क्यों AI अनुबंध अभी भी घंटों का भुगतान करते हैं जबकि मूल्य कहीं और है
उद्यम स्तर पर कृत्रिम बुद्धिमत्ता को अपनाने में सबसे बड़ी बाधा तकनीकी नहीं है। यह मॉडलों में नहीं है, न डेटा की गुणवत्ता में, न कंप्यूटिंग क्षमता में। यह अनुबंध में है। जबकि संगठन AI कार्यान्वयन में सैकड़ों करोड़ रुपये निवेश करते हैं और संरचनात्मक रिटर्न की उम्मीद रखते हैं, अधिकांश ऐसे समझौतों पर हस्ताक्षर करना जारी रखते हैं जो निवेश किए गए समय को पुरस्कृत करते हैं, न कि उत्पन्न प्रभाव को। यह असंतुलन कोई प्रशासनिक विवरण नहीं है: यह वह मूल कारण है जिसकी वजह से इतनी AI पहलें एक आशाजनक पायलट और उस परिचालन पैमाने के बीच फंसी रह जाती हैं जो कभी आता ही नहीं।
AI की स्थिति पर McKinsey की सबसे हालिया रिपोर्ट इसे एक असहज सटीकता के साथ पुष्टि करती है: अपनाना तो बढ़ा है, लेकिन स्केलिंग की चुनौतियाँ बनी हुई हैं, और वास्तविक प्रभाव के साथ सबसे मजबूत सहसंबंध तकनीकी निवेश में नहीं बल्कि कार्यप्रवाह के पुनर्निर्माण में है। आर्थिक शब्दों में कहें तो: कंपनियाँ स्थापना के लिए भुगतान कर रही हैं जबकि उन्हें परिवर्तन के लिए भुगतान करना चाहिए।
परिणाम-आधारित अनुबंध कोई फैशन नहीं है। यह प्रोत्साहन वास्तुकला की एक समस्या का संरचनात्मक उत्तर है जिसे पारंपरिक मॉडल हल नहीं कर सकते।
समस्या प्रदाता में नहीं है, समस्या अनुबंध की तर्क में है
समय और सामग्री के अनुबंध, और निश्चित मूल्य के समझौते, सॉफ्टवेयर की डिलीवरी प्रबंधित करने के लिए बने थे जहाँ डिलिवरेबल्स परिभाषित करने योग्य थे, समय-सीमाएं अनुमानित थीं और प्रयास के सापेक्ष मूल्य अपेक्षाकृत रैखिक था। AI तीनों शर्तों को तोड़ती है।
एक AI सिस्टम जो बुनियादी ढांचे में घटना प्रबंधन को स्वचालित करता है, वह एक मॉड्यूल डिलीवर नहीं करता। वह समाधान समय में कमी, परिचालन लागत में गिरावट, ड्यूटी पर तैनात कर्मचारियों पर कम निर्भरता और अंततः संचालन टीम के पुनर्गठन को डिलीवर करता है। इनमें से कोई भी परिणाम घंटों के बिल में नहीं दिखता। और किसी को भी किसी विशिष्ट परियोजना मील के पत्थर के साथ सटीक रूप से नहीं जोड़ा जा सकता।
परिणाम अनुमानित है: प्रदाता वह चीज़ वसूल करता है जो वह माप सकता है, यानी घंटे। ग्राहक उस चीज़ का भुगतान करता है जिसकी उसे उम्मीद थी लेकिन जिसे अनुबंध ने कभी औपचारिक रूप से वादा नहीं किया। जब ROI साकार नहीं होता, तो तकनीकी रूप से कोई जिम्मेदार नहीं होता क्योंकि अनुबंध ने इसकी माँग ही नहीं की थी।
इस तर्क में तीन संरचनात्मक खामियाँ हैं। पहली है इनपुट और उत्पन्न मूल्य के बीच सहसंबंध का अभाव: परामर्श या लाइसेंस पर अधिक खर्च करना जरूरी नहीं कि अधिक प्रभाव पैदा करे। दूसरी है जवाबदेही तंत्र की कमी, क्योंकि अनुबंध में परिभाषित परिणाम के बिना, प्रदाता को उसे प्राप्त करने का कोई प्रोत्साहन नहीं है। तीसरी, और अक्सर अनदेखी की गई, स्वामित्व की कुल लागत है जिसे पारंपरिक अनुबंध अदृश्य बना देते हैं: संगठनात्मक परिवर्तन प्रबंधन, टीम की AI साक्षरता, प्रक्रियाओं का पुनर्रूपांतरण, और वे लागतें जो समाधान ठीक से काम करने पर गायब हो जाती हैं, जैसे कि वह कर्मचारी या सॉफ्टवेयर जिसे AI प्रतिस्थापित करती है। यह सब बैलेंस शीट से बाहर रह जाता है, भले ही यह निर्धारित करे कि निवेश लाभदायक था या नहीं।
