चार प्रश्न जो हर सीओओ को एआई तैनात करने से पहले पूछना चाहिए

एआई युग बहुत सारे वादे के साथ भरा हुआ है, हर निगम यह बता रहा है कि उन्होंने कितनी अपनी कुशलता बढ़ाई है और एआई कितना यह सब कर रहा है। जैसे कि मैंने कई एआई स्टार्टअप्स में ऑपरेशन्स चलाए हैं और अब मैं एक एआई वीसी फंड चला रहा हूं जिसमें 120 से अधिक पोर्टफोलियो कंपनियां हैं, मैं एक अलग तस्वीर देखता हूं। बहुत सारे उपयोगी एआई टूल्स और ऑटोमेशन खरीदे जा रहे हैं, एकीकृत किए जा रहे हैं और पेश किए जा रहे हैं, लेकिन इसका बहुत कम या कोई प्रभाव नहीं पड़ रहा है। हाल की मैककिंसे रिपोर्ट के अनुसार, लगभग 70 प्रतिशत एआई परिवर्तन विफल हो जाते हैं। समस्या यह है कि यदि आप सबसे अच्छा एआई टूल भी एक गंदे मानव-निर्देशित प्रक्रिया में पेश करते हैं, तो आपको केवल एक गंदी प्रक्रिया मिलती है जो अब भ्रमित और संदर्भ खो रही है।

हमारे एक निवेशक ने हाल ही में बताया कि उनकी कंपनी ने अपने एक ऑपरेशन में एआई एजेंट पेश किए हैं और फिर यह देखने के लिए एक अध्ययन चलाया कि उन्होंने कितनी कुशलता हासिल की। परिणाम चौंकाने वाले थे — उनके कर्मचारी जो पहले मैनुअल रूप से करते थे, उस पर बहुत समय बचा रहे थे, लेकिन एआई द्वारा की गई गलतियों को ठीक करने में वही समय खर्च कर रहे थे। यह देखना दिलचस्प है कि ऑटोमेशन को आईटी द्वारा लाया गया था और ऑपरेशन्स टीम को बाहर रखा गया था। आइए बात करते हैं कि सीओओ कैसे एआई का उपयोग करके वास्तव में ऑपरेशन्स में सुधार कर सकते हैं।

डीवीसी में, हम न केवल एआई स्टार्टअप्स में निवेश कर रहे हैं, बल्कि हम लगभग हर नई तकनीक के शुरुआती अपनाने वाले भी हैं। हम अपने एजेंट बनाते हैं और हमारी पोर्टफोलियो कंपनियों के उत्पादों का उपयोग वीसी कार्य के हर पहलू में करते हैं — सौदों को सोर्सिंग और स्कोरिंग, पोर्टफोलियो संस्थापकों की सहायता करने, या अपने एलपी के लिए उपकरण बनाने के लिए जो उन्हें एंजेल निवेश अवसरों पर देखने में मदद करते हैं। हमारी इस सफलता का कारण एक बहुत ही साधारण, लेकिन बहुत ही उपयोगी फ्रेमवर्क है।

किसी भी एआई तैनाती से पहले, हम इन चार प्रश्नों का उत्तर देते हैं:

1. क्या स्पष्ट नियम हैं?

क्या प्रक्रिया को विशिष्ट दिशानिर्देशों द्वारा परिभाषित किया जा सकता है? यदि हां, तो यह स्वचालन के लिए एक अच्छा उम्मीदवार है। कानूनी कार्य प्रवाह, लेखा नियम, संरचित ऑनबोर्डिंग? उत्तम। ये ऐसी प्रणालियां हैं जहां आउटपुट नियमों का पालन करते हैं। एआई यहां पर बहुत अच्छा काम करता है।

लेकिन अगर आपकी प्रक्रिया स्वाभाविक रूप से रचनात्मक है — जैसे कि ब्रांड कथा या रणनीतिक डिज़ाइन — तो पूर्ण स्वचालन काम नहीं करेगा, और प्रक्रिया को लोगों के साथ सह-पायलट के रूप में डिज़ाइन किया जाना चाहिए। ब्रांड विपणन में, नियमों को तोड़ना अक्सर मूल्य जोड़ता है। इसे एजेंट को आउटसोर्स न करें।

2. क्या इस प्रक्रिया में एक ही सच्चाई का स्रोत ह?

यदि आपका सीआरएम एक बात कहता है, आपका ऑर्डर ट्रैकर दूसरी बात कहता है, और वास्तविक अपडेट किसी के व्यक्तिगत स्प्रेडशीट में रहता है — तो रुक जाएं। एआई सिस्टम केवल उतने ही अच्छे हैं जितना डेटा आप उन्हें खिलाते हैं।

एक ही सच्चाई का स्रोत बनाना और डेटा या ज्ञान सिलोस को समाप्त करना कुशल प्रक्रिया डिज़ाइन का एक स्वर्ण मानक है, और एआई के लिए यह अधिक महत्वपूर्ण है।

