Jason Wojahn, KMS Technology के CEO – साक्षात्कार शृंखला

Jason Wojahn KMS Technology के CEO हैं। उन्हें उद्यम-प्रौद्योगिकी सेवाएँ देने वाले व्यवसायों को खड़ा करने और उनका विस्तार करने का लगभग तीन दशकों का अनुभव है। उन्होंने Thirdera की सह-स्थापना की और Cognizant द्वारा इसके अधिग्रहण से पहले उसका नेतृत्व किया। इससे पहले, उन्होंने Accenture के वैश्विक ServiceNow व्यवसाय का नेतृत्व किया और Cloud Sherpas तथा IBM Global Services में नेतृत्वकारी भूमिकाएँ निभाईं। उनका काम उद्यमों के रूपांतरण, परिचालन मॉडल और एआई में हुई प्रगति को मापने योग्य व्यावसायिक परिणामों में बदलने पर केंद्रित है।

KMS Technology डिजिटल इंजीनियरिंग, डेटा और एआई के क्षेत्र में काम करने वाली कंपनी है, जो संगठनों को सॉफ़्टवेयर बनाने, अनुप्रयोगों का आधुनिकीकरण करने, डेटा की मजबूत नींव तैयार करने और उत्पादन परिवेश में एआई लागू करने में मदद करती है। इसकी सेवाओं में तकनीकी परामर्श, उत्पाद इंजीनियरिंग, डेटा इंजीनियरिंग और बुद्धिमान कार्यप्रवाह स्वचालन शामिल हैं। इस साक्षात्कार में Wojahn “निष्पादन अर्थव्यवस्था”, एआई के प्रायोगिक परीक्षणों और उत्पादन-स्तर पर उसके इस्तेमाल के बीच की खाई, एजेंटों को निर्णय लेने का अधिकार देने और शुरू से अंत तक के परिणामों के आधार पर प्रगति मापने के तरीकों पर चर्चा करते हैं।

आपने Navigis को बढ़ाने और Accenture के वैश्विक ServiceNow व्यवसाय का नेतृत्व करने से लेकर Thirdera खड़ा करने और अब KMS Technology के CEO के रूप में काम करने तक, उद्यम-प्रौद्योगिकी संगठनों को बनाने और उनका विस्तार करने में तीन दशक बिताए हैं। इन अनुभवों ने उद्यमों के रूपांतरण के बारे में आपके नज़रिए को किस तरह आकार दिया है? और संगठनों को एआई को अपने कामकाज का मूल आधार बनाने में मदद करने की चुनौती ने आपको क्यों आकर्षित किया?

मैंने IBM Global Services में बड़े उद्यमी ग्राहकों के लिए सेवाओं की आपूर्ति का काम संभालते हुए शुरुआत की। इसके बाद Navigis, Cloud Sherpas, Accenture, Thirdera और Cognizant में काम किया—इसका लगभग पूरा सफ़र ServiceNow के इकोसिस्टम में रहा।

मुझे बार-बार एक ही बात देखने को मिली। हर नए मंच ने रूपांतरण का वादा किया, लेकिन जीत किसकी होगी, यह शायद ही कभी तकनीक तय करती थी। जीत उन कंपनियों की हुई जिन्होंने संगठन में कामकाज के वास्तविक प्रवाह को बदल दिया।

ServiceNow के साथ बिताए वर्षों ने मुझे सिखाया कि असली मूल्य कार्यप्रवाहों में होता है, डैशबोर्ड में नहीं। तीन दशकों तक उद्यमों का सॉफ़्टवेयर हमें यह बताने में बेहद सक्षम होता गया कि क्या हो रहा है। लेकिन उस स्थिति में कुछ करने के मामले में वह बहुत कम सक्षम था। लोगों ने इस कमी को पूरा किया। वे बिना अतिरिक्त पारिश्रमिक वाली एकीकरण टीम बन गए और काम को एक प्रणाली से दूसरी प्रणाली तक पहुँचाते रहे।

