एआई एंटरप्राइज़ वर्क को कैसे बदल रहा है, यह देखना चाहते हैं? एक सस्टेनेबिलिटी टीम को देखें

किसी जगह पर, इस समय एक विश्लेषक चार सौ यूटिलिटी बिलों के एक फ़ोल्डर को देख रहा है क्योंकि एक नियामक, एक ग्राहक, या बोर्ड कंपनी के कार्बन फुटप्रिंट को जानना चाहता है, और उस संख्या का अधिकांश भाग उन दस्तावेजों में दबा हुआ है।

इस काम को करने वाले एआई सिस्टम बनाने ने मुझे कुछ समझाया है: कॉर्पोरेट सस्टेनेबिलिटी टीमें एआई अपनाने में बाकी एंटरप्राइज़ से कुछ साल आगे हैं क्योंकि संरचनात्मक परिस्थितियों ने इस मुद्दे को जल्दी उठा दिया। यदि आप वास्तविक जीवन में व्हाइट-कॉलर काम पर एआई कैसे आकार देता है, यह समझना चाहते हैं, तो वे समूह हैं जिन्हें देखना है।

परिवर्तन कार्य स्तर पर हो रहा है

डेटा क्या कहता है इसे देखकर शुरू करें। मैककिंसे के नवीनतम स्टेट ऑफ एआई सर्वेक्षण में पाया गया कि 88% संगठन अब कम से कम एक व्यवसायिक कार्य में एआई का उपयोग करते हैं, और लगभग एक चौथाई रिपोर्ट करते हैं कि वे एआई एजेंटों को कहीं न कहीं एंटरप्राइज़ में स्केल कर रहे हैं, हालांकि आमतौर पर केवल एक या दो कार्यों में। अपनाना लगभग सार्वभौमिक है, लेकिन परिवर्तन नहीं है। तो परिवर्तन कहां हो रहा है? उत्तर, लगातार, कार्य स्तर पर है। एंथ्रोपिक के आर्थिक सूचकांक ने लाखों वास्तविक दुनिया की एआई बातचीत का विश्लेषण किया, जिसमें पाया गया कि उपयोग पूर्ण स्वचालन (43%) की तुलना में पूरक (57%) की ओर झुका हुआ था, और केवल लगभग 4% नौकरियों ने अपने कार्यों के तीन-चौथाई या अधिक के लिए एआई का उपयोग किया। एआई व्यक्तिगत कार्यों के भीतर नौकरियों में फैल रहा है।

कार्यकर्ताओं पर प्रभाव पहले से ही मापने योग्य है। स्टैनफोर्ड के 2026 एआई सूचकांक में वास्तविक लेकिन असमान उत्पादकता लाभ दर्ज किए गए हैं (ग्राहक सहायता में लगभग 14-15%, सॉफ्टवेयर विकास में 26%) और 2024 से सॉफ्टवेयर डेवलपर्स के लिए रोजगार में लगभग 20% की गिरावट दर्ज की गई है, जो 22 से 25 वर्ष की आयु के हैं, जो एआई के कारण होने वाली पहली मापने योग्य गैर-व्यावसायिक संकुचन है। ज़ूम आउट करें, और वर्ल्ड इकोनॉमिक फोरम की फ्यूचर ऑफ जॉब्स रिपोर्ट 2030 तक 170 मिलियन नौकरियों के सृजन और 92 मिलियन नौकरियों के विस्थापन का अनुमान लगाती है, जिसमें 39% मुख्य कौशल बदल जाएंगे। नौकरियां ज्यादातर गायब नहीं होंगी, लेकिन उनकी संरचना कार्य द्वारा कार्य बदल रही है, और पुनर्व्यवस्था शुरू हो गई है।

सस्टेनेबिलिटी टीमें इतनी जल्दी क्यों पहुंचीं

तीन संरचनात्मक परिस्थितियों ने सस्टेनेबिलिटी को इस वक्र के सामने धकेल दिया:

