एंटरप्राइज़ में AI अपनाने की रफ़्तार धीमी करने वाला छिपा जाल

एंटरप्राइज़ में AI अपनाना

Muhammed Gider
10 मिनट में पढ़ें • 

हाल के इतिहास में किसी भी तकनीकी बदलाव की तुलना में एंटरप्राइज़ में AI अपनाने की रफ़्तार अधिक तेज़ी से बढ़ रही है। नेतृत्व की हर बैठक अंततः इसी अपेक्षा पर पहुँचती है। AI को पूरे संगठन में मापने योग्य मूल्य देना ही होगा। ChatGPT के जारी होने के बाद इंजीनियरिंग टीमों ने Copilot अपनाया, विश्लेषकों ने Perplexity को अपनाया और संचालन टीमों ने स्वचालन के साथ प्रयोग किए। उत्पादकता में लगभग तुरंत सुधार आया।

फिर भी, कुछ ही महीनों बाद AI अपनाने की रफ़्तार धीमी पड़ गई। पायलट परियोजनाएँ अटक गईं। ROI में अस्थिरता आ गई। यह सुस्ती कमज़ोर मॉडलों या शीर्ष नेतृत्व की महत्वाकांक्षा में कमी के कारण नहीं है। यह AI की क्षमताओं और एंटरप्राइज़ के परिवेश के बीच संरचनात्मक असंगति का परिणाम है।

हाल ही में, मेरी नज़र Caleb के एक विश्लेषण पर पड़ी। वे ऐसे रचनाकार हैं जो अक्सर AI अपनाने के संगठनात्मक पक्ष की पड़ताल करते हैं। उनके दृष्टिकोण ने कोई नई अवधारणा पेश नहीं की, लेकिन उस तनाव को स्पष्ट कर दिया जिसे कई एंटरप्राइज़ नेतृत्वकर्ता पहले ही महसूस कर चुके थे। इससे समझ आया कि AI अलग-अलग उपयोगों में तो शानदार प्रदर्शन करता है, लेकिन पूरी प्रणाली के स्तर पर बदलाव लाने में क्यों संघर्ष करता है।

AI अपनाना मॉडल की ताकत पर निर्भर नहीं करता। यह इस बात पर निर्भर करता है कि एंटरप्राइज़ में AI को किस स्तर पर शामिल किया जाता है।

जो CIO, CTO और परिवर्तन का नेतृत्व करने वाले लोग यह सोच रहे हैं कि AI डेमो में तो प्रभावित करता है, लेकिन लागू किए जाने पर क्यों अटक जाता है, उनके लिए यह लेख छिपी हुई बाधाओं और पूरे एंटरप्राइज़ में टिकाऊ ढंग से AI अपनाने के लिए ज़रूरी रणनीतिक रास्तों की रूपरेखा प्रस्तुत करता है।

“क्या हमें AI अपनाना चाहिए” से “AI अपनाने की रफ़्तार इतनी धीमी क्यों है” तक

दो साल पहले एंटरप्राइज़ इस बात पर बहस कर रहे थे कि उन्हें AI की ज़रूरत है या नहीं। आज सवाल यह है कि इसे टिकाऊ और सुरक्षित ढंग से कैसे एकीकृत किया जाए। विश्लेषकों का अनुमान है कि जल्द ही एंटरप्राइज़ के उत्पादन का एक बड़ा हिस्सा AI से तैयार हो सकता है। कागज़ पर यह अपरिहार्य लगता है। व्यवहार में इसका प्रभाव अब भी असमान है।

इंजीनियरिंग टीमें तेज़ी से काम करती हैं, फिर भी विभिन्न विभागों के बीच काम के क्रियान्वयन में बमुश्किल सुधार होता है। बिक्री टीमें ग्राहकों से संपर्क को स्वचालित करती हैं, लेकिन आपसी तालमेल हाथ से बैठाने में अब भी समय गँवाती हैं। संचालन टीमें तेज़ी से उपयोगी जानकारियाँ निकालती हैं, लेकिन बिखरे हुए डेटा का मिलान अब भी हाथ से करती हैं।

एंटरप्राइज़ रैखिक मशीनों की तरह काम नहीं करते। वे शासन-व्यवस्था, प्रोत्साहनों, संस्कृति और पुरानी तकनीक से आकार लेने वाली जटिल प्रणालियों के रूप में काम करते हैं। AI इस जटिलता को कम करने के बजाय बढ़ाता है।

एंटरप्राइज़ AI को समझने का एक उपयोगी तरीका उसे परिपक्वता के तीन स्तरों पर देखना है।

