95% कॉर्पोरेट AI पायलट परिणाम नहीं देते और समस्या तकनीक नहीं है
यह संख्या नजरअंदाज करना मुश्किल है: जनरेटिव आर्टिफिशियल इंटेलिजेंस के 95% कॉर्पोरेट पायलट कोई मापने योग्य वित्तीय प्रभाव नहीं डालते। यह तकनीक के आलोचक विश्लेषकों का निराशावादी अनुमान नहीं है। यह The GenAI Divide: State of AI in Business 2025 रिपोर्ट का केंद्रीय निष्कर्ष है, जिसे MIT की NANDA पहल ने लगभग 300 सार्वजनिक कार्यान्वयनों और 150 से अधिक कार्यकारी साक्षात्कारों के आधार पर तैयार किया है। विफलता की भयावहता को समझने के लिए यह जानना जरूरी है कि सामान्य तकनीकी परियोजनाएं 25% की दर से विफल होती हैं। AI उस दर को चार गुना कर देता है।
BCG का डेटा भी इसी दिशा में इशारा करता है: 74% कंपनियाँ रिपोर्ट करती हैं कि उन्हें AI में किए गए निवेश से कोई मूल्य नहीं मिला। S&P Global ने दर्ज किया कि जिन कंपनियों ने अपनी अधिकांश AI पहलों को छोड़ दिया, उनकी संख्या एक ही वर्ष में 17% से बढ़कर 42% हो गई। और Gartner का अनुमान है कि 2027 के अंत से पहले 40% से अधिक एजेंटिक AI परियोजनाएं रद्द कर दी जाएंगी — अत्यधिक लागत, अस्पष्ट ROI और जोखिम नियंत्रण की अनुपस्थिति के कारण।
ये आंकड़े एक ऐसी तकनीक का चित्र खींचते हैं जो काम करती है, लेकिन उन संगठनों द्वारा तैनात की जा रही है जो इसका उपयोग करने के लिए डिज़ाइन नहीं किए गए हैं। यहीं दरार है। मॉडल में नहीं, एल्गोरिदम में नहीं, कम्प्यूटेशनल शक्ति में नहीं। दरार इस बात में है कि कंपनियाँ AI को अपने वास्तविक संचालन में कैसे एकीकृत करती हैं — या नहीं करतीं।
एक टूटी हुई प्रक्रिया को स्वचालित करने से अधिक गलतियाँ, और तेजी से होती हैं
MIT, BCG और S&P Global द्वारा दर्ज विफलता का पैटर्न यादृच्छिक नहीं है। इसकी एक विशिष्ट यांत्रिकी है जो पर्याप्त निरंतरता के साथ दोहराई जाती है कि इसे दोषपूर्ण डिज़ाइन कहा जा सके।
सामान्य क्रम यह है: एक कंपनी AI टूल खरीदती है, किसी मौजूदा प्रक्रिया में पायलट लॉन्च करती है और परिणाम की प्रतीक्षा करती है। जो वह नहीं करती, वह यह है कि खुद से यह नहीं पूछती कि क्या उस प्रक्रिया में AI को विश्वसनीय तरीके से संचालित करने के लिए आवश्यक संरचना है। और लगभग हमेशा वह संरचना नहीं होती।
हर व्यावसायिक प्रक्रिया में दरारें होती हैं। एक उद्धरण जो मौखिक रूप से अनुमोदित होता है। एक ग्राहक फ़ाइल जो किसी विक्रेता की स्मृति में रहती है। एक पुरानी मूल्य सूची जो ईमेल श्रृंखलाओं में चलती रहती है। मानव कर्मचारी उन दरारों को लगातार भरते हैं: किसी सहयोगी से पूछते हैं, निर्णय लागू करते हैं, जब कुछ गलत लगे तो नोटिस करते हैं। AI में से कुछ भी नहीं होता। वह उसी प्रक्रिया में, उन्हीं दरारों के साथ, अधिक मात्रा और अधिक गति लाता है। परिणाम है मशीन की गति से त्रुटियों का प्रसार।
