AI एजेंट, रोबोट और हम: AI युग में तकनीकी साझेदारी

 (mckinsey.com)
8 पॉइंट द्वारा GN⁺ 2025-12-16 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • भविष्य का काम लोगों, एजेंटों और रोबोटों की साझेदारी के रूप में फिर से संगठित होगा, और मौजूदा तकनीक से कार्य-घंटों के लगभग 57% को स्वचालित किया जा सकता है, लेकिन यह केवल तकनीकी क्षमता है, नौकरियों में कमी का पूर्वानुमान नहीं
  • आज नियोक्ताओं द्वारा मांगे जाने वाले कौशलों में 70% से अधिक ऐसे हैं जो स्वचालित और गैर-स्वचालित दोनों तरह के कार्यों में उपयोग होते हैं, इसलिए अधिकांश कौशल अब भी प्रासंगिक हैं, हालांकि उनके उपयोग का तरीका बदल रहा है
  • AI fluency (AI टूल्स का उपयोग और प्रबंधन करने की क्षमता) की मांग 2 वर्षों में 7 गुना बढ़ी है, जिससे यह जॉब पोस्टिंग्स में सबसे तेज़ी से बढ़ने वाला कौशल बन गया है
  • 2030 तक केवल अमेरिका में लगभग 2.9 ट्रिलियन डॉलर का आर्थिक मूल्य पैदा किया जा सकता है, और इसके लिए अलग-अलग कार्यों के बजाय पूरे workflow को फिर से डिज़ाइन करना होगा
  • Skill Change Index के अनुसार डिजिटल और information processing कौशलों में सबसे बड़ा बदलाव होगा, जबकि care और support से जुड़े कौशलों में सबसे कम बदलाव की उम्मीद है

मुख्य अवलोकन

  • भविष्य का काम AI-आधारित लोगों, एजेंटों और रोबोटों के बीच साझेदारी की ओर बढ़ रहा है
  • मौजूदा तकनीक से अमेरिका के कार्य-घंटों का लगभग 57% सैद्धांतिक रूप से स्वचालित किया जा सकता है, लेकिन यह तकनीकी क्षमता है और वास्तविक अपनाने में कई दशक लगने की उम्मीद है
  • कुछ भूमिकाएं घटेंगी, कुछ बढ़ेंगी या बदलेंगी, और नई भूमिकाएं उभरेंगी
  • नियोक्ताओं द्वारा मांगे जाने वाले कौशलों में 70% से अधिक ऐसे कार्यों में उपयोग होते हैं जो स्वचालित भी हो सकते हैं और नहीं भी, इसलिए अधिकांश कौशल प्रासंगिक रहेंगे, लेकिन उनका उपयोग-परिप्रेक्ष्य बदलेगा
  • Skill Change Index अगले 5 वर्षों में प्रत्येक कौशल की automation exposure को मापता है, जिसमें डिजिटल और information processing कौशल सबसे अधिक प्रभावित होंगे और care कौशलों में सबसे कम बदलाव की उम्मीद है
  • AI fluency की मांग 2 वर्षों में लगभग 7 गुना बढ़ी है और यह अमेरिकी जॉब पोस्टिंग्स में सबसे तेज़ वृद्धि दर्ज कर रही है
  • 2030 तक अमेरिका में लगभग 2.9 ट्रिलियन डॉलर का आर्थिक मूल्य पैदा किया जा सकता है, लेकिन इसके लिए संगठनों को workforce को तैयार करना होगा और अलग-अलग कार्यों के बजाय पूरे workflow को फिर से डिज़ाइन करना होगा

AI काम की सीमाओं को फिर से परिभाषित कर रहा है

  • एजेंटों और रोबोटों की स्वायत्तता और क्षमताओं में वृद्धि

    • पहले मशीनों को नियमों का पालन करने के लिए डिज़ाइन किया जाता था, इसलिए वे केवल पहले से तय तरीके से काम करती थीं
    • AI के आने से संज्ञानात्मक और भौतिक कार्य करने वाले एजेंट और रोबोट विशाल datasets से सीखकर अधिक क्षमताएं हासिल कर रहे हैं
    • वे प्राकृतिक भाषा सहित विभिन्न प्रकार के inputs पर प्रतिक्रिया कर सकते हैं और पूर्व-निर्धारित नियमों के बजाय संदर्भ के अनुसार अनुकूलित हो सकते हैं
    • मौजूदा तकनीक से अमेरिका के कार्य-घंटों का लगभग 57% सैद्धांतिक रूप से स्वचालित किया जा सकता है, लेकिन वास्तविक अपनाना नीतियों, श्रम लागत, implementation cost, development time आदि पर निर्भर करेगा
    • बिजली के व्यापक प्रसार में 30 साल से अधिक लगे थे, और industrial robots ने भी ऐसा ही बहु-दशकीय रास्ता अपनाया; 2023 तक अधिकांश applications को cloud पर चलाने वाली कंपनियां लगभग पांचवें हिस्से जितनी ही थीं

