CIO को आईटी में AI कार्य के लिए बेहतर लेखा‑पद्धति चाहिए

पिछले दो वर्षों से, CIO ने आईटी में AI के लिए एक सरल लक्ष्य रखा है: इसे संगठन में लाना, टीमों को प्रयोग करने देना और देखना कि यह सेवा वितरण को कहाँ सुधार सकता है।

आईटी संगठन ने लाइसेंस खरीदे, पायलट चलाए और पहले से ही भारी सॉफ़्टवेयर स्टैक में AI सुविधाएँ जोड़ीं। यह तब समझ में आया जब टीमें अभी भी यह समझ रही थीं कि AI क्या कर सकता है। अब जब खर्च वास्तविक बजट में शामिल है, और CFO यह जानना चाहते हैं कि कंपनी अपने पैसे के बदले क्या प्राप्त कर रही है.

समस्या यह है कि AI को मापने के लिए CIO द्वारा उपयोग किए जाने वाले कई आंकड़े उस प्रश्न का उत्तर नहीं देते। CIO दिखा सकते हैं कि कितने कर्मचारियों ने AI का उपयोग किया, वे कितनी बार इसका उपयोग करते हैं और वे कहते हैं कि यह उन्हें कितना समय बचाता है। वित्त यह जानना चाहता है कि क्या कंपनी ने कम पैसा खर्च किया, अधिक काम पूरा किया या अधिक लोगों को नियुक्त करने से बचा।

सप्ताह में एक कर्मचारी को पाँच घंटे बचाना मूल्यवान लग सकता है, लेकिन कंपनी को अभी भी यह जानना आवश्यक है कि उन पाँच घंटों के साथ क्या हुआ। यदि कर्मचारी अधिक काम संभालता है, या टीम बिना अतिरिक्त व्यक्ति को नियुक्त किए बढ़ते कार्यभार को समर्थन दे सकती है, तो कंपनी वित्तीय परिणाम देख सकती है। यदि कुछ भी नहीं बदलता, तो समय बचत बजट में कभी दिखाई नहीं दे सकती.

जैसे-जैसे कंपनियाँ AI पर अधिक खर्च करती हैं, CIO को AI द्वारा किए जाने वाले कार्य और उस कार्य की लागत के बारे में और अधिक विशिष्ट होना चाहिए।

समय की बचत जरूरी नहीं कि धन की बचत दर्शाए

AI ROI गणनाओं में अक्सर समय को मानदंड के रूप में लिया जाता है – अर्थात, यदि AI एक कर्मचारी को प्रतिदिन 30 मिनट बचाता है, तो कंपनी उन मिनटों को हजारों कर्मचारियों पर गुणा करके एक बहुत बड़ी संख्या प्राप्त कर सकती है।

लेकिन व्यावसायिक प्रक्रियाएँ शायद ही इतनी सुगमता से काम करती हैं। कार्य एक व्यक्ति से दूसरे व्यक्ति तक जाता है, अनुमोदन का इंतजार करता है और कतारों में रहता है। यदि AI प्रक्रिया के एक भाग में दस मिनट बचाता है और फिर कार्य किसी और के लिए छह घंटे प्रतीक्षा करता है, तो कंपनी को उपयोगी क्षमता के दस मिनट नहीं मिले हैं।

CIO के लिए, अधिक उपयोगी प्रश्न यह है कि क्या AI स्वयं सेवा के प्रदर्शन को बदलता है। यदि एक्सेस अनुरोध कतार में तेज़ी से चलते हैं, कम टिकटों को मानव हस्तक्षेप की आवश्यकता होती है या प्रति अनुरोध लागत घटती है, तो आईटी वही परिचालन मानकों का उपयोग करके परिणाम माप सकता है जो वह पहले से ट्रैक करता है।

Aviva एक अच्छा उदाहरण है. बीमा कंपनी ने अपने दावे संचालन में किए गए परिवर्तनों के हिस्से के रूप में 80 से अधिक AI मॉडल उपयोग किए और रिपोर्ट किया कि देयता मूल्यांकन समय में 23 दिन की कमी और शिकायतों में 65 प्रतिशत की कमी आई। ये आंकड़े प्रबंधन को बताते हैं कि संचालन में क्या बदला और वित्त को कुछ ऐसा प्रदान करते हैं जिसे वह माप सकता है।

CIO को अपने AI निवेशों पर भी यही सोच लागू करनी चाहिए। पायलट को विस्तारित करने से पहले, उन्हें यह जानना चाहिए कि वे व्यवसाय के किस हिस्से को बदलने की उम्मीद करते हैं और वह होने के लिए AI को कितना कार्य लेना पड़ेगा।

