- हालिया सर्वेक्षणों के अनुसार, कई knowledge workers अपने काम में AI का उपयोग कर रहे हैं
- जनवरी के डेनमार्क सर्वे में: marketers 65%, पत्रकार 64%, वकील 30% आदि AI का उपयोग करते हैं
- अगस्त में अमेरिकी workers के सर्वे में: generative AI का उपयोग करने वालों की संख्या 1/3 तक पहुँची
- सबसे ज़्यादा इस्तेमाल होने वाला टूल ChatGPT है, उसके बाद Google Gemini
- व्यक्तिगत स्तर पर AI से productivity बढ़ने का प्रभाव साबित हो रहा है
- GPT-4 के उपयोग से consultants ने 18 तरह के काम 25% तेज़ी से पूरे किए
- GitHub Copilot के उपयोग से coding productivity में 26% वृद्धि हुई
- डेनमार्क सर्वे में उत्तरदाताओं ने कहा कि अपने काम के 41% हिस्से में AI से समय आधा हो गया
- लेकिन leaders और managers से बात करने पर वे कहते हैं कि अक्सर अनुमति दिए गए सीमित use cases के अलावा AI का उपयोग लगभग नहीं है, और productivity gains भी बहुत कम हैं
- इसका कारण यह है कि व्यक्तिगत प्रदर्शन में सुधार संगठनात्मक प्रदर्शन में बदलने से रोकने वाले कई कारण मौजूद हैं
- संगठन स्तर पर परिणाम पाने के लिए AI उपयोग पर अपना खुद का R&D अनिवार्य है
- consulting firms या enterprise software vendors के सामान्य approach पर निर्भर नहीं रहना चाहिए
- किसी भी संगठन के लिए उपयुक्त AI उपयोग का तरीका कोई और नहीं बता सकता
- बड़ी AI कंपनियाँ भी अक्सर यह जाने बिना मॉडल जारी करती हैं कि उनका सबसे अच्छा उपयोग कहाँ होगा
- अपने संदर्भ के हिसाब से सही उपयोग सबसे पहले खोज निकालना ही असली कुंजी है
- AI उपयोग के तरीकों पर R&D में व्यक्तिगत कर्मचारियों की crowd और dedicated research team (Lab) दोनों का उपयोग करना चाहिए
- Crowd: जमीनी स्तर पर समस्याएँ हल करते हुए AI लागू करना और know-how जमा करना
- Lab: crowd के ideas को product बनाना और नए उपयोग scenarios खोजना
Crowd के लिए रणनीतियाँ
- Eric von Hippel के user innovation सिद्धांत के अनुसार, कई बड़ी innovations केंद्रीय R&D lab से नहीं बल्कि वास्तविक users द्वारा अपनी समस्याएँ हल करने के लिए products से प्रयोग करते-करते आती हैं
- domain experts trial and error के माध्यम से AI की उपयोगिता को आसानी से परख सकते हैं, लेकिन बाहरी लोग ऐसा नहीं कर पाते
- सर्वे और बातचीत से पता चलता है कि लोग AI के साथ प्रयोग करते हैं, उसे बहुत उपयोगी मानते हैं, लेकिन अपने employer के साथ यह बात साझा नहीं करते। लगभग हर संगठन में ऐसे "secret cyborgs" होते हैं जो AI का उपयोग करते हैं, पर बताते नहीं
- secret cyborgs बनने के कारण
- AI के अनुचित उपयोग पर सज़ा मिलने का डर
- AI उपयोग बताने पर सम्मान कम हो जाने की आशंका
- AI अगर कुछ काम कर दे तो खुद या सहकर्मियों की नौकरी जाने का डर
- AI उपयोग सार्वजनिक करने पर कोई reward न मिलने की आशंका
- productivity बढ़ने का मतलब और ज़्यादा काम की अपेक्षा बन जाने का डर
- AI उपयोग के तरीकों को साझा करने का कोई माध्यम न होना
- secret cyborgs की मदद लेने के तरीके
- डर कम करें: अमूर्त AI ethics training या डराने वाली policies के बजाय "स्पष्ट प्रयोग-सीमा" तय करें
- rewards को जोड़ें: AI उपयोग उजागर करने पर प्रोत्साहन दें। बड़े productivity gains पर कई महीनों की salary के बराबर cash award, promotion, work from home जैसी सुविधाएँ दें
- सकारात्मक उपयोग का modeling: executives खुद खुलकर बताएँ कि वे AI कैसे उपयोग करते हैं। managers कर्मचारियों को AI से समस्या हल करने की कोशिश करने के लिए प्रोत्साहित करें
