विचार नेता

उद्यमों में एआई गवर्नेंस की शुरुआत डेटाबेस के बुनियादी ढाँचे से होती है

Phillip Merrick
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुएंटरप्राइज़ AI पायलट विफल होते हैं क्योंकि डेटा परत पर शासन (गवर्नेंस) अंतर्निहित नहीं…
और देखें
  • एंटरप्राइज़ AI पायलट विफल होते हैं क्योंकि डेटा परत पर शासन (गवर्नेंस) अंतर्निहित नहीं होता।
  • स्वायत्त एजेंट डेटा-परत नियंत्रणों की मांग करते हैं क्योंकि अनियंत्रित राइट्स सिस्टमों में कैस्केड हो सकते हैं।
  • डेटाबेस स्तर पर इन्फ्रास्ट्रक्चर-प्रथम शासन पायलट और प्रोडक्शन के बीच की खाई को पाटता है।

उद्यमों में एआई के साथ प्रयोग पहले कभी इतने तेज़ नहीं हुए, फिर भी वास्तविक संचालन तक पहुँचने की प्रक्रिया धीमी बनी हुई है। टीमें पायलट शुरू कर रही हैं, मॉडल परख रही हैं और कुछ हफ़्तों, कभी-कभी कुछ दिनों में ही उत्साहजनक परिणाम दिखा रही हैं। लेकिन जब इन प्रणालियों को बड़े पैमाने पर तैनात करने का समय आता है, तो प्रगति अक्सर रुक जाती है। सुरक्षा संबंधी चिंताएँ सामने आती हैं, अनुपालन की आवश्यकताएँ कड़ी हो जाती हैं और गवर्नेंस से जुड़े सवाल बढ़ जाते हैं। 

एमआईटी की रिपोर्ट The GenAI Divide: State of AI in Business 2025 में पाया गया कि उद्यमों के 95% एआई पायलट मापने योग्य कारोबारी परिणाम देने में विफल रहते हैं। केवल 5% वास्तविक संचालन तक पहुँचते हैं और वास्तविक वित्तीय लाभ देते हैं। शोध में 300 से अधिक एआई तैनातियों और वरिष्ठ अधिकारियों के 150 साक्षात्कारों को शामिल किया गया। इसका निष्कर्ष था कि मुख्य बाधा मॉडल की क्षमता नहीं, बल्कि उद्यम की प्रणालियों के साथ त्रुटिपूर्ण एकीकरण है। अधिकांश संगठन इसे नीति संबंधी समस्या मानते हैं, जिसे वरिष्ठ प्रबंधन के स्तर पर हल किया जाना चाहिए। मेरा मानना है कि एआई गवर्नेंस पूरे सिस्टम से जुड़ी चुनौती है और इसकी शुरुआत डेटा स्तर से होती है।

एआई परियोजनाएँ पायलट चरण में क्यों अटक जाती हैं

कई एआई पहल इसलिए लड़खड़ाती हैं क्योंकि उनके प्रोटोटाइप बनाने के लिए इस्तेमाल किए गए परिवेश उद्यम में तैनाती की वास्तविक आवश्यकताओं से बुनियादी तौर पर मेल नहीं खाते। डेवलपरों को तेज़ी से काम करने के लिए प्रोत्साहित किया जाता है। वे लचीले टूल, ढीली निगरानी वाले डेटासेट और स्वयं इस्तेमाल शुरू करने योग्य बुनियादी ढाँचे से जल्द से जल्द उपयोगिता साबित करते हैं। यह प्रयोग के लिए आदर्श है, लेकिन वास्तविक संचालन के उन परिवेशों में सीधे लागू नहीं होता जहाँ ऑडिट की सुविधा, सख्त पहुँच नियंत्रण, नियामकीय अनुपालन और परिचालन संबंधी व्यवधानों से उबरने की क्षमता आवश्यक होती है।

