संक्षिप्त उत्तर: छंटनी के डर और घटिया काम में खत्म होने वाला लगभग हर AI उत्पादकता अभियान एक ही मूल गलती करता है, यानी AI को ऑगमेंटेशन (जो लोगों को सशक्त करता है) के बजाय ऑटोमेशन (जो लोगों को हटाता है) मान लेना। अपनी टीम पर AI थोपिए और वे 65% ज़्यादा कम-मूल्य का "workslop" पैदा करेंगे। इसे लागत-कटौती के रूप में पेश कीजिए और आप नौकरी छोड़ने की मंशा बढ़ा देंगे। पूरे काम मशीन को सौंप दीजिए और आप उन्हीं कौशलों को कमज़ोर कर देंगे जिनकी आपको उसकी निगरानी के लिए अब भी ज़रूरत है। नीचे दी गई सात विफलताएं वही खास तरीके हैं जिनसे यह मूल गलती सामने आती है, और हर एक का एक समाधान है जो उत्पादकता का फायदा बनाए रखता है और मनोबल तथा भरोसे को नुकसान से बचाता है।
अगर आप इसे सही करें तो फायदा असली है। PwC ने एक अरब से ज़्यादा नौकरी विज्ञापनों का विश्लेषण किया और पाया कि AI-उजागर कंपनियों ने श्रम उत्पादकता (सबसे कम उजागर कंपनियों में 24% के मुकाबले 34%) और कर्मचारियों की संख्या (36% के मुकाबले 52%), दोनों बढ़ाईं। फायदा हासिल करने के लिए मौजूद है, और ये गलतियां ही वह तरीका हैं जिनसे टीमें इसे छोड़ देती हैं। अगर आप चाहते हैं कि हम आपके लिए रोलआउट चलाएं और इन विफलताओं से बचें, तो देखिए कि हम AI कर्मचारी सक्षमता कैसे चलाते हैं। नीचे दी गई हर बात आप खुद भी इस्तेमाल कर सकते हैं।
गलती 1: लोगों को प्रोत्साहित करने के बजाय उन पर AI थोपना
यही वह गलती है जो workslop पैदा करती है, और यह सबसे महंगी है। HBR ने पाया कि जो कर्मचारी AI इस्तेमाल करने में प्रोत्साहित होने के बजाय मजबूर महसूस करते हैं, वे 65% ज़्यादा "workslop" पैदा करते हैं, यानी देखने में सही लगने वाला पर कम-मूल्य का आउटपुट जिसे फिर किसी और को सुधारना पड़ता है। यह कोई छोटा कर नहीं है। यह मेहनत का बगल में सरकना है, जबकि आप खुद को बताते रहते हैं कि वह आगे बढ़ रही है।
वजह लगभग हमेशा एक ऊपर से थोपा गया आदेश होती है: "अब सब AI इस्तेमाल करेंगे," जिसमें न कोई प्रशिक्षण होता है, न चुना हुआ काम, और न कोई सहारा। लोग नियम मानने के लिए उपकरण उठाते हैं, बेहतर काम करने के लिए नहीं, और आउटपुट इसे साफ़ दिखा देता है।
समाधान: इसे थोपा हुआ नहीं, बल्कि प्रोत्साहित, समर्थित और उपयोगी बनाइए। पहला काम चुनने में उन लोगों को शामिल कीजिए जो वह काम करते हैं। उन्हें उस पर प्रशिक्षित कीजिए। McKinsey का शोध साफ़ कहता है कि कर्मचारी भरोसे, सुरक्षा और प्रशिक्षण को उन चीज़ों में गिनते हैं जो उन्हें AI ज़्यादा इस्तेमाल करने पर मजबूर करेंगी, तो उन्हें कोटा देने के बजाय ठीक यही दीजिए।
गलती 2: यह मान लेना कि आपकी टीम उत्साहित है (वे अभी नहीं हैं)
लीडर लगातार माहौल को गलत पढ़ते हैं, और इससे वे लोगों को साथ लाने का काम छोड़ देते हैं। HBR ने इस अंतर को सीधे मापा: अधिकारी मानते हैं कि उनके 76% कर्मचारी AI को लेकर उत्साहित हैं, जबकि वास्तव में केवल 31% व्यक्तिगत योगदानकर्ता ही उत्साहित हैं। अगर आप 76% वाले आंकड़े पर रोलआउट की योजना बनाते हैं, तो आप न कोई सहारा बनाते हैं, न प्रशिक्षण, और न कोई भरोसा दिलाते हैं, क्योंकि आप मान लेते हैं कि किसी की ज़रूरत ही नहीं है।
