द ग्रेट शटडाउन: कंपनियां अपने एआई एजेंटों से छुटकारा क्यों पाना चाहती हैं - जब एआई एजेंटों की लागत उनके मूल्य से अधिक हो जाती है

जब स्वायत्त एजेंट नियंत्रण अपने हाथ में ले लेते हैं और डेटा केंद्र बाजार की कमाई से अधिक पूंजी खर्च करने लगते हैं

अरबों का निवेश बिना प्रतिफल के: एआई एजेंटों को अपनी उपयोगिता साबित करनी होगी।

कृत्रिम बुद्धिमत्ता एक नए चरण में प्रवेश कर रही है। पहला चरण तकनीकी सफलताओं, शानदार प्रदर्शनों और ज्ञान आधारित कार्यों को कहीं अधिक उत्पादक बनाने की संभावनाओं से भरा रहा। दूसरे चरण में मॉडलों, डेटा केंद्रों, ग्राफिक्स प्रोसेसर, क्लाउड प्लेटफॉर्म और प्रारंभिक उद्यम अनुप्रयोगों में भारी बजट लगाया गया। अब तीसरा चरण शुरू हो रहा है: आर्थिक और संगठनात्मक वास्तविकता का आकलन। इससे न केवल यह निर्धारित होगा कि कौन से प्रदाता टिक पाएंगे, बल्कि यह भी कि क्या कंपनियां वास्तव में एआई से स्थायी, मापने योग्य मूल्य सृजित करेंगी या केवल नए लागत, नियंत्रण और दायित्व संबंधी जोखिम पैदा करेंगी।.

दो घटनाक्रम इस महत्वपूर्ण मोड़ को विशेष रूप से उजागर करते हैं। अनुप्रयोग स्तर पर, स्वायत्त एआई एजेंटों का प्रसार इतनी तेज़ी से हो रहा है कि कई कंपनियां अपने शासन, पहुंच अधिकार, लागत नियंत्रण और जिम्मेदारियों को अनुकूलित करने में असमर्थ हैं। साथ ही, अवसंरचना स्तर पर, डेटा केंद्र और विशेष क्लाउड क्षमताएं इतने बड़े पैमाने पर उभर रही हैं कि वर्तमान में आर्थिक रूप से संचालन के लिए पर्याप्त बड़ा और इच्छुक अंतिम बाजार मौजूद नहीं है। यह दो अलग-अलग अतिशयोक्ति का संगम है: कंपनियां अल्पावधि में स्वायत्त प्रणालियों की संगठनात्मक परिपक्वता का अतिशयोक्तिपूर्ण अनुमान लगा रही हैं, जबकि निवेशक और अवसंरचना संचालक एआई की मांग को लाभदायक राजस्व में परिवर्तित करने की गति का अतिशयोक्तिपूर्ण अनुमान लगा रहे हैं।.

इसलिए अब अहम सवाल यह नहीं है कि एआई तकनीकी रूप से कारगर है या नहीं। बल्कि यह है कि वास्तविक परिस्थितियों में यह भरोसेमंद, नियंत्रणीय और लाभदायक तरीके से काम करता है या नहीं। यह बदलाव बाजार के तर्क को बदल रहा है। अधिकतम स्वायत्तता, अधिकतम मॉडल आकार या अधिकतम कंप्यूटिंग शक्ति ही सफलता का निर्धारण नहीं करेंगी। प्रतिस्पर्धात्मक लाभ तब प्राप्त होते हैं जब तकनीकी क्षमता को सुदृढ़ प्रक्रिया डिजाइन, स्पष्ट जवाबदेही, सत्यापन योग्य निर्णयों, यथार्थवादी लागत मॉडलों और विशिष्ट ग्राहक मूल्य के साथ जोड़ा जाता है।.

कंपनियों में ही व्यापक निराशा की शुरुआत होती है।

यह भविष्यवाणी कि 2027 के अंत तक 40 प्रतिशत से अधिक एजेंटिक एआई परियोजनाओं को बंद किया जा सकता है, उनका स्तर घटाया जा सकता है या उन्हें मौलिक रूप से पुनर्रचित किया जा सकता है, इसे प्रौद्योगिकी के दीर्घकालिक महत्व पर निर्णय के बजाय इसके वर्तमान कार्यान्वयन की आलोचना के रूप में समझा जाना चाहिए। कई परियोजनाएं नियंत्रित परिस्थितियों में प्रूफ-ऑफ-कॉन्सेप्ट परीक्षणों के रूप में शुरू होती हैं। इस वातावरण में, डेटा का चयन किया जाता है, कार्य सीमित होते हैं, उपयोगकर्ता उदार होते हैं, और त्रुटियों के अपेक्षाकृत मामूली परिणाम होते हैं। हालांकि, उत्पादन कार्यों में संक्रमण सभी मापदंडों को बदल देता है। तब एक एजेंट को अपूर्ण डेटा, परस्पर विरोधी नियमों, पुरानी प्रणालियों, विशेष मामलों, बदलती अनुमतियों और दायित्व संबंधी निर्णयों से निपटना पड़ता है।.

ठीक इसी मोड़ पर कई तकनीकी पायलट परियोजनाएँ विफल हो जाती हैं। एक प्रभावी प्रदर्शन से यह तो पता चलता है कि कोई कार्य मूल रूप से संभव है या नहीं। लेकिन इससे यह पता नहीं चलता कि क्या इसे स्वीकार्य कुल लागत, स्थिर गुणवत्ता और प्रबंधनीय जोखिम के साथ लाखों बार निष्पादित किया जा सकता है। स्वायत्त एजेंटों के साथ यह समस्या और भी बढ़ जाती है क्योंकि वे न केवल सामग्री उत्पन्न कर सकते हैं बल्कि स्वतंत्र रूप से उपकरणों का उपयोग कर सकते हैं, डेटा को संशोधित कर सकते हैं, प्रक्रियाओं को शुरू कर सकते हैं और निर्णयों को आपस में जोड़ सकते हैं। इसलिए, त्रुटि केवल गलत पाठ प्रतिक्रिया तक ही सीमित नहीं रहती। यह एक गलत आदेश, अनधिकृत डेटा एक्सेस, ग्राहक के गलत निर्णय या उत्पादन प्रणाली में परिवर्तन के रूप में भी फैल सकती है।.

इसलिए परियोजना रद्द होने की आशंका आर्थिक दृष्टि से तर्कसंगत है। बढ़ती लागत, अस्पष्ट व्यावसायिक मूल्य और अपर्याप्त जोखिम नियंत्रण अलग-अलग समस्याएं नहीं हैं; ये एक दूसरे को और भी जटिल बना देती हैं। एजेंट जितना कम विश्वसनीय ढंग से काम करता है, उसकी निगरानी, ​​ऑडिट और सुधारात्मक कार्रवाई के लिए उतना ही अधिक प्रयास करना पड़ता है। मैन्युअल हस्तक्षेप जितना अधिक होगा, वास्तविक उत्पादकता लाभ उतना ही कम होगा। उत्पादकता लाभ जितना कम होगा, मॉडल, एकीकरण, निगरानी, ​​सुरक्षा और अनुपालन के लिए अतिरिक्त खर्चों को उचित ठहराना उतना ही कठिन होगा। इस प्रकार, स्वचालन के लिए योजनाबद्ध प्रणाली मैन्युअल निरीक्षण की एक नई, लगभग अदृश्य परत बना सकती है।.

स्वायत्तता एक नए प्रकार की लागत बन जाती है।

एजेंट-आधारित एआई की लागतों को अक्सर संकीर्ण रूप से देखा जाता है। कंपनियां मॉडल की कीमतों की तुलना करती हैं या इनपुट और आउटपुट टोकन के लिए शुल्क की गणना करती हैं, लेकिन यह आर्थिक बोझ का केवल एक हिस्सा ही दर्शाता है। एक एजेंट अक्सर किसी कार्य को कई चरणों में विभाजित करता है, विभिन्न प्रणालियों तक पहुंचता है, असफल प्रयासों को दोहराता है, मध्यवर्ती परिणामों की जांच करता है और लंबे संदर्भों को बनाए रखता है। इसलिए, जटिल कार्यप्रवाहों के लिए एक पारंपरिक चैटबॉट की तुलना में काफी अधिक कंप्यूटिंग शक्ति की आवश्यकता हो सकती है। इसके अतिरिक्त, ऑर्केस्ट्रेशन, डेटा तैयारी, इंटरफेस, लॉगिंग, पहचान प्रबंधन, सुरक्षा नियंत्रण, मूल्यांकन और विभिन्न मॉडलों के संचालन के लिए भी खर्च होते हैं।.

