उत्पादकता में कमी: एआई परियोजनाएं 95% कंपनियों के लिए कोई मापने योग्य लाभ नहीं देती हैं और उन्हें इससे कैसे (अवश्य) बचना चाहिए

जानना ज़रूरी है! कृत्रिम बुद्धिमत्ता का विरोधाभास: कंपनियों में अरबों डॉलर का निवेश क्यों बर्बाद हो जाता है।

कृत्रिम बुद्धिमत्ता (जेनरेटिव आर्टिफिशियल इंटेलिजेंस) में 30 से 40 अरब डॉलर के अभूतपूर्व निवेश के बावजूद, 95 प्रतिशत कंपनियों को निवेश पर कोई उल्लेखनीय प्रतिफल नहीं मिल रहा है। 2025 में एमआईटी द्वारा किए गए एक व्यापक अध्ययन से सामने आया यह चौंकाने वाला आकलन, अपेक्षा और वास्तविकता के बीच एक बड़े अंतर को उजागर करता है। हालांकि यह तकनीक हर दिन सुर्खियों में रहती है और इसे भविष्य की सफलता की कुंजी माना जाता है, लेकिन अधिकांश कंपनियां अपनी एआई पहलों से वास्तविक लाभ प्राप्त करने में विफल हो रही हैं।.

GenAI का अंतर: अर्थव्यवस्था में एक अदृश्य खाई

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी ने इस घटना के लिए "जेनएआई गैप" शब्द का प्रयोग किया है - कृत्रिम बुद्धिमत्ता से लाभ उठाने वाली कुछ कंपनियों और अंतहीन प्रायोगिक चरणों में फंसी हुई अधिकांश कंपनियों के बीच एक गहरा अंतर। यह अंतर एक 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: एकीकृत एआई पायलट परियोजनाओं में से केवल पांच प्रतिशत ही वर्तमान में मापने योग्य लाभ उत्पन्न कर रही हैं, जबकि शेष 95 प्रतिशत का लाभ-हानि विवरण पर कोई प्रभाव नहीं दिख रहा है। यह विसंगति और भी उल्लेखनीय है, खासकर तब जब चैटजीपीटी और माइक्रोसॉफ्ट कोपायलट जैसे उपभोक्ता उपकरण उच्च स्तर पर उपयोग में लाए जा रहे हैं। लगभग 80 प्रतिशत संगठन इन प्लेटफार्मों का परीक्षण कर रहे हैं, और लगभग 40 प्रतिशत इन्हें पहले ही लागू कर चुके हैं।.

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

वर्कस्लोप: एआई उत्पादकता का छिपा हुआ जहर

शोध में एक विशेष रूप से हानिकारक घटना की पहचान की गई है जिसे "वर्कस्लोप" कहा जाता है - "वर्क" और "स्लोप" का मिलाजुला रूप - जो एआई द्वारा उत्पन्न कार्य सामग्री का वर्णन करता है, जो देखने में तो पेशेवर लगती है, लेकिन बारीकी से जांच करने पर अपूर्ण और अनुपयोगी साबित होती है। यह देखने में परिष्कृत लेकिन सारहीन कार्य निर्माता से प्राप्तकर्ता पर बोझ डालता है, जिससे समग्र कार्यभार कम होने के बजाय बढ़ जाता है।.

वर्कस्लॉप का प्रभाव काफी व्यापक है: सर्वेक्षण में शामिल 1,150 से अधिक पूर्णकालिक अमेरिकी कर्मचारियों में से 40 प्रतिशत ने पिछले महीने इस तरह की सामग्री प्राप्त होने की सूचना दी। कर्मचारियों का अनुमान है कि उन्हें प्राप्त होने वाले कार्य दस्तावेजों में से औसतन 15.4 प्रतिशत इसी श्रेणी में आते हैं। पेशेवर सेवाएं और प्रौद्योगिकी क्षेत्र विशेष रूप से प्रभावित हैं, और इन उद्योगों में यह समस्या औसत से अधिक बार देखने को मिलती है।.

वित्तीय लागत काफी अधिक है: वर्कस्लोप की प्रत्येक घटना से कंपनियों को प्रति कर्मचारी औसतन 186 डॉलर प्रति माह का नुकसान होता है। 10,000 कर्मचारियों वाले संगठन के लिए, उत्पादकता में होने वाले नुकसान के रूप में यह राशि सालाना 9 मिलियन डॉलर से अधिक हो जाती है। लेकिन सामाजिक और भावनात्मक लागतें इससे भी कहीं अधिक गंभीर हो सकती हैं। 53 प्रतिशत प्राप्तकर्ताओं ने झुंझलाहट महसूस करने की बात कही, 38 प्रतिशत भ्रमित महसूस करते हैं, और 22 प्रतिशत को सामग्री आपत्तिजनक लगती है।.

