अंकुर धिंग्रा, ProHance के CEO – साक्षात्कार श्रृंखला

Ankur Dhingra, ProHance के CEO, दो दशकों से अधिक के नेतृत्व अनुभव वाले एक अनुभवी प्रौद्योगिकी और संचालन कार्यकारी हैं, जिन्होंने एंटरप्राइज़ उत्पादकता, वित्तीय सेवाएँ और वैश्विक व्यापार संचालन में कार्य किया है। उन्होंने 2020 से ProHance का नेतृत्व किया है, जिसका लक्ष्य मानव कर्मचारियों, विक्रेताओं और AI प्रणालियों के बीच उत्पादकता को देखना, शासित करना और सुधारना के लिए एकीकृत मंच बनाना है। CEO बनने से पहले, धिंग्रा FutureIP में पार्टनर थे, जहाँ ProHance को एक संचालन प्रबंधन और विश्लेषण मंच के रूप में विकसित किया गया था। इससे पहले, उन्होंने American Express में आठ साल से अधिक काम किया, जहाँ वे वैश्विक बैक ऑफिस संचालन के उपाध्यक्ष और जनरल मैनेजर के रूप में कार्यरत थे और बड़े पैमाने पर फोन, चैट, नियामक और व्यावसायिक आश्वासन कार्यों को सम्मिलित करने वाले ग्राहक सहभागिता संचालन का नेतृत्व किया। उनका करियर Genpact में वरिष्ठ नेतृत्व भूमिकाओं को भी शामिल करता है, जहाँ उन्होंने 1,100‑व्यक्ति की बैंकिंग प्रैक्टिस और $35 मिलियन का P&L प्रबंधित किया, और GE Capital में, जहाँ उन्होंने भारत में वित्तीय सेवाओं के संचालन का नेतृत्व किया।

ProHance एक एंटरप्राइज़ कार्यबल इंटेलिजेंस और उत्पादकता विश्लेषण कंपनी है जो संगठनों को कर्मचारियों, बाहरी विक्रेताओं, AI कोपायलट और स्वायत्त एजेंटों के बीच काम कैसे किया जाता है, इस पर वास्तविक‑समय दृश्यता प्रदान करती है। इसका मंच, जिसे “Productivity Control Room” कहा गया है, कार्यबल विश्लेषण, क्षमता योजना, बुद्धिमान कार्य आवंटन, उत्पादकता मापन और शासन उपकरणों को मिलाकर उद्यमों को परिचालन बाधाओं की पहचान करने, संसाधन उपयोग को अनुकूलित करने और AI के संगठनात्मक प्रदर्शन पर प्रभाव को समझने में मदद करता है। ProHance के अनुसार, इसकी तकनीक 55 देशों में 220 उद्यमों में 450,000 से अधिक उपयोगकर्ताओं द्वारा उपयोग की जा रही है, जिसमें बैंकिंग और वित्तीय सेवाएँ, बिजनेस प्रोसेस आउटसोर्सिंग, ग्लोबल क्षमता केंद्र, स्वास्थ्य देखभाल और सूचना प्रौद्योगिकी शामिल हैं।

आपने GE Capital, Genpact और American Express में दो दशकों से अधिक बड़े‑पैमाने पर संचालन का नेतृत्व किया, फिर ProHance के CEO बने। इन अनुभवों ने आपको पारंपरिक कार्यबल और उत्पादकता प्रबंधन की सीमाओं के बारे में क्या सिखाया, और ये सीखें आपके AI‑पहले उद्यम के लिए ProHance को बनाने के तरीके को कैसे आकार देती हैं?

GE Capital, Genpact और American Express में मेरे अनुभव ने मुझे सिखाया कि पारंपरिक कार्यबल प्रबंधन में सबसे बड़ी खामियों में से एक जरूरी नहीं कि फ्रंट‑एंड में थी, बल्कि बैक‑ऑफ़िस में थी।

American Express में, मैंने पहले ग्राहक‑सेवा पक्ष में काम किया था, जहाँ संपर्क केंद्र के पास उत्पादकता मापने के लिए काफी परिष्कृत तकनीक उपलब्ध थी – लोग अपना समय कहाँ बिता रहे थे, उपयोगिता, इंटरैक्शन वॉल्यूम, और प्रक्रियाओं को कैसे अनुकूलित किया जा सकता है। लेकिन जब मैं बैक‑ऑफ़िस संचालन का नेतृत्व करने गया, तो मैंने एक बहुत अलग वास्तविकता देखी।