एआई इस स्थिति को बदलता है। बुद्धिमत्ता अब प्रचुर मात्रा में उपलब्ध हो रही है। अब दुर्लभ चीज़ है उसे समन्वित कार्रवाई में बदलने की क्षमता। KMS में आने की वजह भी यही थी: ऐसे सिस्टम बनाने की गहरी इंजीनियरिंग क्षमता, जो काम को केवल दर्ज न करें, बल्कि उसे पूरा भी करें; और एआई को ऊपर से जोड़ने के बजाय उसे कामकाज का मूल आधार बनाने का अवसर।

कई उद्यमों ने प्रायोगिक कार्यक्रमों के ज़रिए एआई की क्षमता का सफल प्रदर्शन किया है, फिर भी वे इन शुरुआती सफलताओं को उत्पादन के बड़े पैमाने पर मिलने वाले मूल्य में बदलने के लिए संघर्ष करते हैं। प्रयोग के चरण से आगे बढ़ते समय संगठनों को सबसे आम तौर पर किन बाधाओं का सामना करना पड़ता है? और तकनीक के कारगर साबित होने के बाद ही ये चुनौतियाँ अक्सर क्यों सामने आती हैं?

प्रायोगिक परीक्षण साबित करता है कि मॉडल काम करता है। उत्पादन यह साबित करता है कि संगठन काम करता है।

ये दोनों बिल्कुल अलग कसौटियाँ हैं। प्रायोगिक परीक्षण साफ़-सुथरे, सोच-समझकर चुने गए डेटा पर चलता है। इसमें एक उत्साही प्रायोजक और छोटी-सी टीम होती है, जो हर कमी का कोई न कोई रास्ता निकाल लेती है। इसे मुश्किल हिस्सों से बचने के लिए बनाया जाता है।

उत्पादन में उनसे बचा नहीं जा सकता। अब एजेंट को एक के बजाय पाँच प्रणालियों तक पहुँचना होगा। अगर उससे कोई गलती होती है, तो नतीजे की ज़िम्मेदारी किसकी होगी, उसे किन चीज़ों को मंज़ूरी देने की अनुमति होगी और उसे हर दिन चलाने का खर्च कौन उठाएगा—ये सब तय करना होगा।

इसीलिए तकनीक के कारगर साबित होने के बाद ये चुनौतियाँ सामने आती हैं। ये कभी तकनीकी समस्याएँ थीं ही नहीं। ये डेटा, एकीकरण, ज़िम्मेदारी और अधिकार से जुड़ी समस्याएँ हैं, और प्रायोगिक परीक्षण को इन सभी से बचकर निकलने के लिए बनाया गया था।

इसका समाधान है प्रायोगिक परीक्षणों को केवल प्रदर्शन मानना बंद करना। परीक्षण को उत्पादन के पहले चरण के रूप में लें। ऐसा कार्यप्रवाह चुनें जो मायने रखता हो, उसे वास्तविक प्रणालियों से जोड़ें, ज़िम्मेदार व्यक्ति तय करें और पहले ही दिन से स्पष्ट करें कि एजेंट कौन-से निर्णय ले सकता है। शुरुआत धीमी होगी, लेकिन विस्तार कहीं तेज़ी से किया जा सकेगा।

आपने “निष्पादन अर्थव्यवस्था” की ओर बढ़ते बदलाव का वर्णन किया है, जिसमें प्रतिस्पर्धात्मक बढ़त लगातार इस बात पर निर्भर होती जा रही है कि कोई संगठन बुद्धिमत्ता को समन्वित कार्रवाई में कितनी अच्छी तरह बदल सकता है। व्यवहार में इस अवधारणा का क्या अर्थ है, और इससे एआई में निवेश करने के उद्यमों के तरीके में क्या बदलाव आता है?

