आपके एआई की व्यक्तित्व इसके आईक्यू की तरह ही महत्वपूर्ण है – और यह एंटरप्राइज डिप्लॉयमेंट को बना या बिगाड़ सकता है

अधिकांश कंपनियां अभी भी बेंचमार्क के आधार पर एआई मॉडल चुनती हैं। व्यवहार में, यह शायद ही कभी यह निर्धारित करता है कि वे प्रणालियां वास्तव में काम करती हैं या नहीं।

अब तक, एंटरप्राइज़ वातावरण में बड़े भाषा मॉडल के चारों ओर की अधिकांश चर्चाएं बेंचमार्क द्वारा प्रभुत्व में हैं। टीमें मापनीय प्रदर्शन की ओर आकर्षित होती हैं, जैसे कि कौन सा मॉडल सबसे बुद्धिमान है, कोडिंग में सबसे मजबूत है, सारांश में सबसे सटीक है, या गणितीय तर्क में है।

लेकिन जैसे ही टीमें प्रयोग के चरण से आगे बढ़कर वास्तविक तैनाती में जाती हैं, अन्य महत्वपूर्ण कारक, जिन्हें अधिकांश सीईओ द्वारा बहुत कम देखा जा रहा है, जल्द ही साबित करेंगे कि वे एक व्यवसाय की सफलता के लिए उतने ही महत्वपूर्ण हैं।

एआई की नियुक्ति योग्यता

कच्ची बुद्धिमत्ता और विश्लेषणात्मक क्षमता स्पष्ट रूप से महत्वपूर्ण हैं, लेकिन एंटरप्राइज़ एआई तैनाती में सबसे कम आंका गया चर एआई की व्यक्तित्व है। व्यक्तित्व, बड़े भाषा मॉडल के संदर्भ में, लगातार आवाज़, स्वर और व्यवहार को संदर्भित करता है जो एक मॉडल बातचीत के माध्यम से प्रसारित करता है। यह वह है जो एक एआई को सुसंगत और विश्वसनीय बनाता है।

एआई लागू करते समय, व्यवसायों को मानव कर्मचारी नियुक्त करने के लिए वही दृष्टिकोण अपनाने की आवश्यकता है: न केवल यह मूल्यांकन करें कि एक मॉडल एक कार्य को पूरा करने में कितनी अच्छी तरह से कर सकता है, बल्कि इसके दृष्टिकोण, संचार और बड़े कार्य प्रवाह में इसके फिट का भी मूल्यांकन करें।

एक मॉडल की लगातारता बनाए रखने, उपयुक्त प्रतिक्रिया देने और विभिन्न संदर्भों में सूक्ष्मता से निपटने की क्षमता व्यवसायिक परिणामों पर महत्वपूर्ण प्रभाव डाल सकती है। एक तकनीकी रूप से उत्कृष्ट एआई जो धीरे-धीरे प्रतिक्रिया देता है, स्वर में ड्रिफ्ट करता है, या सूक्ष्म बातचीत को गलत तरीके से संभालता है, व्यवसायों द्वारा गलत तरीके से लागू किया जा सकता है, जो उपयोगकर्ताओं को निराश करता है, जुड़ाव को कम करता है, और अंततः एआई और व्यवसाय की प्रभावशीलता को कम करता है।

यह विशेष रूप से ग्राहक सहायता, राजनीतिक पहुंच, या आंतरिक संचार जैसे उद्योगों में महत्वपूर्ण है, क्योंकि प्रतिक्रियाओं के बीच स्वर या शब्दों में सूक्ष्म बदलाव भ्रम पैदा कर सकते हैं, विश्वास को कम कर सकते हैं और समग्र जुड़ाव को कम कर सकते हैं। जैसे कि मानवों के साथ, प्रत्येक श्रेणी में प्रतिस्पर्धा को बेहतर बनाने वाला कोई एक सपनों का मॉडल नहीं है। कुछ मॉडल विश्लेषणात्मक कार्यों जैसे कोडिंग या गणित में बेहतर हैं, जबकि अन्य संवादात्मक लेखन और बैठकों को सारांशित करने में बहुत बेहतर प्रदर्शन करते हैं।

लेकिन इन प्रणालियों के शीर्ष पर निर्माण करने वाली टीमों के लिए एक चुनौती यह है कि ये विशेषताएं निश्चित नहीं हैं।

एक गतिशील लक्ष्य

एआई परिदृश्य इतनी तेजी से विकसित हो रहा है कि अधिकांश संगठन इसके साथ तालमेल नहीं रख पा रहे हैं। नए संस्करणों को बार-बार जारी किया जाता है, और प्रदर्शन विशेषताएं एक अद्यतन से दूसरे में बदल सकती हैं। गूगल का जेमिनी मॉडल श्रृंखला एक हालिया उदाहरण है।

जेमिनी 2.0 प्रो को फरवरी 2025 में जारी किया गया था और तुरंत विकासकर्ताओं और उद्यमों के लिए प्रमुख मॉडल के रूप में पेश किया गया था जो दुनिया भर में कोडिंग और जटिल प्रॉम्प्ट के लिए इसका उपयोग कर रहे थे।