अप्रत्यक्ष लागतें और भी महत्वपूर्ण हैं। इनमें विशेषज्ञों द्वारा परिणामों की समीक्षा करने, त्रुटियों को दूर करने, अतिरिक्त आंतरिक नियंत्रण लागू करने, प्रशिक्षण प्रदान करने, कानूनी समीक्षा करने और कार्यप्रवाहों को अनुकूलित करने में लगने वाला समय शामिल है। यदि कोई एजेंट कुछ ही सेंट में कोई कार्य करता है, लेकिन परिणाम के लिए किसी योग्य व्यक्ति द्वारा नियमित समीक्षा की आवश्यकता होती है, तो मॉडल मूल्य एक मापक के रूप में लगभग अर्थहीन हो जाता है। महत्वपूर्ण बात प्रत्येक सही ढंग से पूर्ण किए गए कार्य की कुल प्रक्रिया लागत है। इसमें दोहराव, त्रुटियों के परिणाम, अपवाद और मानवीय पर्यवेक्षण की लागत भी शामिल होनी चाहिए।.

सर्वेक्षण में शामिल केवल 21 प्रतिशत CIO के पास ही अपने AI एजेंटों और AI वर्कलोड की लागतों के बारे में पूरी पारदर्शिता है, जो नियंत्रण की मूलभूत कमी को दर्शाता है। उपयोग के मामले, व्यावसायिक इकाई और प्रक्रिया के आधार पर लागतों का आवंटन किए बिना, आर्थिक लाभों का आकलन करना या विश्वसनीय बजट का प्रबंधन करना असंभव है। जोखिम यह है कि AI पर होने वाला खर्च क्लाउड खातों, सॉफ़्टवेयर सब्सक्रिप्शन और विभागीय बजटों में विकेंद्रीकृत रूप से बढ़ेगा, जबकि केंद्रीय IT विभाग को कुल लागत का केवल एक हिस्सा ही मिलेगा। ऐसे में बिल देरी से सामने आएगा, जब उपयोग, डेटा की मात्रा और एजेंटों की संख्या में पहले ही काफी वृद्धि हो चुकी होगी।.

सही मूल्यांकन के लिए, कंपनियों को केवल तकनीकी उपयोग लागतों पर विचार करने के बजाय एक व्यापक मूल्य मॉडल अपनाना चाहिए। सफल प्रक्रिया पूर्ण होने की लागत, मानवीय हस्तक्षेप के बिना सही ढंग से पूर्ण किए गए मामलों की दर, त्रुटि और पुनरावृत्ति दर, कार्य समय, नियंत्रण प्रयास और वास्तविक वित्तीय लाभ, इन सभी का मापन किया जाना चाहिए। जब ​​ये मापदंड लंबे समय तक स्थिर रहते हैं, तभी यह आकलन किया जा सकता है कि किसी एजेंट का विस्तार किया जाना चाहिए या नहीं। स्वायत्तता अपने आप में कोई लक्ष्य नहीं है, बल्कि एक निवेश चर है: यह तभी आर्थिक रूप से व्यवहार्य है जब अतिरिक्त लाभ बढ़े हुए नियंत्रण और त्रुटि जोखिमों से अधिक हों।.

शैडो आईटी को एजेंसी का लाभ मिलता है

कृत्रिम बुद्धिमत्ता (एआई) एजेंटों के बढ़ते प्रसार से शैडो आईटी की पारंपरिक समस्या बदल रही है। पहले, विभाग अनधिकृत सॉफ़्टवेयर खरीदते थे या अनियंत्रित सेवाओं में डेटा संग्रहीत करते थे। आज, कर्मचारी तेज़ी से अपने स्वयं के एजेंट बना सकते हैं जो कंपनी के डेटा तक पहुँच प्राप्त करते हैं और स्वतंत्र रूप से कार्य करते हैं। 685 एंटरप्राइज़ सीआईओ के एक सर्वेक्षण से पता चला है कि 84 प्रतिशत का कहना है कि कर्मचारी आईटी द्वारा उचित शासन नियमों को लागू करने की तुलना में तेज़ी से एआई एजेंट विकसित कर रहे हैं। इसलिए, समस्या केवल अनुप्रयोगों की बढ़ती संख्या में ही नहीं, बल्कि डिजिटल अभिनेताओं की बढ़ती संख्या में भी निहित है।.

इन अभिकर्ताओं के पास अक्सर तकनीकी पहचान, एपीआई कुंजी, सेवा खाते या प्रत्यायोजित उपयोगकर्ता अधिकार होते हैं। इससे गैर-मानवीय पहचानों का एक नया वर्ग बनता है, जो कई संगठनों में कर्मचारियों के समान नियमों के अधीन नहीं होते हैं। सर्वेक्षण में शामिल 59 प्रतिशत संगठनों ने अभी तक एआई एजेंटों को अपनी मौजूदा पहचान और पहुंच प्रबंधन नीतियों में पूरी तरह से एकीकृत नहीं किया है। साथ ही, 72 प्रतिशत संगठनों ने सैद्धांतिक रूप से एजेंट को दी जाने वाली पहुंच और संगठन द्वारा वास्तव में प्रदर्शित की जा सकने वाली पहुंच के बीच मध्यम से बड़े अंतर की रिपोर्ट की है।.

आर्थिक दृष्टि से, यह अंतर विशेष रूप से खतरनाक है क्योंकि यह दक्षता और जोखिम के बीच अपेक्षित संतुलन को बिगाड़ देता है। एक एजेंट चौबीसों घंटे और तीव्र गति से कार्य कर सकता है। उत्पादकता का वादा करने वाली यही विशेषता त्रुटि होने पर नुकसान की संभावना को बढ़ा देती है। व्यापक अनुमतियाँ, लंबे समय तक चलने वाली एक्सेस कुंजी और अपर्याप्त लॉगिंग के कारण एक ही गलत निर्णय को बार-बार दोहराया जा सकता है। एजेंट के लिए एक और गलत कार्रवाई की सीमांत लागत लगभग शून्य होती है, जबकि कंपनी के लिए परिणामी लागतें बढ़ती जाती हैं।.

इसका परिणाम स्पष्ट है: प्रत्येक उत्पादक एजेंट को एक औपचारिक पहचान, एक दस्तावेजित उद्देश्य, एक जिम्मेदार मानव स्वामी और सीमित विशेषाधिकारों की आवश्यकता होती है। न्यूनतम विशेषाधिकार के सिद्धांत के अनुसार, सीमित समय के लिए और निरंतर निगरानी के साथ पहुँच प्रदान की जानी चाहिए। विशेष रूप से महत्वपूर्ण कार्यों को निष्पादन से पहले मानव अनुमोदन प्राप्त होना चाहिए। केंद्रीकृत शटडाउन तंत्र भी उतना ही आवश्यक है ताकि खराबी की स्थिति में एजेंटों को कई प्रणालियों में व्यक्तिगत रूप से श्रमसाध्य रूप से निष्क्रिय न करना पड़े। यद्यपि ये उपाय अल्पकालिक गति को कुछ हद तक कम कर सकते हैं, लेकिन ये क्षति, अनिश्चितता और नियामक बाधाओं को सीमित करके समग्र प्रणाली की स्केलेबिलिटी को बढ़ाते हैं।.

वास्तविक नियंत्रण के बिना जिम्मेदारी

3,200 मुख्य सूचना अधिकारियों (CIOs) के वैश्विक सर्वेक्षण में संगठनात्मक तनाव उजागर हुआ है। 88 प्रतिशत का मानना ​​है कि AI को परिचालन में अपनाने की गति शासन व्यवस्था के अनुकूलन की गति से कहीं अधिक तेज़ है। वहीं, 90 प्रतिशत का मानना ​​है कि सुरक्षा या अनुपालन संबंधी विफलताओं के लिए केंद्रीय IT विभाग को ही जिम्मेदार ठहराया जाएगा, भले ही इसके लिए जिम्मेदार उपकरण अन्य व्यावसायिक इकाइयों से स्वतंत्र रूप से खरीदे गए हों। इससे निर्णय लेने की शक्ति और जवाबदेही के बीच एक खाई पैदा हो जाती है।.

इस तरह की संरचना से अनुचित प्रोत्साहन उत्पन्न होते हैं। व्यावसायिक इकाइयाँ त्वरित प्रयोग का अल्पकालिक लाभ तो प्राप्त कर लेती हैं, जबकि जोखिम का एक महत्वपूर्ण हिस्सा आईटी, डेटा सुरक्षा, सूचना सुरक्षा और प्रबंधन के पास ही रहता है। यदि केंद्रीय आईटी को प्रत्येक आवेदन को व्यक्तिगत रूप से अनुमोदित करना आवश्यक हो, तो यह एक बाधा बन सकता है। हालाँकि, यदि वह पूरी तरह से नियंत्रण छोड़ देता है, तो मॉडल, एजेंट, डेटा एक्सेस और अनुबंधों का एक जटिल परिदृश्य उभर आता है। दोनों ही स्थितियाँ अक्षम हैं। पूरी तरह से केंद्रीकृत दृष्टिकोण नवाचार को बाधित करता है, जबकि पूरी तरह से विकेंद्रीकृत दृष्टिकोण जोखिमों और प्रयासों के दोहराव को कई गुना बढ़ा देता है।.

