छोटे व्यवसाय आर्थिक भार का आधा हिस्सा उठाते हैं और AI की चर्चा का एक अंश ही पाते हैं
कृत्रिम बुद्धिमत्ता और व्यवसाय को लेकर जो प्रमुख आख्यान है, उसमें एक संरचनात्मक पूर्वाग्रह है जिसे शायद ही कभी नाम दिया जाता है: यह लगभग पूरी तरह से उन कंपनियों के इर्द-गिर्द बनाया गया है जिनमें 500 से अधिक कर्मचारी हैं। ऐसा इसलिए नहीं कि बड़े निगम अधिक दिलचस्प हैं, बल्कि इसलिए कि तकनीक प्रदाताओं के लिए वे अधिक पूर्वानुमेय अनुबंधों, अपेक्षाकृत छोटे बिक्री चक्रों और आवर्ती राजस्व प्रवाहों का प्रतिनिधित्व करते हैं जो बिक्री और विपणन व्यय को उचित ठहराते हैं। विक्रेता की अर्थव्यवस्था के नजरिए से यह तर्क समझ में आता है। समस्या यह है कि इस तर्क ने यह समझने में विकृति पैदा की है कि अर्थव्यवस्था में वास्तविक काम कहाँ होता है।
संयुक्त राज्य अमेरिका के लघु व्यवसाय प्रशासन के आंकड़ों के अनुसार, जिन्हें Fast Company ने उद्धृत किया है, देश में लगभग 3.6 करोड़ छोटे व्यवसाय संचालित होते हैं, जो निजी क्षेत्र के 46% कर्मचारियों को रोजगार देते हैं। इस विश्व में से लगभग 88% के पास 20 से कम कर्मचारी हैं। ये श्रम बाजार के परिशिष्ट नहीं हैं: ये उसकी रीढ़ हैं। यदि कृत्रिम बुद्धिमत्ता को श्रम उत्पादकता को बदलना है, तो यह प्रक्रिया केवल Fortune 500 कंपनियों की कार्यकारी मंजिलों पर नहीं हो सकती।
यह असंतुलन — कि चर्चा कहाँ होती है और काम कहाँ होता है — यह समझने का प्रारंभिक बिंदु है कि MSME (Micro, Small and Medium Enterprises) खंड में AI अपनाने के साथ वास्तव में क्या हो रहा है, और क्यों सबसे हालिया आंकड़े मात्र दो साल पहले की सहमति से कहीं अधिक जटिल चित्र दिखाते हैं।
दो सर्वेक्षण, दो खंड, एक दरार जो बताती है कि असली समस्या कहाँ है
2024 में, शैक्षणिक और परामर्श फर्मों की सहमति काफी एकसमान थी: कुछ ही छोटे व्यवसायों ने AI को महत्वपूर्ण रूप से अपनाया था। 2026 तक, वह सहमति टूट गई — इसलिए नहीं कि 2024 के आंकड़े गलत थे, बल्कि इसलिए कि दो हालिया अध्ययन अलग-अलग जनसंख्याओं की ओर इशारा करते हैं और एक ऐसी दरार उजागर करते हैं जिसे सावधानीपूर्वक विखंडित करने की जरूरत है।
Goldman Sachs के 10,000 छोटे व्यवसायों पर किए गए एक अध्ययन में पाया गया कि लगभग तीन-चौथाई पहले से ही AI का उपयोग करते हैं, जिनमें से 84% ने उत्पादकता और दक्षता में सुधार की रिपोर्ट की। साथ ही, केवल 14% ने कहा कि उन्होंने AI को अपने मुख्य संचालन में एकीकृत किया है। नेशनल फेडरेशन ऑफ इंडिपेंडेंट बिजनेस (NFIB), जिसके नमूने में बहुत छोटे और पारंपरिक व्यवसाय जैसे प्लंबर या कैटरिंग सेवाएं शामिल हैं, ने पाया कि उनके केवल 25% उत्तरदाताओं ने AI टूल्स का उपयोग करने की रिपोर्ट की।
ये दोनों संख्याएं एक-दूसरे का खंडन नहीं करतीं: वे छोटे व्यवसायों के ब्रह्मांड के भीतर अलग-अलग उप-बाजारों का वर्णन करती हैं। Goldman डिजिटल-उन्मुख कंपनियों को पकड़ता है, जैसे ई-कॉमर्स या पेशेवर सेवाएं। NFIB अधिक पारंपरिक और श्रम-गहन ताने-बाने को दर्शाता है। दोनों संख्याओं के बीच की दूरी AI के बारे में आशावाद या निराशावाद को नहीं मापती; यह डिजिटल बुनियादी ढांचे वाली फर्मों और उसके बिना फर्मों के बीच संरचनात्मक अंतर को मापती है।