काम का हर हिस्सा एक ही शृंखला से होकर गुजरता है: सूचना, अंतर्दृष्टि, निर्णय और निष्पादन।

उद्यमों के सॉफ़्टवेयर ने दशकों तक पहले दो चरणों पर ध्यान दिया, और एआई पहले तीन चरणों को तेज़ी से बेहतर बना रहा है। ज़्यादातर संगठन अभी भी निष्पादन के चरण में अटके हुए हैं, और प्रतिस्पर्धात्मक बढ़त अब इसी ओर बढ़ रही है।

व्यवहार में, निष्पादन अर्थव्यवस्था का मतलब है कि बुद्धिमत्ता अब दुर्लभ संसाधन नहीं रही। असली कमी काम पूरा करने की क्षमता की है। दो कंपनियों के पास समान मॉडल, समान डेटा और समान अंतर्दृष्टियाँ हो सकती हैं। जीत उस कंपनी की होती है जो स्पष्ट अधिकार-सीमाओं और हर कदम के लेखा-परीक्षण योग्य रिकॉर्ड के साथ उन अंतर्दृष्टियों को समन्वित कार्रवाई में बदलती है।

इससे निवेश करने का तरीका बदल जाता है। आज एआई के ज़्यादातर बजट उपकरणों—कोपायलट, सहायक और बेहतर खोज—पर खर्च होते हैं। ये लोगों को तेज़ी से काम करने में मदद करते हैं। लेकिन एआई द्वारा दस मिनट में तैयार किया गया प्रस्ताव भी मंज़ूरी के इंतज़ार में तीन दिन पड़ा रह सकता है। काम तेज़ी से निपटाना, नतीजे तेज़ी से हासिल करना नहीं है।

इसलिए उपकरणों के बजाय कार्यप्रवाहों के लिए बजट रखें, और शुरुआत एक अलग सवाल से करें। यह नहीं कि “हम इस कर्मचारी की उत्पादकता 20% कैसे बढ़ाएँ?” बल्कि यह कि “कौन-से काम ऐसे हैं जिनके लिए अब मानवीय समन्वय की ज़रूरत नहीं होनी चाहिए?”

जब AI कर्मचारियों को अलग-अलग कामों में सहायता देने से आगे बढ़कर पूरे कार्यप्रवाहों को स्वायत्त रूप से पूरा करने लगे, तो संगठनों को अपनी मौजूदा प्रक्रियाओं, निर्णय लेने की संरचनाओं और जवाबदेही के मॉडलों पर नए सिरे से कैसे विचार करना चाहिए?

अधिकांश उद्यमी प्रक्रियाएँ इंसानों की सीमाओं को ध्यान में रखकर बनाई गई थीं। जानकारी धीरे-धीरे आगे बढ़ती थी, इसलिए हमने बैठकें शुरू कीं। निर्णयों पर निगरानी ज़रूरी थी, इसलिए हमने अनुमोदन की कई कड़ियाँ बनाईं। जिसे हम प्रक्रिया कहते हैं, उसका बड़ा हिस्सा दरअसल लोगों के बीच काम का हस्तांतरण है।

मौजूदा रूप में इसे स्वचालित करने का मतलब है संगठनात्मक चार्ट को स्वचालित करना। इससे काम का हस्तांतरण तेज़ तो होगा, लेकिन उसकी संख्या कम नहीं होगी।

इस पर नए सिरे से विचार करने की शुरुआत कामों से नहीं, बल्कि निर्णयों से होती है। हर कार्यप्रवाह के भीतर होने वाले निर्णयों का खाका तैयार करें। एजेंट किस बात की सिफ़ारिश कर सकता है? वह क्या तय कर सकता है? वह अपने-आप क्या कर सकता है? और किन स्थितियों में किसी व्यक्ति को दखल देना चाहिए?