परिणाम-उन्मुख अनुबंध की तर्क
परिणाम-आधारित अनुबंध केवल वह नहीं है जिसमें प्रदाता को बोनस मिलता है अगर चीजें अच्छी रहें। इसकी वास्तुकला अधिक सटीक है और दोनों पक्षों के लिए अधिक माँग करने वाली है।
शुरुआती बिंदु उन संकेतकों की सहयोगी परिभाषा है जो मायने रखते हैं, न कि तकनीकी वाले, बल्कि व्यावसायिक वाले: परिचालन लागत में कमी, ग्राहक के साथ पहले संपर्क में समाधान दर में वृद्धि, आपूर्ति श्रृंखला में चक्र समय में कमी। उन संकेतकों पर सत्यापित आधार रेखाएं स्थापित की जाती हैं, माप की सहमत पद्धति के साथ, और आरोपण का तर्क बनाया जाता है: परिणाम का कौन सा हिस्सा उचित रूप से AI समाधान से जोड़ा जा सकता है और किन परिस्थितियों में।
भुगतान को परतों में संरचित किया जाता है। एक निश्चित आधार प्रदाता के न्यूनतम परिचालन लागत को कवर करता है। एक परिवर्तनशील घटक तब सक्रिय होता है जब परिणाम परिभाषित सीमाओं को पार कर जाते हैं। सबसे परिष्कृत कार्यान्वयनों में, विचरण बैंड स्थापित किए जाते हैं, जिन्हें कुछ लोग सहनशीलता गलियारे कहते हैं, जिनके भीतर प्रदाता नकारात्मक जोखिम वहन करता है लेकिन सकारात्मक पक्ष पर मूल्य भी कैप्चर करता है।
यह डिजाइन व्यावसायिक संबंध में शक्ति की गतिशीलता को बदल देता है। प्रदाता कार्य निष्पादक से परिणाम में जोखिम साझा करने वाले साझेदार में बदल जाता है। स्थिति में यह बदलाव केवल वाक्यात्मक नहीं है: इसके परिणाम होते हैं कि टीमें कैसे आवंटित की जाती हैं, मॉडल प्रदर्शन समस्या पर कितनी जल्दी प्रतिक्रिया होती है और खाते में प्रदाता कितना निरंतर निवेश करने को तैयार है।
इसके काम करने के लिए, प्रदाता के पास ऐसी क्षमताएं होनी चाहिए जो पारंपरिक मॉडलों में आवश्यक नहीं थीं। उसे ऐसे परामर्शदाताओं की आवश्यकता है जो प्रौद्योगिकी के बारे में बात करने से पहले ग्राहक के व्यवसाय को समझें। उसे ऐसे इंजीनियरों की आवश्यकता है जो परिभाषित होते समय निर्माण करें, बाद में नहीं। और उसे मॉडल को उत्पादन में निरंतरता के साथ संचालित करने के लिए बुनियादी ढांचे की आवश्यकता है, जिसमें अनुमान लागत की प्रशासन व्यवस्था और समय के साथ मॉडल प्रदर्शन के क्षरण की निगरानी शामिल है, न केवल लॉन्च के समय।
वह स्केल त्रुटि जो सबसे अधिक दोहराई जाती है
AI अपनाने में विफलता का एक पैटर्न है जो पर्याप्त निरंतरता के साथ दोहराया जाता है कि इसे संरचनात्मक माना जाए: संगठनों को नहीं पता कि ध्यान कहाँ केंद्रित करना है और वे दो समान रूप से महंगे चरमों के बीच झूलते रहते हैं।
कुछ संगठन अत्यधिक सीमित समस्याओं पर दाँव लगाते हैं। वे आपूर्तिकर्ताओं के साथ व्यय प्रबंधन को स्वचालित करने के लिए एक एजेंट बनाते हैं, यह विचार किए बिना कि वास्तविक समस्या पूरी आपूर्ति श्रृंखला में है। परिणाम एक ऐसा समाधान है जो अपने सिलो में काम करता है और जो स्केल नहीं कर सकता क्योंकि इसे उन प्रक्रियाओं से जुड़ने के लिए डिज़ाइन नहीं किया गया था जो इसे संदर्भ देती हैं।
अन्य संगठन सब कुछ एक साथ और बिना चरणों के अनुकूलित करने की कोशिश करते हैं। वे एक सीमित खंड में मूल्य मॉडल साबित किए बिना बड़े पैमाने पर संचालन को बदलना चाहते हैं। परिणाम एक ऐसी परियोजना है जो वर्षों तक संसाधन खाती है, प्रगति रिपोर्ट उत्पन्न करती है, और बोर्ड के लिए महत्वपूर्ण संकेतकों में कोई अवलोकनीय परिवर्तन नहीं करती।
