करोड़ों का निवेश, अनिश्चित बदलाव: शीर्ष प्रबंधन में AI की संरचनात्मक समस्या

करोड़ों का बजट, अनंत परिवर्तन: उच्च प्रबंधन में AI का संरचनात्मक संकट

आजकल लगभग हर कॉर्पोरेट बजट में एक पंक्ति ज़रूर होती है। उसका कोई नाम होता है जैसे "आर्टिफिशियल इंटेलिजेंस के साथ परिवर्तन", उसमें एक राशि होती है, और किसी कार्यकारी समिति के सदस्य के हस्ताक्षर होते हैं। लेकिन जो नहीं होता — अधिकांश मामलों में — वह यह है कि उस पैसे से वास्तव में क्या खरीदा जा रहा है, इसकी कोई परिचालनात्मक परिभाषा नहीं होती।

गार्टनर का अनुमान है कि AI पर कॉर्पोरेट खर्च 2026 तक 2.59 ट्रिलियन डॉलर तक पहुंचेगा, जो एक ही वर्ष में 47% की वृद्धि है। साथ ही, IBM के शोध से पता चलता है कि केवल 29% कार्यकारी अधिकारी ही इस निवेश पर मिलने वाले रिटर्न को आत्मविश्वास के साथ माप पाते हैं। इन दो आंकड़ों के बीच की दूरी महज एक सांख्यिकीय विडंबना नहीं है: यह एक ऐसे संरचनात्मक संकट का नक्शा है जिसे संगठनों ने अभी तक सही नाम नहीं दिया है।

बजट तो मौजूद है। लेकिन परिचालनात्मक अवधारणा के रूप में परिवर्तन, अभी नहीं है।

जो बात चौंकाने वाली है वह यह नहीं है कि AI को लेकर तकनीकी अनिश्चितता है — यह तो एक नई और तेज़ी से विकसित हो रही तकनीक के लिए स्वाभाविक है। जो बात चौंकाने वाली है वह है शासन का वह पैटर्न जो इस अनिश्चितता के नीचे स्थापित हो रहा है: ऐसे कार्यकारी अधिकारी जो ऐतिहासिक निवेश को मंज़ूरी देते हैं, बिना पहले उन प्रश्नों का उत्तर दिए जो यह तय करेंगे कि वे निवेश कुछ उत्पन्न करेंगे या नहीं। और तकनीकी समाधानों का बाज़ार पूरी तरह तैयार है उन परिभाषाओं को प्रदान करने के लिए जो खरीदार ने खुद नहीं बनाई हैं।

C-Suite ने बिना नक्शे के गाड़ी का पहिया थाम लिया

वर्षों तक, आर्टिफिशियल इंटेलिजेंस की रणनीति प्रौद्योगिकी विभागों का विषय थी। वह बदल गया। Forbes Research दस्तावेज़ करता है कि AI निर्णयों पर अधिकार सिस्टम विभाग से उच्च प्रबंधन की ओर स्थानांतरित हो गया है: अब मुख्य कार्यकारी अधिकारी, मुख्य वित्तीय अधिकारी और मुख्य परिचालन अधिकारी ही बजट नियंत्रित करते हैं, प्राथमिकताएं तय करते हैं और दिशा निर्धारित करते हैं।

साथ ही, CNBC द्वारा उद्धृत एक अध्ययन जिसने 2,000 से अधिक संगठनों का विश्लेषण किया, ने खुलासा किया कि 76% संगठनों में अब AI निदेशक (CAIO) का पद है, जबकि पिछले वर्ष यह 26% था। बारह महीनों में पचास प्रतिशत अंकों की वृद्धि। नए कार्यकारी पदों की स्थापना की यह गति संरचनात्मक परिपक्वता की नहीं, बल्कि राजनीतिक अत्यावश्यकता की बात करती है। निदेशक मंडल मांग करता है कि कोई AI के लिए जिम्मेदार हो, और संगठन यह तय करने से पहले कि वे पद क्या करेंगे, पद बनाकर प्रतिक्रिया देते हैं।

