AI ऑगमेंटेशन बनाम ऑटोमेशन: कर्मचारियों की संख्या घटाए बिना उत्पादकता कैसे बढ़ाएं

संक्षिप्त जवाब: ऑटोमेशन नहीं, ऑगमेंटेशन चुनें, और अपनी टीम को बताएं कि आपने इसे चुना। ऑगमेंटेशन आपके लोगों को रखता है और उनके इर्द-गिर्द की भागदौड़ छीन लेता है ताकि वही टीम ज़्यादा उत्पादन करे, जबकि ऑटोमेशन व्यक्ति को काम से बाहर निकालने की कोशिश करता है। ऑगमेंटेशन लंबी दौड़ प्रोडक्टिविटी J-Curve की वजह से जीतता है: ऑटोमेशन आपको अभी सस्ता, उथला फायदा देता है और बाद में लंबी गिरावट, जबकि ऑगमेंटेशन धीमे शुरू होता है और ऊंचे, टिकाऊ फायदों तक चढ़ता है। आंकड़े साफ़ बताते हैं कि किससे लाभ होता है। सबसे ज़्यादा AI-उजागर कंपनियों ने 2018 से कर्मचारियों की संख्या 52% बढ़ाई, बनाम सबसे कम-उजागर कंपनियों में 36%, और जो टीमें अपने नियोक्ता के इरादे को ऑगमेंटेशन के रूप में पढ़ती हैं, उनकी नौकरी छोड़ने की मंशा लगभग 32% कम होती है। तो उत्पादकता-वृद्धि और बिना-छंटनी का वादा कोई अदला-बदली नहीं हैं। ये दोनों एक ही फैसले से आते हैं, जो जानबूझकर लिया गया और साफ़ संकेतित किया गया हो।

यह लेख उस सहमति का फैसला-संस्करण है। McKinsey, PwC और HBR की रिपोर्टें सब इस बात पर सहमत हैं कि ऑगमेंटेशन ऑटोमेशन से बेहतर है, मगर वे सिद्धांत पर रुक जाती हैं। उनमें से कोई भी किसी लीडर को यह नहीं बताती कि रास्ता वास्तव में कैसे चुना जाए, सीमा कहां खींची जाए ताकि यह सचमुच असली काम बचाए, और इस चुनाव का संकेत कैसे दिया जाए ताकि टीम कटौती की आशंका में जकड़ने के बजाय उस पर भरोसा करे। यही बात यह गाइड कवर करती है। अगर आप चाहते हैं कि हम इसे आपके लिए करें, तो देखें कि हम AI एम्प्लॉयी इनेबलमेंट कैसे चलाते हैं। नीचे दिया गया सब कुछ खुद चलाने के लिए आपका है।

ऑगमेंटेशन और ऑटोमेशन में असली अंतर क्या है?

दोनों में काम AI को सौंपना शामिल है, इसलिए लकीर धुंधली पड़ना आसान है। फ़र्क इस बात का है कि आप किस चीज़ का निशाना बना रहे हैं। ऑटोमेशन AI को किसी काम पर ताकता है ताकि व्यक्ति को उससे हटा दे। ऑगमेंटेशन AI को किसी काम के भीतर की भागदौड़ पर ताकता है ताकि व्यक्ति को कठिन, अधिक मूल्यवान हिस्सों के लिए मुक्त कर दे। जो काम मशीन से होता है वह बिल्कुल एक जैसा दिख सकता है। इरादा, और कर्मचारी-संख्या का नतीजा, एक जैसे नहीं होते।

Anthropic द्वारा अपने ही इंजीनियरों का अध्ययन इस अंतर को ठोस बना देता है। वे अब अपने दैनिक काम के 59% में AI का इस्तेमाल करते हैं और स्वयं-रिपोर्ट किए गए 50% उत्पादकता उछाल के साथ, फिर भी वे केवल 0 से 20% कामों को "पूरी तरह सौंपते" हैं। बाकी 80%-से ज़्यादा सहयोग है: इंसान अब भी चलाता है, AI मात्रा संभालता है। उस AI-सहायित काम का लगभग 27% ऐसा काम था जो अन्यथा कभी हो ही न पाता। यह आंकड़ों में ऑगमेंटेशन है। फायदा इस बात से आया कि हर व्यक्ति क्या उत्पादन कर सकता है इसका दायरा बढ़ा, न कि व्यक्ति की जगह लेने से। एक अग्रणी AI लैब में भी, मॉडल एक निगरानी-वाला सहयोगी है, प्रतिस्थापन नहीं।