नतीजतन, अवधारणा की व्यवहार्यता सिद्ध होने के बाद ही अक्सर गवर्नेंस जोड़ा जाता है। उस समय तक जिस स्तर को काम संभव बनाने में मदद करनी चाहिए थी, वही बाधा बन जाता है। टीमों को सुरक्षा मॉडल बाद में समायोजित करने, डेटा प्रवाह को नए सिरे से डिज़ाइन करने और अनुपालन संबंधी उन मान्यताओं पर दोबारा काम करने के लिए मजबूर होना पड़ता है जो शुरू से आधार होनी चाहिए थीं।

इससे नियंत्रित परिवेश में एआई प्रणालियाँ जो प्रदर्शित कर सकती हैं और उद्यम वास्तविक संचालन में जिसे सुरक्षित और विश्वसनीय ढंग से तैनात कर सकते हैं, उनके बीच की खाई बढ़ती जाती है।

साथ ही, एआई की आधुनिक तकनीकी संरचना गति और सुलभता को प्राथमिकता देने के लिए विकसित हुई है, अक्सर नियंत्रण की कीमत पर। डेवलपरों के अनुकूल प्लेटफ़ॉर्म पायलट शुरू करना आसान बनाते हैं, लेकिन वे यह भी अस्पष्ट कर सकते हैं कि डेटा कहाँ है, उसका उपयोग कैसे होता है और किसे उस तक पहुँच है। 

इससे वास्तविक परिचालन और नियामकीय जोखिम पैदा होते हैं। इनमें अनजाने में डेटा का उजागर होना, अलग-अलग परिवेशों में डेटा की अस्पष्ट सीमाएँ और सिस्टम के व्यवहार का पर्याप्त ऑडिट न कर पाना शामिल हैं। ये समस्याएँ वास्तविक संचालन की तैयारी की समीक्षा और अनुपालन आकलन में सीधे सामने आती हैं। उद्यमों के सर्वेक्षण लगातार दिखाते हैं कि डेटा की गुणवत्ता और गवर्नेंस संबंधी समस्याएँ प्रमुख कारणों में शामिल हैं जिनसे एआई परियोजनाएँ विफल होती हैं; 60–70% मामलों में इनका उल्लेख होता है। बाहरी बुनियादी ढाँचे और प्रबंधित डेटाबेस सेवाओं पर बढ़ती निर्भरता इस समस्या को और जटिल बनाती है। इससे डेटा के स्वामित्व का बँटवारा बढ़ सकता है और नियामकीय आवश्यकताओं के अनुरूप काम करना कठिन हो सकता है। कई मामलों में संगठन मान लेते हैं कि प्लेटफ़ॉर्म अपने-आप गवर्नेंस सँभालते हैं, जबकि वास्तव में ज़िम्मेदारी तकनीकी संरचना के कई स्तरों में बँटी होती है।

नतीजा एक विरोधाभास है। एआई प्रयोग को गति देने वाले टूल ही अक्सर वास्तविक संचालन में पहुँचते समय रुकावट पैदा करते हैं।

डेटाबेस: गवर्नेंस का वास्तविक स्तर

इस असंगति को दूर करने के लिए फिर से सोचना ज़रूरी है कि गवर्नेंस वास्तव में कहाँ लागू होता है।

गवर्नेंस को अक्सर नीति संबंधी कार्य माना जाता है, जिसे कानूनी, अनुपालन या वरिष्ठ प्रबंधन की टीमें निर्धारित करती हैं और दस्तावेज़ीकरण तथा समीक्षा प्रक्रियाओं के माध्यम से लागू करती हैं। ये व्यवस्थाएँ आवश्यक तो हैं, लेकिन अपने-आप में पर्याप्त नहीं हैं। गवर्नेंस तभी सार्थक होता है जब उसे सिस्टम के स्तर पर लागू करना सुनिश्चित किया जाए।

