आपका AI एजेंट उतना ही अच्छा है जितना आपका फ़ाइलिंग सिस्टम

30 दिसंबर 2025 को, डेनमार्क की डाक सेवा ने अपने 401‑साल के इतिहास में अंतिम पत्र वितरित किया। उस वर्ष शेष 1,500 डाकबॉक्स सड़कों से हटाए गए। इसी बीच, जुलाई 2026 में जर्मन संघीय कैबिनेट ने GeDIG, स्वास्थ्य डेटा और डिजिटल नवाचार अधिनियम को मंजूरी दी, जो 2029 की शरद ऋतु तक डॉक्टरों के कार्यालयों से फ़ैक्स को चरणबद्ध रूप से हटाएगा और इलेक्ट्रॉनिक रेफ़रल को अनिवार्य करेगा।

तो, कैसे एक देश ऐसे परिवर्तन लागू कर सकता है जबकि दूसरा अभी इस शताब्दी में फ़ैक्स मशीनों पर अपनी निर्भरता को चरणबद्ध रूप से समाप्त कर रहा है? प्रत्येक देश में व्यवसाय में AI के उपयोग को ध्यान में रखते हुए, डेनिश कंपनियों में 42 % ने 2025 में कम से कम एक AI तकनीक का उपयोग किया, जो यूरोप में सबसे अधिक हिस्सा है। जर्मनी 26 % पर था, जो EU औसत से ऊपर है लेकिन डेनमार्क से सोलह अंक कम है।

मेरे लिए, यह अंतर हमें AI अपनाने के बारे में अपने विश्वासों की पुनः समीक्षा करने के लिए प्रेरित करता है। विशेष रूप से यह मान्यता कि मॉडल चयन AI अपनाने की शुरुआती बिंदु है, जबकि मॉडल के आसपास की प्रणालियों की स्थिति को नजरअंदाज किया जाता है। दोनों देशों को समान मॉडल और क्लाउड प्रदाताओं तक पहुँच है, लेकिन अंतर यह है कि क्या व्यावसायिक और सार्वजनिक प्रक्रियाएँ पहले से विश्वसनीय डिजिटल रिकॉर्ड उत्पन्न करती हैं। चूँकि एक AI एजेंट वास्तविकता के साथ सीधे काम नहीं करता, बल्कि सिस्टम में उपलब्ध वास्तविकता के संस्करण के साथ काम करता है, इसलिए स्वाभाविक रूप से यह कुछ प्रतिबंध उत्पन्न करता है।

पहला प्रतिबंध: जानकारी कभी डिजिटल नहीं की गई

एक एजेंट उस दस्तावेज़ को पुनः प्राप्त नहीं कर सकता जो कभी सिस्टम में दर्ज नहीं हुआ। संगठन के सूचना प्रवाह का स्वरूप निर्धारित करता है कि एजेंट कौन‑सा कार्य भी समझ सकता है।

देश स्तर पर, Eurostat डेटा दिखाता है कि व्यावसायिक AI अपनाना प्रशासनिक प्रक्रियाओं के डिजिटलकरण से संबंधित है। लेकिन मुख्य तंत्र यह है कि जहाँ नागरिक आधिकारिक दस्तावेज़ डिजिटल रूप से प्राप्त करते हैं, उन देशों में कंपनियों को सिस्टम के बाहर कम इंटरैक्शन को मिलाना पड़ता है, जिससे AI को संचालन में सुरक्षित रूप से उपयोग करने से पहले आवश्यक व्याख्या कार्य की मात्रा घटती है।

कंपनी स्तर पर, 2026 IZA अध्ययन 1,907 डेनिश कंपनियों पर दर्शाता है कि डिजिटलकरण में एक मानक विचलन की वृद्धि से मुख्य AI सिस्टम अपनाने की संभावना 8 से 10 प्रतिशत अंक तक बढ़ती है। यह संकेत देता है कि AI अपनाना इस बात पर निर्भर करता है कि कंपनी की आंतरिक प्रक्रियाएँ पहले से ही डिजिटल संरचना, मशीन‑पठनीय तरीके से व्यवस्थित हैं या नहीं। यदि प्रक्रियाएँ बिखरी हुई हैं, तो AI सिस्टम या एजेंटों के लिए स्थिर सूचना बहुत कम होती है।

यह यह भी समझाने में मदद कर सकता है कि नीति‑प्रेरित डिजिटलकरण स्वचालित रूप से AI तत्परता में क्यों नहीं बदलता। इटली की अनिवार्य B2B ई‑इनवॉइसिंग ने एक पूर्ण डिजिटल चैनल बनाया, लेकिन कुल मिलाकर AI अपनाना EU औसत से नीचे बना हुआ है। केवल एक कदम को डिजिटल बनाना आसपास की एनालॉग प्रणाली को समाप्त नहीं करता।

