इस चक्र को तोड़ना: संगठन किस प्रकार निराशावादी विचारों से बचकर सफलता प्राप्त कर सकते हैं

1950 के दशक में अपनी सैद्धांतिक अवधारणा के बाद से, कृत्रिम बुद्धिमत्ता (AI) ने विभिन्न तकनीकों, विशेष रूप से मशीन लर्निंग सिस्टम के माध्यम से व्यवसायों के लिए बेहतर अवसर और उत्पादकता का मार्ग प्रशस्त किया है। इन उपकरणों/प्रौद्योगिकियों ने पूर्वानुमान और निर्णय लेने की क्षमता में सुधार किया है, जिससे भविष्य की तकनीकी प्रगति की नींव रखी गई है। हाल के समय में, जनरेटिव AI ने काम करने के हमारे सभी ज्ञान को पूरी तरह से बदल देने का वादा किया है और AI अनुभव को लोकतांत्रिक बना दिया है। उपयोगकर्ता अब चैटजीपीटी जैसे AI मॉडल के साथ "प्रॉम्प्टिंग" के माध्यम से जुड़ते हैं, जहां वे AI मॉडल के साथ बातचीत करते हैं। हालांकि, इन लाभों के साथ एक नई चुनौती भी आती है: डूमप्रॉम्प्टिंग। यह बिना किसी निश्चित लक्ष्य के ऑनलाइन सामग्री पर स्क्रॉल करने के समान है, जो उपयोगकर्ताओं को एक जटिल जाल में फंसा देता है। लेकिन AI के साथ, यह जाल पलटवार करता है। जनरेटिव और एजेंटिक दोनों मॉडलों के लिए AI प्रॉम्प्ट को लगातार परिष्कृत करने की यह प्रक्रिया, जो सही परिणाम प्राप्त करने की महत्वाकांक्षा से प्रेरित है (और कभी-कभी बिना किसी विशिष्ट लक्ष्य के प्रॉम्प्टिंग द्वारा), लागत में वृद्धि और प्रतिफल में कमी की ओर ले जाती है। यह सफलता में एक बड़ी बाधा उत्पन्न करता है और AI तकनीक के उपयोग के उद्देश्य को ही विफल कर देता है।

जैसे-जैसे व्यवसाय एआई से संबंधित अपने बजट में वृद्धि कर रहे हैं, निर्णय लेने वालों को अपने निवेश पर वास्तविक प्रतिफल प्राप्त करने के मार्ग और इससे उत्पन्न होने वाले मूल्य को समझना आवश्यक है। आईईईई की 2025 की एक रिपोर्ट के अनुसार, कृत्रिम बुद्धिमत्ता की छिपी हुई लागतें: छोटी-छोटी अक्षमताएँ किस प्रकार भारी पड़ती हैंयह दर्शाता है कि कैसे छोटे-मोटे बदलाव भी बड़े आर्थिक बोझ में बदल सकते हैं। इस खर्चीले संघर्ष का हिस्सा बनने से बचने के लिए, संगठनों को अपने एआई निवेश की पूरी क्षमता हासिल करने के लिए एलएलएम का उपयोग करके कर्मचारियों के प्रशिक्षण को परिष्कृत करना होगा।

जनरेटिव एआई अनुकूलन और दक्षता का वादा करती है। हालांकि, जब टीमें अंतहीन सुधार (या दिशाहीन भटकन) के चक्र में फंस जाती हैं, तो अक्षमता इस आधार को कमजोर कर देती है।

"कार्य संबंधी गड़बड़ी" को साफ करना

टीमों द्वारा लगातार आउटपुट को परिष्कृत करके एक आदर्श प्रतिक्रिया उत्पन्न करने का एक कारण वर्कस्लोप है। हार्वर्ड बिजनेस रिव्यू में पहली बार वर्णित वर्कस्लोप में 'एआई द्वारा उत्पन्न कार्य सामग्री शामिल है जो अच्छे कार्य के रूप में दिखाई देती है लेकिन किसी दिए गए कार्य को सार्थक रूप से आगे बढ़ाने के लिए उसमें आवश्यक तत्व का अभाव होता है।'

एआई द्वारा निर्मित यह घटिया सामग्री उस लंबी श्रृंखला की पहली कड़ी है जो विनाशकारी चक्र को जन्म देती है। हालांकि बार-बार सुधार या संपादन के माध्यम से इस निम्न गुणवत्ता वाली सामग्री को बेहतर बनाना महत्वपूर्ण है, लेकिन यह समझना जरूरी है कि कब रुकना है, इससे पहले कि परिणाम नकारात्मक होने लगें। संगठनों को एआई प्रशिक्षण में अपने समय के निवेश को सावधानीपूर्वक संतुलित करना चाहिए। एक ओर, टीमों को अपेक्षित गुणवत्ता के प्रति सचेत रहना चाहिए; दूसरी ओर, उन्हें यह भी पता होना चाहिए कि कब यह हद से ज्यादा हो रहा है। कर्मचारियों को उचित मार्गदर्शन और स्पष्ट लक्ष्यों के माध्यम से एआई मॉडल के बेहतर उपयोग का प्रशिक्षण देना भी उपयोगी साबित होगा।

