80% MSME बिना उत्पादकता के एक अतिरिक्त घंटे को नजरअंदाज करती हैं
एक आंकड़ा है जो किसी भी बोर्ड की बैठक में चिंताएँ पैदा कर सकता है: गोल्डमैन सैक्स के एक विश्लेषण के अनुसार, वे कर्मचारी जो अपनी दैनिक गतिविधियों में आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करते हैं, हर दिन प्रति व्यक्ति 60 मिनट का उत्पादक समय वापस प्राप्त करते हैं। एक घंटा। यदि सौ कर्मचारियों को इसमें शामिल किया जाए, तो यह महीने में दो हजार घंटे से अधिक हो जाता है। हजार कर्मचारियों के मामले में, यह एक संपूर्ण टीम को नियुक्त करने के मूल्य को प्रतिस्पर्धा में लाता है। और बावजूद इसके, वही रिपोर्ट यह बताती है कि 80% कंपनियों ने इन उपकरणों को समग्र रूप से अपनाया नहीं है।
हम एक प्रयोगात्मक तकनीक की बात नहीं कर रहे हैं। हम ऐसे उपकरणों की बात कर रहे हैं जो उपलब्ध, मापने योग्य और प्रलेखित लाभ के साथ हैं। यहां जो प्रश्न किसी भी CFO से पूछा जाना चाहिए, वह यह नहीं है कि क्या वह AI को लागू करने का खर्च उठा सकता है, बल्कि यह है कि न लागू करने में उसे हर महीने कितना खर्च होता है।
यह अंतर तकनीकी नहीं, संगठनात्मक है
वर्षों से, कंपनियों के तकनीकी अपनाने के बारे में कथा अवसंरचना के चारों ओर घूमती रही है: कनेक्टिविटी, हार्डवेयर, लाइसेंस। यह तर्क अब आधारहीन है। वर्तमान में सबसे शक्तिशाली जनरेटिव AI उपकरणों की शुरुआत की लागत शून्य से लेकर प्रति उपयोगकर्ता कुछ डॉलर तक है। असली बाधा एक और है और उसका नाम है: संरचनात्मक कठोरता।
वे संगठन जो दशकों से अनुमोदन की परतों, समीक्षाओं की संरचनाओं और मानव त्रुटि को न्यूनतम करने के लिए डिज़ाइन किए गए कार्यप्रवाहों पर प्रक्रिया बना रहे हैं, अब एक संगतता की समस्या का सामना कर रहे हैं। न कि तकनीक के साथ, बल्कि उस गति के साथ जिस पर वह तकनीक काम करने की मांग कर रही है। जब एक विश्लेषक एक रिपोर्ट का प्रारंभिक मसौदा चार मिनट में पैदा कर सकता है, तो प्रक्रिया में बाधा अब सामग्री के उत्पादन में नहीं है: बाधा तीन समीक्षा स्तरों में है जो इसे ग्राहकों तक पहुँचने से पहले पूरे कॉर्पोरेट प्रक्रिया द्वारा लागू की गई है।
यह वही है जो डायमंडिस के 6D मॉडल में निराशा के चरण के रूप में वर्णित किया गया है: वह अविधि जब तकनीक पहले से ही काम कर रही है, परिणाम पहले से ही मापने योग्य हैं, लेकिन व्यापक अपनाने नहीं होता क्योंकि मौजूदा शक्ति संरचनाएँ इसकी गति को दबा देती हैं। ऐसे कंपनियाँ जो इस चरण में हैं, वे जानकारी की कमी के कारण नहीं हैं; वे इसलिए ऐसा करती हैं क्योंकि उपकरण को अपनाने का अर्थ स्वाभाविक रूप से यह तय करना है कि कौन क्या तय करता है और कितनी तेजी से।
गोल्डमैन सैक्स द्वारा पहचानी गई 80% जो पिछड़ गई है, वह इस प्रतीक्षा में नहीं है कि तकनीक में कोई सुधार आए। वे इस प्रतीक्षा में हैं कि उनके संगठन में कोई ऐसा हो जो कार्यप्रवाह को नए क्षमताओं के चारों ओर पुनर्गठित करने के लिए प्राधिकृत हो। यह एक राजनीतिक निर्णय है, न कि तकनीकी।
एक दिन में एक घंटा एक वित्तीय संपत्ति है, HR सांख्यिकी नहीं
इस आंकड़े का अनुवाद उन शर्तों में करने की आवश्यकता है जो बजट की बैठक में मायने रखती हैं। यदि 500 लोगों की कंपनी, जिसमें औसतन प्रति घंटे कार्य का खर्च 30 डॉलर है, हर कर्मचारी के लिए 60 मिनट वापस उत्पन्न करती है, तो उस वसूली की संभावित आर्थिक मूल्य 3.6 मिलियन डॉलर वार्षिक हो जाती है, उत्पादकता की क्षमता की स्वतंत्रता में। यह न केवल वेतन में बचत नहीं है, बल्कि ऐसे समय में है जो उच्च मूल्य के काम की ओर पुनर्निर्देशित किया जा सकता है: रणनीतिक विश्लेषण, ग्राहक सेवा, उत्पाद विकास।