व्यवसाय मॉडल विश्लेषण के नजरिए से जो महत्वपूर्ण है वह यह नहीं है कि कौन सी संख्या "सही" है। जो महत्वपूर्ण है वह यह है कि Goldman के अध्ययन में मुख्य संचालन में एकीकरण का 14%, यहां तक कि सबसे ग्रहणशील जनसंख्या के बीच, आज अपनाने की वास्तविक सीमा को उजागर करता है। तीन-चौथाई किसी न किसी AI टूल का उपयोग करते हैं, लेकिन केवल एक छोटा अंश इसे एक ऐसे घटक में बदला है जो व्यवसाय के संचालन के तरीके को संशोधित करता है। बाकी एक परिधीय प्रयोग क्षेत्र में हैं जो सीमांत सुधार तो पैदा करता है लेकिन काम की संरचना को नहीं बदलता।
JPMorgan Chase Institute ने इस गतिशीलता को दूसरे कोण से दर्ज किया। 2019 से 2025 के बीच व्यावसायिक बैंक खातों के लेनदेन डेटा का उपयोग करते हुए, उसने दर्ज किया कि छोटे व्यवसायों के बीच AI सेवाओं के लिए भुगतान 2019 में लगभग 50 डॉलर प्रति माह से बढ़कर 2025 में 20-30 डॉलर प्रति माह तक कैसे पहुंचा — यह संकेत देता है कि प्रवेश की लागत पहुंच को व्यापक बनाने के लिए पर्याप्त रूप से गिर गई। इसने यह भी पाया कि AI का उपयोग करने वाली फर्में समय के साथ अधिक सेवाओं और अधिक प्रकार की सेवाओं के लिए भुगतान करती हैं, जो सुझाता है कि जो लोग प्रवेश करते हैं वे समेकित होते हैं, छोड़ते नहीं। लेकिन कर्मचारियों वाली और बिना कर्मचारियों वाली कंपनियों के बीच, और ज्ञान-गहन क्षेत्रों बनाम शारीरिक श्रम-गहन क्षेत्रों के बीच की खाई बनी हुई है, बिना कीमतों में गिरावट ने इसे बंद किए।
यह कुछ ऐसी बात की पुष्टि करता है जो केवल अपनाने के आंकड़े नहीं कहते: बाधा मुख्य रूप से लागत नहीं है। यह एकीकरण की क्षमता है।
छोटे व्यवसायों के लिए टूल्स का बाजार प्रतिस्पर्धी स्थिति के क्षेत्र के रूप में
उस एकीकरण की खाई के प्रति तकनीक प्रदाताओं की प्रतिक्रिया की अपनी स्थिति-निर्धारण तर्क है, और इसे विखंडित करना उचित है क्योंकि यह उजागर करता है कि कौन कौन सा दांव लगा रहा है और प्रत्येक में क्या अंतर्निहित समझौता है।
Microsoft और Google ने कम घर्षण का रास्ता अपनाया: AI क्षमताओं को सीधे उन उत्पादों में एकीकृत करना जिन्हें छोटे व्यवसाय पहले से ही उपयोग करते हैं। Microsoft 365 के भीतर Copilot और Google Workspace के भीतर Gemini इस बात पर दांव हैं कि अपनाने का सबसे अच्छा वेक्टर किसी व्यवसाय मालिक को एक नया टूल अपनाने के लिए मनाना नहीं है, बल्कि यह है कि जो टूल वे हर दिन खोलते हैं उसमें अधिक क्षमता हो। यह एक वितरण रणनीति है जो उपयोगकर्ता अधिग्रहण की लागत को कम करती है और मौजूदा सदस्यता के कथित मूल्य को बढ़ाती है। इसमें जो समझौता है वह गहराई है: व्यवसाय के सभी कार्यों में क्षैतिज एकीकरण प्रत्येक प्रकार की कंपनी की विशिष्ट जरूरतों में विशेषज्ञता को कठिन बनाता है।
