जेपी मोर्गन ने AI के लिए लक्ष्यों को निर्धारित किया और वित्तीय क्षेत्र के लिए एक महत्वपूर्ण मैनुअल का खुलासा किया
एक कंपनी जो artificial intelligence (AI) रखती है और एक कंपनी जो इसके उपयोग को मापनीय लक्ष्यों के साथ प्रबंधित करती है, में बड़ा अंतर है। जेपी मोर्गन ने हाल ही में यह साबित किया है कि वह दूसरी श्रेणी में आती है, और यह बिंदु सब कुछ बदल देता है।
बिजनेस इनसाइडर द्वारा देखे गए आंतरिक दस्तावेजों में खुलासा हुआ है कि बैंक ने सुनिश्चित किया है कि उसके सॉफ़्टवेयर इंजीनियर AI उपकरणों का उपयोग करते समय ठोस लक्ष्य प्राप्त करें। यह न तो एक आंतरिक संचार अभियान है और न ही एक प्रयोगात्मक पायलट। यह ऐसे प्रदर्शन प्रणाली है जो सीधे उन संकेतकों में AI को एकीकृत करता है जिनके माध्यम से डेवलपर्स का आकलन किया जाता है। स्पष्ट संकेत यह है कि जेपी मोर्गन में AI का उपयोग अब वैकल्पिक या आकांक्षात्मक नहीं है। यह काम का हिस्सा है।
यह संस्था को एक ऐसे मोड़ पर रखता है जो बहुत कम वित्तीय संगठन प्राप्त कर पाते हैं या बनाए रख पाते हैं।
प्रभावशीलता को अंत में बदलने वाली जाल
जब जेपी मोर्गन जैसी बड़ी संगठन —जिसके पास हजारों इंजीनियर विश्व स्तर पर फैले हुए हैं— तकनीकी गोद लेने के लक्ष्यों को औपचारिक रूप से स्थापित करने का निर्णय लेते हैं, तो सबसे तात्कालिक जोखिम तकनीकी नहीं है। यह संगठनात्मक डिजाइन का जोखिम है।
परिणामस्वरूप, यह इस आशा पर निर्भर करता है कि यदि प्रत्येक इंजीनियर अधिक कोड, अधिक स्वचालित परीक्षण और समय में अधिक पूर्ण चक्र प्राप्त करते हैं, तो दी गई कोड की प्रति मूल्य कम हो जाएगी। सॉफ़्टवेयर विकास की इकाई अर्थव्यवस्था संकुचित हो रही है। यह एक कंपनी के लिए जो हर साल प्रौद्योगिकी पर अरबों खर्च करती है, ऑपरेटिंग मार्जिन पर सीधा प्रभाव डालता है।
लेकिन इस गणना में एक अदृश्य तंत्र है जिसे अक्सर नजरअंदाज किया जाता है। जब लक्ष्य प्राप्ति गति के चारों ओर डिजाइन किए जाते हैं, तो जो मीटर बाहर रहता है वह है गुणवत्ता का मानदंड। एक इंजीनियर जो AI सहायता प्राप्त कार्यों को पूरा करता है, वह एक ही समय में आर्किटेक्चर के निर्णयों को सौंप रहा हो सकता है जिन्हें किसी मॉडल को अकेले नहीं लेना चाहिए। बिना सक्रिय निगरानी के तेजी से उत्पादन मूल्य को नहीं बढ़ाता है; यह गलती की मात्रा को बढ़ाता है।
जेपी मोर्गन की असली चुनौती यह नहीं है कि उसके इंजीनियर उपकरणों का उपयोग करें। यह सुनिश्चित करने के लिए है कि लक्ष्य इस तरह डिज़ाइन किए गए हैं कि उपकरण पेशेवर के निर्णय को मजबूत करें, न की उसे प्रतिस्थापित करें। अगर संकेतक केवल मात्रा के उत्पाद को मापते हैं - कितने कार्य, कितने कमिट, कितने चक्र समाप्त - तो प्रोत्साहन प्रणाली तेजी से उत्पादन करने वाली स्वचालन की ओर धकेलेगी लेकिन गहराई के बिना। यह ठीक वही है जो जेपी मोर्गन जैसी प्रणालीगत संस्था अपने महत्वपूर्ण प्रणाली में सहन नहीं कर सकती।
यह कदम बैंक से आगे क्यों महत्वपूर्ण है
जिस चीज को जेपी मोर्गन लागू कर रहा है, वह शून्य में नहीं हो रहा है। यह AI के गोद लेने में परिपक्वता के एक चरण का संस्थागत दिखावा है जिसका सामना पूरे वित्तीय क्षेत्र को अगले 24 से 36 महीनों में करना होगा। और अधिकांश इसके प्रबंधन के लिए तैयार नहीं हैं।
