एआई के पोसी प्लेटो से निपटना: आरओआई पर ध्यान

कृत्रिम बुद्धिमत्ता (AI) की तीव्र प्रगति ने विभिन्न उद्योगों में प्रयोगों की बाढ़ ला दी है। हालाँकि, कई कंपनियाँ “प्रूफ-ऑफ-कॉन्सेप्ट थकान” का अनुभव कर रही हैं, जहाँ शुरुआती परीक्षण ठोस व्यावसायिक मूल्य में तब्दील होने में विफल हो रहे हैं। कोहीर (Cohere) के सह-संस्थापक इवान झांग (Ivan Zhang), जो एक अग्रणी एंटरप्राइज लार्ज लैंग्वेज मॉडल (LLM) कंपनी है, ने हाल ही में वेब समिट के दौरान इस बढ़ती निराशा को संबोधित किया, जिसमें संभावित ग्राहकों से एआई में अपना विश्वास बनाए रखने का आग्रह किया, जबकि रिटर्न ऑन इन्वेस्टमेंट (ROI) पर ध्यान केंद्रित करने की महत्वपूर्ण आवश्यकता पर जोर दिया।

प्रूफ-ऑफ-कॉन्सेप्ट पिटफॉल

झांग ने उन उद्यमों के बीच मोहभंग पर प्रकाश डाला जिन्होंने संबंधित प्रतिफल देखे बिना एआई पायलटों में भारी निवेश किया है। उन्होंने माना कि कई कोहीर ग्राहकों ने, शुरुआती एप्लिकेशन बनाने के बावजूद, लागत और शासन से लेकर डेटा सुरक्षा और गोपनीयता तक के मुद्दों के कारण उन्हें उत्पादन में ले जाने के लिए संघर्ष किया है। यह भावना एक व्यापक प्रवृत्ति को दर्शाती है जहाँ एआई का वादा अक्सर कार्यान्वयन की व्यावहारिक वास्तविकताओं से टकराता है।

उन्होंने खर्च, विनियामक अनुपालन, डेटा सुरक्षा और गोपनीयता प्रोटोकॉल के मुद्दों को इंगित किया, जिन्हें कोहीर अपने नए वर्कस्पेस प्लेटफॉर्म की पेशकश, नॉर्थ (North) के साथ हल करने की उम्मीद करता है।

आरओआई इम्पेरेटिव

एक साक्षात्कार में, झांग ने इस बात पर जोर दिया कि एआई अपनाने का अगला चरण प्रदर्शनकारी आरओआई द्वारा संचालित होना चाहिए। कंपनियों को अपने एआई निवेशों के लिए एक स्पष्ट वित्तीय औचित्य देखने की आवश्यकता है, यह सुनिश्चित करते हुए कि लाभ लागत से अधिक हैं। उन्होंने चेतावनी दी कि कुछ एआई सिस्टम संचालित करने के लिए इतने महंगे हैं कि वे कार्यों को स्वचालित करने से होने वाली किसी भी संभावित लागत बचत को नकार देते हैं।

उन्होंने कहा, "कभी-कभी वे जो सिस्टम बनाते हैं, मॉडल की लागत ही उन मनुष्यों की तुलना में अधिक महंगी होती है जो वास्तव में इसे चला रहे हैं।"

एआई कार्यान्वयन के साथ क्या वास्तविक सुधार है, इस आवश्यक सवाल को उन एआई कंपनियों के जले हुए पुलों को दूर करने के लिए संबोधित किया जाना चाहिए जो कभी सफल नहीं हुए परियोजनाओं को लेते हैं।

एआई ऑग्मेंटेशन बनाम प्रोडक्टिविटी

झांग ने उन उदाहरणों पर भी ध्यान दिया जहाँ कंपनियों ने एआई के साथ मौजूदा वर्कफोर्स को बढ़ाने की कोशिश की है, लेकिन उत्पादकता में कोई सुधार नहीं देखा है। कुछ मामलों में, कर्मचारियों ने बस अपने कार्यभार को कम कर दिया, बिना आउटपुट में वृद्धि किए, प्रभावी रूप से एआई के लाभों को नकार दिया। यह इस बात पर प्रकाश डालता है कि एआई को मौजूदा वर्कफ़्लो में कैसे एकीकृत किया जाता है, इस पर सावधानीपूर्वक विचार करना और यह सुनिश्चित करना कि यह वास्तविक दक्षता लाभ की ओर ले जाए।

