चक्र तोड़ना: संगठन कैसे डूमप्रॉम्प्टिंग से बच सकते हैं और सफलता प्राप्त कर सकते हैं

1950 के दशक में इसकी теорेटिकल अवधारणा के बाद से, कृत्रिम बुद्धिमत्ता (एआई) ने व्यवसायों को विभिन्न तकनीकों के माध्यम से, विशेष रूप से मशीन लर्निंग सिस्टम के माध्यम से, बढ़ी हुई अवसरों और उत्पादकता का अनुभव करने के लिए मार्ग प्रशस्त किया है। इन उपकरणों/प्रौद्योगिकियों ने पूर्वानुमान और निर्णय लेने में सुधार किया, भविष्य की तकनीकी प्रगति के लिए आधार तैयार किया। हाल के समय में, जनरेटिव एआई ने सब कुछ बदलने का वादा किया है जो हम काम करने के बारे में जानते हैं और एआई अनुभव को लोकतांत्रिक बना दिया है। उपयोगकर्ता अब चैटजीपीटी जैसे एआई मॉडल के साथ “प्रॉम्प्टिंग” के माध्यम से बातचीत करते हैं, जहां कोई एआई मॉडल के साथ आगे और पीछे बातचीत करता है। हालांकि, इन लाभों के साथ एक नया चुनौती भी आती है: डूमप्रॉम्प्टिंग। यह ऑनलाइन सामग्री पर डूम स्क्रॉलिंग के समान है, बिना किसी परिभाषित लक्ष्य के, उपयोगकर्ताओं को खरगोश छेद में फंसा देता है। एआई के साथ, खरगोश छेद वापस बात करता है। जनरेटिव और एजेंटिक मॉडल दोनों के लिए एआई प्रॉम्प्ट के निरंतर सुधार की यह क्रिया, जो अक्सर एक निर्दिष्ट लक्ष्य के बिना प्रॉम्प्टिंग द्वारा संचालित होती है, लागत में वृद्धि और घटते रिटर्न की ओर ले जाती है। यह सफलता के लिए एक बड़ा रोडब्लॉक बनाता है और एआई प्रौद्योगिकी का उपयोग करने के उद्देश्य को हराता है।

जैसे ही व्यवसाय अपने एआई-संबंधित बजट बढ़ाते हैं, निर्णय लेने वालों को यह समझने की आवश्यकता है कि उनके निवेश पर वास्तविक रिटर्न का मार्ग क्या है और यह क्या मूल्य पैदा कर रहा है। 2025 की आईईईई रिपोर्ट, ‘एआई की छिपी हुई लागत: कैसे छोटी अकुशलताएं महत्वपूर्ण आर्थिक बोझ में बदल जाती हैं,’ यह दिखाती है कि कैसे छोटे समायोजन महत्वपूर्ण आर्थिक बोझ में बदल सकते हैं। इस महंगी संघर्ष से बचने के लिए, संगठनों को अपने एआई निवेश की पूरी क्षमता हासिल करने के लिए एलएलएम का उपयोग करने वाले कर्मचारियों को प्रशिक्षित करने में सुधार करने की आवश्यकता है।

जनरेटिव एआई अनुकूलन और दक्षता का वादा करता है। हालांकि, जब टीमें अंतहीन सुधार के चक्र (या रडार-रहित भटकना) में फंस जाती हैं, तो अकुशलता इस आधार को कमजोर कर देती है।

“वर्कस्लोप” को साफ करना

टीमें निरंतर आउटपुट को परिपूर्ण प्रतिक्रिया उत्पन्न करने के लिए सुधारती हैं, जिसका एक कारण वर्कस्लोप है। पहली बार हार्वर्ड बिजनेस रिव्यू में वर्णित, वर्कस्लोप ‘एआई-उत्पन्न कार्य सामग्री को शामिल करता है जो अच्छा काम के रूप में प्रच्छन्न होता है लेकिन किसी दिए गए कार्य को अर्थपूर्ण रूप से आगे बढ़ाने के लिए पर्याप्त सामग्री की कमी होती है।’

यह एआई-उत्पादित ‘स्लोप’ डूमप्रॉम्प्टिंग चक्र की एक लंबी श्रृंखला का पहला डोमिनो है। जबकि सुधार के माध्यम से उपर्युक्त सामग्री को संशोधित करना महत्वपूर्ण है, यह समझना आवश्यक है कि कब रुकना है, इससे पहले कि यह घटते रिटर्न की ढलान में बदल जाए। संगठनों को अपने समय निवेश के साथ एआई प्रशिक्षण के लिए एक सूक्ष्म संतुलन की आवश्यकता है। एक तरफ, टीमों को आवश्यक गुणवत्ता के प्रति जागरूक होना चाहिए; दूसरी ओर, उन्हें यह जानना चाहिए कि कब यह बहुत अधिक है। एआई मॉडल के स्मार्ट उपयोग के माध्यम से कर्मचारियों को प्रशिक्षित करना, ऑप्टिमल प्रॉम्प्टिंग और स्पष्ट लक्ष्यों के साथ भी काम आएगा।