Intuit, HubSpot और Zapier एक अन्य मॉडल का प्रतिनिधित्व करते हैं: ऐसे प्लेटफॉर्म जिन्होंने विशिष्ट कार्यों (लेखांकन, CRM, वर्कफ्लो स्वचालन) में वर्षों तक छोटे व्यवसायों की सेवा की है और जो उन उपयोग के मामलों पर AI की परतें शामिल कर रहे हैं जिन्हें वे पहले से अच्छी तरह समझते हैं। यहाँ संरचनात्मक लाभ संदर्भ का ज्ञान है: एक लेखांकन कंपनी जो पहले से लाखों छोटे व्यवसायों के वित्तीय डेटा को प्रोसेस करती है, उसके पास ऐसे एजेंटों को प्रशिक्षित करने की विशेषाधिकार प्राप्त स्थिति है जो नकदी प्रवाह के वास्तविक पैटर्न या जोखिम अलर्ट को समझते हों। इसमें जो समझौता है वह गति है: ग्राहकों द्वारा पहले से उपयोग की जाने वाली चीज़ों को तोड़े बिना AI तर्क के साथ समेकित प्लेटफॉर्म को नवीनीकृत करना एक धीमी प्रक्रिया है।
Anthropic ने इस सप्ताह Claude for Small Business के लॉन्च के साथ एक अधिक स्पष्ट स्थिति-निर्धारण निर्णय लिया, जो इस खंड में सामान्य कार्यों के लिए विशेष रूप से डिज़ाइन किए गए वर्कफ्लो, कौशल और एकीकरण का एक पैकेज है। इस दांव की दिलचस्प बात उत्पाद नहीं है, बल्कि यह है कि यह उजागर करता है कि Anthropic को कहाँ बाधा नजर आती है। Anthropic में MSME के लिए बाजार प्रमुख Lina Ochman के अनुसार, इस खंड के लगभग 32% कर्मचारियों को नहीं पता कि AI का उपयोग कैसे या कब करना है, और 64% बुनियादी चैटबॉट से आगे उन एजेंटों की ओर जाना चाहते हैं जो पूर्ण वर्कफ्लो प्रबंधित करें, लेकिन उनके पास वहाँ पहुंचने का कोई स्पष्ट रास्ता नहीं है।
वह पठन उत्पाद को परिभाषित करता है: यदि समस्या कीमत या उपलब्धता नहीं बल्कि एक परिचालन आवश्यकता को AI टूल के लिए निर्देश या वर्कफ्लो में अनुवाद करने की क्षमता है, तो समाधान उपयोग के मामले और कार्यान्वयन के बीच की दूरी को कम करना है। पूर्व-डिज़ाइन किए गए वर्कफ्लो एकीकरण टेम्पलेट के रूप में काम करते हैं, कोड के रूप में नहीं। Anthropic का दांव यह है कि सबसे मूल्यवान खंड वह छोटा व्यवसाय नहीं है जो पहले से एजेंट बनाना जानता है, बल्कि वह है जो ऐसा करना चाहता है लेकिन यह नहीं जानता कि कहाँ से शुरू करे।
उस दांव में जो अंतर्निहित समझौता है वह स्पष्ट है: पूर्व-डिज़ाइन किए गए वर्कफ्लो सबसे सामान्य उपयोग के मामलों के लिए अच्छी तरह काम करते हैं और विशिष्ट मामलों में सटीकता खो देते हैं। एक कंपनी जिसे समुद्री परिवहन शुल्क विवादों के प्रबंधन को स्वचालित करने की जरूरत है — जैसे मूल लेख में प्रलेखित Rebel Cheese का मामला — वह एक सामान्य पैकेज से इसे हल नहीं करने वाली। उसे कुछ कस्टम-निर्मित करना होगा, और वह प्रक्रिया तकनीकी क्षमता उपलब्ध होने के बावजूद महीनों तक चली। Anthropic जिस खंड को प्राथमिकता देने का चुनाव कर रहा है वह वह है जिसे 80% समाधान की जरूरत है, न कि उसे जिसे 100% समाधान की जरूरत है।
वास्तविक एकीकरण में समय लगता है, न केवल पैसा, और यह व्यवहार्यता विश्लेषण को बदलता है
