Andrej Jonovic, XBP Global के मुख्य कार्यकारी अधिकारी — साक्षात्कार श्रृंखला

Andrej Jonovic, XBP Global के मुख्य कार्यकारी अधिकारी हैं। XBP Global एक बहुराष्ट्रीय प्रौद्योगिकी और सेवा कंपनी है, जो उद्यमों के अत्यंत महत्वपूर्ण कार्यप्रवाहों पर केंद्रित है। XBP Global स्वास्थ्य सेवा, सार्वजनिक क्षेत्र और वित्तीय सेवाओं समेत विनियमित क्षेत्रों में एजेंट-आधारित कृत्रिम बुद्धिमत्ता का उपयोग कर रही है, जहाँ सटीकता, सुरक्षा, डेटा संप्रभुता और ऑडिट-योग्यता अनिवार्य हैं। इस साक्षात्कार में Jonovic अनुकूलनशील प्रक्रिया समन्वय, ओपन-वेट मॉडल, बुद्धिमान दस्तावेज़ प्रसंस्करण, मानवीय निर्णय-निर्धारण और कृत्रिम बुद्धिमत्ता को तकनीकी क्षमता से मापने योग्य परिचालन परिणामों में बदलने के लिए आवश्यक बातों पर चर्चा करते हैं।

आपने अपने करियर की शुरुआत लेन-देन संबंधी मामलों के वकील के रूप में की, फिर विलय एवं अधिग्रहण और कॉरपोरेट रूपांतरण के क्षेत्र में काम किया और अंततः XBP Global का नेतृत्व संभाला। इस पृष्ठभूमि ने यह परखने के आपके तरीके को किस तरह आकार दिया है कि अत्यंत महत्वपूर्ण कार्यप्रवाहों में कृत्रिम बुद्धिमत्ता लागू करने से शासन-व्यवस्था, व्यावसायिक जोखिम और संगठन पर क्या प्रभाव पड़ता है?

मैं कृत्रिम बुद्धिमत्ता को सबसे पहले परिचालन मॉडल के नज़रिये से देखता हूँ। लेन-देन और रूपांतरण के क्षेत्र में काम करने से यह पूछने की आदत पड़ जाती है कि प्रस्तुति से आगे बढ़कर काम शुरू करने पर भी व्यवस्था वास्तव में टिक पाएगी या नहीं।

कृत्रिम बुद्धिमत्ता के मामले में यह बात बहुत अहम हो जाती है, क्योंकि कोई मॉडल अलग से बेहद अच्छा प्रदर्शन कर सकता है, फिर भी परिचालन के नतीजे खराब दे सकता है। स्वास्थ्य सेवा, सार्वजनिक क्षेत्र और बैंकिंग में प्रसंस्करण की सटीकता, नियामकीय अनुपालन और ऑडिट-योग्यता से समझौता नहीं किया जा सकता। यह समझना ज़रूरी है कि डेटा कहाँ रखा है, सिस्टम को क्या करने की अनुमति है, निर्णयों पर नियंत्रण कैसे रखा जाता है और बड़े पैमाने पर कार्यप्रवाह चलाने पर लागत का आधार कैसा दिखता है।

इस संरचना में शासन-व्यवस्था को शुरू से ही शामिल करना होगा। मैं जानना चाहता हूँ कि मॉडल कहाँ चल रहा है, उद्यम की सीमा के पार कौन-सी जानकारी जा रही है, ऑडिट ट्रेल में क्या दर्ज हो रहा है और जब कार्यप्रवाह ऐसे निर्णय पर पहुँचे जिसके लिए अलग स्तर के नियंत्रण की ज़रूरत हो, तो क्या होता है।

शायद मेरी पृष्ठभूमि का सबसे बड़ा असर इसी बात पर पड़ता है। नियंत्रित प्रदर्शन में तकनीक क्या कर सकती है, इसमें मेरी आम तौर पर कम दिलचस्पी होती है। मैं जानना चाहता हूँ कि क्या इसे किसी अत्यंत महत्वपूर्ण प्रक्रिया में शामिल करके इस पर भरोसा किया जा सकता है।

XBP Global एजेंट-आधारित कृत्रिम बुद्धिमत्ता को पारंपरिक नियम-आधारित स्वचालन और रोबोटिक प्रक्रिया स्वचालन से आगे का विकास बताती है। जब कोई कार्यप्रवाह पहले से तय निर्देशों का पालन करने के बजाय निष्कर्ष निकालने, निर्णय लेने और कई कार्यों में समन्वय करने में सक्षम एआई एजेंटों का उपयोग करने लगता है, तो तकनीकी रूप से क्या बदलता है?