बड़ी कंपनियों में बहुत सारा काम पर्दे के पीछे होता है – लेन‑देन प्रसंस्करण, केस प्रबंधन, डेटा एंट्री और अन्य प्रक्रिया‑आधारित गतिविधियाँ – फिर भी यह मापना कि वह काम वास्तव में कैसे किया जा रहा है, बहुत कम था। फ्रंट‑ऑफ़िस के लिए उपलब्ध तकनीक और दृश्यता बैक‑ऑफ़िस में नहीं पहुँच पाई थी।

मैं इस समस्या से लगभग अस rational रूप से मोहित हो गया। मैंने उपलब्ध तकनीकों को देखना शुरू किया और स्थापित खिलाड़ियों से बात की, लेकिन जो मिला वह या तो बहुत जटिल, बहुत महंगा, या बस बैक‑ऑफ़िस संचालन की वास्तविकताओं के लिए डिज़ाइन नहीं किया गया था। मैं लगातार सोचता रहा: यह $150 बिलियन‑से अधिक का उद्योग है, और यह समस्या कई वर्षों से मौजूद है। निश्चित रूप से कोई इसे बेहतर ढंग से हल कर रहा होगा।

वह खोज अंततः मुझे ProHance तक ले गई, जहाँ राजेश शर्मा और किशोर रेड्डी (ProHance के सह‑संस्थापक) ने पहले ही ऐसी तकनीक बना रखी थी जो मैंने इन प्रणालियों के उन्नत उपयोगकर्ता के रूप में पहचानी गई कई चुनौतियों को संबोधित करती थी। मुझे बिल्कुल पता था कि तकनीक को क्या करना चाहिए – गतिविधि को स्वचालित रूप से कैप्चर करना, विभिन्न ऑपरेटिंग सिस्टम्स में काम करना, सिस्टम पर और सिस्टम से बाहर दोनों समय को मापना, और यह दिखाना कि काम वास्तव में कैसे हो रहा है, एक विश्वसनीय दृश्य प्रदान करना।

उस अनुभव ने आज मैं ProHance के बारे में कैसे सोचता हूँ, इसे आकार दिया। सीख यह है कि आप केवल मौजूदा कार्यबल‑प्रबंधन उपकरणों में AI जोड़कर AI‑पहला उद्यम नहीं बना सकते। पहले आपको काम की एक विश्वसनीय, सूक्ष्म समझ चाहिए। फिर AI उस काम के विश्लेषण, अनुकूलन और अंततः पुनः डिज़ाइन को बदल सकता है।

मेरे लिए, ProHance का उद्देश्य वही स्तर की दृश्यता और बुद्धिमत्ता लाना है जो उद्यमों ने ऐतिहासिक रूप से फ्रंट‑ऑफ़िस में रखी है, उसे पूरे संगठन में ले जाना – और AI का उपयोग करके उत्पादकता का बेहतर माप प्राप्त करना, जो मूल रूप से काम करने के तरीके को सुधार देगा।

जैसे-जैसे जनरेटिव AI और AI एजेंट ज्ञान कार्य के बढ़ते हिस्से को संभालते हैं, पारंपरिक उत्पादकता संकेत जैसे कार्य किए गए घंटे या एप्लिकेशन उपयोग कम अर्थपूर्ण हो सकते हैं। जब एक मानव 30 मिनट में वह कर सकता है जो पहले कई घंटे लेता था, तो उद्यमों को उत्पादकता को कैसे पुनर्परिभाषित करना चाहिए?

उत्पादकता को गतिविधि मापने से परिणाम मापने की ओर जाना होगा। यदि AI किसी को 30 मिनट में वह पूरा करने में सक्षम बनाता है जो पहले तीन घंटे लेता था, तो तीन‑घंटे का मानक अब प्रासंगिक नहीं रहता। ध्यान इस बात पर होना चाहिए कि क्या हासिल हुआ, परिणाम की गुणवत्ता और समय एवं कौशल का कितना प्रभावी उपयोग हुआ।

इसका अर्थ यह भी है कि उद्यमों को समझना होगा कि AI वास्तव में दोहराव वाले कार्य को कहाँ हटाता है और जहाँ मानव निर्णय अभी भी महत्वपूर्ण है। उत्पादकता को धीरे‑धीरे परिणाम, क्षमता, गुणवत्ता और व्यावसायिक प्रभाव को दर्शाना चाहिए, न कि डेस्क पर बिताए गए घंटे या एप्लिकेशन उपयोग को।

आपने कार्यबल इंटेलिजेंस को AI‑पहले उद्यम में बढ़ती महत्त्वपूर्णता के रूप में वर्णित किया है। व्यावहारिक रूप से “कार्यबल इंटेलिजेंस” वास्तव में क्या मतलब रखता है, और यह उन कर्मचारी निगरानी और कार्यबल विश्लेषण उपकरणों से कैसे भिन्न है जो कंपनियों ने ऐतिहासिक रूप से उपयोग किए हैं?

