अधिकांश एआई में निवेश कम प्रदर्शन करेगा या विफल होगा

लोग और व्यवसाय एआई की संभावनाओं से इतने प्रभावित हैं कि वे इसके प्रति इतने उत्साहित हो जाते हैं, लेकिन 80% एआई परियोजनाएं विफल हो जाएंगी – और यह उत्साह या इच्छा की कमी के कारण नहीं है।

जबकि एआई हर उद्योग और क्षेत्र में प्रवेश कर रहा है, समस्या यह है कि व्यवसाय इस तकनीकी परिवर्तन के लिए खुद को पर्याप्त रूप से तैयार नहीं कर रहे हैं।

बोस्टन कंसल्टिंग ग्रुप की रिपोर्ट है कि दुनिया भर में एक तिहाई कंपनियां एआई पर 25 मिलियन डॉलर से अधिक खर्च करने की योजना बना रही हैं। इसलिए, यदि व्यवसाय एआई समाधानों में निवेश करने से पहले योजना बनाना जारी रखते हैं, तो लाखों डॉलर बर्बाद हो जाएंगे।

हालांकि, मजबूत परिवर्तन प्रबंधन पहल और नए नवाचारों को समर्थन देने के लिए एक प्रणाली और मापनीय केपीआई के साथ, व्यवसाय अपने एआई की सफलता की कहानी को बदल सकते हैं।

आइए उन तीन शीर्ष कारणों पर गौर करें कि एआई पहल क्यों विफल होती हैं।

प्रौद्योगिकी को व्यवसाय से पहले रखना

सैकड़ों रिपोर्ट और अध्ययन, विशेष रूप से जनरेटिव एआई के संबंध में, एआई एल्गोरिदम और प्रोग्राम की गति और प्रभावशाली बौद्धिक चपलता को दिखाते हैं।

एआई में बहुत सारी नवाचार हुई है, जिससे कंपनियां नए एआई प्रोटोटाइप में निवेश करने और उन्हें व्यवसाय प्रक्रियाओं में एकीकृत करने के लिए तैयार हो जाती हैं। हालांकि, जोखिम यह है कि वे एक समाधान पर लाखों डॉलर खर्च कर सकते हैं जो एक अस्पष्ट व्यवसाय लक्ष्य या कोई मापनीय प्रभाव नहीं देता है।

वास्तव में, गार्टनर का अनुमान है कि कम से कम 30% जनरेटिव एआई परियोजनाएं 2025 के अंत तक खराब डेटा गुणवत्ता, अपर्याप्त जोखिम नियंत्रण और बढ़ती लागत या अस्पष्ट व्यवसाय मूल्य के कारण त्याग दी जाएंगी।

खराब डेटा एक विशेष बाधा है जिसे अधिकांश व्यवसाय पार नहीं कर पाते हैं, खासकर जब एआई समाधानों की दक्षता और प्रभावशीलता को अधिकतम करने की बात आती है। सिलोइड डेटा सबसे प्रमुख समस्याओं में से एक है, और यह एक व्यवसाय समस्या है जिसे नजरअंदाज नहीं किया जा सकता है। टीमें महत्वपूर्ण निर्णय लेने के लिए आवश्यक जानकारी का पीछा करने में घंटों बर्बाद कर सकती हैं।

और यह केवल टीमों को ही कमजोर नहीं करता है, बल्कि उपकरणों को भी प्रभावित करता है। मशीन लर्निंग मॉडल, उदाहरण के लिए, तब ठीक से काम नहीं कर सकते जब डेटा断 और त्रुटियों से भरा होता है।

निवेश पर सकारात्मक आरओआई सुनिश्चित करने के लिए, और किसी भी तकनीकी कार्य शुरू होने से पहले, संगठनों को यह पहचानना होगा कि एआई समाधान किस विशिष्ट व्यवसाय समस्या का समाधान करने के लिए है। इसमें मापनीय केपीआई और लक्ष्य निर्धारित करना शामिल है, जैसे कि लागत में कमी, राजस्व वृद्धि, या दक्षता में सुधार जैसे डेटा पुनर्प्राप्ति के समय को कम करना।

विशेष रूप से, व्यवसाय रणनीति को पहले आना चाहिए, और प्रौद्योगिकी कार्यान्वयन उसके अनुसार होना चाहिए। अंततः, प्रौद्योगिकी समाधान व्यवसाय परिणामों को चलाने के साधन के रूप में कार्य करना चाहिए। इसके अलावा, व्यवसाय आवश्यकता मूल रूप से एआई और अन्य प्रौद्योगिकी कार्यान्वयन की रीढ़ है।

उदाहरण के लिए, एक लॉजिस्टिक्स कंपनी जो एआई का लाभ उठाना चाहती है, वह अपने एआई सॉफ़्टवेयर के लिए मापनीय लक्ष्य निर्धारित कर सकती है ताकि मांग की भविष्यवाणी को अनुकूलित किया जा सके और बेड़े प्रबंधन में सुधार किया जा सके, पहले छह महीनों में कम उपयोग वाले ट्रकों की संख्या को 25% तक कम किया जा सके और लाभ में 5% की वृद्धि हो सके।