सहकर्मियों के बीच विश्वास को काफी नुकसान पहुंचता है: लगभग आधे प्राप्तकर्ता वर्कस्लोप भेजने वाले सहकर्मियों को कम रचनात्मक, कम सक्षम और कम भरोसेमंद मानते हैं। 42 प्रतिशत उन्हें कम भरोसेमंद और 37 प्रतिशत उन्हें कम बुद्धिमान मानते हैं। प्रभावित लोगों में से एक तिहाई भविष्य में ऐसे सहकर्मियों के साथ कम काम करना पसंद करेंगे। कामकाजी संबंधों में यह गिरावट सहयोग के उन महत्वपूर्ण तत्वों के लिए खतरा है जो सफल एआई अपनाने और परिवर्तन प्रबंधन के लिए आवश्यक हैं।.

संरचनात्मक शिक्षण अंतराल: कंपनियां क्यों विफल होती हैं

असल समस्या तकनीक में नहीं, बल्कि बुनियादी ज्ञान की कमी में है, जो एआई सिस्टम और संगठनों दोनों को प्रभावित करती है। मौजूदा जनरेटिव एआई सिस्टम फीडबैक को स्थायी रूप से स्टोर नहीं कर सकते, संगठनात्मक संदर्भों के अनुकूल नहीं हो सकते और न ही अपने प्रदर्शन में लगातार सुधार कर सकते हैं। इन सीमाओं के कारण चैटजीपीटी का दैनिक उपयोग करने वाले पेशेवर भी अपनी कंपनियों के आंतरिक एआई कार्यान्वयन को अस्वीकार कर रहे हैं।.

एक बेहद दिलचस्प उदाहरण एक वकील से आया, जिसने बताया कि उसकी फर्म का 50,000 डॉलर का अनुबंध विश्लेषण उपकरण, उसके 20 डॉलर के चैटजीपीटी सब्सक्रिप्शन से लगातार कमतर प्रदर्शन कर रहा था। यह विसंगति इस विरोधाभास को उजागर करती है कि उपभोक्ता उपकरण अक्सर महंगे उद्यम समाधानों की तुलना में बेहतर परिणाम देते हैं, भले ही दोनों समान मॉडल पर आधारित हों।.

एंटरप्राइज एआई की अनदेखी कमजोरी - और कैसे उपभोक्ता उपकरण इसे पीछे छोड़ रहे हैं।

चैटजीपीटी जैसे सस्ते उपभोक्ता एआई उपकरणों की महंगे उद्यम समाधानों पर उल्लेखनीय श्रेष्ठता के कई विशिष्ट कारण हैं। मुख्य समस्या यह है कि उद्यम एआई प्रणालियाँ अत्यधिक विशिष्ट और महंगी होती हैं, और अक्सर इन्हें उपयोगकर्ताओं की महत्वपूर्ण आवश्यकताओं या मॉडलों के गतिशील विकास को ध्यान में रखे बिना विकसित किया जाता है। उपभोक्ता उपकरण अक्सर अधिक लचीले, सहज और लाखों उपयोगकर्ता अंतःक्रियाओं के माध्यम से बेहतर अनुकूलित होते हैं। दूसरी ओर, उद्यम प्रणालियाँ जटिल एकीकरण, डेटा साइलो और कठोर कार्यप्रवाहों से सीमित होती हैं, और अक्सर प्रतिक्रिया को स्थायी रूप से संग्रहीत करने में विफल रहती हैं।.

एक प्रमुख समस्या अनुकूलनशीलता की कमी है: एंटरप्राइज़ समाधान एक बार लागू किए जाते हैं और फिर उनका विकास धीमी गति से होता है, जबकि उपभोक्ता एआई उपकरण उपयोगकर्ता की प्रतिक्रिया और मौजूदा जानकारी के आधार पर लगातार प्रशिक्षित होते रहते हैं। चैटजीपीटी के साथ, उपयोगकर्ता सीधे संवाद में प्रश्न पूछ सकते हैं, अपने इनपुट बदल सकते हैं और तुरंत अनुकूलित परिणाम प्राप्त कर सकते हैं। दूसरी ओर, कई एंटरप्राइज़ समाधान पूरी तरह से फॉर्म-आधारित होते हैं और पूर्वनिर्धारित, अक्सर पुराने टेक्स्ट मॉड्यूल का उपयोग करते हैं - जिससे वे बहुत ही अनम्य और कम प्रतिक्रियाशील हो जाते हैं।.

