AI एजेंट अब आय-व्यय विवरण में एक वास्तविक पंक्ति बन चुके हैं
एक अंतर है जिसे अधिकांश संगठनों ने अभी तक पूरी तरह से आत्मसात नहीं किया है: एक AI सहायक प्रतीक्षा करता है कि कोई उससे बात करे। एक एजेंट स्वयं कार्य करता है। यह अंतर, जो तकनीकी प्रतीत होता है, अपने साथ ऐसे आर्थिक और मनोवैज्ञानिक परिणाम लेकर आता है जो यह पुनर्परिभाषित कर रहे हैं कि कार्यकारी अधिकारी अपने प्रौद्योगिकी बजट के बारे में किस तरह सोचते हैं और, अधिक चुपचाप, उनकी टीमें काम को किस तरह महसूस करती हैं।
AMD में वरिष्ठ उपाध्यक्ष और ग्राहक व्यवसाय इकाई के महाप्रबंधक राहुल टिकू ने हाल ही में Forbes के साथ एक बातचीत में इसे सटीक रूप से व्यक्त किया: AI सहायकों ने 20% से 30% के क्रम में उत्पादकता में सुधार प्रदान किए। एजेंट, उनके अनुमान के अनुसार, उस परिणाम को एक ऐसे गुणक से गुणा करेंगे जिसकी अभी तक कोई स्पष्ट सीमा नहीं है। अंतर मात्रा का नहीं है। यह वास्तुकला का, शासन-प्रणाली का और, सबसे बढ़कर, परिचालन अर्थव्यवस्था का अंतर है।
इस क्षण को जो दिलचस्प बनाता है वह यह नहीं है कि AMD ने कृत्रिम बुद्धिमत्ता के बारे में कोई नई बात कही हो। बल्कि यह है कि बातचीत एक ऐसे क्षेत्र में पहुँची जिससे अधिकांश हार्डवेयर निर्माता सावधानीपूर्वक बचते हैं: एजेंटिक कार्यप्रवाहों को चलाने की प्रति-कर्मचारी लागत अब सैकड़ों या हजारों डॉलर सालाना में मापी जाती है, और यह पहले से ही कई निगमों के आय-व्यय विवरण में एक दृश्यमान मद है। यह कोई भविष्य का वादा नहीं है। यह एक मार्जिन की समस्या है जिसे वित्त निदेशक आज देख रहे हैं।
जब टोकन एक ट्रेजरी की समस्या बन जाता है
यह समझने के लिए कि यह उत्पाद विपणन से परे क्यों महत्वपूर्ण है, यह समझना उचित होगा कि एजेंटों की अर्थव्यवस्था कैसे काम करती है। एक चैटबॉट टोकन का उपभोग एकल दिशा में करता है: उपयोगकर्ता पूछता है, मॉडल जवाब देता है। एक स्वायत्त एजेंट कई चरणों को निष्पादित करता है, उपकरणों से परामर्श करता है, उप-कार्य उत्पन्न करता है, मध्यवर्ती परिणामों का मूल्यांकन करता है और फिर से पुनरावृत्ति करता है। इनमें से प्रत्येक चरण टोकन का उपभोग करता है। यदि एक पारंपरिक सहायक के साथ एक आदान-प्रदान में पैसे के अंशों की लागत आती है, तो एक जटिल एजेंटिक कार्यप्रवाह प्रत्येक निष्पादन पर कई डॉलर खर्च कर सकता है। जब यह सैकड़ों कर्मचारियों और हजारों दैनिक निष्पादनों से गुणा होता है, तो क्लाउड इनफरेंस पर मासिक खर्च एक ऐसी संख्या तक बढ़ सकता है जो परिचालन बजट की अन्य पंक्तियों से प्रतिस्पर्धा करती है।
टिकू ने इसे एक हार्डवेयर कार्यकारी के लिए असामान्य खुलेपन के साथ नाम दिया: कंपनियाँ अपने बोर्ड की बैठकों में इस बारे में बात कर रही हैं। यह वाक्यांश एक व्यावसायिक डेटा से अधिक कुछ प्रकट करता है। यह प्रकट करता है कि AI एजेंटों को अपनाना उस सीमा को पार कर चुका है जहाँ यह प्रौद्योगिकी क्षेत्र की चर्चा से वित्तीय क्षेत्र की चर्चा बन जाती है। और जब CFO बातचीत में प्रवेश करता है, तो खरीद का तर्क पूरी तरह से बदल जाता है।