पहले, डेटा का बोझ अपेक्षाकृत कम है। कार्बन लेखांकन एक डेटा इंजीनियरिंग समस्या है जो एक पर्यावरणीय पोशाक पहनती है। इनपुट यूटिलिटी बिल, ईंधन रसीदें, फ्रेट इनवॉइस, रेफ्रिजरेंट लॉग, और सप्लायर स्प्रेडशीट हैं, जो हजारों दस्तावेज़ हैं जो असंगत प्रारूपों में हैं, जिनमें से कोई भी मशीन-_readable नहीं है। जिम्मेदार टीमें अक्सर एक अरब डॉलर की कंपनी में दो या तीन लोग होती हैं। बीएसआर ने बीस कॉर्पोरेट सस्टेनेबिलिटी टीमों से उनके एआई उपयोग के बारे में बात की और पाया कि同 पैटर्न: समय डेटा इकट्ठा करने और साफ करने में जाता है, निर्णय लेने में नहीं कि इसके बारे में क्या करना है।

दूसरा, समय सीमा कठिन है और दंड वास्तविक हैं। कैलिफोर्निया के एसबी 253 के तहत, राजस्व में $1 बिलियन से अधिक वाली कंपनियां जो राज्य में व्यवसाय करती हैं, उन्हें 2026 से अपने स्कोप 1 और 2 ग्रीनहाउस गैस उत्सर्जन की रिपोर्ट करनी होगी, जिसके बाद स्कोप 3 होगा और प्रशासनिक दंड 500,000 डॉलर तक हो सकता है। यूरोप के कॉर्पोरेट सस्टेनेबिलिटी रिपोर्टिंग डायरेक्टिव (सीएसआरडी) अपने समयबद्धता लागू करता है। नियम “यह अच्छा होगा कि हम इसे स्वचालित करें” को “हम इसे कर्मचारियों की संख्या से बाहर नहीं निकाल सकते” में बदल देता है, जो बजट को बदल देता है।

तीसरा, काम में एक प्राकृतिक श्रम विभाजन है। निकासी और निर्णय के बीच एक स्पष्ट अंतर है। मशीनें गंदे दस्तावेजों से किलोवाट-घंटे, थर्म, और गैलन निकालने में उत्कृष्ट हैं, उन्हें उत्सर्जन कारकों से मैप करने में और महीने दर महीने 400% तक मीटर रीडिंग में वृद्धि को पकड़ने में। मानवों की आवश्यकता है कठिन भागों के लिए: संगठनात्मक सीमाएं तय करना, विधियों का चयन करना, और एक बार जब आपके पास संख्या हो तो इसके बारे में क्या करना है। ज्ञान-कार्य के क्षेत्रों में यह स्वच्छ विभाजन नहीं है। सस्टेनेबिलिटी करता है, जो एआई को सस्टेनेबिलिटी रिपोर्टिंग को तेजी से बदलने की वजह है।

भूमिकाएं कैसे विकसित हो रही हैं

यहाँ क्या हुआ है जब मैंने टीमों को इस टूलिंग को गंभीरता से अपनाते हुए देखा है: नौकरी का केंद्र गुरुत्वाकर्षण हिल जाता है।

पीडीएफ से संख्याओं को स्प्रेडशीट में दर्ज करने के लिए कम समय, और अपवादों की समीक्षा करने, मशीन द्वारा उत्पादित की पुष्टि करने और परिणाम का बचाव करने के लिए अधिक समय। जलवायु प्रकटीकरण तीसरे पक्ष के आश्वासन की ओर बढ़ रहा है, और “मॉडल ने ऐसा कहा” एक रक्षात्मक ऑडिट ट्रेल नहीं है। एक मानव को संख्या के पीछे खड़े होने में सक्षम होना चाहिए। विश्लेषक का मुख्य कौशल डेटा प्रविष्टि से मशीन गलत होने पर जानने में स्थानांतरित हो जाता है।

