पेंटागन ने AI से खुद को बदलना सीखा। कंपनियां अभी भी वही पुरानी गलतियां दोहरा रही हैं

पेंटागन ने AI के साथ खुद को बदलना सीखा। कंपनियाँ अभी भी वही पुरानी गलतियाँ दोहरा रही हैं

एक ऐसा तथ्य है जो हर उस कार्यकारी अधिकारी को असहज कर देना चाहिए जिसने पिछले दो वर्षों में आर्टिफिशियल इंटेलिजेंस के लिए बजट स्वीकृत किया हो: संयुक्त राज्य अमेरिका, जो दुनिया के सबसे शक्तिशाली AI मॉडल बनाता है, AI के वैश्विक अपनाने के मामले में 24वें स्थान पर है। उसकी दर 28.3% है। सिंगापुर 61% पर है। संयुक्त अरब अमीरात 54% पर। Goldman Sachs ने दर्ज किया कि 2025 के दौरान AI में निवेश ने अमेरिकी GDP की वृद्धि में "लगभग शून्य" योगदान दिया। समस्या तकनीकी नहीं है। कभी थी ही नहीं।

ड्रू कुकोर इसे लगभग किसी से भी बेहतर जानते हैं। मरीन कोर के एक सेवानिवृत्त कर्नल और प्रोजेक्ट मेवेन के संस्थापक के रूप में — वह कार्यक्रम जिसके माध्यम से रक्षा विभाग ने अपने सबसे जटिल परिचालन प्रवाहों में AI को एकीकृत किया — कुकोर ने भीतर से वह निर्माण किया जिसे कई लोग असंभव मानते थे: यह प्रदर्शित करना कि वाणिज्यिक सॉफ्टवेयर दुनिया की सबसे बड़ी नौकरशाही के भीतर काम कर सकता है और ऐसे परिणाम दे सकता है जिन तक पहले के सिस्टम नहीं पहुँच सकते थे। आज, अपनी फर्म TWG AI से, वे देख रहे हैं कि अमेरिकी कंपनियाँ बिंदु दर बिंदु वही गलतियाँ कर रही हैं जो पेंटागन ने मेवेन के काम करने से पहले लगभग की थीं।

उनका निदान, जो 11 मई, 2026 को Fortune में प्रकाशित हुआ, एक अनूठे क्षण के साथ मेल खाता है: दो दिन बाद, रक्षा विभाग ने आठ तकनीकी कंपनियों — Amazon Web Services, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection और Oracle — के साथ समझौतों की घोषणा की, ताकि अपने IL6 और IL7 स्तर के वर्गीकृत नेटवर्क में अग्रिम AI क्षमताओं को तैनात किया जा सके। पेंटागन इस बात पर बहस नहीं कर रहा कि AI अपनाना है या नहीं। वह इसे क्रियान्वित कर रहा है।

वह खाई जो निर्माण को एकीकरण से अलग करती है

आर्टिफिशियल इंटेलिजेंस पर Stanford 2026 इंडेक्स अनुसंधान की विफलता का वर्णन नहीं करता। यह कार्यान्वयन की विफलता का वर्णन करता है। संयुक्त राज्य अमेरिका बेंचमार्क में, मॉडल निवेश में और कंप्यूटिंग क्षमता में अग्रणी है। लेकिन यह लाभ परिचालन उपयोग में तब्दील नहीं होता, क्योंकि जिन संगठनों को वह तकनीक तैनात करनी चाहिए, उन्होंने इसे प्राप्त करने के लिए अपनी आंतरिक संरचना नहीं बदली है।

कुकोर यहाँ एक ऐसा भेद प्रस्तुत करते हैं जो C-suite सम्मेलनों में प्रचलित अधिकांश रणनीतिक ढाँचों से अधिक मूल्यवान है: AI-संवर्धित संगठन और AI-नेटिव संगठन के बीच का अंतर। यह शब्दार्थ की बात नहीं है। यह एक पुरानी संरचना पर नया इंजन चिपकाने और उस इंजन को ध्यान में रखते हुए डिज़ाइन से संरचना को पुनर्निर्मित करने के बीच का अंतर है।

जब पेंटागन ने मेवेन लॉन्च किया, तो उसने इसे एक तकनीकी प्रयोग या एक सीमित पायलट के रूप में नहीं लिया। वरिष्ठ नेताओं ने इसे व्यक्तिगत रूप से अपनाया और नौकरशाही के भीतर इसके लिए लड़े। कार्य-प्रवाहों को ध्वस्त किया गया, उन पर सॉफ्टवेयर नहीं थोपा गया। एकमात्र संकेतक जो मायने रखता था वह परिचालन था: सैनिक क्या कर सकते थे जो पहले नहीं कर सकते थे। यही अनुशासन था जिसने इसे काम करने योग्य बनाया। और यही अनुशासन आज मौजूद अधिकांश कॉर्पोरेट AI कार्यक्रमों में पूरी तरह अनुपस्थित है।

