AI पर खर्च 110% बढ़ा और अंतर्निहित प्रणालियाँ इसे झेल नहीं सकीं
ServiceNow तीन वर्षों से बड़े उद्यमों में AI की परिपक्वता को माप रही है। 2026 में, दुनिया भर के 4,500 से अधिक अधिकारियों और 2,000 कर्मचारियों के सर्वेक्षण के आधार पर बनाए गए उनके सूचकांक ने एक उल्लेखनीय सुधार दर्ज किया: 16 अंकों की वृद्धि, जो 100 में से 51 तक पहुँची। यह तब तक अच्छा लगता है, जब तक आप अगली पंक्ति नहीं पढ़ते: जबकि AI पर कॉर्पोरेट खर्च साल-दर-साल 110% बढ़ा, वे मूलभूत क्षमताएँ जो उस AI को बड़े पैमाने पर काम करने के लिए चाहिए, बस साथ नहीं चल सकीं। पैसा तो गया। लेकिन ढाँचा नहीं बना।
यही वह आँकड़ा है जो हर उस CFO को चिंतित करना चाहिए, जिसने पिछले 18 महीनों में AI का बजट स्वीकृत किया—बिना यह जाँचे कि उसके नीचे डेटा, वर्कफ़्लो और गवर्नेंस प्रोटोकॉल की क्या स्थिति है। यह तकनीक की समस्या नहीं है। यह अनुक्रम की समस्या है।
जब निवेश संरचना से पहले आता है
हर बड़ी तकनीकी लहर में एक पैटर्न दोहराया जाता है: खर्च, तैयारी से पहले हो जाता है। यही ERP के साथ हुआ, यही क्लाउड के साथ हुआ, यही पिछले दशक के मध्य में बिग डेटा कार्यक्रमों के साथ हुआ। फर्क अब पैमाने में है। Gartner के अनुमानों के अनुसार, AI पर वैश्विक खर्च 2026 में 2.59 ट्रिलियन डॉलर तक पहुँचेगा, जो पिछले वर्ष से 47% अधिक है। Stanford HAI ने दर्ज किया कि AI में वैश्विक निजी निवेश 2025 में 344.7 अरब डॉलर तक पहुँचा, जो 2024 से 127.5% अधिक है। और केवल 2026 की पहली तिमाही में Amazon, Google, Microsoft और Meta ने मिलकर 130.65 अरब डॉलर अवसंरचना में निवेश किया, जो काफी हद तक AI की दिशा में था।
ये संख्याएँ वास्तविक हैं। समस्या यह है कि ये क्या नहीं मापतीं: क्या उस माँग को पूरा करने वाली कंपनियों के पास वे आंतरिक प्रणालियाँ हैं, जो वे जो खरीद रही हैं उसका लाभ उठा सकें।
ServiceNow का सूचकांक ठीक उस बिंदु को इंगित करता है जहाँ टूटन होती है। संगठनों ने AI के मॉडल, टूल और प्लेटफॉर्म खरीदे। लेकिन उनका डेटा अभी भी उन साइलो में बिखरा हुआ है जो आपस में संवाद नहीं करते, उनके वर्कफ़्लो को स्वचालित करने से पहले पुनर्रचित नहीं किया गया, और उनके कर्मचारियों को पर्याप्त समय पहले परिवर्तन की प्रक्रिया में शामिल नहीं किया गया। संरचनात्मक परिणाम अनुमानित है: AI असंगत परिणाम देती है, टीमें सिस्टम के आउटपुट पर भरोसा खो देती हैं और परियोजनाएँ अनिश्चितकालीन पायलट चरणों में अटकी रह जाती हैं, कभी उत्पादन तक नहीं पहुँचतीं।
ServiceNow में इंडस्ट्रीज़ और ग्लोबल सॉल्यूशन्स की वरिष्ठ उपाध्यक्ष Holly Briedis इसे एक सटीक छवि के साथ वर्णित करती हैं: अधिकांश संगठन कार्ट अवसंरचना पर फ़ॉर्मूला 1 दौड़ाने की कोशिश कर रहे हैं। डेटा एक असंयुक्त पैचवर्क की तरह काम करता है, और जब उस वातावरण पर क्षैतिज वर्कफ़्लो चलाने की कोशिश होती है, तो जोड़ तुरंत दिखने लगते हैं।
जो आगे बढ़ रहे हैं, उन्होंने पहले एक निर्णय लिया