Rebel Cheese का मामला — Fast Company के लेख में उल्लिखित Austin की वीगन चीज़ कंपनी — छोटे व्यवसाय के लिए मुख्य संचालन में AI एकीकरण का क्या अर्थ है, इस पर एक सटीक संदर्भ बिंदु के रूप में कार्य करता है। सह-संस्थापक ने पहचाना कि कंपनी परिवाहकों के अत्यधिक शुल्कों में प्रति माह लगभग 50,000 डॉलर का भुगतान कर रही थी। उन्होंने Claude का उपयोग समस्या का निदान करने और Manus नामक एजेंट ऑर्केस्ट्रेशन टूल का उपयोग करके एक स्वचालित विवाद प्रणाली डिज़ाइन करने के लिए किया। प्रक्रिया में महीनों लगे, इसमें कई पुनरावृत्तियां शामिल थीं, और इसे परखने और समायोजित करने के लिए उनकी ओर से महत्वपूर्ण समय की आवश्यकता थी।
संभावित परिणाम पर्याप्त है: प्रति माह 50,000 डॉलर की वसूली किसी भी छोटे व्यवसाय की वित्तीय संरचना में एक भौतिक अंतर है। लेकिन वहाँ पहुंचने की लागत केवल Claude की सदस्यता की कीमत नहीं थी। यह एक संस्थापक का समय था जिनके पास संभवतः एक साथ दर्जनों अन्य जिम्मेदारियां थीं, पुनरावृत्ति प्रक्रिया के दौरान मध्यवर्ती विफलताओं को आत्मसात करने की क्षमता, और समझने के लिए पर्याप्त तकनीकी साक्षरता कि वे क्या बना रही थीं।
यही वह बिंदु है जिसे अपनाने के समग्र डेटा अच्छी तरह से नहीं पकड़ते। जब Goldman द्वारा सर्वेक्षण किए गए 14% छोटे व्यवसाय कहते हैं कि उन्होंने AI को अपने मुख्य संचालन में एकीकृत किया है, तो उस संख्या में वे कंपनियां शामिल हैं जिन्होंने Rebel Cheese ने जो किया वैसा ही किया और जिनके प्रोफ़ाइल शायद समान हैं: तकनीकी अनुभव वाले संस्थापक या समय और पुनरावृत्ति में निवेश करने की इच्छाशक्ति वाले। बाकी 75% जो "AI का उपयोग करते हैं" वे मुख्य रूप से सामग्री निर्माण, सारांश या ईमेल सहायकों के क्षेत्र में हैं: वास्तविक मूल्य वाले अनुप्रयोग लेकिन जो व्यवसाय के यांत्रिकी को नहीं बदलते।
उन दो प्रकार के उपयोग के बीच की दूरी केवल अधिक सुलभ टूल्स से बंद नहीं होती। यह समय से, परिचालन समस्याओं को स्वचालन संरचनाओं में अनुवाद करने की क्षमता से, और मध्यवर्ती विफलता के प्रति सहनशीलता से बंद होती है। 3.6 करोड़ छोटे व्यवसायों के ब्रह्मांड में इन तीनों चीजों के बहुत अलग-अलग वितरण हैं। खंड की बड़ी कंपनियां, अधिक कर्मचारियों और अधिक संसाधनों के साथ, तीनों में से अधिक हैं। 5 से कम लोगों वाले सूक्ष्म उद्यमों के पास कम हैं।
इसके उन उत्पादों का मूल्यांकन करने के तरीके पर निहितार्थ हैं जो इस खंड को लक्षित करते हैं। Claude for Small Business का एक पूर्व-डिज़ाइन वर्कफ्लो उस व्यक्ति के लिए तकनीकी बाधा को समाप्त कर सकता है जो जानता है कि उसे क्या चाहिए। यह उसकी समस्या हल नहीं करता जो अभी भी यह नहीं बता सकता कि उसे क्या चाहिए ऐसे शब्दों में जिसे AI टूल निष्पादित कर सके। और वह दूसरी बाधा, Anthropic के अपने डेटा के अनुसार, वह है जो खंड में 32% कर्मचारियों को रोकती है।
छोटा खंड पैमाने की नहीं, डिज़ाइन की समस्या है
