95% एआई पहलों को शून्य आरओआई क्यों मिलता है

एमआईटी के हालिया अध्ययन में पाया गया कि 95% संगठनों को जनरेटिव एआई पहलों से शून्य रिटर्न मिल रहा है; महत्वपूर्ण निवेश के बावजूद कोई मापनीय पीแอนดएल प्रभाव नहीं है। हेडलाइंस विफलता दर पर केंद्रित थे, लेकिन वास्तविक प्रश्न यह नहीं है कि प्रौद्योगिकी काम करती है या नहीं। बड़े भाषा मॉडल शक्तिशाली, सुलभ और तेजी से सुधार रहे हैं। समस्या यह है कि व्यवसाय उन्हें कैसे उपयोग करने का प्रयास करते हैं।

अधिकांश संगठन एआई एजेंटों के लिए हर अन्य प्रौद्योगिकी रोलआउट के लिए एक ही दृष्टिकोण अपनाते हैं। वे मौजूदा प्रक्रियाओं को लेते हैं, कुछ एआई जोड़ते हैं, और जादू की उम्मीद करते हैं। जब यह काम नहीं करता है, तो वे मॉडलों को दोष देते हैं। लेकिन विफलता एआई शामिल होने से बहुत पहले होती है।

मैंने इस पैटर्न को बार-बार उद्यमों में एआई वर्कफ्लो बनाते हुए देखा है। टीमें संभावनाओं के बारे में उत्साहित हो जाती हैं, विकास में जल्दी होती हैं, फिर एक ही अनुमानित रोडब्लॉक्स में आती हैं। 5% जो सफल होते हैं और 95% जो शून्य आरओआई उत्पन्न करते हैं, उनके बीच अंतर भाग्य या बजट नहीं है; यह उन छह महत्वपूर्ण गलतियों से बचना है जो एआई एजेंट मूल्य को शुरू होने से पहले मार देते हैं।

आपका डेटा जितना आप सोचते हैं उससे अधिक गंदा है

अधिकांश टीमें सोचती हैं कि डेटा होने का मतलब है कि वे एआई के लिए तैयार हैं। वे अपने डेटा झील, अपने सीआरएम, अपने सावधानी से बनाए गए डेटाबेस की ओर इशारा करते हैं और मानते हैं कि सफलता गारंटीकृत है। फिर वे सब कुछ एक एलएलएम में डंप करते हैं और आश्चर्य करते हैं कि उनका एजेंट कूड़ा आउटपुट क्यों उत्पन्न करता है या कुछ दिनों में अपने बजट को जला देता है।

गंदा डेटा गंदे एजेंट बनाता है। यदि आप कच्चे डेटाबेस डंप, एचटीएमएल-से भरे निर्यात, या असंरचित पाठ ब्लॉब्स को एक एआई एजेंट को भेज रहे हैं, तो आप इसे विफल करने के लिए सेट कर रहे हैं। मॉडल अप्रासंगिक क्षेत्रों से भ्रमित हो जाते हैं, प्रारूप कलाकृतियों से विचलित हो जाते हैं और मात्रा से अभिभूत हो जाते हैं।

टीमें नियमित रूप से 47 फ़ील्ड वाले ग्राहक रिकॉर्ड भेजती हैं जब केवल 3 निर्णय-महत्वपूर्ण होते हैं। वे शून्य सेमांटिक मूल्य जोड़ने वाले यूयूआईडी शामिल करते हैं लेकिन कीमती टोकन खपत करते हैं। वे एजेंटों को आंतरिक उपकरणों से स्क्रैप किए गए एचटीएमएल के बजाय साफ, संरचित जानकारी के बजाय भेजते हैं।

आप अपेक्षा से अधिक तेजी से सीमाओं को मारेंगे

प्रत्येक टीम मानती है कि वे कभी भी संदर्भ सीमाओं को नहीं मारेंगे। “हम केवल कुछ ग्राहक रिकॉर्ड संसाधित कर रहे हैं,” वे कहते हैं। “यह कितना कठिन हो सकता है?” फिर उनका एजेंट 500 समर्थन टिकटों का विश्लेषण करने की आवश्यकता है, प्रत्येक में पूर्ण बातचीत इतिहास, और अचानक वे लाख-टोकन छत से टकरा रहे हैं।