व्यवहार में ऐसा वहीं होता है जहाँ डेटा संग्रहीत किया जाता है, उस तक पहुँच बनाई जाती है और उसे रूपांतरित किया जाता है। इसलिए डेटाबेस और उसके आसपास का डेटा बुनियादी ढाँचा एआई की तकनीकी संरचना में गवर्नेंस का सबसे महत्वपूर्ण स्तर बन जाते हैं।

आधुनिक डेटाबेस केवल निष्क्रिय भंडार नहीं हैं। वे पहुँच की अनुमतियाँ तय करते हैं, डेटा किस भौगोलिक क्षेत्र में रखा जाए इसकी आवश्यकताएँ लागू करते हैं, एन्क्रिप्शन और कुंजी नियंत्रण सँभालते हैं तथा अनुपालन और सुरक्षा निगरानी के लिए आवश्यक ऑडिट लॉग बनाते हैं। वे उस नियंत्रण बिंदु की भूमिका भी तेज़ी से अपना रहे हैं जिसके माध्यम से एआई प्रणालियाँ उद्यम के डेटा से काम करती हैं।

यह इसलिए महत्वपूर्ण है क्योंकि एआई प्रणालियाँ जिस डेटा बुनियादी ढाँचे पर निर्भर हैं, उसी की गवर्नेंस स्थिति अपनाती हैं। यदि आधारभूत डेटाबेस स्तर में संरचना, नियंत्रण या दृश्यता का अभाव है, तो वे कमज़ोरियाँ उसके ऊपर बनी एआई प्रणालियों में सीधे पहुँच जाती हैं। बाद के एप्लिकेशन स्तर पर बनाई गई कोई नीति अनियंत्रित डेटा आधार की पूरी भरपाई नहीं कर सकती।

इससे सिस्टम डिज़ाइन में व्यापक बदलाव की आवश्यकता निकलती है: गवर्नेंस को तैनाती के बाद ऊपर से जोड़ने के बजाय शुरू से बुनियादी ढाँचे में शामिल करना चाहिए। एआई में बुनियादी ढाँचे को प्राथमिकता देने का अर्थ ऐसी प्रणालियाँ बनाना है जिनमें गवर्नेंस बाहरी प्रतिबंध नहीं, बल्कि अंतर्निहित गुण हो। डेटा तक पहुँच नियंत्रित इंटरफ़ेस से होकर गुजरती है। क्वेरी और सिस्टम के साथ होने वाली अंतःक्रियाएँ डिफ़ॉल्ट रूप से दर्ज होती हैं। पहुँच प्रतिबंध, डेटा रखने की अवधि की नीतियाँ और भौगोलिक स्थान संबंधी आवश्यकताएँ जैसे अनुपालन नियम मानवीय निगरानी या बाद की जाँच के बजाय सिस्टम स्तर पर लागू होते हैं।

इसके लिए सुरक्षित क्वेरी मध्यस्थता स्तर, नीति आधारित पहुँच नियंत्रण और वितरित डेटा परिवेशों में केंद्रीकृत रूप से सिस्टम की आंतरिक स्थिति समझ पाने की क्षमता जैसी डिज़ाइन व्यवस्थाएँ चाहिए। ये व्यवस्थाएँ सुनिश्चित करती हैं कि गवर्नेंस समय-समय पर जाँचा ही न जाए, बल्कि लगातार लागू रहे।

पहले से रोकथाम करने वाले और समस्या आने के बाद प्रतिक्रिया देने वाले गवर्नेंस में बुनियादी अंतर है। प्रतिक्रियात्मक तरीके सिस्टम बनने और तैनात होने के बाद समस्याएँ सुधारने की कोशिश करते हैं। रोकथाम पर केंद्रित तरीके सिस्टम डिज़ाइन में सीधे नियंत्रण जोड़कर समस्याओं को शुरू में ही पैदा होने से रोकते हैं।

एआई परिवेशों में इसी अंतर से तय होता है कि प्रणालियाँ बड़े पैमाने तक पहुँच सकेंगी या अटक जाएँगी।