स्तर 1. AI की सहायता से किए जाने वाले कार्य

उपयोगी, लेकिन बुनियादी तौर पर सीमित

अधिकांश उद्यम यहीं से शुरुआत करते हैं। कर्मचारी शोध, सारांश तैयार करने, कोडिंग के सुझाव पाने और सामग्री बनाने के लिए जनरेटिव AI का इस्तेमाल करते हैं। इन टूल्स से तुरंत लाभ मिलता है।

लेकिन काम तेज़ होना, कार्यप्रवाह का बदलना नहीं है। उससे जुड़ी प्रक्रियाएँ—मंज़ूरी लेना, काम एक से दूसरे को सौंपना और रिपोर्टिंग के स्तर—जस के तस रहते हैं। नतीजतन, उद्यम की समग्र गति में कोई उल्लेखनीय सुधार नहीं होता।

काम की गति और संगठन की गति एक ही बात नहीं हैं।

यह चरण सुरक्षित लगता है, क्योंकि इसमें किसी संरचनात्मक बदलाव की ज़रूरत नहीं होती। लेकिन इसकी बनावट ही दीर्घकालिक ROI को सीमित कर देती है।

स्तर 2. एजेंटिक कार्यप्रवाह

बड़ी संभावनाएँ और भारी प्रतिरोध

एजेंटिक AI कई चरणों वाले कार्यप्रवाहों को स्वायत्त रूप से पूरा करता है। एजेंट फ़ाइलों में बदलाव करते हैं, आउटपुट की समीक्षा करते हैं, कार्यों का प्रबंधन करते हैं या संचालन में तालमेल बिठाते हैं। इसकी संभावनाएँ बहुत बड़ी हैं।

लेकिन इसे अपनाने का स्तर उतना ऊँचा नहीं है।

बाधा तकनीकी क्षमता नहीं, बल्कि संगठन की तैयारी है। एजेंटिक सिस्टम के लिए भरोसा, निगरानी, शासन-व्यवस्था और स्वचालन को स्वीकार करने की क्षमता चाहिए। ये स्थापित पदानुक्रमों और अनुपालन की नियमित प्रक्रियाओं में व्यवधान डालते हैं। इनके साथ ऐसे परिचालन जोखिम आते हैं जिनसे संगठन परिचित नहीं हैं।

नतीजतन, कई एजेंटिक टूल्स पीछे हटकर अर्ध-स्वायत्त सहायक बन जाते हैं, जो केवल सुरक्षित सीमाओं के भीतर काम करते हैं।

उद्यम डर के कारण स्वायत्तता को अस्वीकार नहीं करते। वे इसे इसलिए अस्वीकार करते हैं क्योंकि यह उनके संगठन के साथ तालमेल नहीं बिठाती।

स्तर 3. AI नेटिव सिस्टम

दीर्घकालिक बढ़त

AI नेटिव सिस्टम परिपक्वता के सबसे ऊँचे स्तर का प्रतिनिधित्व करते हैं। इन्हें शुरुआत से ही AI की भागीदारी को ध्यान में रखकर डिज़ाइन किया जाता है। मनुष्यों के काम के लिए अनुकूलित कार्यप्रवाहों को बाद में ढालने के बजाय, उद्यम नई परिचालन संरचनाएँ बनाते हैं, जहाँ AI डेटा प्रवाह, निर्णयों के क्रम और काम की लय का समन्वय करता है।

इससे पूर्वानुमान के आधार पर संचालन करना संभव होता है, काम में आने वाली अड़चनें कम होती हैं और लगातार निर्णय लिए जा सकते हैं।

इस स्तर तक पहुँचने की बाधा बड़ी है। लेकिन दीर्घकालिक बढ़त छोटे-छोटे सुधारों से मिलने वाले लाभों से कहीं अधिक है।

हालाँकि, AI नेटिव सिस्टम तक पहुँचने की यात्रा लंबी है। असली खतरा इस बीच के दौर में उभरता है।

Ferrari की समस्या

बिना प्रबंधन वाला AI एक उच्च-प्रदर्शन वाला खतरा है

Caleb ने एक रूपक का इस्तेमाल किया, जो उद्यमों के संदर्भ में और भी प्रभावशाली हो जाता है। कर्मचारियों को ChatGPT या Copilot जैसे शक्तिशाली AI टूल्स तक पहुँच देना, उन्हें केवल एक Ferrari देने जैसा नहीं है।

यह उन्हें एक Ferrari देने जैसा है बिना प्रशिक्षण, बिना सड़क के नियमों, बिना बीमा और बिना यह जाने कि कार असल में कहाँ जाएगी।

