जो कंपनियाँ लागत घटाने के लिए AI का उपयोग कर रही हैं, वे पिछले एक दशक के सबसे बड़े मूल्यांकन अवसर को गँवा रही हैं
अधिकारी AI के बारे में जो कहते हैं और उनके संगठन उसके साथ जो वास्तव में करते हैं, उनके बीच एक खाई है। यह ज्ञान की खाई नहीं है। यह रणनीतिक ध्यान की खाई है, और इसकी एक कीमत है जिसे बहुत कम बोर्डों ने ईमानदारी से आँका है।
धन प्रबंधन क्षेत्र के अधिकारियों के साथ एक हालिया गोलमेज बैठक में, Wharton के एक शोध-पत्र के लेखकों ने एक सीधा सवाल रखा: यदि तीन वर्षों में हम दो समान कंपनियों की तुलना करें — एक जिसने AI का भरपूर लाभ उठाया और दूसरी जिसने नहीं उठाया — तो पहली कंपनी कितनी अधिक मूल्यवान होगी? औसत उत्तर था 2.35 गुना, यानी कंपनी के मूल्य में 135% की वृद्धि। एक ऐसा आँकड़ा जिसे प्रतिभागियों ने स्वयं उचित माना। समस्या तुरंत बाद उभरी, जब उनसे पूछा गया कि वे वास्तव में AI में कहाँ निवेश कर रहे हैं। उत्तर लगभग एकमत था: दक्षता में। कई ने स्वीकार किया कि उन्होंने कभी गंभीरता से AI को राजस्व वृद्धि से नहीं जोड़ा था।
यह दृष्टि की समस्या नहीं है। यह निर्णय-संरचना की समस्या है।
जब दक्षता की सीमा एक रणनीतिक सीमा बन जाती है
लागत कम करने के लिए AI का उपयोग करने के तर्क को अनुभवजन्य समर्थन प्राप्त है। एक सॉफ्टवेयर कंपनी में बड़े पैमाने पर किए गए एक यादृच्छिक परीक्षण में पाया गया कि जेनरेटिव AI पर आधारित एक ग्राहक सेवा उपकरण ने एजेंटों की उत्पादकता में 10% से अधिक की वृद्धि की। लगभग 5,000 डेवलपर्स के साथ किए गए एक अलग अध्ययन में 25% से अधिक लाभ दिखा। धन प्रबंधन में, AI ग्राहक onboarding के हफ्तों को दिनों में सिकोड़ सकती है, और सलाहकारों को बैठकों की तैयारी और अनुवर्ती कार्रवाई में सहायता कर सकती है। ये वास्तविक परिणाम हैं।
लेकिन एक ऐसा गणित है जिसे दक्षता के मॉडल नहीं पार कर सकते। उदार मान्यताओं के तहत, यदि किसी कंपनी की लागत आधार का 50% AI सुधारों के लिए उपयुक्त है, और AI औसतन उन लागतों को 10% कम कर देती है, तो खर्चों पर कुल प्रभाव लगभग 5% है। एक प्रतिनिधि धन प्रबंधन कंपनी पर लागू करने पर, यह मूल्य में लगभग 10% की वृद्धि देता है। यह नगण्य नहीं है। लेकिन यह उस 135% से खगोलीय दूरी पर है जिसे उन्हीं अधिकारियों ने प्राप्त करने योग्य माना था।
इसका कारण संरचनात्मक है, परिस्थितिजन्य नहीं। लागतों की एक निचली सीमा होती है: शून्य। राजस्व की कोई ऊपरी सीमा नहीं है। और पूंजी बाजार कंपनियों को मुख्य रूप से इस आधार पर नहीं आँकते कि वे आज क्या कमाती हैं, बल्कि इस आधार पर आँकते हैं कि भविष्य में उनसे क्या कमाने की उम्मीद है। निवेशक जो प्रीमियम निरंतर विकास की अपेक्षाओं को देते हैं वह खर्च अनुकूलन को दिए जाने वाले प्रीमियम से असमान रूप से बड़ा है। एक धन प्रबंधन कंपनी जो सालाना 5% की दर से जैविक रूप से बढ़ती है, उस समान कंपनी की तुलना में लगभग 50% अधिक मूल्यवान है जो 3% की दर से बढ़ती है। जो 7% की दर से बढ़ती है वह 122% अधिक मूल्यवान है। ये संख्याएँ आशावादी अनुमानों से नहीं निकलती हैं: ये सीधे इस बात का परिणाम हैं कि जब क्षितिज पर निरंतर वृद्धि हो तो बाजार आय पर गुणकों की गणना कैसे करते हैं।
