विचार नेता

एआई आरओआई डेटा वेलनेस और मानव विश्वास पर निर्भर करता है

Lindy Thompson
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
A professional boardroom table at sunset overlooking a city. On the table, an open notebook displays a hand-drawn
मुख्य बिंदुएआई पर निवेश का प्रतिफल केवल मॉडल की क्षमता पर नहीं, बल्कि स्वस्थ डेटा आधार और मानवीय…
और देखें
  • एआई पर निवेश का प्रतिफल केवल मॉडल की क्षमता पर नहीं, बल्कि स्वस्थ डेटा आधार और मानवीय विश्वास पर निर्भर करता है।
  • खराब डेटा गुणवत्ता संगठनों को सालाना लाखों का नुकसान पहुँचाती है और एआई प्रणालियों में विश्वास को कमजोर करती है।
  • नेतृत्व को एआई को मानवीय कार्य में सहायक के रूप में प्रस्तुत करना चाहिए ताकि इसकी स्वीकार्यता और मूल्य बढ़ सके।

एआई एकीकरण वर्तमान और भविष्य के व्यवसायिक रणनीति का एक महत्वपूर्ण बिंदु है। समस्या यह है कि कई संगठन अभी भी एआई को एक तकनीकी रोलआउट के रूप में मान रहे हैं, जबकि यह वास्तव में एक संचालन और मानव संबंधित मुद्दा है।

यह अंतर अब संख्याओं में दिखने लगा है। एमआईटी के नवीनतम स्टेट ऑफ एआई इन बिजनेस शोध में पाया गया कि 95% कंपनियों का कहना है कि उनके जेनरेटिव एआई पहल उम्मीदों पर खरे नहीं उतर रहे हैं। डेलॉइट की 2026 एंटरप्राइज एआई रिपोर्ट एक समान पैटर्न की ओर इशारा करती है: संगठनों का कहना है कि उनकी रणनीति एआई-तैयार है, लेकिन वे बुनियादी ढांचे, डेटा, जोखिम और प्रतिभा के बारे में इतने आश्वस्त नहीं हैं। दूसरे शब्दों में, एआई प्रणालियों को स्केल और पूरी तरह से विकसित करने की महत्वाकांक्षा है, लेकिन अक्सर यह परिचालन आधार नहीं होता है जो इसे पूरा करने के लिए आवश्यक है।

जो बात कई संगठनों को अभी भी एहसास नहीं है वह यह है कि एआई आरओआई “डेटा वेलनेस” और मानव विश्वास पर निर्भर करता है।

डेटा वेलनेस एआई ट्रस्ट का आधार है

डेटा वेलनेस का अर्थ सिर्फ साफ रिकॉर्ड से अधिक है। सच्ची डेटा वेलनेस तब होती है जब डेटा को सुसंगत रूप से परिभाषित किया जाता है, स्पष्ट रूप से स्वामित्व लिया जाता है, सोच-समझकर शासित किया जाता है, और उन लोगों द्वारा समझा जाता है जिनसे इसके साथ काम करने की अपेक्षा की जाती है। कई उद्यमों में, यह अभी भी वास्तविकता नहीं है। राजस्व डेटा का अर्थ बिक्री के लिए एक बात है, वित्त के लिए दूसरी बात है, और डिलीवरी के लिए कुछ और है। ग्राहक स्वास्थ्य को कई प्रणालियों में ट्रैक किया जाता है। रिपोर्टिंग विधियों और संख्याएं टीम से टीम में भिन्न होती हैं। फिर एआई परत को ऊपर रखा जाता है और नेता आश्चर्यचकित होते हैं जब कर्मचारी आउटपुट पर सवाल उठाते हैं।

यह संदेह प्रतिरोध नहीं है। यह उन प्रणालियों के प्रति एक तर्कसंगत प्रतिक्रिया है जिन्होंने विश्वास हासिल नहीं किया है।

एक हालिया आईबीएम इंस्टीट्यूट फॉर बिजनेस वैल्यू रिपोर्ट में पाया गया कि 43% मुख्य ऑपरेशन अधिकारी गुणवत्ता को अपनी सबसे बड़ी डेटा प्राथमिकता के रूप में पहचानते हैं, और एक चौथाई से अधिक संगठनों का अनुमान है कि वे प्रति वर्ष 5 मिलियन डॉलर से अधिक का नुकसान उठाते हैं क्योंकि डेटा की खराब गुणवत्ता के कारण। आईबीएम ने यह भी उल्लेख किया है कि डुप्लिकेट, अतिरिक्तता और असंगत रिकॉर्ड भंडारण लागत को बढ़ाते हैं, भ्रम पैदा करते हैं और प्रदर्शन को खराब करते हैं। बात सरल है: यदि आपका डेटा एआई के चित्र में आने से पहले ही अस्वस्थ है, तो एआई इसे ठीक नहीं करेगा। यह इसे बढ़ा देगा।