  • AI हर प्रकार के काम को प्रभावित कर रहा है

    • गैर-भौतिक कार्य अमेरिका के कार्य-घंटों का लगभग दो-तिहाई हिस्सा हैं
    • गैर-भौतिक कार्यों में लगभग एक-तिहाई ऐसे हैं जिनके लिए सामाजिक और भावनात्मक कौशल चाहिए, जहां AI अभी तक नहीं पहुंचा है
    • बाकी कार्य reasoning, information processing आदि जैसे automation के लिए उपयुक्त हैं, और ये अमेरिका के कुल वेतन का लगभग 40% हिस्सा हैं
    • भौतिक कार्य अमेरिका के कार्य-घंटों का लगभग 35% हिस्सा हैं; रोबोटिक्स में प्रगति हुई है, लेकिन अधिकांश भौतिक कार्यों में अभी भी fine motor skills, dexterity, situational awareness की जरूरत होती है, जिन्हें तकनीक अभी विश्वसनीय रूप से दोहरा नहीं पाई है
    • अमेरिकी workforce के लगभग 40% हिस्से में भौतिक कार्य कुल कार्य-घंटों के आधे से अधिक हैं (जैसे ड्राइवर, निर्माण श्रमिक, रसोइए, मेडिकल असिस्टेंट)
    • रोबोट में प्रगति के कारण manufacturing, food preparation और कुछ कम वेतन वाली भूमिकाओं सहित कई पेशों में बदलाव की उम्मीद है
    • पानी के भीतर काम, search-and-rescue, और खतरनाक वातावरण का निरीक्षण जैसे ऐसे कार्य, जो इंसानों के लिए जोखिमभरे या असंभव हैं, रोबोट आगे भी करते रहेंगे

  • इंसान अपरिहार्य हैं

    • मौजूदा क्षमता स्तर पर एजेंट अमेरिका के कार्य-घंटों का 44% और रोबोट 13% संभाल सकते हैं
    • automation को और बढ़ाने के लिए ऐसी क्षमताएं चाहिए जो अभी केवल इंसानों में हैं, जैसे इरादों और भावनाओं की व्याख्या (एजेंटों के लिए), और सूक्ष्म मोटर नियंत्रण (रोबोटों के लिए)
    • तकनीकी प्रगति के साथ कुछ भूमिकाएं सिमटेंगी, अन्य भूमिकाएं बढ़ेंगी या उनका फोकस बदलेगा, और नई भूमिकाएं बनेंगी
    • Radiology का उदाहरण: 2017~2024 के बीच AI प्रगति के बावजूद radiologists का रोजगार प्रति वर्ष लगभग 3% बढ़ा, क्योंकि AI ने सटीकता और दक्षता बढ़ाई और डॉक्टर जटिल निर्णय-निर्धारण तथा मरीजों की देखभाल पर अधिक ध्यान दे सके
      • Mayo Clinic ने 2016 के बाद से radiology staff को 50% से अधिक बढ़ाया, जबकि उसने सैकड़ों AI models deploy किए
    • AI नए प्रकार के काम और भूमिकाएं भी बना रहा है (जैसे software engineers द्वारा एजेंट बनाना और सुधारना, तथा designers और creators द्वारा generative tools से नई सामग्री तैयार करना)

काम के 7 प्रकार

  • लगभग 800 पेशों का भौतिक और गैर-भौतिक automation potential के आधार पर विश्लेषण कर उन्हें 7 प्रकारों में वर्गीकृत किया गया
  • जिन पेशों में automation potential सबसे कम है, उन्हें people-centric कहा गया, जबकि जिनमें स्वचालित किए जा सकने वाले कार्यों का अनुपात अधिक है, उन्हें agent-centric या robot-centric के रूप में वर्गीकृत किया गया
  • जिन भूमिकाओं में 2 या 3 प्रकार संतुलित रूप से जुड़े हैं, उन्हें मिश्रित या hybrid प्रकार में रखा गया

  • people-centric भूमिकाएं

    • ये healthcare, building और maintenance जैसे क्षेत्रों में मिलती हैं और अमेरिका की लगभग एक-तिहाई नौकरियों का हिस्सा हैं
    • औसत वार्षिक वेतन लगभग 71,000 डॉलर
    • मौजूदा तकनीक से दोहराई न जा सकने वाली भौतिक गतिविधियां कुल कार्य-घंटों के लगभग आधे हिस्से में हैं

  • agent-centric और robot-centric भूमिकाएं

    • ये automation potential के लिहाज से सबसे ऊंची श्रेणी की भूमिकाएं हैं और कुल नौकरियों का लगभग 40% हिस्सा हैं
    • इनमें से अधिकांश कानूनी और प्रशासनिक सेवाओं की agent-centric भूमिकाएं हैं, जिनका औसत वार्षिक वेतन लगभग 70,000 डॉलर है, और इनमें दस्तावेज़ तैयार करने जैसे बड़े पैमाने के संज्ञानात्मक कार्य शामिल हैं जिन्हें तकनीकी रूप से AI systems संभाल सकते हैं
    • robot-centric भूमिकाएं (जैसे ड्राइवर, मशीन ऑपरेटर) शारीरिक रूप से अधिक मांग वाली और कभी-कभी जोखिमपूर्ण होती हैं, और इनका औसत वार्षिक वेतन लगभग 42,000 डॉलर है
    • agent-robot भूमिकाएं कुल workers का लगभग 2% हैं, जिनका औसत वार्षिक वेतन लगभग 49,000 डॉलर है; इनमें भौतिक कार्य कुल कार्य-घंटों का 53% है, और ये मुख्यतः automated manufacturing तथा logistics operations जैसे production environments में मिलती हैं, जहां software intelligence भौतिक systems को निर्देशित करती है

