एआई वॉशिंग एंटरप्राइज को विफल करने के लिए तैयार कर रही है

आज हर एंटरप्राइज को एआई की कहानी होने का दबाव महसूस होता है। बोर्ड यह देखना चाहते हैं। निवेशक इसकी उम्मीद करते हैं। ग्राहक इसके बारे में पूछते हैं। लेकिन यह दबाव “एआई वॉशिंग” की बढ़ती लहर पैदा कर रहा है – जहां स्वचालन “एआई” बन जाता है, विश्लेषण को “मशीन लर्निंग” के रूप में पुनः ब्रांड किया जाता है, और स्क्रिप्टेड चैटबॉट अचानक “एजेंटिक एआई” बन जाते हैं।

मैंने यह फिल्म पहले देखी है। आज का एआई लैंडस्केप क्लाउड अपनाने के शुरुआती दिनों की याद दिलाता है, जब कंपनियों ने ऑन-प्रिमिस सिस्टम को “क्लाउड-नेटिव” लेबल किया था, जब उनके आर्किटेक्चर या ऑपरेटिंग मॉडल तैयार नहीं थे। यही पैटर्न अब भी दोहराया जा रहा है, और परिणाम और भी खराब होंगे।

क्लाउड वॉशिंग के साथ, नुकसान अक्षमता और बर्बाद खर्च था। एआई वॉशिंग के साथ, नुकसान ग्राहक-सामने है। हम पीछे के कार्यालय के बुनियादी ढांचे को तैनात नहीं कर रहे हैं जो दुर्घटना या त्रुटि कोड के साथ विफल होता है। हम ऐसे सिस्टम तैनात कर रहे हैं जो सीधे ग्राहकों के साथ बातचीत करते हैं – और ये सिस्टम शांति, आत्मविश्वास से विफल होते हैं, और अक्सर उन मामलों में जो सबसे ज्यादा मायने रखते हैं।

यही कारण हो सकता है कि एमआईटी स्लोन के एक अध्ययन के अनुसार, एआई पायलटों का बड़ा हिस्सा उत्पादन में नहीं पहुंचता है। और जो पहुंचते हैं वे अक्सर कम डिलीवर करते हैं – न कि इसलिए कि एआई सक्षम नहीं है, बल्कि इसलिए कि संगठनों ने इसकी तैनाती से पहले परीक्षण, सत्यापन और परिचालन तैयारी का कठिन काम छोड़ दिया है।

एआई वॉशिंग के पीछे के वास्तविक चालक

इस व्यवहार को चलाने वाला सबसे बड़ा डर पीछे के समय में देखा जा रहा है। संगठन एआई को नवाचार के संकेत के रूप में पेश करते हैं, न कि वास्तविक क्षमता के प्रतिबिंब के रूप में। वे उत्पाद लॉन्च समयसीमा को पूरा करने के लिए परीक्षण और सत्यापन को छोड़ देते हैं, ग्राहकों की जरूरतों के लिए कोई स्पष्ट विकास प्रक्रिया नहीं है।

निवेशकों की अपेक्षाएं समस्या को बढ़ाती हैं। सार्वजनिक और वेंचर-सUPPORTED कंपनियों को एआई एकीकरण और एआई-संचालित विकास कथाओं को दिखाने के लिए समयसीमा का सामना करना पड़ता है। वास्तव में, 90% कार्यकारी निवेशकों से एआई अपनाने के लिए दबाव महसूस करते हैं। यह दबाव कंपनियों को मौजूदा क्षमताओं को एआई के रूप में पुनः ब्रांड करने के लिए प्रोत्साहित करता है, न कि वास्तव में नए, एआई-मूल की पेशकश बनाने के लिए।

परिणाम हर जगह झूठी अपेक्षाएं हैं – निवेशकों, ग्राहकों और इसे काम करने के लिए जिम्मेदार आंतरिक टीमों के लिए। यह नवाचार का भ्रम पैदा करता है, जबकि वास्तव में यह ब्रांडिंग है।

एजेंटिक एआई भ्रम को तोड़ता है

एजेंटिक एआई वह जगह है जहां हYPE गिर जाता है। और 68% संगठनों को इस साल एआई एजेंटों को एकीकृत करने की उम्मीद है, यह समझौता जल्दी आ रहा है।

