एआई के पायलट से आगे: ग्राहक डेटा को ऐसे वैयक्तिकृत वाणिज्य में बदलना, जो बड़े पैमाने पर काम करे

एआई को लेकर उद्यमों का उत्साह, उनसे मिले नतीजों से कहीं आगे निकल गया है। Stanford का 2026 एआई सूचकांक बताता है कि 2025 में 88% संगठनों ने एआई का इस्तेमाल किया, फिर भी लगभग हर कारोबारी कार्य में एआई एजेंटों को अपनाने की दर एकल अंकों में ही रही। प्रयोग और मूल्य सृजन के बीच की दूरी अब भी बहुत बड़ी है, और ग्राहक अनुभव में यह साफ़ और ठोस रूप से दिखाई देती है। इस अंतर की वजह समझने के लिए दो अहम बातों पर विचार करना चाहिए।

पहली बात एआई के मामले में संगठन की परिपक्वता है। ज़्यादातर कंपनियाँ अब भी “व्यक्तिगत उत्पादकता” के चरण में हैं और ऐसे विस्तार-योग्य आधार तैयार करने की दिशा में काम कर रही हैं, जिनमें शासन, डेटा की तैयारी और कारगर साबित हुए उपयोग मामलों का पोर्टफोलियो शामिल हो। उन्हें उस “स्वायत्त” चरण तक पहुँचने में अभी काफ़ी समय लगेगा, जहाँ एआई एजेंट तय सीमाओं के भीतर काम कर सकें और लोग निगरानी तथा अपवादों को संभालने पर ध्यान दे सकें। एआई परिपक्वता के इस चरण तक पहुँचना “एआई-आधारित संचालन मॉडल” अपनाने की बुनियाद है। इस पर आगे बात करेंगे।

दूसरी बात डेटा और एआई-आधारित कारोबारी निर्णय लेने की प्रक्रिया के बीच का परिचालन अंतर है। ज़्यादातर संगठनों ने डेटा और प्रणालियों में पहले से निवेश कर रखा है। उन्होंने ग्राहकों का डेटा इकट्ठा किया है, मार्केटिंग ऑटोमेशन अपनाया है, क्लाउड पर स्थानांतरित हुए हैं और जनरेटिव एआई के प्रायोगिक इस्तेमाल किए हैं। इसके बावजूद, ग्राहकों को अब भी अप्रासंगिक सुझाव मिलते हैं, चैनलों के बीच तालमेल नहीं होता और सेवा के दौरान हुई बातचीत में कारोबारी संगठन को उनके बारे में पहले से मालूम बातों की अनदेखी की जाती है।

अक्सर समस्या मॉडल में नहीं होती। ज़्यादातर मामलों में, एआई बस उन खामियों को उजागर करता है जो पहले से मौजूद थीं: बिखरा हुआ डेटा, ज़िम्मेदारी का अस्पष्ट बँटवारा, असंबद्ध कार्यप्रवाह, तकनीकी कर्ज़ और ऐसे कारोबारी लक्ष्य जिन्हें कभी मापे जा सकने वाले उपयोग मामलों में बदला ही नहीं गया। आगे बढ़ने का रास्ता किसी बड़ी एआई पहल से शुरू नहीं होता। इसकी शुरुआत ग्राहकों से जुड़े कुछ सोच-समझकर चुने गए निर्णयों, संचालन के एक स्पष्ट मॉडल और ऐसे आर्किटेक्चर से होती है जो जानकारी को कार्रवाई में बदल सके।

जो नेता अलग-अलग पायलट परियोजनाओं से आगे बढ़कर एक दोहराई जा सकने वाली व्यवस्था बनाना चाहते हैं, उनके लिए कुछ प्राथमिकताएँ बाक़ी सभी बातों से ज़्यादा मायने रखती हैं।