कार्यबल इंटेलिजेंस मूलतः एक संगठन को यह स्पष्ट समझ देने के बारे में है कि काम वास्तव में कैसे हो रहा है। यह कार्यभार, क्षमता, उपयोगिता, प्रक्रियाएँ और परिणामों से संबंधित संकेतों को एकत्र करता है ताकि नेताओं को यह पहचानने में मदद मिले कि टीमें कहाँ तनाव में हैं, कहाँ क्षमता मौजूद है और काम कहाँ अटक रहा है।

यह पारंपरिक कर्मचारी निगरानी से अलग है, जो अक्सर व्यक्तिगत गतिविधियों पर केंद्रित रहती थी। कार्यबल इंटेलिजेंस को बहुत व्यापक स्तर पर काम करना चाहिए। लक्ष्य यह नहीं है कि “यह कर्मचारी हर मिनट क्या कर रहा है?” पूछना, बल्कि “संगठन में काम कैसे प्रवाहित हो रहा है, और हम इसे सुधारने के लिए क्या कर सकते हैं?”

ProHance धीरे‑धीरे निर्धारक कार्यबल डेटा को मशीन लर्निंग के साथ मिलाकर भविष्यवाणी अंतर्दृष्टि उत्पन्न कर रहा है, जिसमें संभावित असंतोष और प्रतिधारण जोखिमों की पहचान शामिल है। आप कैसे सुनिश्चित करते हैं कि ये AI मॉडल कर्मचारी व्यवहार में सामान्य विविधताओं से अर्थपूर्ण पैटर्न को अलग करें, और जब प्रबंधक लोगों के बारे में निर्णय ले रहे हों तो व्याख्यात्मकता कितनी महत्वपूर्ण है?

ProHance में, हम मानते हैं कि आधारभूत डेटा की गुणवत्ता और संदर्भ महत्वपूर्ण हैं। कर्मचारी व्यवहार स्वाभाविक रूप से परियोजनाओं, कार्यभार, टीमों, मौसम और व्यापार चक्रों के आधार पर बदलता रहता है। केवल गतिविधि में बदलाव जरूरी नहीं कि असंतोष या प्रतिधारण जोखिम को दर्शाए।

दृष्टिकोण यह है कि एकल व्यवहार से निष्कर्ष निकालने के बजाय कई संकेतों और समय के साथ पैटर्न खोजे जाएँ। AI ऐसे पैटर्न पहचानने में मदद कर सकता है जो ध्यान की मांग करते हैं, लेकिन इसे अंतिम निर्णयकर्ता नहीं माना जाना चाहिए।

व्याख्यात्मकता भी उतनी ही महत्वपूर्ण है। यदि कोई सिस्टम संभावित जोखिम को चिन्हित करता है, तो प्रबंधकों को उस संकेत के पीछे के कारकों को समझने और अपना निर्णय लागू करने में सक्षम होना चाहिए। जब तकनीक का उपयोग लोगों के बारे में निर्णयों को सूचित करने के लिए किया जाता है, तो पारदर्शिता और मानव निगरानी आवश्यक हैं।

जब संगठन ऐसे तकनीक को पेश करते हैं जो कार्य पैटर्न, एप्लिकेशन उपयोग, निष्क्रिय समय या प्रदर्शन का विश्लेषण कर सकते हैं, तो कर्मचारियों की समझ में आने वाली चिंता स्वाभाविक है। उद्यमों को उपयोगी परिचालन दृश्यता प्राप्त करने और निगरानी संस्कृति बनाने के बीच कहाँ सीमा रेखा खींचनी चाहिए?

