एआई मिनट-दर-मिनट फैसले लेता है। ज़्यादातर शासन-व्यवस्था अब भी तिमाही आधार पर चलती है

एआई-सहायता प्राप्त प्रणाली संचालन से जुड़े सैकड़ों फैसलों को प्रभावित कर सकती है, इससे पहले कि संचालन समिति अपनी अगली बैठक तय करे। तिमाही समीक्षाओं पर आधारित शासन-व्यवस्था इतनी तेज़ी के लिए बनाई ही नहीं गई थी, और इसी असंगति के कारण उद्यमों के कई एआई कार्यक्रमों को मुश्किलें आने लगती हैं।

हम यह तय करने में बहुत समय व्यतीत करते हैं कि किन मॉडलों को तैनात करना है। फिर भी गार्टनर की भविष्यवाणी है कि 2026 तक, संगठन एआई-रेडी डेटा से असमर्थित 60% एआई परियोजनाओं को छोड़ देंगे। अधिकांश एंटरप्राइज़ एआई विफलताओं का मॉडल से बहुत कम लेना-देना होता है। वे कुछ अधिक मौलिक से उत्पन्न होते हैं: संगठनों को अपने स्वयं के व्यवसाय की विश्वसनीय, जुड़ी हुई समझ नहीं होती है।

“एआई-तैयार” डेटा की छिपी हुई लागत

ज़्यादातर उद्यम यह कम आँकते हैं कि अपने डेटा के स्वामित्व, शासन, विश्वसनीयता और संदर्भ को स्थापित करने के लिए कितने प्रयास की ज़रूरत होती है। पारदर्शिता, व्याख्येयता और जवाबदेही सुनिश्चित करने वाले शासन-ढाँचे बनाने के लिए आवश्यक विभिन्न विभागों की विशेषज्ञता और परिचालन मॉडल में बहुत कम संगठन निवेश करते हैं—जबकि एआई को प्रायोगिक परियोजनाओं से आगे ले जाने के लिए ये ज़रूरी हैं।

एक आसान कसौटी है, जिसे अपनाने की मैं ग्राहकों से पुरज़ोर सिफारिश करता हूँ। क्या संगठन स्पष्ट रूप से बता सकता है कि डेटा का स्वामी कौन है, उसका कारोबारी प्रक्रियाओं से क्या संबंध है, उसके उपयोग पर कौन-से नियंत्रण लागू हैं और एआई-सहायता प्राप्त फैसलों की जवाबदेही किसकी है? अगर नहीं, तो प्लेटफ़ॉर्म, बुनियादी ढाँचे या मॉडल में वे कितना भी निवेश करें, उनकी एआई पहल सफल होने की संभावना कम है।

उद्यमों की एआई यात्रा का पहला कदम शासन और एक व्यावहारिक परिचालन मॉडल में निवेश करना होना चाहिए, जो स्वामित्व, जवाबदेही और निर्णय लेने के अधिकारों को स्पष्ट रूप से निर्धारित करे। मेरा अनुभव है कि ज़्यादातर संगठन इसका उलटा करते हैं: बड़े पैमाने पर एआई चलाने के लिए ज़रूरी बुनियाद तैयार करने से पहले ही मॉडल और बुनियादी ढाँचा खड़ा कर देते हैं।

लेकिन एआई-सहायता प्राप्त फैसले सिर्फ़ अलग-अलग डेटा बिंदुओं पर निर्भर नहीं करते; वे इस समझ पर भी निर्भर करते हैं कि जानकारी का कारोबारी प्रक्रियाओं, नीतियों, स्वामित्व और परिचालन संदर्भ से क्या संबंध है। जब ये संबंध बिखरे हुए हों, तो संगठनों को इस बात पर हैरान नहीं होना चाहिए कि एआई की सिफारिशें असंगत हो जाती हैं।

जब एआई अनुप्रयोगों में लगभग हुई चूकें, विफलताएँ या परस्पर विरोधी सिफारिशें सामने आती हैं, तो अहम सवाल तकनीकी नहीं, बल्कि संगठनात्मक होते हैं। डेटा का स्वामी कौन है? फैसले की ज़िम्मेदारी किसकी है? एआई के फैसले को कौन पलट सकता है? अपवादों को उच्च स्तर तक कैसे पहुँचाया जाता है? इन सवालों के जवाब न हों, तो उद्यमों में जवाबदेही के बिना स्वचालन स्थापित होने का जोखिम रहता है।