वास्तुकला कहीं अधिक अनुकूलनशील हो जाती है।

पारंपरिक कार्यप्रवाह स्वचालन नियतात्मक होता है। इसमें नियम तय होते हैं, पता होता है कि अगले चरण में क्या होगा और प्रक्रिया के जटिल होने पर उसमें और तर्क हार्ड-कोड किए जाते हैं। पूर्वानुमेय कार्यों के लिए यह बहुत अच्छी तरह काम करता है। कठिनाई तब आती है, जब नियमों की संख्या बहुत अधिक हो जाती है या प्रक्रिया इतनी तेज़ी से बदलती है कि सिस्टम को उतनी जल्दी दोबारा बनाया नहीं जा सकता।

अब हम अनुकूलनशील प्रक्रिया समन्वय पर काम कर रहे हैं। जहाँ सटीकता और अनुपालन के लिए ज़रूरी हो, वहाँ नियतात्मक नियम इंजन बनाए रखे जा सकते हैं; फिर कार्यप्रवाह के उन हिस्सों में बुद्धिमान मॉडल शामिल किए जा सकते हैं, जहाँ निष्कर्ष निकालने की क्षमता से लाभ मिलता है। एजेंट कार्यों में समन्वय कर सकते हैं, जानकारी तक पहुँच सकते हैं और अगली कार्रवाई चुन सकते हैं—इसके लिए किसी व्यक्ति को प्रक्रिया के हर संभावित रास्ते को हार्ड-कोड करने की ज़रूरत नहीं होती।

एक और बदलाव यह है कि अंतर्निहित मॉडल को बदलना आसान होता जा रहा है। हम देख रहे हैं कि उद्यमों के लिए उपयुक्त ओपन-वेट मॉडल बहुत तेज़ी से बेहतर हो रहे हैं। पाइपलाइन को सही ढंग से डिज़ाइन किया गया हो, तो पूरे परिचालन तंत्र को नए सिरे से बनाए बिना, पारिस्थितिकी तंत्र के विकसित होने के साथ अधिक सक्षम मॉडल को इसमें जोड़ा जा सकता है।

इसलिए, मेरे विचार से, तेज़ी से सबसे अहम तकनीकी परिसंपत्ति स्वयं कार्यप्रवाह बनता जा रहा है—मॉडल के इर्द-गिर्द मौजूद समन्वय, क्षेत्र-विशेष का ज्ञान, नियंत्रण और डेटा।

कई कंपनियाँ कृत्रिम बुद्धिमत्ता के साथ प्रयोग कर रही हैं, लेकिन प्रायोगिक परियोजनाओं से आगे बढ़कर उसे उत्पादन में लागू करने में कठिनाई महसूस करती हैं। वे कौन-सी वास्तु-संबंधी या संगठनात्मक बाधाएँ हैं, जो उद्यमों को बड़े पैमाने पर एजेंट-आधारित कार्यप्रवाह लागू करने से रोकती हैं? 

ग्राहक प्रयोग के चरण से आगे बढ़ रहे हैं। वे प्रदर्शन देख चुके हैं और निवेश पर लाभ को लेकर बहुत आक्रामक दावे सुन चुके हैं। किसी न किसी बिंदु पर, किसी को इस तकनीक को वास्तविक प्रक्रिया में शामिल करके उसे कामयाब बनाना ही होता है।

यहीं वास्तुकला को लेकर कठिनाइयाँ शुरू होती हैं। उत्पादन में चलने वाले कार्यप्रवाह को कंपनी के मौजूदा परिवेश से जुड़ना होता है। संवेदनशील जानकारी को निजी क्लाउड या कंपनी के अपने परिसर में ही रखना पड़ सकता है। मौजूदा सिस्टम तक पहुँच भी ज़रूरी है। नियामकीय आवश्यकताएँ पूरी करनी होती हैं। साथ ही, उद्यम स्तर पर काम करते समय भी लागत का हिसाब टिकाऊ होना चाहिए।

