एआई एजेंटों को वास्तविक समस्या क्यों होती है – यह तकनीकी नहीं है, बल्कि ज्ञान संबंधी है

पिछले वर्ष, एसएंडपी ग्लोबल रिपोर्ट के अनुसार, कंपनियों द्वारा अपनी अधिकांश एआई पहलों को छोड़ने वाली कंपनियों का हिस्सा 17% से अधिक होकर 42% हो गया। इससे पहले, गार्टनर प्रकाशित एक पूर्वानुमान पर एजेंटिक एआई परियोजनाओं: 40% उन्हें 2027 के अंत तक बंद कर दिया जाएगा।

मैकिन्से एंड कंपनी के अनुसार, लगभग आधी कंपनियां एआई एजेंटों के साथ प्रयोग कर रही हैं। लेकिन कितनी कंपनियां पायलट चरण से आगे बढ़कर वास्तविक रूप से संचालित हो रही हैं? लगभग एक दसवां हिस्सा।

उद्योग में इसके पीछे के कारणों की कोई कमी नहीं है: मॉडल हॉलुसिनेशन, शासन की कमी, उच्च जीपीयू लागत, और विशेषज्ञों की कमी। ये सभी वास्तविक चुनौतियां हैं। लेकिन ज्ञान प्रबंधन प्रणालियों और एआई एजेंटों के साथ तीन वर्षों के काम के बाद, मैं एक अलग पैटर्न देख रहा हूं: कंपनियां अपने एजेंटों को अधूरा डेटा पास कर रही हैं।

एक शिक्षा विज्ञान के डॉक्टर के रूप में, मैं इसे ज्ञान हस्तांतरण समस्या के रूप में देखता हूं। यदि कोई व्यक्ति यह नहीं बता सकता कि वे निर्णय कैसे लेते हैं, तो उनकी तर्क को एक नए कर्मचारी को स्थानांतरित नहीं किया जा सकता – और न ही एक एआई एजेंट को। आइए देखें कि यह क्यों होता है और इसके बारे में क्या किया जा सकता है।

कंपनी के संचालन के बारे में ज्ञान कहां रहता है

एक बड़ी कंपनी से पूछें कि कर्मचारी ज्ञान कहां संग्रहीत है, और आपको एक लंबी सूची मिलेगी: कॉन्फ्लुएंस, शेयरपॉइंट, एलएमएस प्लेटफ़ॉर्म, एफएक्यू बॉट, स्लैक आर्काइव। यह ऐसा लगता है कि यह वह स्टैक है जो एक आरएजी सिस्टम का उपयोग कर सकता है और जो आवश्यक है उसे पुनः प्राप्त कर सकता है। लेकिन एक महत्वपूर्ण तत्व गायब है – जो ज्ञान लोगों के दिमाग में रहता है। ज्ञान जिसे कभी किसी ने लिखा नहीं है।

यह समस्या क्यों है?

क्योंकि एक एआई एजेंट को कार्य प्रवाह का एक हिस्सा लेने के लिए – संदर्भ को समझने, एक क्रिया चुनने और एक कार्य को पूरा करने के लिए – उसे न केवल ज्ञान आधार तक पहुंच की आवश्यकता है, बल्कि एक अनुभवी विशेषज्ञ द्वारा उपयोग की जाने वाली निर्णय लेने की तर्क भी है।

एक नए समर्थन एजेंट को एक अनुरोध मिला है: एक ग्राहक दावा करता है कि उन्होंने एक सेवा के लिए भुगतान किया है, लेकिन पहुंच सक्रिय नहीं है। स्क्रिप्ट में एक मानक सेट के चरण हैं जो ग्राहक से पूछने के साथ समाप्त होता है कि वे प्रतीक्षा करें। हालांकि, एजेंट को यह असामान्य लगता है: ग्राहक ने पहले ही दो बार समर्थन से संपर्क किया है, और प्रणाली में पिछले एक घंटे में कई समान मामले हैं। वे एक अधिक अनुभवी सहयोगी से संपर्क करते हैं, जो उन्हें बताते हैं कि उन्होंने इसे पहले देखा है और समस्या संभवतः भुगतान गेटवे और आंतरिक सक्रियण प्रणाली के बीच एक विफलता है – इसलिए मामले को एक अन्य विभाग में बढ़ाया जाना चाहिए।