  • hybrid भूमिकाएं

    • ये मानव, एजेंट और रोबोट के संयोजन वाली विविध नौकरियां हैं और workforce के लगभग एक-तिहाई हिस्से को रोजगार देती हैं
    • वेतन, भौतिक तीव्रता और automation potential में काफी अंतर है, लेकिन हर environment में इंसान आवश्यक हैं
    • people-agent भूमिकाएं: जैसे शिक्षक, इंजीनियर, और finance professionals, जिनका काम digital और AI tools से बेहतर किया जा सकता है; औसत वार्षिक वेतन 74,000 डॉलर है, और ये अमेरिकी workers के लगभग पांचवें हिस्से का प्रतिनिधित्व करती हैं
    • people-robot भूमिकाएं: maintenance और construction में मिलती हैं, जहां मशीनें मानव प्रयास में शक्ति और precision जोड़ती हैं; इनमें भौतिक कार्य कुल कार्य-घंटों का लगभग 81% है, औसत वार्षिक वेतन 54,000 डॉलर है, और ये अमेरिकी workers के 1% से कम हैं
    • people-agent-robot भूमिकाएं: transportation, agriculture, और food service में मिलती हैं, जहां श्रम के ये तीनों रूप लगभग समान रूप से जुड़े होते हैं; इनमें भौतिक कार्य कुल कार्य-घंटों का लगभग 43% है, औसत वार्षिक वेतन 60,000 डॉलर है, और ये अमेरिकी workers के लगभग 5% हैं

तकनीकी आवश्यकताओं में बदलाव

  • जॉब पोस्टिंग के विश्लेषण के अनुसार लगभग 6,800 skills का 1.1 करोड़ से अधिक जॉब पोस्टिंग में बार-बार उल्लेख हुआ
  • लगभग हर पेशे में 2030 तक शीर्ष चतुर्थांश में आने वाली तेज़ी से बदली हुई skills में कम से कम एक skill मौजूद है
  • एक-तिहाई पेशों में skills के 10% से अधिक में बड़े बदलाव की उम्मीद है

  • तकनीकी आवश्यकताओं का अधिक विशिष्ट और विशेषज्ञ होना

    • प्रत्येक पेशे से जुड़ी unique skills की संख्या 10 साल पहले औसतन 54 से बढ़कर 64 हो गई, जिससे यह दिखता है कि नियोक्ता भूमिकाओं को पहले से अधिक विशिष्ट तरीके से परिभाषित कर रहे हैं
    • उच्च वेतन वाले क्षेत्रों में अधिक skills और अधिक specialization की आवश्यकता की प्रवृत्ति है
      • डेटा साइंटिस्ट और अर्थशास्त्रियों की जॉब पोस्टिंग में 90 से अधिक unique skills सूचीबद्ध हैं
      • वाहन चालकों के लिए 10 से कम skills सूचीबद्ध हैं
    • उच्च वेतन वाले पेशों में management, information और digital skills पर ज़ोर है
    • कम वेतन वाली भूमिकाएँ hands-on काम, equipment operation, और care व support देने पर केंद्रित हैं

  • transferable skills और 8 सबसे अधिक आवृत्ति वाली skills

    • skills में बदलाव की हर लहर ने कर्मचारियों के काम करने के तरीके को बदला है, लेकिन आज का अंतर है गति
    • 2023 तक AI-संबंधित skills की मांग cloud computing, cyber security जैसी अन्य digital skills के समान गति से बढ़ रही थी
    • Generative AI के उभार के बाद तेज़ी से acceleration हुआ: पिछले 2 वर्षों में लगभग 600 नई skills जॉब पोस्टिंग में दिखाई दीं (पिछले 10 वर्षों में जुड़ी कुल मात्रा का लगभग एक-तिहाई), जिनमें से कई AI और संबंधित technologies से जुड़ी हैं
    • तेज़ बदलाव के कारण transferable skills का मूल्य बढ़ रहा है
    • specialization बढ़ने के बावजूद 8 high-frequency skills — communication, customer relations, writing, problem solving, leadership, management, operations, और detail orientation — उद्योगों और वेतन स्तरों में लगातार उपयोगी बनी हुई हैं
    • ये skills labor market के connective tissue का निर्माण करती हैं और workforce development के केंद्र में हैं
    • कई अन्य skills भी पेशों के बीच transfer की जा सकती हैं: उदाहरण के लिए, Account Executive के लिए आवश्यक skills में से आधे से अधिक 175 अन्य पेशों में भी दिखाई देते हैं

  • AI Fluency की मांग में तेज़ उछाल

    • AI Fluency (AI tools का उपयोग और management करने की क्षमता) की मांग 2025 के मध्य तक के 2 वर्षों में लगभग 7 गुना बढ़ गई
    • यह अब लगभग 70 लाख कर्मचारियों वाले पेशों में एक आवश्यक शर्त के रूप में उभर रही है
    • technical AI skills (AI systems का निर्माण और deployment) की मांग भी बढ़ रही है, लेकिन अपेक्षाकृत धीमी गति से
    • AI skills की मांग का 75% तीन occupational groups में केंद्रित है: computing व mathematics, management, और business व finance
    • शेष मांग architecture व engineering, installation, maintenance व repair, education सहित 10 अन्य occupational groups से आती है
    • construction, transportation, food service जैसे 9 occupational groups (कार्यबल का लगभग 40%, median income से नीचे) में AI-संबंधित skills की मांग सीमित है
    • नियोक्ता process optimization, quality assurance, training जैसी AI-adjacent capabilities की मांग भी बढ़ा रहे हैं
    • दूसरी ओर, जिन क्षेत्रों में मशीनें पहले से अच्छा प्रदर्शन करती हैं या बड़ा सुधार लाती हैं — जैसे research, writing, basic mathematics — उनसे संबंधित जॉब पोस्टिंग उल्लेख घट रहे हैं, हालांकि ये skills अब भी अधिकांश workforce के लिए आवश्यक हैं