इसलिए एक एकीकृत शासन मॉडल आवश्यक है। केंद्रीय कार्य बाध्यकारी तकनीकी और संगठनात्मक दिशा-निर्देशों को परिभाषित करते हैं, अनुमोदित प्लेटफॉर्म प्रदान करते हैं और पहचान, लागत और महत्वपूर्ण गतिविधियों की निगरानी करते हैं। व्यावसायिक इकाइयाँ इस ढांचे के भीतर एप्लिकेशन विकसित और संचालित कर सकती हैं, लेकिन उन्हें लाभ, डेटा स्रोत, जोखिम और जिम्मेदार व्यक्तियों का दस्तावेजीकरण करना होगा। इससे निर्णय दैनिक कार्यों के यथासंभव निकट रहते हैं, जबकि सामान्य मानक प्रत्येक टीम को एक ही सुरक्षा और एकीकरण समस्याओं को बार-बार हल करने से रोकते हैं।.

मुख्य सूचना अधिकारी (CIO) पर पड़ने वाला व्यक्तिगत दबाव यह दर्शाता है कि कैसे AI नवाचार के विषय से करियर और शासन के एक महत्वपूर्ण कारक में परिवर्तित हो गया है। सर्वेक्षण में शामिल 76 प्रतिशत IT अधिकारियों का मानना ​​है कि यदि उनकी कंपनी 2027 के अंत तक AI के माध्यम से मापने योग्य व्यावसायिक परिणाम प्राप्त करने में विफल रहती है, तो उनकी नौकरी खतरे में पड़ जाएगी। यह दबाव उचित प्राथमिकताओं को तय करने में तेजी ला सकता है, लेकिन इससे जल्दबाजी में विस्तार करने का जोखिम भी बढ़ जाता है। अल्पकालिक सफलता के दबाव में रहने वाले लोग ठोस प्रक्रिया सुधारों के बजाय कार्यान्वयन के स्पष्ट आंकड़ों को प्राथमिकता दे सकते हैं। इसका विरोधाभासी परिणाम यह होगा कि निवेश पर शीघ्र प्रतिफल प्रदर्शित करने का दबाव ही महंगी गलतियों की संभावना को बढ़ा देता है।.

जब नियंत्रक स्वयं एक लागत कारक बन जाता है

शासन और लेखापरीक्षा से प्राप्त प्रारंभिक अनुभवों से पता चलता है कि जोखिम केवल सैद्धांतिक नहीं हैं। 417 शासन, जोखिम, अनुपालन और लेखापरीक्षा पेशेवरों के एक सर्वेक्षण में, 34 प्रतिशत ने बताया कि उनके संगठन ने एक गलत एजेंट निर्णय के आधार पर कार्रवाई की थी। 30 प्रतिशत ने अनपेक्षित कार्रवाइयों को देखा, 25 प्रतिशत ने नियंत्रण की विफलता और 24 प्रतिशत ने ग्राहकों पर प्रभाव देखा। 20 प्रतिशत मामलों में, दो एजेंट आपस में परस्पर विरोधी हो गए। लगभग आधे कर्मचारियों को एआई परिणामों की समीक्षा और सुधार करने में पहले की तुलना में अधिक समय लगा।.

इन आंकड़ों का सावधानीपूर्वक विश्लेषण किया जाना चाहिए क्योंकि सर्वेक्षण प्रतिभागियों की धारणाओं और अनुभवों को दर्शाते हैं, न कि बाजार में होने वाली सभी त्रुटियों की आवृत्ति को। फिर भी, इनसे एक स्पष्ट प्रवृत्ति सामने आती है: कंपनियां प्रक्रियाओं, डेटा और नियंत्रण प्रणालियों को इस प्रकार की स्वायत्तता के लिए तैयार किए जाने से पहले ही निर्णय लेने का अधिकार एजेंटों को सौंप रही हैं। एआई किसी खराब प्रक्रिया को स्वतः ही बेहतर नहीं बना देता। यह केवल उसे तेज, अधिक अस्पष्ट और अधिक व्यापक बना सकता है।.

अतिरिक्त ऑडिटिंग का काम आर्थिक दृष्टि से विशेष रूप से महत्वपूर्ण है। स्वचालन को आमतौर पर कर्मचारियों की लागत में कमी के तर्क से उचित ठहराया जाता है। हालांकि, यदि योग्य विशेषज्ञों को लगातार परिणामों की जांच करनी पड़े, अपवादों को स्पष्ट करना पड़े और एजेंटों के निर्णयों का पुनर्निर्माण करना पड़े, तो काम केवल स्थानांतरित हो जाता है। यह समाप्त नहीं होता, बल्कि वास्तविक प्रसंस्करण से निगरानी और समस्या निवारण की ओर चला जाता है। ये गतिविधियाँ मूल प्रक्रिया की तुलना में अधिक कठिन और महंगी हो सकती हैं क्योंकि इनमें एक साथ तकनीकी, व्यावसायिक और नियामक विशेषज्ञता की आवश्यकता होती है।.

इसका यह अर्थ नहीं है कि मानवीय निगरानी स्वाभाविक रूप से अलाभकारी है। उच्च जोखिम वाले क्षेत्रों में यह अपरिहार्य है। महत्वपूर्ण बात यह है कि नियंत्रण की तीव्रता को संभावित नुकसान के अनुरूप रखा जाए। आंतरिक दस्तावेज़ों को वर्गीकृत करने वाले एजेंट को भुगतान शुरू करने, कार्मिक निर्णय तैयार करने या ग्राहक खातों में संशोधन करने वाली प्रणाली से अलग अनुमोदन की आवश्यकता होती है। इसलिए कंपनियों को चरणबद्ध तरीके से स्वायत्तता प्रदान करनी चाहिए। कोई कार्रवाई जितनी अधिक अपरिवर्तनीय होगी, डेटा जितना अधिक संवेदनशील होगा और बाहरी प्रभाव की संभावना जितनी अधिक होगी, पूर्व अनुमोदन, लॉगिंग और स्वतंत्र ऑडिट उतने ही सख्त होने चाहिए।.

परीक्षण पथ आर्थिक बुनियादी ढांचे का हिस्सा बनते जा रहे हैं।

दो-तिहाई मुख्य सूचना अधिकारी (CIO) इस बात को लेकर अनिश्चित हैं कि क्या वे किसी नियामक को एजेंट के निर्णय का संपूर्ण, शुरू से अंत तक का विवरण प्रदान कर सकते हैं। यह केवल अनुपालन का मुद्दा नहीं है। पता लगाने की क्षमता की कमी से प्रत्येक घटना की लागत बढ़ जाती है क्योंकि कारणों का पता लगाना कठिन हो जाता है, प्रभावित प्रक्रियाओं को अलग करना अधिक मुश्किल हो जाता है, और निवारक उपायों को लागू करने में देरी होती है। मजबूत रिकॉर्ड के बिना, कोई कंपनी शायद ही यह साबित कर पाए कि एजेंट ने अपने अधिकार क्षेत्र के भीतर काम किया या किसी जिम्मेदार व्यक्ति ने उचित हस्तक्षेप किया।.

इसलिए, ऑडिट करने की क्षमता को एक उत्पादक बुनियादी ढांचे के रूप में समझा जाना चाहिए, न कि बाद में जोड़ी गई दस्तावेज़ीकरण आवश्यकता के रूप में। एजेंट की पहचान, उपयोग किया गया मॉडल और सॉफ़्टवेयर संस्करण, उपयोग किए गए डेटा स्रोत, उपलब्ध अनुमतियाँ, मध्यवर्ती चरण, बाहरी टूल कॉल, अनुमोदन और अंतिम परिणाम, इन सभी को रिकॉर्ड किया जाना चाहिए। प्रक्रिया को तकनीकी रूप से पुन: प्रस्तुत करने या कम से कम उसकी विश्वसनीय रूप से पुनर्निर्माण करने की क्षमता भी उतनी ही महत्वपूर्ण है। संभाव्यता मॉडल के साथ, सटीक प्रतिकृति हमेशा संभव नहीं होती है, लेकिन प्रासंगिक इनपुट, कॉन्फ़िगरेशन और निर्णय पथों को संरक्षित किया जाना चाहिए।.

बहु-एजेंट प्रणालियों में चुनौती और भी बढ़ जाती है। जब कई एजेंट कार्यों का वितरण करते हैं, परिणामों की परस्पर समीक्षा करते हैं, या विभिन्न उद्यम प्रणालियों को क्रमिक रूप से संशोधित करते हैं, तो वितरित ज़िम्मेदारी की एक श्रृंखला उत्पन्न होती है। कई प्रतीत होने वाले आंशिक निर्णयों की परस्पर क्रिया से त्रुटि उत्पन्न हो सकती है। व्यक्तिगत उपयोगकर्ता कार्यों या पृथक सॉफ़्टवेयर लेनदेन की जांच करने वाली पारंपरिक नियंत्रण प्रणालियाँ इसके लिए अपर्याप्त हैं। कंपनियों को संपूर्ण प्रक्रिया श्रृंखला की निरंतर निगरानी की आवश्यकता होती है।.