यही वह धारणा है जिसके चलते एक ऐसा रोलआउट, जिसे "यह रही मदद" के रूप में उतरना चाहिए था, "यह रहा आपका विकल्प" बनकर उतरता है।
समाधान: 76% के लिए नहीं, 31% के लिए योजना बनाइए। डर को जल्दी संबोधित कीजिए। लोगों को दिखाइए कि वे क्या रखते हैं (निर्णय, रिश्ते, दिलचस्प काम) और एजेंट क्या लेता है (दोहराव वाली मात्रा)। एक बार लोगों के शामिल हो जाने पर विरोध आमतौर पर आशंका से कम होता है: McKinsey ने पाया कि कर्मचारी AI के इस्तेमाल में अपने लीडरों की धारणा से लगभग 3 गुना आगे हैं, तो तैयारी मौजूद है, बशर्ते आप एक भद्दे लॉन्च से उसे बर्बाद न करें।
गलती 3: परियोजना को ऑटोमेशन के रूप में पेश करना, ऑगमेंटेशन के रूप में नहीं
लोग भांप लेते हैं कि आप किस रास्ते पर हैं, और यह धारणा अपने आप आपके आंकड़ों को हिला देती है। HBR ने 1,294 डेस्क कर्मचारियों का सर्वेक्षण किया और पाया कि जो टीमें अपने नियोक्ता के इरादे को ऑगमेंटेशन के रूप में पढ़ती थीं, उनकी नौकरी छोड़ने की मंशा लगभग 32% कम थी। यह पेशकश दिखावटी नहीं है। जब AI लागत-कटौती और दक्षता की भाषा पहनकर आता है, तो कर्मचारी सही अनुमान लगा लेते हैं कि लक्ष्य उनकी संख्या घटाना है, और आपके सबसे अच्छे लोग चुपचाप तलाश शुरू कर देते हैं।
HBR इस लंबी रेखा को एक उत्पादकता J-Curve के रूप में खींचता है: ऑटोमेशन तेज़ और उथला शुरुआती फायदा देता है, फिर एक लंबी गिरावट आती है, क्योंकि संस्थागत ज्ञान, मनोबल और आपकी नेतृत्व-पाइपलाइन ढह जाती है। ऑगमेंटेशन धीमे शुरू होता है पर चक्रवृद्धि होता है, क्योंकि आप उन लोगों को रखते हैं जो संदर्भ संभालते हैं।
समाधान: जानबूझकर ऑगमेंटेशन चुनिए और इसे खुलकर कहिए। AI को अपने लोगों के इर्द-गिर्द की भागदौड़ पर लगाइए, लोगों पर नहीं। 10 से 200 लोगों की टीम के लिए यह सिर्फ़ ज़्यादा दयालु नहीं है, यही एकमात्र गणित है जो काम करता है: आपके पास इतनी गहरी बेंच नहीं है कि कुछ अनुभवी लोगों के जाने की भरपाई कर सके।
खुद चलाना पसंद करेंगे? आप एक AI पर्सनल असिस्टेंट लें और एक को आज ही काम पर लगा सकते हैं।
गलती 4: पहले ही दिन किसी काम को पूरी तरह ऑटोमेट करने की कोशिश करना
यहां तक कि सीमांत मॉडल बनाने वाले लोग भी ऐसा नहीं करते। Anthropic ने अपने ही इंजीनियरों का अध्ययन किया और पाया कि वे अपने दैनिक काम के 59% में Claude का इस्तेमाल करते हैं और खुद बताते हैं कि उससे 50% उत्पादकता बढ़ी, फिर भी वे केवल 0 से 20% कामों को ही "पूरी तरह सौंपते" हैं। फायदा सहयोग से आया, हस्तांतरण से नहीं। उस AI-सहायित काम का लगभग 27% ऐसा काम था जो वैसे होता ही नहीं।
एक AI लैब, बेहतरीन उपकरणों और सबसे कुशल उपयोगकर्ताओं के साथ, लगभग 80% से 100% काम पर एक इंसान को सहयोग करते रहने देती है। अगर आप पूरी एक प्रक्रिया किसी एजेंट को सौंपकर चल देते हैं, तो आप Anthropic से भी ज़्यादा आक्रामक हो रहे हैं, कम विशेषज्ञता और ज़्यादा दांव पर लगाकर।
समाधान: एक विकल्प के रूप में नहीं, एक सहयोगी के रूप में शुरुआत कीजिए। एजेंट तैयारी करता है, एक इंसान भेजता है। ड्राफ़्ट जवाब के बॉक्स में है, लीड CRM में स्कोर हो चुकी है, सारांश चैनल में है, और एक इंसान समीक्षा करके भेजता है। नापी गई उत्पादकता इसी रुख से आती है।