हाल ही में, हमें एक वैश्विक एयरलाइन के पूरे बेड़े के रखरखाव जीवनचक्र से जुड़ा काम मिला। रखरखाव से संबंधित हर मद को वेक्टर रूप में बदलकर, ग्राहक के निजी क्लाउड के भीतर मौजूद एक निजी वेक्टर डेटाबेस में संग्रहीत किया जाएगा। एजेंट-आधारित बुनियादी ढाँचा उस जानकारी तक पहुँच का प्रबंधन करता है और विमान पट्टे से लौटाए जाने या बेचे जाने पर रिकॉर्ड दोबारा तैयार करने में मदद करता है।

यह साबित करने से बिल्कुल अलग समस्या है कि कोई मॉडल विमान के रिकॉर्ड से जुड़े सवाल का जवाब दे सकता है। यहाँ पूरे परिचालन परिवेश से निपटना होता है—डेटा पर नियंत्रण और ऐसी प्रक्रिया के साथ, जिसे बार-बार विश्वसनीय ढंग से काम करना चाहिए।

संगठन के स्तर पर, अक्सर कमी जवाबदेही की होती है। किसी को प्रक्रिया की इतनी गहरी समझ होनी चाहिए कि वह तय कर सके कि वास्तव में उत्पादन-स्तर पर काम करने का क्या अर्थ है। इस परिचालन अनुशासन के बिना, पायलट लंबे समय तक प्रभावशाली तो बना रह सकता है, लेकिन उपयोगी नहीं बन पाता।

XBP Global स्वचालन को मानवीय निगरानी के साथ जोड़ता है, खासकर ऐसे फैसलों में जिनके परिणाम गंभीर हो सकते हैं। आप कैसे तय करते हैं कि एआई प्रणाली कौन-से फैसले स्वायत्त रूप से ले सकती है और किन प्रक्रियाओं में मानवीय निर्णय को शामिल रहना चाहिए? 

हम मानवीय भूमिका को मामलों के निर्णय और निपटारे के इर्द-गिर्द तय करते हैं।

गंभीर परिणामों वाली कार्यप्रणाली में, आम तौर पर बहुत-सा काम ऐसा होता है जिसे उच्च स्तर के भरोसे के साथ प्रक्रिया से आगे बढ़ाया जा सकता है। फिर कुछ अपवादस्वरूप मामले होते हैं, जहाँ जानकारी अधूरी होती है, परिस्थितियाँ असामान्य होती हैं या गलत जवाब देने के परिणाम बहुत गंभीर हो सकते हैं।

जब प्रक्रिया ऐसे किसी मामले तक पहुँचती है, तो वह लेन-देन को विषय विशेषज्ञ के पास भेज देती है। वह व्यक्ति मामले का समाधान करता है और उसके निर्णय को फिर प्रणाली में वापस शामिल किया जा सकता है, ताकि मॉडल में लगातार सुधार होता रहे।

मुझे लगता है कि यह प्रतिक्रिया-चक्र अहम है। समय के साथ कार्यप्रणाली में सुधार होने पर मानवीय निगरानी अधिक मूल्यवान बनती है। विशेषज्ञ उन मामलों में अपने विषय-विशेष का ज्ञान देते हैं, जिनमें मॉडल को अब भी इसकी ज़रूरत होती है।

स्वायत्तता की सीमा भी काफी हद तक परिवेश पर निर्भर करती है। स्वास्थ्य सेवा में दावों के निर्णय और निपटारे, सार्वजनिक क्षेत्र के अभिलेखों तथा विनियमित वित्तीय प्रक्रियाओं की ज़रूरतें कम जोखिम वाले आंतरिक कार्य से अलग होती हैं। स्वीकार्य भरोसे का स्तर इस बात के अनुरूप होना चाहिए कि प्रणाली के उस पर अमल करने के बाद निर्णय का वास्तव में क्या असर होता है।

आपके ग्राहक विनियमित उद्योगों और सार्वजनिक क्षेत्र में काम करते हैं, जहाँ डेटा पर संप्रभुता, सुरक्षा और लेखापरीक्षा की क्षमता अनिवार्य हैं। संगठन इन प्रणालियों को उपयोगी बनाने वाली क्षमताओं से समझौता किए बिना, सुरक्षित परिवेशों में बड़े भाषा मॉडल कैसे तैनात कर सकते हैं? 