नियामक विकास इस दबाव को और बढ़ा रहे हैं। कृत्रिम बुद्धिमत्ता के लिए यूरोपीय कानूनी ढांचा, डेटा संरक्षण नियम और उद्योग-विशिष्ट पर्यवेक्षी दायित्व जोखिम प्रबंधन, प्रलेखन और मानवीय निगरानी की मांगों को बढ़ा रहे हैं। यूरोपीय संघ के बाहर के डेटा संरक्षण प्राधिकरण भी इस बात पर कड़ी नज़र रख रहे हैं कि स्वचालित प्रणालियाँ व्यक्तिगत जानकारी को कैसे संसाधित करती हैं। आर्थिक निष्कर्ष यह है कि शासन एक अतिरिक्त लागत केंद्र नहीं है जिसे सफल विस्तार के बाद जोड़ा जा सकता है। यह सुनिश्चित करने के लिए एक पूर्व शर्त है कि विस्तार कानूनी रूप से अनुपालन योग्य और टिकाऊ हो।.

एआई से जुड़े जोखिम अब सबसे बड़े जोखिमों की सूची में शामिल हो गए हैं।

1,330 बोर्ड सदस्यों और अधिकारियों के एक सर्वेक्षण में, 2027 के बाद से कृत्रिम बुद्धिमत्ता (AI) के आगमन से उत्पन्न होने वाले नए जोखिम, अल्पकालिक व्यावसायिक जोखिमों में साइबर खतरों के ठीक पीछे, दूसरे स्थान पर हैं। यह रैंकिंग दर्शाती है कि AI को अब एक पृथक IT पहल के रूप में नहीं देखा जाता है। यह परिचालन स्थिरता, विनियमन, डेटा सुरक्षा, तृतीय पक्ष, कर्मचारी, प्रतिष्ठा और पूंजी आवंटन को एक साथ प्रभावित करता है।.

कृत्रिम बुद्धिमत्ता (एआई) और साइबर जोखिमों का विश्लेषण अलग-अलग नहीं किया जाना चाहिए। एजेंट डिजिटल हमले की संभावना को बढ़ाते हैं क्योंकि उन्हें डेटा, एप्लिकेशन और टूल तक पहुंच की आवश्यकता होती है। हमलावर इनपुट में हेरफेर करने, एजेंटों को अनधिकृत कार्य करने के लिए प्रेरित करने या उनके क्रेडेंशियल का दुरुपयोग करने का प्रयास कर सकते हैं। साथ ही, एक सही ढंग से प्रमाणित एजेंट भी जोखिम भरे कार्य कर सकता है यदि उसका लक्ष्य गलत तरीके से परिभाषित किया गया हो, उसके संदर्भ में हेरफेर किया गया हो या उसकी अनुमतियां बहुत व्यापक हों। इसलिए, पारंपरिक आईटी सुरक्षा समस्या के केवल एक हिस्से का समाधान करती है। यह निर्धारित करने के अलावा कि क्या कोई व्यक्ति डेटा तक पहुंचने के लिए अधिकृत है, यह आकलन करना महत्वपूर्ण है कि क्या इच्छित कार्रवाई विशिष्ट संदर्भ में अनुमेय और उचित है।.

इससे कंपनी प्रबंधन की जिम्मेदारियां बढ़ जाती हैं। उन्हें हर मॉडल की तकनीकी जानकारी होना जरूरी नहीं है, लेकिन उन्हें यह सुनिश्चित करना होगा कि प्रमुख एआई अनुप्रयोगों के लिए स्पष्ट स्वामित्व, जोखिम वर्गीकरण, समस्या निवारण प्रक्रियाएं और आर्थिक लक्ष्य मौजूद हों। निगरानी केवल शुरू की गई परियोजनाओं की संख्या या बजट के आकार तक सीमित नहीं रह सकती। सबसे महत्वपूर्ण बात यह है कि इस बारे में विश्वसनीय जानकारी आवश्यक है कि कौन सी प्रक्रियाएं उत्पादक तरीके से स्वचालित हो रही हैं, कौन सा डेटा प्रभावित हो रहा है, मानवीय हस्तक्षेप कितनी बार आवश्यक है, संभावित नुकसान क्या है और क्या अपेक्षित लाभ वास्तव में प्राप्त हो रहे हैं।.

लगभग आंतरिक समाधान: Xpert.Digital किस प्रकार B2B मार्केटिंग और बिक्री में परिचालन संबंधी कमियों को दूर करता है – स्मार्ट कंटेंट-ड्रिवन बिजनेस - चित्र: Xpert.Digital

Xpert.Digital एक डेटा-आधारित B2B उद्योग केंद्र है जिसका नेतृत्व Konrad Wolfenstein करते हैं। यह कंपनी औद्योगिक भागीदारों के लिए एक बाहरी, लगभग आंतरिक समाधान के रूप में कार्य करती है, जो ग्राहकों की ओर से अतिरिक्त संसाधनों की आवश्यकता के बिना मार्केटिंग, कंटेंट और बिक्री में परिचालन संबंधी कमियों को दूर करती है।.

अधिक जानकारी यहाँ:

• लगभग आंतरिक समाधान: Xpert.Digital किस प्रकार B2B मार्केटिंग और बिक्री में परिचालन संबंधी कमियों को दूर करता है – स्मार्ट कंटेंट-ड्रिवन बिजनेस

सॉफ्टवेयर के नीचे पूंजी की समस्या बढ़ती जा रही है।

कंपनियां अपने एजेंटों को नियंत्रित करने के लिए संघर्ष कर रही हैं, वहीं प्रौद्योगिकी उद्योग अभूतपूर्व पैमाने पर एआई के भौतिक आधार का विस्तार कर रहा है। 2026 तक एआई बुनियादी ढांचे में लगभग एक ट्रिलियन अमेरिकी डॉलर के निवेश की उम्मीद है। 2027 और 2030 के बीच इसमें छह ट्रिलियन अमेरिकी डॉलर और जुड़ सकते हैं। ये धनराशि डेटा केंद्रों, ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू), नेटवर्किंग प्रौद्योगिकी, भंडारण, शीतलन, बिजली आपूर्ति और भूमि में निवेश की जा रही है। यह विस्तार इस उम्मीद के अनुरूप है कि आने वाले वर्षों में एआई मॉडल को प्रशिक्षित करने और चलाने की आवश्यकता में काफी वृद्धि होगी।.

हालांकि, केवल विकास ही निवेश पर पर्याप्त प्रतिफल की गारंटी नहीं देता। एआई डेटा सेंटर संचालकों को घोषित निवेश, वित्तपोषण लागत और अनुमानित 12 प्रतिशत निवेश प्रतिफल को कवर करने के लिए 2030 तक लगभग 8.5 ट्रिलियन डॉलर का संचयी राजस्व उत्पन्न करना होगा। इसी अवधि के लिए उद्यम और उपभोक्ता एआई व्यवसायों से संभावित राजस्व अधिकतम 3.6 ट्रिलियन डॉलर होने का अनुमान है। हालांकि इन आंकड़ों में लंबी अवधि के पूर्वानुमान के कारण काफी अनिश्चितता है, फिर भी यह अंतर उल्लेखनीय है।.

हालांकि, निवेश और एआई राजस्व की सीधी तुलना करना गलत होगा। डेटा केंद्रों का जीवनकाल कई वर्षों तक होता है, बुनियादी ढांचा विभिन्न प्रकार के कार्यभार संभाल सकता है, और कुछ आर्थिक लाभ बुनियादी ढांचे के संचालक के बजाय उपयोगकर्ता कंपनियों को मिलते हैं। इसके अलावा, कंप्यूटिंग लागत में कमी से नई मांग उत्पन्न हो सकती है। फिर भी, मूल संदेश वही रहता है: अपेक्षित प्रतिफल प्राप्त करने के लिए बाजार को न केवल तेजी से विकसित होना चाहिए, बल्कि सभी नियोजित क्षमताओं के लिए असाधारण रूप से तेजी से लाभप्रद अनुप्रयोगों का उत्पादन भी करना चाहिए।.

यह स्थिति चुनौतीपूर्ण है। आज के कई एआई अनुप्रयोग लागत कम करते हैं या मौजूदा उत्पादों को बेहतर बनाते हैं, लेकिन अंतर्निहित बुनियादी ढांचे में किए गए निवेश के बराबर अतिरिक्त राजस्व स्वतः उत्पन्न नहीं करते। इसके अलावा, उत्पादकता में वृद्धि प्रदाताओं और ग्राहकों के बीच वितरित हो सकती है। तीव्र प्रतिस्पर्धा कीमतों को कम करती है, ओपन-सोर्स मॉडल प्रवेश बाधाओं को कम करते हैं, और अधिक कुशल मॉडल प्रति कार्य गणना आवश्यकताओं को कम करते हैं। हालांकि यह समग्र अर्थव्यवस्था के लिए लाभकारी है, लेकिन यह व्यक्तिगत डेटा सेंटर संचालकों की लाभप्रदता पर नकारात्मक प्रभाव डाल सकता है।.

