कोई इसे उपयोग में आसान इंटरफ़ेस में लपेटता है, इसके चारों ओर एक कंपनी बनाता है, और घोषणा करता है कि एक पूरा उद्योग बाधित होने वाला है।
कुछ समय के लिए, ऐसा लग सकता है। लेकिन एक बार जब वही क्षमता व्यापक रूप से उपलब्ध हो जाती है, तो लाभ गायब होने लगता है। जो विघटन जैसा लग रहा था, वह सिर्फ एक और सुविधा बनकर रह सकता है।
AI निष्पादन को तेज़, सस्ता और आसान बना सकता है। लेकिन जब समान मॉडल और क्षमताएं सभी के लिए उपलब्ध हों, तो तकनीक तक पहुंच शायद ही कोई स्थायी लाभ हो।
असली लाभ तब आता है जब लोग इसे किसी संगठन के अंदर कैसे लागू करते हैं।
AI संगठन को नहीं समझता
एक मॉडल प्रोग्रामिंग, वित्त, मार्केटिंग या ग्राहक सहायता को समझ सकता है। लेकिन यह स्वचालित रूप से यह नहीं समझता कि कोई संगठन जिस तरह से काम करता है, वह क्यों करता है।
- कौन से विरासत निर्णयों ने वर्तमान सिस्टम बनाए?
- कौन सी ग्राहक आवश्यकताएं वास्तव में अनिवार्य हैं?
- कौन सी प्रक्रियाएं पिछली विफलताओं के कारण शुरू की गईं?
- कौन से लक्ष्य स्प्रेडशीट में उचित लगते हैं लेकिन व्यवहार में लगभग असंभव हैं?
- डोमेन में कौन से कानूनी, सुरक्षा, परिचालन या व्यावसायिक बाधाएं मायने रखती हैं?
यह ज्ञान शायद ही कभी एक पूर्ण और विश्वसनीय स्थान पर उपलब्ध होता है। यह लोगों, सिस्टम, दस्तावेज़ों, बातचीत और पिछले निर्णयों में फैला हो सकता है।
हम इसे अक्सर जनजातीय ज्ञान कहते हैं। इसका अधिकांश भाग दस्तावेज़ीकृत किया जा सकता है और किया जाना चाहिए, लेकिन अकेला दस्तावेज़ीकरण समस्या का समाधान नहीं करता।
RAG और फ़ाइन-ट्यूनिंग मॉडल को संगठनात्मक ज्ञान तक पहुंचने में मदद कर सकते हैं। लेकिन वे यह गारंटी नहीं दे सकते कि जानकारी पूर्ण, अद्यतन, प्रासंगिक या सही ढंग से लागू की गई है।
लोगों को अभी भी लापता संदर्भ को पहचानने, एज केसों को संभालने, धारणाओं पर सवाल उठाने और परिणामों को मान्य करने की आवश्यकता है।
इससे भी महत्वपूर्ण बात यह है कि लोगों को ऐसे निर्णय लेने होंगे जो इन सिस्टमों के विश्वसनीय समर्थन से परे हों।
समीक्षा सिर्फ AI की गलतियों को सुधारने के बारे में नहीं है
बड़े भाषा मॉडल गलत जानकारी उत्पन्न कर सकते हैं बिना यह पहचाने कि वह गलत है।
सामान्य प्रतिक्रिया एक मानव समीक्षक जोड़ना है जो आउटपुट की जाँच करता है। लेकिन AI आउटपुट की समीक्षा में तथ्यात्मक गलतियों को सुधारने से अधिक शामिल होना चाहिए।
कोई जो डोमेन और संगठन को समझता है वह कर सकता है:
- संगठनात्मक तर्क लागू करना
- विशेष मामलों को पहचानना
- लापता जानकारी की पहचान करना
- त्रुटि की लागत को समझना
- व्यावसायिक, कानूनी और सुरक्षा जोखिमों का मूल्यांकन करना
- पहचानना कि AI का उपयोग गलत समस्या के लिए किया जा रहा है
- भविष्य के उपयोग के लिए प्रॉम्प्ट, वर्कफ़्लो या सिस्टम में सुधार करना
इस प्रक्रिया के माध्यम से, लोग मॉडल को सुधारने से अधिक करते हैं। वे संगठन को अधिक सक्षम बनाते हैं।
मानव AI सिस्टम का सहायक नहीं हैं।
वे सिस्टम का हिस्सा हैं।
मॉडल बदलते हैं, लेकिन संगठन को काम करना जारी रखना चाहिए