कार्यान्वयन से पहले ही बनता है भरोसा

किसी भी मॉडल के सक्रिय होने से बहुत पहले एआई पर भरोसा स्थापित हो जाता है। प्रभावी शासन के लिए प्रौद्योगिकी, कारोबारी विभागों, जोखिम, कानूनी मामलों, अनुपालन और सुरक्षा से जुड़े लोगों के बीच सहयोग ज़रूरी है, क्योंकि एआई प्रणालियाँ संगठनात्मक सीमाओं के पार काम करती हैं, जबकि जवाबदेही अक्सर अलग-अलग विभागों तक सीमित रहती है। एआई के कारण पैदा हुई बताई जाने वाली शासन-संबंधी कई चुनौतियाँ डेटा के स्वामित्व और निर्णय लेने के अधिकार से जुड़ी पुरानी समस्याओं के लक्षण हैं, जिन्हें प्रौद्योगिकी ने बस उजागर किया है।

ज़्यादातर संगठनों में सुरक्षा नीतियों, अनुपालन ढाँचों और अनुमोदन प्रक्रियाओं के ज़रिए पहले से ही शासन-व्यवस्था मौजूद है। अक्सर उनमें यह समग्र समझ नहीं होती कि ये सभी हिस्से आपस में कैसे जुड़ते हैं।

भरोसा तब विकसित होता है, जब संबंधित पक्ष सिफारिशों के पीछे का तर्क समझते हैं, अंतर्निहित डेटा पर भरोसा रखते हैं और जानते हैं कि उचित नियंत्रण तथा समस्या को उच्च स्तर तक पहुँचाने की व्यवस्थाएँ लागू हैं। किसी घटना के बाद इनमें से कुछ भी जोड़ा नहीं जा सकता।

जब तिमाही शासन का सामना मिनट-दर-मिनट लिए जा रहे फैसलों से होता है

पारंपरिक शासन मॉडल समय-समय पर होने वाली समीक्षाओं, संचालन समितियों और पिछली घटनाओं की रिपोर्टिंग पर निर्भर करते हैं। एआई-सहायता प्राप्त प्रणालियाँ लगातार और बड़े पैमाने पर सिफारिशें देती हैं। मौजूदा ढाँचे गलत नहीं हैं, लेकिन वे बहुत धीमे हैं और परिचालन संबंधी निर्णय लेने से कटे हुए हैं। हर तिमाही होने वाली समीक्षा के चक्र से उन फैसलों का शासन नहीं किया जा सकता, जो हर दिन के हर घंटे लिए जा रहे हों।

मुझे सबसे अच्छी सफलता उन संगठनों में दिखती है, जो नीतियों को लागू करने, अनुमोदन कार्यप्रवाह, निगरानी, लेखापरीक्षण-क्षमता और मानवीय निगरानी के ज़रिए शासन को सीधे परिचालन कार्यप्रवाहों में शामिल करते हैं। उन्होंने समय-समय पर होने वाले शासन से निरंतर शासन की ओर बढ़ने का संकल्प लिया है, ताकि वे वास्तविक समय में देख सकें कि कौन-सा डेटा इस्तेमाल हो रहा है, किन फैसलों पर उसका प्रभाव पड़ रहा है, जवाबदेही किसकी है और मानवीय हस्तक्षेप की ज़रूरत कब है।

निरंतर शासन का अर्थ सिर्फ़ एआई के नतीजों की निगरानी करना नहीं है। इसका मतलब यह समझना है कि एआई कौन-सी जानकारी इस्तेमाल कर रहा है, क्या वह अब भी वैध है और क्या फैसले अब भी कारोबारी नीतियों तथा उद्देश्यों के अनुरूप हैं।