मूल्यह्रास की घड़ी मांग की तुलना में तेजी से चल रही है।

एआई हार्डवेयर, टिकाऊ बुनियादी ढांचे से इस मायने में अलग है कि इसका नवाचार चक्र छोटा होता है। नई पीढ़ी के एक्सेलरेटर अक्सर काफी बेहतर प्रदर्शन या ऊर्जा दक्षता प्रदान करते हैं। परिणामस्वरूप, पुराना हार्डवेयर तकनीकी रूप से कार्यशील होने के बावजूद आर्थिक मूल्य खो सकता है। इसलिए, ऑपरेटर को उच्च उपयोग और आकर्षक मूल्य निर्धारण के माध्यम से अपने निवेश की वसूली जल्द से जल्द करनी चाहिए। यदि मांग अपेक्षाओं से कम रहती है, तो बुक वैल्यू और वित्तपोषण मॉडल पर दबाव पड़ता है।.

2030 तक, लगभग 3.5 ट्रिलियन डॉलर की एआई संपत्तियों के मूल्यह्रास का खतरा हो सकता है; 2032 तक, यह आंकड़ा बढ़कर 4 ट्रिलियन डॉलर से अधिक हो सकता है। मूल्यह्रास का मतलब यह नहीं है कि सर्वर भौतिक रूप से गायब हो जाएंगे। बल्कि, इसका मतलब यह है कि अपेक्षित भविष्य के नकदी प्रवाह अब संपत्ति के वहन मूल्य को उचित नहीं ठहराते हैं। अत्यधिक कर्जदार ऑपरेटरों के लिए, इससे ऋण शर्तें सख्त हो सकती हैं, इक्विटी कम हो सकती है और आगे निवेश करना अधिक कठिन हो सकता है।.

यह प्रक्रिया पिछले अवसंरचना चक्रों के समान है। नई मूलभूत प्रौद्योगिकियाँ अक्सर विस्तार को गति देती हैं, जिससे शुरुआत में अतिरिक्त क्षमता उत्पन्न होती है। रेलवे, दूरसंचार नेटवर्क और फाइबर ऑप्टिक्स ने भी इसी तरह के चरण देखे हैं। निवेशित पूंजी का कुछ हिस्सा खो गया, जबकि आसानी से उपलब्ध और सस्ते अवसंरचना ने बाद में नए व्यावसायिक मॉडलों को संभव बनाया। इसलिए, दो बातें एक साथ सत्य हो सकती हैं: कृत्रिम बुद्धिमत्ता एक गहरा आर्थिक परिवर्तन ला सकती है, और फिर भी आज के निवेशकों का एक महत्वपूर्ण हिस्सा अपर्याप्त प्रतिफल प्राप्त कर सकता है।.

समग्र अर्थव्यवस्था के लिए, बाजार में सुधार हमेशा नकारात्मक नहीं होता। मूल्यह्रास और दिवालियापन से कंप्यूटिंग शक्ति की लागत कम हो सकती है और अधिक कुशल खरीदारों को बुनियादी ढांचे तक पहुंच मिल सकती है। कंपनियों को कम कीमतों से लाभ हो सकता है, भले ही मूल निवेशकों को नुकसान उठाना पड़े। स्थिति तब समस्याग्रस्त हो जाती है जब अत्यधिक निवेश उच्च ऋण, दीर्घकालिक ऊर्जा अनुबंधों या क्षेत्रीय रूप से केंद्रित क्षमता से जुड़ा होता है। ऐसे मामलों में, सुधार बैंकों, ऊर्जा आपूर्तिकर्ताओं, रियल एस्टेट बाजारों और स्थानीय सार्वजनिक बजटों को प्रभावित कर सकते हैं।.

विकास और चयन के बीच नियोक्लाउड्स

सबसे अधिक जोखिम में वे विशेषीकृत नियोक्लाउड प्रदाता हैं जो एआई वर्कलोड के लिए कंप्यूटिंग शक्ति प्रदान करते हैं। उनका लाभ उनकी उच्च स्तरीय तकनीकी विशेषज्ञता, मांग वाले ग्राफिक्स प्रोसेसर तक त्वरित पहुंच और अक्सर बड़ी, व्यापक रूप से विविध क्लाउड कंपनियों की तुलना में अधिक लचीले प्रस्तावों में निहित है। कोरवीव और नेबियस जैसी कंपनियां इस सेगमेंट का उदाहरण हैं। एआई-अनुकूलित इंफ्रास्ट्रक्चर-एज़-ए-सर्विस प्रस्तावों का लक्षित बाजार 2027 में 66 बिलियन डॉलर से बढ़कर 2030 में 174 बिलियन डॉलर हो सकता है। यह एक प्रभावशाली वृद्धि होगी, लेकिन फिर भी यह एक साथ निर्मित क्षमता का लाभप्रद उपयोग करने के लिए पर्याप्त नहीं हो सकती है।.

यह अनुमान कि 2030 तक 80 प्रतिशत से अधिक नियोक्लाउड स्वतंत्र रूप से काम करना बंद कर देंगे, इसका मतलब यह नहीं है कि उनके कंप्यूटिंग संसाधन पूरी तरह से गायब हो जाएंगे। दिवालियापन, अधिग्रहण, विलय, दीर्घकालिक साझेदारी या बड़े प्लेटफार्मों में एकीकरण जैसी सभी संभावनाएं हैं। मूल आर्थिक कारक महत्वपूर्ण समेकन है। अनुकूल वित्तपोषण, सुरक्षित ऊर्जा आपूर्ति, उच्च उपयोग और स्पष्ट रूप से भिन्न सेवा पेशकश के बिना प्रदाताओं को स्वतंत्र रूप से बने रहने में कठिनाई होगी।.

कई कारणों से यह व्यावसायिक मॉडल कमज़ोर है। पहला, इसमें तेज़ी से पुराने होते हार्डवेयर में भारी शुरुआती निवेश की आवश्यकता होती है। दूसरा, ग्राहक आधार केंद्रित हो सकता है, जिसका अर्थ है कि कुछ बड़े ग्राहकों को खोने से भी क्षमता उपयोग में भारी बदलाव आ सकता है। तीसरा, नियोक्लाउड चिप निर्माताओं और ग्राहकों के बीच एक सेतु का काम करते हैं, जबकि उनके पास सौदेबाजी की उतनी शक्ति नहीं होती। चौथा, हाइपरस्केलर व्यापक प्लेटफ़ॉर्म सेवाओं, वैश्विक बुनियादी ढांचे और मौजूदा ग्राहक संबंधों के साथ प्रतिस्पर्धा कर सकते हैं। पाँचवाँ, जैसे-जैसे अधिक क्षमता उपलब्ध होती है या व्यावसायिक मॉडल अधिक कुशल होते जाते हैं, वैसे-वैसे मूल्य दबाव का खतरा बना रहता है।.

इसलिए सभी नियोक्लाउड एक जैसे नहीं होते। सबसे अधिक सफल होने की संभावना उन प्रदाताओं की होती है जिनके पास संरचनात्मक लाभ होते हैं: सस्ती ऊर्जा तक दीर्घकालिक पहुंच, विशेष रूप से उच्च तकनीकी उपयोग, दुर्लभ पूंजी तक पहुंच, विशेष सेवाएं, या विशिष्ट क्षेत्रों और विनियमित उद्योगों में मजबूत स्थिति। यदि ग्राहक सबसे कम कीमत की तुलना में डेटा गोपनीयता, डेटा निवास और रणनीतिक स्वतंत्रता को प्राथमिकता देते हैं, तो संप्रभु, राष्ट्रीय या यूरोपीय-नियंत्रित बुनियादी ढांचा भी एक महत्वपूर्ण कारक हो सकता है।.

हाइपरस्केलर कंपनियां खुद को समय दे रही हैं।

बड़ी क्लाउड और प्रौद्योगिकी कंपनियों को विशेष सेवा प्रदाताओं पर निर्णायक बढ़त हासिल है: वे व्यापक और लाभदायक व्यावसायिक क्षेत्रों से एआई के विस्तार के लिए वित्तपोषण करती हैं। क्लाउड प्लेटफॉर्म, विज्ञापन, वाणिज्य, सॉफ्टवेयर सदस्यता, सोशल नेटवर्क और मौजूदा उद्यम सेवाएं राजस्व के ऐसे स्रोत उत्पन्न करती हैं जो लंबे समय तक निवेश को बनाए रख सकते हैं। इससे अमेज़ॅन, गूगल, माइक्रोसॉफ्ट, मेटा और अन्य बड़े सेवा प्रदाता एआई से होने वाले कम प्रत्यक्ष लाभ की अवधि का बेहतर ढंग से सामना कर पाते हैं।.