यदि एक संगठन में मजबूत मूल व्यवसाय प्रक्रिया, स्पष्ट शासन और कार्यों के बीच स्वस्थ संचार है, तो एआई उन ताकतों को और अधिक दिखाई देने योग्य और मूल्यवान बना सकता है। पूर्वानुमानिक पूर्वानुमान तेज हो जाता है। ग्राहक सफलता टीमें जल्दी से पैटर्न देखती हैं। चैटबॉट और समर्थन टूल अधिक संगत हो जाते हैं क्योंकि वे वास्तविकता को प्रतिबिंबित करने वाली प्रणालियों से डेटा ले रहे हैं। लेकिन जब ये अंतर्निहित स्थितियां कमजोर होती हैं, तो एआई घर्षण को बढ़ाता है। टीमें आउटपुट की जांच करने, संख्याओं को सामंजस्य करने और उन्हीं प्रक्रिया अंतराल को ठीक करने में अधिक समय बिताती हैं जो पहले से मौजूद थीं।

यही कारण है कि इतने सारे एआई वार्तालाप अभी भी निशान से चूक जाते हैं। वे मॉडल पर केंद्रित रहते हैं। असली मुद्दा कार्यान्वयन और इसके पीछे का डेटा है।

नेतृत्व अपनाने के लिए मानक निर्धारित करता है

एक नेतृत्व प्रश्न भी है जो अनदेखा किया जाता है। एआई के परिचालन रूप से सफल होने से पहले, नेतृत्व को आंतरिक कथा के बारे में एक निर्णय लेना होगा। क्या एआई मानव कार्य को स्वचालित करने के लिए पेश किया जा रहा है, या मानव निर्णय और क्षमता को बढ़ाने के लिए? वे दो अलग-अलग चीजें हैं, और कर्मचारी तुरंत अंतर को जानते हैं।

यदि संदेश अस्पष्ट है, तो लोग खुद ही खाली जगह भर देते हैं। यही वह जगह है जहां अपनाने में धीमापन आता है। कार्यकर्ता सावधान हो जाते हैं। प्रबंधक आउटपुट पर भरोसा करने में हिचकिचाते हैं। टीमें उपकरणों का असंगत रूप से उपयोग करना शुरू कर देती हैं या उन्हें पूरी तरह से टालने लगती हैं। डेलॉइट के मानव पूंजी शोध में पाया गया है कि नेता जो एआई की भूमिका को नौकरी परिवर्तन, करियर विकास और कार्य-जीवन संतुलन में संवाद करते हैं, वे कार्यबल विश्वास बनाने में मदद कर सकते हैं। डेलॉइट ने यह भी तर्क दिया है कि संगठनों को यह स्पष्ट करने की आवश्यकता है कि एआई कार्य और मानव के रूप में लोगों के लिए मूल्य कैसे पैदा करेगा।

यह महत्वपूर्ण है क्योंकि विश्वास प्रदर्शन से सीधे जुड़ा हुआ है।

यदि कर्मचारी डेटा पर विश्वास करते हैं और एआई की भूमिका को समझते हैं जो इसके लिए होना चाहिए, तो अपनाने और स्केलिंग में काफी अधिक सफलता मिलती है। यदि वे नहीं करते हैं, तो सबसे अच्छी तरह से डिज़ाइन किए गए टूल भी पायलट चरण से परे जाने के लिए संघर्ष करेंगे। यह विशेष रूप से पेशेवर सेवाओं और बी2बी वातावरण में महत्वपूर्ण है, जहां निर्णय साझा परिभाषाओं, क्रॉस-फंक्शनल समन्वय और उनके नीचे की प्रणालियों में वास्तविक विश्वास पर निर्भर करते हैं। आप वित्त, बिक्री और डिलीवरी सभी अलग-अलग सत्य संस्करणों को देख रहे हैं तो आप एक विश्वसनीय पूर्वानुमान मॉडल नहीं बना सकते हैं। आप रिकॉर्ड जो इसे खिलाते हैं जो पुराने, सिलो या अधूरे हैं तो आप एक ग्राहक-सामने वाले एआई प्रणाली से अच्छा प्रदर्शन की उम्मीद नहीं कर सकते हैं।

यही कारण है कि परिपक्व संगठन केवल मॉडल में निवेश नहीं करते हैं। वे समन्वयकों में निवेश करते हैं। वे सुनिश्चित करते हैं कि कोई डेटा का मालिक है और डेटा साफ और स्वस्थ है। वे स्वचालन को स्केल करने से पहले प्रणालियों को संरेखित करते हैं। वे परिचालन शर्तों में, न कि केवल तकनीकी शर्तों में, सफलता की परिभाषा करते हैं।