  • अधिकांश मानवीय skills प्रासंगिक रहेंगी, लेकिन उनके उपयोग का तरीका बदलेगा

    • लगभग 72% skills ऐसी हैं जो उन कार्यों के लिए भी आवश्यक हैं जिन्हें AI कर सकता है और उन कार्यों के लिए भी जिन्हें मनुष्यों को करना होगा
    • कुछ skills — जैसे interpersonal conflict resolution और design thinking — सहानुभूति, creativity और contextual understanding पर आधारित होने के कारण विशेष रूप से मानवीय बनी रहने की संभावना है
    • स्पेक्ट्रम के दूसरे छोर पर data entry, financial processing, equipment control जैसी skills हैं, जिनके मुख्यतः AI-driven हो जाने की संभावना अधिक है
      • इस क्षेत्र में लोग hands-on execution से हटकर design, results verification, और exception handling पर अधिक ध्यान देंगे
    • इन दो ध्रुवों के बीच के व्यापक मध्य क्षेत्र में मनुष्य और AI साथ-साथ सहयोग करेंगे
      • तकनीकी साझेदारी बनेगी: मशीनें routine काम संभालेंगी, जबकि मनुष्य problem framing करेंगे, AI agents और robots को निर्देश देंगे, results की व्याख्या करेंगे, और decision-making करेंगे
      • मशीनों में अभी जिस judgment और contextual understanding की कमी है, वह मनुष्य उपलब्ध कराएंगे, जिससे collaboration और oversight का संयोजन बनेगा

Skill Change Index (SCI)

  • SCI एक time-weighted metric है, जो अलग-अलग adoption scenarios में प्रत्येक skill की automation के प्रति संभावित exposure को मापता है
  • सबसे अधिक मांग वाली 100 skills में AI का प्रभाव बहुत अलग-अलग है
    • coaching जैसी human-centered skills में automation exposure सबसे कम है
    • invoice processing जैसी manual और routine skills में exposure सबसे अधिक है
    • quality assurance जैसी skills वितरण के बीच में आती हैं, जहाँ AI skill को प्रतिस्थापित करने के बजाय उसके उपयोग के तरीके को बदलता है

  • 7,000 skills की exposure

    • digital और information processing skills SCI में सबसे ऊपर रैंक करती हैं, जो AI की data processing और analysis क्षमताओं में सुधार को दर्शाता है
    • care और support skills में सबसे कम बदलाव की उम्मीद है

  • skills के विकास के तीन रास्ते

    • high-exposure skills (शीर्ष चतुर्थांश): इनकी मांग घटने की संभावना अधिक है; accounting processes, कुछ programming languages जैसी specialized skills इसमें प्रमुख हैं, जिन्हें AI पहले से अच्छा कर रहा है
    • मध्य चतुर्थांश skills: इनमें मांग के बढ़ने-घटने से अधिक इनके स्वरूप और उपयोग के तरीके के विकसित होने की संभावना है; इनमें मुख्यतः वे transferable skills शामिल हैं जो human judgment और digital tools को जोड़ती हैं, और AI Fluency भी इसी में शामिल है; writing और research जैसी skills को लोग नए तरीकों से लागू करेंगे
    • low-exposure skills (निचला चतुर्थांश): इनके बने रहने की संभावना अधिक है; leadership, healthcare skills जैसी skills इसमें प्रमुख हैं, जो मानवीय जुड़ाव और care पर आधारित हैं

आर्थिक मूल्य और workflow redesign

  • AI-आधारित automation के जरिए 2030 तक अमेरिका में मध्यम adoption scenario के आधार पर सालाना लगभग 2.9 ट्रिलियन डॉलर का आर्थिक मूल्य उत्पन्न हो सकता है
  • इन लाभों को हासिल करने के लिए केवल individual tasks को automate करना पर्याप्त नहीं होगा; बल्कि पूरे workflow का redesign करना होगा ताकि लोग, agents और robots प्रभावी ढंग से साथ काम कर सकें

  • अधिकांश कंपनियाँ अभी भी वास्तविक लाभ से दूर

    • लगभग 90% कंपनियों ने कहा कि उन्होंने AI में निवेश किया है, लेकिन measurable gains रिपोर्ट करने वाली कंपनियाँ 40% से कम हैं
    • इस अंतर के कारण: कई projects अभी pilot या trial चरण में हैं, या संगठन पूरे workflow को redesign करने के बजाय individual tasks पर AI लागू कर रहे हैं
    • उदाहरण: बैंक में कर्मचारियों को अस्थायी उपयोग के लिए chatbot देना बनाम loan approval, processing और management के लिए मनुष्यों के साथ मिलकर पुनर्कल्पित process में custom agents तैनात करना

