साक्षात्कार
विजय रायापति, CEO और सह-संस्थापक, Atomicwork – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Vijay Rayapati Atomicwork के सह-संस्थापक और CEO हैं। कंपनी स्थापित करने से पहले, उन्होंने Nutanix में क्लाउड नेटवर्किंग और सुरक्षा व्यवसाय के वरिष्ठ उपाध्यक्ष और जनरल मैनेजर के रूप में कार्य किया, जब Nutanix ने Minjar, वह क्लाउड प्रबंधन प्लेटफ़ॉर्म कंपनी जिसे उन्होंने संस्थापित किया और CEO के रूप में स्केल किया, का अधिग्रहण किया। अपने करियर की शुरुआत में, उन्होंने Kuliza और Trilogy में इंजीनियरिंग और प्रोडक्ट लीडरशिप भूमिकाएँ निभाई, जिससे उन्हें एंटरप्राइज़ इन्फ्रास्ट्रक्चर और सॉफ़्टवेयर एप्लिकेशन बनाने का गहरा अनुभव मिला। उनका पृष्ठभूमि क्लाउड इन्फ्रास्ट्रक्चर, एंटरप्राइज़ सॉफ़्टवेयर और AI वर्कफ़ोर्स टेक्नोलॉजी तक फैला हुआ है, जिससे वे एंटरप्राइज़ आईटी क्षेत्र में एक प्रसिद्ध संस्थापक बन गए हैं।
Atomicwork एक एंटरप्राइज़ AI कंपनी है जो एक एजेंटिक IT सर्विस मैनेजमेंट प्लेटफ़ॉर्म बनाती है, जो कर्मचारियों को तकनीकी समस्याओं को हल करने, नियमित समर्थन कार्यों को स्वचालित करने और AI के माध्यम से एंटरप्राइज़ ज्ञान तक पहुँचने में मदद करता है। इसका प्लेटफ़ॉर्म AI एजेंटों को आधुनिक ITSM क्षमताओं के साथ जोड़ता है ताकि सेवा अनुरोधों को संभाला जा सके, समस्याओं का निवारण किया जा सके, एंटरप्राइज़ सिस्टम्स के बीच वर्कफ़्लो का समन्वय किया जा सके, और IT टीमों पर बोझ कम किया जा सके। ग्राहक Atomicwork का उपयोग तेज़ कर्मचारी समर्थन प्रदान करने और IT एवं व्यापार संचालन में परिचालन दक्षता सुधारने के लिए करते हैं।
आपने पहले Minjar की सह-स्थापना की, उसके एंटरप्राइज़ क्लाउड मैनेजमेंट व्यवसाय को बनाया, और फिर अधिग्रहण के बाद Nutanix में संचालन का नेतृत्व किया। एक एंटरप्राइज़ सॉफ़्टवेयर कंपनी को बनाना, बेचना और एकीकृत करना से कौन‑से सबक मिले, जिन्होंने आपको 2022 में Atomicwork स्थापित करने और AI युग के लिए IT सर्विस मैनेजमेंट को जड़ से पुनः निर्मित करने के लिए प्रेरित किया?