ओवरकमिंग अर्ली सेटबैक्स

झांग का अनुमान है कि एआई स्टार्टअप को अब उन कंपनियों को वापस जीतने का काम सौंपा जाएगा जो उन परियोजनाओं से "जल गए" हैं जो सफल नहीं हुईं। "इस तकनीक के लिए गो-टू-मार्केट का अगला चरण है, ‘आरओआई कहाँ है?’" उनका मानना है कि एआई कंपनियों को अपने समाधानों के ठोस मूल्य को प्रदर्शित करके और मापने योग्य परिणाम देने पर ध्यान केंद्रित करके विश्वास का पुनर्निर्माण करने की आवश्यकता होगी।

रिसर्च कम्युनिटी से इको

झांग के अवलोकन को नेशनल ब्यूरो ऑफ इकोनॉमिक रिसर्च जैसे संगठनों के शोध द्वारा समर्थित किया गया है, जिसमें पाया गया कि एआई चैटबॉट का उपयोग करने वाले 7,000 कार्यस्थलों का सर्वेक्षण करने के बाद "किसी भी व्यवसाय में कमाई या रिकॉर्ड किए गए घंटों पर कोई महत्वपूर्ण प्रभाव नहीं पड़ा"। इसी तरह, बोस्टन कंसल्टिंग ग्रुप के एक अध्ययन से पता चला कि सर्वेक्षण में शामिल केवल एक चौथाई अधिकारियों ने एआई से महत्वपूर्ण मूल्य देखा है, यह सुझाव देते हुए कि कंपनियां अक्सर अपने निवेश को कई पायलटों में बहुत पतला फैलाती हैं।

फ्लेशी सॉल्यूशन्स से पहले बिजनेस प्रॉब्लम्स को प्राथमिकता देना

एलएलएम (LLM) पर विचार करने वाली कंपनियों को झांग की सलाह यह है कि स्पष्ट उपयोग के मामलों के बिना विस्तृत समाधान बनाने के बजाय विशिष्ट व्यावसायिक समस्याओं को हल करने पर ध्यान केंद्रित किया जाए। उन्होंने "कुछ बनाने और समस्या की तलाश में खो जाने" के खिलाफ चेतावनी दी, और एआई निवेशों को रणनीतिक व्यावसायिक लक्ष्यों के साथ संरेखित करने के महत्व पर जोर दिया।

टूलबॉक्स में एआई एक टूल के रूप में

झांग ने तर्क दिया कि एआई को व्यावसायिक समस्याओं को हल करने और ग्राहकों के लिए मूल्य बनाने के लिए टूलबॉक्स में सिर्फ एक टूल के रूप में देखा जाना चाहिए। उन्होंने सभी दुनिया की समस्याओं को हल करने की तकनीक की क्षमता को ओवरहाइप करने के खिलाफ चेतावनी दी, और जोर दिया कि यह सबसे प्रभावी है जब इसका उपयोग रणनीतिक रूप से और अन्य समाधानों के संयोजन में किया जाता है।

द हैल्यूसिनेशन चैलेंज

जबकि एआई ने महत्वपूर्ण प्रगति की है, चुनौतियाँ बनी हुई हैं, खासकर "हैल्यूसिनेशन" के क्षेत्र में, जहाँ एलएलएम (LLM) झूठी या मनगढ़ंत जानकारी उत्पन्न करते हैं। इस क्षेत्र में प्रगति के बावजूद, एलएलएम हैल्यूसिनेशन दरें लगातार उच्च बनी हुई हैं, यहां तक कि अग्रणी कंपनियों के नवीनतम मॉडल भी त्रुटियां उत्पन्न कर रहे हैं। यह मुद्दा पारदर्शिता के महत्व को रेखांकित करता है और उपयोगकर्ताओं को इस बारे में जानकारी प्रदान करता है कि एआई मॉडल अपने निष्कर्षों पर कैसे पहुंचते हैं।

सह-संस्थापक ने कई पेशेवरों को स्वीकार किया कि जेनेरेटिव एआई में हैल्यूसिनेशन एक समस्या बनी हुई है। उन्होंने कहा कि कंपनी ने पारदर्शी होकर मदद करने की कोशिश की है, जिसमें उपयोगकर्ताओं को अपने एलएलएम (LLM) की "कच्ची सोच" और अपने सिस्टम द्वारा उपयोग किए जाने वाले टूल, साथ ही व्युत्पन्न उत्तरों के लिए कैसे और उद्धरण दिखाए जा रहे हैं।