इंजन असाधारण है। लेकिन संवेदनशील डेटा, अनुपालन की आवश्यकताओं और पुरानी प्रणालियों वाले जटिल उद्यम परिवेश में इतनी अनियंत्रित शक्ति एक संरचनात्मक खतरा है।

नियमन के बिना AI से अनजाने में डेटा लीक होता है, शैडो IT का इस्तेमाल बढ़ता है, ऐसे आउटपुट मिलते हैं जिन्हें सत्यापित नहीं किया जा सकता, मॉडल के इनपुट अनियंत्रित रहते हैं और ऑडिट करने की क्षमता पूरी तरह खत्म हो जाती है।

Ferrari सिर्फ़ तेज़ नहीं चलती। वह उन दिशाओं में भी जाती है जिन्हें उद्यम देख नहीं सकता।

जब तक कार्यप्रवाहों, शासन की सीमाओं, सत्यापन की परतों और एकीकरण की संरचना को नए सिरे से नहीं बनाया जाता, बिना प्रबंधन वाला AI संपत्ति नहीं, बल्कि दायित्व बना रहता है।

उद्यम का बढ़ता आकार व्यवस्था में बाधाएँ क्यों पैदा करता है

जैसे-जैसे संगठन बढ़ते हैं, समन्वय की जटिलता उससे भी तेज़ बढ़ती है। टीम का आकार दोगुना करने से जटिलता दोगुनी नहीं होती। वह कई गुना बढ़ जाती है।

AI व्यक्तिगत प्रदर्शन को बेहतर बनाता है। लेकिन उद्यम नेटवर्क के स्तर पर काम करते हैं। यह अंतर AI के अधिकांश प्रभाव को निष्प्रभावी कर देता है।

शोध एक बुनियादी सच्चाई सामने लाता है।

AI पहले से मौजूद चीज़ों को और बढ़ाता है। तालमेल हो तो गति बढ़ती है। विखंडन हो तो व्यवस्था ढह जाती है।

कार्यप्रवाहों और शासन को नए सिरे से तैयार किए बिना, AI पूरी व्यवस्था में बदलाव लाने के बजाय अलग-अलग हिस्सों में सुधार करता है।

उद्यमों की वास्तविकता

सुरक्षा, भरोसा, डेटा से जुड़े जोखिम और आंतरिक प्रतिरोध

स्वायत्तता या AI को आधार बनाकर तैयार किए गए कार्यप्रवाहों की ओर बढ़ने से पहले, उद्यमों को कुछ ऐसी सीमाओं का सामना करना पड़ता है जिन्हें टाला नहीं जा सकता।

सुरक्षा की आवश्यकताएँ डेटा की सीमाओं या नियामकीय अनुपालन पर किसी भी समझौते की अनुमति नहीं देतीं।
LLM की अविश्वसनीयता हिचक पैदा करती है, क्योंकि उसके गढ़े हुए उत्तर स्वीकार नहीं किए जा सकते।
शैडो IT तब उभरता है जब आधिकारिक उपकरण कर्मचारियों की ज़रूरतों से पीछे रह जाते हैं।
रणनीतिक और व्यक्तिगत डेटा कानूनी जोखिम पैदा करता है और प्रतिष्ठा को खतरे में डालता है।
केंद्रीकृत शासन की कमी सत्यापन और निगरानी को लेकर अनिश्चितता पैदा करती है।

ये रूढ़िवादिता के संकेत नहीं हैं।
ये संस्थागत ज़िम्मेदारी के संकेत हैं।

AI को अपनाने की रफ़्तार तभी बढ़ती है जब इन बुनियादी पहलुओं का सम्मान किया जाता है।

बाज़ार की असली कमी

हर कार्यप्रवाह को नए सिरे से बनाने की ज़रूरत नहीं होती

AI को लेकर कुछ धारणाएँ मानकर चलती हैं कि कर्मचारी स्वचालन चाहते हैं। असल में, कई कार्यप्रवाह स्थिर बने रहते हैं क्योंकि वे पूर्वानुमेय लगते हैं और संगठन की संस्कृति के लिहाज़ से सुरक्षित महसूस होते हैं।

असली अवसर कहीं और है।
हाथ से डेटा स्थानांतरित करना।
बार-बार दस्तावेज़ तैयार करना।
एक काम के संदर्भ से दूसरे में जाना।
अलग-थलग प्लेटफ़ॉर्म।
एक-दूसरे से कटे हुए वर्कफ़्लो।