  • productivity gains का वितरण

    • अमेरिकी अर्थव्यवस्था के 190 business processes का विश्लेषण
    • संभावित productivity gains का लगभग 60% sector-specific domains से जुड़े workflows में केंद्रित है (हर उद्योग की core activities)
      • manufacturing: supply chain management
      • healthcare: clinical diagnosis और patient care
      • finance: regulatory compliance और risk management
    • अतिरिक्त gains IT, finance, administrative services जैसी सभी sectors को support करने वाले cross-functional क्षेत्रों से आते हैं

केस स्टडी: AI-embedded workflows

  • AI को केंद्र में रखकर workflow को फिर से डिज़ाइन करने वाले 80 implementation cases देखें
  • मैनेजर और विशेषज्ञ, executors के बजाय धीरे-धीरे orchestrator·validator की भूमिका में बदल रहे हैं
  • data analyst, underwriter, engineer जैसे domain experts, शुरुआती analysis या draft generation करने वाले agents के साथ partnership कर रहे हैं
  • सबसे मूल्यवान मानवीय skills अब AI fluency, adaptability, और outputs का critical evaluation की ओर शिफ्ट हो रही हैं, जिससे लोग अधिक उच्च-मूल्य वाले काम पर ध्यान दे सकते हैं

  • सेल्स उदाहरण: global technology company

    • reach बढ़ाने और customer relationships को गहरा करने का लक्ष्य
    • पुराने model में human sales teams असंगत prioritization methods का इस्तेमाल करती थीं, हजारों छोटे accounts के लिए customized approach की क्षमता सीमित थी, और केवल top prospects को ही personalized attention मिलती थी
    • sales process के शुरुआती चरणों को automate करने के लिए कई AI agents लागू किए गए
      • prioritization agent: public·proprietary data के आधार पर accounts को score और rank करता है
      • outreach agent: customers से संपर्क करता है
      • customer response agent: follow-up manage करता है, और leads को interest/disinterest/uncertain में classify करता है
      • scheduling agent: high-potential leads के लिए calls·reminders सेट करता है
      • handoff agent: जब human judgment की ज़रूरत हो तो case को specialist को सौंपता है
    • परिणाम: new revenue, cross-sell, और retention में वृद्धि से annual revenue में 7~12% बढ़ोतरी का अनुमान, और sales roles में कुल 30~50% समय की बचत
    • business development specialists proposal writing, partnership negotiation, और relationship building जैसी strategic engagement गतिविधियों में अधिक समय दे सकते हैं
    • भविष्य में coaching agent (sales team को real-time feedback), management agent (routine administrative tasks संभालने वाला assistant) जोड़े जा सकते हैं

  • customer operations उदाहरण: large utility company

    • app·website में कई self-service options होने के बावजूद हर साल 70 लाख से अधिक support calls संभालती है
    • पुराना interactive voice response system केवल लगभग 10% inquiries ही resolve कर पाता था, बाकी human customer service reps को transfer होती थीं
    • पूरे customer base में agentic conversational AI तैनात किया गया
      • inbound call agent: customer authentication करता है
      • intent identification agent: call का उद्देश्य समझता है
      • call scheduling agent: appointments manage करता है
      • self-service agent: backend systems के साथ integrate होता है
    • परिणाम: अब यह सभी calls में से लगभग 40% संभालता है और उनमें से 80% से अधिक को human intervention के बिना resolve करता है
      • escalation की ज़रूरत होने पर verified account details और conversation history के साथ transfer किया जाता है, जिससे seamless handoff सुनिश्चित होता है
      • प्रति call औसत लागत में लगभग 50% कमी
      • कम wait time, consistent handling, और तेज resolution के कारण customer satisfaction score में 6%पॉइंट की वृद्धि
      • human reps अब अधिक complex, emotionally sensitive, और high-value issues संभालते हैं
    • भविष्य में customer issue identification agent (service outage detection·proactive customer outreach monitoring), coaching agent (live calls के दौरान human reps को real-time guidance) जोड़े जा सकते हैं
    • अनुमान है कि advanced AI agents अंततः customer inquiries के 80~90% तक संभाल सकेंगे

  • medical writing उदाहरण: global biopharmaceutical company

    • नई दवाओं की safety·efficacy data को document करने वाली clinical study reports लेखन प्रक्रिया को बेहतर बनाने का लक्ष्य
    • पुराने model में medical writers manually study data इकट्ठा करते थे, लंबे reports लिखते थे, और कई review cycles coordinate करते थे
    • सीमित capacity और लंबा turnaround time, बढ़ती submission demand को पूरा करने की क्षमता को बाधित कर रहे थे
    • report writing workflow को फिर से बनाने के लिए AI platform विकसित किया गया
      • structured·unstructured study data का synthesis, कुछ मिनटों में comprehensive draft generation, company style·compliance templates का application, और errors की self-review
    • medical writers की भूमिका manual drafting से बदलकर AI systems के साथ सहयोग और clinical judgment लागू करने की हो गई
    • परिणाम: first human review draft के touch time में लगभग 60% कमी, और errors में लगभग 50% कमी
      • अन्य संबंधित process·technology changes के साथ मिलकर time-to-market effort कई हफ्तों तक घटा, और आगे अतिरिक्त सुधार की उम्मीद
    • भविष्य में clinical study planning से submission तक प्रमुख चरणों को support करने वाले agents इस्तेमाल किए जा सकते हैं: clinical study planning agent (trial protocol assemble करना), data mapping agent (data analysis·synthesis), report writing agent (full draft generation), validation agent (compliance verification), review agent (error scanning), submission drafting agent (regulatory submissions के लिए documents बनाना)
    • पूरे research cycle में लागू करने पर timeline कई महीनों तक घट सकती है