AI मॉडल लगातार अपडेट होते रहते हैं।
एक नए मॉडल में बेहतर तर्क हो सकता है लेकिन खराब टोन, फ़ॉर्मेटिंग या टूल-उपयोग व्यवहार हो सकता है। एक API बदल सकता है। एक सुविधा हटाई जा सकती है। एक मॉडल सेवानिवृत्त हो सकता है।
एक विक्रेता पर भारी निर्भरता से जुड़े जोखिम भी हैं।
कीमतें बढ़ सकती हैं। उपयोग नीतियां बदल सकती हैं। सुविधाएं अनुपलब्ध हो सकती हैं। एक मॉडल जो आज अच्छा काम करता है, छह महीने बाद उपयुक्त नहीं रह सकता।
एक संगठन जिसने अपनी प्रक्रियाओं को एक विशेष मॉडल के आसपास अनुकूलित किया है, वह गंभीर रूप से बाधित हो सकता है यदि उसके पास आंतरिक विशेषज्ञता का अभाव है।
एक सक्षम टीम इस जोखिम को कम कर सकती है:
- सिस्टम कैसे काम करता है, इसे समझना
- नए मॉडल संस्करणों का मूल्यांकन करना
- प्रोडक्शन रोलआउट से पहले परिवर्तनों का परीक्षण करना
- आउटपुट गुणवत्ता की निगरानी करना
- प्रॉम्प्ट और वर्कफ़्लो को अनुकूलित करना
- वैकल्पिक मॉडलों की तुलना करना
- एक विक्रेता पर निर्भरता कम करना
जब कोई मॉडल बहुत महंगा, अविश्वसनीय या अनुपयुक्त हो जाता है, तो टीम को सीमित व्यवधान के साथ स्थानांतरित करने में सक्षम होना चाहिए।
उस क्षमता के बिना, संगठन AI द्वारा सशक्त नहीं है।
यह उस पर निर्भर है।
पूर्ण स्वचालन नए जोखिम पैदा कर सकता है
मनुष्यों को हर नियमित कदम में शामिल रहने की आवश्यकता नहीं है।
लेकिन लोगों को किसी प्रक्रिया से सिर्फ इसलिए हटाना क्योंकि इसे स्वचालित किया जा सकता है, एक अधिक खतरनाक सिस्टम बना सकता है।
कई AI उत्पाद बाहरी मॉडल, लाइब्रेरी, API, टूल, प्लगइन और डेटा स्रोतों पर निर्भर करते हैं।
इनमें से कोई भी विफलता का बिंदु बन सकता है:
- एक कमजोर या समझौता की गई निर्भरता
- गलत या जहरीला डेटा
- एक दुर्भावनापूर्ण दस्तावेज़
- प्रॉम्प्ट इंजेक्शन
- जेलब्रेक
- अत्यधिक अनुमतियाँ
- गलत टूल उपयोग
- सिस्टम सुरक्षित रूप से क्या कर सकता है, इसकी गलतफहमी
जिम्मेदार व्यक्ति और किए जा रहे काम के बीच जितनी अधिक परतें होंगी, कुछ गलत होने के उतने ही अधिक अवसर होंगे।
पारंपरिक सॉफ्टवेयर पूर्वनिर्धारित निर्देशों का पालन करता है।
AI सिस्टम निर्देशों की व्याख्या करते हैं।
यह अंतर मायने रखता है।
इनपुट सत्यापन, पहुंच नियंत्रण, लॉगिंग, निगरानी, ऑडिटिंग और अनुमोदन वर्कफ़्लो अभी भी आवश्यक हैं।
लेकिन अब उन्हें उन सिस्टमों का हिसाब देना होगा जो अविश्वसनीय भाषा की व्याख्या कर सकते हैं और उस व्याख्या के आधार पर कार्रवाई कर सकते हैं।
उत्तर स्वचालन से बचना नहीं है।
यह स्पष्ट रूप से परिभाषित करना है कि सिस्टम का मालिक कौन है, इसके जोखिमों को कौन समझता है, और जब कुछ गलत होता है तो कौन जवाबदेह है।
विकल्प मनुष्यों और AI के बीच नहीं है।
असली सवाल यह है कि मानवीय जिम्मेदारी कहाँ बनी रहनी चाहिए।
AI बहस के दोनों चरम भ्रामक हैं
एक पक्ष दावा करता है कि AI पूरी तरह से मानव श्रम को बदल देगा।
दूसरा मानता है कि AI का बहुत कम सार्थक प्रभाव होगा।
दोनों दृष्टिकोण बहुत सरल हैं।