ओपन-वेट मॉडल इस सवाल के जवाब को काफी हद तक बदल रहे हैं।

लंबे समय तक यह मान्यता रही कि मॉडल से सर्वोत्तम प्रदर्शन पाने के लिए जानकारी किसी और के परिवेश में भेजनी होगी। जब डेटा को उद्यम की सीमा के भीतर ही रखना ज़रूरी हो, तो इससे एक स्पष्ट समस्या पैदा होती है।

अब हम उद्यम-स्तर के ओपन-वेट मॉडल लेकर उन्हें तैनात एजेंट-आधारित पाइपलाइन में एकीकृत कर सकते हैं, जबकि डेटा ग्राहक के परिवेश में ही रहता है। ज़रूरतों के अनुसार, इसमें निजी क्लाउड या ऑन-प्रिमाइसेस ढाँचा शामिल हो सकता है। डेटा पर संप्रभुता बनाए रखने के लिए संगठन को जिन नियंत्रणों की ज़रूरत होती है, उन्हें कायम रखते हुए भी आप व्यापक मॉडल पारितंत्र में हुई प्रगति का लाभ ले सकते हैं।

वास्तुकला में बदलाव की गुंजाइश भी होनी चाहिए। यह मानने का कोई कारण नहीं है कि आज का मॉडल किसी खास काम के लिए हमेशा सर्वश्रेष्ठ बना रहेगा। हमारी प्रशिक्षण प्रक्रियाएँ इस तरह बनाई गई हैं कि हम मौजूदा पाइपलाइन में नए मॉडल तेज़ी से एकीकृत कर सकें।

विनियमित क्षेत्रों के ग्राहकों के लिए यह लचीलापन बेहद मूल्यवान है, क्योंकि डेटा की सीमा सुरक्षित रहते हुए भी कार्यप्रवाह में लगातार सुधार किया जा सकता है। इसी तरह आप EU AI Act जैसी आवश्यकताओं को पूरा करने की दिशा में आगे बढ़ते हैं—अनुपालन को ऐसी चीज़ माने बिना, जिसे तकनीक तैनात हो जाने के बाद जोड़ा जाए।

उद्यमों की बहुत-सी जानकारी अब भी दस्तावेज़ों, छवियों, पुरानी प्रणालियों और भौतिक अभिलेखों में फँसी हुई है। बुद्धिमान दस्तावेज़ प्रसंस्करण किस तरह विकसित हो रहा है, और बिखरे हुए डेटा को ऐसी जानकारी में बदलने में इसकी क्या भूमिका है, जिसका एआई एजेंट विश्वसनीय रूप से इस्तेमाल कर सकें?

मुझे लगता है कि बुद्धिमान दस्तावेज़ प्रसंस्करण, एजेंट-आधारित कार्यप्रवाहों के बुनियादी ढाँचे का हिस्सा बनता जा रहा है।

पहले, दस्तावेज़ों का बहुत-सा प्रसंस्करण तयशुदा टेम्पलेट पर आधारित होता था। आपको पता होता था कि दस्तावेज़ कैसा दिखता है और आपको कौन-सा फ़ील्ड चाहिए; फिर प्रणाली उसे निकाल लेती थी। उद्यमों की जानकारी शायद ही कभी इतनी व्यवस्थित होती है। केवल स्वास्थ्य सेवा में ही लाभ-व्याख्या विवरण (EOBs), जटिल पत्राचार, दावों से जुड़ी जानकारी और अलग-अलग प्रारूपों में आने वाले अभिलेख शामिल हो सकते हैं।