  • IT modernization उदाहरण: regional bank

    • AI agents का इस्तेमाल कर छोटे और मध्यम व्यवसायों के लिए banking application का modernization
    • internal development speed बढ़ाने के लिए विभिन्न programming languages को update करने का लक्ष्य
    • पुराना तरीका: लाखों lines of code के लिए manual documentation, code refactoring, और testing में कई महीनों का काम, बड़ा budget, और व्यापक engineering capacity की ज़रूरत
    • कई modernization tasks में AI agents के उपयोग के लिए pilot शुरू किया गया
      • assessment agent: legacy codebase को scan करके dependencies पहचानता है
      • functional agent: target-state architecture बनाता है
      • coding agent: code को नए framework में migrate करता है और automated testing करता है
    • developers 15~20 agents के साथ मिलकर architecture integrity, compliance, और functional accuracy के लिए outputs को verify और refine करते हैं
    • modernization के दौरान application desktop से mobile, on-premises से cloud, और monolithic से microservices architecture में बदली
    • AI agents ज़्यादातर repetitive execution संभालते हैं, जिससे human work का focus planning, orchestration, और testing पर शिफ्ट हो जाता है
    • शुरुआती परिणाम: code accuracy अधिकतम 70%
    • bank pilot module के बाद पूरे modernization effort में agents के उपयोग को बढ़ाने की योजना बना रहा है, और आवश्यक human time में अधिकतम 50% कमी का अनुमान है
    • भविष्य में modernization planning agent (process coordination), quality assurance agent, और testing agent support दे सकते हैं

  • AI प्रबंधन कार्य और skills को फिर से आकार दे रहा है

    • जैसे-जैसे AI अधिक analysis और decision-support work संभालता है, management work की प्रकृति लोगों की supervision से बदलकर ऐसे systems की orchestration में बदल रही है जिनमें लोग·AI agents·robots साथ काम करते हैं
    • managers, influence और mentoring जैसे higher-value work के लिए समय को फिर से allocate कर सकते हैं, लेकिन इसके साथ अधिक technical fluency की भी ज़रूरत होगी
      • उदाहरण: sales managers AI-based insights का उपयोग करने और relationships को मजबूत करने के लिए team coaching में अधिक समय लगा सकते हैं
      • उदाहरण: customer service managers लोगों और AI agents की hybrid workforce की निगरानी करते हुए AI systems और employees दोनों को train कर service बेहतर बना सकते हैं

बिज़नेस लीडर्स के लिए मुख्य प्रश्न

  • भविष्य के मूल्य के लिए बिज़नेस की पुनर्कल्पना

    • शुरुआती AI प्रयास अक्सर workflows पर दोबारा विचार करने के बजाय मौजूदा सुधारों पर केंद्रित होते हैं
    • बड़ा लाभ पूरे process के पुनःडिज़ाइन से आता है
    • भविष्य का मूल्य बनाने के लिए कई साल आगे देखकर उलटी दिशा में काम करना और यह पहचानना ज़रूरी है कि AI के संदर्भ में कौन-सी भूमिकाएँ, skills और संरचनाएँ बदलनी चाहिए
    • लीडर्स को यह चुनना होगा कि अभी किन बड़े redesigns में निवेश करना है और कहाँ अल्पकालिक लाभ के लिए मौजूदा मॉडल को बेहतर बनाना है

  • AI को मुख्य बिज़नेस परिवर्तन के रूप में आगे बढ़ाना

    • AI लगभग हर function को प्रभावित करता है
    • लीडर्स इसे एक technology project या अधिक व्यापक बिज़नेस transformation के रूप में ले सकते हैं
    • IT department को ज़िम्मेदारी सौंपने पर implementation की गति बढ़ सकती है, लेकिन स्थायी बदलाव और वास्तविक रणनीतिक बढ़त visible senior leadership commitment और इस बात पर निरंतर ध्यान पर निर्भर करती है कि AI पूरे संगठन में लोगों और बिज़नेस को कैसे प्रभावित करता है

  • प्रयोग और सीखने की संस्कृति बनाना

    • AI implementation में, खासकर शुरुआती चरण में, अनिश्चितता शामिल होती है
    • जो संगठन तेज़ी से test और adapt करते हैं, वे आमतौर पर सबसे तेज़ सीखते हैं
    • यह जिज्ञासा, जोखिम लेने, विफलता से सीखने और collaboration को समर्थन देने वाली संस्कृति पर निर्भर करता है
    • culture change कठिन है, लेकिन AI जिस पैमाने के परिवर्तन की मांग कर सकता है, उसके लिए यह अनिवार्य है