जब एजेंटों की भूमिका बढ़ती है

स्वायत्त एजेंट गवर्नेंस के समीकरण को ऐसे बदलते हैं जिसके लिए अधिकांश संगठन तैयार नहीं हैं। एजेंट केवल डेटा पढ़ता नहीं है। वह डेटा लिखता भी है, कई प्रणालियों में कार्रवाइयाँ शुरू करता है और दोनों काम बिना मानवीय हस्तक्षेप के करता है।

इससे विफलता का स्वरूप पूरी तरह बदल जाता है। ठीक से नियंत्रित न की गई क्वेरी गलत उत्तर देती है। ठीक से नियंत्रित न किया गया एजेंट उस गलत उत्तर पर कार्रवाई करता है: वह रिकॉर्ड बदलता है, आगे की कार्यप्रक्रियाएँ शुरू करता है और किसी को गड़बड़ी का पता चलने से पहले ही निर्णयों को कई प्रणालियों में आगे पहुँचा देता है।

इसीलिए सुरक्षा उपाय केवल एप्लिकेशन स्तर पर नहीं रह सकते। कई प्रणालियों में काम करने वाला एजेंट हमेशा सबसे कम प्रतिरोध वाला रास्ता खोज लेगा। नियंत्रण डेटा स्तर पर लागू होना चाहिए, जहाँ पढ़ने और लिखने की हर कार्रवाई नियंत्रित माध्यम से गुजरे और दर्ज हो, चाहे उसे किसी भी चीज़ ने शुरू किया हो।

गार्टनर का अनुमान है कि एजेंट आधारित एआई परियोजनाओं में से 40% से अधिक टल जाएँगी या रद्द हो जाएँगी और इसकी वजह गवर्नेंस तथा विश्वसनीयता की समस्याएँ होंगी। मुझे यह आँकड़ा कम लगता है, क्योंकि इसमें माना गया है कि संगठन विफलता का दोष मॉडल या टूल पर डालने के बजाय गवर्नेंस को सही ढंग से कारण के रूप में पहचान लेंगे। मूल कारण आम तौर पर तब तक दिखाई नहीं देता जब तक उसकी भारी कीमत न चुकानी पड़े।

प्रयोग से वास्तविक संचालन के लिए तैयार एआई तक

जो संगठन एआई को प्रयोग से वास्तविक संचालन तक सफलतापूर्वक ले जाते हैं, उनमें आम तौर पर एक समान गुण होता है: वे विकास और वास्तविक संचालन के परिवेशों को शुरुआती चरण से ही एक-दूसरे के अनुरूप रखते हैं। 

प्रयोग वाली प्रणालियों को वास्तविक संचालन की सीमाओं से दूर जाने देने के बजाय वे दोनों परिवेशों को गवर्नेंस, सुरक्षा और डेटा तक पहुँच के एकसमान सिद्धांतों के साथ डिज़ाइन करते हैं। इससे जीवनचक्र में आगे, जब मॉडल प्रोटोटाइप से वास्तविक संचालन के कामों में पहुँचते हैं, तब रुकावट कम होती है।

यह तालमेल लगातार अधिक महत्वपूर्ण होता जा रहा है, क्योंकि अधिकांश उद्यमों के पास अब भी परिपक्व और वास्तविक संचालन के स्तर का एआई बुनियादी ढाँचा नहीं है। डेटा तक सुरक्षित पहुँच, निगरानी, सिस्टम की आंतरिक स्थिति समझ पाने की क्षमता और अनुपालन लागू करने में कमियाँ बनी हुई हैं। ये अलग-थलग समस्याएँ नहीं, बल्कि संरचनात्मक चुनौतियाँ हैं जो एआई को पायलट परिवेश से आगे बढ़ाकर कारोबार के लिए अत्यावश्यक कार्यप्रक्रियाओं में इस्तेमाल करने पर सामने आती हैं।

