क्यों 95% एआई पहलों से शून्य आरओआई 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 पीแंडएल प्रभाव नहीं है। शीर्षकलेख 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 कर रहे हैं। समस्या यह है कि व्यवसाय उन्हें कैसे उपयोग करने का प्रयास करते हैं।

अधिकांश संगठन एआई एजेंट को हर अन्य प्रौद्योगिकी रोलआउट की तरह ही देखते हैं। वे मौजूदा प्रक्रियाओं को लेते हैं, उनमें कुछ एआई जोड़ते हैं और जादू की उम्मीद करते हैं। जब यह काम नहीं करता है, तो वे मॉडल 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 समान रूप से अनुमानित रोडब्लॉक्स में आती हैं। 5% के बीच जो सफल होते हैं और 95% जो शून्य आरओआई उत्पन्न करते हैं, वह भाग्य या बजट नहीं है; यह छह महत्वपूर्ण गलतियों से बचना है जो एआई एजेंट मूल्य को शुरू होने से पहले मारते हैं।

आपका डेटा आपसे जितना 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 या दिनों में अपने बजट को जला देता है।

गंदा डेटा गंदे एजेंट बनाता है। यदि आप कच्चे डेटाबेस डंप, एचटीएमएल-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 अनावश्यक 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 के साथ ग्राहक रिकॉर्ड भेजती हैं जब केवल 3 निर्णय-महत्वपूर्ण होते हैं। वे यूयूआईडी शामिल करते हैं जो शून्य सेमेंटिक मूल्य जोड़ते हैं लेकिन कीमती टोकन की खपत करते हैं। वे एजेंटों को आंतरिक उपकरणों से स्क्रैप किए गए एचटीएमएल के बजाय साफ, संरचित जानकारी के बजाय फीड करते हैं।

आप अपेक्षित से अधिक तेजी से सीमाओं को मारेंगे

हर टीम मानती है कि वे कभी भी संदर्भ सीमा को नहीं मारेंगे। “हम केवल कुछ ग्राहक रिकॉर्ड प्रोसेस 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 के साथ पूर्ण बातचीत इतिहास, और अचानक वे लाख-टोकन छत के खिलाफ टकरा रहे हैं।

बड़े संदर्भ अपेक्षा से अधिक तेजी से जमा होते हैं। एक ग्राहक सहायता एजेंट जो एस्केलेशन को संभाल रहा 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, और आपके बुनियादी ढांचे की लागत नियंत्रण से बाहर हो जाती है।

निष्क्रिय दृष्टिकोण यह है कि बस मॉडल को सब कुछ भेजना और सबसे अच्छा आशा करना। स्मार्ट टीमें अनुरोधों को टुकड़ों में तोड़ती हैं, प्रत्येक टुकड़े को सारांशित करती हैं, फिर सारांश के सारांश पर काम करती हैं। यह स्तरित सारांश दृष्टिकोण अनुरोधों को प्रबंधनीय रखता है जबकि एजेंटों को अच्छे निर्णय लेने के लिए आवश्यक महत्वपूर्ण जानकारी को संरक्षित करता है।

सुरक्षा जल्दी 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 सुरक्षा के बारे में मौलिक रूप से अलग सोच की आवश्यकता होती है।

एआई एजेंटों को धोखा दिया जा सकता है, मैनिपुलेट किया जा सकता है और मजबूर किया जा सकता है जो पारंपरिक सुरक्षा मॉडल को तोड़ता है। उपयोगकर्ता इनपुट में छिपे हुए निर्देश शामिल हो सकते हैं जो आपके सावधानी से तैयार किए गए प्रोम्प्ट को ओवरराइड करते हैं। एजेंटों को यह करने के लिए मनाया जा सकता है कि वे अपने दिशानिर्देशों को अनदेखा करें, उन डेटा तक पहुंचें जिन्हें वे नहीं देखने चाहिए, या उनके इरादे के दायरे से बाहर कार्रवाई करें।

स्मार्ट कार्यान्वयन के लिए एजेंटों के लिए सख्त सीमाएं आवश्यक हैं। कुछ भी जो स्थिति को बदलता है; डेटा लिखें, ईमेल भेजें, एपीआई कॉल करें; आपको एक प्रस्ताव-न्यायसंगत-स्वीकृति कार्य प्रवाह की आवश्यकता है। एजेंट यह बताता है कि वह क्या करना चाहता है और क्यों फिर मानव अनुमोदन की प्रतीक्षा करता है इससे पहले कि यह कार्य करे। यह दौड़ने वाले स्वचालन को रोकता है जबकि एआई सहायता के लाभों को बनाए रखता है।

क्या वास्तव में काम करता है

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

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

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

तीसरा प्रोम्प्ट सुरक्षा है। अपने एजेंट के लिए सख्त सीमाएं परिभाषित करें जो कर सकते हैं और नहीं कर सकते हैं। स्थिति को बदलने वाली किसी भी चीज़ के लिए प्रस्ताव-न्यायसंगत-स्वीकृति कार्य प्रवाह को लागू करें। सभी उपयोगकर्ता सामग्री को अविश्वसनीय मानें; कोड और लिंक को हटा दें, और मॉडलों को याद दिलाएं कि वे कभी भी उपयोगकर्ता पाठ में छिपे हुए निर्देशों का पालन न करें। समय के साथ सीमाएं प्रभावी बनी रहें यह सुनिश्चित करने के लिए प्रोम्प्ट और आउटपुट को असामान्य या नीति-उल्लंघन व्यवहार के लिए लगातार निगरानी करें।

चौथा लागत नियंत्रण है। प्रति अनुरोध और प्रति कार्य प्रवाह टोकन और लागत बजट निर्धारित करें। टूल और प्रोम्प्ट द्वारा टोकन उपयोग को लॉग करें ताकि प्रारंभिक अवस्था में ही प्रतिगमन को पकड़ सकें। अनुशासन के बिना, आपको दौड़ने वाले बिल या विलंबता के उतार-चढ़ाव का सामना करना पड़ेगा जैसे ही अपनाया जाएगा।

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

छठा शासन है। डेटा साझा करने से पहले समझौतों को ताला दें। यह स्पष्ट करें कि क्या साझा किया जा रहा है, यह कैसे सुरक्षित 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 मॉडल का उपयोग करने पर जोर देते हैं जबकि डेटा गुणवत्ता की उपेक्षा करते 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 केवल सॉफ्टवेयर नहीं हैं; वे एक नए श्रेणी के डिजिटल श्रमिक हैं जिन्हें विभिन्न प्रबंधन प्रथाओं की आवश्यकता होती है। उन्हें साफ डेटा, स्पष्ट सीमाएं और निरंतर पर्यवेक्षण की आवश्यकता है। इन मूल बातों को सही करें, और एआई एजेंट शक्तिशाली उत्पादकता गुणक बन जाते हैं। उन्हें गलत करें, और आप 95% में शामिल हो जाते हैं जो आश्चर्य करते हैं कि उनके महंगे एआई निवेश ने शून्य मापनीय रिटर्न क्यों उत्पन्न किया।