चीन की "AI Plus" पहल मेवेन जैसी ही संरचनात्मक तर्क के साथ काम करती है, हालाँकि राजनीतिक स्पेक्ट्रम के विपरीत छोर से। बीजिंग रैंकिंग में प्रतिस्पर्धा करने के लिए मॉडल नहीं बना रहा। वह विशिष्ट औद्योगिक डेटासेट और ठोस प्रवाहों के लिए डिज़ाइन किए गए एजेंटों के साथ विनिर्माण, लॉजिस्टिक्स, वैज्ञानिक अनुसंधान, स्वास्थ्य और शिक्षा में AI को एम्बेड कर रहा है। वह नियंत्रण या नियंत्रण पर बहस नहीं करता। वह तैनात करता है। अमेरिकी आविष्कार शक्ति और चीनी एकीकरण क्षमता के बीच गति का यही अंतर वह खाई है जिसे कुकोर इस दशक के केंद्रीय प्रतिस्पर्धी जोखिम के रूप में इंगित करते हैं।

तीन विफलताएँ जिन्हें पेंटागन मुश्किल से झेल पाया

कुकोर उन तीन गलतियों की सटीक पहचान करते हैं जिन्होंने मेवेन को एक संभव परिवर्तन बनाया, क्योंकि ये होने के करीब नहीं थीं।

पहली है बिना स्वामित्व के प्रत्यायोजन। बहुत सारी कंपनियों में, AI रणनीति को किसी Chief AI Officer या इनोवेशन लैब को सौंप दिया जाता है। ये संरचनाएँ डिज़ाइन की जाती हैं — हालाँकि कोई इसे स्वीकार नहीं करता — मौजूदा शक्ति वितरण को खतरे में डाले बिना प्रगति का संकेत देने के लिए। परिणाम वह है जिसे कुकोर "पायलट की पुर्गेटरी" कहते हैं: ऐसे प्रोजेक्ट जो कभी मरते नहीं क्योंकि किसी ने उन्हें खत्म नहीं किया, लेकिन स्केल भी नहीं होते क्योंकि किसी ने उन्हें वास्तव में आगे नहीं धकेला। मेवेन काम किया क्योंकि वरिष्ठ नेताओं ने समस्या का स्वामित्व प्रत्यायोजित नहीं किया। उन्होंने इसे स्वयं अपनाया।

दूसरी गलती है विरासती प्रक्रियाओं पर AI को थोपना। AI का उपयोग करने का एक तरीका है जो औसत दर्जे के परिणामों की गारंटी देता है: मौजूदा कार्य-प्रवाह को लेना और उस पर एक मॉडल जोड़ना। दक्षता लाभ सीमांत होगा क्योंकि बाधा उत्पन्न करने वाली संरचना बरकरार रहती है। यदि AI पहल शुरू करने के बाद कंपनी का संगठन चार्ट, अनुमोदन श्रृंखलाएँ और परिचालन गति पहले जैसी ही हैं, तो कोई परिवर्तन नहीं हुआ है। एक सजावट हुई है।

तीसरी गलती है परिणामों के बजाय गतिविधि मापना। प्रशिक्षित मॉडल, पूर्ण अवधारणा के प्रमाण, घोषित साझेदारियाँ: ये गति के संकेतक हैं, प्रभाव के नहीं। मेवेन को इस आधार पर मापा जाता था कि ऑपरेटिव क्या कर सकते थे जो पहले नहीं कर सकते थे। यही एकमात्र प्रश्न है जो किसी AI कार्यक्रम में मायने रखता है जो कुछ बदलने का दावा करता है।

ये तीन गलतियाँ इंजीनियरिंग की दुर्घटनाएँ नहीं हैं। ये शासन की दुर्घटनाएँ हैं। ये उन संगठनों से उत्पन्न होती हैं जो परिवर्तन की छवि चाहते हैं, बिना उस आंतरिक राजनीतिक लागत को उठाए जो मौजूदा को ध्वस्त करने में निहित है।

13 मई की घोषणा वास्तविक क्रियान्वयन के बारे में क्या प्रकट करती है

रक्षा विभाग ने 13 मई, 2026 को IL6 और IL7 वर्गीकृत नेटवर्क में काम करने के लिए आठ तकनीकी कंपनियों के साथ जो समझौता घोषित किया, वह केवल अनुबंध की खबर नहीं है। यह एक संकेत है कि किस प्रकार की संस्था अधिकतम जटिलता और प्रतिबंध की परिस्थितियों में AI को स्केल कर सकती है।

