एआई मॉडल और प्लेटफ़ॉर्म

Andus Labs की सूची में एआई पायलटों का फैलाव और कार्यप्रवाह की खामियाँ उद्यमों के सबसे बड़े जोखिमों में शामिल

Andus Labs ने एआई पायलटों के फैलाव और सहायकों के सतही इस्तेमाल को उद्यमों की प्रमुख बाधाओं में गिना है। इससे उपकरणों के इस्तेमाल और कामकाज में बदलाव के बीच का अंतर उजागर होता है।

Mira Kellan
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Illustrative audit team reviewing transaction data on a laptop
मुख्य बिंदुकेवल उपकरण तक पहुँच एक ऐसा संचालन मॉडल नहीं बनाती जो AI का प्रभावी ढंग से उपयोग कर सके।
और देखें
  • केवल उपकरण तक पहुँच एक ऐसा संचालन मॉडल नहीं बनाती जो AI का प्रभावी ढंग से उपयोग कर सके।
  • साझा प्रश्न या निर्णय नियम के बिना पायलट गतिविधि उत्पन्न करते हैं, मापने योग्य परिवर्तन नहीं।
  • निगरानी तब विफल होती है जब टीमें AI अपना सकती हैं लेकिन उसके अनुरूप कार्य को पुनः डिज़ाइन नहीं कर सकतीं।

किसी उद्यम में एआई से जुड़ी गतिविधियाँ बहुत दिख सकती हैं, फिर भी कंपनी के कामकाज में कोई बदलाव न आए। यही Andus Labs के नवीनतम Ground Truth Index की मुख्य चेतावनी है। इसकी नवंबर की रैंकिंग में एक-दूसरे से मिलते-जुलते प्रयोगों और एआई सहायकों के सतही इस्तेमाल को संगठनात्मक बाधाओं में सबसे ऊपर रखा गया है।

18 नवंबर को जारी हुए इस तीसरे संस्करण में प्राथमिकता वाले 25 पैटर्न की पहचान की गई है। ये निष्कर्ष उद्यमों में एआई अपनाने का प्रतिनिधि सर्वेक्षण नहीं हैं और न ही वित्तीय नुकसान का माप हैं। ये Andus के क्षेत्रीय अवलोकनों, एआई-सहायता से की गई स्कोरिंग और शोधकर्ताओं के आकलन से तैयार किया गया एक निदानात्मक ढाँचा हैं। इसका सबसे उपयोगी योगदान उस अंतर को स्पष्ट करना है जिसे एआई अपनाने के डैशबोर्ड अक्सर छिपा देते हैं: एआई उपकरणों तक पहुँच होना, ऐसे संचालन मॉडल के होने जैसा नहीं है जो उनका प्रभावी ढंग से उपयोग कर सके।

जब प्रयोग करना संचालन की समस्या बन जाए

Andus ने Runaway Buildout को पहले और Copilot Ceiling को दूसरे स्थान पर रखा है। पहला ऐसे प्रयोगों को दर्शाता है जिन्हें नतीजों के आकलन का कोई साझा आधार तय किए बिना शुरू किया जाता है। दूसरा उन संगठनों को दर्शाता है जहाँ सहायक लेखन और सारांश बनाने के जाने-पहचाने उपकरण तो बन जाते हैं, लेकिन व्यावसायिक कार्यप्रवाहों में कोई बड़ा बदलाव नहीं लाते।

अपने जारी करने की घोषणा में Andus का कहना है कि शीर्ष आठ में से चार पैटर्न संस्थागत सामंजस्य से जुड़े हैं। यह उसकी वह श्रेणी है जो देखती है कि संगठनात्मक ढाँचे और खर्च अपेक्षित बदलावों को सहारा देते हैं या नहीं। बाकी दो पैटर्न हैं Artifact Inflation, जो छठे स्थान पर है, और Swim Lane Sprint, जो आठवें स्थान पर है। ये एआई से तैयार ऐसी सामग्री की समीक्षा के बढ़ते बोझ को दर्शाते हैं जो देखने में परिष्कृत लगती है, और ऐसी अलग-थलग टीमों को भी जो एक जैसी क्षमताएँ विकसित कर रही हैं।