IBM ने अपने 2026 के वैश्विक अध्ययन में दस्तावेज़ किया कि मुख्य कार्यकारी अधिकारी AI से प्रतिस्पर्धात्मक लाभ उठाने के लिए निदेशक समिति की भूमिकाओं को सक्रिय रूप से पुनः डिजाइन कर रहे हैं। Deloitte, अपनी सलाहकार क्षमता से, स्पष्ट रूप से अनुशंसा करती है कि निदेशक समिति को खुद जनरेटिव AI में प्रशिक्षित करने के लिए समय और कार्यक्रमों में निवेश किया जाए, जिसका तात्पर्य यह स्वीकार करना है कि उस समिति के पास अभी तक वह दक्षता नहीं है जो वह वित्त पोषित कर रही है उसे नियंत्रित करने की। ये दोनों संकेत एक साथ — भूमिकाओं का त्वरित पुनः डिजाइन और निर्णय लेने वालों को प्रशिक्षित करने की मान्यता — एक ऐसे संगठन को चित्रित करते हैं जिसने चालक को प्रशिक्षित करने से पहले एक्सीलरेटर लगाया।

समस्या यह नहीं है कि कार्यकारी अधिकारियों में बुद्धिमत्ता या सद्भावना की कमी है। समस्या यह है कि पैसा बहना शुरू होने से पहले निर्णय लेने की संरचना को पुनः डिजाइन नहीं किया गया था। एक बोर्ड घंटों में बजट स्वीकृत कर सकता है। उसे अच्छी तरह खर्च करने के लिए मानदंड बनाने में संगठन पर महीनों का ईमानदार काम लगता है।

उस उलटी अनुक्रम से जो उत्पन्न होता है वह अनुमानित है: ठोस व्यावसायिक उद्देश्यों से बिना संबंध के खंडित पायलट, ऐसे डुप्लिकेट टूल जो असंगत तरीकों से एक ही समस्या को हल करते हैं, और सफलता के मेट्रिक्स जो प्रदाताओं द्वारा परिभाषित किए जाते हैं क्योंकि संगठन ने उन्हें पहले से परिभाषित नहीं किया। पैसा खर्च होता है। परिवर्तन नहीं होता।

वह अंतर जिसे बैठक में कोई नहीं बताता

एक डेटा है जो निरंतर ध्यान का पात्र है। प्रशिक्षण कंपनी Multiverse ने यूनाइटेड किंगडम में प्रशासनिक कार्यबल पर एक शोध प्रकाशित किया जिसमें निम्नलिखित पाया गया: 59% नेताओं का मानना है कि उनकी टीमें प्रतिदिन AI के साथ सहयोग करती हैं। केवल 42% कर्मचारी कहते हैं कि वे ऐसा करते हैं। कार्यकारी स्तर की धारणा और परिचालन स्तर की वास्तविकता के बीच सत्रह प्रतिशत अंकों का अंतर।

यह अंतर केवल आंतरिक संचार की समस्या नहीं है। यह रणनीतिक अंशांकन की समस्या है। यदि उच्च प्रबंधन वास्तविक उपयोग की एक ऐसी छवि के आधार पर अपनाने की गति, प्रशिक्षण योजनाओं और अपेक्षित रिटर्न के बारे में निर्णय लेता है जो लगभग 40% फुलाई हुई है, तो उत्पादकता अनुमान जिन्होंने बजट को उचित ठहराया, संरचनात्मक रूप से गलत हैं। बेईमानी से नहीं, बल्कि इसलिए कि किसी ने मध्यवर्ती और परिचालन स्तरों पर वास्तव में क्या होता है, यह मापने का तंत्र नहीं लगाया।

Axios ने उसी दरार के एक और पहलू को दस्तावेज़ किया: AI का उपयोग करने वाली कंपनियों के सर्वेक्षण से पता चलता है कि कार्यकारी अधिकारियों का एक अनुपात कार्यान्वयन को कुछ ऐसा बताता है जो "संगठन को विभाजित कर रहा है"। यह विवरण तकनीकी समस्याओं की ओर संकेत नहीं करता। यह संकेत करता है कि परिवर्तन की कथा ऊपर से नीचे बनाई गई, बिना उन स्तरों को शामिल किए जिन्हें इसे क्रियान्वित करना है।