इसका तात्पर्य यह है कि जैविक विकास दर में मात्र दो प्रतिशत अंक की वृद्धि — ऐतिहासिक रूप से उच्च प्रदर्शन करने वाली कंपनियों के लिए कुछ मामूली — आय के बढ़ने से पहले ही कंपनी के मूल्य में 50% की वृद्धि कर सकती है। चार अंक की वृद्धि उस मूल्य को दोगुना कर सकती है। उन परिमाणों के सामने, परिचालन लागत में बचत एक द्वितीयक क्रम का तर्क बन जाती है।
वह प्रयोग जो वृद्धि के तंत्र को प्रदर्शित करता है
जो अब तक अमूर्त लग सकता है उसे ठोस बनाने के लिए, शोधकर्ताओं ने धन प्रबंधन कंपनियों के साथ एक विशिष्ट अनुप्रयोग पर काम किया: LinkedIn पर प्रत्यक्ष विपणन अभियान, जो उच्च-स्तरीय अधिकारियों और MSME मालिकों को लक्षित करते थे। यह दृष्टिकोण पारंपरिक नहीं था।
उन्होंने जो उपयोग किया उसे "वर्चुअल वैज्ञानिक" कहा गया: AI प्रणालियाँ जिन्हें विज्ञापन के दर्जनों वैकल्पिक अवधारणाएँ उत्पन्न करने और फिर लॉन्च से पहले यह पहचानने के लिए लक्षित दर्शकों की प्रतिक्रिया का अनुकरण करने के लिए निर्देशित किया गया था कि कौन से बेहतर प्रदर्शन करेंगे। विजेता विज्ञापनों के लिए क्लिक-थ्रू दरों में अनुमानित वृद्धि 2.7 से 3.5 गुना के बीच रही। जब वे विज्ञापन वास्तविक क्षेत्र में प्रकाशित किए गए, तो औसत वृद्धि 3.2 गुना रही।
प्रासंगिक प्रश्न यह नहीं है कि वह संख्या प्रभावशाली है या नहीं। प्रश्न यह है कि यह कंपनी के मूल्य के साथ क्या करती है। एक ऐसी कंपनी की कल्पना करें जिसकी आधार जैविक विकास दर 3% है, जो तीन चैनलों के बीच लगभग समान रूप से वितरित है: सलाहकार नेटवर्क, custodians से संपर्क खरीदना, और प्रत्यक्ष विपणन। यदि प्रत्यक्ष विपणन चैनल उस दर के एक प्रतिशत अंक का प्रतिनिधित्व करता है और AI इसे तिगुना कर देती है, तो वह चैनल तीन प्रतिशत अंक का योगदान करने लगता है। कुल जैविक विकास दर 3% से बढ़कर 5% हो जाती है, और केवल उस एक कदम से कंपनी का मूल्य लगभग 50% बढ़ जाता है।
अब मान लीजिए कि उन परिणामों से उत्साहित होकर, कंपनी उस बजट को पुनर्निर्देशित करती है जो वह पहले संपर्क खरीदने पर खर्च करती थी — एक महंगा स्रोत जिसमें घटते रिटर्न हैं — प्रत्यक्ष विपणन चैनल की ओर, जिसने अभी-अभी वास्तविक कर्षण प्रदर्शित किया है। जैविक विकास दर 7% तक उछल जाती है। कंपनी का मूल्य आधार रेखा की तुलना में दोगुने से भी अधिक हो जाता है।