एआई खुद से असहमत होगा

बड़े संगठन हर दिन परस्पर विरोधी प्राथमिकताओं से निपटते हैं। सुरक्षा दल जोखिम घटाना चाहते हैं, परिचालन दल स्थिरता चाहते हैं, कारोबारी दल तेज़ी चाहते हैं और वित्त दल लागत-कुशलता चाहते हैं। अब ऐसे एआई सिस्टम भी आ गए हैं, जिन्हें अलग-अलग डेटासेट और उद्देश्यों के आधार पर प्रशिक्षित किया जाता है और जो स्वाभाविक रूप से इन्हीं प्राथमिकताओं को दर्शाएँगे।

सुरक्षा से जुड़ा एआई किसी गंभीर कमज़ोरी को तुरंत दूर करने की सिफारिश कर सकता है, जबकि परिचालन दल बदलाव को टाल सकता है, क्योंकि प्रभावित सिस्टम किसी अहम कारोबारी सेवा को सहारा देता है। दोनों पक्षों की बातें सही हो सकती हैं। ऐसे टकरावों को सुलझाने के लिए निर्णय लेने के अधिकार, जोखिम का स्पष्ट स्वामित्व और समस्या को उच्च स्तर तक पहुँचाने के रास्ते तय होने चाहिए।

AI को डेटा, संदर्भ और सुझाव देने चाहिए, लेकिन व्यावसायिक, परिचालन और जोखिम संबंधी पहलुओं के बीच संतुलन बनाने की जवाबदेही संगठन की ही रहनी चाहिए।

विसंगतियाँ सामने आने पर संशय से निपटना

जब AI कोई असंगत सुझाव देता है, तो यह स्पष्ट है कि भविष्य में कारोबार उस पर संदेह करेगा। भरोसा तब दोबारा कायम होता है, जब हितधारक समझते हैं कि सुझाव क्यों दिया गया, उसमें कौन-सा डेटा इस्तेमाल हुआ और उसके नतीजे के लिए जवाबदेह कौन है।

AI अक्सर डेटा की गुणवत्ता से जुड़ी समस्याओं, स्वामित्व की अस्पष्टताओं और प्रक्रियाओं की उन विसंगतियों को उजागर करता है, जो संगठन में पहले से मौजूद थीं। इन मौकों को शासन-व्यवस्था और कार्यप्रणालियों को बेहतर बनाने के अवसरों के रूप में देखना, तकनीक का बचाव करने से कहीं अधिक कारगर है। समय के साथ, पारदर्शिता, निरंतरता और कारोबार के ऐसे नतीजों से भरोसा अर्जित होता है जिन्हें साबित किया जा सके।

विश्वसनीय सूचना की बुनियाद

AI के लिए तत्परता पर होने वाली चर्चा आम तौर पर मॉडल, बुनियादी ढाँचे और टूल पर केंद्रित रहती है। लेकिन व्यवहार में, सबसे बड़ी सफलता हासिल करने वाले संगठन एक और बुनियादी चीज़ में निवेश कर रहे हैं: विश्वसनीय सूचना की बुनियाद। यह वह व्यावसायिक संदर्भ देता है जो बताता है कि सूचना का प्रक्रियाओं, नीतियों, स्वामित्व और परिचालन संबंधी निर्णयों से क्या जुड़ाव है। इससे AI को ऐसे सुझाव देने का अधिक मजबूत आधार मिलता है जिन्हें संगठन समझ सकें, जिनका वे शासन कर सकें और जिन पर भरोसा कर सकें।

सबसे उन्नत AI मॉडल भी कमजोर सूचना-प्रबंधन, अस्पष्ट स्वामित्व या अपर्याप्त व्यावसायिक संदर्भ की भरपाई नहीं कर सकता। संगठनों को बड़े पैमाने पर AI का ज़िम्मेदारी से और प्रभावी ढंग से इस्तेमाल करने के लिए आवश्यक संदर्भ, शासन-व्यवस्था, संस्थागत स्मृति और निर्णय लेने की क्षमता विकसित करनी होगी।

यह काम नया मॉडल तैनात करने की तुलना में धीमा और कम दिखाई देने वाला है, लेकिन आखिरकार यही तय करता है कि मॉडल कारोबार को दीर्घकालिक मूल्य देगा या नहीं।