सीमा मुख्यतः इरादा, पारदर्शिता और डेटा के उपयोग पर निर्भर करती है। जब तकनीक को इस स्पष्टता के बिना पेश किया जाता है कि क्या मापा जा रहा है और क्यों, तो कर्मचारी स्वाभाविक रूप से असहज होते हैं।

उद्देश्य यह होना चाहिए कि काम को संगठनात्मक और परिचालन स्तर पर समझा जाए, न कि लगातार व्यक्तियों को देखना। यदि कार्यबल डेटा अत्यधिक कार्यभार, बाधाओं या अक्षम प्रक्रियाओं की पहचान करने में मदद करता है, तो यह वास्तव में कर्मचारी अनुभव को सुधार सकता है।

उद्यमों को यह भी स्पष्ट होना चाहिए कि वे क्या नहीं करना चाहते। तकनीक को प्रबंधकों को अपनी टीमों के साथ बेहतर संवाद करने में मदद करनी चाहिए, न कि उन संवादों को बदलना या निरंतर निगरानी की प्रणाली बनाना।

AI कोपायलट और स्वायत्त एजेंट धीरे‑धीरे स्वयं कार्यबल का हिस्सा बन रहे हैं। क्या आप मानते हैं कि कार्यबल इंटेलिजेंस प्लेटफ़ॉर्म को अंततः मानव और AI एजेंटों की उत्पादकता को साथ‑साथ मापने की आवश्यकता होगी, और एक सार्थक मानव‑से‑AI उत्पादकता मीट्रिक कैसा दिखेगा?

हां, मेरा मानना है कि यह धीरे‑धीरे अधिक महत्वपूर्ण हो जाएगा। जैसे ही AI एजेंट कार्यप्रवाह के हिस्सों को अपनाते हैं, केवल मानव गतिविधि को मापना उद्यमों को काम के निष्पादन की अपूर्ण तस्वीर देगा।

लेकिन मेरा मानना नहीं है कि हम केवल एक “मानव बनाम AI” उत्पादकता स्कोर पर पहुँचेंगे। एक अधिक उपयोगी दृष्टिकोण यह होगा कि कार्यप्रवाह में लोगों, AI टूल्स और एजेंटों के संयुक्त आउटपुट को समझा जाए।

उद्यम देख सकते हैं कि AI दोहराव वाले कार्यों से कितना समय हटाता है, प्रक्रियाएँ कितनी तेज़ी से आगे बढ़ती हैं, परिणामों की गुणवत्ता और जहाँ अभी भी मानव हस्तक्षेप आवश्यक है। वास्तविक प्रश्न बन जाता है: मानव और AI कितनी प्रभावी रूप से साथ काम कर रहे हैं?

ProHance कच्ची उत्पादकता माप से आगे बढ़कर परिचालन इंटेलिजेंस की ओर बढ़ने की बात करता है, जिसमें कार्यभार विश्लेषण, पूर्वानुमान, प्रक्रिया अनुकूलन और संसाधन आवंटन शामिल हैं। इस श्रेणी के भविष्य का कितना हिस्सा AI द्वारा सक्रिय रूप से यह सुझाव देने में होगा कि प्रबंधकों को क्या बदलना चाहिए, बजाय केवल उन्हें डैशबोर्ड दिखाने के?

मेरा मानना है कि यही वह दिशा है जहाँ ProHance इस श्रेणी को देखता है। डैशबोर्ड उपयोगी होते हैं, लेकिन वे अभी भी प्रबंधकों को जानकारी की व्याख्या करने और अगला क्या करना है, इसका निर्णय लेने की जिम्मेदारी देते हैं।

अगला चरण यह है कि प्लेटफ़ॉर्म एक पैटर्न पहचानें और “हमें इसके बारे में क्या करना चाहिए?” का उत्तर देने में मदद करें। इसका मतलब हो सकता है कि अधिक कार्यभार वाली टीम को उजागर करना, कम उपयोग किए गए कौशल सेट की पहचान करना, क्षमता अंतर का पूर्वानुमान लगाना या प्रक्रिया में सुधार का सुझाव देना।

ProHance के लिए, मूल्य धीरे‑धीरे दृश्यता से कार्रवाई की ओर बढ़ने से आएगा। AI को प्रबंधकों को बेहतर निर्णय लेने में मदद करनी चाहिए, जबकि निर्णय स्वयं उस व्यक्ति के पास रहे जो व्यवसाय और संदर्भ को समझता है।

आपने उत्पादकता इंटेलिजेंस की तुलना एक संगठन की वार्षिक स्वास्थ्य रिपोर्ट से की है। कौन से सबसे महत्वपूर्ण संकेत हैं जिन पर कार्यकारियों को यह निर्धारित करने के लिए ध्यान देना चाहिए कि उनका कार्यबल वास्तव में स्वस्थ, उत्पादक और AI के साथ सफलतापूर्वक अनुकूलित हो रहा है?

