AI पर Big Four से बातचीत शुरू करने पर हमने क्या सीखा

Muhammed Gider
4 मिनट में पढ़ें • 
जब हमने Big Four की बैंकिंग कार्यप्रक्रियाओं में AI लागू किया, तो पता चला कि असली बाधा टूल्स नहीं, बल्कि मानसिक बोझ था। जब हमने ऑटोमेशन के लिए समाधान बनाने के बजाय बड़े पैमाने पर मानवीय निर्णय-क्षमता को सहारा देने वाले समाधान बनाने शुरू किए, तो यह बदलाव आया।

जब हमने पहली बार AI पर Big Four से बातचीत शुरू की, तो बात हैरान करने वाली तेज़ी से आगे बढ़ी। न किसी लंबी भूमिका की ज़रूरत पड़ी, न यह समझाने की कि AI क्यों महत्वपूर्ण है। लगभग तुरंत ही, पार्टनर और वरिष्ठ सलाहकार बताने लगे कि उनका समय असल में कहाँ जा रहा था। निर्णय लेने या गहरी समझ हासिल करने में नहीं, बल्कि तैयारी में। अलग-अलग सिस्टम से डेटा निकालना। आँकड़ों का मिलान करना। इससे पहले कि कोई नतीजों का मतलब समझने पर सोचना भी शुरू कर सके, यह सुनिश्चित करना कि विश्लेषण आंतरिक मानकों के अनुरूप हों।

हमें जिस बात ने प्रभावित किया, वह यह थी कि इस काम का कोई भी हिस्सा कम अहम नहीं था। यह ज़रूरी था। लेकिन थकाने वाला भी था। बेहद अनुभवी लोग अपने दिन का बड़ा हिस्सा सिर्फ़ उस मुकाम तक पहुँचने में लगा रहे थे, जहाँ असली सोच-विचार शुरू हो सके।

बातचीत आगे बढ़ी, तो उन्होंने दर्जनों से भी ज़्यादा ऐसी प्रक्रियाएँ चिन्हित कीं, जिनमें AI भूमिका निभा सकता था। रिपोर्टिंग, नियामकीय अनुपालन, वित्तीय नियंत्रण, कर विश्लेषण, आंतरिक समीक्षाएँ। ऊपर से यह ऑटोमेशन से हल होने वाली एक आम समस्या लगती थी। लेकिन ऐसा नहीं था।

इनमें से ज़्यादातर प्रक्रियाओं में पहले से ही टूल्स, टेम्पलेट्स और कुछ हद तक ऑटोमेशन मौजूद था। काम को धीमा करने वाली चीज़ें चरणों के बीच थीं। एक संदर्भ से दूसरे संदर्भ में जाना। अलग-अलग नतीजों का मिलान करना। बिखरी हुई जानकारी के आधार पर हर बार एकसमान ढंग से विवेक का इस्तेमाल करना। असली कीमत सिर्फ़ समय की नहीं थी, बल्कि मानसिक बोझ की भी थी।

यहीं से समस्या को देखने का हमारा नज़रिया बदल गया।

यह पूछने के बजाय कि AI काम को शुरू से अंत तक कैसे कर सकता है, हमने पूछना शुरू किया कि वह काम करने वाले लोगों की मदद कैसे कर सकता है। क्या हो अगर AI उन हिस्सों को संभाल सके जो ऊर्जा खपा देते हैं, और फिर भी नियंत्रण लोगों के हाथ में रहे? क्या हो अगर वह सुव्यवस्थित मसौदे तैयार कर सके, विसंगतियाँ सामने ला सके और अपने तर्क स्पष्ट कर सके, ताकि विशेषज्ञ तैयारी के बजाय निर्णय लेने पर ध्यान दे सकें?

जब इस तरीके पर अमल शुरू हुआ, तो असर साफ़ दिखने लगा।

विभिन्न टीमों में, बार-बार किए जाने वाले विश्लेषणात्मक काम को पूरा करने में लगने वाला समय 80 से 90 प्रतिशत तक घट गया। हाथ से काम करने में होने वाली गलतियाँ बहुत कम हो गईं, खासकर उन प्रक्रियाओं में जिनमें आँकड़ों का काफ़ी मिलान करना पड़ता था। उतनी ही अहम बात यह थी कि जो टीमें पहले एक ही काम को थोड़े अलग-अलग तरीकों से करती थीं, उनके नतीजों में अब ज़्यादा एकरूपता आ गई। औसतन, सलाहकारों के हर महीने लगभग 40 से 50 घंटे बचने लगे, जिन्हें अब अधिक मूल्यवान सोच-विचार में लगाया जा सकता था।

लेकिन सबसे दिलचस्प बदलाव आँकड़ों में नहीं था।

बदलाव इस बात में था कि लोग अपने काम के बारे में कैसे बात करते थे। समीक्षाएँ ज़्यादा शांत माहौल में होने लगीं। चर्चाएँ ज़्यादा केंद्रित हो गईं। वरिष्ठ समीक्षक यह जाँचने में कम समय लगाने लगे कि सब कुछ सही है या नहीं, और यह चर्चा करने में ज़्यादा कि नतीजों का असल मतलब क्या है।

समय के साथ, सिस्टम ऐसा टूल लगना बंद हो गया जिसे लोगों को इस्तेमाल करना पड़ता था। वह काम करने के एक साझा तरीके जैसा लगने लगा, जो चुपचाप सीख रहा था कि निर्णय कैसे लिए जाते हैं और आगे के विश्लेषणों में उस समझ को झलका रहा था।

इस अनुभव ने हमारे एक पुराने विश्वास को भी मज़बूत किया। अधिक सामान्य बुद्धिमत्ता की दिशा में प्रगति उन सिस्टम से नहीं आएगी जो जटिल क्षेत्रों में विशेषज्ञों की जगह लेने की कोशिश करते हैं। वह उन सिस्टम से आएगी जो विशेषज्ञों के सोच-विचार में आने वाली बाधाओं को कम करते हैं और उसे अधिक प्रभावी बनाते हैं।

इन परियोजनाओं में AI ने स्वायत्त होकर नहीं, बल्कि सहयोगी बनकर मूल्य पैदा किया। उसने लोगों की जगह निर्णय नहीं लिए। उसने उन्हें बेहतर निर्णय लेने में मदद की, वह भी ज़्यादा तेज़ी से।

अगर कोई शुरुआती संकेत है कि AGI जैसी प्रणालियाँ सबसे पहले कहाँ अहम साबित होंगी, तो वह यहीं है। पूरी तरह स्वचालन में नहीं, बल्कि बड़े पैमाने पर मानवीय निर्णय-क्षमता को सहारा देने में।

स्वचालन से क्षमता बढ़ाने की ओर इसी बदलाव ने फर्क पैदा किया।

Dvina से जुड़ें

मुफ़्त में साइन अप करें और अपने सभी टूल्स को एक सरल वर्कस्पेस में लाएँ।

और जानें