शुरुआत किसी क्षमता से नहीं, एक निर्णय से करें।

पहला सवाल यह नहीं है कि “हम जनरेटिव एआई कहाँ लागू कर सकते हैं?” सवाल यह है कि “हमें ग्राहक अनुभव से जुड़े किस निर्णय को बेहतर बनाना है?” कोई एयरलाइन व्यवधान के दौरान यात्रियों को बेहतर विकल्प देना चाहती है। कोई खुदरा विक्रेता खरीदार को सही उत्पाद चुनने में मदद करना चाहता है, ताकि उत्पाद लौटाने की दर न बढ़े। कोई बैंक चाहता है कि उसका सेवा प्रतिनिधि अलग-अलग प्रणालियों में खोजबीन किए बिना किसी जटिल सवाल का समाधान कर सके। इनमें से हर उदाहरण एक निर्णय, एक व्यक्ति और एक नतीजे की पहचान करता है; इसी से पता चलता है कि किस डेटा की ज़रूरत है और सफलता कैसे मापी जानी चाहिए। इस बिंदु से शुरुआत करने पर नेताओं को “न” कहने में भी मदद मिलती है। अगर किसी ऐप का विचार या एजेंट की माँग को किसी वास्तविक निर्णय और मापे जा सकने वाले नतीजे से नहीं जोड़ा जा सकता, तो उसे प्राथमिकता नहीं मिलनी चाहिए।

“अनुभव बेहतर बनाने के लिए एआई का इस्तेमाल करें” कहना बहुत व्यापक है। इससे डेमो तो बनते हैं, लेकिन परिचालन क्षमता नहीं।

आज जब कोई उपभोक्ता इलेक्ट्रॉनिक्स विक्रेता “एआई शॉपिंग असिस्टेंट” जोड़ता है, तो उसका मतलब अक्सर एक सामान्य चैटबॉट होता है, जिसकी सफलता इस आधार पर आँकी जाती है कि कितने लोग उसका इस्तेमाल करते हैं। इसे खरीदार को सही लैपटॉप चुनने में मदद करने वाले निर्णय के रूप में परिभाषित करने पर, इसका लक्ष्य बिक्री रूपांतरण बढ़ाना और रिटर्न घटाना हो जाता है। इस तरह यह ऐसा टूल बन जाता है जो खरीदार की ज़रूरतों को बेहतर ढंग से समझने के लिए उत्पाद के ताज़ा स्पेसिफ़िकेशन का इस्तेमाल करता है और जिसकी सफलता बिक्री, रिटर्न तथा संतुष्टि के आधार पर मापी जाती है। विचार वही है, लेकिन नतीजा वास्तविक है।

एकीकृत डेटा को डेटाबेस परियोजना नहीं, क्षमता मानकर चलें।

“ग्राहक का 360-डिग्री दृश्य” अक्सर डेटा को एक जगह केंद्रित करने की कोशिश के रूप में बताया जाता है। व्यवहार में, यह पहचान, सहमति, ज़िम्मेदारी, गुणवत्ता और प्रमुख घटनाओं के अर्थ को लेकर संगठन के भीतर बनी सहमति है। ब्राउज़िंग सत्र किसी ज्ञात ग्राहक से जुड़ा है, किसी परिवार से या किसी अनाम डिवाइस से? सहमति के मामले में किस प्रणाली को प्रामाणिक माना जाएगा? सेवा के दौरान हुई बातचीत की जानकारी कितनी जल्दी किसी दूसरे चैनल पर उपलब्ध होनी चाहिए? इन सवालों के जवाब न हों, तो डेटा को एक जगह केंद्रित करने से एकीकरण का आभास तो पैदा होता है, पर उसकी विश्वसनीयता नहीं। इससे बेहतर तरीका यह है कि हर प्राथमिकता वाले उपयोग के मामले के लिए डेटा का एक साझा अनुबंध तय किया जाए। इसमें ज़रूरी फ़ील्ड और घटनाएँ, उनके प्रामाणिक स्रोत, स्वीकार्य विलंब, अनुमत इस्तेमाल और गुणवत्ता के लिए जवाबदेह टीम शामिल हों। लक्ष्य सारा डेटा जुटाना नहीं है। लक्ष्य है सही डेटा, जिस पर निर्णय लेते समय भरोसा किया जा सके।