द कॉम्पिटिटिव लैंडस्केप

कोहीर (Cohere) को एआई स्पेस में बेहतर वित्त पोषित प्रतिद्वंद्वियों से कड़ी प्रतिस्पर्धा का सामना करना पड़ता है। हालाँकि, झांग का मानना है कि लागत प्रभावी और ऊर्जा कुशल एआई मॉडल बनाने की बात आती है तो बड़ा हमेशा बेहतर नहीं होता है। उन्होंने तर्क दिया कि एक मॉडल "केवल डेटा और सिस्टम जितना अच्छा है जो वह एक्सेस कर सकता है," उन समाधानों के निर्माण के महत्व पर जोर दिया जिन्हें पूरी तरह से ग्राहकों के वातावरण के भीतर चलाया जा सकता है। झांग ने कोहीर की "तीव्र वृद्धि" का उल्लेख किया और कहा कि अंतरिक्ष की "अपेक्षाकृत नवजात" प्रकृति कंपनी के विस्तार के लिए बहुत जगह छोड़ती है।

रेवेन्यू ग्रोथ एंड चैलेंजेस

कोहीर (Cohere) की वृद्धि हाल ही में टेक मीडिया के लिए ध्यान का विषय रही है। कोहीर इस महीने 100 मिलियन अमरीकी डालर (138 मिलियन कनाडाई डॉलर) के वार्षिक राजस्व पर पहुंच गया, जो 2025 की शुरुआत से अपनी बिक्री को दोगुना करने के बाद, और सीईओ एडन गोमेज़ ने हाल ही में ब्लूमबर्ग को बताया कि कंपनी लाभप्रदता से "दूर नहीं" थी। लेकिन द इंफॉर्मेशन ने बताया है कि यह अभी भी 350 मिलियन अमरीकी डालर से पीछे है जो कोहीर ने 2023 में निवेशकों को बताया था कि उसे अब तक सालाना बनाने की उम्मीद है। राजस्व लक्ष्य और कड़ी प्रतिस्पर्धा केवल ऐसी चुनौतियाँ नहीं हैं जिनका कोहीर को सामना करना चाहिए।

कॉपीराइट इन्फ्रिंजमेंटलॉसूट

एआई स्टार्टअप के पास एक विशेषज्ञ ने संभावित रूप से "पूर्ववर्ती-सेटिंग" कॉपीराइट-उल्लंघन मुकदमा कहा है जो प्रमुख मीडिया कंपनियों की थाली में है। टोरंटो स्टार, कोंडे नास्ट और वॉक्स सहित मीडिया संगठनों के एक समूह ने आरोप लगाया है कि कोहीर (Cohere) ने सहमति के बिना मीडिया सामग्री को खरोंच कर और इसका उपयोग एआई मॉडल को प्रशिक्षित करने, बिना अनुमति के वास्तविक समय में सामग्री तक पहुंचने और उल्लंघनकारी आउटपुट उत्पन्न करने के लिए किया है। कोहीर इसी तरह के मुकदमों का सामना करने वाले कई एआई स्टार्टअप में से एक है। कोहीर ने इन दावों से इनकार किया है, यह तर्क देते हुए कि मुकदमा करने वाले प्रकाशकों ने एक मामला "निर्मित" करने के लिए अपना रास्ता बनाया है और इस धारणा पर विवाद किया है कि कोई व्यावहारिक कॉपीराइट उल्लंघन हुआ है।

झांग ने इस मामले पर ज्यादा टिप्पणी करने से इनकार कर दिया, और बीटाकिट को कोहीर की सोच को विस्तृत करने वाली एक ब्लॉग पोस्ट की ओर इशारा किया। उन्होंने कहा, "हमें उस पर विश्वास है।"