नई पद्धति में संदर्भ को कहीं बेहतर ढंग से समझा जाता है। आप असंरचित जानकारी लेकर यह समझ सकते हैं कि उसमें क्या प्रासंगिक है और उसे ऐसे संरचित आउटपुट में बदल सकते हैं, जिनका आगे की प्रणालियाँ वास्तव में उपयोग कर सकें। यह अहम है, क्योंकि अगर किसी एजेंट के पास मौजूद जानकारी अधूरी हो या उसकी गलत व्याख्या की गई हो, तो वह काम का विश्वसनीय ढंग से समन्वय नहीं कर सकता।

पैमाना भी समस्या का स्वरूप बदल देता है। हम ऐसे परिवेशों में काम करते हैं जहाँ छवियों, दावों, भुगतान लेन-देन और अन्य दस्तावेज़ों की बहुत बड़ी मात्रा का प्रसंस्करण होता है। इस स्तर पर, जानकारी निकालने की गुणवत्ता में छोटा-सा अंतर भी परिचालन की बड़ी समस्या बन जाता है।

इसलिए, बुद्धिमान दस्तावेज़ प्रसंस्करण (IDP) तेजी से बुद्धिमान कार्यप्रवाह के शुरुआती चरण में आ रहा है। यह बिखरी हुई जानकारी को उपयोगी डेटा में बदलता है, प्रक्रिया के अगले चरण को भरोसेमंद जानकारी देता है जिस पर वह काम कर सके, और आगे के चरणों में अधिक स्वचालन की नींव रखता है।

XBP Global ने पुरानी, नियम-आधारित प्रक्रियाओं को एजेंट-आधारित एआई पाइपलाइन में स्थानांतरित करने और पहले ही प्रयास में अधिक मामलों का समाधान हासिल करने पर चर्चा की है। भरोसेमंद नतीजे देने से पहले, किसी एआई प्रणाली को संगठन की प्रक्रियाओं, अपवादों और संस्थागत ज्ञान के बारे में क्या समझना चाहिए?

संस्थागत ज्ञान का बहुत-सा हिस्सा कभी भी किसी स्पष्ट और सुव्यवस्थित प्रक्रिया-दस्तावेज़ में दर्ज नहीं हुआ।

यह पुराने सिस्टमों, नियम-समुच्चयों और उन लोगों के विवेक में समाया हुआ है, जो वर्षों से इस प्रक्रिया को संचालित करते आए हैं। वे जानते हैं कि कौन-सी जानकारी महत्त्वपूर्ण है, किसी खास परिस्थिति में कौन-सा नियम लागू होता है और गलत निर्णय होने पर आगे की प्रक्रिया में क्या होता है।

जब आप उस काम को नए सिस्टम में ले जाते हैं, तो संचालन से जुड़ा वह ज्ञान बनाए रखना ज़रूरी है। हमारे क्षेत्र में, इसका अक्सर मतलब होता है कि हर नियम को तुरंत हटाने की धारणा बनाने के बजाय नियतात्मक तर्क को एआई के साथ जोड़ा जाए। विनियमित कार्यप्रवाह के कुछ हिस्सों में नियम इंजन बेहद उपयोगी होता है, क्योंकि वहाँ आवश्यकता स्पष्ट और सटीक होती है। वहीं, दूसरे हिस्सों में एक बुद्धिमान मॉडल अलग-अलग परिस्थितियों से कहीं अधिक प्रभावी ढंग से निपट सकता है।

क्षेत्र की विशेषज्ञता बताती है कि इनमें से प्रत्येक का इस्तेमाल कहाँ होना चाहिए।

इसीलिए, पहली कोशिश में समाधान को केवल मॉडल के स्कोर के रूप में नहीं देखा जा सकता। कार्यप्रवाह से ऐसा नतीजा मिलना चाहिए जो प्रक्रिया के अगले चरण में भी कारगर रहे। अगर इससे आगे चलकर कहीं और मामला फिर से आगे बढ़ाना पड़ता है, तो आपने समस्या का समाधान नहीं किया, बस उसे दूसरी जगह पहुँचा दिया है।

सिस्टम को प्रक्रिया इतनी अच्छी तरह समझनी चाहिए कि वह जान सके कि शुरू से अंत तक एक सफल लेन-देन कैसा दिखता है।

XBP Global स्वचालन का इस्तेमाल न केवल ग्राहकों के कामकाज में कर रहा है, बल्कि एआई-प्रथम परिचालन मॉडल की ओर अपने बदलाव में भी कर रहा है। कंपनी को आंतरिक परीक्षण-स्थल के रूप में इस्तेमाल करने से आपने क्या सीखा है, और उत्पादकता में सुधार को कार्यबल के विकास तथा परिवर्तन प्रबंधन के साथ कैसे संतुलित करते हैं?