हालांकि, विविधीकरण निवेश पर प्रतिफल की समस्या को खत्म नहीं करता। यहां तक ​​कि बड़ी कंपनियों को भी लंबे समय में यह समझाना पड़ता है कि उनके निवेश से मूल्य कैसे उत्पन्न होता है। उनके पास बस अधिक समय और अतिरिक्त मुद्रीकरण चैनल होते हैं। एआई मौजूदा क्लाउड उपयोग को बढ़ा सकता है, विज्ञापन उत्पादों को बेहतर बना सकता है, प्लेटफार्मों पर ग्राहकों को बनाए रख सकता है, विकास प्रक्रियाओं को गति दे सकता है और अन्य व्यावसायिक क्षेत्रों की रक्षा कर सकता है। इसलिए, कुछ लाभ अलग से रिपोर्ट किए गए एआई राजस्व के रूप में दिखाई नहीं देते हैं। इन रणनीतिक दुष्प्रभावों के कारण, नियोक्लाउड्स के साथ सीधी तुलना करना मुश्किल हो जाता है, जिनकी आर्थिक सफलता कंप्यूटिंग शक्ति को किराए पर देने पर अधिक निर्भर करती है।.

एकीकरण के परिणामस्वरूप हाइपरस्केलर्स की बाज़ार शक्ति और भी बढ़ सकती है। जब छोटे प्रदाता बाज़ार से बाहर निकलते हैं, तो बड़े प्लेटफ़ॉर्म ग्राहकों, कुशल श्रमिकों और आकर्षक मूल्य वाले बुनियादी ढांचे को हासिल कर लेते हैं। इससे पैमाने की अर्थव्यवस्थाएं बढ़ सकती हैं, लेकिन निर्भरता भी बढ़ सकती है। इसलिए कंपनियों और सरकारों को दक्षता और लचीलेपन के बीच संतुलन बनाना होगा। एक अत्यधिक केंद्रित बुनियादी ढांचा अक्सर अल्पावधि में सस्ता होता है, लेकिन दीर्घावधि में यह मूल्य निर्धारण, नवाचार के रास्ते और डिजिटल संप्रभुता को प्रभावित कर सकता है।.

इससे यूरोप के लिए एक रणनीतिक दुविधा उत्पन्न होती है। अपनी खुद की एआई क्षमताएं विकसित करना ऊर्जा और पूंजी की दृष्टि से बहुत खर्चीला है, जबकि अमेरिकी और एशियाई प्रदाताओं के पास पहले से ही बड़े पैमाने पर उत्पादन करने की क्षमता है। केवल हाइपरस्केलर्स की नकल करना शायद ही लाभदायक होगा। अधिक समझदारी भरा दृष्टिकोण विशिष्ट औद्योगिक अनुप्रयोगों, विश्वसनीय डेटा क्षेत्रों, विनियमित क्षेत्रों, ऊर्जा दक्षता, यूरोपीय भाषा और तकनीकी मॉडलों तथा संप्रभु परिचालन समाधानों पर ध्यान केंद्रित करना है। आर्थिक औचित्य विशिष्ट लाभों से उत्पन्न होना चाहिए, न कि वैश्विक क्षमता प्रतिस्पर्धाओं की अंधाधुंध नकल करने के प्रयास से।.

छह ट्रिलियन डॉलर मांग का पूर्वानुमान नहीं है।

एक अन्य मॉडल इस चुनौती की व्यापकता को दर्शाता है। यदि AI इंफ्रास्ट्रक्चर पर वार्षिक खर्च 2031 तक लगभग 1.5 ट्रिलियन डॉलर तक पहुंचने का अनुमान है, और निवेश उद्योग के राजस्व का लगभग एक चौथाई हिस्सा होने की उम्मीद है, तो वैश्विक AI बाजार को सालाना लगभग 6 ट्रिलियन डॉलर उत्पन्न करने की आवश्यकता होगी। मौजूदा उपभोक्ता और उद्यम अनुप्रयोग इसमें 1.2 से 1.8 ट्रिलियन डॉलर का योगदान दे सकते हैं। इससे लगभग 4.2 ट्रिलियन डॉलर का अंतर रह जाएगा जिसे नए बाजारों द्वारा पूरा किया जाना आवश्यक होगा।.

छह ट्रिलियन अमेरिकी डॉलर की इस राशि को एक आर्थिक बाधा के रूप में समझा जाना चाहिए, न कि राजस्व के विश्वसनीय पूर्वानुमान के रूप में। यह संख्या उस राशि का परिमाण दर्शाती है जो कुछ निश्चित प्रतिफल और निवेश संबंधी मान्यताओं के तहत विस्तार को स्थायी रूप से वित्तपोषित करने के लिए आवश्यक होगी। यह भविष्यवाणी नहीं करती कि वास्तव में इतना राजस्व उत्पन्न होगा। यह अंतर महत्वपूर्ण है क्योंकि प्रौद्योगिकी संबंधी चर्चाओं में अक्सर उच्च संभावित बाजार मात्रा को अपेक्षित राजस्व के रूप में माना जाता है।.

अन्य विकास बाजारों में एआई-संचालित खोज और विज्ञापन, स्वायत्त वाहन, ट्रक और ड्रोन, औद्योगिक स्वचालन, रोबोटिक्स, डिजिटल ट्विन, दवा विकास, चिकित्सा सेवाएं, सामग्री अनुसंधान और ऊर्जा शामिल हैं। स्वायत्त प्रणालियों की क्षमता लगभग 400 अरब अमेरिकी डॉलर होने का अनुमान है, जबकि सिमुलेशन, डिजिटल ट्विन और रोबोटिक्स को शामिल करने वाली भौतिक एआई की क्षमता लगभग 900 अरब अमेरिकी डॉलर होने का अनुमान है। इन क्षेत्रों का आर्थिक मूल्य काफी अधिक है, लेकिन ये विशुद्ध रूप से सॉफ्टवेयर-आधारित उत्पादों की तुलना में धीमी गति से विकसित हो रहे हैं। इनमें हार्डवेयर, नियामक अनुमोदन, सुरक्षा परीक्षण, भौतिक प्रक्रियाओं में एकीकरण और अक्सर नए दायित्व नियमों की आवश्यकता होती है।.

इसलिए, समय का अंतर दीर्घकालिक बाजार क्षमता से कहीं अधिक महत्वपूर्ण हो सकता है। भले ही रोबोटिक्स और औद्योगिक एआई से भारी राजस्व प्राप्त हो, लेकिन आज के निवेश को उचित ठहराने के लिए उन्हें तेजी से विस्तार करना होगा। डेटा सेंटर, चिप्स और वित्तपोषण लागत तुरंत ही वहन करनी पड़ती है; जबकि नए भौतिक अनुप्रयोगों को व्यापक बाजार में परिपक्वता प्राप्त करने में अक्सर वर्षों लग जाते हैं। इसलिए, यदि कीमत, वित्तपोषण संरचना या समय सही न हो, तो एक मजबूत भविष्य की उम्मीद भी एक खराब निवेश साबित हो सकती है।.

भौतिक कृत्रिम बुद्धिमत्ता ही आर्थिक उछाल के दूसरे चरण का निर्धारण करेगी।

जनरेटिव एआई की अब तक की सफलताएं मुख्य रूप से डिजिटल ज्ञान संबंधी कार्यों पर केंद्रित रही हैं। टेक्स्ट, इमेज, सॉफ्टवेयर कोड, शोध और ग्राहक संचार को मौजूदा अनुप्रयोगों में अपेक्षाकृत जल्दी एकीकृत किया जा सकता है। इन बाजारों से संभावित राजस्व काफी अधिक है, लेकिन यह अकेले सभी नियोजित बुनियादी ढांचा निवेशों को उचित ठहराने के लिए पर्याप्त नहीं है। इसलिए, विकास के अगले चरण को भौतिक अर्थव्यवस्था में और अधिक गहराई तक विस्तार करना होगा।.

भौतिक कृत्रिम बुद्धिमत्ता (फिजिकल एआई) सीखने की प्रणालियों को मशीनों, वाहनों, उत्पादन सुविधाओं और वास्तविक दुनिया के वातावरण से जोड़ती है। कारखानों में, महंगे उपकरणों में बदलाव करने से पहले डिजिटल ट्विन नई उत्पादन प्रक्रियाओं का अनुकरण कर सकते हैं। रोबोट बदलते वर्कपीस पर अधिक लचीले ढंग से प्रतिक्रिया कर सकते हैं। लॉजिस्टिक्स केंद्रों में, सामग्री प्रवाह, ऑर्डर पिकिंग और स्वायत्त परिवहन का समन्वय किया जा सकता है। ऑटोमोटिव उद्योग में, विकास समय को कम किया जा सकता है, जबकि स्वायत्त प्रणालियाँ नई सेवाओं को सक्षम बनाती हैं। आर्थिक लाभ न केवल कम कर्मचारी लागत से प्राप्त होता है, बल्कि संयंत्र की बढ़ी हुई उपलब्धता, कम स्क्रैप दर, तेजी से फैक्ट्री स्टार्ट-अप और नए उत्पादों से भी प्राप्त होता है।.