Minjar में, हमने ऐसा सॉफ़्टवेयर बनाया जो स्वचालन के माध्यम से कंपनी के क्लाउड बिल को एक‑तिहाई तक घटा सकता था। ग्राहकों को सिफ़ारिशें बहुत पसंद आईं। फिर वे उन्हें दो तिमाहियों तक रख लेते थे। मुझे समझने में थोड़ा समय लगा कि क्यों, और जवाब तकनीकी नहीं था। जब स्वचालन कोई कॉल करता है और वह गलत हो जाता है, तो जिम्मेदार कोई नहीं होता। एंटरप्राइज़ सिर्फ सॉफ़्टवेयर या परिणाम नहीं खरीदते। वे किसी ऐसे व्यक्ति को खरीदते हैं जो उनके लिए उत्तरदेही हो। संगठन चार्ट में जहाँ कोई स्थान नहीं है, ऐसे सॉफ़्टवेयर को अधिकार नहीं मिलता, चाहे वह कितना भी अच्छा क्यों न हो।
अधिग्रहण ने मुझे एक संकीर्ण सबक सिखाया। पॉइंट प्रोडक्ट्स खरीदे जाते हैं। रिकॉर्ड सिस्टम्स पर निर्माण किया जाता है। आप बेहतर प्रोडक्ट हो सकते हैं और फिर भी अपना जीवन उस वर्कफ़्लो के मालिक के चारों ओर घुमाते रहेंगे।
Nutanix के वर्षों ने इन दोनों को मिलाया। मैंने देखा कि IT नियंत्रण के लिए सर्विस मैनेजमेंट खरीदता है और कर्मचारी इसे एक फ़ॉर्म और कतार के रूप में अनुभव करते हैं। साथ ही मुझे एहसास हुआ कि टिकट कभी प्रोडक्ट नहीं था, ऑडिट ट्रेल था। इसलिए ITSM ने चालीस वर्षों तक लोगों की नापसंदगी के बावजूद जीवित रहा, और यही कारण है कि कोई भी इसे हट नहीं सका।
तो 2022 में सवाल यह नहीं था कि AI काम कर सकता है या नहीं। सवाल यह था कि क्या आप AI को संगठन चार्ट में जगह दे सकते हैं। लेगेसी ITSM प्लेटफ़ॉर्म यह नहीं कर पाते, क्योंकि उनके डेटा मॉडल के केंद्र में एक मानव असाइनी होता है और हर SLA, अनुमोदन और रिपोर्ट उसी मान्यताओं पर टिकी होती है। AI को जोड़ें और आपको एक तेज़ फ़ॉर्म मिल जाता है।
हमने दूसरे उत्तर के लिए निर्माण किया जहाँ AI एक हाइब्रिड वर्कफ़ोर्स प्रदान करता है, केवल सॉफ़्टवेयर नहीं। AI सहकर्मी काम करते हैं, और IT उन्हें उसी तरह गवर्न करता है जैसे HR लोगों को गवर्न करता है। आप एक AI सहकर्मी को कॉन्फ़िगर नहीं करते। आप उसे एक भूमिका में नियुक्त करते हैं, उसके काम की समीक्षा करते हैं, और यदि वह प्रदर्शन नहीं करता तो उसे रद्द कर देते हैं। यही अंतर है AI को फीचर के रूप में और AI को वर्कफ़ोर्स के रूप में देखे जाने में।
Atomicwork अपने AI सहकर्मियों को ऐसे सिस्टम के रूप में वर्णित करता है जो परिभाषित नौकरी भूमिकाओं को धारण करते हैं और काम को शुरू से अंत तक पूरा करते हैं, केवल प्रश्नों के उत्तर देने या अलग‑अलग कार्यों को निष्पादित करने के बजाय। कौन‑सी तकनीकी क्षमताएँ एक वास्तविक AI सहकर्मी को चैटबॉट, को‑पायलट या पारंपरिक स्वचालन टूल से अलग करती हैं, और उसकी स्वायत्तता कहाँ समाप्त होनी चाहिए?