एक एआई एजेंट के लिए, यह तर्क अदृश्य है। इसके पास स्क्रिप्ट, टिकट इतिहास और भुगतान स्थिति तक पहुंच हो सकती है यदि ये डेटा स्रोत जुड़े हुए हैं, लेकिन यह नहीं जानता कि एक अनुभवी ऑपरेटर कौन से संकेतों को निर्णायक मानता है। यह ऐसा नहीं है कि विशेषज्ञ जानबूझकर इस ज्ञान को छुपा रहे हैं। वे बस इसे औपचारिक बनाने या चरणों में तोड़ने में असमर्थ हैं: कौन से विकल्प खारिज कर दिए गए, क्यों एक विशिष्ट क्रिया चुनी गई, और कब यह स्पष्ट हो गया कि मानक दृश्य लागू नहीं होता है। संज्ञानात्मक वैज्ञानिक इसे तथ्य ज्ञान के रूप में संदर्भित करते हैं – ज्ञान जो अपने धारक को भी पूरी तरह से पता नहीं हो सकता है।

यही कारण है कि बोतलनेक दस्तावेजों तक पहुंच के स्तर पर नहीं उत्पन्न होता है, बल्कि विशेषज्ञ अनुभव को एक एआई एजेंट के लिए उपयुक्त प्रारूप में परिवर्तित करने के चरण पर होता है।

इसके बारे में क्या करना है

एक एआई एजेंट को प्रभावी ढंग से काम करने के लिए, बस एक एलएलएम को एक कॉर्पोरेट ज्ञान आधार से जोड़ना पर्याप्त नहीं है, क्योंकि सफल निर्णय अक्सर तथ्य ज्ञान पर निर्भर करते हैं। पहले एक ज्ञान परत बनानी होगी, जिसमें संरचित निर्णय लेने के मानदंड शामिल हों।

ज्ञान प्रबंधन में, इस प्रक्रिया को बाहरीकरण कहा जाता है – तथ्य ज्ञान को स्पष्ट ज्ञान में परिवर्तित करना। दूसरे शब्दों में, एक कंपनी को यह समझने की आवश्यकता है कि न केवल एक विशेषज्ञ क्या करता है, बल्कि वह कैसे सोचता है। यह आमतौर पर एक शीर्ष विशेषज्ञ के साथ गहराई से साक्षात्कार की एक श्रृंखला के माध्यम से किया जाता है। उनके साथ कोई ऐसा व्यक्ति होना चाहिए जो सही प्रश्न पूछने में कुशल हो: एक विधिवेत्ता, ज्ञान अभियंता, या निर्देशात्मक डिजाइन विशेषज्ञ। उनका कार्य यह नहीं है कि वे एक “निर्देश लिखें जो विशेषज्ञ के अनुसार है,” बल्कि विकल्पों के बीच चयन के मानदंड का पुनर्निर्माण करें, किनारे के मामलों को तोड़ें, और उन आम गलतियों को उजागर करें जिन्हें विशेषज्ञ पहले से ही स्वचालित रूप से संभालता है।

यहां, एआई महत्वपूर्ण रूप से मदद कर सकता है: साक्षात्कार का लिप्यंतरण, समान मामलों का समूह, विशेषज्ञ व्याख्याओं को मसौदा परिदृश्यों में बदलना, और सत्यापन के लिए स्थितियों का उत्पादन। हालांकि, अंतिम संरचना की अभी भी विशेषज्ञ द्वारा समीक्षा और अनुमोदन की आवश्यकता है।

परिणाम एक कार्य ज्ञान निगम होना चाहिए। इसका उपयोग एक ही समय में दो दिशाओं में किया जा सकता है – नए कर्मचारियों को प्रशिक्षित करने के लिए और एक एआई एजेंट को कॉन्फ़िगर करने के लिए। दोनों परिदृश्य एक ही आधार पर निर्भर करते हैं: शीर्ष विशेषज्ञों से संरचित अनुभव।