यहाँ मूलभूत मुद्दा है जिसका सामना अधिकांश एंटरप्राइज नहीं कर पाए हैं: पारंपरिक सॉफ्टवेयर निर्धारित है। समान इनपुट, समान आउटपुट, हर समय। आप एक परीक्षण लिख सकते हैं, एक बग को पुनः उत्पन्न कर सकते हैं, और व्यवहार का अनुमान लगा सकते हैं। एआई एजेंट गैर-निर्धारित हैं – समान प्रश्न हर बार एक अलग उत्तर पैदा कर सकता है। यह एक बग नहीं है। यह वास्तुकला है। और यह इन सिस्टमों को परीक्षण, निगरानी और विश्वास करने के तरीके को बदल देता है।

आपका पूरा क्यूए इन्फ्रास्ट्रक्चर पुनरावृत्ति के अनुमान पर बनाया गया था। जनरेटिव एआई के साथ, यह अनुमान चला जाता है। आप एक ही परीक्षण को सौ बार चला सकते हैं और सौ अलग-अलग प्रतिक्रियाएं प्राप्त कर सकते हैं – कुछ सही हैं, कुछ बारीकी से गलत हैं, कुछ खतरनाक रूप से गलत हैं। आईवीआर और स्क्रिप्टेड चैटबॉट्स के लिए काम करने वाले परीक्षण ढांचे एजेंटिक एआई के लिए स्थानांतरित नहीं होते हैं। और अधिकांश एंटरप्राइज अभी तक नए नहीं बनाए हैं।

यह वह जगह है जहां एआई वॉशिंग उजागर होती है। यह एक बात है कि एक पॉलिश्ड डेमो देना जिसमें क्यूरेटेड इनपुट और पूर्वानुमानित पथ हों। यह दूसरी बात है कि एक वास्तविक ग्राहक को संभालना जो बाधा डालता है, खुद को विरोधाभास करता है, टूटी हुई अंग्रेजी में बोलता है, और 11 बजे बिलिंग विवाद के बारे में फोन करता है जिसे वे पूरी तरह से नहीं समझते हैं। मॉडल डेटा पर प्रशिक्षित होते हैं, मानव इंटरैक्शन की भावनात्मक, गंदी, अप्रत्याशित वास्तविकता पर नहीं।

जब ये सिस्टम विफल होते हैं, तो वे पारंपरिक सॉफ्टवेयर की तरह विफल नहीं होते हैं। कोई दुर्घटना नहीं होती है। कोई त्रुटि कोड नहीं होता है। एआई आत्मविश्वास से गलत होता है। यह 95% मामलों को ठीक से संभालता है और 5% मामलों को जो सबसे ज्यादा मायने रखते हैं वे विनाशकारी रूप से संभालते हैं। और एक टूटे हुए वेब फॉर्म के विपरीत, ये विफलताएं हजारों ग्राहकों को प्रभावित करती हैं इससे पहले कि कोई इसे नोटिस करता है।

एआई विफलताएं कहां छिपी हैं

ग्राहक अनुभव एजेंटिक एआई के लिए सबसे जटिल वातावरण में से एक है – और जहां एआई वॉशिंग सबसे स्पष्ट रूप से उजागर होती है। गार्टनर ने हाल ही में भविष्यवाणी की है कि 2027 के अंत तक 40% से अधिक एजेंटिक एआई परियोजनाएं बढ़ती लागत, अपर्याप्त जोखिम नियंत्रण या अस्पष्ट व्यवसाय मूल्य के कारण रद्द कर दी जाएंगी। सीएक्स यही एक मुख्य कारण है।

ग्राहक यात्रा में अक्सर एक ही सिस्टम शामिल नहीं होता है। यह कॉनवर्सेशनल एआई, आईवीआर सिस्टम, नॉलेज बेस, सीआरएम प्लेटफॉर्म, और मानव एजेंटों के माध्यम से जाता है। हाइब्रिड यात्राएं सामान्य हैं – प्रत्येक इंटरैक्शन को समाधान तक पहुंचने से पहले कई सिस्टमों को पार करना पड़ता है।

मैंने बार-बार देखा है: प्रत्येक सिस्टम अपने आप में सही ढंग से काम करता है, लेकिन अंत-टू-एंड यात्रा अभी भी विफल हो जाती है। एक एआई एजेंट प्रश्न को सही ढंग से व्याख्या करता है, लेकिन सीआरएम में पुरानी जानकारी होती है और गलत उत्तर देता है। एआई को दोष दिया जाता है, लेकिन वास्तविक समस्या खंडित डेटा और खंडित स्वामित्व है।

खंडित तकनीकी स्टैक का अर्थ खंडित दृश्यता है। ग्राहक यात्रा का कोई एक दृश्य नहीं है। पारंपरिक सॉफ्टवेयर के स्पष्ट त्रुटि संकेतों के विपरीत, जब एजेंटिक एआई विफल हो जाता है, तो यह आत्मविश्वास से सटीकता की परवाह किए बिना दिखाई देता है। एस्केलेशन नियम बहुत देर से ट्रिगर होते हैं। ग्राहक लूप में फंस जाते हैं। सिस्टम चलता रहता है – और विफलता केवल ग्राहकों की निराशा या छूट के माध्यम से दिखाई देती है।

