विचार नेता
उद्यम AI के भीतर छिपा सहमति अंतर
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Enterprise AI वार्तालाप अक्सर डेटा से शुरू होते हैं। क्या कंपनी के पास मॉडल को प्रशिक्षित करने, अनुभव को वैयक्तिकृत करने या स्वचालित निर्णय का समर्थन करने के लिए पर्याप्त ग्राहक जानकारी है?
जो प्रश्न अक्सर छूट जाता है वह यह है कि क्या कंपनी वास्तव में उस डेटा को अपने मन में रखे विशिष्ट उद्देश्य के लिए उपयोग करने की अनुमति रखती है।
ग्राहक डेटा सटीक, सुलभ और मूल्यवान हो सकता है जबकि फिर भी प्रतिबंध रखता है। कोई व्यक्ति व्यक्तिगत सिफ़ारिशें प्राप्त करने के लिए सहमत हो सकता है बिना यह सहमति दिए कि उसकी जानकारी का उपयोग AI मॉडल को प्रशिक्षित करने के लिए किया जाए। कोई अन्य व्यक्ति महीने में एक बार ईमेल अपडेट चाहता है लेकिन दैनिक टेक्स्ट संदेशों को अस्वीकार करता है।
इसी कारण मैंने सहमति और प्राथमिकता प्रबंधन को अनुमतियों शासन के रूप में वर्णित करना शुरू किया है। यह एक सरल प्रश्न का उत्तर देता है: कौन, या क्या, इस डेटा तक पहुँचने और इसे विशेष उद्देश्य के लिए उपयोग करने की अनुमति रखता है?
जैसे ही AI अधिक ग्राहक अनुभवों से जुड़ता है, कंपनियों को सिस्टम के कार्य करने से पहले इस प्रश्न का उत्तर देना चाहिए। दस्तावेज़ित AI घटनाएँ बढ़ा 2024 में 233 से 2025 में 362 तक — एक वर्ष में 55% की वृद्धि, और यह दर्शाता है कि इसको सही करने पर कितना कुछ निर्भर है।
उपलब्ध डेटा अधिकृत डेटा नहीं है
अधिकांश बड़े संगठनों के पास पहले से ही ग्राहक जानकारी एकत्रित, संग्रहीत और स्थानांतरित करने की तकनीक होती है। उन्हें पता हो सकता है कि डेटा कहाँ रहता है, वह किस ग्राहक से संबंधित है और इसे दूसरे अनुप्रयोग के लिए कैसे उपलब्ध कराना है।
अनुमतियों शासन अलग प्रश्नों के सेट का उत्तर देता है:
- जानकारी क्यों एकत्रित की गई?
- ग्राहक ने किस बात से सहमति दी?
- उस सहमति में कौन‑से उपयोग शामिल हैं?
- क्या ग्राहक ने अपना विचार बदल दिया है?
- कौन‑से सिस्टम को वह अपडेट प्राप्त करना चाहिए?
जब एक उद्देश्य के लिए एकत्रित डेटा को नई AI उपयोग केस में पेश किया जाता है, तो ये प्रश्न विशेष रूप से महत्वपूर्ण हो जाते हैं। CRM या ग्राहक प्रोफ़ाइल में मौजूद जानकारी स्वचालित रूप से हर मॉडल, अभियान या स्वचालित निर्णय के लिए उपयुक्त नहीं होती।
सहमति एक वैध आधार है व्यक्तिगत डेटा को प्रोसेस करने के लिए, लेकिन यह एकमात्र नहीं है। आवश्यकताएँ अधिकार क्षेत्र, डेटा और उपयोग केस पर निर्भर करती हैं। व्यापक बिंदु यह है कि केवल उपलब्धता ही अनुमति सिद्ध नहीं करती।नियामक पहले से ही जांच कर रहे हैं क्या होता है जब AI मॉडल अवैध रूप से प्रोसेस किए गए व्यक्तिगत डेटा का उपयोग करके विकसित किए जाते हैं। जानकारी कैसे प्राप्त हुई, इस बारे में प्रश्न तब समाप्त नहीं होते जब वह जानकारी मॉडल में प्रवेश करती है।
AI को “ऑप्ट इन” या “ऑप्ट आउट” से अधिक चाहिए
पारंपरिक सहमति प्रणालियाँ अक्सर ग्राहक के निर्णय को दो विकल्पों तक सीमित कर देती हैं: ऑप्ट‑इन या ऑप्ट‑आउट। यह उस वास्तविक तरीके को प्रतिबिंबित नहीं करता कि लोग कंपनियों के साथ कैसे संवाद करना चाहते हैं।