इसके अतिरिक्त, एकीकरण और प्रशासनिक कार्य भी काफी जटिल हैं: महंगे समाधानों को कंपनी की प्रक्रियाओं, डेटा सुरक्षा दिशानिर्देशों और इंटरफेस के अनुरूप ढालना पड़ता है, और कई व्यवस्थित प्रतिबंधों के कारण वे उपभोक्ता उत्पादों की नवाचार गति के साथ तालमेल नहीं रख पाते। विशेष रूप से अनुबंध विश्लेषण जैसे विशिष्ट कार्यों के लिए, सामान्य मॉडल अक्सर अधिक कुशल होते हैं, क्योंकि वे व्यापक ज्ञान को कवर करते हैं और बेहतर मार्गदर्शन के माध्यम से उपयोगकर्ताओं द्वारा सीधे नियंत्रित किए जा सकते हैं। कस्टम एंटरप्राइज एआई में अक्सर एक सार्थक डेटा आधार का अभाव होता है और यह स्वतंत्र रूप से अपने संदर्भ का विस्तार और सीखने में सक्षम नहीं होता।.

परिणामस्वरूप, ये सभी पहलू एक विरोधाभासी स्थिति को जन्म देते हैं: हालांकि दिखने में विशेष रूप से तैयार की गई एंटरप्राइज एआई पर बड़ी रकम खर्च की जाती है, लेकिन इसके परिणाम अक्सर सस्ते, लचीले उपभोक्ता समाधानों की तुलना में कम प्रासंगिक, व्यावहारिक या सटीक होते हैं, जिन्हें उपयोगकर्ताओं की विशिष्ट आवश्यकताओं के अनुसार सीधे और बिना किसी अतिरिक्त प्रक्रिया के अनुकूलित किया जा सकता है।.

मुख्यधारा के एआई उपकरणों की अदृश्य सीमाएँ

उपभोक्ता एआई उपकरण आम तौर पर व्यापक मुख्यधारा के विषयों और सामान्य कार्यों के लिए अनुकूलित होते हैं। इनका प्रशिक्षण डेटा आमतौर पर इंटरनेट, सार्वजनिक ग्रंथों और सामान्य रोजमर्रा के उदाहरणों जैसे सार्वजनिक रूप से उपलब्ध स्रोतों से प्राप्त होता है। यह उन्हें सामान्य प्रश्नों, सामान्य ग्रंथों या मानक प्रक्रियाओं के लिए विशेष रूप से प्रभावी बनाता है - उदाहरण के लिए, मार्केटिंग सामग्री तैयार करना, ईमेल का उत्तर देना या सरल नियमित कार्यों को स्वचालित करना।.

हालांकि, आवश्यकताएं जितनी अधिक विशिष्ट होती जाती हैं, सामान्य उपभोक्ता एआई की सीमाएं उतनी ही स्पष्ट रूप से सामने आती जाती हैं। जैसे ही उद्योग-विशिष्ट या व्यवसाय-महत्वपूर्ण कार्य शामिल होते हैं, इन उपकरणों में आमतौर पर आवश्यक विस्तृत जानकारी, विषय-विशिष्ट डेटा या विशिष्ट प्रशिक्षण का अभाव होता है। जटिल कानूनी शब्दावली वाले अनुबंध विश्लेषण, तकनीकी रिपोर्ट या बी2बी क्षेत्र में अत्यधिक व्यक्तिगत प्रक्रियाओं जैसे कार्यों को अक्सर सार्थक रूप से स्वचालित नहीं किया जा सकता है क्योंकि एआई प्रासंगिक संदर्भों को नहीं जानता या उनकी विश्वसनीय व्याख्या नहीं कर सकता है।.

यह बात विशेष रूप से विशिष्ट उद्योगों और कंपनी-विशिष्ट आवश्यकताओं में स्पष्ट होती है। जितनी कम जानकारी आसानी से उपलब्ध होती है—उदाहरण के लिए, किसी कंपनी के मुख्य उत्पाद या गोपनीय आंतरिक प्रक्रियाओं के बारे में—उपभोक्ता एआई की त्रुटि दर उतनी ही अधिक होती है। परिणामस्वरूप, ऐसे सिस्टम गलत या अपूर्ण सुझाव देने का जोखिम रखते हैं और सबसे खराब स्थिति में, ये व्यावसायिक रूप से महत्वपूर्ण प्रक्रियाओं में बाधा डाल सकते हैं या गलत निर्णय का कारण बन सकते हैं।.