एआई इम्प्लीमेंटेशन चुनौतियों में एक गहरा गोता

कई व्यवसाय शुरू में एआई पहलों में काफी उत्साह के साथ गोता लगाते हैं, यह मानते हुए कि एआई जल्दी से अपने संचालन में क्रांति लाएगा और पहले अनसुनी दक्षता का निर्माण करेगा। लेकिन कई को पर्याप्त चुनौतियों का सामना करना पड़ता है जिनकी उन्होंने उम्मीद नहीं की थी। ये कठिनाइयाँ तकनीकी जटिलता से लेकर संगठनात्मक प्रतिरोध तक विभिन्न रूप ले सकती हैं। इन चुनौतियों को समझना उन व्यवसायों के लिए आवश्यक है जो एआई को सफलतापूर्वक लागू करने और अपने निवेशों पर सकारात्मक प्रतिफल प्राप्त करने की उम्मीद करते हैं।

टेक्निकल कॉम्प्लेक्सिटी एंड डेटा रिक्वायरमेंट्स

व्यवसायों द्वारा अक्सर सामना की जाने वाली पहली बाधाओं में से एक एआई सिस्टम की तकनीकी जटिलता है। डीप लर्निंग पर आधारित एआई मॉडल कम्प्यूटेशनल रूप से मांग करते हैं और बनाने, प्रशिक्षित करने और तैनात करने के लिए विशेष ज्ञान की आवश्यकता होती है। डेटा की भी आवश्यकता होती है। प्रशिक्षण डेटा की गुणवत्ता और मात्रा का एआई मॉडल के प्रदर्शन पर पर्याप्त प्रभाव पड़ता है। विशाल डेटासेट को इकट्ठा करना और तैयार करना एक समय लेने वाली और संसाधन-गहन प्रक्रिया हो सकती है। एआई परियोजनाओं को उच्च गुणवत्ता वाले, लेबल वाले डेटा की कमी से बाधित किया जा सकता है, जिसके परिणामस्वरूप गलत या पूर्वाग्रही मॉडल होते हैं।

इसके अलावा, मौजूदा आईटी इंफ्रास्ट्रक्चर के साथ एआई सिस्टम की अंतर-संगतता की गारंटी देना और जटिलता को जोड़ता है। विभिन्न एआई प्लेटफॉर्म और फ्रेमवर्क लीगेसी सिस्टम के साथ संगत नहीं हो सकते हैं, जिसके लिए मौजूदा वर्कफ़्लो और आर्किटेक्चर में पर्याप्त बदलाव की आवश्यकता होती है। जटिल संगठनात्मक वातावरण में एआई को एकीकृत करने के लिए अक्सर काफी अनुभव और दोनों एआई तकनीकों और अंतर्निहित वाणिज्यिक कार्यों की एक मजबूत समझ की आवश्यकता होती है।

ऑर्गेनाइजेशनल एंड कल्चरल बैरियर्स

तकनीकी बाधाओं के अलावा, संगठन एआई अपनाने के लिए पर्याप्त संगठनात्मक और सांस्कृतिक बाधाओं का सामना कर सकते हैं। एक प्रचलित मुद्दा श्रमिकों की एआई-संचालित परिवर्तनों को अपनाने की अनिच्छा है। कर्मचारियों को नौकरी के विस्थापन के साथ-साथ नए कौशल सीखने और नई कार्य विधियों के अनुकूल होने की आवश्यकता के बारे में चिंता हो सकती है। श्रमिकों से प्रतिरोध एआई पहलों को बाधित कर सकता है और प्रत्याशित लाभों की प्राप्ति को बाधित कर सकता है।

इसके अलावा, एआई तैनाती के लिए विभागों और टीमों के बीच पर्याप्त सहयोग की आवश्यकता होती है। डेटा वैज्ञानिकों, आईटी पेशेवरों, व्यापारिक विश्लेषकों और विषय वस्तु विशेषज्ञों को समस्याओं को परिभाषित करने, एआई समाधान बनाने और उन्हें उत्पादन में तैनात करने के लिए सहयोग करना चाहिए। साइलोस और संचार की कमी सहयोग को दबा सकती है और वाणिज्यिक कार्यों में एआई के प्रभावी एकीकरण को बाधित कर सकती है। इन संगठनात्मक और सांस्कृतिक बाधाओं को दूर करने के लिए मजबूत नेतृत्व, प्रभावी संचार और परिवर्तन प्रबंधन के प्रति समर्पण की आवश्यकता होती है।