व्यवसायों को मापनीय लक्ष्यों की आवश्यकता है ताकि वे लगातार यह जांच सकें कि एआई न केवल दक्षता में सुधार कर रहा है, बल्कि यह मापनीय है। यह तब आवश्यक है जब कंपनी के हितधारकों को यह समझाने के लिए कि महंगा एआई दांव न केवल इसके लायक था, बल्कि उनके पास इसका प्रमाण है।

अति महत्वाकांक्षी एआई कार्यान्वयन

एआई का वादा हर चीज को क्रांतिकारी बनाने के लिए लगातार दोहराया जाता है और अक्सर इसे एक चांदी की गोली के रूप में प्रस्तुत किया जाता है। इससे व्यवसायिक नेताओं में एक झूठा विश्वास पैदा हो सकता है, जिससे उन्हें लगता है कि वे नए एआई सिस्टम का लाभ उठा सकते हैं और उन्हें व्यवसाय प्रक्रियाओं में एक साथ एकीकृत कर सकते हैं।

हालांकि, एक ही बार में समस्या का समाधान करने के लिए अति महत्वाकांक्षी प्रयास आमतौर पर विफलता की ओर ले जाते हैं। इसके बजाय, व्यवसायों को छोटे से शुरू करना चाहिए और रणनीतिक रूप से बढ़ना चाहिए ताकि बेहतर परिणाम मिल सकें।

उदाहरण के लिए, वॉलमार्ट के साथ बड़े पैमाने पर सफलता दिखाई गई है, जिसने इन्वेंट्री प्रबंधन को अनुकूलित करने के लिए मशीन लर्निंग एल्गोरिदम को चरणबद्ध तरीके से पेश किया। परिणाम? अधिक स्टॉक इन्वेंट्री में 30% की कमी और शेल्फ उपलब्धता में 20% की वृद्धि।

इससे मदद करने के लिए, व्यवसायों को ‘ज़ोन टू विन’ फ्रेमवर्क को अपनाना चाहिए, एक सिद्ध विधि जो टीमों को यह समझने में मदद करती है कि उन्हें वर्तमान संचालन के साथ भविष्य के नवाचार को संतुलित करना होगा।

फ्रेमवर्क व्यवसायिक गतिविधियों को चार ज़ोन में विभाजित करता है: प्रदर्शन, उत्पादकता, इनक्यूबेशन और परिवर्तन। एआई सब कुछ एक साथ तोड़ नहीं सकता है, और इनक्यूबेशन ज़ोन में एआई प्रौद्योगिकियों के साथ प्रयोग करने के लिए एक समर्पित स्थान बनाया जाता है जो मुख्य व्यवसाय को बाधित नहीं करता है।

उदाहरण के लिए, यह है कि ‘ज़ोन टू विन’ फ्रेमवर्क एक ठंडे स्टोरेज लॉजिस्टिक्स कंपनी में एआई लागू करने के लिए कैसे लागू किया जा सकता है:

• प्रदर्शन ज़ोन: कंपनी के मुख्य व्यवसायिक संचालन, जैसे कि गोदाम अनुसूची और माल की तैनाती, राजस्व उत्पन्न करने के लिए महत्वपूर्ण हैं। प्रदर्शन में सुधार के लिए केपीआई, जैसे कि गोदाम की दक्षता में सुधार, निवास समय को कम करना और डिलीवरी बढ़ाना प्राथमिकता हैं।
• उत्पादकता ज़ोन: यहां, आंतरिक प्रक्रियाओं को संबोधित किया जाता है ताकि दक्षता में सुधार किया जा सके और लागत, जैसे कि डिटेंशन शुल्क, को कम किया जा सके और डेटा विज्ञान क्षमताओं जैसे कि पूर्वानुमानिक विश्लेषण और वास्तविक समय विश्लेषण टूल को एकीकृत किया जा सके।
• इनक्यूबेशन ज़ोन: कंपनी कुछ गोदामों में डेटा-संचालित उपकरणों के पायलट के लिए समय समर्पित करती है, जिससे टीमें यह निर्धारित कर सकती हैं कि कौन सी नवाचार भविष्य में राजस्व धारा बन सकती हैं।
• परिवर्तन ज़ोन: यह वह जगह है जहां कंपनी अपने डिजिटल परिवर्तन को संगठन व्यापी स्तर पर विस्तारित करती है, एक व्यापक डिजिटल बुनियादी ढांचे का पालन करती है जो नियमित व्यवसायिक परिणामों को सुनिश्चित करता है।

फ्रेमवर्क नेतृत्व को यह तय करने में मदद करता है कि वर्तमान संचालन के रखरखाव और एआई-संचालित भविष्य की क्षमताओं में संसाधनों का आवंटन कैसे किया जाए। यह जागरूकता इस मुद्दे से बचने में मदद करती है और जब एआई निवेश कई विभागों और प्रक्रियाओं में बहुत पतले फैल जाते हैं तो विफलता की संभावना होती है।