विकल्प यह है कि कॉन्फ्लुएंस पर आरएजी पर निर्भर रहना जारी रखें कि यह कभी भी तर्क को पुनर्निर्मित करेगा जो पहले कभी दस्तावेज नहीं किया गया था। व्यवहार में, यह लगभग कभी नहीं काम करता है: प्रणाली एक प्रासंगिक दस्तावेज पुनर्प्राप्त कर सकती है, लेकिन यह संदर्भ और अनुभव पर निर्भर कार्रवाई का चयन करने का तरीका नहीं सीखेगी।

जांचें कि एजेंट काम करने के लिए तैयार है या नहीं

आपने विशेषज्ञ ज्ञान को परिदृश्यों में परिवर्तित किया है और एजेंट को कॉन्फ़िगर किया है। लेकिन एजेंट के विश्वसनीय उत्तरों और वास्तविक परिचालन प्रदर्शन के बीच एक अंतर है – और यह अंतर केवल सत्यापन के दौरान दिखाई देता है। इस चरण में, यह महत्वपूर्ण है कि यह निर्धारित किया जाए कि क्या आपने वास्तव में आवश्यक सभी ज्ञान को पकड़ लिया है।

एक व्यावहारिक दृष्टिकोण परिदृश्य-आधारित परीक्षण है। आप एजेंट को वास्तविक मामले देते हैं जो एक विशेषज्ञ के दैनिक काम से हैं: एक ग्राहक शुल्क के बारे में विवाद करता है, एक असामान्य ईमेल आता है, या एक अनुरोध आता है जो मूल स्क्रिप्ट में फिट नहीं होता है। परिणामों का मूल्यांकन एक अन्य एलएलएम द्वारा नहीं किया जाना चाहिए, बल्कि उसी विशेषज्ञ द्वारा जिसने ज्ञान निगम बनाने में मदद की थी। यदि एजेंट एक अनुभवी विशेषज्ञ से अलग मार्ग लेता है, तो इसका मतलब यह नहीं है कि मॉडल कमजोर है। अधिक बार, यह इंगित करता है कि एक महत्वपूर्ण नियम, अपवाद, या उदाहरण गायब है। उस स्थिति में, प्रक्रिया शुरू से शुरू होती है: विधिवेत्ता विशेषज्ञ के साथ तर्क को स्पष्ट करता है, ज्ञान निगम को अद्यतन किया जाता है, निर्देशों को परिष्कृत किया जाता है, और परीक्षण दोहराया जाता है।

यह चक्र एक वैकल्पिक चरण नहीं है, बल्कि एक चरण है जो एक एजेंट के बीच के अंतर को परिभाषित करता है जो केवल “संभावना का प्रदर्शन” करता है और जो वास्तव में काम करता है। यह प्रक्रिया का एक धीमा और बहुत प्रभावशाली हिस्सा नहीं है: यह एक आकर्षक डेमो का उत्पादन नहीं करता है और विशेषज्ञों की भागीदारी की आवश्यकता है। लेकिन जो लोग इसे व्यवस्थित रूप से करते हैं वे उन एजेंटों के साथ समाप्त होते हैं जो वास्तव में विशेषज्ञों के लिए रूटीन कार्यभार को कम करते हैं। जो लोग इसे छोड़ देते हैं, उन्हें छह महीने के भीतर अक्सर गार्टनर के आंकड़ों में पाते हैं, जो भविष्यवाणी करते हैं कि 40% परियोजनाएं रद्द कर दी जाएंगी।

एजेंटिक एआई तकनीकी कारणों से विफल नहीं होता है – आधुनिक मॉडल पहले से ही जटिल कार्यों को करने में सक्षम हैं। यह इसलिए विफल होता है क्योंकि कंपनियां इसे अधूरा ज्ञान “खिलाती” हैं। 2024-2025 में, इसे अभी भी प्रायोगिक चरण से समझाया जा सकता था। 2026 में, यह गलती पहले से ही एक उच्च लागत पर आती है।