AI द्वारा पूर्ण किया गया कार्य शुरू करने के लिए बेहतर बिंदु है

एक सामान्य आईटी एक्सेस अनुरोध पर विचार करें। एक कोपायलट टिकट का सारांश बना सकता है और उत्तर का मसौदा तैयार कर सकता है, जबकि एक आईटी एजेंट कंपनी नीति की जांच करता है, अनुरोधकर्ता की पुष्टि करता है, अनुमोदन प्राप्त करता है, अनुमति बदलता है और अनुरोध को बंद करता है।

कोपायलट कर्मचारी को कुछ मिनट बचा सकता है, लेकिन अधिकांश कार्य अभी भी कर्मचारी का ही रहता है।

अब एक AI प्रणाली पर विचार करें जो कंपनी नीति के विरुद्ध अनुरोध की जांच कर सके, लापता जानकारी एकत्र करे, अनुरोध को अनुमोदन के लिए मार्गित करे और अनुमोदन मिलने पर परिवर्तन कर दे। आईटी देख सकता है कि AI प्रणाली कितने अनुरोध पूरे करती है, कितनी बार कर्मचारी को हस्तक्षेप करना पड़ता है और प्रत्येक अनुरोध को अभी भी कितना मानवीय कार्य चाहिए।

यह CIO को AI के लेखा‑पद्धति के लिए बहुत स्पष्ट तरीका देता है। तकनीक ने कितने मिनट बचाए, इसका अनुमान लगाने के बजाय, वे माप सकते हैं कि उसने कितना कार्य पूरा किया और वह कार्य पूरा करने की लागत क्या थी।

इसी दृष्टिकोण को कर्मचारी ऑनबोर्डिंग, आंतरिक समर्थन और घटना प्रतिक्रिया. महत्वपूर्ण भाग यह है कि AI को उन कार्यों की जिम्मेदारी दी जाए जिन्हें कंपनी पहले से समझती है और मापना जानती है।

परंतु आपको मानवीय कार्य को भी गिनना आवश्यक है

एक AI प्रणाली 1,000 ऑनबोर्डिंग अनुरोध शुरू कर सकती है और उनमें से 600 पर कर्मचारी को हस्तक्षेप करने की आवश्यकता हो सकती है। सभी 1,000 को स्वचालित कह देना प्रबंधन को AI द्वारा वास्तव में संभाले गए कार्य की गलत तस्वीर देगा।

इन हस्तक्षेपों की लागत होती है। यदि एक एजेंट कुछ मिनटों के लिए अनुरोध पर काम करता है और फिर इसे कर्मचारी को देता है जो इसे पूरा करने में अतिरिक्त बीस मिनट खर्च करता है, तो उन बीस मिनटों को प्रक्रिया की लागत में शामिल किया जाना चाहिए।

इसका मतलब है कि आईटी को चाहिए प्रत्येक कार्य के दौरान क्या हुआ उसका रिकॉर्ड. इसे यह जानना चाहिए कि AI ने क्या किया, किन सिस्टमों तक पहुंचा, कहाँ अनुमोदन की आवश्यकता थी, कब कर्मचारी ने हस्तक्षेप किया और क्या कार्य वास्तव में पूरा हुआ। ये रिकॉर्ड पारंपरिक सर्विस डेस्क मापदंडों जैसे औसत समाधान समय को सप्लाई कर सकते हैं, साथ ही AI के लिए विशेष रूप से महत्वपूर्ण मापदंड जैसे हस्तक्षेप दर और पूर्ण कार्य की लागत को जोड़ते हैं।

जब कुछ गलत हो जाता है, तो सुरक्षा टीमों को भी वही जानकारी चाहिए होती है। यदि कोई AI प्रणाली गलत अनुमति बदल देती है या वह कार्रवाई करती है जो उसे नहीं करनी चाहिए थी, तो उन्हें यह पुनर्निर्माण करना पड़ता है कि क्या हुआ और क्यों।

ऐसी रिकॉर्ड रखने से CIO को निवेश के दोनों पक्षों को मापने का तरीका मिलता है। वे AI चलाने की लागत और उसके काम की निगरानी व पूर्णता के लिए अभी भी आवश्यक मानव श्रम दोनों को देख सकते हैं।