दूसरा प्रतिबंध: जानकारी केवल किसी के दिमाग में मौजूद है

मानव संचालन चलाते हैं, जिसका अर्थ है कि अधिकांश समय उनके पास वे विवरण होते हैं जो AI के पास नहीं होते। एक वित्त प्रशासक जानता है कि किरायेदार ने नकद में भुगतान किया, लेकिन वह भुगतान कभी लेखा प्रणाली में दर्ज नहीं हुआ। परिणामस्वरूप, बैंक रिकॉर्ड और प्रणाली मेल नहीं खाती। प्रशासक कारण समझता है, जबकि AI केवल असंगत डेटा देखता है। एक संपत्ति प्रबंधक याद रखता है कि मकान मालिक ने दो हफ्तों तक संपर्क न करने का अनुरोध किया था। एक टीम को किसी इमारत या ग्राहक के लिए वैकल्पिक समाधान पता है, लेकिन किसी ने इसे दस्तावेज़ीकृत नहीं किया है।

ClarEval ने उन कार्यों का परीक्षण किया जिनमें लक्ष्य, धारणाएँ अनुपस्थित थीं और शब्दावली अस्पष्ट थी। स्पष्टता के बाद मॉडल का प्रदर्शन लगभग 89 % से गिरकर तब लगभग 9 % रह गया जब अस्पष्टता अनसुलझी रही। इसी बीच, Ambig‑SWE ने पाया कि मॉडल को उस उपयोगकर्ता से प्रश्न पूछने की अनुमति देना जो अनुपस्थित जानकारी रखता है, खोए हुए प्रदर्शन का 74 % तक पुनः प्राप्त कर सकता है। इसका अर्थ है कि इंजीनियरों को ऐसी प्रणाली बनानी चाहिए जो प्रारम्भ से ही स्पष्टता के लिए प्रश्न पूछने में सक्षम हो।

तीसरा प्रतिबंध: जानकारी मौजूद है लेकिन पारित नहीं की जा सकती

कुछ डेटा कंपनी के भीतर उपलब्ध है लेकिन गोपनीयता नियमों, सुरक्षा नियंत्रणों, अनुबंधों या आंतरिक नीति के कारण मॉडल तक नहीं पहुँच सकता।

सात साल के क्लाउड डेटा पर आधारित अध्ययन ने पाया कि GDPR—EU का मुख्य डेटा गोपनीयता कानून—EU कंपनियों में डेटा स्टोरेज को 26 % और प्रोसेसिंग को 15 % तक कम कर देता है, जबकि तुलनीय US कंपनियों में यह कमी नहीं देखी गई। दूसरे शब्दों में, गोपनीयता नियमन ने कंपनियों को कम डेटा‑गहन बना दिया, क्योंकि उन्होंने विश्लेषण और AI के लिए रखी और प्रोसेस की जा सकने वाली जानकारी की मात्रा को सीमित कर दिया। जनरेटिव AI अपनाना लगभग समान था, EU कंपनियों में 37 % और US कंपनियों में 36 %。 लेकिन AI अपनाने की गहराई में अंतर बहुत बड़ा है, जहाँ 81 % US कंपनियां कम से कम दो आंतरिक प्रक्रियाओं में AI का उपयोग करती हैं, जबकि EU में यह 55 % है। एक संभावित कारण यह है कि यूरोप में संगठनों के भीतर पहले से मौजूद जानकारी को AI के लिए पुनः उपयोग करना अक्सर कठिन होता है। उदाहरण के लिए, ग्राहक समर्थन वार्तालापों में अक्सर व्यक्तिगत डेटा शामिल होता है जो ग्राहक समस्याओं को हल करने के लिए एकत्र किया जाता है। GDPR के उद्देश्य‑सीमा सिद्धांत (Article 5(1)(b)) के तहत, इस डेटा को वैध कानूनी आधार के बिना AI प्रशिक्षण के लिए पुनः प्रयुक्त नहीं किया जा सकता। US कंपनियों को आम तौर पर ऐसे डेटा को पुनः उपयोग करने पर कम फेडरल प्रतिबंधों का सामना करना पड़ता है।

सही प्रणाली कैसे बनाएं

पुनः प्राप्ति तभी काम करती है जब उत्तर सिस्टम में मौजूद हो। एजेंटों को जानकारी की कमी होने पर पूछना चाहिए, कभी अनुमान नहीं लगाना चाहिए, और कॉल या अनौपचारिक निर्णयों को संरचित रिकॉर्ड में बदलना चाहिए। कंपनियों को समानांतर कागज़ी कार्यप्रवाह भी हटाने चाहिए क्योंकि यदि कोई कार्य सिस्टम के बाहर हो सकता है, तो संदर्भ का हिस्सा अदृश्य रह जाएगा।

प्रत्येक कंपनी को अपने अंतराल को स्वीकारना होगा। यह मापें कि सही कार्रवाई के लिए आवश्यक तथ्य सिस्टम के भीतर था या नहीं। बाहर रखे गए गोपनीयता समीक्षा फ़ील्ड के साथ और बिना कार्यप्रवाहों का परीक्षण करें। अंत में, जो कार्यप्रवाह कागज़ पर पूरा किया जा सकता है, वही एजेंट अंत में बनाना चाहिए।

एजेंट मानव उत्पादन को सुधार सकते हैं, लेकिन वे जो अनुपस्थित है उसे नहीं ठीक कर सकते।