तो जब कोई वेंडर या बोर्ड सदस्य कहे "चलो उसे ऑटोमेट करें," तो काम का सवाल यह है: क्या हम काम को व्यक्ति के बिना करने की कोशिश कर रहे हैं, या उनके साथ मिलकर ज़्यादा काम करने की? पहला एक लागत-दांव है जिसके पीछे जोखिम की लंबी पूंछ है। दूसरा एक क्षमता-दांव है। यह पूरी गाइड दूसरे को जानबूझकर चुनने के बारे में है।

लंबी दौड़ में उत्पादकता की रेस ऑगमेंटेशन क्यों जीतता है?

ऑटोमेशन स्प्रेडशीट पर सस्ता दिखता है और इमारत के भीतर बदतर, और इसके पीछे एक नामित आकृति है। HBR इसे प्रोडक्टिविटी J-Curve बताता है। कर्मचारी घटाओ और आपको तेज़, उथला शुरुआती फायदा मिलता है, लागत फ़ौरन गिरती है, फिर लंबी गिरावट आती है क्योंकि संस्थागत ज्ञान बाहर चला जाता है, मनोबल झुक जाता है, और आपकी नेतृत्व-पाइपलाइन पतली पड़ जाती है। ऑगमेंटेशन की शुरुआत गहरी, धीमी होती है, क्योंकि फायदे से पहले आप लोगों में निवेश और कार्यप्रवाह को फिर से जोड़ रहे होते हैं, फिर यह ऊंचे, टिकाऊ फायदों तक चढ़ता है क्योंकि आपने उन लोगों को रखा जो संदर्भ संभालते हैं और उन्हें ज़्यादा करने के लिए मुक्त किया।

कठोर श्रम-बाज़ार के आंकड़े इस वक्र से मेल खाते हैं। PwC ने 27 देशों में एक अरब से ज़्यादा नौकरी विज्ञापनों का विश्लेषण किया और पाया कि AI-उजागर कंपनियों ने 2018 से श्रम उत्पादकता 34% बढ़ाई, बनाम सबसे कम-उजागर कंपनियों में 24%, जबकि शीर्ष-20% "सुपर-स्टार" कंपनियां 163% तक पहुंचीं। जो हिस्सा कोई नहीं बताता: उन्हीं भारी-AI कंपनियों ने कर्मचारियों की संख्या 52% बढ़ाई, बनाम पिछड़ी कंपनियों में 36%। ज़्यादा AI ज़्यादा भर्ती के साथ आया, कम नहीं। वेतन भी उसी राह चला, AI कौशल वाले कामगारों के लिए 62% वेतन-प्रीमियम के साथ। AI उत्पादकता में जीतने वाली कंपनियां वे नहीं हैं जिन्होंने काटा। वे वे हैं जिन्होंने ऑगमेंट किया और बढ़ीं।

इस वक्र के नीचे एक व्यवहारिक इंजन है, सिर्फ़ हिसाबी नहीं:

• खुश कामगार लगभग 13% ज़्यादा उत्पादक होते हैं, और ऑगमेंटेशन मनोबल को बरकरार रखता है, जहां छंटनी-वाला ऑटोमेशन उसे तबाह कर देता है।
• ज़बरदस्ती AI इस्तेमाल उल्टा पड़ता है। जो कर्मचारी AI इस्तेमाल के लिए प्रोत्साहित नहीं बल्कि मजबूर महसूस करते हैं, वे 65% ज़्यादा "वर्कस्लॉप" पैदा करते हैं, यानी देखने में ठीक लगने वाला पर कम-मूल्य का उत्पादन जिसे फिर किसी और को साफ़ करना पड़ता है।
• धारणा खुद कर्मचारी-स्थिरता बदलती है। जो टीमें अपने नियोक्ता के इरादे को ऑगमेंटेशन के रूप में पढ़ती हैं, उनकी नौकरी छोड़ने की मंशा लगभग 32% कम होती है।