एथिकल एंड गवर्नेंस कंसर्न

जैसे-जैसे एआई अधिक व्यापक होता जाता है, नैतिक और शासन मुद्दे तेजी से महत्वपूर्ण होते जाते हैं। एआई सिस्टम में पूर्वाग्रहों को स्थायी बनाने, अनुचित निर्णय लेने और लोगों की गोपनीयता का उल्लंघन करने की क्षमता होती है। संगठनों को एआई डिजाइन, विकास और तैनाती के लिए मजबूत नैतिक दिशानिर्देश और शासन प्रक्रियाएं विकसित करके इन चिंताओं को दूर करना चाहिए। पारदर्शिता, जवाबदेही और निष्पक्षता जिम्मेदार एआई के लिए प्रमुख सिद्धांत हैं।

डेटा गोपनीयता विचार करने के लिए एक महत्वपूर्ण मुद्दा है। एआई सिस्टम बनाते समय डेटा गोपनीयता नियमों का पालन किया जाना चाहिए, साथ ही संवेदनशील जानकारी को अनचाहे पहुंच या दुरुपयोग से बचाने के लिए सुरक्षा उपाय भी किए जाने चाहिए। संगठनों को डेटा संग्रह और उपयोग के लिए उपयोगकर्ता की सहमति प्राप्त करनी चाहिए, साथ ही एआई मॉडल द्वारा चुनाव कैसे किए जा रहे हैं, इसके बारे में पारदर्शिता प्रदान करनी चाहिए। इसके अलावा, संगठनों के पास किसी भी नैतिक जोखिम या अवांछित परिणामों को खोजने और कम करने के लिए एआई सिस्टम की निगरानी और ऑडिट करने के लिए तंत्र होना चाहिए।

मेजरिंग एंड डेमॉन्स्ट्रेटिंग आरओआई

अंततः, किसी भी एआई परियोजना की सफलता उत्पादन क्षमता पर निर्भर करती है निवेश पर एक मात्रात्मक प्रतिफल (आरओआई)। हालाँकि, एआई परियोजनाओं के आरओआई का निर्धारण करना मुश्किल हो सकता है, खासकर जब लाभ अमूर्त या दीर्घकालिक हों। संगठनों को अपने एआई पहलों के लिए स्पष्ट लक्ष्य और संकेतक स्थापित करने चाहिए, साथ ही प्रगति को ट्रैक करना चाहिए और नियमित रूप से परिणामों को मापना चाहिए। इसके लिए उस व्यावसायिक मूल्य की गहन समझ की आवश्यकता होती है जो एआई से वितरित होने की उम्मीद है और साथ ही उस मूल्य को प्राप्त करने के लिए आवश्यक संसाधनों की भी आवश्यकता होती है।

इसके अलावा, हितधारकों को एआई के लाभों का संचार करना समर्थन प्राप्त करने और एआई निवेश में विश्वास स्थापित करने के लिए महत्वपूर्ण है। इसमें उपयोग के मामलों को प्रस्तुत करना, शुरुआती जीत का प्रदर्शन करना और आवश्यक व्यावसायिक संकेतकों पर एआई के प्रभाव को निर्धारित करना शामिल हो सकता है। एआई के आरओआई को सफलतापूर्वक मापने और दिखाने के लिए, व्यवसायों को प्रदर्शन को मापने के लिए एक परिभाषित ढांचा बनाना चाहिए और मूल्य प्रस्ताव को हितधारकों को स्पष्ट रूप से व्यक्त करना चाहिए।

द फ्यूचर ऑफ़ एआई एडॉप्शन: ए बैलेंस्ड पर्सपेक्टिव

इवान झांग की अंतर्दृष्टि एआई अपनाने के लिए एक संतुलित दृष्टिकोण के महत्व पर प्रकाश डालती है, एक जो तकनीक की क्षमता को स्वीकार करता है, जबकि अभी भी व्यावहारिक वास्तविकताओं में आधारित है। जैसे-जैसे एआई विकसित होता रहेगा, कंपनियों को ऐसे समाधान बनाने पर ध्यान केंद्रित करने की आवश्यकता होगी जो मूर्त आरओआई प्रदान करते हैं, नैतिक चिंताओं को दूर करते हैं और मौजूदा वर्कफ़्लो में निर्बाध रूप से एकीकृत होते हैं। फ्लैशी समाधानों पर व्यावसायिक समस्याओं को प्राथमिकता देकर और एआई को टूलबॉक्स में एक टूल के रूप में देखकर, संगठन एआई की वास्तविक क्षमता को अनलॉक कर सकते हैं और सार्थक व्यावसायिक परिणाम चला सकते हैं।