिए AI का उपयोग करने की अधिक संभावना रखते हैं।

सहयोग की ओर वापसी पर विशेष ध्यान दिया जाना चाहिए। सफल एआई कार्य के लिए आवश्यक कई कार्य—संकेत देना, प्रतिक्रिया देना, संदर्भ का वर्णन करना—सहयोगात्मक होते हैं। आज के कार्य में न केवल मनुष्यों के साथ, बल्कि एआई के साथ भी, अधिक से अधिक सहयोग की आवश्यकता है। वर्कस्लोप एआई द्वारा प्रस्तुत नई सहयोगात्मक गतिशीलता का एक उत्कृष्ट उदाहरण है, जो उत्पादकता में सुधार करने के बजाय उसे बाधित करने की अधिक संभावना रखती है।

संगठनात्मक सफलता कारक और परिवर्तन प्रबंधन

सफल एआई कार्यान्वयन के लिए विशिष्ट संगठनात्मक डिज़ाइन की आवश्यकता होती है। सबसे सफल कंपनियाँ जवाबदेही बनाए रखते हुए कार्यान्वयन प्राधिकरण का विकेंद्रीकरण करती हैं। वे अग्रणी प्रबंधकों और क्षेत्र विशेषज्ञों को उपयोग के मामलों की पहचान करने और उपकरणों का मूल्यांकन करने में सक्षम बनाती हैं, बजाय इसके कि वे केवल केंद्रीकृत एआई कार्यों पर निर्भर रहें।

शैडो एआई इकोनॉमी से सीखना विशेष रूप से महत्वपूर्ण है। कई सबसे मज़बूत एंटरप्राइज़ परिनियोजन पावर यूज़र्स से शुरू हुए—ऐसे कर्मचारी जिन्होंने पहले ही चैटजीपीटी या क्लाउड जैसे व्यक्तिगत उत्पादकता उपकरणों के साथ प्रयोग किया था। ये "प्रोस्यूमर" सहज रूप से जेनएआई की क्षमताओं और सीमाओं को समझते हैं और आंतरिक रूप से स्वीकृत समाधानों के शुरुआती समर्थक बन जाते हैं।

सफलता को मापने और संप्रेषित करने के लिए नए दृष्टिकोणों की आवश्यकता है। जहाँ पारंपरिक सॉफ़्टवेयर मेट्रिक्स कार्यक्षमता और उपयोगकर्ता अपनाने पर केंद्रित होते हैं, वहीं एंटरप्राइज़ AI का मूल्यांकन व्यावसायिक परिणामों और प्रक्रिया सुधारों के आधार पर किया जाना चाहिए। कंपनियों को सूक्ष्म लेकिन महत्वपूर्ण सुधारों, जैसे कि कम अनुपालन उल्लंघन या त्वरित वर्कफ़्लो, को मापना और संप्रेषित करना सीखना होगा।

अवसर की बंद होती खिड़की

GenAI की कमी को पूरा करने का रास्ता तेज़ी से बंद हो रहा है। कंपनियाँ समय के साथ अनुकूलनशील प्रणालियों की माँग बढ़ा रही हैं। Microsoft 365 Copilot और Dynamics 365 पहले से ही स्थायी मेमोरी और फ़ीडबैक लूप को एकीकृत कर रहे हैं। OpenAI का ChatGPT मेमोरी बीटा सामान्य-उद्देश्य वाले उपकरणों में भी इसी तरह की अपेक्षाओं का संकेत देता है।

जो स्टार्टअप इस अंतर को पाटने के लिए तुरंत कदम उठाते हैं, वे फीडबैक, उपयोग और परिणामों से सीखने वाले अनुकूली एजेंट विकसित करके, डेटा और एकीकरण की गहराई, दोनों के माध्यम से स्थायी उत्पाद खाई स्थापित कर सकते हैं। अवसर की संभावनाएँ सीमित हैं: कई उद्योगों में पायलट परियोजनाएँ पहले से ही चल रही हैं। आने वाली तिमाहियों में, कई कंपनियाँ ऐसे विक्रेता संबंध स्थापित करेंगी जिन्हें सुलझाना लगभग असंभव होगा।