मिलाकर देखें: ऑटोमेशन J-Curve के सस्ते शुरुआती गड्ढे की फ़सल काटता है और फिर उसकी कीमत चुकाता है। ऑगमेंटेशन धीमी शुरुआत झेलता है और चक्रवृद्धि होता जाता है। एक सामान्य-आकार की टीम के लिए यह उद्यम की तुलना में और भी तीखा है, क्योंकि कुछ अनुभवी लोगों के नुकसान को सोखने के लिए आपके पास गहरी बेंच नहीं होती।

आप ऑगमेंटेशन का रास्ता क्रमबद्ध तरीके से कैसे चुनते हैं?

ऑगमेंटेशन चुनना कोई नारा नहीं है, यह इस बारे में ठोस फैसलों का एक समूह है कि AI कहां ताकता है और जो समय यह मुक्त करता है उसका आप क्या करते हैं। इन्हें क्रम से चलाएं।

1. भागदौड़ को काम से अलग करें। हर भूमिका के लिए, दोहराव वाले, कम-मूल्य के, बाधा-संचालित कामों (छंटाई, डेटा प्रविष्टि, पहले मसौदे, स्थिति सारांश) को विवेक, रिश्तों और रचनात्मक काम से अलग सूचीबद्ध करें। आप पहली सूची को ऑगमेंट करते हैं। दूसरी की रक्षा करते हैं।
2. AI को केवल पहली सूची पर ताकाएं। भागदौड़ किसी एजेंट को सौंप दें ताकि व्यक्ति वह हिस्सा रखे जिसके लिए उनकी ज़रूरत है। अगर कोई प्रस्तावित उपयोग व्यक्ति को उनके काम के इर्द-गिर्द की भागदौड़ के बजाय उसके मूल से हटाता है, तो वह ऑगमेंटेशन का बिल्ला पहने ऑटोमेशन है। रुक जाएं।
3. शुरू करने से पहले तय करें कि वापस मिले घंटे कहां जाएंगे। यही वह फैसला है जो रास्ता तय करता है। ऑगमेंटेशन मुक्त हुए समय को अधिक मूल्यवान काम में फिर से निवेश करता है, ज़्यादा खाते, तेज़ प्रतिक्रिया, बेहतर गुणवत्ता। ऑटोमेशन उसे छंटनी के रूप में जमा कर लेता है। फिर-निवेश चुनें, और कहें कि वे घंटे किसलिए हैं।
4. हर मायने रखने वाले फैसले पर एक इंसान रखें। जहां कहीं कोई गलती महंगी हो या उसे पलटना मुश्किल हो, वहां एक चेकपॉइंट लगाएं: ग्राहक से जुड़ी कोई भी चीज़, पैसा खर्च करने वाली कोई भी चीज़, डेटा मिटाने वाली कोई भी चीज़। एजेंट को सुरक्षित, पलटने योग्य हिस्सों पर स्वतंत्र रूप से चलने दें। नियंत्रण इस बात का प्रमाण है कि काम अब भी व्यक्ति का है।
5. एक सीमित काम से शुरू करें और भरोसे के अनुसार बढ़ाएं। किसी दोहराव वाली और आसानी से जांची जा सकने वाली चीज़ पर एक बार जीतें, बचाए गए घंटों को मापें, फिर उस पैटर्न को दोबारा इस्तेमाल करें। किसी काम पर रस्सी तभी ढीली करें जब वह इसे अर्जित कर ले। Anthropic इसे "ट्रस्ट प्रोग्रेशन" कहता है, और यही हर उद्यम रिपोर्ट में छूटा हुआ ऑपरेटर-कदम है।

पूरा क्रम इस तरह बनाया गया है कि "ज़्यादा उत्पादक" और "कोई छंटनी नहीं" एक ही चुनाव से निकलें। आप लोगों को ऑटोमेट करके हटा नहीं रहे और यह उम्मीद नहीं कर रहे कि मनोबल बच जाएगा। आप वह काम हटा रहे हैं जो कोई नहीं चाहता था और फायदे को विकास की ओर ताक रहे हैं।

खुद चलाना पसंद करें? आप एक AI पर्सनल असिस्टेंट लें और आज ही एक को काम पर लगा दें।

आप ऑगमेंटेशन का संकेत ऐसे कैसे दें कि टीम सचमुच भरोसा करे?