यह चुपचाप विफलता की समस्या है। एआई दुर्घटना नहीं हो रहा है। यह आत्मविश्वास से विश्वास को कम कर रहा है, एक इंटरैक्शन tại एक समय, पैमाने पर।

एआई हYPE से ऑपरेशनल अनुशासन में जाना

एआई वॉशिंग का जवाब बेहतर मार्केटिंग नहीं है। यह संगठनों द्वारा एआई के साथ व्यवहार करने के तरीके में मूलभूत परिवर्तन है – एक विशेषता के रूप में घोषित करने के बजाय बुनियादी ढांचे के रूप में संचालित करने के लिए।
मैंने 25 वर्षों से एंटरप्राइज सिस्टम का निर्माण और स्केलिंग किया है, जिसमें एक एआई परीक्षण स्वचालन कंपनी की स्थापना भी शामिल है। मैंने हर प्रौद्योगिकी लहर में एक ही पैटर्न देखा है। जीतने वाले वे नहीं हैं जो पहले अपनाते हैं। वे वे हैं जो सबसे अच्छा संचालित करते हैं। एआई के लिए यह क्या दिखता है:

उत्पादन प्रदर्शन को मापें, न कि डेमो प्रदर्शन

नियंत्रित वातावरण में एआई का मूल्यांकन करना वास्तविक दुनिया के व्यवहार के बारे में आपको कुछ नहीं बताता है। जो मैट्रिक्स महत्वपूर्ण हैं वे हैं एस्केलेशन सटीकता, समाधान दर, नीति अनुपालन, और ग्राहक संतुष्टि – हजारों अनस्क्रिप्टेड इंटरैक्शन में न कि चेरी चुनने वाले डेमो दृश्यों में।

स्केल करने से पहले नींव को ठीक करें

एआई टूटी हुई कार्य प्रवाह को हल नहीं करता है – यह इसे बढ़ाता है। असंगत मार्ग, अधूरे ज्ञान आधार, पुराने सीआरएम डेटा – ये समस्याएं एआई जोड़ने से दूर नहीं होती हैं। वे और भी खराब हो जाते हैं, तेजी से और पैमाने पर। कार्य प्रवाह तैयारी को एआई तैनाती से पहले आना चाहिए, न कि बाद में।

पूरी यात्रा का परीक्षण करें, न कि व्यक्तिगत घटक

अधिकांश एंटरप्राइज व्यक्तिगत सिस्टम को अलग से मान्य करते हैं, लेकिन विफलता हाथों में दिखाई देती है। वॉयस, डिजिटल और एआई चैनलों में अंत-टू-एंड यात्रा परीक्षण करना ही एकमात्र तरीका है जिससे ग्राहक वास्तव में जो विफलता अनुभव करते हैं उसे पकड़ा जा सकता है।

विश्वास के लिए निर्माण करें, न कि केवल दक्षता के लिए

उपयोगकर्ता एआई को अस्वीकार कर देंगे जो उन्हें डेड-एंड लूप में फंसाता है, गलत उत्तर प्रदान करता है या मानव तक पहुंचने को असंभव बना देता है। जो एंटरप्राइज दक्षता की तुलना में विश्वास को अनुकूलित करते हैं वे ग्राहकों को खो देंगे जिन्हें वे सस्ता सेवा देने की कोशिश कर रहे हैं।

एआई वॉशिंग का अंत

जैसे ही एआई ऑपरेशनल कार्य प्रवाह में गहराई से जुड़ता है, एंटरप्राइज अब हYPE के पीछे छिप नहीं पाएंगे। निवेशकों के अधिकांश अब एआई से छह महीने के भीतर आरओआई की उम्मीद करते हैं। इस तरह की समयसीमा बिना वास्तविक दुनिया के लिए डिज़ाइन किए गए सिस्टम के साथ असंभव है – न कि पॉलिश्ड डेमो वातावरण के लिए।

आवश्यकता केवल एआई को उत्पाद विशेषता के रूप में होने से आगे बढ़ रही है – यह साबित करने के लिए कि यह तब काम करता है जब यह सबसे ज्यादा मायने रखता है, पैमाने पर, उत्पादन में, वास्तविक ग्राहकों के साथ।

एआई वॉशिंग अल्पकालिक ध्यान जीत सकती है। यह वास्तविकता के संपर्क में नहीं टिकेगी।