एक ग्राहक उत्पाद सिफ़ारिशें चाह सकता है लेकिन असंबंधित विज्ञापन को अस्वीकार कर सकता है। वह वैयक्तिकरण को स्वीकार कर सकता है जबकि मॉडल प्रशिक्षण के लिए अपनी जानकारी के उपयोग को अस्वीकार कर सकता है। वह अभी भी किसी ब्रांड के ईमेल पसंद कर सकता है लेकिन हर दिन की बजाय महीने में एक बार सुनना चाहता है।
22 उपभोक्ता-उन्मुख AI सिस्टम की समीक्षा पाई कि उत्पाद अनुमति मांगने और वैयक्तिकरण प्रबंधन में व्यापक विविधता है, और अध्ययन किए गए सिस्टमों में कोई सुसंगत मानक नहीं है।
ग्राहकों को ऑप्ट‑डाउन करने की क्षमता देना एक बड़ा समाधान हो सकता है। इस विकल्प के बिना, बहुत अधिक संदेशों से निराश होने वाला कोई व्यक्ति पूरी तरह से सदस्यता रद्द कर सकता है। कंपनी एक इच्छुक ग्राहक को खो देती है क्योंकि उसने उस व्यक्ति को अधिक उचित विकल्प नहीं दिया।
अनुभव उस क्षण आक्रामक हो जाता है जब वह आदान‑प्रदान टूट जाता है — जब ग्राहक को याद नहीं रहता कि उसने यह अनुरोध किया था या वह समझ नहीं पाता कि कंपनी कुछ जानकारी पर क्यों कार्य कर रही है। व्यवसाय इस भ्रम से बहुत हद तक बच सकते हैं यदि वे सीधे हों: यहाँ वह जानकारी है जिसे हम एकत्रित करना चाहते हैं, यहाँ है कि हम इसे कैसे उपयोग करेंगे और यहाँ है कि आपको बदले में क्या मिलेगा।
ग्राहक की पसंद हर सिस्टम तक पहुँचना चाहिए
वेबसाइट पर प्राथमिकता को कैप्चर करना केवल शुरुआत है। वह विकल्प ग्राहक की जानकारी का उपयोग करने वाले हर सिस्टम तक पहुँचना चाहिए। एक ग्राहक प्राथमिकता अपडेट कर सकता है जबकि ईमेल प्लेटफ़ॉर्म, सेवा अनुप्रयोग या AI वातावरण पुराने उत्तर पर कार्य करता रहता है, और परिणामस्वरूप विभिन्न व्यावसायिक इकाइयाँ विरोधाभासी रिकॉर्ड रख सकती हैं। एक ग्राहक अनाम ब्राउज़िंग से प्रमाणित खाते में भी जा सकता है बिना कंपनी के पहले की पसंदों को नए प्रोफ़ाइल से जोड़े।
यहीं वह जगह है जहाँ सहमति अब एक प्राइवेसी साइलो में नहीं रह सकती जिसे बाकी व्यवसाय मुश्किल से जानते हैं। इसे मार्केटिंग, ग्राहक अनुभव, डेटा गवर्नेंस और AI तैनात करने वाले सिस्टमों से जोड़ना होगा। एक कार्यशील अनुमतियों परत को नवीनतम रिकॉर्ड बनाए रखना चाहिए, ग्राहक प्रोफ़ाइलों में विकल्पों को जोड़ना चाहिए, प्रत्येक अनुमति को एक विशिष्ट उद्देश्य से संबद्ध करना चाहिए और परिवर्तन को हर संबंधित सिस्टम को भेजना चाहिए।
यदि केंद्रीय रिकॉर्ड दिखाता है कि ग्राहक ने अनुमति वापस ले ली है लेकिन डाउनस्ट्रीम सिस्टम फिर भी डेटा का उपयोग जारी रखते हैं, तो विकल्प को रिकॉर्ड करना वास्तव में उसका सम्मान नहीं करता। यह समस्या AI के साथ बहुत बड़ी हो जाती है। एक पुरानी अनुमति हजारों सिफ़ारिशों, संदेशों या स्वचालित कार्यों को प्रभावित कर सकती है, इससे पहले कि कोई नोटिस ले।
गोपनीयता वह “नहीं” कार्यालय नहीं बन सकती
यदि गोपनीयता केवल बाद में शामिल की जाती है तो यह सब काम नहीं करता। कुछ कंपनियों में गोपनीयता टीमों को “नहीं” कार्यालय के रूप में जाना जाता है, और अक्सर ऐसा इसलिए होता है क्योंकि महत्वपूर्ण निर्णयों के बाद ही गोपनीयता को किसी प्रोजेक्ट में लाया जाता है।
एक मार्केटिंग टीम अभियान विकसित करती है, एक डेटा टीम नया मॉडल बनाती है या नेतृत्व तय करता है कि AI पर जल्दी से काम करना आवश्यक है। गोपनीयता को योजना के अंत के करीब प्राप्त होता है और वह एक समस्या पहचानती है। उस बिंदु पर, एकमात्र वास्तविक उत्तर “नहीं” हो सकता है।