आईबीएम के सीडीओ शोध एक अलग दृष्टिकोण प्रदान करता है: एआई से अधिक मूल्य प्राप्त करने वाले संगठन आवश्यक नहीं कि वे ही हों जिन्हें अधिक डेटा तक पहुंच प्राप्त है। वे वे हैं जो विशिष्ट परिणामों को चलाने के लिए सबसे मूल्यवान डेटा का उपयोग कर रहे हैं। यही वह अनुशासन है जिसकी कंपनियों को अधिक आवश्यकता है। इसका अर्थ है जो महत्वपूर्ण है उसे जानना, साझा परिभाषाओं के आसपास टीमों को संरेखित करना और स्पष्ट उद्देश्य के साथ डेटा का उपयोग करना। यही वह मानसिकता है जिसकी कंपनियों को वास्तविक व्यावसायिक परिणाम पैदा करने वाले एआई का उत्पादन करने के लिए आवश्यकता है।

एआई सफलता लोगों पर निर्भर करती है

एआई सफलता की अगली पीढ़ी पूरी तरह से स्वायत्त प्रणालियों का दावा करने से नहीं आएगी। हम वहां नहीं हैं। एआई को अभी भी प्रबंधन, निगरानी और मानव निर्णय की आवश्यकता है। इसे अभी भी ऐसे लोगों की आवश्यकता है जो व्यवसाय को समझते हैं, डेटा को समझते हैं और तकनीकी रूप से सही आउटपुट और परिचालन रूप से उपयोगी के बीच अंतर बता सकते हैं।

यह नेताओं के लिए अच्छी खबर होनी चाहिए जो लंबी अवधि की प्रतिभा पाइपलाइन के बारे में चिंतित हैं। भविष्य मॉडल-केवल नहीं है। यह मानव-प्लस-सिस्टम है। कंपनियां जो डेटा वेलनेस को गंभीरता से लेती हैं और एक ऑगमेंटेशन-फर्स्ट रणनीति बनाती हैं, वे बेहतर एआई आरओआई और मजबूत प्रणालियों के साथ लोगों को बेहतर काम करने के लिए तैयार कर रही हैं।

यदि उद्यम पायलट परियोजनाओं से आगे बढ़ना चाहते हैं, तो उन्हें केवल यह पूछना बंद करना होगा कि मॉडल पर्याप्त शक्तिशाली है या नहीं। उन्हें यह पूछने की आवश्यकता है कि क्या डेटा स्वस्थ पर्याप्त है, क्या शासन स्पष्ट पर्याप्त है, और क्या प्रणाली का उपयोग करने वाले लोग समझते हैं कि यह पहले स्थान पर क्यों मौजूद है। यही वह है जो एआई को प्रयोग से एक वास्तविक व्यावसायिक परिसंपत्ति में बदलता है जो मूल्य दिखाता है।

लिंडी वर्तमान में कोएलेसेंस क्लाउड, इंक में जीटीएम रणनीति और ऑपरेशनों का नेतृत्व करती हैं, साथ ही साथ एक बढ़ते सेल्सफोर्स और सर्टिनिया सेवा फर्म के लिए एक आंतरिक विपणन विभाग का निर्माण करती हैं। वह जीटीएम रणनीति, ब्रांड स्थिति, भागीदार सक्षमीकरण और पाइपलाइन विस्तार को चलाती हैं - साथ ही साथ तेजी से परिवर्तन की अवधि के दौरान क्रॉस-फ़ंक्शनल टीमों को कोचिंग और कार्यकारी दिशा को प्रभावित करती हैं। लिंडी ने पहले सर्टिनिया में काम किया था, जहां उन्होंने उद्यम खंड के लिए समाधान स्थिति और रणनीति का नेतृत्व किया; साथ ही ग्राहक सफलता क्लाउड के लॉन्च सहित प्रमुख उत्पाद लाइनों के लिए जीटीएम कार्यान्वयन; और कंपनी के आदर्श ग्राहक प्रोफ़ाइल (आईसीपी) का पुनर्निर्माण।

वह स्पोर्ट मनोविज्ञान में मास्टर की डिग्री रखती हैं, और उनका नेतृत्व और कहानी सुनाने का दृष्टिकोण प्रदर्शन विज्ञान, व्यवहारिक अर्थशास्त्र और लोगों के निर्णय लेने के उनके जीवन भर के अध्ययन में निहित है। एक पूर्व एनसीएए डी1 ट्रैक और फील्ड एथलीट और आज एक राष्ट्रीय प्रतिस्पर्धी ड्रेसेज राइडर के रूप में, लिंडी दबाव में सटीकता के लिए प्रशिक्षण देने और बर्नआउट या दिखावे के बिना उच्च प्रदर्शन में अन्य लोगों को कोचिंग देने के तरीके जानती हैं।