अधिकार किसी पूरे कार्यप्रवाह के बजाय निर्णयों से जुड़ा होता है। किसी एजेंट पर चालान का मिलान करने के लिए पूरा भरोसा किया जा सकता है, फिर भी तय सीमा से अधिक के किसी भी भुगतान को मंज़ूरी देने के लिए व्यक्ति की ज़रूरत हो सकती है।

जवाबदेही ख़त्म नहीं होती। वह और स्पष्ट हो जाती है। इंसान और एजेंट मिलकर काम पूरा करने की ज़िम्मेदारी लेते हैं: एजेंट काम संभालते हैं, जबकि लोग अधिकार की सीमाएँ तय करते हैं, अपवादों से निपटते हैं और नतीजे की ज़िम्मेदारी लेते हैं। हर एजेंट के लिए एक नामित ज़िम्मेदार व्यक्ति होना चाहिए, और हर कार्रवाई का पता लगाया जा सकना चाहिए तथा, जहाँ संभव हो, उसे पलटा जा सकना चाहिए।

नेतृत्व की भूमिका काम का समन्वय करने से बदलकर उसे पूरा करने वाली प्रणालियाँ तैयार करने की हो जाती है।

KMS Technology में, आपका ध्यान पारंपरिक डिजिटल इंजीनियरिंग को AI-नेटिव उद्यमी क्रियान्वयन में बदलने पर है। अंदरूनी तौर पर यह बदलाव कैसा दिखता है, और मापने योग्य व्यावसायिक नतीजे देने के लिए KMS, AI, डेटा प्लेटफ़ॉर्म और बुद्धिमान कार्यप्रवाह समन्वय को किस तरह एक साथ जोड़ता है?

हम सबसे पहले इसी सोच को अपने काम में लागू कर रहे हैं। KMS की शुरुआत एक डिजिटल इंजीनियरिंग कंपनी के रूप में हुई थी। हमारा अगला अध्याय AI-नेटिव उद्यमी क्रियान्वयन का है: निर्माण, आधुनिकीकरण और संचालन—जिसमें इंसान और एजेंट मिलकर काम पूरा करने की ज़िम्मेदारी लेते हैं। इसके नतीजे समय और प्रयास में दिखाई देते हैं:

निर्माण। Evergreen Telehealth को एजेंटिक AI और स्वास्थ्य-डेटा मानक FHIR पर आधारित टेलीहेल्थ प्लेटफ़ॉर्म चाहिए था, और बाज़ार में ऐसा कुछ मौजूद नहीं था। AI-नेटिव तरीके से काम करते हुए, और ज़रूरतों, डिज़ाइन, निर्माण तथा परीक्षण—हर चरण में Claude को शामिल करके, हमारी टीम और Evergreen के इंजीनियरों ने 75 कार्यदिवसों में मूल प्लेटफ़ॉर्म को अवधारणा से उत्पादन तक पहुँचाया। इसमें तीन ऐप (वेब, iOS और Android), चार सक्रिय एकीकरण (EHR, पहचान सत्यापन, भुगतान और फ़ार्मेसी) और उत्पादन में तैनात दो एजेंट शामिल थे। इस मॉडल में नेतृत्व इंसानों के हाथ में था और AI ने काम तेज़ किया। एजेंटों ने उपयोगकर्ता कहानियों के प्रारूप तैयार किए, कोड बनाया और परीक्षण चलाए। आर्किटेक्चर, क्लिनिकल डेटा की मैपिंग और हर अहम निर्णय की ज़िम्मेदारी इंजीनियरों ने संभाली।