व्यवहार में, इसका अर्थ यह है कि उपभोक्ता एआई उपकरण आमतौर पर मुख्यधारा के कार्यों के लिए पर्याप्त होते हैं; हालांकि, विशेषज्ञता बढ़ने के साथ इन उपकरणों की विफलता दर में काफी वृद्धि होती है। इसलिए, उद्योग-विशिष्ट ज्ञान, सटीक प्रक्रिया सत्यापन या व्यापक अनुकूलन पर निर्भर कंपनियां, विशेष डेटाबेस और अनुकूलित प्रशिक्षण वाले अपने स्वयं के उद्यम समाधानों से दीर्घकालिक रूप से लाभान्वित होती हैं।.

कृत्रिम बुद्धिमत्ता के विस्तार में असली बाधा उसकी बुद्धिमत्ता में नहीं है: बल्कि लचीलेपन की उच्च अपेक्षाएं ही उसे रोकती हैं।

सफल एआई स्केलिंग में कई बाधाएं हैं: सबसे पहली और प्रमुख बाधा नए उपकरणों को अपनाने में अनिच्छा है, जिसके बाद मॉडल की गुणवत्ता को लेकर चिंताएं आती हैं। विशेष रूप से दिलचस्प बात यह है कि ये गुणवत्ता संबंधी चिंताएं वस्तुनिष्ठ प्रदर्शन की कमियों के कारण नहीं हैं, बल्कि उपभोक्ताओं के लिए उपलब्ध उपकरणों की लचीलता और प्रतिक्रियाशीलता के आदी होने के कारण हैं, जिससे वे स्थिर उद्यम उपकरणों को अपर्याप्त मानते हैं।.

व्यवसाय के लिए महत्वपूर्ण कार्यों में यह अंतर और भी स्पष्ट है: जहां 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 सहायता के लिए मानव कर्मचारियों को प्राथमिकता देते हैं। यह विभाजन बुद्धिमत्ता के आधार पर नहीं, बल्कि स्मृति, अनुकूलनशीलता और निरंतर सीखने की क्षमताओं के आधार पर होता है।.

गुप्त एआई अर्थव्यवस्था: कार्यस्थल में एक गुप्त एआई क्रांति

आधिकारिक एआई पहलों की निराशाजनक स्थिति के साथ-साथ, एक "अदृश्य एआई अर्थव्यवस्था" फल-फूल रही है, जिसमें कर्मचारी आईटी विभाग की जानकारी या अनुमति के बिना ही अपने निजी एआई उपकरणों का उपयोग कार्य कार्यों के लिए करते हैं। इसका पैमाना उल्लेखनीय है: जहां केवल 40 प्रतिशत कंपनियों ने आधिकारिक एलएलएम सदस्यता खरीदने की बात कही है, वहीं सर्वेक्षण में शामिल 90 प्रतिशत से अधिक कंपनियों के कर्मचारी पेशेवर उद्देश्यों के लिए नियमित रूप से निजी एआई उपकरणों का उपयोग करते हैं।.

यह समानांतर अर्थव्यवस्था एक महत्वपूर्ण बिंदु उजागर करती है: यदि व्यक्तियों को लचीले और प्रतिक्रियाशील उपकरणों तक पहुंच प्राप्त हो, तो वे GenAI के अंतर को सफलतापूर्वक पाट सकते हैं। जो संगठन इस पैटर्न को पहचानते हैं और इस पर आगे बढ़ते हैं, वे उद्यम स्तर पर AI को अपनाने के भविष्य का प्रतिनिधित्व करते हैं। प्रगतिशील कंपनियां पहले से ही अप्रत्यक्ष उपयोग से सीखकर और उद्यम स्तर पर विकल्प अपनाने से पहले यह विश्लेषण करके कि कौन से व्यक्तिगत उपकरण मूल्य प्रदान करते हैं, इस अंतर को पाटना शुरू कर रही 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: दिखावटीपन और चकाचौंध, सार की जगह।

GenAI की कमियों का एक और महत्वपूर्ण पहलू निवेश के तरीकों में स्पष्ट है: GenAI बजट का लगभग 50 प्रतिशत हिस्सा बिक्री और विपणन कार्यों में आवंटित किया जाता है, जबकि बैक-ऑफिस स्वचालन अक्सर बेहतर ROI प्रदान करता है। यह पूर्वाग्रह वास्तविक मूल्य को नहीं दर्शाता, बल्कि मेट्रिक्स को अधिक दृश्यमान क्षेत्रों में आसानी से आवंटित करने का परिणाम है।.