एक चैटबॉट प्रश्न का उत्तर देता है, और एक को‑पायलट किसी को कार्य पूरा करने में मदद करता है, लेकिन दोनों काम को अंत तक ले जाने की ज़िम्मेदारी नहीं लेते। एक AI सहकर्मी अलग होता है क्योंकि उसे एक परिभाषित भूमिका दी गई है और वह परिणाम देने की अपेक्षा रखता है। चाहे वह घटनाओं को ट्रायेज़ करे, एक्सेस प्रदान करे या कर्मचारियों को ऑनबोर्ड करे, वह लक्ष्य तक पहुँचने के लिए प्रत्येक चरण में काम करता रहता है, न कि पहली प्रतिक्रिया के बाद रुक जाता है।
इसके लिए केवल एक सक्षम मॉडल से अधिक चाहिए। एक AI सहकर्मी को पहचान, सही अनुमतियाँ, स्वीकृत टूल्स तक पहुँच, संगठनात्मक संदर्भ, बजट और स्पष्ट संचालन सीमाएँ चाहिए। उसे व्यवसाय सिस्टम्स के बीच काम करना होता है, यह समझना होता है कि कब (और किससे) अनुमोदन लेना है और हर कार्रवाई के पीछे एक ऑडिट ट्रेल छोड़ना होता है। इसलिए हमने मॉडल के चारों ओर प्लेटफ़ॉर्म पर बहुत ध्यान दिया है। विश्वसनीय AI को ऑर्केस्ट्रेशन, गवर्नेंस और निष्पादन की उतनी ही आवश्यकता होती है जितनी कि बौद्धिकता को।
स्वायत्तता कभी अनंत नहीं होनी चाहिए। एक AI सहकर्मी को अपने नौकरी रोल की जिम्मेदारियों के भीतर काम करना चाहिए, जबकि लोग तब शामिल रहें जब काम संवेदनशील सिस्टम्स को प्रभावित करे या कानूनी, वित्तीय या रोजगार संबंधी प्रभाव रखे।
आपका प्लेटफ़ॉर्म विशेषीकृत AI सहकर्मियों को घटना प्रबंधन, एक्सेस प्रोविज़निंग, ऑनबोर्डिंग और IT संचालन में सहयोग करने देता है। ये AI सहकर्मी जिम्मेदारियाँ कैसे बाँटते हैं, संदर्भ कैसे साझा करते हैं, और जब एक AI सहकर्मी गलत निर्णय ले ले जो वर्कफ़्लो के बाकी हिस्सों को प्रभावित कर सकता है तो कैसे पुनः प्राप्त होते हैं?
हम नहीं मानते कि एक AI सहकर्मी को हर काम करना चाहिए। IT संगठन पहले से ही विभिन्न टीमों में जिम्मेदारियों को बाँटते हैं क्योंकि प्रत्येक भूमिका के अलग लक्ष्य, अनुमतियाँ और विशेषज्ञता होती है। हमने वही सोच AI सहकर्मियों पर लागू की है, इसलिए हमने प्रमाणित AI सहकर्मियों को लॉन्च किया जो विभिन्न IT संचालन क्षेत्रों में विशेषज्ञता रखते हैं।
प्रत्येक सहकर्मी एक विशिष्ट फ़ंक्शन का स्वामित्व रखता है जबकि समान एंटरप्राइज़ संदर्भ साझा करता है। जब कोई कर्मचारी Atomicwork में एक टिकट बनाता है, तो स्मार्ट रूटिंग इसे सही AI सहकर्मी को असाइन करती है जो अनुरोध पर काम करता है और (अनुरोध के आधार पर) इसे दूसरे AI सहकर्मी को पुनः असाइन कर सकता है, समानांतर में समस्या को हल करने के लिए AI सहकर्मियों के लिए चाइल्ड टिकट बनाता है (उदाहरण के लिए, एक ऑनबोर्डिंग टिकट को समानांतर में किए जा सकने वाले कार्यों में विभाजित किया जा सकता है) या इसे मानव को एस्केलेट करता है। जैसे ही काम एक सहकर्मी से दूसरे सहकर्मी को जाता है, संबंधित जानकारी टिकट (रिकॉर्ड सिस्टम) के माध्यम से उसके साथ चलती है, साथ ही सर्विस डेस्क, पहचान प्लेटफ़ॉर्म, HR सिस्टम और सहयोग टूल्स जैसे प्रासंगिक सिस्टम्स तक पहुँच भी। यह साझा संदर्भ प्रत्येक सहकर्मी को पहले से हुई घटनाओं के आधार पर निर्णय लेने की अनुमति देता है, न कि शून्य से शुरू करने की।
Atomicwork विभिन्न एजेंट फ्रेमवर्क और मॉडल्स को OpenAI, Anthropic और Google जैसे प्रदाताओं से समर्थन देता है। आप कैसे तय करते हैं कि कौन‑सा मॉडल रिट्रीवल, रीजनिंग, प्लानिंग और एक्सीक्यूशन को संभालेगा, और जब बेस मॉडल बदलते रहें तो एंटरप्राइज़ कैसे निरंतर व्यवहार बनाए रख सकते हैं?