पिछले दो वर्षों में, उद्योग ने निराशा के चरण का स्वाद चखा है: AI का वादा वास्तविक उत्पादन में मापनीय परिणामों से कहीं अधिक हो गया है। डेमो ने प्रभावित किया, पायलट साधारण थे, और कई संगठनों ने इस बात को भ्रमित किया कि उनके पास उपकरण होने का अर्थ यह नहीं है कि वे अपने कार्य प्रवाह में इसे एकीकृत कर सकते हैं। जेपी मोर्गन कुछ अलग कर रहा है: यह गहरा परिवर्तन कर रहा है जो इसे अगली प्रतिस्पर्धी परिभाषा में लायक बनाता है, जहां प्रौद्योगिकी अब एक प्रयोगात्मक संपत्ति नहीं है।
इस संक्रमण का तीन प्रकार के अभिनेताओं पर सीधा प्रभाव पड़ता है। मीडियम बैंकों के लिए जिनके पास विरासत तकनीकी संरचनाएं हैं, उत्पादकता में अंतर उन संस्थाओं के साथ तेजी से बढ़ सकता है जिनके पास पहले से ही अवसर प्राप्त करने का ढांचा है। तकनीकी परामर्श फर्मों के लिए जो बिना अधिग्रहण मेट्रिक्स के AI लागू करते हैं, उनके कारोबार का मॉडल समाप्ति की तारीख पर है। और सॉफ़्टवेयर विशेषज्ञों के लिए, किसी भी क्षेत्र से संबंधित, श्रम बाजार अब उन विशेषज्ञों के बीच विभाजित हो रहा है जो जानबूझकर AI के साथ काम कर सकते हैं और जो केवल इसके साथ सह-अस्तित्व में हैं।
कम मूल्य वाली सॉफ़्टवेयर विकास का कमोडिटाइजेशन पहले से ही हो रहा है। सामान्य कोडिंग, दस्तावेजीकरण, और मानक कोड संशोधन की नियमित कार्यों को मॉडल द्वारा निगल लिया जा रहा है। जो उच्च बाजार मूल्य के साथ बचता है वह जटिल सिस्टम को डिज़ाइन करने की क्षमता, अनिश्चितता के तहत आर्किटेक्चर निर्णय लेने की क्षमता, और विशेषज्ञता के साथ मॉडल के आउटपुट की निगरानी करने की क्षमता है। यह किसी प्रॉम्प्ट को सौंपा नहीं जा सकता।
वो असली संकेतक जिसे कोई नहीं माप रहा है
एक प्रश्न जो जेपी मोर्गन के आंतरिक दस्तावेजों में है, वह सार्वजनिक रूप से उत्तर नहीं दिया गया है: क्या एक इंजीनियर AI का उपयोग बेहतर सोचने के लिए कर रहा है, या केवल तेज़ी से उत्पादन करने के लिए?
यह अंतर नैतिक नहीं है। इसका बैंकों द्वारा उत्पादन में प्रणाली की गुणवत्ता पर प्रत्यक्ष प्रभाव है, उनके नेतृत्व की क्षमताओं में खामियों को पहचानने की, जिनके बुनियादी विश्वास को लेकर कम सटीकता है और दीर्घकालिक गुणवत्ता रेखा के विकास पर।
वे संगठनों जो पहले इस मापने की समस्या को हल करेंगे - जो बढ़ी हुई निर्णय गुणवत्ता के संकेतक को डिज़ाइन करने में सफल होंगे और न कि केवल आउटपुट की गति - वे हैं जो इस गोद लेने के चरण को संरचनात्मक लाभ में बदल देंगे। जो ऐसा नहीं करेंगे, उन्होंने तेजी से तकनीकी ऋण उत्पन्न करने के लिए एक तेज़ मशीन बनाई होगी।
यह जेपी मोर्गन पर उसी तरह लागू होता है जैसे किसी भी कंपनी पर जो अपनी सूची में पचास से अधिक विकासकर्ता रखती है। प्रतिस्पर्धा का एंगल अब उपकरणों तक पहुँच रखने में नहीं है, क्योंकि वह पहुंच अब लोकतंत्रीकरण किया जा रहा है। यह उन मॉडल के चारों ओर की संगठनात्मक संरचना में है: निगरानी प्रक्रियाएं, प्रोत्साहन प्रणाली, और मानव निर्णय की गुणवत्ता जो इसे मार्गदर्शन करती है।
आर्टिफिशियल इंटेलिजेंस अपनी साधारण मौजूदगी के जरिए प्रतिस्पर्धात्मक लाभ नहीं पैदा करती। यह तब उत्पन्न होती है जब इसे उन लोगों के विचार को बढ़ाने के लिए डिज़ाइन किया जाता है जिनके पास वह संदर्भ, ज़िम्मेदारी और सुधार की क्षमता होती है जो किसी भी मॉडल में मौलिक रूप से नहीं होती।