सूचकांक एक समूह की पहचान करता है जिसे वह Pacesetters कहता है: परिपक्वता में सर्वाधिक अंक पाने वाले 21% संगठन। जो उन्हें अलग करता है वह यह नहीं कि उन्होंने अधिक खर्च किया, बल्कि यह कि उन्होंने AI तैनात करने से पहले अपने डेटा को एकीकृत और आधुनिक बनाया—बाद में नहीं। इस समूह का 64% डिजिटल रूप से अपने डेटा को एकीकृत और अनुकूलित करता है, जबकि बाकी में यह केवल 14% है। वे दूसरों की तुलना में डेटा की कम समस्याओं का सामना नहीं करते; वे उन्हें तेजी से हल करते हैं क्योंकि उन्होंने सिस्टम डिजाइन के हिस्से के रूप में उनका पता लगाने और सुधारने की क्षमता बनाई।
वे इस बात में भी भिन्न हैं कि वे व्यवसाय के भीतर AI के उद्देश्य को कैसे समझते हैं। Pacesetters के 57% AI के लिए एक साझा रणनीतिक दृष्टि स्थापित करते हैं जो परिचालन दक्षता से परे जाती है। वे टूटी हुई प्रक्रियाओं को स्वचालित नहीं कर रहे, वे काम के प्रवाह को पुनर्रचित कर रहे हैं। यह अंतर शाब्दिक नहीं है: एक बुरी तरह से डिज़ाइन की गई प्रक्रिया को स्वचालित करने से केवल अधिक तेजी से और बड़े पैमाने पर त्रुटियाँ उत्पन्न होती हैं।
इस दृष्टिकोण में एक निहित निर्णय है जिसे नाम देने की जरूरत है। Pacesetters ने, वास्तव में, अल्पावधि में तैनाती की गति को छोड़ दिया। उन्होंने मंजिलें बनाने से पहले नींव बनाने पर दाँव लगाया। मौजूदा माहौल में, जहाँ बोर्ड हर तिमाही प्रस्तुति में AI के उपयोग के मामले दिखाने की माँग करते हैं, उस छोड़ी गई गति का आंतरिक राजनीतिक मूल्य नगण्य नहीं है। जिन्होंने इसे बनाए रखा, वे अब एक ऐसी बढ़त काट रहे हैं जिसे छह महीनों में आसानी से दोहराया नहीं जा सकता।
गवर्नेंस एक बाधा नहीं है, यही वह है जो स्केलिंग को संभव बनाती है
सूचकांक का एक सबसे प्रासंगिक निष्कर्ष सीधे नेतृत्व टीमों की ओर इशारा करता है: सर्वेक्षण में शामिल आधे कर्मचारियों का मानना है कि जैसे-जैसे एजेंटिक AI विकसित होगी, उनकी नौकरियाँ कम जरूरी हो जाएंगी, और वे महसूस नहीं करते कि उनके संगठन उन्हें आने वाले समय के लिए तैयार कर रहे हैं। Briedis बिना लाग-लपेट के इसे नाम देती हैं: यह कौशल की खाई नहीं है, यह नेतृत्व की खाई है।
इस बात की एक ठोस क्रियाविधि है। जब कर्मचारी AI द्वारा दिए गए परिणामों पर भरोसा नहीं करते, तो वे तकनीक के इर्द-गिर्द काम करेंगे। वे अपने खुद के शॉर्टकट, अपने वर्कअराउंड, अपने समानांतर रिकॉर्ड बनाएंगे। AI की औपचारिक तैनाती कागज़ पर टिकी रहती है, लेकिन परिचालन रूप से खोखली हो जाती है। निवेश पर रिटर्न कभी नहीं आता—इसलिए नहीं कि तकनीक विफल हुई, बल्कि इसलिए कि संगठन ने वास्तव में उसे अपनाया ही नहीं।
सुविचारित गवर्नेंस ठीक उलटे तरीके से काम करती है, जैसा आमतौर पर प्रस्तुत किया जाता है। यह प्रतिबंधों का एक समूह नहीं है जो AI को धीमा करती है; यह वह ढाँचा है जिसके भीतर सिस्टम की स्वायत्तता अविश्वास पैदा किए बिना काम कर सकती है। जब प्रोटोकॉल स्पष्ट होते हैं, तो टीमें एक भरोसेमंद आउटपुट और एक ऐसे आउटपुट के बीच अंतर कर सकती हैं जिसे समीक्षा की जरूरत है। जब वे स्पष्ट नहीं होते, तो मनुष्य की स्वाभाविक प्रतिक्रिया सब कुछ पर अविश्वास करना है, और तकनीक का कम उपयोग होता है।