यह कोई प्रयोगशाला प्रयोग नहीं है। यह उस तंत्र का प्रदर्शन है जिसके द्वारा AI संसाधनों का आवंटन यह निर्धारित करता है कि कोई कंपनी दक्षता के वादे किए 10% मूल्य को पकड़ती है या वृद्धि के वादे किए 100%+ को।
वह असमानता जो अधिकांश बोर्ड नहीं देख रहे
इस बात से भी अधिक परेशान करने वाला यह है कि कंपनियाँ वृद्धि के लिए AI में कम निवेश कर रही हैं। यह है कि प्रतिस्पर्धा की गतिशीलता समय के साथ उस अंतर को पाटना और कठिन बना देगी।
AI द्वारा आज उत्पन्न मार्केटिंग लाभ — वह 3.2 गुना क्लिक दर में — जैसे-जैसे अधिक कंपनियाँ समान उपकरण अपनाएंगी, संकुचित होते जाएंगे। उन परिणामों से मूल्यांकन गुणकों को कैप्चर करने की खिड़की सीमित है। जो उतनी ही गति से नहीं सिकुड़ता वह वृद्धि के स्रोत हैं जो संबंधात्मक गहराई पर निर्भर हैं: मौजूदा ग्राहकों के पोर्टफोलियो में हिस्सेदारी बढ़ाना, वित्तीय सलाह की गुणवत्ता में सुधार करना, सलाहकारों और ग्राहक प्रोफाइल के बीच बेहतर संरेखण के माध्यम से बिक्री चक्रों को छोटा करना। इन उत्तोलकों की नकल करना अधिक कठिन है क्योंकि इनके लिए संदर्भ, विश्वास और मालिकाना डेटा के संचय की आवश्यकता होती है।
जो कंपनियाँ पहले निरंतर जैविक वृद्धि का आधार बनाती हैं, उनके पास एक द्वितीयक लाभ भी होता है जिसे कुछ रणनीतिक विश्लेषण मॉडल स्पष्ट रूप से पकड़ते हैं: उच्च मूल्यांकन गुणक अधिग्रहण की मुद्रा बन जाते हैं। उच्च गुणक वाली कंपनी अपने शेयरधारकों के लिए कम dilution के साथ कम गुणक वाले प्रतिस्पर्धियों का अधिग्रहण कर सकती है। दक्षता वह प्रभाव उत्पन्न नहीं करती। निरंतर वृद्धि करती है।
यह तर्क धन प्रबंधन से परे फैला हुआ है। कोई भी क्षेत्र जहाँ निवेशक निरंतर जैविक वृद्धि को महत्व देते हैं — कानूनी सेवाओं से लेकर स्वास्थ्य तक, शिक्षा से लेकर सॉफ्टवेयर प्लेटफार्मों तक — उसी असमानता का सामना करता है: मूल्यांकन पर वृद्धि का गुणक प्रभाव लागत कटौती के प्रभाव को व्यापक रूप से पार करता है। जो कंपनियाँ इसे पहले पहचानती हैं वे न केवल तेजी से बढ़ती हैं: वे अगले कुछ वर्षों के लिए क्षेत्र की प्रतिस्पर्धी संरचना को परिभाषित करने की स्थिति में खुद को रखती हैं।
दक्षता कार्यक्रम पर निर्भरता और मौन संरचनात्मक भंगुरता
एक ऐसा आयाम है जिसे वित्तीय विश्लेषण पूरी तरह से नहीं पकड़ता, और जो एक संगठनात्मक दृष्टिकोण से उतना ही महत्वपूर्ण है जितने कि आँकड़े। जो संगठन अपनी AI एजेंडा को मुख्य रूप से दक्षता की ओर निर्देशित करते हैं, वे रूढ़िवादी नहीं हो रहे। वे एक ऐसे प्रकार के रिटर्न पर एक संरचनात्मक निर्भरता बना रहे हैं जिसकी एक सीमा है, ऐसे समय में जब बाजार बड़े पैमाने पर दूसरे प्रकार के रिटर्न को पुरस्कृत कर रहा है जिसकी कोई सीमा नहीं है।