बड़े संदर्भ अपेक्षा से अधिक तेजी से जमा होते हैं। एक ग्राहक सहायता एजेंट जो एस्केलेशन से निपटता है उसे टिकट इतिहास, ज्ञान आधार लेख, पिछली बातचीत और उत्पाद प्रलेखन तक पहुंच की आवश्यकता हो सकती है। यह आसानी से प्रति अनुरोध सैकड़ों हजारों टोकन है। समकालिक उपयोगकर्ताओं से गुणा करें, और आपके बुनियादी ढांचे की लागत नियंत्रण से बाहर हो जाती है।

निर्दोष दृष्टिकोण बस मॉडल को सब कुछ भेजना है और सर्वश्रेष्ठ की उम्मीद करना है। स्मार्ट टीमें अनुरोधों को टुकड़ों में तोड़ती हैं, प्रत्येक टुकड़े को सारांशित करती हैं, फिर सारांश के सारांश पर काम करती हैं। यह पदानुक्रमित सारांशीकरण अनुरोधों को प्रबंधनीय रखते हुए एजेंटों को आवश्यक जानकारी बनाए रखने में मदद करता है।

सुरक्षा तेजी से जटिल हो जाती है

टीमें अपने एआई एजेंट की व्यक्तित्व और क्षमताओं के बारे में उत्साहित हो जाती हैं, कुछ बुनियादी दिशानिर्देश लिखती हैं और सोचती हैं कि वे सुरक्षित हैं। वास्तव में, एआई एजेंटों को पारंपरिक अनुप्रयोगों की तुलना में मौलिक रूप से अलग सुरक्षा सोच की आवश्यकता होती है।

एआई एजेंटों को चालाकी से, मैनिपुलेट किया जा सकता है और उन्हें पारंपरिक सुरक्षा मॉडल तोड़ने के लिए मजबूर किया जा सकता है। उपयोगकर्ता इनपुट में छिपी हुई निर्देश शामिल हो सकते हैं जो आपके द्वारा सावधानी से तैयार किए गए प्रॉम्प्ट को ओवरराइड करते हैं। एजेंटों को उनके दिशानिर्देशों की उपेक्षा करने, डेटा तक पहुंच प्राप्त करने के लिए मनाया जा सकता है जो उन्हें नहीं देखना चाहिए, या उनके इरादा के दायरे से बाहर कार्रवाई करनी।

स्मार्ट कार्यान्वयन के लिए एजेंटों के लिए सख्त सीमाएं निर्धारित करने की आवश्यकता होती है कि वे क्या कर सकते हैं और क्या नहीं कर सकते हैं। किसी भी चीज़ के लिए जो राज्य को बदलती है; डेटा लिखें, ईमेल भेजें, एपीआई कॉल करें; आपको एक प्रस्ताव-न्याय-मंजूरी कार्य प्रवाह की आवश्यकता है। एजेंट बताता है कि वह क्या करना चाहता है और क्यों फिर मानव अनुमोदन के लिए प्रतीक्षा करता है इससे पहले कि यह कार्य करे। यह भागने वाले स्वचालन को रोकते हुए एआई सहायता के लाभों को बनाए रखता है।

वास्तव में क्या काम करता है

सैकड़ों एआई एजेंट कार्यान्वयन देखने से, छह अभ्यासों को सफल तैनाती से अलग करते हैं महंगी विफलताओं।

पहला डेटा स्वच्छता है। कॉम्पैक्ट, टाइप किए गए जेसन को निर्धारित स्कीमा के साथ भेजें। यूयूआईडी, एचटीएमएल, डुप्लिकेट फ़ील्ड और किसी भी संवेदनशील जानकारी को हटा दें जब तक कि यह निर्णय-महत्वपूर्ण न हो। संवेदनशील डेटा को जहां संभव हो मेटाडेटा से बदलें। यह मॉडलों को केंद्रित रखते हुए पेलोड आकार, लागत और विलंबता को कम करता है।