एक वाहन विक्रेता चाहता है कि ऑनलाइन लौटकर आए खरीदार का स्वागत उसी मॉडल के उल्लेख के साथ किया जाए, जिसके कॉन्फ़िगरेशन पर वह काम कर रहा था। आज यह व्यवस्था विफल हो जाती है, क्योंकि कॉन्फ़िगरेटर, डीलर का CRM और वित्तीय प्रणाली—तीनों में ग्राहक का अलग-अलग रूप दर्ज है और इस बात पर सहमति नहीं है कि तीन सप्ताह पुराना लीज़ कोट अब भी मान्य है या नहीं। इस पूरी प्रक्रिया को स्पष्ट डेटा नियमों वाली एक ग्राहक-यात्रा के रूप में देखने से यह तय हो जाता है कि किसकी क्या ज़िम्मेदारी है: कॉन्फ़िगरेटर में तैयार किए गए वाहन का प्रामाणिक रिकॉर्ड होगा, वित्तीय डेटा में सहमति और उसकी समाप्ति की अवधि स्पष्ट रूप से दर्ज होगी, और इन्वेंट्री फ़ीड हर कुछ मिनट में ताज़ा होगी। इस तरह खरीदार को ऐसी कार कभी नहीं दिखाई जाएगी जिसे डीलर अभी-अभी बेच चुका हो। यह “ग्राहकों का सारा डेटा एकीकृत करने” से कहीं सरल है, और स्वागत संदेश सचमुच काम करता है।

वैयक्तिकरण को सतत निर्णय-प्रणाली के रूप में डिज़ाइन करें।

कई कार्यक्रम अब भी अभियान-केंद्रित प्रणालियों की तरह काम करते हैं। टीमें एक ग्राहक-वर्ग तय करती हैं, सामग्री तैयार करती हैं और निर्धारित समय पर उसे भेजती हैं। जनरेटिव एआई अधिक रूपांतर तैयार करता है, लेकिन कार्यप्रणाली में बदलाव नहीं लाता। संदर्भ-सचेत अनुभव इससे अलग ढंग से काम करता है। यह ग्राहक की मौजूदा परिस्थिति को समझता है, उपलब्ध कार्रवाइयों की पहचान करता है, कारोबारी और नीतिगत सीमाओं के भीतर उनमें से एक चुनता है, उसे सही माध्यम से पहुँचाता है और फिर प्रतिक्रिया से सीखता है। अहम बात यह है कि हर बातचीत को अलग-अलग ढंग से ढालना लक्ष्य नहीं है। कभी-कभी सही कदम एक मानक संदेश भेजना, किसी इंसान को मामला सौंपना या कुछ भी न करना होता है। प्रभावी वैयक्तिकरण को तैयार किए गए रूपांतरों की संख्या से नहीं आँका जाता। इसे इस आधार पर मापा जाता है कि संगठन ने ग्राहक के लिए अधिक प्रासंगिक निर्णय लिया या नहीं, और ऐसा करते समय ग्राहक की अपेक्षाओं का सम्मान किया या नहीं। भरोसा अनुभव का अभिन्न हिस्सा होना चाहिए, न कि बाद में जोड़ी गई अनुपालन-समीक्षा का।

एक बैंक देखता है कि एक ग्राहक बार-बार गृह-ऋण की ब्याज दरें जाँच रहा है। आज अभियान-केंद्रित प्रणाली उसे अगले तयशुदा संदेश-प्रेषण के समय “पहली बार घर खरीदने वालों” की ईमेल शृंखला में शामिल कर देती है। इसे एक निरंतर निर्णय-प्रक्रिया के रूप में देखने पर प्रणाली उस पल की स्थिति को समझती है: क्या ग्राहक घर खरीदने की प्रक्रिया के बीच दरों की तुलना कर रहा है, या बस कई महीने पहले से जिज्ञासावश जानकारी ले रहा है? स्थिति स्पष्ट न होने पर प्रणाली संयमित कदम उठाती है और जल्दबाज़ी में “आज ही पूर्व-मंज़ूरी लें” कहने के बजाय मददगार संकेत देती है: “जानना चाहेंगे कि आप कितना खर्च कर सकते हैं?” ऐसा जल्दबाज़ी भरा आग्रह ग्राहक की स्थिति को गलत समझ सकता है। ग्राहक रुचि दिखाए तो प्रणाली सीखकर अपने तरीके में बदलाव करती है। रुचि न दिखाए तो वह आगे बढ़ने से रुक जाती है। कभी-कभी सबसे प्रासंगिक निर्णय वही होता है जो सबसे कम दखल दे, और यही संयम भरोसा बनाए रखता है।