AI को मिलने वाली जिम्मेदारी की मात्रा आर्थिक प्रभाव को निर्धारित करती है

CIO को यह भी तय करना होता है कि वे AI को कितनी अधिकारिता देना चाहते हैं।

सीमित अनुमतियों वाली AI प्रणाली को कई कार्यों के लिए कर्मचारी की स्वीकृति चाहिए हो सकती है। इससे व्यक्ति शामिल रहता है, लेकिन इसका मतलब यह भी है कि कंपनी को अधिक मानव श्रम के लिए भुगतान जारी रखना पड़ता है।

प्रणाली को अधिक अधिकार देना उसे अधिक कार्य स्वयं पूरा करने की अनुमति दे सकता है, लेकिन इससे IT को अधिक जोखिम भी संभालना पड़ता है। एक ऐसी प्रणाली जो खाता बना सकती है या अनुमति बदल सकती है, गलती करने पर उस प्रणाली से अधिक नुकसान हो सकता है जो केवल यह सुझाव दे सकती है कि कर्मचारी क्या करे। लागत भी अप्रत्याशित रूप से बढ़ सकती है जब कोई एजेंट लूप में फँस जाता है, वही कार्य बार‑बार दोहराता है या निर्देश बहुत अस्पष्ट होने के कारण अधिक कंप्यूट उपयोग करता है। ये विफलताएँ भी आर्थिक गणना में शामिल होती हैं।

कंपनियां इस सीमा को कार्य की प्रकृति के अनुसार अलग‑अलग तय करेंगी। ROI गणना के लिए महत्वपूर्ण यह है कि सीमा कहाँ है और वह कितनी मानव भागीदारी उत्पन्न करती है, यह ज्ञात हो।

यदि कोई AI प्रणाली सुरक्षित रूप से प्रक्रिया के 90 प्रतिशत तक को पूरा कर सकती है, तो उसकी आर्थिक स्थिति उस प्रणाली से बहुत अलग दिखेगी जो हर दूसरे चरण में कर्मचारी की आवश्यकता रखती है।

पहले उन कार्यों से शुरू करें जो पहले से ही पैसा खर्च करते हैं

अगले AI खर्च की योजना बनाते समय CIO को उन कार्यों से शुरू करना चाहिए जो पहले से ही महत्वपूर्ण समय या मानव संसाधन खर्च करते हैं।

एक्सेस अनुरोध, कर्मचारी ऑनबोर्डिंग, घटना प्रतिक्रिया और आंतरिक समर्थन सभी IT को मापने योग्य कुछ ठोस प्रदान करते हैं। कंपनी को पहले से ही लगभग पता होता है कि वह कितने अनुरोध संभालती है, उन पर कितना कर्मचारी समय लगता है और कार्य कहाँ‑कहाँ अटकते हैं।

इसी से, IT यह निर्धारित कर सकता है कि AI किन हिस्सों को सुरक्षित रूप से संभाल सकता है और किन हिस्सों में अभी भी कर्मचारी को शामिल होना आवश्यक है। फिर वह तय कर सकता है कि वह निवेश से क्या हासिल करना चाहता है।

शायद टीम 30 प्रतिशत अधिक टिकट बिना नई भर्ती के संभालना चाहती है। शायद वह प्रत्येक एक्सेस अनुरोध की लागत घटाना चाहती है। शायद वह चाहता है कि कर्मचारी नियमित समर्थन पर कम समय बिताएँ ताकि वे उन कार्यों को संभाल सकें जो वर्तमान में बैकलॉग में हैं। एक बार जब IT को AI के साथ कार्य पूरा करने की पूरी लागत, जिसमें मानव हस्तक्षेप भी शामिल है, पता चल जाती है, तो वह उस कार्य के लिए लक्ष्य लागत निर्धारित कर सकता है और तय कर सकता है कि स्वचालन वास्तव में मूल्यवान है या नहीं।

जब AI काम करना शुरू कर देता है, तो CIO यह तुलना कर सकते हैं कि उन्होंने क्या अपेक्षा की थी और वास्तव में क्या हुआ। वे देख सकते हैं कि AI ने कितना काम पूरा किया, लोगों को कितनी बार हस्तक्षेप करना पड़ा और पूरी प्रक्रिया की लागत क्या रही।

यह CIO को वित्त विभाग के साथ AI खर्च के बारे में बात करने का बहुत सरल तरीका देता है। हजारों अनुमानित बचाए गए मिनटों पर डॉलर मूल्य लगाने की कोशिश करने के बजाय, वे दिखा सकते हैं कि AI ने कौन सा काम संभाला, कितना मानव श्रम अभी भी आवश्यक था और क्या कंपनी ने वह काम कम पैसे में पूरा किया।