बिक्री और विपणन विभाग बजट आवंटन में प्रमुख भूमिका निभाते हैं, न केवल इसलिए कि वे स्पष्ट रूप से दिखाई देते हैं, बल्कि इसलिए भी कि डेमो की संख्या या ईमेल प्रतिक्रिया समय जैसे परिणाम सीधे बोर्ड-स्तरीय मापदंडों से मेल खाते हैं। दूसरी ओर, कानूनी, खरीद और वित्त विभाग अधिक सूक्ष्म दक्षता लाभ प्रदान करते हैं, जैसे कि अनुपालन उल्लंघनों में कमी, अनुकूलित कार्यप्रवाह या महीने के अंत में त्वरित समापन - ये महत्वपूर्ण सुधार हैं, लेकिन इन्हें संप्रेषित करना कठिन है।.

निवेश का यह पूर्वाग्रह संसाधनों को दृश्यमान लेकिन अक्सर कम परिवर्तनकारी उपयोग मामलों की ओर निर्देशित करके GenAI अंतर को बनाए रखता है, जबकि बैक-ऑफिस कार्यों में उच्चतम ROI के अवसर अपर्याप्त रूप से वित्तपोषित रहते हैं। इसके अलावा, सामाजिक मान्यता की खोज उत्पाद की गुणवत्ता से कहीं अधिक खरीद निर्णयों को प्रभावित करती है: अनुशंसाएँ, मौजूदा संबंध और वेंचर कैपिटल फंडिंग, कार्यक्षमता या फीचर सेट की तुलना में कॉर्पोरेट अपनाने के अधिक मजबूत भविष्यवक्ता बने हुए हैं।.

संरचनात्मक अंतर: एंटरप्राइज़ एआई बनाम कंज्यूमर एआई

एंटरप्राइज़ एआई और कंज्यूमर एआई के बीच मूलभूत अंतर कई देखी गई समस्याओं की व्याख्या करते हैं। कंज्यूमर एआई व्यक्तिगत उपयोगकर्ताओं के लिए ग्राहक अनुभव और वैयक्तिकरण को बेहतर बनाने पर केंद्रित है, जबकि एंटरप्राइज़ एआई 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 डोमेन विशेषज्ञता की आवश्यकता होती है और यह अक्सर KPI-आधारित परिणाम प्राप्त करने के लिए सुपरवाइज्ड लर्निंग तकनीकों का उपयोग करता है। इसे जटिल आईटी प्रणालियों में एकीकृत होना चाहिए, नियामक आवश्यकताओं को पूरा करना चाहिए और मजबूत डेटा सुरक्षा उपायों को लागू करना चाहिए। दूसरी ओर, कंज्यूमर एआई उपयोग में आसानी और तत्काल संतुष्टि को प्राथमिकता देता है, अक्सर सुरक्षा और अनुपालन की कीमत पर।.

ये संरचनात्मक अंतर बताते हैं कि एक ही मूल मॉडल उपभोक्ता अनुप्रयोगों में असाधारण रूप से सफल क्यों होता है, लेकिन उद्यम परिवेश में विफल क्यों हो जाता है। उद्यम एआई को न केवल तकनीकी रूप से कार्य करना चाहिए, बल्कि मौजूदा व्यावसायिक प्रक्रियाओं के साथ एकीकृत होना चाहिए, शासन संबंधी आवश्यकताओं को पूरा करना चाहिए और दीर्घकालिक मूल्य सृजन प्रदर्शित करना चाहिए।.

सफलता की रणनीतियाँ: पाँच प्रतिशत लोग किस प्रकार अंतर को पाटते हैं

जेनरेशनल एआई (GenAI) के अंतर को सफलतापूर्वक पाटने वाली कुछ कंपनियां एक विशिष्ट पैटर्न का पालन करती हैं। वे एआई स्टार्टअप्स को सॉफ्टवेयर विक्रेताओं की तरह कम और व्यावसायिक सेवा प्रदाताओं की तरह अधिक मानती हैं, जैसे कि परामर्श फर्म या व्यावसायिक प्रक्रिया आउटसोर्सिंग भागीदार। ये संगठन आंतरिक प्रक्रियाओं और डेटा में गहन अनुकूलन की मांग करते हैं, मॉडल बेंचमार्क के बजाय परिचालन परिणामों के आधार पर उपकरणों का मूल्यांकन करते हैं, और तैनाती को शुरुआती विफलताओं के माध्यम से एक सह-विकास के रूप में देखते हैं।.