ये बाधाएँ चुपचाप उत्पादकता को कम करती रहती हैं।

नज़र न आने वाली बाधाएँ दूर करें, तो अपनाना सहज हो जाता है।

टिकाऊ एंटरप्राइज़ बदलाव के लिए व्यावहारिक कदम

सफल एंटरप्राइज़ कुछ साझा तौर-तरीके अपनाते हैं।

वर्कफ़्लो का बारीकी से ऑडिट करें।
निगरानी के साथ एजेंटों की स्वायत्त कार्यप्रणाली को धीरे-धीरे लागू करें।
तकनीक को नए सिरे से डिज़ाइन करने से पहले भूमिकाओं को नए सिरे से डिज़ाइन करें।
उन क्षेत्रों से शुरुआत करें जहाँ पुरानी प्रणालियों से जुड़ी बाधाएँ कम हों।
अलग-अलग कामों की गति नहीं, पूरे संगठन की गति मापें।

ये कदम सरल लगते हैं। इनका प्रभाव घातीय होता है।

एंटरप्राइज़ नेतृत्व के लिए एक अंतिम विचार

एंटरप्राइज़ में AI अपनाना मॉडल से जुड़ी चुनौती नहीं है। यह संरचना और संस्कृति से जुड़ी चुनौती है। अधिकांश संगठन अलग-अलग कामों के स्तर पर मिलने वाले लाभों तक ही सीमित रह जाते हैं, क्योंकि उनके वर्कफ़्लो स्वायत्त प्रणालियों के लिए डिज़ाइन नहीं किए गए थे।

जो नेतृत्व इसे समझकर सोच-समझकर नए सिरे से डिज़ाइन करेगा, वही एंटरप्राइज़ उत्पादकता के अगले युग को आकार देगा।

AI एक दिशा में काम करने वाले संगठनों को मज़बूत करता है और बिखरे हुए संगठनों का बिखराव बढ़ाता है। पहले नींव मज़बूत करें। फिर विस्तार करें।

एक व्यावहारिक बात

एक सुरक्षित और एकीकृत एंटरप्राइज़ परत की ज़रूरत

CIOs और बदलाव की ज़िम्मेदारी संभालने वाली टीमों से बातचीत में एक बात बार-बार सामने आती है। एंटरप्राइज़ को एक और अलग से काम करने वाला सहायक नहीं चाहिए। उन्हें उत्पादकता की एक सुरक्षित, ऑडिट योग्य और गहराई से एकीकृत परत चाहिए, जो ऐप्लिकेशन को जोड़े, डेटा की सुरक्षा करे, संचालन और नियंत्रण के नियमों के अनुरूप हो और मौजूदा प्रणालियों को अस्थिर किए बिना वर्कफ़्लो में AI को शामिल करे।

गहरे एकीकरण, गोपनीयता को प्राथमिकता देने वाली संरचना और एंटरप्राइज़ स्तर की निगरानी के साथ बने प्लेटफ़ॉर्म, बिना प्रबंधन वाले AI को जोखिम से रणनीतिक लाभ में बदल देते हैं। वे सुव्यवस्थित ढंग से तैयार किया गया वह सड़क तंत्र उपलब्ध कराते हैं, जो Ferrari को कभी मिला ही नहीं।

Dvina के पीछे यही सोच है। इसे किसी काम को पूरा करने वाले टूल या अलग-थलग एजेंट के रूप में नहीं, बल्कि वर्कफ़्लो को समझने वाली उत्पादकता परत के रूप में डिज़ाइन किया गया है। यह ऐप्लिकेशन को एकीकृत करती है, संवेदनशील डेटा की सुरक्षा करती है और टीमों को नियंत्रण छोड़े बिना वर्कफ़्लो के स्तर पर बदलाव लाने में सक्षम बनाती है।

अंतिम विचार

भविष्य उन्हीं एंटरप्राइज़ का है जो सही सड़कें बनाते हैं

AI की ओर बदलाव में जीतने वाले एंटरप्राइज़ वे नहीं होंगे जिनके पास सबसे ज़्यादा मॉडल होंगे। जीत उनकी होगी जो AI के काम करने के लिए सबसे सुरक्षित, सबसे स्पष्ट और सबसे अनुकूलनीय रास्ते बनाएँगे।

जब वर्कफ़्लो, संचालन और नियंत्रण के नियम तथा डेटा का प्रवाह एक-दूसरे के अनुरूप होते हैं, तो AI प्रयोगात्मक इंजन की तरह काम करना छोड़कर एंटरप्राइज़ का वास्तविक बुनियादी ढाँचा बन जाता है।

भविष्य उन उद्यमों का नहीं है जिनके इंजन सबसे तेज़ हैं। यह उनका है जिनकी सड़कें सबसे मज़बूत हैं।

संदर्भ वीडियो देखें

Dvina से जुड़ें

मुफ़्त साइन अप करें और अपने सभी टूल एक सरल कार्यक्षेत्र में लाएँ।

और जानें