उपयोगकर्ता अपनाने की कमी

कंपनियां एआई और मशीन लर्निंग के सभी लाभों का लाभ उठाने के लिए दौड़ रही हैं without पहले उन लोगों पर विचार किए जो उन्हें उपयोग करेंगे। यहां तक कि सबसे जटिल एआई समाधान भी विफल हो जाते हैं यदि अंतिम उपयोगकर्ता प्रौद्योगिकी को नहीं समझते हैं – यह सभी विश्वास और व्यापक प्रशिक्षण पर निर्भर करता है।

एआई को एकीकृत करने के लिए महत्वपूर्ण अंतर्निहित कारक यह है कि इसे संचालित किया जाए। इसका अर्थ है यह सुनिश्चित करना कि एआई टूल व्यवसाय प्रक्रियाओं में प्लग किए गए हैं और मुख्यधारा में हैं।

अन्य कार्य उपकरण, जैसे कि सीआरएम, पूरी प्रक्रिया को अनुकूलित और नियंत्रित करते हैं। इससे प्रशिक्षण आसान हो जाता है क्योंकि प्रक्रिया के प्रत्येक चरण को दिखाया और समझाया जा सकता है। हालांकि, जनरेटिव एआई पूरी प्रक्रिया को शामिल करने के बजाय एक अधिक सूक्ष्म ‘कार्य स्तर’ पर काम करता है। यह विभिन्न तरीकों के विभिन्न चरणों के भीतर कभी-कभी उपयोग किया जा सकता है; प्रत्येक उपयोगकर्ता अपने विशिष्ट कार्यों के लिए एआई का थोड़ा अलग तरीके से उपयोग कर सकता है।

केपीएमजी यूके की साथी रूथ स्वेन्सन ने फोर्ब्स को बताया: “क्योंकि जनरेटिव एआई एक प्रक्रिया स्तर पर नहीं, बल्कि एक कार्य स्तर पर काम करता है, आप प्रशिक्षण अंतराल को आसानी से नहीं देख सकते हैं।” नतीजतन, कर्मचारी एआई टूल का उपयोग कर सकते हैं without यह समझे कि यह व्यापक व्यवसायिक लक्ष्यों में कैसे फिट बैठता है, जिससे छिपे हुए प्रशिक्षण अंतराल हो सकते हैं। इन अंतरालों में एआई की क्षमताओं का पूरी तरह से लाभ उठाने के लिए ज्ञान की कमी, प्रणाली के साथ प्रभावी ढंग से बातचीत करने के लिए, या यह सुनिश्चित करने के लिए कि द्वारा उत्पन्न डेटा का सही तरीके से उपयोग किया जाता है, शामिल हो सकता है।

इस मामले में, प्रभावी परिवर्तन प्रबंधन उपयोगकर्ता अपनाने के लिए महत्वपूर्ण हो जाता है। परिवर्तन प्रबंधन संगठनों को यह सुनिश्चित करने की अनुमति देता है कि उनके कर्मचारी न केवल नई प्रौद्योगिकी को अपना रहे हैं, बल्कि इसके पूर्ण प्रभावों को भी समझ रहे हैं उनके कार्यों और व्यवसाय प्रक्रियाओं पर।

बिना उचित परिवर्तन प्रबंधन के, कंपनियां एआई टूल के उपयोगकर्ता अपनाने के साथ चूक जाएंगी, जबकि प्रौद्योगिकी अंतराल को बढ़ाने का जोखिम चलाती हैं, जो अधिक अकुशलता, गलतियों और एआई समाधान की क्षमता को अधिकतम करने में विफलता की ओर जाता है।

परिवर्तन प्रबंधन पहलों के लिए काम करने के लिए, उन्हें एक योग्य नेतृत्व टीम की आवश्यकता होती है जो आंदोलन का नेतृत्व करे। नेताओं को कार्य स्तर पर प्रशिक्षण अंतराल की पहचान करनी चाहिए और कर्मचारियों के लिए विशिष्ट कार्यों के आधार पर अनुकूलित प्रशिक्षण प्रदान करना चाहिए जिनके लिए वे एआई का उपयोग करेंगे।

विचार यह है कि कर्मचारियों को नई प्रणाली में अधिक समझ और आत्मविश्वास दिलाना है। केवल तभी समझ और स्वीकृति आएगी, जिससे व्यवसाय व्यापक अपनाने और प्रौद्योगिकी के बेहतर अनुप्रयोग का आनंद ले सकेंगे।

यह स्पष्ट है कि एआई इस दशक की परिभाषित प्रौद्योगिकी है, लेकिन इसका प्रभाव तब तक बर्बाद होता रहेगा जब तक यह संचालित नहीं किया जाता है। परिवर्तन प्रबंधन पहलों को उन्नत करने, एआई पहलों को धीरे-धीरे लागू करने और मापनीय केपीआई का उपयोग करके, व्यवसाय एआई पर खर्च नहीं करेंगे; वे इससे लाभ कमाएंगे।