हमने इसे आंतरिक रूप से लागू करने में काफ़ी तेज़ी दिखाई है, क्योंकि मेरा मानना है कि जब नतीजे का सीधा असर आपके अपने वित्तीय प्रदर्शन पर पड़ता है, तो सीखने की प्रक्रिया बहुत तेज़ हो जाती है।

हमारी एआई-प्रथम स्वचालन पहलों से अब सालाना आधार पर परिचालन दक्षता में 65 मिलियन से 75 मिलियन डॉलर तक का लाभ मिलने की अपेक्षा है, जिसमें से लगभग 35 मिलियन डॉलर का लाभ 2026 के दौरान मिलने की उम्मीद है। दूसरी तिमाही में प्रति कर्मचारी राजस्व लगभग 89,000 डॉलर तक पहुँच गया, जो पिछली तिमाही के करीब 82,000 डॉलर से अधिक है; और हमें उम्मीद है कि साल के अंत तक यह लगभग 100,000 डॉलर तक पहुँच जाएगा।

ये उपयोगी पैमाने हैं, क्योंकि इनसे पता चलता है कि परिचालन मॉडल सचमुच अधिक उत्पादक हो रहा है या नहीं।

कार्यबल पर इसके वास्तविक असर होंगे। अधिक उत्पादकता वाले परिचालन मॉडल की ओर बढ़ते हुए, हम अनुमान लगा रहे हैं कि 2026 के अंत तक वैश्विक कर्मचारियों की संख्या में लगभग 20% की कमी होगी। परिवर्तन प्रबंधन में यह स्वीकार करना होगा कि उत्पादकता में बदलाव से कर्मचारियों की ज़रूरतें भी बदलती हैं।

साथ ही, इन कार्यप्रवाहों में बने रहने वाले लोगों को अधिक सक्षम बनना होगा। हमें ऐसे क्षेत्र-विशेषज्ञों, आर्किटेक्ट और परिचालन कर्मियों की ज़रूरत है, जो काम को व्यवस्थित कर सकें, नतीजों का मूल्यांकन कर सकें और अधिक मूल्यवान निर्णयों की ज़िम्मेदारी ले सकें।

अपनी ही कंपनी के भीतर यह बदलाव लागू करने से बातचीत कहीं अधिक व्यावहारिक हो गई है। बहुत जल्दी पता चल जाता है कि कौन-सा स्वचालन टिकाऊ दक्षता पैदा करता है और कौन-सी गतिविधि सिर्फ़ किसी के एआई का अधिक बार इस्तेमाल करने तक सीमित है।

उद्यमों में एआई परियोजनाओं को अक्सर मापने योग्य कारोबारी नतीजों के बजाय प्रदर्शनों के ज़रिए बढ़ावा दिया जाता है। बुद्धिमान कार्यप्रवाह का मूल्यांकन करने के लिए नेतृत्वकर्ताओं को किन मापदंडों का इस्तेमाल करना चाहिए, और उन्हें सटीकता, अपवादों की दर, प्रसंस्करण समय, परिचालन लागत तथा जोखिम में कमी का हिसाब कैसे रखना चाहिए?

मैं कार्यप्रवाह को दो स्तरों पर मापूँगा।

परिचालन स्तर पर, मैं सटीकता, पहली कोशिश में समाधान, प्रसंस्करण समय, अपवादों की संख्या और काम को संसाधित करने की लागत जानना चाहूँगा। विनियमित परिवेश में, मुझे यह भी देखना होगा कि लेन-देन का ऑडिट किया जा सकता है या नहीं और अधिक मात्रा में काम के दौरान नियंत्रण लगातार प्रभावी रहते हैं या नहीं।

इसके बाद मैं देखना चाहूँगा कि इन सुधारों का असर कारोबारी नतीजों पर पड़ता है या नहीं।