आप सही रास्ता चुन सकते हैं और फिर भी गलत नतीजा पा सकते हैं, अगर आपके लोग सोचें कि आपने दूसरा वाला चुना। HBR ने पाया कि कर्मचारी आमतौर पर बता सकते हैं कि उनका नियोक्ता किस रास्ते पर है, और वह धारणा खुद ही उत्पादकता और कर्मचारी-स्थिरता बदल देती है। अंतर असली है और यह वरिष्ठता से बंटता है: 81% वरिष्ठ नेता अपनी कंपनी के इरादे को ऑगमेंटेशन के रूप में पढ़ते हैं, मगर केवल 53% व्यक्तिगत योगदानकर्ता ऐसा करते हैं, और 40% योगदानकर्ता ऑटोमेशन का शक करते हैं। इसके साथ एक उत्साह-अंतर भी है: कार्यकारी मानते हैं कि उनके 76% लोग AI को लेकर उत्साहित हैं, जबकि वास्तव में केवल 31% व्यक्तिगत योगदानकर्ता ही हैं। अगर आप चुप रहते हैं, तो आपकी टीम उस चुप्पी को सबसे बुरी व्याख्या से भर देती है।

संकेत देना कोई ज्ञापन नहीं है। यह दिखने वाले फैसलों का एक पैटर्न है:

मजबूर-बनाम-प्रोत्साहित वाला निष्कर्ष यहां चेतावनी-लेबल है। AI को ऊपर-से-नीचे की लागत-फ़रमान के रूप में लागू करें और आपको 65% ज़्यादा वर्कस्लॉप और कर्मचारी-पलायन मिलता है। इसे मदद के रूप में लागू करें, भागदौड़ हटाकर और घंटों को फिर से निवेश करके, और आपको उत्पादकता मिलती है। संकेत और सार को मेल खाना ही होगा: अगर आप ऑगमेंटेशन कहते हैं और फिर चुपके से कोई भूमिका काट देते हैं, तो टीम आपके शब्द नहीं, आपके काम पढ़ना सीख लेती है।

ऑटोमेशन-पहले वाली गिरावट कैसी दिखती है, ताकि आप इससे बच सकें?

जिस विफलता-मोड से आप बच रहे हैं उसे देख लेना मददगार है। HBR एक ऑटोमेशन-पहले वाला क्रम खींचता है जो लगभग ऐसे चलता है: तेज़ लागत-जीत के लिए कर्मचारी काटो, अनुभवी लोगों के जाने पर संस्थागत ज्ञान खोओ, गुणवत्ता और मनोबल को फिसलते देखो, उन लोगों की पाइपलाइन पतली करो जो आपके अगले नेता बन जाते, फिर जो काटा था उसे फिर बनाने की ऊंची लागत झेलो, और जहां से शुरू किया था उससे नीचे ख़त्म हो जाओ। J-Curve पर शुरुआती गड्ढा जीत जैसा लगा। पूंछ ने उसे मिटा दिया।

वही तर्क आपको स्थूल आंकड़ों में दिखता है। Goldman Sachs ने एक ऑटोमेशन-थीसिस पर तीन साल में निवेश बैंकिंग में लगभग 11% कर्मचारी-कटौती का अनुमान लगाया है, जबकि PwC के आंकड़े उलटा खाका दिखाते हैं, ऑगमेंटेशन और भर्ती, जो मज़बूत उत्पादकता पैदा करता है। यह विरोधाभास ही पूरा सबक है। Brynjolfsson का शोध तो इस पर एक संख्या भी रखता है कि ऑटोमेशन-पहले कम क्यों देता है: संगठनों को तकनीक की तुलना में प्रक्रिया, लोगों और कार्यप्रवाह-बदलाव में लगभग 10 गुना ज़्यादा निवेश करना होता है। ऑटोमेशन-पहले उस 10 गुना को छोड़ देता है और सस्ता गड्ढा जेब में रख लेता है। ऑगमेंटेशन उसे चुकाता है और टिकाऊ चढ़ाई अर्जित करता है।