Air Canada के चैटबॉट का मामला इसे ठोस कानूनी परिणामों के साथ दर्शाता है। सिस्टम ने न्यायालय के दस्तावेजों में Jake Moffatt के रूप में पहचाने गए एक यात्री को सूचित किया कि वह यात्रा करने के बाद शोक किराए के लिए आवेदन कर सकता है, जबकि वास्तविक नीति में यात्रा से पहले आवेदन करना आवश्यक था। Air Canada ने तर्क दिया कि चैटबॉट एक अलग इकाई थी और एयरलाइन सिस्टम द्वारा कही गई बातों के लिए जिम्मेदार नहीं हो सकती। ब्रिटिश कोलंबिया के सिविल रेजोल्यूशन ट्रिब्यूनल ने उस तर्क को अस्वीकार कर दिया: कंपनी का उपयोगकर्ता के प्रति देखभाल का कर्तव्य था और उसने यह सुनिश्चित करने के लिए उचित कदम नहीं उठाए कि उसका चैटबॉट सटीक हो। न्यायालय ने ब्याज और लागत सहित धनवापसी का आदेश दिया। सिस्टम तकनीकी अर्थ में विफल नहीं हुआ। उसने ठीक वही किया जो उसे करने के लिए कॉन्फ़िगर किया गया था — बिना किसी सीमा या सत्यापन के उत्तर देना।
Forbes के विश्लेषणों में उद्धृत एक अन्य मामले में एक रेस्तरां श्रृंखला शामिल है, जिसके ड्राइव-थ्रू AI सिस्टम ने 18,000 बोतल पानी के ऑर्डर को स्वीकार कर लिया क्योंकि किसी ने मात्रा की कोई ऊपरी सीमा प्रोग्राम नहीं की थी। सिस्टम ने ऑर्डर की गलत व्याख्या नहीं की। उसने उसे निष्पादित किया। क्योंकि किसी ने उसे ऐसी किसी चीज पर संदेह करने का निर्देश नहीं दिया था।
दोनों मामले एक समान आर्किटेक्चर साझा करते हैं: कोई परिभाषित सीमा नहीं, मानव पर्यवेक्षण का कोई बिंदु नहीं, आउटपुट पर जवाबदेही की कोई स्पष्ट श्रृंखला नहीं। टूल काम किया। डिज़ाइन विफल रहा।
Inc. में उद्धृत संचालन विशेषज्ञ Tim Mobley ने सटीकता के साथ निदान स्पष्ट किया: अधिकांश कंपनियों को AI की समस्या नहीं है, उन्हें वर्कफ़्लो डिज़ाइन की समस्या है। और विफलता हैंडओफ में रहती है: वह क्षण जब AI कुछ उत्पन्न करता है और एक मानव उस पर कार्य करता है — जहाँ जवाबदेही चुपचाप गायब हो जाती है।
चार चरणों का एक क्रम जिसे इतिहास पहले से जानता है
AI के साथ जो हो रहा है वह अपनी संरचना में नया नहीं है। यह वही क्रम है जो पिछले तीस वर्षों की हर प्रासंगिक तकनीकी लहर के साथ था — अलग-अलग कलाकार और अद्यतन संख्याओं के साथ।
नब्बे के दशक में, कंपनियों ने बिना किसी गवर्नेंस के ईमेल सिस्टम को असीमित भेजने की शक्ति दी। परिणाम था सर्वर क्रैश, बड़े पैमाने पर रिप्लाई स्टॉर्म और स्पैम का संकट जो संघीय कानून में समाप्त हुआ। डॉटकॉम बूम के दौर में, Boo.com ने 135 मिलियन डॉलर एक ऐसी ई-कॉमर्स साइट बनाने में जला दिए जो तकनीकी रूप से इतनी परिष्कृत थी कि उसके 90% संभावित ग्राहक जिन डायल-अप कनेक्शन का उपयोग करते थे, उन पर काम नहीं करती थी। 2010 के दशक में, JCPenney ने एक डिजिटल परिवर्तन पर अरबों का दांव लगाया जिसने अपने ग्राहकों को उन चैनलों की ओर धकेला जो किसी ने माँगे नहीं थे, और उसने अपना आधा बाजार मूल्य खो दिया।
क्रम हमेशा एक ही है: नई तकनीक को जादू की तरह मानना, बिना सीमाओं या गवर्नेंस के तैनात करना, देखना कि कैसे छोटी विफलताएँ बड़ी समस्याओं में जमा होती हैं, और फिर सुधार प्राप्त करना — बाजार से, नियामकों से, या दोनों से।