यहीं पर व्यवहार संबंधी विश्लेषण प्रासंगिक हो जाता है। जिन संगठनों ने चैटबॉट को अपनाया, उन्होंने ऐसा बड़े पैमाने पर इसलिए किया क्योंकि सीमांत लागत कम थी और कथित जोखिम सीमित था। उपयोगकर्ता उपकरण के साथ प्रयोग करता था, मूल्य उत्पन्न होता था या नहीं, और बजट पर प्रभाव अस्पष्ट था। एजेंटों के साथ, यह सुरक्षा कवच गायब हो जाता है। प्रत्येक एजेंटिक तैनाती का एक मापनीय आर्थिक प्रभाव होता है। यह एक नए प्रकार का घर्षण उत्पन्न करता है: जवाबदेही का घर्षण। प्रौद्योगिकी नेताओं को अब न केवल यह उचित ठहराना होता है कि एजेंट काम करता है, बल्कि यह भी कि प्रति-कार्य लागत किसी अन्य संसाधन के विस्थापन को उचित ठहराती है। यह औचित्य उतना बनाना उतना आसान नहीं है जितना लगता है, क्योंकि यह उन संदर्भों में उत्पादकता मापने के लिए बाध्य करता है जहाँ ऐतिहासिक रूप से इसे मापा नहीं जाता था।
AMD द्वारा प्रस्तावित हाइब्रिड वास्तुकला — एजेंटिक क्षमता वाले उपकरणों पर स्थानीय प्रसंस्करण के साथ जटिल कार्यों के लिए क्लाउड में फ्रंटियर मॉडल का संयोजन — इसी वित्तीय दबाव का जवाब देती है। यदि कार्यप्रवाहों का एक महत्वपूर्ण हिस्सा स्थानीय रूप से चल सकता है, तो क्लाउड इनफरेंस की लागत आनुपातिक रूप से कम हो जाती है। यह अपने आप में एक आकर्षक तकनीकी समाधान नहीं है। यह एक मार्जिन समस्या का सीधा जवाब है जिस पर कार्यकारी समितियाँ बढ़ती तात्कालिकता के साथ चर्चा कर रही हैं।
वह डर जिसे कोई अपनाने की बैठक में नहीं बोलता
टिकू AI एजेंटिक्स के बारे में दो बार-बार होने वाली गलतफहमियों की पहचान करते हैं। पहली यह है कि एजेंट अधिक परिष्कृत चैटबॉट हैं। दूसरी यह है कि मॉडल की बुद्धिमत्ता मुख्य बाधा है। वे दोनों मामलों में सही हैं, लेकिन इनमें से कोई भी गहरी अपनाने की समस्या को नहीं छूता।
संगठनों में स्वायत्त एजेंटों के प्रति वास्तविक प्रतिरोध उन लोगों से नहीं आता जो प्रौद्योगिकी को नहीं समझते। यह उन लोगों से आता है जो इसे पूरी तरह समझते हैं। एक वरिष्ठ डेवलपर जिसने जटिल समस्याओं को हल करने की क्षमता के आसपास अपने पेशेवर मूल्य को वर्षों में बनाया है, एक कोड एजेंट को उत्पादकता उपकरण के रूप में अनुभव नहीं करता। वह इसे इस बात की पुनर्परिभाषा के रूप में अनुभव करता है कि वह क्या योगदान देता है। यह एक पहचान का खतरा है, तकनीकी घर्षण नहीं, और यह तर्कसंगत तर्कों के प्रति अलग तरीके से प्रतिक्रिया करता है।
यही पेशेवर सेवाओं में भी होता है। टिकू उन डॉक्टरों और वकीलों के मामले का उल्लेख करते हैं जो एजेंटों का उपयोग करके प्रशासनिक कार्यों से समय मुक्त कर सकते हैं। मूल्य के दृष्टिकोण से तर्क अचूक है। लेकिन नैदानिक या कानूनी अभ्यास में नियंत्रण और निर्णय का एक आयाम है जिसे कई पेशेवर सौंपना नहीं चाहते, इसलिए नहीं कि वे प्रौद्योगिकी पर भरोसा नहीं करते, बल्कि इसलिए कि प्रत्यायोजन उनकी इस समझ को बदल देता है कि उनका काम अच्छी तरह से करने का क्या मतलब है। अपनाना जानकारी की कमी के कारण विफल नहीं होता। यह तब विफल होता है जब उपकरण किसी ऐसी चीज को छूता है जिसे पेशेवर छुआ नहीं जाना चाहता।