विभिन्न मॉडल विभिन्न प्रकार के कार्यों में बेहतर होते हैं। हमारा फोकस एक ऐसा प्लेटफ़ॉर्म बनाने पर रहा है जो प्रगति का लाभ उठा सके बिना ग्राहकों को हर बार मॉडल बदलने पर वर्कफ़्लो पुनः डिज़ाइन करने के लिए मजबूर किए। एंटरप्राइज़ संदर्भ, ऑर्केस्ट्रेशन, पहचान, नीति प्रवर्तन, टेलीमेट्री और मूल्यांकन वह स्थिरता प्रदान करते हैं जिसकी उत्पादन में संगठनों को आवश्यकता होती है, चाहे नीचे कौन‑सा फ्रंटियर मॉडल हो।
हमने सार्वजनिक रूप से कई मॉडल प्रदाताओं का समर्थन करने, मूल्यांकन फ्रेमवर्क और गवर्नेंस की बात की है, लेकिन हमने वह रूटिंग लॉजिक नहीं बताया जो तय करता है कि कौन‑सा मॉडल रिट्रीवल, रीजनिंग, प्लानिंग या एक्सीक्यूशन को संभालेगा। हमने वह वैधता प्रक्रिया भी साझा नहीं की जो हम प्रदाताओं के नए मॉडल और अपडेट जारी करने पर अपनाते हैं।
एक एंटरप्राइज़ AI एजेंट को विरोधाभासी दस्तावेज़ीकरण, अपूर्ण कॉन्फ़िगरेशन रिकॉर्ड, पुरानी जानकारी और सिस्टम्स के बीच अलग‑अलग अनुमतियों का सामना करना पड़ सकता है। Atomicwork की यूनिवर्सल कॉन्टेक्स्ट लेयर कैसे तय करती है कि कौन‑सी जानकारी भरोसेमंद और वर्तमान है, इससे पहले कि एजेंट निर्णय ले या कार्रवाई करे?
एंटरप्राइज़ ज्ञान अक्सर एक ही जगह नहीं रहता। कुछ दस्तावेज़ीकरण में रहता है, कुछ रिकॉर्ड सिस्टम में और कुछ व्यवसाय की दैनिक गतिविधियों में। AI को विश्वसनीय निर्णय लेने के लिए सभी संदर्भ चाहिए।
यूनिवर्सल कॉन्टेक्स्ट इन स्रोतों को मिलाकर एंटरप्राइज़ ज्ञान को लोगों, नेटवर्क, इन्फ्रास्ट्रक्चर और डिवाइस डेटा के साथ लाइव ऑपरेशनल सिस्टम्स से जोड़ता है। एक AI सहकर्मी Confluence या SharePoint, Intune और JAMF जैसे MDMs से जानकारी संदर्भित कर सकता है, साथ ही Jira, Workday, Salesforce या पहचान प्रदाताओं जैसे सिस्टम्स में क्या हो रहा है, इसे समझ सकता है। यह मौजूदा अनुमतियों का भी सम्मान करता है, इसलिए लोग और AI सहकर्मी केवल उन जानकारी तक पहुँचते हैं जिनके लिए उन्हें पहले से अधिकार दिया गया है।
हमने बताया है कि यूनिवर्सल कॉन्टेक्स्ट एंटरप्राइज़ सिस्टम्स को कैसे जोड़ता है और सुरक्षा सीमाओं को कैसे बनाए रखता है, लेकिन हमने यह नहीं बताया कि जब भरोसेमंद स्रोत असहमत हों तो वह विरोधाभासी जानकारी को कैसे हल करता है या यह तय करता है कि किस स्रोत को प्राथमिकता देनी चाहिए। ये कार्यान्वयन विवरण हमारी सार्वजनिक दस्तावेज़ीकरण का हिस्सा नहीं हैं।
यूनिवर्सल AI सहकर्मी Microsoft Teams, Slack, ईमेल, ब्राउज़र, पोर्टल और चैट, वॉइस तथा विज़ुअल मोड के माध्यम से कर्मचारियों का समर्थन कर सकता है। जब एक एजेंट देख और सुन सकता है कि कर्मचारी क्या अनुभव कर रहा है, तो कौन‑सी नई ट्रबलशूटिंग क्षमताएँ संभव होती हैं, और आप संवेदनशील स्क्रीन सामग्री या वार्तालापों को उजागर होने से कैसे रोकते हैं?