यही बात डेटा पर भी लागू होती है। जबकि एक व्यक्ति सूचना के साइलो के इर्द-गिर्द अपने विवेक, संदर्भगत निर्णय और वर्षों के काम में जमा की गई अनौपचारिक कड़ियों का उपयोग करके काम कर सकता है, AI नहीं कर सकती। AI को कार्यों और विभागों के पार क्षैतिज रूप से समस्याओं को हल करने के लिए डिज़ाइन किया गया है। यदि उन कार्यों के बीच डेटा प्रवाहित नहीं होता, तो AI उस जानकारी के एक अंश के साथ काम करती है जिसकी उसे जरूरत है और उस मूल्य का एक अंश देती है जो वह दे सकती थी।
खर्च और परिपक्वता के बीच की खाई क्या उजागर करती है
ServiceNow के सूचकांक द्वारा दर्ज किया गया पैटर्न नया नहीं है, लेकिन अब यह एक ऐसे आयाम तक पहुँच गया है जहाँ परिणामों को अवशोषित करना अधिक कठिन है। Oxford Economics का अनुमान है कि AI पर वैश्विक खर्च 2025 में 340 अरब डॉलर से 2035 तक लगभग 3 ट्रिलियन डॉलर तक बढ़ेगा, जो कुल कॉर्पोरेट तकनीकी खर्च का लगभग 23% होगा। BCG दर्ज करता है कि कॉर्पोरेशन 2026 में AI पर अपना खर्च दोगुना करने की उम्मीद कर रहे हैं, जो अपने राजस्व के 0.8% से बढ़कर 1.7% हो जाएगा।
इतने बड़े निवेश के साथ, अंतर्निहित प्रणालियों को तैयार न रखने की लागत IT समस्या नहीं रहती—यह पूंजी आवंटन की समस्या बन जाती है। यदि खर्च दोगुना हो जाता है लेकिन परिचालन परिपक्वता उसी अनुपात में नहीं बढ़ती, तो कंपनियाँ एक ऐसी नींव पर बढ़ता हुआ वित्तीय बोझ बना रही हैं जो अभी उसे सहन नहीं कर सकती। पायलट जो उत्पादन तक नहीं पहुँचते, वे तटस्थ सीखने की विफलताएँ नहीं हैं: वे बजट, तकनीकी टीमों का समय और सबसे ऊपर, अगले निवेश चक्रों के लिए आंतरिक विश्वसनीयता खाते हैं।
जो क्षेत्र सबसे अधिक तात्कालिकता दिखाते हैं वे वही हैं जिनके पास पिछड़ने पर सबसे अधिक खोने को है। BCG के अनुसार, तकनीकी कंपनियाँ और वित्तीय संस्थान 2026 में AI पर अपने राजस्व का लगभग 2% समर्पित करने की योजना बना रहे हैं। उन क्षेत्रों में, प्रतिस्पर्धा उन पिछड़ों का इंतजार नहीं करती जो अपने डेटा को व्यवस्थित करें। निवेश निर्णय और दृश्यमान परिणाम के बीच का समय अब उसे समानांतर रूप से सुधारने के लिए पर्याप्त नहीं है जो पहले बनाया जाना चाहिए था।
ServiceNow का सूचकांक, जब कॉर्पोरेट AI अपनाने की वक्र में एक क्षेत्रीय निदान दस्तावेज़ के रूप में पढ़ा जाता है—न कि मार्केटिंग के एक टुकड़े के रूप में—एक विशेष क्षण का वर्णन करता है। खर्च पहले ही दाँव लगा चुका है। यह निर्धारित करना कि वह दाँव कौन एक टिकाऊ लाभ में बदलता है, अगले मॉडल की खरीद से या अगले पायलट की घोषणा से नहीं होता: यह इस बात पर निर्भर करता है कि डेटा आर्किटेक्चर, पुनर्रचित प्रक्रियाएँ और संगठनात्मक संस्कृति उसे सहन कर सकती हैं या नहीं, जो बजट पहले ही देने का वादा कर चुका है।