दोनों चरमों को जोड़ने वाली बात यह है कि प्रौद्योगिकी चुनने से पहले कोई परिचालन मॉडल नहीं है। जो संगठन AI को टिकाऊ तरीके से स्केल करने में सफल होते हैं वे दो एक साथ प्रक्रियाओं के साथ काम करते हैं: प्रक्रिया पुनर्निर्माण और डेटा तथा प्रौद्योगिकी वास्तुकला। अनुक्रम में नहीं, बल्कि समानांतर में। और जो इन दो प्रक्रियाओं को संरेखित रखता है वह परिवर्तन प्रबंधन, संगठनात्मक रणनीति और स्थायी अनुशासन के रूप में उत्पाद प्रबंधन है।
यह परिणाम-आधारित अनुबंध के पक्ष में सबसे ठोस तर्क है: यह हस्ताक्षर करने से पहले उस स्पष्टता को अनिवार्य बना देता है। एक प्रदाता जो परिणाम द्वारा मापे जाने को स्वीकार करता है, उसे उस प्रक्रिया को समझने की आवश्यकता है जिसे ग्राहक सुधारना चाहता है। उस पूर्व-अनुबंध बातचीत का रणनीतिक मूल्य बाद के कई महीनों की परामर्श से अधिक है।
जब सही प्रोत्साहन सही साझेदार का निर्माण करता है
परिणाम-आधारित अनुबंध यह पुनर्व्यवस्थित करता है कि AI कार्यान्वयन में मूल्य कौन और कैसे कैप्चर करता है। लेकिन यह प्रदाताओं के बारे में कुछ ऐसा भी प्रकट करता है जिसका बहुत कम संगठन हस्ताक्षर करने से पहले विश्लेषण करते हैं।
इस तर्क के तहत काम करने वाले प्रदाता को जोखिम अवशोषित करना होता है। जोखिम अवशोषित करने के लिए, उसे अपनी डिलीवरी क्षमता में विश्वास की आवश्यकता है। वह विश्वास केवल व्यावसायिक नहीं हो सकता: इसे तकनीकी वास्तुकला, निष्पादन इतिहास और आंतरिक शासन द्वारा समर्थित होना चाहिए जो उसे लॉन्च के समय ही नहीं बल्कि महीनों या वर्षों तक उत्पादन में मॉडल की गुणवत्ता प्रबंधित करने की अनुमति दे।
आज बहुत कम प्रदाताओं के पास वह क्षमता है। और उस कमी के खरीदारों के लिए निहितार्थ हैं: परिणामों के प्रति वास्तव में प्रतिबद्ध प्रदाताओं का बाजार उससे छोटा है जितना केवल बिक्री साहित्य पढ़ने से लगता है। यह फ़िल्टर करना कि इस मॉडल के तहत कौन काम कर सकता है और कौन इसे केवल एक व्यावसायिक विभेदक के रूप में घोषित करता है, इसके लिए ठीक वही प्रश्न पूछने की आवश्यकता है जो परिणाम-आधारित अनुबंध हस्ताक्षर करने से पहले उत्तर देने के लिए बाध्य करता है।
मूल्य वितरण के दृष्टिकोण से, इस मॉडल में एक ऐसा गुण भी है जो पारंपरिक अनुबंधों में नहीं है: यह उस चीज़ को दृश्यमान बनाता है जो पहले बैलेंस शीट से बाहर थी। संगठनात्मक परिवर्तन की लागतें, प्रशिक्षण में निवेश, वे सिस्टम जो अनावश्यक हो जाते हैं, वह कर्मचारी जिन्हें पुनः तैनात किया जाता है, यह सब ग्राहक और प्रदाता के बीच साझा मूल्य विश्लेषण का हिस्सा बन जाता है। वह दृश्यता न्यायसंगतता की गारंटी नहीं देती, लेकिन यह उस संभावना को समाप्त करती है कि प्रदाता की सफलता और ग्राहक की सफलता समानांतर ब्रह्मांडों में संचालित हों।
जब प्रोत्साहन परिणाम के इर्द-गिर्द संरेखित होते हैं, तो व्यावसायिक संबंध का केंद्र बिंदु लागत प्रबंधन से रिटर्न के अधिकतमीकरण की ओर स्थानांतरित हो जाता है। वह अंतर केवल अर्थ-संबंधी नहीं है। यह वही है जो यह निर्धारित करता है कि उद्यम AI सत्यापन योग्य प्रभाव पैदा करती है या केवल परियोजनाएं पैदा करती है।