जब सभी ग्राहक टचपॉइंट और इतिहास एक एकीकृत डेटाबेस में लॉग किए जाते हैं, तो एआई अनुवर्ती कार्रवाई को स्वचालित कर सकता है, अगली कार्रवाई की सिफारिश कर सकता है, और सटीक रिपोर्ट जनरेट कर सकता है। और यहां तक कि वॉइस ग्राहक सहायता प्रदान कर सकता है या क्लाइंट अपॉइंटमेंट शेड्यूल कर सकता है। अक्सर हम देखते हैं कि स्टार्टअप्स तब सफल होते हैं जब वे एक समाधान बेचते हैं जिसमें एक निर्मित सच्चाई का स्रोत होता है, खासकर जब वे छोटे व्यवसायों को बेचते हैं, जैसे कि Avoca AI, एक टेलीफोन सहायक जो इलेक्ट्रीशियन के लिए एक निर्मित सीआरएम के साथ एकीकृत है, जो यह सुनिश्चित करता है कि सभी ग्राहक डेटा और इंटरैक्शन केंद्रित और अद्यतन हैं।

3. क्या यहाँ समृद्ध डेटा इतिहास ह?

क्या हर कार्रवाई को उदाहरणों के साथ लॉग किया जाता है कि निर्णय कैसे लिए गए? एआई आपके ऐतिहासिक डेटा में पैटर्न से सीखता है। कोई लॉग, कोई सीख नहीं। यदि आपकी प्रणाली यह नहीं दर्ज करती है कि क्या हुआ और क्यों, तो यह पैटर्न नहीं बना सकती है। यह सुधार नहीं कर सकती है। आप पैसा बर्बाद करेंगे।

लेकिन अगर आप हर ग्राहक कॉल को रिकॉर्ड कर रहे हैं, इसे एआई के साथ ट्रांसक्राइब कर रहे हैं और इसे एक फ़ोल्डर में स्टोर कर रहे हैं, तो यह शायद पर्याप्त नहीं होगा। एजेंटों को यह सुनिश्चित करने के लिए कॉन्फ़िगर किया जाना चाहिए कि यह अनस्ट्रक्चर्ड डेटा को सारांशित और संरचित किया जाए, शायद ग्राफ़ में भी बदल दिया जाए ताकि संबंधों को बेहतर ढंग से समझा जा सके, या यह जल्दी ही उनका ध्यान आकर्षित करेगा। कल्पना कीजिए कि आप एक कर्मचारी हैं जो हर बार जब आप काम पर आते हैं तो अपनी स्मृति मिटा देते हैं। आप सुपरह्यूमन गति से पढ़ और लिख सकते हैं, लेकिन आपको मेगाबाइट्स के कॉन्वर्सेशन लॉग और चैट इतिहास पर घूरना होगा, यह समझने की कोशिश करने के लिए कि कंपनी वास्तव में क्या करती है और प्रबंधक ने आपको क्या करने के लिए कहा था। यही एआई एजेंट के साथ होता है जिसके पास एक अच्छा डेटाबेस नहीं है।

सर्वश्रेष्ठ टीमें केवल डेटा इकट्ठा नहीं करती हैं — वे इसे भविष्य के लिए संरचित और संस्करण करती हैं। यह तब होता है जब लर्निंग लूप बनते हैं। यह तब होता है जब एआई स्मार्ट हो जाता है, यहां तक कि मॉडल प्रशिक्षण किए बिना भी।

स्वास्थ्य सेवा में, Collectly इस सिद्धांत को बड़े पैमाने पर लागू करता है: वर्षों के एनोटेटेड बिलिंग, भुगतान और रोगी इंटरैक्शन डेटा का उपयोग करके, वे चिकित्सा बिलिंग और राजस्व चक्र प्रबंधन को अनुकूलित करते हैं। उनका एआई ऐतिहासिक परिणामों से सीखता है ताकि त्रुटियों को कम किया जा सके और संग्रह को तेज किया जा सके।

4. क्या आपका टेक स्टैक एआई-तैयार ह?

क्या एआई वास्तव में आपके सिस्टम और टूल्स में प्लग इन कर सकता है, या आप 1988 के उस आंतरिक पोर्टल में फंसे हुए हैं जो बमुश्किल लोड होता है? हमने मामलों को देखा है जहां आंतरिक ऑप्स टूल इतने पुराने थे कि वे संरचित आउटपुट甚至 नहीं बना सकते थे — एआई के साथ इंटरफ़ेस करने के लिए तो बिल्कुल भी नहीं। ऐसे मामलों में, अक्सर यह तेज़ और प्रभावी था कि प्रणाली को स्क्रैच से फिर से बनाया जाए, न कि एआई को विरासत इंफ्रास्ट्रक्चर में मजबूर किया जाए। यदि एआई एजेंट एमसीपी का उपयोग कर सकते हैं, या एक संरचित और दस्तावेज़ एपीआई, तो यह हमेशा बेहतर (और सस्ता) होता है जब इसके पास इंटरफ़ेस की स्क्रीनशॉट लेने और उन्हें छवि पहचान के माध्यम से चलाने के लिए मजबूर होने की तुलना में यह जानने के लिए कि कौन सा बटन दबाना है।
एआई बुनियादी ढांचा बन रहा है। लेकिन 20 वीं सदी की शुरुआत में बिजली की तरह, इसकी संभावना केवल तभी अनलॉक होती है जब आप कारखाने को फिर से डिज़ाइन करते हैं, न कि केवल लाइट बल्ब स्थापित करते हैं। रेट्रोफिट न करें। पुनः कल्पना करें। और, जैसा कि आप समझ सकते हैं, बहुत से आंतरिक टूल जो पहले विकसित करने में एक मिलियन डॉलर खर्च होते थे, अब आपके एक इंजीनियर द्वारा अपने लंच ब्रेक में वाइब कोडेड से बनाए जा सकते हैं।