Gartner के विश्लेषणों और MIT की रिपोर्ट के अनुसार, कॉर्पोरेट AI वर्तमान में उस क्रम के दूसरे और तीसरे चरण के बीच है। कई कंपनियाँ पहले ही आक्रामक तरीके से तैनात कर चुकी हैं और परिणामों को अवशोषित करना शुरू कर रही हैं: रद्दीकरण, राइट-ऑफ, कानूनी जोखिम और पोर्टफोलियो समीक्षाएं। जो पिछली लहरों से बचे रहे, उन्होंने ऐसा तेजी से आगे बढ़कर या अधिक खर्च करके नहीं किया। उन्होंने ऐसा इसलिए किया क्योंकि उन्होंने पूछा कि तकनीक को क्या नहीं करना चाहिए — यह पूछने से पहले कि वह क्या कर सकती है।
यह प्रश्न — कि क्या नहीं करना चाहिए — निष्पादन-उन्मुख संगठनों के लिए सहज नहीं है। इसके लिए एक प्रकार के डिज़ाइन अनुशासन की आवश्यकता है जो अधिकांश कंपनियाँ अपनी आंतरिक प्रक्रियाओं में नहीं अपनातीं, और नई तकनीक को अपनाने पर तो बहुत कम। "यह दिखाने की जल्दी कि वे पहले से AI का उपयोग कर रहे हैं" उस काम को किनारे कर देती है।
जो 5% सफल होते हैं, उनके पास बेहतर तकनीक तक पहुँच नहीं है
सफल 5% कार्यान्वयनों को शेष 95% से जो अलग करता है वह AI मॉडल, बजट या कंपनी का आकार नहीं है। यह डिज़ाइन निर्णयों का एक समूह है जो अधिकांश संगठन कभी नहीं लेते क्योंकि वे उन्हें रणनीतिक नहीं, प्रशासनिक मानते हैं।
क्षमताओं को सक्रिय करने से पहले सीमाएँ परिभाषित की जाती हैं। एक कोटेशन एजेंट की न्यूनतम कीमत होती है। ग्राहक सेवा बॉट के पास नीतियों की एक बंद सूची होती है जिस पर वह चर्चा कर सकता है और बाकी सब के लिए एस्केलेट करने का स्पष्ट नियम होता है। ऑर्डर सिस्टम में समझ की जाँच होती है: कोई ग्राहक 18,000 बोतल पानी ऑर्डर नहीं करता। सीमाएँ AI की उपयोगिता को प्रतिबंधित नहीं करतीं। वे वही हैं जो AI को वास्तविक परिणामों वाले वास्तविक व्यवसाय में संचालनीय बनाती हैं।
मनुष्यों को प्रवाह से बाहर नहीं किया जाता, बल्कि प्रवाह के भीतर पुनर्डिज़ाइन किया जाता है। सफल कार्यान्वयनों में प्रारंभिक प्रश्न "हम क्या स्वचालित कर सकते हैं?" नहीं है। यह है: मानव निर्णय कहाँ वह मूल्य बनाता है जिसे मशीन दोहरा नहीं सकती और उसके चारों ओर काम कैसे संरचित किया जाए। AI मात्रा संभालता है: नियमित प्रश्न, वर्गीकरण, सूचना पुनर्प्राप्ति, पहले मसौदे। मनुष्य अपवाद संभालते हैं: वह ग्राहक जिसकी स्थिति किसी भी टेम्पलेट में फिट नहीं बैठती, कानूनी जोखिम वाली शिकायत, वह संख्या जो थोड़ी गलत लगती है। जो कंपनियाँ उस असाइनमेंट को उलट देती हैं, उन्हें वे विफलताएँ मिलती हैं जिनकी वे हकदार हैं।