यह जर्मनी और यूरोप के लिए एक रणनीतिक अवसर प्रस्तुत करता है। उनका औद्योगिक आधार, प्रक्रिया संबंधी ज्ञान, विशेषीकृत मशीन निर्माता और जटिल आपूर्ति श्रृंखलाएं मूल्यवान डेटा और अनुप्रयोग क्षेत्र प्रदान करती हैं। हालांकि, यह लाभ स्वतः प्राप्त नहीं होता। अधिकांश औद्योगिक डेटा खंडित, मालिकाना हक वाला या अपर्याप्त रूप से संरचित होता है। कंपनियों को अपने डेटा आर्किटेक्चर का आधुनिकीकरण करना होगा, इंटरफेस को मानकीकृत करना होगा और परिचालन ज्ञान को डिजिटल रूप से मैप करना होगा। इस आधारभूत कार्य के बिना, भौतिक एआई केवल प्रदर्शन तक ही सीमित रहेगा।.

मुद्रीकरण भी सामान्य क्लाउड सॉफ़्टवेयर से भिन्न है। औद्योगिक कंपनियाँ सिद्ध विश्वसनीयता, लंबे जीवन चक्र और स्पष्ट जवाबदेही की अपेक्षा करती हैं। वे सुरक्षा-महत्वपूर्ण प्रक्रियाओं में स्थायी प्रायोगिक वातावरण को स्वीकार नहीं करतीं। इसलिए, प्रदाताओं को ऐसे मजबूत, एकीकृत सिस्टम प्रदान करने होंगे जो मॉडल, सेंसर, नियंत्रण प्रणाली, साइबर सुरक्षा और रखरखाव को संयोजित करते हों। यहीं पर विशिष्ट यूरोपीय प्रदाताओं के लिए एक बाज़ार विकसित हो सकता है, जो मॉडल के अधिकतम आकार पर कम और डोमेन विशेषज्ञता, एकीकरण और विश्वास पर अधिक केंद्रित हो।.

दोनों संकटों का साझा मूल बिंदु

एआई एजेंटों और नियोक्लाउड से जुड़ी समस्याएं शुरू में अलग-अलग प्रतीत होती हैं। एक तरफ व्यावसायिक प्रक्रियाएं, शासन व्यवस्था और त्रुटिपूर्ण निर्णय हैं; दूसरी तरफ डेटा सेंटर, वित्तपोषण और मूल्यह्रास। वास्तव में, दोनों एक ही आर्थिक गलत धारणा पर आधारित हैं: कि तकनीकी क्षमता लगभग स्वतः ही लाभदायक और विस्तार योग्य लाभों में परिवर्तित हो जाएगी।.

एजेंटों के मामले में, एक सफल पायलट प्रोजेक्ट को अक्सर उत्पादन परिपक्वता मान लिया जाता है। बुनियादी ढांचे के मामले में, तेजी से बढ़ती कंप्यूटिंग आवश्यकताओं को पर्याप्त भुगतान करने की इच्छा और निवेश पर टिकाऊ प्रतिफल के बराबर मान लिया जाता है। दोनों ही मामलों में, मध्यवर्ती चरणों को अक्सर नजरअंदाज कर दिया जाता है। मॉडल के प्रदर्शन और व्यावसायिक लाभ के बीच डेटा गुणवत्ता, प्रक्रिया का पुनर्रचना, एकीकरण, सुरक्षा, मानवीय निगरानी और स्वीकृति जैसे कारक महत्वपूर्ण होते हैं। कंप्यूटिंग क्षमता और निवेशक प्रतिफल के बीच उपयोग, मूल्य निर्धारण, ऊर्जा लागत, हार्डवेयर की उम्र बढ़ना, वित्तपोषण और प्रतिस्पर्धा जैसे कारक महत्वपूर्ण होते हैं।.

यह निष्कर्ष कृत्रिम बुद्धिमत्ता के विरुद्ध तर्क नहीं देता। यह अधिक पेशेवर पूंजी आवंटन के पक्ष में तर्क देता है। तकनीकी क्रांतियाँ शायद ही कभी एक सीधी रेखा में आगे बढ़ती हैं। अतिरिक्त निवेश प्रयोगों और अवसंरचना को वित्तपोषित करता है, लेकिन बाद में सुधार और समेकन की ओर ले जाता है। विजेता वे कंपनियाँ नहीं होतीं जो सबसे पहले या सबसे अधिक निवेश करती हैं। अक्सर, सफल होने वाली कंपनियाँ वे होती हैं जो लागतों का विवेकपूर्ण प्रबंधन करती हैं, शुरुआती गलतियों से सीखती हैं और अपने उत्पादों और सेवाओं को ग्राहकों की वास्तविक भुगतान क्षमता के अनुरूप बनाती हैं।.

प्रचार को ठोस व्यावसायिक प्रथाओं में तब्दील होना चाहिए।

कंपनियों को एआई एजेंटों को केवल वहीं तैनात करना चाहिए जहां एक स्पष्ट रूप से परिभाषित प्रक्रिया, विश्वसनीय डेटा और मापने योग्य लक्ष्य मीट्रिक मौजूद हों। शुरुआती बिंदु वह नहीं होना चाहिए जहां अधिकतम संभव स्वायत्तता प्रदर्शित की जा सके। महत्वपूर्ण कारक वह है जहां किसी विशिष्ट बाधा को दूर किया जा सके, लीड टाइम को कम किया जा सके, गुणवत्ता में सुधार किया जा सके या अतिरिक्त राजस्व उत्पन्न किया जा सके। प्रत्येक उपयोग के मामले के लिए, शुरू करने से पहले यह निर्धारित किया जाना चाहिए कि स्वीकार्य लागत और त्रुटि दरें क्या हैं और किन परिस्थितियों में परियोजना को रोका जाएगा।.

तैनाती चरणबद्ध होनी चाहिए। प्रारंभ में, एक एजेंट सुझाव दे सकता है, फिर मानवीय अनुमोदन के तहत कार्य कर सकता है, और स्थिर प्रदर्शन के बाद ही वह सीमित कार्यों को स्वायत्त रूप से निष्पादित कर सकता है। परिपक्वता के ये स्तर लाभ और जोखिमों की अलग-अलग निगरानी की अनुमति देते हैं। एक प्रणाली जो सहायक के रूप में पहले से ही कोई मापने योग्य मूल्य उत्पन्न नहीं करती है, उसे केवल अधिक विशेषाधिकार दिए जाने से आर्थिक रूप से व्यवहार्य नहीं बनाया जा सकता है।.

इसके साथ ही, एक केंद्रीय इन्वेंट्री की आवश्यकता होती है। कंपनियों को यह जानना आवश्यक है कि कौन से एजेंट मौजूद हैं, वे कौन से मॉडल का उपयोग करते हैं, वे किन प्रणालियों तक पहुँच रखते हैं और कौन जिम्मेदार है। लागतों को अलग-अलग प्रक्रियाओं और व्यावसायिक इकाइयों में आवंटित किया जाना चाहिए। महत्वपूर्ण कार्यों के लिए अनुमोदन सीमाएँ आवश्यक हैं, और प्रत्येक उत्पादन एप्लिकेशन में एक कार्यशील शटडाउन तंत्र होना चाहिए। शासन को एक कठोर दस्तावेज़ के रूप में नहीं देखा जाना चाहिए; इसे तकनीकी रूप से प्लेटफार्मों, पहचानों, प्रोटोकॉल और विकास प्रक्रियाओं में समाहित किया जाना चाहिए।.

खरीद प्रक्रिया में भी बदलाव आ रहा है। एआई और क्लाउड प्रदाताओं के साथ अनुबंधों में डेटा उपयोग, मॉडल परिवर्तन, लॉग एक्सेस, सुरक्षा संबंधी घटनाएं, प्रदर्शन, जवाबदेही और स्विचिंग विकल्पों से संबंधित प्रावधान शामिल होने चाहिए। कंपनियों को अपने मुख्य प्रक्रियाओं को किसी एक प्रदाता पर निर्भर करने से बचना चाहिए, जिसकी कीमतें, मॉडल या व्यावसायिक रणनीति कभी भी बदल सकती हैं। जहां संभव हो, मॉड्यूलर आर्किटेक्चर और विनिमेय मॉडल सौदेबाजी की शक्ति को बढ़ाते हैं।.