गलती 5: मानव-इन-द-लूप चेकपॉइंट को छोड़ देना
"लूप में एक इंसान रखें" वह हिस्सा है जिसे हर कोई दावे के रूप में कहता है और लगभग कोई इंजीनियर नहीं करता, इसलिए वह चुपके से छूट जाता है, और फिर एक आत्मविश्वास से भरा गलत जवाब किसी ग्राहक तक पहुंच जाता है। समाधान यह है कि चेकपॉइंट को एक असली नियम बनाएं, महज़ एहसास नहीं। एजेंट जो भी कार्रवाई कर सकता है, उसे तीन खानों में बांटिए:
| खाना | यहां क्या आता है | कौन कार्रवाई करता है |
|---|---|---|
| स्वतः, बिना समीक्षा | सुरक्षित, पलटे जा सकने वाले, आंतरिक: सारांश, ड्राफ़्ट नोट्स, लुकअप, टैगिंग | एजेंट स्वतंत्र रूप से चलता है |
| भेजने से पहले समीक्षा | ग्राहक के सामने जाने वाली या बाहरी कोई भी चीज़ | एजेंट तैयारी करता है, व्यक्ति मंज़ूरी देता है |
| आगे बढ़ाएं, कभी अकेले कार्रवाई नहीं | जो भी पैसा खर्च करता हो, डेटा मिटाता हो, या किसी अहम रिश्ते को छूता हो | एजेंट संकेत देता है, इंसान फ़ैसला करता है |
समाधान: चेकपॉइंट को ठीक वहां रखिए जहां गलती महंगी हो या जिसे पलटना मुश्किल हो, और बाकी हर जगह एजेंट को चलने दीजिए। दो नियम इसे ईमानदार रखते हैं: हर कार्रवाई को लॉग कीजिए ताकि आप जांच सकें कि एजेंट ने क्या और क्यों किया, और एजेंट से यह अपेक्षा रखिए कि जब वह अनिश्चित हो तो अंदाज़ा लगाने के बजाय मामला आगे बढ़ाए। आत्मविश्वास से भरा गलत जवाब वही है जो आपको महंगा पड़ता है।
गलती 6: आंख मूंदकर काम सौंपना और उन्हीं कौशलों को कमज़ोर करना जिनकी आपको अब भी ज़रूरत है
यह धीमे-धीमे जलने वाली गलती है, और शोध इसका नाम सीधे लेता है। Anthropic दोनों को चिह्नित करता है, कौशल का क्षरण, जहां लोग वह मांसपेशी खो देते हैं जिसका अभ्यास अब एजेंट करता है, और "निगरानी का विरोधाभास," जहां अच्छी निगरानी के लिए ठीक वही कौशल चाहिए जो फीके पड़ जाते हैं। अगर आप काम के निर्णय-गहन हिस्से को एजेंट को सौंप देते हैं, तो आप आखिरकार यह बताने की क्षमता ही खो देते हैं कि वह कब गलत है, जो इकलौती चीज़ है जिसे खोना आप बर्दाश्त नहीं कर सकते।
यहीं workslop चक्रवृद्धि होता है। कम-मूल्य का आउटपुट पैदा करता एजेंट तभी समस्या है जब आपकी टीम में किसी के पास उसे पकड़ने का कौशल बचा न हो।
समाधान: लोगों को काम के कठिन, निर्णय-गहन हिस्से पर लगाए रखिए और एजेंट को मात्रा संभालने दीजिए, न कि इसका उल्टा। उन्हीं कामों को सौंपिए जो जांचने में आसान, साफ़-परिभाषित, अपने-आप में पूरे, दोहराव वाले, और खुद करने के बजाय प्रॉम्प्ट करने में तेज़ हों। सोच-विचार इंसानी हाथों में रखिए। Anthropic जिस उत्पादकता का वर्णन करता है, जहां सहायित काम का 27% ऐसा काम है जो वैसे होता ही नहीं, उसका इस्तेमाल ज़्यादा उच्च-मूल्य का काम करने में कीजिए, न कि उसका अभ्यास बंद करने में।
गलती 7: AI को एक साइड टूल की तरह जोड़ना और एक ही बार में हर जगह खोल देना
आखिरी दो गलतियां इस बारे में हैं कि AI कहां रहता है और आप उस पर कितनी तेज़ी से भरोसा करते हैं। पहली, AI के बेकार पड़े रहने की सबसे बड़ी वजह यह है कि वह काम के साथ बहने के बजाय काम के बगल में एक अलग टैब की तरह रहता है। आपके हेल्प डेस्क, CRM या इनबॉक्स से किसी जुड़ाव के बिना एजेंट महज़ एक चैटबॉट है, और लोग उसके लिए रास्ता नहीं बदलेंगे। Microsoft ने पाया कि मुख्य घंटों के दौरान कर्मचारियों को लगभग हर 2 मिनट में टोका जाता है, यानी दिन में करीब 275 बार। एक साइड टूल 276वीं टोक जोड़ देता है। एक अंतर्निहित एजेंट कुछ हटा देता है।