आधुनिकीकरण। एक अन्य उदाहरण में, समुद्री क्षेत्र की एक सॉफ़्टवेयर कंपनी को उस प्लेटफ़ॉर्म की जगह नया प्लेटफ़ॉर्म बनाना था, जिसे वह 20 से अधिक वर्षों से अपने परिसर में संचालित कर रही थी। निवेशकों को प्रगति दिखाने से पहले लंबी पारंपरिक पुनर्निर्माण प्रक्रिया को उचित ठहराना उसके लिए संभव नहीं था, इसलिए हमने छह सप्ताह की समय-सीमा में एजेंटिक निर्माण किया। ग्राहक की ज़रूरतों को संदर्भ के रूप में लोड किया गया, ताकि एजेंट केवल कोड बनाने के बजाय विनिर्देशों के अनुरूप निर्माण करें। टीम ने लगभग 800 टीम-घंटों में MVP के दायरे का 35 से 45 प्रतिशत काम पूरा किया, जबकि शुरुआती अनुमान 6,000 से 8,000 का था। एजेंटों ने कोड और 5,000 से अधिक यूनिट टेस्ट लिखे। इंजीनियरों ने सुरक्षा-सीमाएँ तय कीं और गुणवत्ता का आकलन किया।

संचालन। इसके बाद Evergreen ने अपने पूरे व्यवसाय में एजेंट आर्किटेक्चर का विस्तार किया है। इसमें निगरानी करने वाले एजेंट सिस्टम पर नज़र रखते हैं और लोग मूल्यांकन व सुधार के लिए प्रक्रिया में शामिल रहते हैं।

हम सिर्फ़ तेज़ी से कोड नहीं लिख रहे हैं। हम बदल रहे हैं कि कोई टीम कितना काम पूरा कर सकती है।

इन तीनों क्षेत्रों में इंसान और एजेंट मिलकर काम पूरा करने की ज़िम्मेदारी लेते हैं। एजेंट बार-बार किए जाने वाले काम संभालते हैं। निर्णयों, अपवादों और नतीजों की ज़िम्मेदारी हमारे इंजीनियर और हमारे ग्राहकों की टीमें लेती हैं।

यही बदलाव हमें काम पूरा करने की क्षमता का बेहतर लाभ उठाने देता है। यही AI-नेटिव तरीके से काम पूरा करने और AI-सक्षम तरीके से काम पूरा करने के बीच का अंतर है।

उद्यमों में AI प्रणालियाँ तेज़ी से खंडित विरासत अनुप्रयोगों, क्लाउड प्लेटफ़ॉर्मों और डेटा परिवेशों में मौजूद जानकारी तक पहुँच पर निर्भर हो रही हैं। इन प्रणालियों को आपस में जोड़ने की चुनौती कितनी बड़ी है, और बड़े पैमाने पर AI-संचालित कार्यप्रवाह लागू करने से पहले संगठनों को कौन-सी वास्तुशिल्पीय बुनियाद तैयार करनी चाहिए?

यह सबसे बड़ी चुनौती है। अधिकांश उद्यमों को AI की समस्या नहीं है। उनकी समस्या बिखराव की है, जिसे AI ने नज़रअंदाज़ करना असंभव बना दिया है।

देखिए, आज काम कैसे होता है। कोई व्यक्ति एक अनुप्रयोग में जानकारी ढूँढ़ता है, दूसरे में मंज़ूरी के लिए लोगों के पीछे पड़ता है और फिर नतीजे को तीसरे में कॉपी करता है। लोग ही एकीकरण की कड़ी हैं। कोई एजेंट यह काम तब तक नहीं कर सकता, जब तक वह उन प्रणालियों तक पहुँच न सके, संदर्भ को समझ न सके और सही अनुमतियों के साथ कार्रवाई न कर सके।

इसलिए बुनियादी ढाँचे का महत्व मॉडल से ज़्यादा है। सबसे पहले चार चीज़ें ज़रूरी हैं:

• एक आधुनिक डेटा आर्किटेक्चर, जो एजेंटों को भरोसेमंद संदर्भ उपलब्ध कराए
• एक एकीकरण परत, जो एजेंटों को केवल प्रणालियों से पढ़ने ही नहीं, बल्कि उन पर कार्रवाई करने की भी सुविधा दे
• पहचान और अनुमतियाँ, जिन्हें सिर्फ़ लोगों के लिए नहीं, बल्कि एजेंटों के लिए भी तैयार किया गया हो
• निगरानी, ताकि आप देख सकें कि हर एजेंट ने क्या किया और क्यों किया

तकनीकी ढाँचा भी सिमट रहा है। डेटा प्लेटफ़ॉर्म परिचालन का हिस्सा बन रहे हैं, कार्यप्रवाह प्लेटफ़ॉर्म अधिक बुद्धिमान हो रहे हैं और एप्लिकेशन हेडलेस बन रहे हैं। अगर कार्यप्रवाह इस पूरे तकनीकी ढाँचे में आगे बढ़ सकता है, तो उपयोगकर्ता को ऐसा क्यों करना पड़े?

बेहतरीन तकनीकी संरचना का इंतज़ार न करें। ऐसा एक कार्यप्रवाह चुनें जो मायने रखता हो और उससे जुड़ी चीज़ों को आधुनिक बनाएँ। फिर अगला कार्यप्रवाह चुनें।

जब AI एजेंट कारोबारी परिचालनों में निर्णय लेने और कार्रवाई करने लगते हैं, तब शासन, जवाबदेही और मानवीय निगरानी से जुड़े सवाल लगातार अहम होते जाते हैं। उद्यमों को कैसे तय करना चाहिए कि कौन-से निर्णय AI को सौंपे जा सकते हैं और कौन-से मानवीय नियंत्रण में ही रहने चाहिए?

मैं इस सवाल को बदलकर शुरुआत करूँगा। सवाल यह नहीं है, “क्या AI यह कर सकता है?” इसका जवाब तेज़ी से “हाँ” होता जा रहा है। बेहतर सवाल है, “उसे कार्रवाई करने की अनुमति किसने दी?”

क्षमता और पहुँच का मतलब अधिकार नहीं है। जब कोई एजेंट रिफ़ंड मंज़ूर कर सकता हो, उत्पादन का शेड्यूल बदल सकता हो या खर्च की प्रतिबद्धता ले सकता हो, तो किसी को उसकी सीमाएँ तय करनी होंगी।

एक व्यावहारिक कसौटी है लागत और निर्णय को पलट सकने की क्षमता। जो निर्णय बड़ी संख्या में लिए जाते हों, नियमों पर आधारित हों और जिन्हें आसानी से बदला जा सके, उन्हें सौंपना एक अच्छा विकल्प है। जो निर्णय बड़े प्रभाव वाले हों, जिन्हें पलटा न जा सके या जो ग्राहक के साथ संबंध की दिशा तय करते हों, वे किसी व्यक्ति के पास ही रहने चाहिए।

काम सौंपने का अधिकार भी अर्जित करना चाहिए। शुरुआत इस तरह करें कि एजेंट सुझाव दें और कोई व्यक्ति उन्हें मंज़ूरी दे। जैसे-जैसे सबूत जुटें, उस व्यक्ति की भूमिका हर कार्रवाई को मंज़ूरी देने से बदलकर सिस्टम की निगरानी करने और अपवादों को सँभालने की हो जाए।

लक्ष्य हर प्रक्रिया में एक व्यक्ति को शामिल करना नहीं है। लक्ष्य है सही प्रक्रियाओं में व्यक्ति की भागीदारी। डेटा संदर्भ देता है। मॉडल तर्क करते हैं। एजेंट कार्रवाई करते हैं। लोग अधिकार तय करते हैं और परिणामों की ज़िम्मेदारी लेते हैं।

आपने Accenture और Cognizant में बड़े उद्यमी प्लेटफ़ॉर्म व्यवसायों का नेतृत्व किया है, जहाँ परिचालनों का विस्तार करने के लिए वैश्विक संगठनों में तकनीक, लोगों और प्रक्रियाओं के बीच तालमेल बिठाना ज़रूरी था। उन अनुभवों से मिले कौन-से सबक आज के AI रूपांतरण प्रयासों में काम आते हैं—खासकर तब, जब संगठन का विरोध या पुराने परिचालन मॉडल खुद तकनीक से बड़ी बाधाएँ बन जाते हैं?