परम्परागत IT समर्थन इस बात पर निर्भर करता है कि कर्मचारी तकनीकी समस्याओं का सटीक वर्णन करें, और यह अक्सर बातचीत का सबसे कठिन हिस्सा होता है। वॉइस और विज़ुअल संदर्भ AI को वही त्रुटि संदेश, एप्लिकेशन या कॉन्फ़िगरेशन स्क्रीन दिखाने की अनुमति देता है जो कर्मचारी देख रहा है, जिससे समस्या को समझना और बिना लंबी बातचीत के अगले कदम की मार्गदर्शन करना आसान हो जाता है।
ये क्षमताएँ तभी काम करती हैं जब कर्मचारियों को उन पर भरोसा हो। हमें लगता है कि विज़ुअल एक्सेस को स्पष्ट सहमति की आवश्यकता होनी चाहिए और उपयोगकर्ताओं को हमेशा पता होना चाहिए कि यह सक्रिय है। संवेदनशील जानकारी को PII मास्किंग, प्रशासनिक नियंत्रण और उचित रिटेंशन पॉलिसी के माध्यम से सुरक्षित किया जाता है।
हमने यह भी स्पष्ट किया है कि ग्राहक डेटा का उपयोग हमारे मॉडल या तृतीय‑पक्ष फ़ाउंडेशन मॉडल को प्रशिक्षित करने के लिए नहीं किया जाता। यह संगठनों को मल्टी‑मॉडल AI अपनाने की अनुमति देता है बिना अपने डेटा पर नियंत्रण खोए।
Atomicwork को मौजूदा ServiceNow या Jira Service Management वातावरण के साथ बिना तत्काल माइग्रेशन की आवश्यकता के डिप्लॉय किया जा सकता है। क्या आप इसे मुख्यतः एक ट्रांज़िशन रणनीति के रूप में देखते हैं, या कई एंटरप्राइज़ स्थायी रूप से अपने लेगेसी रिकॉर्ड सिस्टम के ऊपर एक AI वर्कफ़ोर्स चलाएंगे?
अधिकांश बड़े एंटरप्राइज़ ने ServiceNow और Jira Service Management जैसे प्लेटफ़ॉर्म के आसपास प्रक्रियाएँ, इंटीग्रेशन और गवर्नेंस बनाने में सालों खर्च किए हैं। AI अपनाने से पहले उन सिस्टम्स को बदलने की आवश्यकता डालना अनावश्यक बाधा पैदा करता है।
हमने ServiceNow और Jira Service Management के साथ Atomicwork इंटीग्रेशन बनाए हैं ताकि ग्राहक कर्मचारी अनुभव को बदल सकें और अपने सर्विस टीमों को पहले दिन से AI सहकर्मियों के साथ बढ़ा सकें, बिना उन सिस्टम्स को बाधित किए जिन पर वे पहले से निर्भर हैं। कनेक्टर AI सहकर्मियों के लिए प्रासंगिक एंटरप्राइज़ IT संदर्भ को खींचता है और उनके मौजूदा सिस्टम में सर्विस एजेंट्स के लिए द्विदिश सिंक बनाए रखता है। हमें नहीं लगता कि एंटरप्राइज़ को पहले दिन एक ही रास्ता चुनना चाहिए। प्राथमिकता यह है कि उन्हें अपनी समय‑सीमा पर AI अपनाने में मदद मिले।
AI सहकर्मियों को पहचान सिस्टम, कर्मचारी डेटा, इन्फ्रास्ट्रक्चर और व्यावसायिक एप्लिकेशन तक पहुँच देने से प्रॉम्प्ट इन्जेक्शन, दूषित ज्ञान स्रोत, अत्यधिक अनुमतियाँ और एजेंट त्रुटियों का क्रमिक प्रभाव जैसी जोखिम उत्पन्न होते हैं। कौन‑से सुरक्षा उपाय, स्वीकृति सीमाएँ और ऑडिट मैकेनिज़्म आवश्यक हैं ताकि एंटरप्राइज़ सुरक्षित रूप से एजेंटों को स्वायत्त रूप से कार्य करने दे सके?