प्रोटोटाइप और वास्तविक संचालन के बीच एक और बड़ी असंगति तब होती है जब संचालन वाले एप्लिकेशन और डेटाबेस को अपने परिसर में या कड़े नियंत्रण वाले क्लाउड खातों में होस्ट करना आवश्यक हो, लेकिन प्रोटोटाइप क्लाउड आधारित डेटाबेस प्लेटफ़ॉर्म पर विकसित किए गए हों।

परिपक्व संगठनों में एआई कार्यभार के साथ दूसरे नियमन के दायरे में आने वाले सिस्टम जितनी ही सख्ती बरती जाती है। इसका अर्थ है एकसमान लॉगिंग, सख्त पहुँच नियंत्रण, लगातार निगरानी और टीमों में स्पष्ट जवाबदेही की व्यवस्था। डेटा इंजीनियरिंग, प्लेटफ़ॉर्म इंजीनियरिंग, सुरक्षा और अनुपालन विभागों के बीच शुरू से ही घनिष्ठ तालमेल भी ज़रूरी है, न कि बाद में याद आने पर।

इस तरीके के लाभ जोखिम घटाने तक सीमित नहीं हैं। संगठनों की तैनाती प्रक्रिया भी तेज़ होती है, वास्तविक संचालन में विफलताएँ कम होती हैं और एआई प्रणालियों पर आंतरिक भरोसा बढ़ता है। इस संदर्भ में एआई का विस्तार मॉडल के नवाचार से कम और बुनियादी ढाँचे की परिपक्वता से अधिक जुड़ा है।

गवर्नेंस सिस्टम डिज़ाइन की अनिवार्यता है

अंततः एआई गवर्नेंस पर चर्चा को नीतियों से आगे बढ़कर सिस्टम डिज़ाइन तक पहुँचना होगा। 

गवर्नेंस को अक्सर निगरानी का कार्य माना जाता है, लेकिन व्यवहार में यह उन प्रणालियों के माध्यम से लागू होता है जो तय करती हैं कि डेटा तक पहुँच कैसे मिलेगी और उसका उपयोग कैसे होगा। डेटाबेस केवल भंडारण का स्तर नहीं है; यह एआई की पूरी तकनीकी संरचना में सुरक्षा, अनुपालन और परिचालन की अखंडता का नियंत्रण बिंदु है।

जैसे-जैसे एआई उद्यम की कार्यप्रक्रियाओं में अधिक गहराई से शामिल होता है, इस नियंत्रण बिंदु का महत्व बहुत बढ़ जाता है। मॉडल और उद्यम के डेटा के बीच हर अंतःक्रिया गवर्नेंस के दायरे में आने वाली घटना बन जाती है, चाहे संगठन जानबूझकर इसका डिज़ाइन करें या नहीं।

डेटाबेस स्तर से शुरू करके बुनियादी ढाँचे पर आधारित गवर्नेंस को प्राथमिकता देने पर उद्यम पायलट और वास्तविक संचालन के बीच की खाई पाट सकते हैं। इससे वे एआई को अलग-अलग प्रयोगों से आगे बढ़ाकर पूरे संगठन में समाहित एक स्थायी और बड़े पैमाने पर काम करने योग्य क्षमता बना देते हैं।

फिलिप मेरिक पीजीएज के सह-संस्थापक और सीपीओ हैं। उद्यमी, प्रौद्योगिकीविद्, और अनुभवी कार्यकारी जिनकी जड़ें आज की एआई प्रणालियों को शक्ति प्रदान करने वाले डेटा बुनियादी ढांचे और क्लाउड प्लेटफ़ॉर्म में गहरी हैं। वेबमेथड्स, ईडीबी, स्पार्कपोस्ट, फ्यूज और पीजीएज के सह-संस्थापक और/या सीईओ; शुरुआत से लेकर आईपीओ और 9-10 अंकों की सीमा में तीन एक्जिट तक कंपनियों का नेतृत्व किया।