यह एक विशेष प्रकार की भंगुरता पैदा करता है: एक कर्जदार या नकारात्मक मार्जिन वाली कंपनी की दृश्यमान भंगुरता नहीं, बल्कि एक ऐसी प्रणाली की भंगुरता जो अपने स्वयं के मापदंडों के भीतर अच्छी तरह से काम करती है और इसीलिए उन्हें बदलने की कोई तात्कालिकता महसूस नहीं करती। लागतें घटती हैं, प्रक्रियाएँ सुधरती हैं, रिपोर्टें प्रगति दिखाती हैं। लेकिन जैविक विकास दर नहीं बदलती, और मूल्यांकन गुणक भी नहीं।
जाल टीमों की अक्षमता में नहीं है और न ही तकनीकी प्रतिभा की कमी में है। यह इस बात में है कि दक्षता कार्यक्रम में स्पष्ट मेट्रिक्स हैं, फीडबैक के छोटे चक्र हैं और अच्छी तरह से परिभाषित आंतरिक हितधारक हैं। AI के माध्यम से वृद्धि के कार्यक्रम में क्षेत्र में प्रयोग की आवश्यकता होती है, उन परिणामों के प्रति सहिष्णुता जो प्रारंभिक परिकल्पनाओं की पुष्टि नहीं करते, और स्थापित चैनलों से अभी-परीक्षण-में-हैं क्षमताओं की ओर बजट को पुनर्वितरित करने की इच्छा। कई संगठनों के लिए, वह पुनर्वितरण प्रौद्योगिकी से नहीं टकराता। यह शासन से, क्षेत्र-विशिष्ट प्रोत्साहनों से और उस गति से टकराता है जिस पर समितियाँ उन प्रयोगों को मंजूरी देती हैं जो मौजूदा बजटीय श्रेणियों में फिट नहीं बैठते।
Wharton शोध-पत्र के लेखक इसे अवशोषण क्षमता कहते हैं: वह डिग्री जिस तक किसी संगठन के लोग, शासन प्रक्रियाएँ और कार्यप्रवाह नई तकनीक को शामिल कर सकते हैं और उस पर कार्य कर सकते हैं। कई कंपनियों के लिए, AI को वृद्धि में बदलने की पहली वास्तविक बाधा बेहतर उपकरण बनाना नहीं है। यह उन आंतरिक अड़चनों को दूर करना है जो मौजूदा उपकरणों को पैमाने पर प्रभावी ढंग से उपयोग किए जाने से रोकती हैं।
संरचनात्मक रूप से सबसे परिपक्व संगठन जरूरी नहीं कि वे हों जिनके पास सबसे परिष्कृत तकनीकी टीमें हैं। वे वे हैं जिन्होंने क्षेत्र के साक्ष्य — जैसे कि LinkedIn प्रयोग — को लेने और प्रतिस्पर्धात्मक लाभ की खिड़की बंद होने से पहले इसे संसाधन पुनर्वितरण के निर्णय में बदलने की संस्थागत क्षमता बनाई है। वह क्षमता एक डिजिटल परिवर्तन परियोजना के साथ स्थापित नहीं होती। यह इस बारे में बार-बार किए गए निर्णयों के साथ बनती है कि रणनीतिक ध्यान कैसे आवंटित किया जाता है, सफलता को क्या मापा जाता है और जब डेटा इसे उचित ठहराए तो बजट को पुनर्निर्देशित करने का अधिकार किसके पास है।
जो कंपनियाँ आज मुख्य रूप से लागत कम करने के लिए AI का उपयोग कर रही हैं, वे पूर्ण अर्थ में एक गलत निर्णय नहीं ले रही हैं। वे वह निर्णय ले रही हैं जो उनकी शासन संरचनाएँ, उनके प्रोत्साहन प्रणालियाँ और उनके रिपोर्टिंग चक्र लेना आसान बनाते हैं। समस्या यह है कि उस आसानी की एक कीमत है जो किसी भी वर्तमान आय विवरण में प्रकट नहीं होती, लेकिन तीन वर्षों में तुलनात्मक मूल्यांकन गुणकों में जरूर प्रकट होगी।