इसमें उस समय गूगल द्वारा पेश किया गया सबसे बड़ा संदर्भ विंडो था, जो दो मिलियन टोकन पर था, जो इसे एक ही समय में विशाल मात्रा में जानकारी का व्यापक विश्लेषण और समझने में सक्षम बनाता था, जबकि यह गूगल सर्च जैसे टूल का उपयोग करने और यहां तक कि कोड लिखने में भी सक्षम था।

जिन टीमों को बड़ी मात्रा में डेटा को जल्दी और सटीक रूप से संसाधित करने की आवश्यकता थी, ऐसा लगा कि यह स्पष्ट विकल्प था। लेकिन कुछ ही हफ्तों के भीतर, गूगल ने जेमिनी 2.5 प्रो जारी किया, जिसने तुरंत इसके पूर्ववर्ती को पीछे छोड़ दिया कोडिंग, गणित और विज्ञान में सुधार के साथ।

रातोंरात, जो मॉडल बाजार में सबसे अच्छा विकल्प था, वह दो महीने से भी कम समय में पुराना हो गया था। लेकिन जल्दी से अपनाने वालों ने तुरंत देखा कि परिवर्तन केवल क्रमिक या विश्लेषणात्मक नहीं थे – जेमिनी की पूरी व्यक्तित्व रातोंरात बदल गई थी। कई विकासकर्ताओं ने यहां तक कहा कि एआई को अपने अपडेट के बाद “लोबोटोमाइज्ड” किया गया था।

उन्होंने शिकायत की कि एआई धीमी प्रतिक्रियाएं दे रहा था, कम सुसंगत आउटपुट पैदा कर रहा था, और उन प्रॉम्प्ट और कार्यों के साथ असंगति प्रदर्शित कर रहा था जिन्हें यह पहले कोई समस्या नहीं थी।

और यह वह जगह है जहां एक कंपनी की एआई तैनाती के आसपास रणनीति मूल रूप से बदलने लगती है।

बेंचमार्क से परे

कागज़ पर, जेमिनी 2.5 प्रो को क्षमता और सुरक्षा में इसके व्यापक सुधार के साथ स्पष्ट विजेता होना चाहिए था।

लेकिन व्यवहार में, वे परिवर्तन पूरी तरह से बदल दिए कि मॉडल कितना विश्वसनीय था, यह कैसे व्यवहार करता था, प्रॉम्प्ट का जवाब देता था, और बदले में, उन टीमों को वापस शून्य पर भेज दिया जो बस अपने पैसे और गहन समय का निवेश करके इन प्रणालियों के आसपास बना रहे थे, यदि मॉडल की नई क्षमताएं उनके मौजूदा पाइपलाइन के साथ संरेखित नहीं थीं।

छोटे व्यवहार में बदलाव भी सुसंगतता और पूर्वानुमान पर निर्मित प्रणालियों को बाधित कर सकते हैं। यह एक वास्तविक संचालन जोखिम पैदा करता है यदि एक व्यवसाय एक मॉडल से जुड़ा हुआ है, क्योंकि कोई भी अद्यतन तुरंत उन प्रणालियों में अस्थिरता पैदा कर सकता है जिन पर वे निर्भर हैं।

इसे रोकने के लिए, कई आगामी कंपनियों ने एक बहु-मॉडल रणनीति लागू करनी शुरू कर दी है जहां वे विभिन्न कार्यों को उन मॉडलों को रूट कर रहे हैं जो उन्हें सबसे अच्छा करते हैं, एक मॉडल पर सब कुछ भरोसा करने के बजाय।

यह दृष्टिकोण न केवल प्रत्येक कार्य के लिए प्रदर्शन में सुधार करता है, बल्कि एआई कार्यान्वयन से जुड़े जोखिम को भी कम करता है, क्योंकि यदि एक मॉडल अद्यतन के बाद खराब हो जाता है, तो यह पूरी प्रणाली को नीचे नहीं ले जाएगा क्योंकि बैकअप उपलब्ध हैं।

सीधे शब्दों में कहें, एआई की व्यक्तित्व और विश्वसनीयता कार्य वातावरण में मॉडल को लागू करने के लिए इसकी कच्ची बुद्धिमत्ता के समान ही महत्वपूर्ण हैं। यह परिवर्तन व्यवसायों में एक मूलभूत परिवर्तन का प्रतिनिधित्व करता है जो अब केवल एक “स्मार्टर टूल” नहीं खरीद रहे हैं, बल्कि एक पूरे डिजिटल बुनियादी ढांचे प्रणाली का निर्माण और प्रबंधन कर रहे हैं।

आज के व्यवसाय परिदृश्य में न केवल जीवित रहने के लिए, बल्कि पनपने के लिए, टीमों को ऐसे पाइपलाइन स्थापित करने की आवश्यकता है जो विभिन्न मॉडलों को कार्य के अनुसार बदल सकें, और लगातार निगरानी करें कि अद्यतन कैसे प्रदर्शन और बातचीत की गुणवत्ता को प्रभावित करते हैं।

अंततः, मॉडल स्वयं एक ऐसी गति से विकसित होते रहेंगे जो मेल खाना मुश्किल है। लेकिन जो व्यवसाय परिवर्तन की योजना बनाते हैं, लचीलापन बनाते हैं, और एआई को एक उपकरण और एक साथी दोनों के रूप में मानते हैं, वे तेजी से बदलाव को एक प्रतिस्पर्धी लाभ में बदलने वाले होंगे।