AI कुछ कार्यों को स्वचालित करेगा, कुछ भूमिकाओं को समाप्त करेगा, नई भूमिकाएं बनाएगा और कई अन्य को महत्वपूर्ण रूप से बदल देगा।
यह छोटी टीमों को वह काम करने की अनुमति देगा जिसके लिए पहले बहुत बड़ी टीमों की आवश्यकता थी।
लेकिन इससे लोग कम महत्वपूर्ण नहीं हो जाते।
यह शेष लोगों को अधिक जिम्मेदारी देता है।
जैसे-जैसे AI निष्पादन को तेज़ और सस्ता बनाता है, निर्णय का मूल्य बढ़ेगा।
AI निर्णयों का समर्थन कर सकता है और निर्णय लेने की प्रक्रिया के कुछ हिस्सों को स्वचालित कर सकता है।
लेकिन जिम्मेदारी और जवाबदेही को आसानी से किसी मॉडल को हस्तांतरित नहीं किया जा सकता।
मानव पूंजी नौकरियों को जैसी हैं वैसी बनाए रखने के बारे में नहीं है
लोगों में निवेश करने का मतलब हर मौजूदा भूमिका, प्रक्रिया या काम करने के तरीके की रक्षा करना नहीं है।
इसका मतलब उन लोगों को विकसित करना है जो नई परिस्थितियों के अनुकूल हो सकते हैं और संगठन की दीर्घकालिक सफलता में योगदान दे सकते हैं।
सबसे मूल्यवान लोग केवल वे नहीं हो सकते जिनकी वर्तमान नौकरियां स्वचालन से सबसे सुरक्षित दिखती हैं।
वे वे लोग हो सकते हैं जो जोड़ सकते हैं:
- डोमेन ज्ञान
- संगठनात्मक संदर्भ
- ग्राहक समझ
- तकनीकी क्षमता
- ठोस निर्णय
- जोखिम जागरूकता
- प्रभावी ढंग से AI का उपयोग करने की क्षमता
संगठनों को केवल यह नहीं पूछना चाहिए:
"हम AI से कितने लोगों को बदल सकते हैं?"
उन्हें यह भी पूछना चाहिए:
- AI हमारे लोगों को उनके काम में बेहतर बनने में कैसे मदद कर सकता है?
- हमें कौन सा संगठनात्मक ज्ञान बनाए रखना चाहिए?
- सिस्टम को समग्र रूप से कौन समझता है?
- आवश्यकता पड़ने पर कठिन निर्णय कौन ले सकता है?
- लोग AI-जनरेटेड सिफारिशों का मूल्यांकन कैसे करेंगे?
- जब AI कोई कार्रवाई करता है तो जिम्मेदारी कैसे सौंपी जाएगी?
- हम कैसे सुनिश्चित करें कि प्रौद्योगिकी बदलने पर हमारी टीमें अनुकूलित हो सकें?
ये प्रश्न निर्धारित करते हैं कि AI एक अल्पकालिक दक्षता उपकरण बनता है या दीर्घकालिक संगठनात्मक क्षमता।
असली लाभ
AI नियमित निष्पादन के मूल्य को कम कर सकता है जबकि निर्णय के मूल्य को बढ़ा सकता है।
यह कुछ भूमिकाओं को अनावश्यक बना सकता है, लेकिन यह सही लोगों को कहीं अधिक सक्षम भी बना सकता है।
जो संगठन AI से सबसे अधिक लाभान्वित होते हैं, वे केवल जितना संभव हो उतना स्वचालित नहीं करेंगे।
वे अपने लोगों को अधिक प्रभावी बनाने के लिए AI का उपयोग करेंगे।
वे उस काम को स्वचालित करेंगे जहां गति, स्थिरता और पैमाना मायने रखता है।
वे स्पष्ट मानव स्वामित्व बनाए रखेंगे जहां संदर्भ, जोखिम, निर्णय और जवाबदेही मायने रखती है।
लोगों को वह काम करने में समय नहीं बिताना चाहिए जो AI विश्वसनीय रूप से कर सकता है।
साथ ही, AI को ऐसे निर्णय लेने के लिए नहीं छोड़ा जाना चाहिए जिनके लिए मानवीय संदर्भ, जिम्मेदारी या जवाबदेही की आवश्यकता होती है।
यह जानना कि वह सीमा कहाँ है, एक मानवीय समस्या बनी रहेगी।
जब सभी के पास AI तक पहुंच होगी, तो मॉडल स्वयं लाभ नहीं होगा। वे लोग लाभ होंगे जो जानते हैं कि इसका उपयोग कैसे, कहाँ और कब करना है।
