जब कंपनियां पुराने ऑपरेटिंग मॉडल बनाए रखती हैं, तब AI प्रोजेक्ट रुक जाते हैं

“AI के यादृच्छिक प्रयासों” के खिलाफ तर्क वास्तव में संरचना के बारे में है

कई कंपनियां कहती हैं कि वे AI-समर्थित बनना चाहती हैं, लेकिन दिए गए स्रोत का तर्क है कि वे वही गलती बार-बार कर रही हैं: कृत्रिम बुद्धिमत्ता को एक पुराने संगठन से जोड़ने की कोशिश, जो पूर्वानुमेयता, पदानुक्रम और धीमी मंजूरियों के लिए बनाया गया था। उस दृष्टिकोण में असली बाधा उपकरणों की कमी नहीं है। समस्या एक ऐसे ऑपरेटिंग मॉडल की है जो किसी और सदी के लिए बनाया गया था।

स्रोत का मूल दावा स्पष्ट है। अधिकांश संगठन AI को ऐसे सिस्टमों पर थोपने की कोशिश कर रहे हैं जिन्हें निरंतर संकेत-ग्रहण, तेज़ सीखने या वितरित निर्णय-निर्माण के लिए नहीं बनाया गया था। नतीजतन, पायलट रुक जाते हैं, अपनाने की गति ठहर जाती है, और व्यवसाय के किनारों पर AI जो भी गति पैदा करता है, वह बीच में आकर खो जाती है। यह कॉर्पोरेट तकनीकी कार्यक्रमों में एक परिचित पैटर्न है। नवाचार किसी लैब, टीम या कार्यात्मक इकाई में शुरू होता है, फिर बजट चक्र, मंजूरी की श्रृंखलाओं, असंगत प्रोत्साहनों और बिखरे हुए स्वामित्व की रुकावट से टकरा जाता है।

लेख की धारणा यह है कि AI में सफल कंपनियां केवल इसलिए नहीं जीत रहीं कि उन्होंने बेहतर सॉफ्टवेयर चुना। वे अलग तरह के संगठन बन रही हैं। स्रोत में उद्धृत पुस्तक की लेखिका Melissa Reeve इन फर्मों को “hyperadaptive” कहती हैं। यह नाम नया है, लेकिन मूल बात पहचानी हुई है: यदि किसी उद्यम की अपनी संरचना हर महत्वपूर्ण कार्रवाई को धीमा कर देती है, तो वह तेज़ बुद्धिमत्ता का पूरा लाभ नहीं उठा सकता।

AI संगठनात्मक कमजोरियों को क्यों उजागर करता है

पारंपरिक ऑपरेटिंग मॉडल स्थिरता के लिए बनाए गए थे। रणनीति ऊपर से नीचे बहती है। काम विशेषज्ञ साइलो के बीच से गुजरता है। हैंडऑफ आम हैं। निर्णयों के लिए अक्सर समीक्षा की कई परतें चाहिए होती हैं। औद्योगिक युग की प्रणालियों में यह संरचना समझ में आती थी, जहां पैमाना, मानकीकरण और जोखिम-नियंत्रण प्रमुख प्राथमिकताएं थीं।

AI दबाव के बिंदु बदल देता है। यह विश्लेषण, सिफारिशें और सामग्री कई मौजूदा व्यावसायिक प्रक्रियाओं की तुलना में तेज़ी से बना सकता है। जब ऐसा होता है, तो सीमित करने वाला कारक बदल जाता है। समस्या अब केवल यह नहीं रह जाती कि कोई कंपनी अंतर्दृष्टि पैदा कर सकती है या नहीं, बल्कि यह होती है कि क्या वह उस अंतर्दृष्टि पर कार्रवाई कर सकती है। यदि टीमों को अभी भी कठोर पदानुक्रम, असंबद्ध प्रणालियों और कार्यात्मक सीमाओं से होकर गुजरना पड़े, तो AI स्थानीय दक्षता बढ़ा सकता है लेकिन समग्र प्रदर्शन में सुधार नहीं कर सकता।

इसीलिए दिए गए स्रोत में कहा गया है कि संगठन अक्सर किनारों पर तेज़ हो जाते हैं, जबकि बीच का हिस्सा पहले जितना धीमा था उतना ही धीमा रहता है। यह एक महत्वपूर्ण सूत्रीकरण है, क्योंकि यह समझाता है कि इतनी सारी AI पहलें अंदरूनी उत्साह तो पैदा करती हैं, लेकिन कंपनी-व्यापी नतीजों को नहीं बदलतीं। तकनीक काम कर सकती है। संगठन नहीं।

“AI-native” विचार तैनाती से बड़ा है

स्रोत इस मुद्दे को “AI-native” बनने के रूप में प्रस्तुत करता है, जिसका अर्थ केवल सॉफ्टवेयर लागू करने से कहीं गहरा परिवर्तन है। इस व्याख्या में, एक AI-native कंपनी तेज़ी से संकेत पहचानने, लगातार सीखने और मनुष्यों की तुलना में बेहतर निर्णय लेने के लिए संरचित होती है। भले ही यह दावा महत्त्वाकांक्षी हो, यह प्राथमिकता में एक वास्तविक बदलाव को पकड़ता है। लक्ष्य केवल स्वचालन नहीं है। लक्ष्य यह है कि सूचना कैसे आगे बढ़ती है और निर्णय कैसे लिए जाते हैं, इसका पुनर्रचना।