दूसरी, टीमें या तो पट्टा कभी ढीला नहीं करतीं (इसलिए उत्पादकता आती ही नहीं) या एक ही बार में हर जगह ढीला कर देती हैं (इसलिए पहली बुरी चूक ही संकट बन जाती है)। सही कदम प्रति-काम एक भरोसा-प्रगति है:
- हफ़्ता 1 से 2, छाया। एजेंट काम करता है, एक इंसान आउटपुट का 100% समीक्षा करता है। आप सटीकता माप रहे हैं और विफलता के तरीके पकड़ रहे हैं।
- हफ़्ता 3 से 4, नमूना-जांच। एक बार वह आसान मामलों पर भरोसेमंद ढंग से सही होने लगे, तो एक नमूने की समीक्षा कीजिए, पूरी समीक्षा केवल कठिन मामलों पर रखिए।
- लगातार, श्रेणी के अनुसार बढ़ाएं। किसी पूरी श्रेणी को "भेजने से पहले समीक्षा" से "स्वतः" पर ले जाइए, जब वह बिना किसी अहम चूक के एक अरसा गुज़ार चुकी हो।
समाधान: एजेंट को असली वर्कफ़्लो के ट्रिगर, उपकरणों और डेटा में जोड़िए, फिर उसकी स्वायत्तता को एक बार में एक अर्जित श्रेणी के हिसाब से बढ़ाइए। भरोसा प्रति-काम दिया जाता है, एक ही बार में नहीं।
ऐसा रोलआउट कैसे चलाएं जो सातों से बचे
आपको किसी बड़े बदलाव कार्यक्रम की ज़रूरत नहीं है। आपको एक वर्कफ़्लो चाहिए, जो साबित हो, फिर दोहराया जाए, जिसमें सातों समाधान पहले से पके हों।
- सही पहला काम चुनिए: दोहराव वाला, भाषा-भारी, जांचने में आसान, और एक चेकपॉइंट को सह सकने वाला। किसी सीमित और पलटे जा सकने वाले काम पर एक बार जीतिए, फिर उसी पैटर्न को दोबारा इस्तेमाल कीजिए।
- इसे ऑगमेंटेशन के रूप में खुलकर पेश कीजिए, और जो लोग उस काम के मालिक हैं उन्हें पहले ही दिन शामिल कीजिए, न कि किसी देर से आए चौंकाने वाले रूप में।
- एजेंट को अंतर्निहित कीजिए उस उपकरण में जहां काम पहले से होता है, तीनों खाने तय कीजिए, और पहले छाया मोड में चलाइए।
- अर्जित भरोसे के हिसाब से बढ़ाइए, निर्णय का काम इंसानी रखिए, और सब कुछ लॉग कीजिए।
याद रखिए कि असली अड़चन कहां है। McKinsey ने पाया कि 92% कंपनियां AI निवेश बढ़ाने की योजना बना रही हैं, पर केवल 1% लीडर अपने रोलआउट को "परिपक्व" कहते हैं, और 47% अधिकारी महसूस करते हैं कि उनकी अपनी कंपनी बहुत धीमे चल रही है। इसे धीमा करने वाली चीज़ शायद ही कभी टीम या तकनीक होती है। वह है एक वर्कफ़्लो को सही ढंग से दोबारा गढ़ने और उसे चलाने की महत्वाकांक्षा, बिना ऊपर दिए गए सातों जाल में गिरे।
यही पूरा तरीका है: AI को ऑगमेंटेशन मानकर सातों गलतियों से बचिए, जो मायने रखता है उस पर चेकपॉइंट लगाइए, और भरोसे को जैसे-जैसे अर्जित हो वैसे-वैसे बढ़ाइए। यही वह तरीका है जिससे एक सामान्य आकार की टीम बड़े अध्ययनों में बताए गए उत्पादकता-फायदे को छंटनी के डर और घटिया काम के बिना हासिल करती है। अगर आप तेज़ रास्ता चाहते हैं, तो हम आपके व्यवसाय के भीतर इन एजेंट्स की योजना बनाते हैं, उन्हें बनाते हैं और चलाते हैं, उसी एक काम से शुरू करके जो बाकी का खर्च निकाल देता है। नीचे एक मुफ़्त परामर्श बुक कीजिए और हम मिलकर आपका पहला एजेंट तय करेंगे।