यह विशेष रूप से उल्लेखनीय है कि आंतरिक विकास प्रयासों की तुलना में बाहरी साझेदारियों की सफलता दर लगभग दोगुनी है। जहां रणनीतिक साझेदारियों में से 67 प्रतिशत सफल कार्यान्वयन में परिणत होती हैं, वहीं आंतरिक विकास प्रयासों में से केवल 33 प्रतिशत ही इस लक्ष्य को प्राप्त कर पाती हैं। ये साझेदारियां अक्सर कम समय में लाभ प्राप्ति, कम कुल लागत और परिचालन कार्यप्रवाहों के साथ बेहतर तालमेल प्रदान करती हैं।.

सफल खरीदार केंद्रीय प्रयोगशालाओं के बजाय फ्रंटलाइन प्रबंधकों द्वारा शुरू की गई एआई पहलों की पहचान करते हैं, जिससे बजट धारकों और डोमेन प्रबंधकों को समस्याओं की पहचान करने, उपकरणों का मूल्यांकन करने और कार्यान्वयन का नेतृत्व करने का अधिकार मिलता है। यह जमीनी स्तर की खरीद प्रक्रिया, कार्यकारी जवाबदेही के साथ मिलकर, अपनाने की प्रक्रिया को गति देती है और परिचालन अनुकूलता बनाए रखती है।.

उद्योग-विशिष्ट व्यवधान: प्रौद्योगिकी नेतृत्व करती है, अन्य हिचकिचाते हुए उसका अनुसरण करते हैं।

उद्योग जगत में GenAI की खामी स्पष्ट रूप से दिखाई देती है। भारी निवेश और व्यापक प्रायोगिक गतिविधियों के बावजूद, नौ मुख्य क्षेत्रों में से केवल दो - प्रौद्योगिकी और मीडिया/दूरसंचार - ही संरचनात्मक बदलाव के स्पष्ट संकेत दिखा रहे हैं। बाकी सभी उद्योग इस परिवर्तन से अछूते रह गए हैं।.

प्रौद्योगिकी क्षेत्र में नए प्रतिस्पर्धी बाज़ार हिस्सेदारी हासिल कर रहे हैं और कार्यप्रवाह में बदलाव आ रहे हैं। मीडिया और दूरसंचार क्षेत्र में एआई-आधारित सामग्री का उदय हो रहा है और विज्ञापन की गतिशीलता बदल रही है, हालांकि स्थापित कंपनियां लगातार विकास कर रही हैं। पेशेवर सेवाओं में दक्षता में वृद्धि देखी जा रही है, लेकिन ग्राहक सेवा में कोई खास बदलाव नहीं आया है।.

परंपरागत उद्योगों में स्थिति विशेष रूप से गंभीर है: ऊर्जा और सामग्री उद्योगों में इसका लगभग न के बराबर उपयोग और न्यूनतम प्रयोग देखने को मिलता है। उन्नत उद्योग आपूर्ति श्रृंखला में बड़े बदलाव किए बिना केवल रखरखाव संबंधी प्रायोगिक परियोजनाओं तक ही सीमित हैं। निवेश और व्यवधान के बीच यह अंतर व्यापक स्तर पर GenAI की कमी को दर्शाता है – यानी परिवर्तन के बिना व्यापक प्रयोग।.

जर्मन परिप्रेक्ष्य: विशेष चुनौतियाँ और अवसर

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

एक विशेष रूप से चिंताजनक पहलू यह है कि 84 प्रतिशत जर्मन अधिकारियों को डर है कि यदि वे अगले 18 महीनों के भीतर अपनी एआई रणनीतियों को लागू नहीं कर पाते हैं तो उन्हें नकारात्मक परिणाम भुगतने पड़ेंगे। साथ ही, तीन-चौथाई जर्मन कंपनियों ने अभी तक कोई एआई दिशानिर्देश लागू नहीं किए हैं। केवल 40 प्रतिशत कंपनियों के पास ही एआई आवश्यकताओं को पूरा करने के लिए पर्याप्त विशेषज्ञ हैं।.

जर्मन कंपनियों के सामने मुख्य बाधाओं में कुशल श्रमिकों की कमी (वैश्विक स्तर पर 28 प्रतिशत की तुलना में 34 प्रतिशत), साइबर सुरक्षा और अनुपालन संबंधी चुनौतियाँ (33 प्रतिशत) और डेटा इन्फ्रास्ट्रक्चर की स्केलेबिलिटी संबंधी चुनौतियाँ (25 प्रतिशत) शामिल हैं। नियामक अनिश्चितताएँ, सांस्कृतिक संशय और प्रौद्योगिकी के प्रति कुछ हद तक संदेह इन समस्याओं को और भी बढ़ा देते हैं।.