इसके बजाय विकास-क्रम पर बने रहने के लिए: एजेंट को मात्रा सौंपें और लोगों को काम के कठिन, विवेक-भारी संस्करण पर रखें, ताकि कौशल कुंद न पड़ें। "निगरानी के विरोधाभास" से सावधान रहें, जहां अच्छी निगरानी के लिए वही कौशल चाहिए जो अगर एजेंट सब कुछ करे तो फीके पड़ जाते हैं। बचाव वही है जो ऑगमेंटेशन का नियम है, AI को भागदौड़ लेने दें, कौशल नहीं।

एक लीडर इसे 90 दिनों में कैसे गति में लाता है?

आपको किसी रूपांतरण कार्यक्रम की ज़रूरत नहीं है। आपको एक कार्यप्रवाह चाहिए, जो साबित हो, संकेतित हो और दोहराया जाए।

• दिन 1 से 14: तय करें और घोषित करें। एक भूमिका चुनें, उसकी भागदौड़ को उसके विवेक-काम से अलग करें, ऑगमेंट करने के लिए एक दोहराव वाला काम चुनें, और खुलकर तय करें कि वापस मिले घंटे कहां जाएंगे। टीम को अफ़वाह सुनने से पहले इरादा बताएं।
• दिन 15 से 45: जोड़ें और चेकपॉइंट लगाएं। एजेंट को उसी टूल के भीतर रखें जहां काम पहले से होता है, ग्राहक से जुड़ी या न पलटने योग्य किसी भी चीज़ पर इंसान-को-लूप-में वाली लकीर तय करें, और किसी व्यक्ति से उत्पादन की समीक्षा कराते हुए इसे चलाएं। काम के मालिक को पहले दिन से शामिल करें, देर की अनहोनी के रूप में नहीं।
• दिन 46 से 90: मापें और फिर से निवेश करें। बचाए गए घंटे और गुणवत्ता को ट्रैक करें, वापस मिले समय को उस अधिक मूल्यवान काम में लगाएं जिसका नाम आपने पहले दिन लिया था, फिर अगले काम पर ठीक वही पैटर्न दोबारा इस्तेमाल करें।

याद रखें कि अड़चन असल में कहां है। McKinsey ने पाया कि नेता अनुमान लगाते हैं कि केवल 4% कर्मचारी ही अपने काम के एक सार्थक हिस्से के लिए AI इस्तेमाल करते हैं, जबकि कर्मचारी कहते हैं यह 13% के करीब है, लगभग 3 गुना ज़्यादा, और 47% नेता महसूस करते हैं कि उनकी अपनी कंपनी बहुत धीमी चल रही है। आपके लोग आमतौर पर आपकी सोच से ज़्यादा तैयार होते हैं। ऑगमेंटेशन को जो धीमा करता है वह शायद ही कभी टीम या तकनीक होती है। यह रास्ते को साफ़ चुनने और एक कार्यप्रवाह को अंत तक चलाने की महत्वाकांक्षा होती है।

यही तरीका है: ऑगमेंटेशन को जानबूझकर चुनें, AI को भागदौड़ पर ताकाएं, व्यक्ति पर नहीं, घंटों को विकास में फिर से निवेश करें, और इस सब का संकेत दें ताकि टीम चुनाव पर भरोसा करे। यही तरीका है जिससे एक सामान्य-आकार की टीम उन्हीं फायदों को पकड़ती है जिनका उद्यम-रिपोर्टें वर्णन करती हैं, बिना एक भी भूमिका काटे। अगर आप तेज़ रास्ता चाहते हैं, तो हम इन एजेंट्स की योजना बनाते हैं, उन्हें बनाते हैं और आपके व्यवसाय के भीतर चलाते हैं, उसी एक काम से शुरू करके जो बाकियों की कीमत चुका देता है। नीचे एक मुफ़्त परामर्श बुक करें और हम आपका पहला एजेंट साथ मिलकर तय करेंगे।