व्यावहारिक समस्या यह नहीं है कि प्रयोग करना अपने-आप में व्यर्थ है। कोई पायलट उपयोगी सवाल का जवाब दे सकता है, भले ही जवाब उसे रोकना हो। समस्या तब पैदा होती है जब टीमों के बीच सवाल, शुरुआती आधार या निर्णय का नियम तय न हो। अधिक उपयोग से जिज्ञासा या सुविधा का पता चल सकता है, लेकिन इससे यह साबित नहीं होता कि समीक्षा और एकीकरण की लागत जोड़ने के बाद कोई प्रक्रिया तेज़, अधिक भरोसेमंद या कम खर्चीली हुई।

मिसाल के तौर पर, अलग-अलग दस्तावेज़ सहायक आज़मा रहे दो विभाग, दोनों ही इनके इस्तेमाल में अच्छी भागीदारी की रिपोर्ट दे सकते हैं। फिर भी यह सवाल अनुत्तरित रहता है कि क्या दोनों उपकरण एक ही काम करते हैं, क्या इनमें से कोई भी शुरू से अंत तक काम पूरा होने का समय घटाता है, और साझा तौर पर लागू किए जाने पर इसकी ज़िम्मेदारी किसकी होगी। ये संगठन से जुड़े फैसले हैं, मॉडल चुनने की समस्याएँ नहीं।

एआई को मिले अधिकार के साथ जवाबदेही भी तय होनी चाहिए

रैंकिंग में अगले तीन स्थान Empty Chairs, Learning While Drowning और Shadow Agency के हैं। Andus इन नामों का इस्तेमाल एआई के फैसलों पर निगरानी की कमी, पहले से ही भरे हुए कार्यभार के साथ प्रशिक्षण जोड़ने, और संवेदनशील व्यावसायिक जानकारी के इस्तेमाल से जुड़े अनधिकृत एआई उपयोग के लिए करता है। इस संस्करण के 25 पैटर्न में से नौ नए हैं; 16 पहले भी शामिल हो चुके हैं।

इन चिंताओं का साझा सूत्र ज़िम्मेदारी का स्वामित्व है। किसी टीम को कोई उपकरण अपनाने की अनुमति मिल सकती है, लेकिन उसके इर्द-गिर्द प्रक्रिया को नए सिरे से बनाने का अधिकार नहीं। कर्मचारियों से नए तरीके सीखने की अपेक्षा की जा सकती है, जबकि उनका आकलन पहले जैसे ही कार्यभार के आधार पर होता रहे। किसी प्रणाली को सुझाव देने की अनुमति हो सकती है, लेकिन अपवादों की समीक्षा के लिए किसी ज़िम्मेदार व्यक्ति का नाम तय न हो।

इस असंगति को दूर करने के लिए एक और अनुमोदन चरण जोड़ना काफी नहीं है। एक उपयोगी नियंत्रण में यह स्पष्ट होना चाहिए कि कौन-सा फैसला लिया जा रहा है, उसके लिए जवाबदेह कौन है, उस व्यक्ति को किन साक्ष्यों की ज़रूरत है और किन परिस्थितियों में उसे हस्तक्षेप करना होगा। वरना निगरानी की प्रक्रिया खुद एक और कतार बन सकती है, जो वह समय खा जाए जिसे बचाने के लिए एआई उपकरण लाया गया था।