सबसे ज़्यादा सीख मुझे एकीकरण से मिली। Cloud Sherpas, फिर Accenture और बाद में Cognizant में मैंने कई साल संगठनों को एक साथ लाने में बिताए। अलग-अलग संस्कृतियों, सेवा-मॉडलों, प्रोत्साहनों और क्षेत्रों को मिलकर एक ही प्लेटफ़ॉर्म व्यवसाय के रूप में काम करना था।

तकनीक शायद ही कभी बाधा होती थी। बाधा परिचालन मॉडल था।

तीन सबक सीधे AI रूपांतरण में काम आते हैं।

पहला, विरोध आम तौर पर तर्कसंगत होता है। लोग उसी चीज़ की रक्षा करते हैं जिसके आधार पर उनका मूल्यांकन होता है। अगर आप टीमों का मूल्यांकन अब भी काम के घंटों, कर्मचारियों की संख्या और गतिविधियों के आधार पर करते हुए एजेंट लागू करेंगे, तो बदलाव नहीं, केवल नियमों का पालन होगा। मापदंड बदलें और व्यवहार भी बदल जाएगा।

दूसरा, निर्णय लेने के अधिकार स्पष्ट होने चाहिए। हर एकीकरण में सबसे कठिन बातचीत इस बारे में होती थी कि कौन क्या तय करेगा। AI इस सवाल से बचना असंभव बना देता है, क्योंकि अब निर्णय लेने वालों में कुछ इंसान नहीं हैं।

तीसरा, यह स्पष्ट करें कि क्या नहीं बदलेगा। जब लोग बदलाव का कारण समझते हैं और जानते हैं कि क्या जस का तस रहेगा, तो वे उसे बेहतर ढंग से अपना पाते हैं।

AI रूपांतरण मूलतः परिचालन मॉडल में बदलाव है, जिसमें तकनीक भी शामिल है। जो नेता इसे केवल सॉफ़्टवेयर लागू करने की प्रक्रिया मानेंगे, उन्हें निराशा होगी।

AI की सफलता के पारंपरिक मापदंडों में अक्सर अपनाने की दर, उत्पादकता में सुधार और बचाए गए समय पर ज़ोर दिया जाता है। यह तय करने के लिए कि AI वास्तव में कारोबारी कामकाज को बेहतर बना रहा है या नहीं, अधिकारियों को किन मापदंडों को प्राथमिकता देनी चाहिए? और संगठन क्रमिक दक्षता-वृद्धि तथा परिचालन में सार्थक बदलाव के बीच अंतर कैसे पहचान सकते हैं?

उपयोग और बचाया गया समय इनपुट के मापदंड हैं। इनसे पता चलता है कि लोग टूल का इस्तेमाल कर रहे हैं, यह नहीं कि कारोबार तेज़ी से आगे बढ़ रहा है या नहीं।

अगर किसी इंजीनियर के दो घंटे बचते हैं, लेकिन रिलीज़ को समीक्षा के लिए अब भी एक हफ़्ता इंतज़ार करना पड़ता है, तो ग्राहक के लिए कुछ नहीं बदला। काम तेज़ी से पूरा होना, नतीजे तेज़ी से मिलने के बराबर नहीं है।

मैं तीन तरह के मापदंडों को प्राथमिकता दूँगा:

• ज़रूरत से नतीजे तक का समय: किसी अनुरोध को शुरू से अंत तक नतीजे में बदलने में कितना समय लगता है।
• काम कहाँ अटकता है: निर्णय लेने में कितना समय लगता है, काम कितनी बार एक टीम से दूसरी टीम को सौंपा जाता है और टीमों के बीच कतारों में कितना इंतज़ार होता है।
• बिना समन्वय के पूरा होने वाला काम: कार्यप्रवाह का कितना हिस्सा लोगों के समन्वय के बिना चलता है, जबकि लोग अपने विवेक का इस्तेमाल करने और अपवादों को सँभालने पर ध्यान देते हैं।

फिर इन मापदंडों को कारोबार से जोड़ें: सेवा देने की लागत, गुणवत्ता और राजस्व।

रूपांतरण की कसौटी सरल है। क्या काम तेज़ हुआ, या कार्यप्रवाह का स्वरूप बदल गया? क्रमिक सुधार उसी प्रक्रिया को तेज़ करते हैं। रूपांतरण उन चरणों, काम सौंपने की प्रक्रियाओं और मंज़ूरियों को हटा देता है जिनकी अब ज़रूरत नहीं है।

ज़रूरत से नतीजे तक का समय मापें। पता लगाएँ कि काम कहाँ अटकता है। जो चीज़ उसे वहाँ रोके हुए है, उसे बदलें।

अगले तीन से पाँच वर्षों में AI, उद्यमी सॉफ़्टवेयर और मानव कर्मचारियों के बीच संबंध कैसे बदलेंगे? क्या आप ऐसे भविष्य की कल्पना करते हैं जहाँ AI-आधारित प्रणालियाँ पारंपरिक उद्यमी कार्यप्रवाहों की जगह पूरी तरह ले लेंगी? और इस बदलाव की तैयारी के लिए कारोबारी नेताओं को आज क्या करना चाहिए?

तीस वर्षों तक एंटरप्राइज़ सॉफ़्टवेयर हमें बताता रहा कि क्या हो रहा है। अगले तीन से पाँच वर्षों में, वह तेज़ी से काम भी करने लगेगा।

एआई जिस चीज़ की जगह लेगा, वह है समन्वय: लोगों के दिन का अधिकांश हिस्सा लेने वाले काम—पीछा करना, नकल करना, काम सौंपना और आगे की कार्रवाई करना। लोग निर्णय लेने, अपवादों से निपटने, संबंध बनाने और नतीजों की ज़िम्मेदारी लेने पर अधिक ध्यान देंगे। इससे मानवीय विशेषज्ञता का बेहतर उपयोग होगा, लेकिन इसके लिए नई क्षमताएँ विकसित करनी होंगी और नेताओं को उन्हें सोच-समझकर विकसित करना होगा।

नेताओं को आज क्या करना चाहिए? किसी एक महत्वपूर्ण कार्यप्रवाह को चुनें और उसमें होने वाले निर्णयों का खाका बनाएँ। उसके आधारभूत डेटा को दुरुस्त करें। तय करें कि एजेंट को कौन-से निर्णय लेने की अनुमति होगी, और उस व्यक्ति की पहचान करें जो नतीजे की ज़िम्मेदारी लेगा। फिर अगले कार्यप्रवाह पर आगे बढ़ें।

जो कंपनियाँ एआई को एक उपकरण मानेंगी, उन्हें दक्षता मिलेगी। जो कंपनियाँ उसके इर्द-गिर्द अपना कामकाज फिर से व्यवस्थित करेंगी, उन्हें अधिक लाभ उठाने की क्षमता मिलेगी। एआई रणनीति नहीं है। असली बात उसे अमल में लाना है।

शानदार साक्षात्कार के लिए धन्यवाद। जो पाठक एआई-आधारित एंटरप्राइज़ कार्यान्वयन, बुद्धिमान कार्यप्रवाहों और एआई पायलट परियोजनाओं से उत्पादन तक के बदलाव के बारे में जानना चाहते हैं, वे KMS Technology पर जाएँ।