पहले सिद्धांतों का समय।

अब सबसे दिलचस्प भाग। आइए मान लें कि हमने एक आदर्श प्रक्रिया को डिज़ाइन किया है – यह नियम-परिभाषित होगा, एक ही सच्चाई का स्रोत होगा, और संरचित तरीके से डेटा इकट्ठा करेगा ताकि यह स्वयं में सुधार कर सके। हमने अपने इंजीनियर को अपने लंच ब्रेक में एक नए सेट के आंतरिक टूल्स को वाइब कोडेड करने के लिए मना लिया है। लेकिन आइए इस प्रक्रिया को एक बार फिर से देखें अब। यह बहुत संभावना है कि स्वचालन के कारण, यह बहुत, बहुत सस्ता हो गया है। अब कोशिश करें कि देखें कि आपके व्यवसाय पर क्या होता है जब यह लागत इतनी कम हो जाती है। बड़ी तस्वीर देखने की कोशिश करें – यह प्रक्रिया कैसे अन्य प्रक्रियाओं के साथ सह-अस्तित्व में रहेगी अगर वे उसी तरह से सुधारित हो जाती हैं? शायद यह पूरी चीज़ को एआई के ध्यान में रखते हुए फिर से कल्पना करने का समय है।

अक्सर अपने व्यवसाय ऑपरेशन को पहले सिद्धांतों से सोचने से अप्रत्याशित अवसरों की पहचान हो सकती है। उदाहरण के लिए, डीवीसी में, हमने सौदा विश्लेषण, देय दिलIGENCE, और सौदा ज्ञापन तैयारी को स्वचालित किया, जो प्रभावी रूप से 6 व्यक्ति/घंटे से 3 मिनट के एआई द्वारा काम करने के लिए चला गया। पारंपरिक रूप से, वीसी यह सभी काम तब करते थे जब उन्होंने संस्थापकों से बात की थी और पुष्टि की थी कि सौदा इतना मूल्य का है कि 6 व्यक्ति/घंटे खर्च करने लायक है, और फर्म में विश्लेषकों की संख्या सीमित थी। अब जब यह हमारे लिए इतना सस्ता हो गया है, तो हम बाजार का विश्लेषण करते हैं, सौदा ज्ञापन तैयार करते हैं, और यहां तक कि संस्थापक से बात करने से पहले कुछ देय दिलIGENCE भी करते हैं। इससे हमारे साथी और संस्थापक दोनों के लिए समय की बचत होती है, क्योंकि हम केवल उन कंपनियों के साथ कॉल करते हैं जिनमें हम निवेश करना चाहते हैं और कर सकते हैं।

लेकिन हम इसे और आगे ले जा सकते हैं। चूंकि हमारे पास अब एक असीमित विश्लेषक है, हम इन उपकरणों को अपने निवेशकों और स्काउट्स में ले जा सकते हैं जो हमें नए सौदा अवसरों के लिए रेफर करते हैं, ताकि वे अपना समय बचा सकें और पेशेवर वीसी विश्लेषक की नजर से हर सौदे का विश्लेषण कर सकें और कम से कम सौदों को पास करने की संख्या को कम कर सकें जिसे हम समीक्षा करने के बाद पास कर देते हैं। हम अभी भी सभी डेटा एकत्र करते हैं, क्योंकि हम इसका उपयोग सीखने और अपने उपकरणों को बेहतर बनाने के लिए कर सकते हैं।

इसने हमें एक典विशिष्ट वीसी फ़र्म की तुलना में लगभग 8 गुना अधिक उत्पादक बना दिया है। लेकिन हम यहां तक नहीं पहुंचे क्योंकि हमने अपने आंतरिक ऑपरेशन्स को मैप किया, चार प्रश्नों को लागू किया, और पहले सिद्धांतों से फिर से बनाया।

यह फ्रेमवर्क स्टार्टअप नेताओं और सीओओ को अपना दृष्टिकोण बदलने में मदद करता है: “क्या हम यहां एआई का उपयोग कर सकते हैं?” — एक तकनीकी संभावना का प्रश्न — “क्या हमें करना चाहिए?” तक, जो रणनीतिक मूल्य, डेटा तैयारता, और दीर्घकालिक रखरखाव पर एक गहरी नज़र डालता है। यह प्लग इन करने और प्रक्रियाओं को फिर से डिज़ाइन करने के बीच का अंतर है क्योंकि यह सही बात है।