विनाशकारी भविष्यवाणियों से बचने के लिए एजेंटिक एआई का उपयोग करना

हाल के वर्षों में, व्यवसायों ने एजेंटिक एआई में अपनी रुचि और निवेश में उल्लेखनीय वृद्धि की है, जिसे परिचालन प्रभावशीलता में सुधार करने की क्षमता के लिए मान्यता प्राप्त है। एजेंटिक एआई जटिल कार्यों को संभाल सकता है, कई एजेंटों (आरएजी और एक्शन एजेंट सहित) के साथ समन्वय स्थापित करके कार्रवाई का तरीका तय कर सकता है, और समग्र कार्य को स्वायत्त रूप से पूरा करने के लिए कार्यों को निष्पादित कर सकता है।

ये गुण एआई को अनावश्यक चेतावनी देने से बचाने या पूरी तरह से इससे बचने में मदद कर सकते हैं। इससे कार्य पूरा करने के लिए GenAI इंटरफेस को बार-बार निर्देश देने की आवश्यकता समाप्त हो सकती है। इसका एक उदाहरण एआई-संचालित आईटी संचालन (एआईऑप्स) में देखा जा सकता है, जो दैनिक कार्यों में एआई को शामिल करके आईटी का आधुनिकीकरण कर रहा है। परंपरागत रूप से, टीमें सिस्टम को मैन्युअल रूप से समायोजित करने में अपना समय व्यतीत करती हैं। 21वीं सदी के विभाग वे हैं जो समस्या निवारण, घटना प्रतिक्रिया और संसाधन आवंटन जैसे महत्वपूर्ण कार्यों को स्वचालित रूप से संभालने के लिए एआई का लाभ उठाते हैं।

एक और उपयुक्त उदाहरण यह है कि कैसे एजेंटिक एआई सिस्टम किसी जटिल घटना को स्वायत्त रूप से संभाल सकते हैं। ये एजेंट, आईटीऑप्स के साथ मिलकर, समस्या को संदर्भ के अनुसार समझने, तर्कशील एजेंटों के साथ समन्वय स्थापित करके कार्रवाई का तरीका तय करने, आईटी सिस्टम पर अंतिम चरण के सुधार करने के लिए एक्शन एजेंटों का उपयोग करने और अंत में, समाधान को समझने और भविष्य की घटनाओं में इसे अधिक प्रभावी ढंग से लागू करने के लिए लर्निंग एजेंटों का उपयोग करने में सक्षम हैं।

एजेंटिक एआई की बुद्धिमान स्वचालन प्रणाली मानवीय हस्तक्षेप को कम करती है और कार्यों को स्वतः संपन्न करती है। बदलते व्यावसायिक मांगों को पूरा करने के लिए, दोहराए जाने वाले कार्यों और संचालन को स्वायत्त एआई को सौंप देना चाहिए। यह प्रत्यायोजन बार-बार निर्देश देने और बार-बार सुधार करने के चक्र को समाप्त करता है, जो अक्सर विफलताओं का कारण बनता है। स्वायत्त संचालन एआई मॉडल को मैन्युअल इनपुट के बिना निरंतर अनुकूलन करने और बदलते चर के अनुसार प्रतिक्रिया देने की अनुमति देता है, जिससे न्यूनतम मानवीय हस्तक्षेप के साथ तेजी से परिणाम प्राप्त होते हैं।

हालांकि प्रशिक्षित पेशेवर मानव हस्तक्षेप के माध्यम से दैनिक कार्यों में महत्वपूर्ण भूमिका निभाते रहेंगे, लेकिन उनके समय का बेहतर उपयोग परिणामों के सत्यापन के लिए स्कैनिंग में किया जा सकेगा। यह दृष्टिकोण त्रुटियों या अति-समायोजन के जोखिम को कम करता है।

विनाशकारी भविष्यवाणियों को रोकने में शासन की भूमिका

हाल के दिनों में मैकिन्से सर्वेक्षणसर्वे में शामिल 88% उत्तरदाताओं ने बताया कि वे कम से कम एक व्यावसायिक कार्य में एआई का उपयोग कर रहे हैं। यह 2024 से 10% की वृद्धि और 2023 से आश्चर्यजनक रूप से 33% की वृद्धि है। एजेंटिक एआई के मामले में, यह वृद्धि और भी अधिक उल्लेखनीय रही। 2023 में केवल 33% से बढ़कर 2025 में लगभग 80% हो गई।