AI सहकर्मियों को विशेषाधिकार प्राप्त पहुँच वाले कर्मचारियों की तरह गवर्न किया जाता है। प्रत्येक सहकर्मी की एक परिभाषित भूमिका, सीमित अनुमतियाँ, स्वीकृत टूल्स, खर्च सीमा और स्वतंत्र रूप से क्या कर सकता है, इस पर स्पष्ट सीमाएँ होती हैं। संवेदनशील कार्य—विशेषकर पहचान, इन्फ्रास्ट्रक्चर, वित्त, कानूनी या रोजगार से जुड़े कार्य—मानव अनुमोदन की आवश्यकता रखते हैं।
कौशल और निर्देशों को प्रकाशित करने से पहले जोखिमों जैसे प्रॉम्प्ट इन्जेक्शन, छिपे निर्देश, क्रेडेंशियल एक्सेस, डेटा लीक और असुरक्षित कार्यों के लिए जांचा जाता है। यदि कोई टूल जोखिम बढ़ाने के तरीके से बदलता है, तो उसे स्वचालित रूप से निष्क्रिय कर दिया जाता है जब तक कि पुनः समीक्षा न हो। अतिरिक्त सुरक्षा उपाय—जैसे कार्रवाई सीमाएँ, डुप्लिकेट‑एक्शन रोकथाम, आपातकालीन शट‑ऑफ़ नियंत्रण और मानव हस्तक्षेप—त्रुटियों को फैलने से पहले ही रोकते हैं।
हर कार्रवाई ट्रेसेबल होती है: संगठन देख सकते हैं कि क्या सहकर्मी को ट्रिगर किया, उसने कौन‑सी जानकारी और टूल्स का उपयोग किया, कौन‑से अनुमोदन प्राप्त हुए और क्या परिणाम आया। निरंतर मूल्यांकन, मॉनिटरिंग और रेड‑टीम परीक्षण यह सुनिश्चित करते हैं कि ये सुरक्षा उपाय मॉडल, टूल और एंटरप्राइज़ वातावरण के विकसित होने के साथ प्रभावी रहें।
हमने मूल्यांकन, नीति प्रवर्तन, मॉनिटरिंग और रेड‑टीम परीक्षण में भारी निवेश किया है क्योंकि AI को डिप्लॉय करना केवल शुरुआत है। संगठनों को यह भरोसा चाहिए कि ये सहकर्मी मॉडल और एंटरप्राइज़ वातावरण के बदलने पर भी अपेक्षित रूप से व्यवहार करते रहें।
Atomicwork की State of AI in IT 2026 रिपोर्ट ने पाया कि दो‑तिहाई IT पेशेवर AI निवेशों से सकारात्मक रिटर्न की रिपोर्ट कर रहे हैं, जबकि केवल एक में से पाँच संगठन ने अपने सर्विस मैनेजमेंट टीमों में AI को पूरी तरह से एम्बेड किया है। किन बातों से वह डिप्लॉयमेंट अलग होते हैं जो मापनीय व्यावसायिक मूल्य उत्पन्न करते हैं, जबकि पायलट प्रयोग में फंसे रहते हैं?