इस पैटर्न के व्यावहारिक परिणाम हैं कि संगठनों को AI एजेंटिक पायलटों के बारे में कैसे सोचना चाहिए। मानक सलाह, जो टिकू भी देते हैं, उच्च दोहराव और कम रणनीतिक मूल्य वाले कार्यप्रवाहों की पहचान करना है। यह एक सही शुरुआती बिंदु है, लेकिन अधूरा है। जो कार्यप्रवाह बाहर से पूरी तरह से प्रशासनिक लगते हैं, वे अक्सर अंदर से स्थिति या नियंत्रण के मार्कर के रूप में माने जाते हैं। जो अनुमोदन प्रबंधित करता है, जो एक कार्यकारी बैठक से पहले जानकारी संश्लेषित करता है, जो टीमों के बीच फॉलो-अप समन्वय करता है, वह हमेशा ऐसे कार्य नहीं कर रहा होता जिन्हें वह स्वचालित करना चाहता है। कभी-कभी वह प्रभाव का प्रयोग कर रहा होता है।
उन कार्यों को एक एजेंट में स्थानांतरित करना राजनीतिक घर्षण को समाप्त नहीं करता। यह उसे केंद्रित करता है। और यदि संगठन के पास इस बारे में स्पष्ट डिज़ाइन नहीं है कि स्वचालन के बाद वास्तविक प्राधिकरण का पुनर्वितरण कैसे होता है, तो पायलट सकारात्मक उत्पादकता मेट्रिक्स उत्पन्न करता है और समानांतर संगठनात्मक प्रतिरोध जिसे कोई मेट्रिक कैप्चर नहीं करती।
बुनियादी ढाँचा आंतरिक रूप से एक मनोवैज्ञानिक संकेत के रूप में
AMD के तर्क का एक आयाम है जो उसके वित्तीय तर्क से परे जाँच के लायक है। कंपनी केवल ऐसा हार्डवेयर नहीं बेच रही जो मॉडलों को स्थानीय रूप से चला सके। यह तर्क दे रही है कि कर्मचारी के उपकरण को कंपनी के AI बुनियादी ढाँचे का एक रणनीतिक नोड माना जाना चाहिए, न कि एक परिधीय उपकरण।
यह वैचारिक पुनर्संरचना महत्वपूर्ण है क्योंकि इसका प्रभाव इस बात पर पड़ता है कि संगठन के भीतर के लोग उपकरण की व्याख्या कैसे करते हैं। एक कर्मचारी जो ऐसे उपकरण के साथ काम करता है जिसे कंपनी ने स्पष्ट रूप से अपनी कृत्रिम बुद्धिमत्ता वास्तुकला के हिस्से के रूप में नामित किया है, वह उस व्यक्ति से अलग कुछ अनुभव करता है जो ब्राउज़र में चैटबॉट का उपयोग करता है। संस्थागत संकेत बदल जाता है। व्यक्तिगत उपकरण की कम्प्यूटेशनल क्षमता में नियोक्ता का दृश्यमान निवेश प्रतिबद्धता की गंभीरता और उस पारिस्थितिकी तंत्र में कार्यकर्ता की अपेक्षित भूमिका के बारे में कुछ संचारित करता है।
यह कोई आंतरिक ब्रांडिंग का तर्क नहीं है। यह एक अवलोकन है कि मनुष्य अपने संगठन से मिलने वाले संकेतों के आधार पर अपनाने के बारे में अपनी स्वयं की अपेक्षाओं को कैसे कैलिब्रेट करते हैं। जब कंपनी उपकरण को रणनीतिक मानती है, तो कर्मचारी भी उसे रणनीतिक मानता है। जब कंपनी इसे एक वैकल्पिक लाभ या प्रयोग के रूप में पेश करती है, तो कर्मचारी इसे एक त्याज्य सहायक उपकरण की तरह व्यवहार करता है।
ऑर्केस्ट्रेशन प्लेन के रूप में CPU के बारे में चर्चा, दक्षता के लिए NPU, प्रदर्शन के लिए GPU और बड़े स्थानीय मॉडलों के लिए विस्तारित मेमोरी, जिसे टिकू तकनीकी सटीकता के साथ विस्तृत करते हैं, का एक द्वितीयक प्रभाव है जिसका शायद ही कभी विश्लेषण किया जाता है: यह बुनियादी ढाँचे की एक साझा शब्दावली बनाता है जो AI के बारे में आंतरिक बातचीत को "उत्पादकता उपकरण" के स्तर से "व्यापार वास्तुकला" के स्तर तक उठाती है। वह शब्दावली तटस्थ नहीं है। यह बदलती है कि कौन निर्णयों में भाग लेता है, कौन से तर्कों को वैध माना जाता है और किस प्रकार का प्रतिरोध वैध रूप से व्यक्त किया जा सकता है।
