जेन एआई पायलट थकान से बचना: उद्देश्य के साथ अग्रणी

हमने यह कहानी पहले देखी है: व्यापारिक नेताओं की कल्पना को पकड़ने वाली विघटनकारी प्रौद्योगिकी पैमाने पर परिवर्तन का वादा करती है। 2010 के दशक की शुरुआत में, यह रोबोटिक प्रक्रिया स्वचालन (आरपीए) था। जल्द ही, क्लाउड कंप्यूटिंग ने अपनी बारी ली। आज, जनरेटिव एआई (जेन एआई) स्पॉटलाइट में है – और संगठन बिना स्पष्ट मार्ग के पायलट में कूद रहे हैं।

परिणाम? जनरेटिव एआई पायलट थकान की बढ़ती लहर। यह थकान, निराशा, और घटती गति की स्थिति है जो तब होती है जब बहुत सारे एआई पहल बिना संरचना, उद्देश्य, या मापने योग्य लक्ष्यों के शुरू किए जाते हैं। कंपनियां एक साथ दर्जनों पायलट चलाती हैं, अक्सर ओवरलैपिंग इरादे के साथ लेकिन स्पष्ट सफलता मानदंड के बिना। वे विभागों के पार्श्व में संभावना का पीछा करते हैं, लेकिन कुशलता या आरओआई को अनलॉक करने के बजाय, वे भ्रम, अतिव्याप्ति, और रुकी हुई नवाचार पैदा करते हैं।

जेन एआई पायलट थकान की परिभाषा

जनरेटिव एआई पायलट थकान एक व्यापक संगठनात्मक चुनौती को दर्शाती है: अनंत महत्वाकांक्षा बिना सीमित संरचना के। जड़ कारण परिचित हैं किसी के लिए जो पिछली प्रौद्योगिकी लहरों को देखा है:

• अनंत संभावनाएं: जेन एआई को हर कार्य में लागू किया जा सकता है – विपणन, संचालन, एचआर, वित्त – जो इसे कई उपयोग के मामलों को स्पष्ट सीमाओं के बिना शुरू करने के लिए प्रलोभन देता है।
• तैनाती की आसानी: ओपनएआई के जीपीटी मॉडल और गूगल के जेमिनी जैसे टूल्स टीमों को कुछ घंटों में पायलट शुरू करने की अनुमति देते हैं – कभी-कभी कुछ मिनटों में।
• स्थायित्व योजना की कमी: जेन एआई को प्रभावी होने के लिए अच्छी गुणवत्ता वाले डेटा की आवश्यकता होती है। कई मामलों में, डेटा बिना ताज़ा रखने की प्रक्रिया के स्टेल हो सकता है।
• मापने योग्यता की कमी: पारंपरिक आईटी तैनाती के विपरीत, यह निर्धारित करना मुश्किल है कि जेन एआई टूल “पर्याप्त अच्छा” है या नहीं। आरओआई अक्सर धुंधला या विलंबित होता है।
• एकीकरण बाधाएं: कई संगठन मौजूदा प्रणालियों, डेटा पाइपलाइनों, या कार्य प्रवाह में जेन एआई टूल्स को प्लग करने के लिए संघर्ष करते हैं, जिससे समय, जटिलता, और निराशा बढ़ जाती है।
• उच्च संसाधन मांग: पायलट अक्सर महत्वपूर्ण समय, पैसा, और मानव निवेश की आवश्यकता होती है – विशेष रूप से प्रशिक्षण और साफ, उपयोगी डेटा सेटों को बनाए रखने के लिए।

संक्षेप में, जेन एआई थकान तब उत्पन्न होती है जब प्रयोग रणनीति से आगे निकल जाता है।

यह क्यों होता रहता है?

अक्सर, यह इसलिए होता है क्योंकि संगठन मूलभूत कार्य को छोड़ देते हैं। किसी भी उन्नत प्रौद्योगिकी को तैनात करने से पहले, आपको पहले उन प्रक्रियाओं को अनुकूलित करना होगा जिन्हें आप सुधारने का प्रयास कर रहे हैं। एक्रुएंट में, हमने देखा है कि केवल कार्य प्रवाह और डेटा गुणवत्ता को स्ट्रीमलाइन करके, कंपनियां 50% तक की कुशलता लाभ प्राप्त कर सकती हैं जेन एआई को शुरू करने से पहले ही। जेन एआई को एक अच्छी तरह से ट्यून की गई प्रणाली पर परत करने से सुधार दोगुना हो सकता है। लेकिन बिना उस मूलभूत कार्य के, даже सबसे प्रभावशाली एआई मॉडल महत्वपूर्ण मूल्य प्रदान नहीं करेंगे।

