चार प्रश्न जिन्हें प्रत्येक सीओओ को एआई तैनात करने से पहले पूछना चाहिए

एआई युग बहुत सारे वादे से भरा है, प्रत्येक निगम यह बता रहा है कि उन्होंने अपनी दक्षता को कितना बढ़ाया है और एआई कितना कर रहा है। जिसने कई एआई स्टार्टअप्स में ऑपरेशन्स चलाए हैं और अब 120 से अधिक पोर्टफोलियो कंपनियों के साथ एक एआई वीसी फंड चला रहा हूं, मैं एक अलग तस्वीर देखता हूं। बहुत सारे उपयोगी एआई टूल्स और स्वचालन 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 एआई की संभावना, लगभग 70 प्रतिशत एआई परिवर्तन विफल हो जाते हैं। समस्या यह है कि यदि आप सबसे अच्छा एआई टूल भी एक गंदे मानव-चलित प्रक्रिया में पेश करते हैं, तो आपको क्या मिलता है एक गंदी प्रक्रिया जो अब भी भ्रमित और संदर्भ खो रही है।

हमारे एक निवेशक ने हाल ही में साझा किया कि उनकी कंपनी ने अपने ऑपरेशन्स में एआई एजेंट पेश किए हैं और फिर एक अध्ययन चलाया है ताकि यह देखा जा सके कि उन्होंने कितनी दक्षता हासिल की है। परिणाम चौंकाने वाले थे — उनके कर्मचारी जो पहले मैनुअल रूप से कर रहे थे, उस पर बहुत समय बचा रहे थे, लेकिन एआई द्वारा की गई गलतियों को सुधारने के लिए ठीक उसी समय व्यतीत कर रहे थे। यह कहने की जरूरत नहीं है कि स्वचालन आईटी द्वारा लाया गया था और ऑपरेशन्स टीम को बाहर रखा गया था। आइए बात करते हैं कि सीओओ कैसे ऑपरेशन्स में सुधार करने के लिए एआई का लाभ उठा 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 हमारे एलपी के लिए उपकरण बनाने जो उन्हें एंजेल निवेश अवसरों पर देखने के लिए उपयोग करते हैं। हमारी इस सफलता का कारण एक बहुत ही उबाऊ, लेकिन बहुत ही उपयोगी फ्रेमवर्क को लागू करना है।

एआई तैनात करने से पहले, हम चार प्रश्न पूछते हैं:

1. क्या स्पष्ट नियम हैं?

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

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

2. क्या इस प्रक्रिया में एक एकल स्रोत सत्य है?

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 उतने ही अच्छे हैं जितना डेटा आप उन्हें खिलाते हैं।

एक एकल स्रोत सत्य बनाना और डेटा या ज्ञान सिलोस को समाप्त करना एक कुशल प्रक्रिया डिजाइन का स्वर्ण मानक है, और एआई के लिए यह और भी 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, अगले कार्यों की सिफारिश कर सकता है, और सटीक रिपोर्ट उत्पन्न कर सकता है। और यहां तक कि वॉयस 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 एकल स्रोत सत्य शामिल होता है, खासकर जब वे छोटे व्यवसायों को बेचते हैं, जैसे कि Avoca AI, एक टेलीफोन सहायक जो इलेक्ट्रिशियन के लिए एक एकीकृत सीआरएम के साथ आता है, जो यह सुनिश्चित करता है कि सभी ग्राहक डेटा और इंटरैक्शन केंद्रित और अद्यतित हैं।

3. क्या समृद्ध डेटा इतिहास है?

क्या हर कार्रवाई को लॉग किया जाता है जिसमें यह दिखाया 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। आप पैसे 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 संग्रहीत कर रहे हैं, तो यह शायद पर्याप्त नहीं होगा। एजेंटों को यह काम करने के लिए कॉन्फ़िगर किया जाना चाहिए ताकि वे इस असंरचित डेटा को सारांशित और संरचित कर सकें, शायद यहां तक कि ग्राफ में भी बदल सकें ताकि संबंधों को बेहतर ढंग से समझा जा सके, या यह जल्दी से 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 सुपरमैन की गति से पढ़ और लिख सकते हैं, लेकिन आपको मेगाबाइट्स की बातचीत लॉग और चैट इतिहास पर घूरना होगा ताकि यह तय किया जा सके कि कंपनी वास्तव में क्या करती है और मैनेजर ने आपसे क्या करने के लिए कहा था। यह एक एआई एजेंट के लिए “महसूस” करता है बिना एक अच्छे डेटाबेस के।

सबसे अच्छी टीमें बस डेटा इकट्ठा नहीं करती हैं — वे इसे संरचित और संस्करणनाम देते हैं भविष्य के लिए। यह तब होता है जब लर्निंग लूप बनते हैं। यह तब होता है जब एआई स्मार्टर 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 में तेजी लाई जा सके।

4. क्या आपका टेक स्टैक एआई-तैयार है?