- साझा करने के अवसर दें: hackathon, prompt sharing session जैसी गतिविधियाँ आयोजित करें। AI talent वाले लोगों को खोजें और सीख को साझा करने वाली community बनाएँ
- tools और training दें: नवीनतम models का सीधे उपयोग करने का मौका दें, और AI उपयोग पर training sessions चलाएँ
- संगठन के भीतर AI innovation talent को उभरने का अवसर बनाना चाहिए। crowd मदद कर सकती है, लेकिन केंद्रित innovation effort के रूप में Lab की भूमिका भी होती है
Lab के लिए रणनीतियाँ
- distributed innovation महत्वपूर्ण है, लेकिन संगठन के भीतर AI उपयोग R&D के लिए एक केंद्रीय effort की भी भूमिका है
- Lab को subject-matter experts और technical/non-technical लोगों के मिश्रण से बनाया जाना चाहिए
- researchers crowd से भी लिए जा सकते हैं। AI उपयोग का तरीका खोजकर कंपनी के साथ साझा करने वाले उत्साही लोगों से Lab बनाई जा सकती है
- Lab को analysis या abstract strategy से ज़्यादा building पर ध्यान देना चाहिए। इन्हें बनाना चाहिए:
- संगठन के लिए AI benchmarks विकसित करना: कौन-सा AI सबसे stylistic writer है, कौन financial data संभाल सकता है, कौन legal documents अच्छे से पढ़ता है—यानी कंपनी के वास्तविक कामों में हर model कितना अच्छा है, यह समझना
- काम करने वाले prompts और tools बनाना: crowd के ideas को product बनाना और बार-बार test करना। उन्हें संगठन में deploy कर परिणाम मापना
- वे चीज़ें बनाना जो अभी काम नहीं करतीं: अगर AI agents core business process के हर task को करने लगें तो क्या होगा, इसका prototype बनाना और failure points पहचानना। जब नया model आए, तो उसे prototype से जोड़कर देखना कि सुधार हुआ या नहीं
- जादुई और उकसाने वाली चीज़ें बनाना: जो लोग अभी तक AI से प्रभावित नहीं हुए हैं, उनके लिए AI से संभव चौंकाने वाले या हैरान कर देने वाले demos दिखाना। AI से लगभग असंभव लगने वाले काम करके दिखाना और नवीनतम tools की क्षमता प्रदर्शित करना। लोगों का ध्यान आकर्षित करना
- crowd innovation करती है और Lab build तथा test करती है। सफल internal R&D के लिए दोनों ज़रूरी हैं
यह तो बस शुरुआत है
- लंबे समय में अगर AI capabilities लगातार बढ़ती रहीं, तो केवल innovation काफ़ी नहीं होगी; AI को ध्यान में रखने वाली leadership भी चाहिए होगी
- संगठन अब तक human intelligence की सीमाओं और फायदों को केंद्र में रखकर बनाए गए हैं
- अब हमें AI की इस विचित्र "intelligence" को ध्यान में रखते हुए दशकों से बने processes और organizational structures को फिर से डिज़ाइन करने के तरीकों की तलाश करनी होगी
- यह R&D से आगे की बात है; इसमें organizational structure, goals, और भविष्य के संगठन में इंसानों और मशीनों की भूमिकाओं पर भी विचार करना होगा
- फिर भी, हो सकता है कि यह भी पर्याप्त रूप से radical न हो
- AI labs का स्पष्ट लक्ष्य हर बौद्धिक कार्य में इंसानों से बेहतर AI बनाना है
- वे वादा करते हैं कि जल्द ही ऐसे agentic AI आएँगे जो स्वायत्त रूप से plan और act कर सकेंगे
- OpenAI के roadmap से दिखता है कि उनका विश्वास है कि संगठनों का काम संभालने वाले AI बनाए जा सकते हैं। यह सब शायद न भी हो, लेकिन अगर इसका कुछ हिस्सा भी सच हुआ, तो संगठन आज की कल्पना से कहीं अधिक गहरे बदलाव से गुजरेंगे
- कंपनियों के लिए इस अनिश्चितता से निपटने का सबसे अच्छा तरीका है कि वे खुद इस नई दुनिया की खोज अभी से शुरू करें
अभी कोई टिप्पणी नहीं है.