XBP में, दूसरी तिमाही में हमारा समायोजित सकल मार्जिन 24.9% तक पहुँच गया, जो अब तक का हमारा उच्चतम स्तर है, जबकि प्रति कर्मचारी राजस्व बढ़कर लगभग 89,000 डॉलर हो गया। स्वचालन के अतिरिक्त अवसरों की पहचान के साथ, हमारा वार्षिकीकृत परिचालन दक्षता लक्ष्य भी बढ़कर 65 मिलियन से 75 मिलियन डॉलर हो गया।

ये मापदंड आपको बेंचमार्क स्कोर से अलग तरह की जानकारी देते हैं। इनसे पता चलता है कि तकनीक परिचालन की लागत-संरचना बदल रही है या नहीं।

किसी कार्यप्रवाह में मॉडल की सटीकता बेहतरीन हो सकती है, फिर भी उसका क्रियान्वयन खराब साबित हो सकता है, अगर उसे चलाना बहुत महँगा हो या उससे बहुत अधिक काम हाथ से दोबारा करना पड़े। मेरा मानना है कि नेतृत्वकर्ताओं को नतीजे की शुरुआत से अंत तक निगरानी करनी चाहिए। तकनीक से ऐसा परिचालन लाभ मिलना चाहिए जिसे वास्तव में किसी मापदंड के ज़रिए देखा जा सके।

आगे चलकर, क्या आपको लगता है कि एजेंटिक एआई मौजूदा उद्यम प्रणालियों के ऊपर जोड़ी गई एक परत बना रहेगा, या वह प्राथमिक समन्वय परत बन जाएगा, जिसके ज़रिए लोग, सॉफ़्टवेयर, डेटा और कारोबारी प्रक्रियाएँ परस्पर संवाद करेंगी?

मेरा मानना है कि कार्यप्रवाह का बड़ा हिस्सा एजेंटिक होता जाएगा।

उद्यमों में ऐसे सिस्टम, डेटा भंडार और एप्लिकेशन बने रहेंगे, जो विशिष्ट कार्य करते हैं। बदलाव इस बात में आएगा कि उनके बीच काम कैसे आगे बढ़ता है। एजेंटिक पाइपलाइन जानकारी प्राप्त कर सकती है, टूलों में समन्वय कर सकती है, कार्रवाइयाँ शुरू कर सकती है और तय कर सकती है कि किसी लेन-देन में किसी अन्य प्रकार के हस्तक्षेप की ज़रूरत है या नहीं।

एयरलाइन के उदाहरण में यह पहले से दिखाई देता है। रखरखाव के रिकॉर्ड, ग्राहक के परिवेश में मौजूद एक निजी वेक्टर डेटाबेस में रखे जाते हैं, जबकि एजेंटिक परत यह प्रबंधित करती है कि रखरखाव के पूरे जीवनचक्र में उस जानकारी तक कैसे पहुँचा जाए और उसका उपयोग कैसे किया जाए।

मुझे लगता है कि इस तरह की ऑर्केस्ट्रेशन व्यवस्था बहुत अधिक आम हो जाएगी।

आधारभूत मॉडल बदलते रहेंगे। ओपन-वेट मॉडल तेज़ी से बेहतर हो रहे हैं, और आज हम जिन मॉडलों का इस्तेमाल कर रहे हैं, उनके बाद एक नई पीढ़ी भी आएगी। इसलिए ऑर्केस्ट्रेशन लेयर का महत्व लगातार बढ़ रहा है, क्योंकि उद्यमों को इन मॉडलों के इर्द-गिर्द एक टिकाऊ व्यवस्था की ज़रूरत है।

अगर आप प्रक्रिया, डोमेन ज्ञान, सुरक्षा आवश्यकताओं और उद्यम-स्तरीय नियंत्रणों के आधार पर पाइपलाइन बनाते हैं, तो बेहतर मॉडल उपलब्ध होते ही उनका लाभ उठाना जारी रख सकते हैं। मुझे लगता है कि दीर्घकालिक मूल्य का बड़ा हिस्सा इसी में होगा।

शानदार साक्षात्कार के लिए धन्यवाद। अधिक जानने के इच्छुक पाठक XBP Global पर जाएँ।