परिवर्तन की मानवीय वास्तुकला — कौन भाग लेता है, कब, किस सूचना के साथ और निर्णयों को प्रभावित करने की किस क्षमता के साथ — यह निर्धारित करती है कि एक तकनीकी परिवर्तन नई क्षमता उत्पन्न करती है या केवल नया घर्षण उत्पन्न करती है। और वह वास्तुकला, डेटा जिन अधिकांश मामलों का वर्णन करते हैं, उनमें वह आखिरी चीज़ थी जिस पर विचार किया गया।

एक संगठन के पास AI निदेशक हो सकता है, एक स्वीकृत बजट हो सकता है और एक अचूक कार्यकारी प्रस्तुति हो सकती है, और फिर भी संरचनात्मक रूप से नाज़ुक बना रह सकता है यदि परिवर्तन का मानवीय डिजाइन अनुपस्थित हो। पद और बजट दृश्यमान संकेत हैं। नाज़ुकता वहां है जो अभी दिखाई नहीं देती।

जब बाज़ार उस परिवर्तन को परिभाषित करता है जिसे कंपनी खुद परिभाषित नहीं कर पाई

इस गतिशीलता के पीछे एक बाज़ार यांत्रिकी चुपचाप काम करती है। जब कोई संगठन अपनी परिचालन समस्या को सटीकता से परिभाषित किए बिना समाधानों का मूल्यांकन करने पहुंचता है, तो प्रदाता अंततः परिभाषा प्रदान करता है। द्वेष से नहीं, बल्कि इसलिए कि किसी को शून्य को भरना होता है और प्रदाता के पास इसे करने के लिए पूरी कथात्मक अवसंरचना होती है: उपयोग के मामले, बेंचमार्क, डेमो, और परिवर्तन के बारे में एक कहानी जिसमें संयोगवश उनका उत्पाद नायक के रूप में शामिल होता है।

परिणाम यह होता है कि संगठन उधार ली हुई परिभाषाएं खरीदते हैं। और उधार ली हुई परिभाषा कोई रणनीति नहीं है: यह एक खरीदारी की सूची है जिसे किसी और ने लिखा।

यह प्रौद्योगिकी अपनाने के चक्र में कोई नई बात नहीं है। जो जनरेटिव AI के साथ बदलता है वह है जो कुछ तय किया जा रहा है उसकी विशालता। पिछली तकनीकों — डेटा प्लेटफॉर्म, प्रक्रिया स्वचालन, प्रबंधन सॉफ्टवेयर — ने यह पुनर्व्यवस्थित किया कि लोग कैसे काम करते थे। जनरेटिव AI, अपने सबसे महत्वाकांक्षी संस्करणों में, यह पुनर्व्यवस्थित करती है कि काम कौन करता है। यह अंतर अलंकारिक नहीं है: यह पूरी तरह से उस संगठनात्मक विश्लेषण के प्रकार को बदल देता है जो पूंजी प्रतिबद्ध करने से पहले आवश्यक है।

जब कोई कंपनी डेटा प्लेटफॉर्म खरीदती है, तो सवाल यह होता है कि कौन सी प्रक्रियाएं अनुकूलित होती हैं। जब वह किसी AI सिस्टम को स्वायत्त कार्य सौंपती है, तो सवाल यह होता है कि कौन सा कार्य मानवीय जिम्मेदारी से बाहर हो जाता है, किन परिस्थितियों में, किस निगरानी के साथ और सिस्टम विफल होने पर क्या परिणाम होते हैं। वे प्रश्न प्रदाता नहीं देता। और वर्तमान डेटा यह सुझाता है कि हस्ताक्षर करने से पहले अधिकांश कार्यकारी समितियां भी उनका उत्तर नहीं दे रही हैं।