  • भरोसा बनाना और सुरक्षा सुनिश्चित करना

    • AI यह बदल रहा है कि कंपनियाँ accountability और oversight को कैसे बनाए रखती हैं
    • फोकस individual outputs की जाँच से हटकर स्पष्ट policies तय करने, AI logic को validate करने, exceptions को संभालने और यह निर्धारित करने पर जा रहा है कि human intervention सबसे ज़्यादा कब ज़रूरी है
    • चुनौती यह है कि innovation और efficiency को सीमित किए बिना risk management और safety assurance के लिए पर्याप्त oversight बनाए रखने का सही संतुलन कैसे रखा जाए

  • मैनेजर्स को hybrid team lead करने की क्षमता देना

    • AI प्रबंधन के अर्थ को फिर से परिभाषित कर रहा है
    • routine supervision के automation से managers coaching, influence और लोगों, agents तथा robots की hybrid teams की orchestration पर ध्यान दे सकते हैं
    • managers bias testing, performance validation और integrity बनाए रखने में भी मुख्य भूमिका निभाते हैं
    • automation से direct control कम होने पर outcomes के लिए accountability बनाए रखना और कठिन हो सकता है
    • मानव और मशीन के योगदान तथा उनके interactions का आकलन करने के लिए नए performance metrics और feedback systems की ज़रूरत है

  • AI द्वारा मुक्त की गई क्षमता का उपयोग कैसे करना है, यह तय करना

    • कंपनियों को यह तय करना होगा कि AI द्वारा मुक्त की गई क्षमता का उपयोग कैसे करें: workforce development और अधिक मूल्य वाले काम में पुनर्निवेश करें या अधिक efficiency और cost reduction पर ध्यान दें
    • अधिकांश संगठन दोनों का कुछ-न-कुछ मिश्रण करेंगे
    • इस बदलाव को संभालने के लिए यह पहचानना ज़रूरी है कि कौन-सी भूमिकाएँ विकसित हो सकती हैं, और कर्मचारियों को स्पष्ट skills-based growth paths दिए जाएँ
    • AI के साथ continuous learning और training संगठन की ताकत के लिए और भी महत्वपूर्ण हो जाते हैं
    • जैसे-जैसे jobs में बदलाव और skills की ज़रूरतें तेज़ी से बदलती हैं, workers को यह समझने में मदद करना कि उनकी skills नए प्रकार के काम में कैसे transfer हो सकती हैं, लोगों और कंपनियों दोनों की resilience को मज़बूत करता है
    • AI fluency को संगठन के हर स्तर तक फैलाना होगा
    • कंपनियाँ digital tools, hands-on projects और coaching के ज़रिए ये skills बना सकती हैं, और अन्य संगठनों व संस्थानों के साथ partnerships के माध्यम से learning access बढ़ा सकती हैं और नए अवसर खोल सकती हैं

संस्थानों के लिए मुख्य प्रश्न

  • शिक्षा और प्रशिक्षण का विकास

    • skills की ज़रूरतें बदलने के साथ शिक्षा की भूमिका केंद्रीय हो जाती है
    • AI fluency की बुनियाद—critical thinking, outputs पर सवाल उठाना, assumptions को चुनौती देना, bias और errors को पहचानना—प्राथमिक विद्यालय से ही विकसित की जानी चाहिए ताकि लोग इन तकनीकों का प्रभावी उपयोग और मार्गदर्शन करना सीख सकें
    • curriculum को फिर से डिज़ाइन करके technical knowledge को adaptability, analytical thinking और collaboration जैसी transferable human skills के साथ जोड़ा जा सकता है
    • universities AI को सभी academic disciplines में एकीकृत कर सकती हैं, और vocational व community colleges skilled trades training का विस्तार कर सकते हैं
    • AI अधिक personalized और continuous learning को समर्थन दे सकता है
    • reskilling की बढ़ती मांग के साथ lifelong learning में निवेश की ज़रूरत है
    • शिक्षा प्रणाली और employers को shared programs, flexible models, earn-and-learn apprenticeships और तेज़ credentialing के माध्यम से अधिक नज़दीकी सहयोग करना होगा ताकि लोगों को jobs और industries के बीच move करने में मदद मिल सके

  • ऐसा सिस्टम जो transferable skills को नए अवसरों से जोड़े

    • AI काम को बदल रहा है, इसलिए बहुत से लोगों को पूरी तरह नए occupations में जाना पड़ सकता है
    • ऐसे transitions के लिए transferable skills ज़रूरी हैं, लेकिन उनका अर्थ तभी है जब labor market उन्हें पहचान सके और उनका मूल्य दे सके
    • skills की स्पष्ट परिभाषाएँ, capabilities को साबित करने के भरोसेमंद तरीके—जैसे tests या verified credentials—और बेहतर matching platforms इसे संभव बना सकते हैं
    • employers, schools और credentialing institutions के बीच connections बनाकर काम और अवसरों तक पहुँच का विस्तार किया जा सकता है

  • क्षेत्रीय अर्थव्यवस्थाओं और समुदायों की प्रतिक्रिया

    • AI का प्रभाव industries और regions के अनुसार काफ़ी अलग होता है
    • data के ज़रिए इन अंतरों को समझना प्रभावी कार्रवाई की पहली सीढ़ी है
    • जहाँ बदलाव हो रहा है उसकी स्पष्ट तस्वीर होने पर industry groups, educators, workforce agencies और unions स्थानीय ज़रूरतों के अनुरूप training और job transition strategies के लिए सहयोग कर सकते हैं