यह उन कार्यों पर दबाव डालता है जिन्हें अक्सर स्थिर पृष्ठभूमि प्रणालियों की तरह माना जाता था: प्रबंधन स्तर, शासन, काम का डिज़ाइन और सहयोग के तरीके। यदि कोई कंपनी चाहती है कि AI throughput या अनुकूलनशीलता में सुधार करे, तो उसे कदम कम करने, handoffs घटाने, स्वामित्व स्पष्ट करने और रणनीति को निष्पादन के करीब लाने की जरूरत हो सकती है। अन्यथा उद्यम पुराने workflows के भीतर उन्नत उपकरणों का इस्तेमाल करता रह जाएगा।

कंपनियों के भीतर एक राजनीतिक आयाम भी होता है। AI कार्यक्रम अक्सर नवाचार पहलों के रूप में शुरू किए जाते हैं, लेकिन संरचनात्मक पुनर्रचना सत्ता को छूती है। इससे प्रभावित होता है कि काम को कौन मंजूरी देता है, डेटा पर किसका नियंत्रण है, कौन-सी टीमें परिणामों की मालिक हैं, और निर्णय कितनी तेज़ी से लिए जा सकते हैं। यही कारण है कि पायलट तकनीकी रूप से सफल होकर भी परिचालन स्तर पर रुक सकते हैं। कठिन हिस्सा शायद ही कभी केवल मॉडल प्रदर्शन होता है। असली सवाल यह है कि संगठन अपने बारे में क्या बदलने को तैयार है।

प्रयोग से परिचालन परिवर्तन तक

दिए गए अंश की सबसे उपयोगी अंतर्दृष्टियों में से एक यह है कि विजेताओं और हारने वालों के बीच मुख्य अंतर तकनीक का चुनाव नहीं है। इसका मतलब यह नहीं कि मॉडल चयन अप्रासंगिक है। इसका मतलब यह है कि सफलता और विफलता के बीच का अंतर बहुत हद तक इस पर निर्भर हो सकता है कि कंपनी अपनी ही संरचना को कितनी अच्छी तरह ढालती है। जो कंपनियां बार-बार यही पूछती रहती हैं कि कौन-सा उपकरण खरीदना है, वे शायद गलत पहला सवाल पूछ रही हैं।

एक अधिक उपयोगी सवाल यह है कि क्या संगठन तेज़ सीखने को अपनी धीमी नालियों में वापस धकेले बिना उसे समाहित कर सकता है। यदि हर पहल के लिए वही top-down sequencing, वही विभागों के बीच अनुवाद, और वही bureaucratic pacing चाहिए, तो AI एक add-on की तरह व्यवहार करेगा, न कि व्यवसाय में समाहित क्षमता की तरह।

यह दृष्टिकोण executive accountability को भी नए सिरे से परिभाषित करता है। नेता अक्सर पायलट प्रायोजित करते हैं और value का प्रमाण मांगते हैं। स्रोत का संकेत है कि जब तक नेतृत्व tools के आसपास की प्रणाली नहीं बदलता, value सीमित रह सकती है। व्यावहारिक रूप से, इसका अर्थ workflows को फिर से डिज़ाइन करना, performance measures को अपडेट करना, अनावश्यक approvals को कम करना, या cross-functional teams बनाना हो सकता है जो real time में signals पर कार्रवाई कर सकें।

एंटरप्राइज़ नेताओं के लिए असली संदेश

दिया गया सामग्री कोई तकनीकी रोडमैप नहीं है। यह एक प्रबंधन-आलोचना है। इसका केंद्रीय चेतावनी यह है कि कंपनियां 20वीं सदी के operating system के साथ 21वीं सदी के नतीजों की उम्मीद नहीं कर सकतीं। यह वाक्य यादगार है क्योंकि यह इस भ्रम से जिम्मेदारी हटाता है कि AI अकेले संस्थागत धीमापन ठीक कर देगा।

कार्यकारी नेताओं के लिए यह संदेश असहज है, लेकिन उपयोगी है। यह संकेत देता है कि AI को बड़े पैमाने पर लागू न कर पाने की विफलता design failure भी हो सकती है, केवल execution failure नहीं। यदि ऐसा है, तो समाधान एक और isolated pilot या AI का एक और यादृच्छिक प्रयास नहीं है। समाधान है संगठनात्मक rewiring की अधिक मांग वाली प्रक्रिया।

चाहे “hyperadaptive” स्थायी कारोबारी शब्दावली बने या नहीं, उसके पीछे का तर्क संभवतः बना रहेगा। AI तेज़ बुद्धिमत्ता और धीमी संस्थाओं के बीच असंगति को उजागर कर रहा है। जो कंपनियां इस अंतर को पाट लेंगी, वे वास्तविक बढ़त बना सकती हैं। जो नहीं पाटेंगी, वे बस और अधिक उपकरण जमा करती रहेंगी और सोचती रहेंगी कि transformation आखिर क्यों नहीं आ रही।

यह लेख Fast Company की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.