यहाँ पर कई संगठन एक गलत निदान करते हैं। वे "समय की बचत" पढ़ते हैं और इसे सीधे कर्मचारियों की कमी में अनुवादित करते हैं। यह तर्क न केवल नैतिक रूप से संदिग्ध है, बल्कि वित्तीय दृष्टि से भी संकीर्ण है। बिना रणनीतिक पुनः आवंटन के कुशलता मूल्य उत्पन्न नहीं करती; यह केवल अल्पकालिक में लागत को संकुचित करती है जबकि मध्य में उत्तरदायिता की क्षमता को कम करती है। उन कंपनियों ने जिनकी AI लागू करने में उच्चतम लाभ दर्ज की है, वे नहीं हैं जिन्होंने उपकरण लागू करने के बाद कर्मचारियों को कम किया, बल्कि वे हैं जिन्होंने अपने टीमों को कम मूल्य के कार्यों से मुक्त किया ताकि उन्हें अधिक प्रभाव डाले वाले कार्यों पर केंद्रित किया जा सके।
यह कॉर्पोरेट परोपकारिता नहीं है। यह अंकगणित है। एक वित्तीय विश्लेषण टीम जो अपने समय के 40% को डेटा मैन्युअल रूप से समेकित करने में लगाती है, और यदि वह समय बुद्धिमान स्वचालन के माध्यम से 10% तक घटती है, तो उसके पास अब 30% की उनकी क्षमता है जो वास्तव में कंपनी को प्रतिस्पर्धात्मक लाभ देती है। उपकरण की लागत उस काम के मूल्य के मुकाबले नगण्य होती है जो इसे सक्षम करता है।
डिमोनेटाइजेशन पहले ही हो चुका है। आगे आने वाला है डेमॉक्रेटाइजेशन
6Ds एक परिपूर्ण रेखीय अनुक्रम नहीं हैं, लेकिन कार्यस्थल उत्पादकता के लिए लागू AI के मामले में पैटर्न काफी स्पष्ट है। डिमोनेटाइजेशन पहले ही हो चुका है: कार्य जो पहले विशेषीकृत टीमों, महंगी सॉफ़्टवेयर या बाहरी सलाहकारों की आवश्यकता होती थी, अब ऐसे कार्यों के कार्यात्मक विकल्प हैं जो किसी भी कंपनी के लिए इंटरनेट से जुड़े होने पर उपलब्ध हैं। तकनीकी लेखन, सूचना का विश्लेषण, बुनियादी डेटा विश्लेषण, कोड जनरेशन, अनुवाद, प्राथमिक स्तर की ग्राहक सेवा। इन क्षमताओं की सीमांत लागत पिछले पांच वर्षों में उनकी मूल्यों की एक अंश में गिर गई है।
आगे जो आ रहा है, और जो डेटा गोल्डमैन सैक्स अप्रत्यक्ष रूप से इंगित करता है, वह संगठनों के भीतर डेमॉक्रेटाइजेशन का चरण है। यह तकनीक तक पहुंच की लोकतांत्रिककरण नहीं है, जो बड़े पैमाने पर पहले ही हो चुकी है, बल्कि रणनीतिक मानदंड की लोकतांत्रिककरण है। जब एक जूनियर विश्लेषक बीस मिनट में वही जानकारी संक्षेप करता है जो पहले एक वरिष्ठ टीम को दो दिन लगते थे, तो प्रतिस्पर्धात्मक लाभ डेटा तक पहुंच में नहीं है, बल्कि यह उन पर निर्भर करता है कि वे उनका उपयोग कैसे करते हैं और उन पर काम करते हैं।
यह संगठनों के भीतर नेतृत्व की प्रकृति को बदलता है। जो कार्यकारी इसे समझता है वह डिजिटल परिवर्तन की परियोजना का प्रबंधन नहीं कर रहा है; वह यह पुनः कॉन्फ़िगर कर रहा है कि उसके संगठन में मूल्य कहाँ है। और वह इसे पहले ही कर रहा है पहले से तेज प्रतिस्पर्धियों द्वारा।
80% जो अभी तक कदम नहीं बढ़ा रही है उन्हें मुख्य रूप से तकनीकी अपनाने की समस्या का सामना नहीं करना पड़ रहा है। उन्हें संगठनात्मक सख्ती के सबसे महंगे परिणाम का सामना करना पड़ रहा है: उपलब्ध क्षमता को मापनीय लाभ में परिवर्तित करने की असमर्थता। शैक्षणिक कार्यों को लोकतांत्रिक करने के लिए जो उपकरण नहीं हैं, वे धीमी संरचनाओं के साथ मिलने की प्रतीक्षा नहीं करती; वे बस तेज कर्मियों द्वारा कम संसाधनों के साथ उत्पन्न किये जा सकने वाले परिणामों के उत्पादन में वृद्धि करती हैं।