फिर भी, नए अवसर उभर रहे हैं: जर्मन कंपनियां सटीकता और गुणवत्ता में अपनी क्षमताओं को एआई नवाचारों के साथ जोड़ सकती हैं। यांत्रिक अभियांत्रिकी और ऑटोमोटिव उद्योग जैसे क्षेत्रों में, एआई प्रक्रियाओं को अनुकूलित करने और उत्पाद की गुणवत्ता में और सुधार करने में मदद कर सकता है। एक विशेषीकृत एआई हजारों पुनरावृत्तियों के बाद भी नहीं थकेगा और पूर्णता के उन अंतिम कुछ प्रतिशत बिंदुओं को भी प्राप्त कर सकता है।.

एजेंटिक एआई: विकास का अगला चरण

सीखने की इस कमी का समाधान एजेंटिक एआई में निहित है – यह एक प्रकार की प्रणाली है जो स्थायी स्मृति और पुनरावृत्ति अधिगम को शुरू से ही एकीकृत करती है। वर्तमान प्रणालियों के विपरीत, जिन्हें हर बार पूर्ण संदर्भ की आवश्यकता होती है, एजेंटिक प्रणालियाँ स्थायी स्मृति बनाए रखती हैं, अंतःक्रियाओं से सीखती हैं और जटिल कार्यप्रवाहों को स्वायत्त रूप से संचालित कर सकती हैं।.

ग्राहक सेवा एजेंटों द्वारा संपूर्ण पूछताछ को शुरू से अंत तक संभालने, वित्तीय प्रसंस्करण एजेंटों द्वारा नियमित लेनदेन की निगरानी और अनुमोदन करने, और बिक्री पाइपलाइन एजेंटों द्वारा चैनलों में सहभागिता को ट्रैक करने के साथ किए गए प्रारंभिक उद्यम प्रयोगों से पता चलता है कि स्वायत्तता और स्मृति किस प्रकार पहचानी गई मुख्य कमियों को दूर करती हैं।.

इस परिवर्तन को समर्थन देने के लिए आवश्यक बुनियादी ढांचा मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP), एजेंट-टू-एजेंट (A2A) और NANDA जैसे फ्रेमवर्क के माध्यम से तैयार किया जाता है, जो एजेंटों की अंतरसंचालनीयता और समन्वय को सक्षम बनाते हैं। ये प्रोटोकॉल विशिष्ट एजेंटों को एकात्मक प्रणालियों की आवश्यकता के बजाय सहयोग करने की अनुमति देकर बाजार प्रतिस्पर्धा और लागत दक्षता को बढ़ावा देते हैं।.

कंपनियों के लिए व्यावहारिक समाधान

जनरेशनल इंटेलिजेंस (GenAI) के अंतर को पाटने की कोशिश कर रही कंपनियों को कई रणनीतियों का पालन करना चाहिए। सबसे पहले, अंधाधुंध आदेश देने से बचना महत्वपूर्ण है: जब अधिकारी हर जगह और हर समय AI की वकालत करते हैं, तो वे प्रौद्योगिकी के अनुप्रयोग में विवेक की कमी का उदाहरण पेश करते हैं। GenAI सभी कार्यों के लिए उपयुक्त नहीं है और यह मन की बात नहीं पढ़ सकती।.

कर्मचारियों की मानसिकता एक महत्वपूर्ण भूमिका निभाती है: शोध से पता चलता है कि उच्च सशक्तिकरण और उच्च आशावाद वाले कर्मचारी - जिन्हें "पायलट" कहा जाता है - कम सशक्तिकरण और कम आशावाद वाले "पैसेंजर" की तुलना में कार्यस्थल पर GenAI का 75 प्रतिशत अधिक उपयोग करते हैं। पायलट अपने लक्ष्यों को प्राप्त करने और अपनी रचनात्मकता को बढ़ाने के लिए उद्देश्यपूर्ण ढंग से AI का उपयोग करते हैं, जबकि पैसेंजर AI का उपयोग काम से बचने के लिए अधिक करते हैं।.

सहयोग पर विशेष ध्यान देना चाहिए। सफल एआई कार्य के लिए आवश्यक कई कार्य—जैसे संकेत देना, प्रतिक्रिया देना, संदर्भ का वर्णन करना—सहयोगात्मक होते हैं। आज के कार्य में सहयोग की आवश्यकता बढ़ती जा रही है, न केवल मनुष्यों के साथ बल्कि एआई के साथ भी। वर्कस्लोप एआई द्वारा शुरू की गई नई सहयोगात्मक प्रक्रियाओं का एक उत्कृष्ट उदाहरण है जो उत्पादकता बढ़ाने के बजाय बाधित करती हैं।.