शब्दों की परिभाषाएँ

  • अपनाना (Adoption): संगठन या workforce के संदर्भ में वास्तविक कार्य गतिविधियों और workflows में AI तथा automation technologies की तैनाती; इससे तय होता है कि automation potential कितना, कितनी तेज़ी से और कितने व्यापक स्तर पर हासिल किया जाता है
  • एजेंट्स (Agents): डिजिटल दुनिया में कार्य गतिविधियाँ करने वाली मशीनें, जो लोगों की गैर-भौतिक क्षमताओं—जैसे natural language generation, social और emotional reasoning, creativity—को बढ़ाती या प्रतिस्थापित करती हैं
  • AI-powered agents: AI से लैस agents जो अधिक स्वायत्त रूप से काम कर सकते हैं और workflows की orchestration कर सकते हैं; इन्हें agentic AI भी कहा जाता है
  • AI-powered robots: AI से लैस robots जो अधिक स्वायत्त रूप से काम कर सकते हैं और workflows की orchestration कर सकते हैं
  • कृत्रिम बुद्धिमत्ता (Artificial Intelligence, AI): software की वह क्षमता जो परंपरागत रूप से मानव बुद्धिमत्ता की मांग करने वाले कार्य कर सके, और संभावित रूप से मानवीय क्षमताओं को बढ़ा या प्रतिस्थापित कर सके
  • क्षमताएँ (Capabilities): तकनीक के उपयोग को समर्थन देने वाली भौतिक या गैर-भौतिक योग्यताएँ, जिनका मूल्यांकन कार्य गतिविधियों के लिए आवश्यक मानव-स्तर के प्रदर्शन के आधार पर किया जाता है; गैर-भौतिक क्षमताओं में cognitive क्षमताएँ—जैसे natural language, logical reasoning, creativity, navigation—और social व emotional क्षमताएँ शामिल हैं
  • Generative AI: AI applications जो unstructured data को input के रूप में लेकर foundation models—बड़े artificial neural networks जिन्हें विशाल और विविध डेटा पर train किया गया है—के माध्यम से unstructured data उत्पन्न करती हैं
  • गैर-भौतिक कार्य (Nonphysical work): ऐसा कार्य जिसमें physical movement के बजाय cognitive या social/emotional क्षमताएँ शामिल होती हैं, जैसे problem-solving, information processing, creation और दूसरों के साथ collaboration
  • व्यवसाय (Occupations): jobs का ऐसा समूह जो skills, work context और अन्य qualifications के संदर्भ में वर्णित किए जा सकने वाले समान कार्य या कार्य गतिविधियाँ साझा करता है; अमेरिका में Bureau of Labor Statistics द्वारा बनाए रखी गई Standard Occupational Classification system का उपयोग किया जाता है
  • भौतिक कार्य (Physical work): ऐसा कार्य जिसमें physical world के साथ सीधा interaction शामिल होता है और जिसके लिए movement-based capabilities की ज़रूरत होती है, जैसे gross motor skills, fine motor skills और mobility; इसमें आम तौर पर objects, tools या machines को manipulate या move करना, materials को assemble या position करना, या मानव शक्ति और dexterity पर निर्भर actions करना शामिल है
  • रोबोट्स (Robots): physical world में कार्य गतिविधियाँ करने वाली मशीनें, जो लोगों की भौतिक क्षमताओं—gross motor skills, fine motor skills और mobility—को बढ़ाती या प्रतिस्थापित करती हैं
  • कौशल (Skills): ज्ञान, क्षमताएँ और गुण जिन्हें लोग कार्य गतिविधियाँ करने के लिए उपयोग में लाते हैं, और जो अक्सर औपचारिक शिक्षा, training और कार्य अनुभव के माध्यम से हासिल होते हैं; Lightcast और ESCO skills के लिए market-driven classification systems प्रदान करते हैं
  • तकनीकी automation potential (Technical automation potential): कार्य समय का वह हिस्सा जिसे किसी निश्चित स्तर की तकनीकी क्षमता के साथ सैद्धांतिक रूप से automate किया जा सकता है; हर occupation की विस्तृत कार्य गतिविधियों के विश्लेषण के माध्यम से अमेरिकी अर्थव्यवस्था में technical automation potential का आकलन किया गया; U.S. Bureau of Labor Statistics और O*NET द्वारा प्रकाशित databases का उपयोग कर लगभग 800 occupations को लगभग 2,000 activities में विभाजित किया गया, और यह निर्धारित किया गया कि वर्तमान workplace में मनुष्य उन्हें जिस तरह करते हैं उसके आधार पर हर activity के लिए कौन-सी capabilities चाहिए
  • कार्य गतिविधियाँ (Work activities): वे प्रेक्षणीय कार्य व्यवहार जो यह दर्शाते हैं कि लोग किसी occupation के लक्ष्यों को हासिल करने के लिए क्या करते हैं; अमेरिका में O*NET इन्हें Detailed Work Activities (DWA) के रूप में औपचारिक रूप से वर्गीकृत करता है
  • वर्कफ़्लोज़ (Workflows): संरचित कार्य गतिविधियों के ऐसे क्रम जो एक निर्धारित लक्ष्य की ओर सामूहिक रूप से काम को आगे बढ़ाते हैं, जिन्हें processes—जैसे rules, dependencies और information flows—द्वारा निर्देशित किया जाता है, और जिनमें लोग तथा तकनीक दोनों शामिल होते हैं

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.