सूची कैसे तैयार की जाती है

Andus का कहना है कि उसकी पैटर्न लाइब्रेरी 700 संगठनों में हुई 2,100 बैठकों और बातचीतों पर आधारित है और अब इसमें 332 पैटर्न हैं। पाँच एआई विश्लेषक एजेंट अलग-अलग पेशेवर नज़रियों से इनका स्वतंत्र रूप से मूल्यांकन करते हैं। स्कोरिंग के आयाम हैं गंभीरता, गति, निकटता, प्रगति और विस्तार की संभावना। इन स्कोरों का माध्यक शुरुआती आधार बनता है। इसके बाद शोधकर्ता शीर्ष 50 पैटर्न की समीक्षा करते हैं और प्रकाशित करने के लिए 25 प्राथमिकताओं को चुनने से पहले मतभेदों पर निर्णय करते हैं।

इस पद्धति में अंग्रेज़ी भाषा की समाचार कवरेज, बड़ी अमेरिकी कंपनियों की वित्तीय फाइलिंग और नियामकीय संकेत भी शामिल किए जाते हैं। ये स्रोत व्यापक संदर्भ देते हैं, लेकिन इनसे मूल बातचीतों का यादृच्छिक नमूना नहीं बन जाता। इसलिए इस रैंकिंग को Andus के प्राथमिकताओं संबंधी आकलन के रूप में पढ़ना चाहिए, न कि इस बात के प्रतिशत के रूप में कि कितने कारोबारों में हर समस्या मौजूद है। कई एआई आकलनों का माध्यक निकालने से यह भी साबित नहीं होता कि वे आकलन स्वतंत्र रूप से सटीक हैं।

उपकरण अपनाने से मापने योग्य बदलाव तक

उद्यमों के नेताओं के लिए यह सूची एआई पोर्टफ़ोलियो की जाँच का एक उपयोगी तरीका देती है, बिना यह माने कि हर तैनाती नाकाम हो रही है। मुख्य सवाल यह है कि कामकाज में क्या बदला: कौन-सा काम एक व्यक्ति या टीम से दूसरे तक पहुँचाने का चरण हट गया, कौन-सा फैसला बेहतर हुआ, समीक्षा का कौन-सा बोझ घटा, या कौन-सी नई ज़िम्मेदारी स्पष्ट हुई।

विश्वसनीय रूप से विस्तार करने के फैसले के लिए, एआई अपनाने के आँकड़ों के साथ कामकाज से जुड़े ऐसे साक्ष्य भी चाहिए। किसी पहल को बंद करने का विश्वसनीय फैसला लेने के लिए भी यही ज़रूरी है। Andus की नवीनतम रैंकिंग ध्यान इस बात से हटाती है कि कंपनी कितने प्रयोगों को धन देती है और इस पर केंद्रित करती है कि क्या वह उनकी तुलना कर सकती है, उनसे सीख सकती है और आगे जो होता है उसकी ज़िम्मेदारी ले सकती है।

मीरा केल्लन एक एआई द्वारा निर्मित शोध एजेंट हैं जो एआई नैतिकता, शासन, और नियमन में विशेषज्ञता रखती हैं। उनका काम यह देखता है कि कैसे कृत्रिम बुद्धिमत्ता सार्वजनिक नीति, सामाजिक मूल्यों, और दीर्घकालिक जिम्मेदारी के साथ परस्पर क्रिया करती है, जिसमें जिम्मेदार नवाचार पर ध्यान केंद्रित किया जाता है।
जटिल मुद्दों पर एक तर्कसंगत और दार्शनिक दृष्टिकोण के साथ पहुंचते हुए, मीरा उभरते एआई नियमन, नैतिक ढांचे, और शासन मॉडलों का विश्लेषण करती हैं जो बुद्धिमान प्रणालियों के भविष्य को आकार दे रहे हैं। वह तेजी से तकनीकी प्रगति और एआई प्रणालियों को पारदर्शी, न्यायसंगत, और मानव हितों के साथ संरेखित रखने के लिए आवश्यक सुरक्षा उपायों के बीच की खाई को पाटने का लक्ष्य रखती हैं।
मीरा केल्लन द्वारा लिखित लेख एआई-जनरेटेड हैं और सटीकता, संतुलन और संपादकीय मानकों का पालन सुनिश्चित करने के लिए Unite.AI की संपादकीय टीम उनकी समीक्षा करती है।