प्रक्रिया में गोपनीयता को पहले शामिल करने से बातचीत बदल जाती है। टीम व्यवसाय को आगे बढ़ते रहने में मदद कर सकती है जबकि रास्ते में सही बिंदुओं की जाँच करती है। गोपनीयता द्वारा डिज़ाइन वह बहुत आसान है बनिस्बत उस सिस्टम को उलटने की कोशिश करने के, जब ग्राहक डेटा पहले ही उसके माध्यम से गुजर चुका हो।
यह महत्वपूर्ण है क्योंकि गोपनीयता टीमें अक्सर छोटी होती हैं, यहाँ तक कि दुनिया की सबसे बड़ी कंपनियों में भी। ये छोटी लेकिन शक्तिशाली टीमें हर एप्लिकेशन में प्रत्येक ग्राहक विकल्प को मैन्युअल रूप से ट्रैक नहीं कर सकतीं। उन्हें ऐसे सिस्टम की आवश्यकता है जो लचीले, उपयोग में आसान और पूरे व्यवसाय में अनुमतियों को ले जाने में सक्षम हों।
गोपनीयता पेशेवरों को यह विश्वास भी चाहिए कि वे अपने काम को व्यावसायिक शब्दों में समझा सकें। वे कंपनी और ग्राहक के बीच स्थित होते हैं और दोनों पक्षों को संबंध से अधिक मूल्य प्राप्त करने में मदद कर सकते हैं।
ऑडिट ट्रेल को AI निर्णय तक पहुँचना चाहिए
जब किसी AI-चालित निर्णय पर सवाल उठाया जाता है, तो कंपनी को यह पुनर्निर्मित करने में सक्षम होना चाहिए कि क्या हुआ। इसमें यह पहचानना शामिल है कि कौन सा ग्राहक डेटा उपयोग किया गया, ग्राहक ने क्या सहमति दी थी, उन्हें कौन सा नोटिस मिला और क्या नवीनतम विकल्प सिस्टम तक पहुँच गया था इससे पहले कि वह कार्य करे। स्थापित AI मार्गदर्शन डेटा, सिस्टम आवश्यकताओं और निर्णयों को पूरे AI जीवनचक्र में दस्तावेज़ करने पर ज़ोर देता है।
यह प्रमाण नियामक जांचों का समर्थन करता है, लेकिन इसका व्यावहारिक मूल्य भी है। गोपनीयता, मार्केटिंग, ग्राहक अनुभव और डेटा टीमों को समझना चाहिए कि क्या गलत हुआ, कौन से सिस्टम असंगत हो गए और प्रक्रिया को कैसे सुधारें।
सहमति को कैप्चर करना बाद में उसका प्रमाण देना नहीं है। डेटा कई सिस्टमों से होकर गुजरने और स्वचालित कार्रवाई को प्रभावित करने के बाद रिकॉर्ड को पुनर्निर्मित करना बहुत कठिन हो जाता है।
विश्वास एक-एक इंटरैक्शन से बनता या टूटता है
विश्वास एक बज़वर्ड जैसा लग सकता है, लेकिन यह हर ग्राहक संबंध की नींव है। प्रत्येक इंटरैक्शन उस संबंध को थोड़ा बेहतर या थोड़ा ख़राब बनाता है, चाहे कंपनी इसे महसूस करे या न करे।
जैसे अपनाना बढ़ता है, कंपनियों के पास मूल्य बनाने के अधिक अवसर होते हैं, लेकिन साथ ही छोटे शासन अंतरालों के कारण ग्राहकों पर प्रभाव पड़ने के भी अधिक अवसर होते हैं। ग्राहक-सामना करने वाले AI एप्लिकेशन को स्केल करने से पहले, नेताओं को समझना चाहिए कि वह कौन सा डेटा उपयोग करेगा, कौन सी अनुमतियाँ लागू होंगी और ग्राहक के अपडेटेड विकल्प को सिस्टम तक पहुँचने में कितना समय लगेगा।
एक सिफ़ारिश को ऐसी जानकारी पर निर्भर नहीं होना चाहिए जो ग्राहक ने उपयोग की आशा नहीं की थी। एक संदेश को ऐसे चैनल के माध्यम से नहीं आना चाहिए जिसे ग्राहक ने अस्वीकार किया हो। एक स्वचालित सिस्टम को केवल इसलिए कार्य नहीं करना चाहिए क्योंकि डेटा उपलब्ध है।
ग्राहक पहले से ही संगठनों को बता रहे हैं कि वे क्या चाहते हैं। अगला कदम यह सुनिश्चित करना है कि उनके डेटा पर कार्य करने वाले AI सिस्टम सुनने में सक्षम हों।