डूमप्रॉम्प्टिंग से बचने के लिए एजेंटिक एआई का लाभ उठाना

हाल के वर्षों में, व्यवसायों ने एजेंटिक एआई में अपनी रुचि और निवेश में काफी वृद्धि की है, जो अपनी संचालन प्रभावशीलता में सुधार करने की क्षमता के लिए मान्यता प्राप्त है। एजेंटिक एआई जटिल कार्यों को ले सकता है, कई एजेंटों (आरएजी और एक्शन एजेंटों सहित) के साथ समन्वय कर सकता है, कार्रवाई का तरीका तय कर सकता है और कार्य को स्वचालित रूप से पूरा कर सकता है।

इन गुणों से एआई डूमप्रॉम्प्टिंग को कम कर सकता है, या इसे पूरी तरह से दूर कर सकता है। इससे जेनएआई इंटरफेस को पूरा करने के लिए कई प्रॉम्प्ट्स के माध्यम से निर्देश देने की आवश्यकता दूर हो सकती है। एक उदाहरण एआई-संचालित आईटी ऑपरेशन, या एआईओप्स में पाया जा सकता है, जो दैनिक कार्यों में एआई को शामिल करके आईटी को आधुनिक बना रहे हैं। परंपरागत रूप से, टीमें अपने समय को मैन्युअल रूप से सिस्टम को समायोजित करने में व्यतीत करती हैं। 21वीं सदी के विभाग वे हैं जो महत्वपूर्ण कार्यों जैसे कि समस्या निवारण, घटना प्रतिक्रिया, और संसाधन आवंटन को स्वचालित रूप से संभालने के लिए एआई का लाभ उठाते हैं।

एक और उपयुक्त उदाहरण यह है कि एजेंटिक एआई सिस्टम कैसे एक जटिल घटना को स्वचालित रूप से संभाल सकते हैं। आईटीओप्स के साथ इन एजेंटों के पास समस्या को संदर्भिक रूप से समझने, कार्रवाई का तरीका तय करने के लिए तर्क एजेंटों के साथ समन्वय करने, आईटी सिस्टम पर अंतिम मील की मरम्मत के लिए एक्शन एजेंटों का उपयोग करने और भविष्य की घटनाओं में अधिक प्रभावी ढंग से लागू करने के लिए सीखने वाले एजेंटों को नियुक्त करने की क्षमता है।

एजेंटिक एआई के बुद्धिमान स्वचालन से मानव इंटरैक्शन कम हो जाता है और कार्य स्वचालित रूप से किए जाते हैं। विकसित व्यावसायिक मांगों को पूरा करने के लिए, पुनरावृत्ति कार्यों और संचालन को स्वचालित एआई को सौंप दिया जाना चाहिए। इस प्रतिनिधित्व से डूमप्रॉम्प्टिंग को ईंधन देने वाले पुनरावृत्ति प्रॉम्प्टिंग और सुधार का चक्र समाप्त हो जाता है। स्वचालित ऑपरेशन एआई मॉडल को मैनुअल इनपुट के बिना बदलते परिवर्तनों के प्रति प्रतिक्रिया करने और अनुकूलन करने की अनुमति देते हैं, जिससे न्यूनतम मानव हस्तक्षेप के साथ तेजी से परिणाम मिलते हैं।

जबकि प्रशिक्षित पेशेवर दिन-प्रतिदिन के संचालन में मानव-इन-द-लूप दृष्टिकोण के माध्यम से एक महत्वपूर्ण भूमिका निभाते रहेंगे, उनका समय परिणाम सत्यापन के लिए स्कैनिंग में बेहतर तरीके से उपयोग किया जाएगा। यह दृष्टिकोण त्रुटियों या अति-समायोजन के परिचय के जोखिम को कम करता है।

डूमप्रॉम्प्टिंग को रोकने में शासन की भूमिका

एक हालिया मैककिंसे सर्वेक्षण में, 88% उत्तरदाताओं ने कम से कम एक व्यावसायिक कार्य में एआई का लाभ उठाने की सूचना दी। यह 2024 की तुलना में 10% की छलांग थी और 2023 के बाद से 33% की आश्चर्यजनक वृद्धि थी। एजेंटिक एआई के लिए, यह छलांग और भी गहरी थी। 2023 में केवल 33% से 2025 में लगभग 80% तक।