गति बढ़ाने से पहले सामग्री और संरचना से जुड़ी बाधाएँ दूर करें।

जनरेटिव एआई बहुत तेज़ी से लिखित सामग्री और चित्र तैयार कर सकता है, लेकिन सामग्री-प्रक्रिया में खामी हो तो यह तेज़ी केवल अड़चन को सामग्री बनाने से हटाकर उसकी समीक्षा और संचालन-नियंत्रण पर पहुँचा देती है। Content Marketing Institute के अनुसार, बड़े उद्यमों के 75% विपणक एआई का उपयोग कर रहे थे, लेकिन केवल 15% ने इसे अपने दैनिक कार्यप्रवाह में शामिल किया था। सुव्यवस्थित और पुनः उपयोग योग्य सामग्री—यानी ऐसे स्वीकृत तथ्य और घटक जिन्हें अलग-अलग माध्यमों के लिए जोड़कर इस्तेमाल किया जा सके—एआई को मूल तथ्यों में मनगढ़ंत बातें जोड़े बिना सामग्री के अनुरूप ढलने देती है। यही अनुशासन तकनीकी ढाँचे पर भी लागू होता है। “कंपोज़ेबल” होने के नाम पर हर चीज़ को नए सिरे से ढालने के बजाय, प्राथमिकता वाले उपयोग-मामलों से जुड़ी कुछ अहम ग्राहक-यात्राओं का खाका बनाएँ, पता लगाएँ कि पुराने सिस्टम कहाँ देरी पैदा करते हैं या डेटा तक पहुँच रोकते हैं, और फिर इन बाधाओं को ध्यान में रखकर चरणबद्ध आधुनिकीकरण करें। प्रगति का पैमाना अपनाई गई तकनीकों की संख्या नहीं है। असली पैमाना यह है कि हर बार एक ही एकीकरण का काम दोहराए बिना, ग्राहक-यात्रा को कितनी सुरक्षित और तेज़ी से बदला जा सकता है।

एक खुदरा विक्रेता 40,000 वस्तुओं के विवरण लिखने के लिए एआई का उपयोग करता है। आज इससे कानूनी समीक्षा पर भारी दबाव पड़ता है, क्योंकि हर वस्तु के दावों और वारंटी की शर्तों की जाँच करनी होती है। नए नज़रिए से देखें तो समाधान अधिक तेज़ मॉडल नहीं, बल्कि नियंत्रित और विश्वसनीय स्रोत है: एक पीआईएम, जिसमें स्वीकृत विनिर्देश, दावे और वारंटी की भाषा पुनः उपयोग योग्य घटकों के रूप में रखी जाती है। एआई इन्हीं घटकों को जोड़कर सामग्री तैयार करता है, जिससे वह तथ्य गढ़े बिना भाषा-शैली में बदलाव कर सकता है।

यही तर्क तकनीकी ढाँचे पर भी लागू होता है। हर सिस्टम को नए मंच पर ले जाने के बजाय, टीम केवल पुराने पड़ चुके उस इन्वेंटरी सिस्टम का आधुनिकीकरण करती है जो “आपके पास की दुकानों में उपलब्ध” वैयक्तिकरण को वास्तविक समय में दिखाने से रोक रहा है; स्थिर सिस्टम वैसे ही रहने देती है। प्रगति का मतलब ग्राहक-यात्रा को तेज़ी से बदल पाना है, न कि और उपकरण जोड़ना।