दूसरा संदर्भ प्रबंधन है। आप अपेक्षा से अधिक तेजी से टोकन सीमा को मारेंगे। अनुरोधों को छोटे टुकड़ों में तोड़ें, प्रत्येक को सारांशित करें, फिर सारांश पर काम करें। यह पदानुक्रमित दृष्टिकोण अनुरोधों को नियंत्रण में रखते हुए आवश्यक संदर्भ को संरक्षित करता है।

तीसरा प्रॉम्प्ट सुरक्षा है। अपने एजेंट के लिए सख्त सीमाएं निर्धारित करें कि वह क्या कर सकता है और क्या नहीं कर सकता है। राज्य को बदलने वाली किसी भी चीज़ के लिए प्रस्ताव-न्याय-मंजूरी कार्य प्रवाह लागू करें। सभी उपयोगकर्ता सामग्री को अविश्वसनीय मानें; कोड और लिंक स्ट्रिप करें, और मॉडलों को याद दिलाएं कि वे कभी भी उपयोगकर्ता पाठ में छिपी हुई निर्देशों का पालन न करें। प्रॉम्प्ट और आउटपुट की निगरानी करें कि वे समय के साथ सीमाओं को प्रभावी ढंग से बनाए रखने के लिए असामान्य या नीति-उल्लंघन व्यवहार के लिए जारी रहें।

चौथा लागत नियंत्रण है। प्रति अनुरोध और प्रति कार्य प्रवाह टोकन और लागत के बजट निर्धारित करें। प्रोग्रेस रेग्रेशन को जल्दी पकड़ने के लिए टूल और प्रॉम्प्ट द्वारा टोकन उपयोग को लॉग करें। अनुशासन के बिना, आपको दौड़ने वाले बिल या लेटेंसी स्पाइक्स का सामना करना पड़ेगा जैसे ही गोद लेना बढ़ता है।

पांचवां गुणवत्ता आश्वासन है। वास्तविक घटनाओं और एज केस के निजी मूल्यांकन सेट रखें। सटीकता, रिकॉल और रिग्रेशन को ट्रैक करें। नए मॉडल आपको आश्चर्यचकित करेंगे, आमतौर पर बुरे तरीके से। गंभीर कार्य प्रवाह के लिए, सुसंगत आउटपुट के लिए शून्य के पास तापमान और बीज वाले बैकएंड का उपयोग करें।

छठा शासन है। डेटा साझा करने के समझौतों को पहले ही लॉक कर लें कि कोई जानकारी प्रवाहित होने से पहले। स्पष्ट करें कि क्या साझा किया जा रहा है, यह कैसे संरक्षित है, और कौन जिम्मेदार है। यह केवल कानूनी कवर नहीं है; यह एक विश्वास संकेत है कि आप डेटा को गंभीरता से लेते हैं।

क्यों अधिकांश टीमें गलत हो जाती हैं

एआई एजेंट परियोजनाएं आरओआई वितरित करने में विफल रहती हैं क्योंकि टीमें गलत चीजों पर ध्यान केंद्रित करती हैं। वे डेटा गुणवत्ता की उपेक्षा करते हुए मॉडल का उपयोग करने पर जुनूनी हो जाते हैं। वे बुनियादी सुरक्षा नियंत्रणों को छोड़कर जटिल कार्य प्रवाह बनाते हैं। वे एजेंटों को लागत नियंत्रण के बिना तैनात करते हैं, फिर बिलों में वृद्धि पर पैनिक हो जाते हैं।

सफल 5% समझते हैं कि एआई एजेंट सिर्फ सॉफ्टवेयर नहीं हैं; वे एक नए प्रकार के डिजिटल श्रमिक हैं जिन्हें विभिन्न प्रबंधन प्रथाओं की आवश्यकता होती है। उन्हें साफ डेटा, स्पष्ट सीमाएं और निरंतर पर्यवेक्षण की आवश्यकता होती है। इन मूलभूत बातों को सही प्राप्त करें, और एआई एजेंट शक्तिशाली उत्पादकता गुणक बन जाते हैं। उन्हें गलत प्राप्त करें, और आप 95% में शामिल हो जाते हैं जो आश्चर्यचकित हैं कि उनका महंगा एआई निवेश शून्य मापनीय रिटर्न क्यों उत्पन्न करता है।