इस व्यापक अपनाने से व्यवसायों को डूमप्रॉम्प्टिंग के लिए नए समाधान खोजने के लिए प्रेरित किया जा रहा है। ऐसा एक उपकरण मजबूत शासन ढांचे है। इन्हें सावधानी से तैयार किया जाना चाहिए ताकि यह सुनिश्चित किया जा सके कि एआई परियोजनाएं व्यावसायिक उद्देश्यों के साथ संरेखित रहती हैं और अनुकूलन के अंतहीन नृत्य में नहीं पड़ती हैं। जब टीमें इन ढांचों को विकसित करती हैं, तो उन्हें निम्नलिखित पर विचार करना चाहिए:

• दिशानिर्देश स्थापना: एआई मॉडल के लिए और से डेटा प्रवाह बढ़ते जटिल हो रहे हैं। इसे सरल बनाने के लिए, एआई दिशानिर्देशों को टीमों के लिए एक ढांचा तैयार करना चाहिए ताकि वे डेटा को जिम्मेदारी से संभाल सकें, निर्णय ले सकें और एआई आउटपुट का प्रबंधन कर सकें।
• उपयोगकर्ताओं को प्रशिक्षित करना: प्रॉम्प्ट उपयोग में उचित प्रशिक्षण उत्पादकता को अनुकूलित करने में मदद कर सकता है
• विशेष मॉडल का उपयोग: उद्योग और उद्देश्य-विशिष्ट एआई मॉडल तेजी से संदर्भिक और अर्थपूर्ण आउटपुट प्रदान करने की संभावना है
• एआई मॉडल को प्रशिक्षित करना: एआई मॉडल को उद्योग/कार्य/संगठन-विशिष्ट डेटा (जहां संभव हो) के साथ प्रशिक्षित करने से कम वर्कस्लोप और तेजी से उपयुक्त आउटपुट हो सकते हैं।
• नियम विकास: एआई विकास और तैनाती के लिए एक स्पष्ट नियम सेट तैयार करना और लागू करना आवश्यक है। जब टीमें संचालन सीमाएं स्थापित करती हैं, तो वे यह सुनिश्चित करती हैं कि अपनाए गए सिस्टम संगठनात्मक लक्ष्यों, नैतिक मानकों और नियामक आवश्यकताओं के साथ संरेखित हैं।

जबकि एआई समाधानों की अपनाने की दर बढ़ रही है, शासन नहीं है। 2025 पीईएक्स उद्योग रिपोर्ट के अनुसार, आधे से कम के पास एआई शासन नीति है। जबकि केवल 25% इसके कार्यान्वयन की प्रक्रिया में थे, और लगभग एक तिहाई के पास एआई शासन नीति नहीं थी। ये ढांचे व्यवसायों को स्पष्ट सीमाएं निर्धारित करने में मदद कर सकते हैं कि स्वीकार्य प्रदर्शन क्या है।

डूमप्रॉम्प्टिंग लूप से बाहर निकलना

डूमप्रॉम्प्टिंग के चक्र में पड़ने से बचने के लिए, व्यवसायों को परिणामों पर पूर्णता की तुलना में प्राथमिकता देने वाली एआई रणनीतियों को अपनाना चाहिए। प्रॉम्प्ट प्रशिक्षण, उद्देश्य-विशिष्ट एआई मॉडल, और संदर्भिक उद्यम डेटा पर प्रशिक्षित मॉडल का उपयोग व्यापक पुनर-प्रॉम्प्टिंग की आवश्यकता को कम कर सकता है। व्यवसाय जो एजेंटिक एआई, स्वायत्त आईटी ऑपरेशन, और मजबूत शासन ढांचे का लाभ उठाते हैं, वे अपने व्यावसायिक लक्ष्यों को प्राप्त करने के लिए महत्वपूर्ण संसाधनों को पुनर्निर्देशित कर सकते हैं बिना अंतहीन अनुकूलन चक्रों में फंसे हुए। सफलता तब आएगी जब टीमें अपने दृष्टिकोण को निरंतर सुधार से लेकर केंद्रित कार्यान्वयन और मापने योग्य परिणामों की ओर बदलेंगी। स्वायत्त आईटी ऑपरेशन, और मजबूत शासन ढांचे का लाभ उठा सकते हैं, वे अपने व्यावसायिक लक्ष्यों को प्राप्त करने के लिए महत्वपूर्ण संसाधनों को पुनर्निर्देशित कर सकते हैं बिना अंतहीन अनुकूलन चक्रों में फंसे हुए। सफलता तब आएगी जब टीमें अपने दृष्टिकोण को निरंतर सुधार से लेकर केंद्रित कार्यान्वयन और मापने योग्य परिणामों की ओर बदलेंगी।