कार्यान्वयन में ही संचालन-नियंत्रण शामिल करें और मूल्य को समग्र रूप से मापें।

संचालन-नियंत्रण को अंतिम पड़ाव पर रखेंगे तो वह बहुत देर से लागू होगा—तब तक ऐसे निर्णय लिए जा चुके होंगे जिन्हें पलटना कठिन है। NIST का एआई जोखिम प्रबंधन ढाँचा जैसे ढाँचे सबसे उपयोगी तब होते हैं, जब वे शुरुआत से ही उपयोग-मामले की दिशा तय करें। इनमें गोपनीयता, पक्षपात, ब्रांड की अखंडता, विश्वसनीयता और अनुरेखणीयता शामिल होनी चाहिए, और नियंत्रणों का स्तर उस बातचीत के जोखिम के अनुरूप होना चाहिए। दूसरी ओर, मूल्य को शायद ही कभी एक बड़ी संख्या से व्यक्त किया जा सकता है। यह ग्राहक-परिणामों—जैसे संतुष्टि, कार्य पूरा होना और ग्राहक बनाए रखना—पर; परिचालन-परिणामों—जैसे प्रक्रिया-चक्र और समाधान में लगने वाला समय तथा पुनः उपयोग—पर; वाणिज्यिक परिणामों—जैसे रूपांतरण, सेवा-लागत और ग्राहक का आजीवन मूल्य—पर; और जोखिम-परिणामों—जैसे त्रुटि-दर, शिकायतें और मानवीय हस्तक्षेप—पर बँटा होता है। इन सभी को एक आधार-स्तर के मुकाबले और बड़े पैमाने पर संचालन की पूरी लागत घटाकर मापा जाना चाहिए।

एक एयरलाइन व्यवधानों से निपटने के लिए एआई एजेंट का उपयोग करती है। आज “क्या मेरी उड़ान में देरी हुई है?” जैसे सवाल का जवाब देना कम जोखिम वाला और पूरी तरह स्वचालित है। लेकिन यात्री की दूसरी उड़ान की व्यवस्था करना या तय सीमा से अधिक यात्रा-क्रेडिट जारी करना किसी इंसान के पास भेजा जाता है, क्योंकि वहाँ गलत निर्णय की कीमत भारी पड़ सकती है। नए नज़रिए से देखें तो मूल्य उन नतीजों के आधार पर मापा जाता है जो वास्तव में मायने रखते हैं: व्यवधान के दौरान यात्रियों की स्थिति जल्दी सामान्य करना, अधिक मूल्यवान निष्ठावान सदस्यों के हित में दूसरी उड़ान की व्यवस्था करना और शिकायतों पर बारीकी से नज़र रखना। अगर व्यवधान को अच्छी तरह संभाला जाए, तो यात्री को खोने के बजाय उसे बनाए रखने का अवसर मिलता है—और इसी से ग्राहक का असली आजीवन मूल्य हासिल होता है।

परिपक्वता का सवाल।

स्थायी मूल्य बनाने वाले उद्यम वे नहीं होंगे जो सबसे अधिक प्रयोग करते हैं। वे होंगे जिनके पास ग्राहक की ज़रूरतों, भरोसेमंद डेटा, नियंत्रित बुद्धिमत्ता, पुनः उपयोग योग्य सामग्री और मापने योग्य नतीजों को जोड़ने का एक दोहराया जा सकने वाला तरीका होगा—और यह जानने की ईमानदारी भी होगी कि वे आज इस राह पर कहाँ खड़े हैं। ज़्यादातर संगठन अपने प्रायोगिक कार्यक्रमों की गतिविधियों से जितना लगता है, उससे कहीं शुरुआती चरण में हैं।

एआई-आधारित संगठन वह है जिसके कामकाज और प्रतिस्पर्धा करने के हर स्तर में एआई गुँथा हुआ हो। मौजूदा प्रक्रियाओं को बेहतर बनाने के बजाय, उसका संचालन-मॉडल ही एआई को केंद्र में रखकर बनाया जाता है, जहाँ बुद्धिमत्ता कारोबार की एक मुख्य क्षमता होती है।

इसलिए किसी नेतृत्वकर्ता के लिए अब अधिक उपयोगी सवाल यह नहीं है कि “हम एआई को कहाँ जोड़ सकते हैं?” बल्कि यह है: “हम किन निर्णयों को बेहतर बना सकते हैं, और उस सुधार को ज़िम्मेदारी से बड़े पैमाने पर लागू करने के लिए किन बातों का सही होना ज़रूरी है?”