संगठनात्मक सफलता के कारक और परिवर्तन प्रबंधन

सफल एआई कार्यान्वयन के लिए विशिष्ट संगठनात्मक संरचना की आवश्यकता होती है। सबसे सफल कंपनियां जवाबदेही बनाए रखते हुए कार्यान्वयन प्राधिकरण का विकेंद्रीकरण करती हैं। वे केंद्रीकृत एआई कार्यों पर पूरी तरह निर्भर रहने के बजाय, फ्रंटलाइन प्रबंधकों और डोमेन विशेषज्ञों को उपयोग के मामलों की पहचान करने और उपकरणों का मूल्यांकन करने का अधिकार देती हैं।.

शैडो एआई अर्थव्यवस्था से सीखना विशेष रूप से महत्वपूर्ण है। कई सफल एंटरप्राइज़ डिप्लॉयमेंट की शुरुआत पावर यूज़र्स से हुई - ऐसे कर्मचारी जिन्होंने व्यक्तिगत उत्पादकता के लिए चैटजीपीटी या क्लाउड जैसे टूल्स का प्रयोग पहले ही कर लिया था। ये "प्रोसुमर" सहज रूप से GenAI 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। जहां पारंपरिक सॉफ्टवेयर मेट्रिक्स कार्यक्षमता और उपयोगकर्ता अपनाने पर ध्यान केंद्रित करते हैं, वहीं एंटरप्राइज एआई का मूल्यांकन व्यावसायिक परिणामों और प्रक्रिया सुधारों के आधार पर किया जाना चाहिए। कंपनियों को सूक्ष्म लेकिन महत्वपूर्ण सुधारों को मापना और संप्रेषित करना सीखना होगा, जैसे कि अनुपालन उल्लंघनों में कमी या कार्यप्रवाह में तेजी।.

अवसर की खिड़की बंद होती जा रही है

GenAI की कमियों को दूर करने का समय तेज़ी से बीत रहा है। व्यवसाय ऐसे सिस्टम की मांग कर रहे हैं जो समय के साथ अनुकूलित हो सकें। Microsoft 365 Copilot और Dynamics 365 में पहले से ही स्थायी मेमोरी और फीडबैक लूप एकीकृत हैं। OpenAI के ChatGPT मेमोरी बीटा से सामान्य उपयोग वाले उपकरणों के लिए भी ऐसी ही अपेक्षाएं ज़ाहिर होती हैं।.

जो स्टार्टअप फीडबैक, उपयोग और परिणामों से सीखने वाले अनुकूलनशील एजेंट विकसित करके इस अंतर को पाटने के लिए तेजी से कदम उठाते हैं, वे डेटा और एकीकरण की गहराई दोनों के माध्यम से स्थायी उत्पाद कमियों को दूर कर सकते हैं। अवसर सीमित है: कई उद्योगों में पायलट परियोजनाएं पहले से ही चल रही हैं। आने वाली तिमाहियों में, कई कंपनियां ऐसे विक्रेता संबंध स्थापित करेंगी जिन्हें तोड़ना लगभग असंभव होगा।.

डेटा, वर्कफ़्लो और फ़ीडबैक से सीखने वाले AI सिस्टम में निवेश करने वाले संगठनों को हर महीने स्विचिंग लागत बढ़ती जाती है। 5 अरब डॉलर की वित्तीय सेवा कंपनी के CIO ने इसे संक्षेप में कहा: “हम वर्तमान में पाँच अलग-अलग GenAI समाधानों का मूल्यांकन कर रहे हैं, लेकिन जो भी सिस्टम सबसे अच्छी तरह सीखेगा और हमारी विशिष्ट प्रक्रियाओं के अनुकूल होगा, वही अंततः हमारा व्यवसाय हासिल करेगा। एक बार जब हम किसी सिस्टम को अपने वर्कफ़्लो को समझने के लिए प्रशिक्षित करने में समय लगा देते हैं, तो स्विचिंग लागत बहुत अधिक हो जाती है।”.

जनरेशनल इंटेलिजेंस (GenAI) का अंतर वास्तविक और गहरा है, लेकिन असंभव नहीं। जो कंपनियां इसके मूल कारणों—सीखने की कमी, संगठनात्मक संरचना संबंधी चुनौतियां और निवेश संबंधी पूर्वाग्रह—को समझकर तदनुसार कार्य करती हैं, वे कृत्रिम बुद्धिमत्ता की परिवर्तनकारी शक्ति का लाभ उठा सकती हैं। हालांकि, कार्रवाई करने का समय सीमित है, और प्रतीक्षा करने की लागत तेजी 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