जब हमने पहली बार AI पर Big Four से बात करना शुरू किया, तो बातचीत हैरान करने वाली तेजी से आगे बढ़ी। किसी लंबी भूमिका की ज़रूरत नहीं पड़ी, यह समझाने की भी नहीं कि AI क्यों महत्वपूर्ण है। लगभग तुरंत ही, पार्टनर्स और सीनियर कंसल्टेंट्स इस पर बात करने लगे कि उनका समय वास्तव में कहाँ जा रहा था। निर्णय लेने या इनसाइट्स पर नहीं, बल्कि तैयारी पर। अलग-अलग सिस्टम्स से डेटा निकालना। संख्याओं को मिलाना। यह सुनिश्चित करना कि विश्लेषण आंतरिक मानकों से मेल खाते हों, इससे पहले कि कोई यह सोचना भी शुरू कर सके कि परिणामों का मतलब क्या है।
जिस बात ने हमें सबसे अधिक प्रभावित किया, वह यह थी कि इस काम में कुछ भी कम-मूल्य का नहीं था। यह ज़रूरी था। लेकिन यह थकाने वाला भी था। बेहद अनुभवी लोग अपने दिन का बड़ा हिस्सा सिर्फ़ उस बिंदु तक पहुँचने में लगा रहे थे, जहाँ वास्तविक सोच शुरू हो सके।
जैसे-जैसे बातचीत आगे बढ़ी, उन्होंने दर्जनों से भी अधिक प्रक्रियाओं का नक्शा खींचा जहाँ AI भूमिका निभा सकता था। रिपोर्टिंग, कंप्लायंस, वित्तीय नियंत्रण, टैक्स विश्लेषण, आंतरिक समीक्षाएँ। ऊपर से देखने पर, यह एक पारंपरिक ऑटोमेशन समस्या लगती थी। ऐसा नहीं था।
इनमें से अधिकांश प्रक्रियाओं में पहले से ही टूल्स, टेम्पलेट्स और आंशिक ऑटोमेशन मौजूद थे। जो चीज़ सब कुछ धीमा कर रही थी, वह चरणों के बीच थी। संदर्भ बदलना। आउटपुट्स का मिलान करना। बिखरी हुई जानकारी के बीच निर्णय-क्षमता को लगातार एकसमान ढंग से लागू करना। असली लागत सिर्फ़ समय नहीं थी, वह थी संज्ञानात्मक बोझ।
यहीं पर सोच का ढाँचा बदल गया।
यह पूछने के बजाय कि AI काम को शुरू से अंत तक कैसे कर सकता है, हमने यह पूछना शुरू किया कि वह काम कर रहे लोगों का समर्थन कैसे कर सकता है। क्या हो अगर AI उन हिस्सों को संभाल ले जो ऊर्जा खींच लेते हैं, बिना नियंत्रण छीने? क्या हो अगर वह संरचित ड्राफ्ट तैयार कर सके, असंगतियों को सामने ला सके, और अपनी तर्क-प्रक्रिया को दृश्य बना सके, ताकि विशेषज्ञ सेटअप के बजाय निर्णय-क्षमता पर ध्यान दे सकें?
जब यह तरीका लाइव हुआ, तो उसका असर स्पष्ट दिखने लगा।
टीमों में, दोहराए जाने वाले विश्लेषणात्मक काम के लिए चक्र समय 80 से 90 प्रतिशत तक घट गया। मैनुअल त्रुटियाँ, खासकर मिलान-प्रधान प्रक्रियाओं में, तेज़ी से कम हुईं। उतना ही महत्वपूर्ण यह था कि उन टीमों में आउटपुट्स अधिक सुसंगत हो गए, जो पहले एक ही काम को थोड़ा अलग-अलग तरीकों से करती थीं। औसतन, कंसल्टेंट्स को प्रति माह लगभग 40 से 50 घंटे वापस मिले, जिन्हें अब अधिक-मूल्य वाली सोच पर लगाया जा सकता था।
लेकिन सबसे दिलचस्प बदलाव संख्याओं में नहीं था।
वह इस बात में था कि लोग अपने काम के बारे में कैसे बात करते थे। समीक्षाएँ अधिक शांत हो गईं। चर्चाएँ अधिक केंद्रित हो गईं। सीनियर रिव्यूअर्स ने यह जाँचने में कम समय बिताया कि सब कुछ सही है या नहीं, और इस पर अधिक समय लगाया कि परिणामों का वास्तव में मतलब क्या है।
समय के साथ, सिस्टम ऐसा टूल लगना बंद हो गया जिसे लोगों को इस्तेमाल करना पड़ता है। वह काम करने के एक साझा तरीके जैसा महसूस होने लगा, जो चुपचाप यह आत्मसात कर रहा था कि निर्णय कैसे लिए जाते हैं और भविष्य के विश्लेषणों में उसी को वापस प्रतिबिंबित कर रहा था।
इस अनुभव ने एक और बात को भी मज़बूत किया, जिस पर हम लंबे समय से विश्वास करते आए हैं। अधिक सामान्य बुद्धिमत्ता की दिशा में प्रगति उन सिस्टम्स से नहीं आएगी जो जटिल क्षेत्रों में विशेषज्ञों की जगह लेने की कोशिश करते हैं। वह उन सिस्टम्स से आएगी जो विशेषज्ञ-चिंतन के आसपास की रुकावटों को कम करते हैं और उसे बढ़ाते हैं।
इन एंगेजमेंट्स में, AI ने मूल्य इसलिए नहीं बनाया क्योंकि वह स्वायत्त था, बल्कि इसलिए क्योंकि वह सहयोगी था। उसने लोगों के लिए निर्णय नहीं लिए। उसने उन्हें बेहतर निर्णय लेने में मदद की, और वह भी तेज़ी से।
अगर इस बात का कोई शुरुआती संकेत है कि AGI-जैसी प्रणालियाँ सबसे पहले कहाँ मायने रखेंगी, तो वह यहीं है। पूरी तरह स्वचालन में नहीं, बल्कि बड़े पैमाने पर मानवीय निर्णय-क्षमता को सहारा देने में।
स्वचालन से लाभ-वृद्धि की ओर यही बदलाव था, जिसने फर्क पैदा किया।