AI गवर्नेंस पर हालिया विश्लेषण के अनुसार, केवल 39% संगठनों के पास जनरेटिव AI टूल के लिए संदर्भ मानक हैं जो उनके कर्मचारी पहले से उपयोग कर रहे हैं। वह संख्या एक ऐसे उद्योग का वर्णन नहीं करती जो अपने शासन ढांचे बना रहा है। यह एक ऐसे उद्योग का वर्णन करती है जिसने पहले ही तकनीक तैनात कर दी और अभी तक ढांचे नहीं बनाए। अनुक्रम उलटा है, और यह जो जोखिम उत्पन्न करता है — नियामक, परिचालनात्मक, प्रतिष्ठात्मक — वह वास्तविक है, भले ही इसने अभी तक दृश्यमान घटनाएं उत्पन्न न की हों।

वह परिपक्वता परीक्षण जिसे कोई भी प्रदाता नहीं देगा

इन सभी डेटा से जो पैटर्न उभरता है उसकी एक विशेष विशेषता है जिसे सटीकता के साथ नाम देना उचित है: यह गति की समस्या नहीं है, बल्कि अनुक्रम की समस्या है। संगठन किसी सुपरिभाषित चीज़ की ओर बहुत तेज़ी से नहीं जा रहे। वे किसी ऐसी चीज़ पर बहुत अधिक खर्च कर रहे हैं जिसकी परिभाषा अभी भी धुंधली है क्योंकि अनुक्रम था पहले बजट, बाद में परिभाषा।

IBM यह निष्कर्ष निकालता है कि मुख्य कार्यकारी अधिकारी AI से अधिक व्यावसायिक प्रभाव बनाने के लिए निदेशक समिति की भूमिकाओं को पुनः नामित कर रहे हैं। Deloitte संगठनों से AI के साथ आने वाले नियमन की वास्तविक समझ हासिल करने और नेतृत्व की खुद की दक्षताओं को अद्यतन करने में निवेश करने का अनुरोध करती है। दोनों सिफारिशें यह मानती हैं कि आज नेतृत्व जो समझता है और नेतृत्व जो तय कर रहा है, उसके बीच एक अंतर है। वे ठीक उन शब्दों में नहीं कहते, लेकिन डेटा यही वर्णन करते हैं।

किसी तकनीकी परिवर्तन के सामने एक संगठन की संरचनात्मक परिपक्वता बजट के आकार या नए कार्यकारी पद के शीर्षक से नहीं मापी जाती। यह उन प्रश्नों की गुणवत्ता से मापी जाती है जिनका नेतृत्व पूंजी प्रतिबद्ध करने से पहले उत्तर देने में सक्षम था: कौन सा विशिष्ट कार्य पुनर्वितरित किया जा रहा है, किन परिस्थितियों में, किन निगरानी तंत्रों के साथ, सफलता की किस परिभाषा के साथ जो प्रदाता के मानदंड पर निर्भर न हो, और परिचालन स्तरों पर क्या होता है यह मापने की सिस्टम की वास्तविक क्षमता के साथ।

वे प्रश्न तकनीकी नहीं हैं। वे संगठनात्मक शासन के प्रश्न हैं। और यह तथ्य कि 71% संगठन AI में अपने निवेश पर रिटर्न नहीं माप सकते, यह सुझाता है कि अधिकांश ने उनका उत्तर दिए बिना खर्च करना शुरू कर दिया।

AI निदेशक का पद बढ़ता जा रहा है, बजट सालाना 47% बढ़ रहे हैं और समाधानों का बाज़ार इसे खोजने वाले को निश्चितता प्रदान करने के लिए पूरी तरह तैयार है। जो बाज़ार प्रदान नहीं करता वह है किसी संगठन की क्षमता कि वह समाधान खरीदने से पहले अपनी समस्या को स्वयं परिभाषित करे। वह क्षमता अंदर से बनती है, समय के साथ और इस बारे में ईमानदारी के साथ कि सिस्टम अभी क्या नहीं कर सकता। जो संगठन इसे प्रतिस्पर्धात्मक दबाव से पहले विकसित कर लेंगे — इससे पहले कि वह दबाव उन्हें बिना इसके कार्य करने पर मजबूर करे — वे ही तीन वर्षों में यह मूल्यांकन कर पाएंगे कि जो उन्होंने वित्त पोषित किया वह एक वास्तविक परिवर्तन था या केवल बजट का स्थानांतरण उन परिभाषाओं की ओर था जो दूसरों ने उनके लिए लिखीं।