यह कि पेंटागन — जो ऐतिहासिक रूप से सॉफ्टवेयर अधिग्रहण में अपनी विफलताओं के लिए जाना जाता है — अधिकतम वर्गीकरण वाले वातावरण में एक कार्यात्मक AI प्लेटफॉर्म को व्यक्त करने में सफल रहा, यह अपने आप में संरचनात्मक परिपक्वता का मामला है। तकनीक का नहीं। रक्षा विभाग के CTO ने कार्यक्रम के विश्लेषणों में वर्णित एक एंटरप्राइज़ संरेखण संरचना के तहत प्रक्रिया को एकीकृत किया। इसका मतलब है कि किसी ने उन सिलो को तोड़ने का निर्णय लिया जिन्होंने ऐतिहासिक रूप से पेंटागन के तकनीकी सिस्टम को सुसंगत रूप से काम करने से रोका था।

वह कदम निजी क्षेत्र को जो सबक देता है वह असुविधाजनक है: यदि उस पैमाने और उस ऐतिहासिक कठोरता की एक नौकरशाही AI को परिचालन रूप से एकीकृत करने के लिए खुद को पुनर्गठित करने में सक्षम थी, तो इस बारे में सबसे ईमानदार व्याख्या कि निजी कंपनियाँ ऐसा क्यों नहीं करतीं, संसाधनों की कमी नहीं है और न ही प्रतिभा की कमी है। यह इस आंतरिक राजनीतिक लागत को उठाने की इच्छाशक्ति की कमी है कि कौन क्या, कैसे और किस गति से तय करता है।

AI प्रयोग करने वाली कंपनियों और AI परिवर्तन करने वाली कंपनियों के बीच अंतर पर कुकोर का विश्लेषण ठीक उसी बिंदु पर इशारा करता है। यह बजट की समस्या नहीं है। यह इस बात की समस्या है कि शीर्ष पर कौन उस मध्यवर्ती विफलता में अपना नाम डालने को तैयार है जो किसी भी गहरे परिवर्तन से पहले आती है।

संरचनात्मक परिपक्वता वह नहीं है जो सिस्टम कहता है कि उसके पास है

एक विशेष कमज़ोरी होती है जो समस्या के दृश्यमान होने से पहले प्रकट होती है। जो संगठन अपने AI परिवर्तन में विफल होने वाले हैं, वे इसकी घोषणा नहीं करते। उनके पास रोडमैप हैं, लैब हैं, बजट वाले Chief AI Officers हैं। लेकिन यदि निर्णय की श्रृंखला को करीब से देखा जाए, तो पैटर्न प्रकट होता है: कठिन निर्णय, जिनमें प्रक्रियाओं को समाप्त करना या शक्ति संरचनाओं को बदलना शामिल है, कभी नहीं लिए जाते। उन्हें स्थगित किया जाता है, पायलट किया जाता है, अध्ययन किया जाता है। और सिस्टम काम करता रहता है, आधुनिकीकरण की आड़ में, जब तक कि वे प्रतिस्पर्धी जिन्होंने वास्तव में वे निर्णय लिए, जड़ता की लागत को नज़रअंदाज़ करना असंभव नहीं बना देते।

कुकोर इसे एक "व्हाइट-कॉलर रिकनिंग" के रूप में वर्णित करते हैं जो सत्तर के दशक के औद्योगिक आउटसोर्सिंग की लहर से भी बदतर हो सकती है, लेकिन तेज़ और कम क्षमाशील। इसलिए नहीं कि AI अनिवार्य रूप से रोजगार की जगह लेती है, बल्कि इसलिए कि जो कंपनियाँ अपनी निर्णय, अनुमोदन और संचालन संरचनाओं को पुनर्गठित नहीं करेंगी, वे उन प्रतिस्पर्धियों के मुकाबले संचयी नुकसान की स्थिति में रहेंगी जिन्होंने ऐसा किया — चाहे वे पश्चिमी हों या एशियाई अर्थव्यवस्थाओं के जो AI को अभी से परिचालन बुनियादी ढाँचे के रूप में मान रहे हैं।

मेवेन से पहले और बाद के पेंटागन के बीच का अंतर यह नहीं है कि आज उसके पास बेहतर मॉडल हैं। यह है कि उसने कार्यकारी स्वामित्व के साथ, जो मौजूद था उसे ध्वस्त करके और परिणामों को मापने वाले मेट्रिक्स के साथ एक परिवर्तन को बनाए रखना सीखा। वह सीख वर्षों में समेकित हुई और कई बार ढहने के करीब आई। निजी कंपनियों में समय के प्रति वही सहनशीलता नहीं है, लेकिन पैटर्न को नज़रअंदाज़ करने का वही बहाना भी नहीं है।

एक सिस्टम जो मज़बूत दिखता है क्योंकि उसके पास उन्नत तकनीक है, लेकिन जिसने अपनी निर्णय संरचना या अनुमोदन श्रृंखला को नहीं छुआ है, एक रूपांतरित सिस्टम नहीं है। यह एक ऐसा सिस्टम है जिसने समय खरीदा है। कितना समय — यह इस बात पर निर्भर करता है कि उसके प्रतिस्पर्धियों को वह करने में कितना समय लगता है जो उसने अभी तक नहीं किया।