अधिकांश संगठन पहले ही दिखा चुके हैं कि AI व्यक्तिगत कार्यों को सुधार सकता है। वे कंपनियाँ जो मापनीय व्यावसायिक मूल्य देख रही हैं, AI को पूर्ण परिचालन वर्कफ़्लो से जोड़ रही हैं, न कि इसे एक अलग सहायक के रूप में उपयोग कर रही हैं।
यह शुरू होता है एक विशिष्ट व्यावसायिक समस्या को भूमिका‑आधारित सोच के साथ हल करने से, AI सहकर्मियों को आवश्यक सिस्टम्स तक पहुँच देना और ऐसे परिणाम मापना जो मायने रखते हों—चाहे वह तेज़ समाधान समय हो, कम समर्थन लागत हो या बेहतर कर्मचारी अनुभव। एक बार टीमों को इन परिणामों पर भरोसा हो जाए, तो अतिरिक्त वर्कफ़्लो में AI का विस्तार करना बहुत आसान हो जाता है।
हमारे शोध ने यह भी पाया कि जिम्मेदार AI IT नेताओं के लिए सबसे उच्च प्राथमिकताओं में से एक है। यह समझ में आता है क्योंकि संगठन AI को अधिक जिम्मेदारी नहीं देंगे जब तक कि वे यह न समझें कि यह निर्णय कैसे लेता है, उन निर्णयों की बाद में समीक्षा कर सकें और सही गार्डरेल्स मौजूद हों।
जैसे ही AI सहकर्मी समर्थन अनुरोधों को हल करने, एक्सेस प्रबंधन, घटनाओं का निदान और वर्कफ़्लो समन्वय में शामिल होते हैं, सर्विस डेस्क पेशेवरों, IT ऑपरेशन्स टीमों और Chief Information Officers की जिम्मेदारियाँ कैसे बदलेंगी? आगे देखते हुए, क्या IT वह विभाग बन सकता है जो एंटरप्राइज़ की पूरी डिजिटल वर्कफ़ोर्स को नियुक्त, गवर्न और मापने के लिए जिम्मेदार हो?
AI कई दोहराव वाले संचालन कार्यों को ले लेगा जो आज के सर्विस डेस्क को घेरते हैं, जिससे लोग अपवादों को संभालने, प्रक्रियाओं को सुधारने और AI पर निर्भर ज्ञान को परिष्कृत करने में अधिक समय बिता सकेंगे।
IT ऑपरेशन्स टीमें धीरे‑धीरे AI सहकर्मियों को गवर्न करने पर अधिक ध्यान देंगी, बजाय हर वर्कफ़्लो को मैन्युअल रूप से निष्पादित करने के। वे अनुमतियों को परिभाषित करेंगे, सिस्टम्स को जोड़ेंगे, प्रदर्शन की निगरानी करेंगे और सुनिश्चित करेंगे कि AI स्थापित नीतियों के भीतर काम करता रहे।
मैं यह भी उम्मीद करता हूँ कि CIO की भूमिका विस्तृत होगी। सैकड़ों AI सहकर्मियों का प्रबंधन किसी अन्य एंटरप्राइज़ इन्फ्रास्ट्रक्चर के प्रबंधन जैसा दिखेगा। किसी को तय करना होगा कि ये सहकर्मी क्या एक्सेस कर सकते हैं, उन्हें कैसे मापा जाएगा, कब अपडेट किया जाएगा और क्या वे मूल्य प्रदान कर रहे हैं। बिज़नेस टीमें काम को परिभाषित करती रहेंगी, जबकि IT AI के लिए HR बन जाएगा, अर्थात् प्लेटफ़ॉर्म, गवर्नेंस और संचालन नियंत्रणों के लिए जिम्मेदार होगा जो एंटरप्राइज़ AI वर्कफ़ोर्स को सुरक्षित रूप से चलाते हैं।
Thank you for the great interview, readers who wish to learn more should visit Atomicwork.