अवसंरचना में निवेश करने वालों के लिए ग्राहक ही मायने रखता है, चिप नहीं।

डेटा सेंटर और नियोक्लाउड के लिए, केवल मौजूदा हार्डवेयर तक पहुंच ही एक सफल व्यावसायिक मॉडल के लिए पर्याप्त नहीं है। निवेशकों को मुख्य रूप से मांग की गुणवत्ता और अवधि का विश्लेषण करना चाहिए। दीर्घकालिक अनुबंध तभी लाभदायक होते हैं जब ग्राहक विश्वसनीय हों और न्यूनतम खरीद आवश्यकताओं को पूरा किया जा सके। ऊर्जा की कीमतें, नेटवर्क कनेक्शन, कूलिंग, उपयोग के तरीके, पुनर्वित्त विकल्प और पुराने हार्डवेयर का अवशिष्ट मूल्य भी समान रूप से महत्वपूर्ण हैं।.

जब विकास का वित्तपोषण मुख्य रूप से अतिरिक्त ऋण द्वारा किया जाता है और अपेक्षित क्षमता उपयोग ग्राहकों की सीमित संख्या पर आधारित होता है, तो विशेष सावधानी बरतने की सलाह दी जाती है। मांग में गिरावट से राजस्व, परिसंपत्ति मूल्य और वित्तपोषण क्षमता पर एक साथ प्रभाव पड़ सकता है। तनावपूर्ण परिस्थितियों में कम कीमतें, कमीशनिंग में देरी, क्षमता उपयोग में गिरावट, हार्डवेयर की तेजी से उम्र बढ़ना और उच्च पूंजी लागत जैसे कारकों को शामिल किया जाना चाहिए। निवेश पर प्रतिफल तभी विश्वसनीय होता है जब व्यवसाय मॉडल कम अनुकूल परिस्थितियों में भी व्यवहार्य बना रहता है।.

विशेषीकृत सेवा प्रदाताओं के लिए, परस्पर विनिमयशीलता से आगे का मार्ग विभेदीकरण से होकर गुजरता है। इसमें अत्यधिक कुशल डेटा केंद्र, संप्रभु यूरोपीय परिचालन मॉडल, उद्योग-विशिष्ट प्लेटफॉर्म, डेटा निवास की गारंटी, एकीकृत सुरक्षा सेवाएं, या बुनियादी ढांचे और अनुप्रयोग विशेषज्ञता के बीच घनिष्ठ संबंध शामिल हैं। जैसे-जैसे आपूर्ति बढ़ती है, शुद्ध क्षमता एक व्यापार योग्य वस्तु बन जाती है। दूसरी ओर, विश्वास, एकीकरण और सिद्ध प्रदर्शन दुर्लभ बने रहते हैं।.

आगामी सफाई अभियान एआई का अंत नहीं है।

परियोजनाओं के संभावित रद्द होने और नियोक्लाउड के संभावित एकीकरण से कृत्रिम बुद्धिमत्ता का खंडन नहीं होता। बल्कि, ये प्रौद्योगिकी-आधारित विस्तार के चरण से ऐसे बाज़ार की ओर संक्रमण के विशिष्ट उदाहरण हैं जहाँ निवेश पर प्रतिफल, विश्वसनीयता और संस्थागत परिपक्वता सर्वोपरि हैं। शुरुआती परियोजनाओं का एक बड़ा हिस्सा समाप्त हो जाएगा क्योंकि वे ठीक से परिभाषित नहीं थीं, उनका एकीकरण ठीक से नहीं हुआ था या वे आर्थिक रूप से अव्यवहार्य थीं। वहीं दूसरी ओर, सफल अनुप्रयोग मुख्य प्रक्रियाओं में और अधिक गहराई तक प्रवेश करेंगे।.

बुनियादी ढांचागत संपत्तियां यूं ही बेकार नहीं हो जातीं। मूल्यह्रास, अधिग्रहण या कम कीमतों के बाद भी कंप्यूटिंग क्षमता का उपयोग किया जा सकता है। उपयोगकर्ताओं के लिए, बाजार का एकीकरण फायदेमंद भी हो सकता है यदि प्रतिस्पर्धा और अतिरिक्त क्षमता से लागत कम हो जाए। हालांकि, मुनाफे का वितरण बदल जाता है: मौजूदा ग्राहक और बाद के खरीदार लाभान्वित हो सकते हैं, जबकि शुरुआती इक्विटी और ऋण निवेशकों को कुछ नुकसान उठाना पड़ता है।.

इसलिए, विकास का सबसे संभावित मार्ग न तो एआई से जुड़ी उम्मीदों का पूर्ण पतन है और न ही उछाल का निर्बाध रूप से जारी रहना। दोतरफा विकास अधिक संभावित है। उच्च गुणवत्ता वाले, स्पष्ट रूप से नियंत्रित अनुप्रयोग बढ़ते रहेंगे और मानक व्यावसायिक अवसंरचना बन जाएंगे। इसके विपरीत, अविभेदित एजेंट परियोजनाएं, कमजोर सुरक्षा वाले व्यावसायिक मॉडल और अत्यधिक महंगी क्षमताएं दबाव में आ जाएंगी। बाजार तकनीकी संभावना और आर्थिक व्यवहार्यता के बीच अंतर कर रहा है।.

वास्तविक एआई क्रांति किसी नए शानदार मॉडल से शुरू नहीं होती, बल्कि प्रौद्योगिकी को विश्वसनीय मूल्य सृजन में बदलने की व्यावहारिक क्षमता से शुरू होती है। जो कंपनियां लागत, नियंत्रण और लाभ को एक साथ प्रबंधित करती हैं, वे इस मंदी से और भी मजबूत होकर उभरेंगी। दूसरी ओर, जो कंपनियां जिम्मेदारी के बिना स्वायत्तता या लाभदायक मांग के बिना कंप्यूटिंग शक्ति का विस्तार करती हैं, वे मुख्य रूप से अगली लहर के नुकसान को वित्तपोषित कर रही हैं।.

दृश्यता से विश्वास तक: Xpert.Digital के साथ आपका स्केलेबल पथ - चित्र: Xpert.Digital

औद्योगिक बी2बी में, टिकाऊ व्यावसायिक संबंध रातोंरात नहीं बनते। वे धीरे-धीरे विकसित होते हैं - दृश्यता, पेशेवर प्रासंगिकता, नियमित संपर्क और बढ़ते भरोसे के माध्यम से। Xpert.Digital का 4-चरण मॉडल ठीक इसी समस्या का समाधान करता है: यह एक संरचित मार्ग प्रदान करता है जो एक सरल प्रवेश बिंदु से शुरू होता है और आवश्यकता पड़ने पर व्यावसायिक विकास में गहन सहयोग में परिवर्तित हो सकता है।.

बड़े-बड़े मार्केटिंग वादों पर निर्भर रहने के बजाय, यह मॉडल संबंधों को सर्वोपरि मानता है। कंपनियां स्पष्ट रूप से परिभाषित, आसानी से गणना योग्य उपायों से शुरुआत करती हैं और फिर अपने अनुभव के आधार पर तय करती हैं कि वे सहयोग को कितना आगे बढ़ाना चाहती हैं। इस निर्बाध विश्वास निर्माण प्रक्रिया का एक प्रमुख कारक यह है कि प्लेटफ़ॉर्म पूरी तरह से परेशान करने वाले विज्ञापन नहीं दिखाता है, इसलिए संपादकीय ध्यान पूरी तरह से कंपनियों की विशेषज्ञता पर केंद्रित रहता है।.

अधिक जानकारी यहाँ:

• दृश्यता से विश्वास तक: Xpert.Digital के साथ आपका स्केलेबल मार्ग

☑️ हमारी व्यावसायिक भाषा अंग्रेजी या जर्मन है।

☑️ नया: अपनी मातृभाषा में पत्राचार करें!

Konrad Wolfenstein

मुझे और मेरी टीम को आपके व्यक्तिगत सलाहकार के रूप में आपकी सेवा करने में खुशी होगी।.

आप यहां दिए गए संपर्क फ़ॉर्म को भरकर मुझसे संपर्क कर सकते हैं [email protected]:या मुझे +49 7348 4088 965 पर कॉल कर सकते हैं । मेरा ईमेल पता है

मैं हमारी संयुक्त परियोजना के लिए उत्सुक हूं।.

☑️ रणनीति, परामर्श, योजना और कार्यान्वयन में लघु एवं मध्यम उद्यमों (एसएमई) को सहायता प्रदान करना

☑️ डिजिटल रणनीति और डिजिटलीकरण का निर्माण या पुनर्गठन

☑️ अंतर्राष्ट्रीय बिक्री प्रक्रियाओं का विस्तार और अनुकूलन

☑️ वैश्विक और डिजिटल बी2बी ट्रेडिंग प्लेटफॉर्म

☑️ अग्रणी व्यवसाय विकास / विपणन / जनसंपर्क / व्यापार मेले