क्या एआई वास्तव में आपके सिस्टम और टूल्स में प्लग इन कर सकता है, या क्या आप उस आंतरिक पोर्टल के साथ फंसे हुए हैं जो 1988 से है जो मुश्किल से लोड होता है? हमने मामलों को देखा है जहां आंतरिक ऑप्स टूल इतने पुराने थे कि वे संरचित आउटपुट उत्पन्न नहीं कर सकते थे — छोड़ दें कि एपीआई के साथ इंटरफेस करें। उन स्थितियों में, अक्सर यह तेज़ और अधिक प्रभावी था कि प्रणाली को स्क्रैच से फिर से बनाया जाए, बजाय इसके कि एआई को विरासत बुनियादी ढांचे 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 इमेज रिकग्निशन के माध्यम से चलाने के लिए मजबूर होने की तुलना में यह तय करने के लिए कि कौन सा बटन दबाना है।
एआई बुनियादी ढांचे बन रहा है। लेकिन 20 वीं सदी की शुरुआत में बिजली की तरह, इसकी संभावना तभी अनलॉक होती है जब आप कारखाने को फिर से डिजाइन करते हैं, न कि बस लाइट बल्ब स्थापित करते हैं। रेट्रोफिट न करें। पुनः कल्पना करें। और, यह कहने की जरूरत नहीं है, बहुत सारे आंतरिक टूल जो पहले विकसित करने में एक मिलियन डॉलर खर्च होते थे, अब आपके एक इंजीनियर द्वारा दोपहर के भोजन के दौरान वाइब कोडेड किया जा सकता है।

पहले सिद्धांतों का समय।

अब सबसे दिलचस्प भाग। आइए कहते हैं कि हमने एक आदर्श प्रक्रिया को डिजाइन किया है – यह नियम परिभाषित होगी, एक एकल स्रोत सत्य होगा, और स्व-सुधार के लिए संरचित तरीके से डेटा एकत्र करेगी। हमने अपने इंजीनियर को अपने दोपहर के भोजन के दौरान एक नए सेट के आंतरिक टूल्स को वाइब कोड करने के लिए राजी किया है। लेकिन आइए इस प्रक्रिया को एक बार फिर से देखें अब। यह बहुत संभावना है कि स्वचालन के कारण, यह चलाने के लिए 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। कोशिश करें कि एक बड़ी तस्वीर देखें – यह प्रक्रिया कैसे अन्य प्रक्रियाओं के साथ सह-अस्तित्व में रहेगी अगर वे उसी तरह से सुधारित हो जाती हैं। शायद यह समय है कि पूरी चीज़ को एआई के ध्यान में रखकर पुनः कल्पना की जाए।

अक्सर अपने व्यवसाय ऑपरेशन को पहले सिद्धांतों से सोचने से अप्रत्याशित अवसरों की पहचान करने में मदद मिल सकती है। उदाहरण के लिए, डीवीसी में, हमने सौदा विश्लेषण, देय दिलIGENCE, और सौदा ज्ञापन तैयारी को स्वचालित किया, प्रभावी रूप से 6 व्यक्ति / घंटे से 3 मिनट में एआई द्वारा काम किया जा रहा है। पारंपरिक रूप से, वीसी केवल तभी यह काम करते थे जब वे संस्थापकों से बात करते थे और पुष्टि करते थे कि सौदा इतना खर्च करने लायक है, और फिर्म में विश्लेषकों की संख्या सीमित थी। अब जब यह हमारे लिए इतना सस्ता हो गया है, तो हम बाजार का विश्लेषण करते हैं, एक सौदा ज्ञापन तैयार करते हैं, और यहां तक कि संस्थापक से बात करने से पहले कुछ देय दिलIGENCE भी करते हैं। इससे हमें केवल उन कंपनियों के साथ कॉल करने में मदद मिलती है जिनमें हम निवेश करना जानते हैं और चाहते हैं, जिससे हमारे साथी और संस्थापकों के लिए समय की बचत होती है।

लेकिन हम इसके साथ और आगे जा सकते हैं। चूंकि हमारे पास अब एक असीमित विश्लेषक है, हम इन टूल्स को हमारे निवेशकों और स्काउट्स के लिए आगे बढ़ा सकते हैं जो हमें नए सौदा अवसरों को रेफर करते हैं, ताकि वे अपना समय बचा सकें, हर सौदे का विश्लेषण पेशेवर वीसी विश्लेषक की नजर से कर सकें, और हमें यह देखने के लिए कम बार दोहराना होगा कि क्या हमें सौदे को देखने के बाद पास करना है। हम अभी भी सभी डेटा एकत्र करते हैं, क्योंकि हम इसका उपयोग सीखने और अपने टूल्स को बेहतर बनाने के लिए कर सकते हैं।

इसने हमें एक典型 वीसी फ़र्म की तुलना में लगभग 8 गुना अधिक उत्पादक बना दिया है। लेकिन हम यहां मौके से नहीं पहुंचे। हमने अपने आंतरिक ऑपरेशन्स को मैप किया, चार प्रश्नों को लागू किया, और पहले सिद्धांतों से पुनः निर्माण किया।

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?”, जो रणनीतिक मूल्य, डेटा तैयारी, और दीर्घकालिक रखरखाव पर गहरी नज़र डालता है। यह उपकरणों को इसलिए प्लग इन करने के बीच का अंतर है क्योंकि वे उपलब्ध हैं, और प्रक्रियाओं को इसलिए पुनः डिजाइन करना है क्योंकि यह करना सही बात है।