इस व्यापक स्वीकृति के कारण व्यवसाय विनाशकारी भविष्यवाणियों से निपटने के लिए नए समाधान खोजने पर मजबूर हो रहे हैं। ऐसा ही एक उपकरण है सुदृढ़ शासन ढांचा। इन्हें सावधानीपूर्वक तैयार किया जाना चाहिए ताकि यह सुनिश्चित हो सके कि एआई परियोजनाएं व्यावसायिक उद्देश्यों के अनुरूप रहें और अनुकूलन की अंतहीन प्रक्रिया का शिकार न हों। टीमों द्वारा इन ढांचों को विकसित करते समय, उन्हें निम्नलिखित बातों पर विचार करना चाहिए:

• दिशा-निर्देश स्थापनाएआई मॉडल से आने-जाने वाले डेटा प्रवाह लगातार जटिल होते जा रहे हैं। इसे सरल बनाने के लिए, एआई दिशानिर्देशों को टीमों के लिए डेटा को संभालने, निर्णय लेने और एआई आउटपुट को जिम्मेदारी से प्रबंधित करने के लिए एक ढांचा तैयार करना चाहिए।
• उपयोगकर्ताओं को प्रशिक्षण देना: समय पर उपयोग करने का उचित प्रशिक्षण इष्टतम उत्पादकता प्राप्त करने में सहायक हो सकता है।
• विशेषीकृत मॉडलों का उपयोग: उद्योग और विशिष्ट उद्देश्यों के लिए डिज़ाइन किए गए एआई मॉडल प्रासंगिक और सार्थक परिणाम अधिक तेज़ी से प्रदान करने की संभावना रखते हैं।
• एआई मॉडल को प्रशिक्षित करना: उद्योग/कार्य/संगठन विशिष्ट डेटा के साथ एआई मॉडल को प्रशिक्षित करने से (जहां भी संभव हो) काम में देरी कम हो सकती है और अधिक उपयुक्त परिणाम तेजी से प्राप्त हो सकते हैं।
• नियम विकासकृत्रिम बुद्धिमत्ता के विकास और तैनाती को दिशा देने के लिए स्पष्ट नियमों का मसौदा तैयार करना और उन्हें लागू करना आवश्यक है। जब टीमें परिचालन सीमाएं निर्धारित करती हैं, तो वे यह सुनिश्चित करती हैं कि अपनाई गई प्रणालियाँ संगठनात्मक लक्ष्यों, नैतिक मानकों और नियामक आवश्यकताओं के अनुरूप हों।

हालांकि एआई समाधानों को अपनाने की दर बढ़ रही है, लेकिन शासन व्यवस्था में वह वृद्धि नहीं हुई है। 2025 पीईएक्स उद्योग रिपोर्ट के अनुसार।, आधे से भी कम कुछ कंपनियों के पास एआई गवर्नेंस पॉलिसी मौजूद थी। वहीं, केवल 25% कंपनियां इसे लागू करने की प्रक्रिया में थीं, और लगभग एक तिहाई कंपनियों के पास कोई एआई गवर्नेंस पॉलिसी नहीं थी। ये फ्रेमवर्क व्यवसायों को स्वीकार्य प्रदर्शन के लिए स्पष्ट सीमाएं निर्धारित करने में महत्वपूर्ण भूमिका निभा सकते हैं।

विनाश के संकेत देने वाले चक्र से बचना

लगातार निराशावादी पूर्वानुमानों के चक्र में फंसने से बचने के लिए, व्यवसायों को ऐसी एआई रणनीतियों को अपनाना होगा जो पूर्णता के बजाय परिणामों को प्राथमिकता देती हैं। त्वरित प्रशिक्षण, विशिष्ट उद्देश्यों के लिए बनाए गए एआई मॉडल और प्रासंगिक उद्यम डेटा पर प्रशिक्षित मॉडल का उपयोग बार-बार पूर्वानुमान लगाने की आवश्यकता को कम कर सकता है। एजेंटिक एआई, स्वायत्त आईटी संचालन और मजबूत शासन ढांचे का लाभ उठाने वाले व्यवसाय अंतहीन अनुकूलन चक्रों में उलझे बिना अपने व्यावसायिक लक्ष्यों को प्राप्त करने के लिए महत्वपूर्ण संसाधनों का पुनर्वितरण कर सकते हैं। सफलता तब मिलेगी जब टीमें निरंतर सुधार की मानसिकता से हटकर केंद्रित निष्पादन और मापने योग्य परिणामों पर ध्यान केंद्रित करेंगी।