टिकू द्वारा पहले अपनाने वाले के रूप में उल्लिखित उद्योग — सॉफ्टवेयर विकास, ग्राहक सेवा, पेशेवर सेवाएँ — एक विशेषता साझा करते हैं: वे ऐसे क्षेत्र हैं जहाँ व्यक्तिगत उत्पादकता अपेक्षाकृत आसानी से मापने योग्य है और जहाँ प्रतिभा पर प्रतिस्पर्धात्मक दबाव अधिक है। यह आर्थिक तर्क को सुगम बनाता है। लेकिन ये ऐसे क्षेत्र भी हैं जहाँ पेशेवर पहचान विशेष रूप से भारी होती है, जहाँ व्यक्तिगत प्रदर्शन दिखाई देता है और जहाँ एजेंटों के साथ और बिना एजेंटों के सहकर्मियों के बीच तुलना दबाव की गतिशीलता उत्पन्न कर सकती है जिसे संगठन हमेशा अच्छी तरह से प्रबंधित नहीं करता।
वह लागत जो पायलट में किसी ने बजट नहीं की
एजेंटिक क्षण का केंद्रीय विरोधाभास यह है: जो संगठन अपनाने में धीमे चलते हैं, वे उन लोगों के मुकाबले प्रतिस्पर्धात्मक नुकसान उठाने का जोखिम चलाते हैं जो महत्वपूर्ण उत्पादकता गुणकों को कैप्चर कर रहे हैं। जो बिना आंतरिक मनोवैज्ञानिक वास्तुकला पर ध्यान दिए तेजी से आगे बढ़ते हैं, वे कागज पर सफल पायलट उत्पन्न करने का जोखिम चलाते हैं जो स्केल नहीं होते, क्योंकि वास्तविक अपनाना उपयोग डेटा के नीचे कभी समेकित नहीं हुआ।
टिकू एक समझदार परिचालन सलाह देते हैं: उन जगहों की पहचान करके शुरू करें जहाँ AI पहले से मूल्य उत्पन्न करती है, मापने योग्य उपयोग के मामलों के एक सीमित समूह को प्राथमिकता दें, स्केल करने से पहले शासन की नींव बनाएँ। यह क्रम तकनीकी परिवर्तन प्रबंधन के दृष्टिकोण से सही है। लेकिन एक तत्व है जिसे कोई भी प्रौद्योगिकी अपनाने का नक्शा आमतौर पर शामिल नहीं करता: वह समय जो किसी संगठन को यह आंतरिक रूप से पुनर्परिभाषित करने में लगता है कि जब एक एजेंट उस कार्य का हिस्सा संभाल लेता है तो एक काम अच्छी तरह से करने का क्या मतलब है।
यह पुनर्परिभाषा न तो स्वत: है और न ही पीड़ारहित। इसके लिए नेताओं को यह स्पष्ट बातचीत करने की आवश्यकता है कि अब मानव निर्णय से क्या अपेक्षित है, एजेंट कौन से निर्णय नहीं ले सकता और क्यों, और किसी ऐसे व्यक्ति के प्रदर्शन का मूल्यांकन कैसे किया जाता है जिसका काम आंशिक रूप से अदृश्य हो गया है क्योंकि एजेंट इसे निष्पादित करता है। उन बातचीतों के बिना, अपनाना आधिकारिक व्यवहार — "हम एजेंटों का उपयोग करते हैं" — और वास्तविक व्यवहार — "हम उन्हें पृष्ठभूमि में चलने देते हैं जबकि हम हमेशा की तरह काम करते हैं" — के बीच एक खाई पैदा करता है।
यह डेटा कि एजेंटिक लागतें पहले से ही कई निगमों के आय-व्यय विवरण में दिखाई देती हैं, इस अर्थ में एक अस्पष्ट संकेत है। इसका मतलब है कि निवेश पहले ही हो चुका है। इसका अनिवार्य रूप से यह मतलब नहीं है कि मूल्य कैप्चर किया जा रहा है। उन दो बिंदुओं के बीच की दूरी ठीक वही है जहाँ वह घर्षण रहता है जिसे कोई अपनाने की प्रस्तुतियों में नहीं बोलता, और यही घर्षण यह निर्धारित करेगा कि कौन से संगठन खर्च को लाभ में बदलते हैं और कौन से इसे लागत की एक पंक्ति में बदलते हैं जिसे अगली बोर्ड बैठक में कोई भी अच्छी तरह से उचित नहीं जानता।