मैं एकल उत्पादकता संख्या के बजाय संकेतों के संयोजन को देखूँगा। क्षमता और कार्यभार स्पष्ट प्रारंभिक बिंदु हैं, लेकिन कार्यकारियों को यह भी समझना चाहिए कि क्या काम प्रभावी रूप से वितरित हो रहा है, कहाँ बाधाएँ उत्पन्न हो रही हैं, टीमें AI के साथ कैसे अनुकूलित हो रही हैं और क्या लोग कम मूल्य वाले कार्यों में बहुत अधिक समय बिता रहे हैं।

एक और महत्वपूर्ण संकेत स्थिरता है। एक टीम जो असाधारण आउटपुट देती है क्योंकि लोग लगातार उचित क्षमता से अधिक काम कर रहे हैं, यह दीर्घकालिक रूप से आवश्यक रूप से स्वस्थ या उत्पादक नहीं है।

एक स्वस्थ कार्यबल वह है जहाँ क्षमता, कार्यभार और परिणाम उचित रूप से संतुलित हों, लोगों को उच्च‑मूल्य वाले कार्य पर ध्यान केंद्रित करने की जगह मिले, और संगठन काम की प्रकृति बदलने के साथ अनुकूलित हो सके।

“उत्पादकता” ने कई कर्मचारियों के लिए नकारात्मक अर्थ विकसित किए हैं क्योंकि यह कम लोगों से अधिक काम करने का संकेत दे सकता है। संगठन इस अवधारणा को कैसे पुनः प्राप्त कर सकते हैं और AI‑संचालित उत्पादकता इंटेलिजेंस का उपयोग करके कर्मचारी अनुभव को बेहतर बना सकते हैं, बर्नआउट को कम कर सकते हैं, और केवल आउटपुट बढ़ाने के बजाय कम मूल्य वाले कार्यों को हटाने में मदद कर सकते हैं?

संगठनों को उत्पादकता को केवल “कम लोगों से अधिक आउटपुट” के रूप में परिभाषित करने से दूर जाना चाहिए। यह परिभाषा बहुत संकीर्ण है, विशेषकर AI‑सक्षम कार्यस्थल में।

AI को आदर्श रूप से लोगों को वह समय वापस देना चाहिए जो वर्तमान में दोहराव वाले प्रशासन, मैन्युअल प्रक्रियाओं और कम मूल्य वाले कार्यों में खर्च हो रहा है। इस समय को समस्या‑समाधान, ग्राहक संपर्क, नवाचार और मानव निर्णय की आवश्यकता वाले कार्यों के लिए उपयोग करने का अवसर है।

यदि उत्पादकता इंटेलिजेंस का उपयोग यह पहचानने के लिए किया जाता है कि लोग कहाँ अधिक बोझिल हैं या समय अक्षम रूप से बिता रहे हैं, तो यह वास्तव में एक कर्मचारी अनुभव उपकरण बन सकता है। लक्ष्य काम को बेहतर बनाना होना चाहिए, न कि केवल लोगों को तेज़ी से काम करने के लिए मजबूर करना।

भविष्य की ओर देखते हुए, जब AI लगभग हर उद्यम कार्यप्रवाह में समाहित हो जाता है, तो आपका मानना क्या है कि कौन से कारक उन संगठनों को अलग करेंगे जो सफलतापूर्वक अपने कार्यबल को AI के साथ बढ़ाते हैं, बनिस्बत उन संगठनों के जो तकनीक को लागू करते हैं लेकिन इसे सार्थक उत्पादकता लाभ में बदलने में विफल रहते हैं?

AI से सबसे अधिक लाभ पाने वाले संगठन वही होंगे जो तकनीक के कार्यान्वयन से आगे देखते हैं। AI टूल तक पहुँच होना स्वचालित रूप से उत्पादकता लाभ नहीं देता।

नेता समझेंगे कि AI कार्यप्रवाह को कहाँ बदल रहा है, भूमिकाएँ कैसे विकसित हो रही हैं और क्या संगठन वास्तव में तकनीक से बेहतर परिणाम प्राप्त कर रहा है। वे यह भी निरंतर मापेंगे कि क्या काम कर रहा है और तदनुसार समायोजन करेंगे।

अंततः, सफल संगठन AI अपनाने को काम करने के तरीके में परिवर्तन के रूप में देखेंगे, न कि केवल एक और तकनीकी कार्यान्वयन के रूप में। वे AI को सही प्रक्रियाओं, कौशल, कार्यबल दृश्यता और प्रबंधन प्रथाओं के साथ मिलाएंगे। यही तय करेगा कि AI एक वास्तविक उत्पादकता लाभ बनता है या केवल एक और तकनीकी परत।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद। जो पाठक अधिक जानना चाहते हैं, उन्हें ProHance पर जाना चाहिए।