इस चित्र से जो उभरता है वह देर से अपनाने की कहानी नहीं है जो कीमतें गिरने और टूल्स के बेहतर होने के साथ अपने आप हल हो जाएगी। यह एक ऐसे खंड की संरचनात्मक विविधता की कहानी है जिसका विश्लेषण एकसमान मानने की प्रवृत्ति रखता है।
छोटे व्यवसायों के ब्रह्मांड में एक अपनाने की वक्र नहीं है, बल्कि कई समानांतर वक्र हैं जो मौलिक रूप से अलग-अलग क्षमताओं, प्रोत्साहनों और घर्षणों वाले उप-बाजारों के अनुरूप हैं। पांच कर्मचारियों और पूरी तरह से डिजिटल संचालन वाली एक ई-कॉमर्स कंपनी का एक मध्यम आकार की तकनीकी कंपनी के साथ दो लोगों की स्थानीय बढ़ईगीरी दुकान की तुलना में अधिक समानता है। उन पर एक ही अपनाने का विश्लेषण या एक ही उत्पाद लागू करने का कोई संरचनात्मक आधार नहीं है।
इस खंड में स्थिति बना रहे प्रदाता वे हैं जिन्होंने यह चुना कि वे किसे बेचते हैं, इतनी सटीकता के साथ कि उचित प्रस्ताव तैयार कर सकें। Microsoft और Google उसे बेचते हैं जो पहले से उनके बुनियादी ढांचे पर है। Intuit उसे बेचता है जो पहले से उनके प्लेटफॉर्म का उपयोग करता है। Anthropic, Claude for Small Business के साथ, एक विशिष्ट खंड पर दांव लगा रहा है: पर्याप्त डिजिटलीकरण वाली कंपनियां जिनके पहचाने जा सकने वाले वर्कफ्लो हों, लेकिन शुरुआत से स्वचालन बनाने के लिए समय या तकनीकी स्टाफ न हो।
वह अंतर्निहित समझौता — 3.6 करोड़ कंपनियों के 100% बाजार को पकड़ने की कोशिश न करना बल्कि अवशोषण क्षमता और स्पष्ट उपयोग के मामले द्वारा परिभाषित एक खंड — ठीक वही है जो उत्पाद को रीढ़ की हड्डी देता है। सभी छोटे व्यवसायों के लिए एक सामान्य पैकेज को इतना सरल होना पड़ता कि जटिल समस्याएं हल नहीं होतीं, या इतना लचीला होना पड़ता कि शुरुआत से बनाने जितनी ही विशेषज्ञता की जरूरत पड़ती।
जिस नोड का अभी तक कोई स्पष्ट समाधान नहीं है वह सबसे छोटा और सबसे पारंपरिक खंड है: श्रम-गहन क्षेत्रों में 5 से कम लोगों वाले व्यवसाय, बिना समेकित डिजिटल बुनियादी ढांचे के, जहाँ NFIB का 25% अपनाने का आंकड़ा शायद परिचालन उपयोग को अधिक आंकता है। उस खंड के लिए, बाधा पारंपरिक अर्थ में तकनीकी या आर्थिक नहीं है। यह ध्यान की सघनता का सवाल है: जो मालिक एक साथ पांच भूमिकाएं निभाता है उसके पास नए सिस्टम के साथ प्रयोग करने के लिए संज्ञानात्मक स्थान नहीं है, भले ही प्रवेश की लागत 25 डॉलर प्रति माह हो।
किसी भी बड़े प्रदाता के पास आज उस खंड के लिए संरचनात्मक रूप से ठोस उत्तर नहीं है, और यह सवाल कि क्या यह उत्तर देने योग्य है, इस बात पर निर्भर करता है कि उत्पाद की अर्थव्यवस्था उस अधिग्रहण और समर्थन लागत को वहन कर सकती है या नहीं जिसकी जरूरत होगी। अभी के लिए, जो बाजार सबसे तेज़ गति से विकसित हो रहा है — छोटी लेकिन डिजिटल रूप से परिपक्व कंपनियों का — उसका आकार पहले से हो रही प्रतिस्पर्धा को उचित ठहराने के लिए पर्याप्त है। अधिक पारंपरिक खंड कुछ समय के लिए — जिसका अनुमान लगाना कठिन है — एक व्यावसायिक उत्पाद की समस्या के बजाय सार्वजनिक नीति की समस्या बना रहेगा।