पर्यवेक्षण एक औपचारिक कार्य है, न कि अंतर्निहित धारणा। Connext Global की 2026 के लिए AI पर्यवेक्षण रिपोर्ट में पाया गया कि 28% उपयोगकर्ता कहते हैं कि AI को अभी भी विश्वसनीय परिणाम देने के लिए सक्रिय पर्यवेक्षण की आवश्यकता है। यह डेटा एक अस्थायी तकनीकी सीमा का वर्णन नहीं करता। यह एक स्थायी कार्य का वर्णन करता है जिसे किसी को औपचारिक रूप से संभालना होगा। सिस्टम की समीक्षा करना, सुधार करना और प्रतिक्रिया देना वास्तविक काम है जिसके लिए एक नामित व्यक्ति की आवश्यकता है। एक पहचाने गए मानव जिम्मेदार व्यक्ति के बिना AI का कार्यान्वयन स्वचालन नहीं है। यह जिम्मेदारी का परित्याग है।
प्रत्येक आउटपुट की जवाबदेही की एक श्रृंखला होती है। Air Canada के मामले ने इस बहस को बंद कर दिया कि क्या कोई कंपनी अपने AI की सफलताओं का श्रेय ले सकती है जबकि उसकी गलतियों को नकार दे। नहीं ले सकती। यदि सिस्टम कोई वादा करता है, तो कंपनी उसे पूरा करती है। ऑडिट रिकॉर्ड बनाना — AI ने क्या कहा, किस आधार पर, किसने समीक्षा की — मुकदमेबाजी के बाद की तुलना में पहले सस्ता है।
इनमें से कोई भी आदत चकाचौंध करने वाली नहीं है। कोई भी डिजिटल परिवर्तन पर प्रेस विज्ञप्ति नहीं उत्पन्न करती। सभी संगठनात्मक डिज़ाइन का काम है जो टूल के बाहरी रूप से दृश्यमान होने से पहले होता है।
प्रतीक्षा करना अब सबसे सुरक्षित स्थिति नहीं है
अपनाने के आंकड़ों ने उस सीमा को पार कर लिया है जहाँ बाहर रहना सावधानी छोड़ सक्रिय प्रतिस्पर्धी जोखिम बन गया है।
अमेरिकी छोटे व्यवसायों में जनरेटिव AI का उपयोग एक वर्ष में 40% से बढ़कर 58% हो गया। AI का उपयोग करने वाली कंपनियों के राजस्व वृद्धि रिपोर्ट करने की संभावना उन कंपनियों की तुलना में 2.3 गुना अधिक है जो इसका उपयोग नहीं करतीं। उन MSME (Micro, Small and Medium Enterprises) में से जिन्होंने पहले ही इसे अपना लिया है, 91% मापने योग्य राजस्व वृद्धि रिपोर्ट करती हैं। ये 2026 में संकलित US Chamber of Commerce और Salesforce शोध के आंकड़े हैं।
दूसरी ओर, 77% कंपनियाँ जिन्होंने अभी तक AI नहीं अपनाया है, मुख्य कारण के रूप में उद्धृत करती हैं कि "यह उनके व्यवसाय पर लागू नहीं होता।" उस वाक्यांश का एक जाना-पहचाना इतिहास है। ठीक उन्हीं शब्दों से, तकनीक का नाम बदलते हुए, वेबसाइट न रखने, ऑनलाइन न बेचने, क्लाउड पर माइग्रेट न करने को उचित ठहराया गया था। जिन कंपनियों ने यह कहा, वही आज उन केस स्टडीज में हैं जो बताती हैं कि क्या नहीं करना चाहिए।
2026 में एक कंपनी के सामने जो विकल्प है वह यह नहीं है कि AI लागू करना है या नहीं। यह है कि क्या 95% की तरह लागू करना है — पहले टूल, प्रक्रिया डिज़ाइन कभी नहीं, जवाबदेही कहीं नहीं — या उस 5% की तरह जो परिणाम उत्पन्न करता है: पुनर्डिज़ाइन की गई प्रक्रिया, स्थापित सीमाएँ, मनुष्यों को वहाँ रखा गया जहाँ निर्णय मायने रखता है, और सिस्टम द्वारा उत्पन्न प्रत्येक आउटपुट से जुड़ा एक नाम।
तकनीक कभी बाधा नहीं थी। जो विफल होता है वह वह संगठनात्मक संरचना है जो उसके चारों ओर बनाई जाती है — या न बनाने का निर्णय लिया जाता है। यह AI की समस्या नहीं है। यह डिज़ाइन की समस्या है, और जो संगठन इसे ऐसे नहीं मानते, वे मशीन की गति से विफलताएँ जमा करते रहेंगे।