एक और जाल यह है कि स्पष्ट गार्डरेल्स की अनुपस्थिति है। जेन एआई पायलट को अनंत प्रयोग के रूप में नहीं माना जाना चाहिए। सफलता को परिभाषित परिणामों में मापा जाना चाहिए – समय बचाया गया, लागत कम हुई, या क्षमताएं बढ़ाई गईं। आगे बढ़ने, बदलने, या परियोजनाओं को समाप्त करने के लिए डेटा-संचालित मूल्यांकन के आधार पर फाटक होने चाहिए। जेन एआई के आधे विचार अंततः अन्य प्रौद्योगिकियों जैसे आरपीए या नो-कोड टूल्स के लिए बेहतर अनुकूल हो सकते हैं – और यह ठीक है। लक्ष्य एआई को एआई के लिए लागू करना नहीं है, बल्कि व्यवसायिक समस्याओं को प्रभावी ढंग से हल करना है।

आरपीए और क्लाउड माइग्रेशन से सीख

यह पहली बार नहीं है जब संगठन प्रौद्योगिकी उत्साह से बह गए हैं। आरपीए ने दोहराए जाने वाले कार्यों को समाप्त करने का वादा किया; क्लाउड माइग्रेशन ने लचीलापन और पैमाने का वादा किया। दोनों ने वितरित किया – अंततः – लेकिन केवल उन लोगों के लिए जिन्होंने तैनाती में अनुशासन लागू किया।

एक प्रमुख टेकअवे? मूलभूत कार्य को न छोड़ें। हमने पहले से देखा है कि संगठन मौजूदा कार्य प्रवाह और डेटा स्वच्छता में सुधार करके 50% तक की कुशलता लाभ प्राप्त कर सकते हैं जेन एआई को पेश करने से पहले। जब एआई को एक अनुकूलित प्रणाली पर लागू किया जाता है, तो लाभ दोगुना हो सकता है। लेकिन जब एआई को तोड़ी हुई प्रक्रियाओं पर परत किया जाता है, तो प्रभाव नगण्य होता है।

डेटा के लिए भी यही सच है। जेन एआई मॉडल उतने ही अच्छे हैं जितना डेटा वे खपत करते हैं। गंदा, पुराना, या असंगत डेटा खराब परिणामों की ओर ले जाएगा – या बदतर, पूर्वाग्रहपूर्ण और भ्रामक। यही कारण है कि कंपनियों को मजबूत डेटा गवर्नेंस फ्रेमवर्क में निवेश करना चाहिए, एक दृष्टि जो उद्योग के विशेषज्ञों द्वारा समर्थित है और मैककिंसे द्वारा रिपोर्ट में जोर दिया गया है।

“आसान” एआई का प्रलोभन

जनरेटिव एआई की एक दोहरी धार वाली तलवार इसका निम्न प्रवेश बाधा है। पूर्व-निर्मित मॉडल और उपयोगकर्ता-मित्र इंटरफेस के साथ, किसी भी संगठन में कोई भी एक पायलट को कुछ दिनों में शुरू कर सकता है – कभी-कभी घंटों या यहां तक कि मिनटों में। जबकि यह पहुंच शक्तिशाली है, यह भी बाढ़ का द्वार खोलता है। अचानक, आपके पास विभागों में टीमें हैं जो सिलोस में प्रयोग कर रही हैं, कम निगरानी या समन्वय के साथ। यह असामान्य नहीं है कि दर्जनों जेन एआई पहल एक साथ चल रही हों, प्रत्येक के साथ अलग-अलग हितधारक, डेटासेट, और सफलता या असफलता की परिभाषाएं हैं।

यह विखंडित दृष्टिकोण थकान की ओर ले जाता है – न केवल संसाधनों के दृष्टिकोण से, बल्कि रूपांतरण नहीं देखकर बढ़ती निराशा से। केंद्रीय शासन और स्पष्ट दृष्टि के बिना, यहां तक कि सबसे आशाजनक उपयोग के मामले भी अंतहीन पाशों में फंस सकते हैं पुनरावृत्ति, सुधार, और पुनः मूल्यांकन की।

चक्र तोड़ें: उद्देश्य के साथ निर्माण करें

किसी भी अन्य उद्यम प्रौद्योगिकी निवेश की तरह जेन एआई का इलाज करें – रणनीति, शासन, और प्रक्रिया अनुकूलन में आधारित। यहाँ कुछ सिद्धांत हैं जिन्हें मैं महत्वपूर्ण पाया है:

1. समस्या से, न कि तकनीक से। अक्सर, संगठन जेन एआई उपयोग के मामलों का पीछा करते हैं क्योंकि वे रोमांचक हैं – न कि क्योंकि वे एक परिभाषित व्यावसायिक चुनौती का समाधान करते हैं। पहले अपने कार्य प्रवाह में घर्षण बिंदुओं या अकुशलताओं की पहचान करें, और फिर पूछें: क्या जेन एआई काम के लिए सबसे अच्छा उपकरण है?
2. नवाचार से पहले अनुकूलित करें। एक तोड़ी हुई प्रक्रिया पर एआई परत करने से पहले प्रक्रिया को ठीक करें। संचालन को स्ट्रीमलाइन करने से बड़े लाभ मिल सकते हैं – और एआई के अतिरिक्त प्रभाव को मापना बहुत आसान हो जाता है। जैसा कि बेन एंड कंपनी ने एक हालिया रिपोर्ट में नोट किया, जेन एआई से मूल्य प्राप्त करने के लिए तैयारी पर ध्यान केंद्रित करने वाले व्यवसाय तेजी से मूल्य प्राप्त करते हैं।
3. अपने डेटा को मान्य करें। सुनिश्चित करें कि आपके मॉडल सटीक, प्रासंगिक, और नैतिक रूप से सourced डेटा पर प्रशिक्षित हैं। डेटा की खराब गुणवत्ता पायलट को स्केल करने में विफल होने के शीर्ष कारणों में से एक है, गार्टनर के अनुसार।
4. “अच्छा” दिखता है क्या है परिभाषित करें। प्रत्येक पायलट को व्यावसायिक लक्ष्यों से जुड़े स्पष्ट केपीआई होने चाहिए। चाहे वह दिनचर्या कार्यों पर खर्च किए गए समय को कम करना हो या परिचालन लागत में कटौती करना, सफलता मापने योग्य होनी चाहिए – और पायलट को आगे बढ़ने, बदलने, या समाप्त करने के लिए निर्णय द्वार होने चाहिए।
5. एक व्यापक टूलकिट रखें। जेन एआई हर समस्या का समाधान नहीं है। कुछ मामलों में, आरपीए, लो-कोड ऐप्स, या मशीन लर्निंग के माध्यम से स्वचालन तेज, सस्ता, या अधिक टिकाऊ हो सकता है। यदि आरओआई नहीं निकलता है तो एआई के लिए ना कहने के लिए तैयार रहें।

आगे देखें: क्या मदद करेगा बनाम क्या नुकसान पहुंचा सकता है

आने वाले वर्षों में, पायलट थकान और भी बदतर हो सकती है इससे पहले कि यह बेहतर हो। नवाचार की गति तेजी से बढ़ रही है, विशेष रूप से एजेंटिक एआई जैसी उभरती प्रौद्योगिकियों के साथ। एआई के साथ “कुछ” करने का दबाव भारी है – और बिना सही गार्डरेल्स के, संगठन संभावनाओं की भारी मात्रा से अभिभूत हो सकते हैं।

हालांकि, आशा की किरण है। विकास की प्रथाएं परिपक्व हो रही हैं। टीमें जेन एआई को पारंपरिक सॉफ्टवेयर परियोजनाओं के साथ समान अनुशासन के साथ इलाज करना शुरू कर रही हैं। हम टूलिंग में सुधार भी देख रहे हैं। एआई एकीकरण प्लेटफ़ॉर्म और एपीआई ऑर्केस्ट्रेशन में प्रगति मौजूदा तकनीकी स्टैक में जेन एआई को स्लॉट करना आसान बना रही है। ओपनएआई, मेटा, और मिस्ट्रल जैसे प्रदाताओं से पूर्व-प्रशिक्षित मॉडल आंतरिक टीमों पर बोझ को कम करते हैं। और एआई नाउ इंस्टीट्यूट द्वारा चैंपियन की गई जैसे नैतिक और जिम्मेदार एआई के आसपास फ्रेमवर्क, अस्पष्टता और जोखिम को कम करने में मदद कर रहे हैं। शायद सबसे महत्वपूर्ण बात, हम व्यावसायिक और तकनीकी नेताओं दोनों में क्रॉस-फंक्शनल एआई साक्षरता में वृद्धि देख रहे हैं – एआई के बारे में बढ़ती समझ जो (और नहीं) कर सकती है।

अंतिम विचार: यह उद्देश्य के बारे में है, पायलट नहीं

अंत में, एआई की सफलता इरादे पर निर्भर करती है। जनरेटिव एआई में बड़े पैमाने पर कुशलता लाभ, नई क्षमताओं को अनलॉक करने और उद्योगों को बदलने की क्षमता है – लेकिन केवल तभी जब यह रणनीति द्वारा निर्देशित हो, साफ डेटा द्वारा समर्थित हो, और परिणामों द्वारा मापा जाता है।

बिना उन एंकरों के, यह सिर्फ एक और तकनीकी फड़ है जो आपकी टीमों को थका देगी और आपके बोर्ड को निराश करेगी।

यदि आप जेन एआई पायलट थकान से बचना चाहते हैं, तो तकनीक के साथ शुरू न करें। उद्देश्य से शुरू करें। और वहां से निर्माण करें।