मैं किसी भी ऐसे व्यक्ति पर धीरे से पुशबैक करूंगा जो इसे एक स्पष्ट जीत के रूप में वर्णित करता है। एक वास्तविक व्यापार है: यदि जूनियर लोग मैनुअल काम कभी नहीं करते हैं, तो वे निर्णय कैसे विकसित करते हैं? एक हजार निकाले गए बिलों की समीक्षा करना सिखाता है कि एक गलत संख्या कैसी दिखती है। स्टैनफोर्ड के शोधकर्ता同 चिंता को झंडा देते हैं कि भारी एआई निर्भरता एक लंबी अवधि की सीखने की लागत को वहन कर सकती है। मुझे लगता है कि किसी के पास इसका पूरा उत्तर नहीं है। कंपनियों को अब जूनियर भूमिकाओं को जानबूझकर डिज़ाइन करना होगा, दुर्भाग्य से ग्रंट काम को विशेषज्ञता बनाने की अनुमति नहीं देनी होगी।

सस्टेनेबिलिटी टीमें जानती हैं कि व्यापार

एक और कारण है कि यह एंटरप्राइज़ का कोना देखने लायक है। सस्टेनेबिलिटी टीमें एआई को अपनाने वाली एकमात्र टीमें हैं जिन्हें अपने स्वयं के उपकरणों की ऊर्जा और पर्यावरणीय लागत को गिनना होगा। अंतर्राष्ट्रीय ऊर्जा एजेंसी का अनुमान है कि डेटा सेंटर बिजली की खपत 2030 तक लगभग दोगुनी हो जाएगी, 945 टेरावाट-घंटे के आसपास, वैश्विक बिजली का 3% तक पहुंच जाएगी। यह भी सच है कि प्रति एआई कार्य के लिए उपयोग की जाने वाली ऊर्जा तेजी से गिर रही है। दोनों एक साथ सच हैं, और एक सस्टेनेबिलिटी टीम को यह चुनना होगा कि कौन सा फ्रेमिंग सुविधाजनक है, क्योंकि खपत किसी के उत्सर्जन इन्वेंट्री में आती है या नहीं।

यह प्रतिबंध एक अनुशासन उत्पन्न करता है जिसे बाकी एंटरप्राइज़ को नकल करना चाहिए: मॉडल को कार्य से मिलाएं। एक यूटिलिटी बिल से फील्ड निकालने के लिए सबसे बड़े फ्रंटियर मॉडल को पहले सिद्धांतों से तर्क देने की आवश्यकता नहीं है; एक छोटा, सस्ता, अधिक कुशल प्रणाली आमतौर पर इसे बेहतर और ऊर्जा के एक अंश पर करता है। मापा गया एआई उपयोग, जहां उपभोग एक ट्रैक किया गया इनपुट है और एक पश्च-विचार नहीं है, अंततः हर कार्य के लिए आ रहा है। सस्टेनेबिलिटी बस पहले पहुंचती है क्योंकि चीजों को मापना उनका काम है।

बाकी एंटरप्राइज़ क्या सीख सकता है

सस्टेनेबिलिटी को आगे धकेलने वाली परिस्थितियां अद्वितीय नहीं हैं। कोई भी कार्य जो अपने डेटा के सापेक्ष छोटा है, बाहरी पक्षों के लिए कठिन समय सीमा के लिए जवाबदेह है, और असंरचित दस्तावेजों में दबा हुआ है, उसी वक्र का अनुसरण करेगा: वित्त, खरीद, कानूनी, और अधिक। जब ऐसा होता है, तो सस्टेनेबिलिटी प्लेबुक चोरी करने लायक है: निर्णय को भीड़ करने वाले काम को स्वचालित करें, निर्णय खुद नहीं; किसी भी चीज़ के लिए एक मानव को जवाबदेह रखें जो जांच को खड़ा होने की जरूरत है; और स्वचालन की लागत को मापें, डॉलर और ऊर्जा दोनों में।

दिलचस्प प्रश्न कभी नहीं था “क्या एआई नौकरियां लेगा?” यह “कौन से कार्य मशीनों में जाते हैं, किस क्रम में, और लोगों को वापस आने वाले घंटों के साथ क्या करना है?” है।

सस्टेनेबिलिटी टीमें उस प्रश्न का उत्तर दे रही हैं, एक नियामक समय सीमा पर, अपने काम की जांच करने वाले ऑडिटर के साथ। यह एआई-आकारित एंटरप्राइज़ का एक अच्छा पूर्वावलोकन है जितना आप प्राप्त करने जा रहे हैं।