जो संगठन अपने डेटा, वर्कफ़्लो और फ़ीडबैक से सीखने वाले AI सिस्टम में निवेश करते हैं, वे स्विचिंग लागतों को मासिक रूप से बढ़ाते हैं। 5 अरब डॉलर की एक वित्तीय सेवा फर्म के CIO ने संक्षेप में कहा: "हम वर्तमान में पाँच अलग-अलग GenAI समाधानों का मूल्यांकन कर रहे हैं, लेकिन जो भी सिस्टम सबसे अच्छी तरह सीखता है और हमारी विशिष्ट प्रक्रियाओं के अनुकूल होता है, वह अंततः हमारा व्यवसाय जीतेगा। एक बार जब हम किसी सिस्टम को हमारे वर्कफ़्लो को समझने के लिए प्रशिक्षित करने में समय लगाते हैं, तो स्विचिंग लागत निषेधात्मक हो जाती है।"

GenAI का अंतर वास्तविक और गहरा है, लेकिन इतना भी नहीं कि उसे दूर किया जा सके। जो कंपनियाँ इसके मूल कारणों—सीखने के अंतर, संगठनात्मक डिज़ाइन की चुनौतियों और निवेश संबंधी पूर्वाग्रहों—को समझती हैं और उसके अनुसार कार्य करती हैं, वे कृत्रिम बुद्धिमत्ता की परिवर्तनकारी शक्ति का सही मायने में दोहन कर सकती हैं। हालाँकि, कार्य करने का समय सीमित है, और प्रतीक्षा की लागत तेज़ी से बढ़ रही है।

☑️ हमारी व्यावसायिक भाषा अंग्रेजी या जर्मन है

☑️ नया: आपकी राष्ट्रीय भाषा में पत्राचार!

Konrad Wolfenstein

मुझे निजी सलाहकार के रूप में आपकी और मेरी टीम की सेवा करने में खुशी होगी।

संपर्क फ़ॉर्म भरकर मुझसे संपर्क कर सकते हैं +49 89 89 674 804 (म्यूनिख) पर कॉल कर सकते हैं । मेरा ईमेल पता है: वोल्फेंस्टीन ∂ xpert.digital

मैं हमारी संयुक्त परियोजना की प्रतीक्षा कर रहा हूं।

☑️ रणनीति, परामर्श, योजना और कार्यान्वयन में एसएमई का समर्थन

Ai एआई रणनीति का निर्माण या पुन: प्रवर्तन

☑️ पायनियर बिजनेस डेवलपमेंट

व्यवसाय विकास, बिक्री और विपणन में हमारी वैश्विक उद्योग और व्यावसायिक विशेषज्ञता - छवि: Xpert.Digital

उद्योग फोकस: बी2बी, डिजिटलीकरण (एआई से एक्सआर तक), मैकेनिकल इंजीनियरिंग, लॉजिस्टिक्स, नवीकरणीय ऊर्जा और उद्योग

इसके बारे में यहां अधिक जानकारी:

• एक्सपर्ट बिजनेस हब

अंतर्दृष्टि और विशेषज्ञता वाला एक विषय केंद्र:

• वैश्विक और क्षेत्रीय अर्थव्यवस्था, नवाचार और उद्योग-विशिष्ट रुझानों पर ज्ञान मंच
• हमारे फोकस क्षेत्रों से विश्लेषण, आवेगों और पृष्ठभूमि जानकारी का संग्रह
• व्यापार और प्रौद्योगिकी में वर्तमान विकास पर विशेषज्ञता और जानकारी के लिए एक स्थान
• उन कंपनियों के लिए विषय केंद्र जो बाज़ार, डिजिटलीकरण और उद्योग नवाचारों के बारे में जानना चाहती हैं