व्यवसाय एआई को लेकर गलत सवालों पर बहस कर रहे हैं

Bill Gates एआई पर सुरक्षा उपाय लागू करने की मांग कर रहे हैं, क्योंकि इस पर नियंत्रण न रखा गया तो इससे “एक अरब लोगों की मौत” हो सकती है। यह बयान Anthropic के एक प्रमुख शोधकर्ता के उस कहने के कुछ ही समय बाद आया है कि उनका मानना है कि अगले दशक के भीतर एआई “सभी मनुष्यों को मार सकता है” और इसकी संभावना 10 प्रतिशत से अधिक है। हालांकि सरकारें, दार्शनिक और कुछ गिने-चुने शीर्ष एआई निर्माता सुरक्षा सीमाओं पर बहस कर रहे हैं, लेकिन एआई का इस्तेमाल करने वाले व्यवसायों के लिए यह समझना बेहद ज़रूरी है कि अगर वे सुर्खियों में छाई बातों पर ध्यान दे रहे हैं, तो हो सकता है कि वे एआई के दौर में व्यवसायों के सामने मौजूद सबसे बड़े वास्तविक जोखिमों को नज़रअंदाज़ कर रहे हों।

इस आशंका के अलावा कि बॉट मनुष्यों पर हावी हो जाएँगे, उद्यमों में एआई को लेकर होने वाली ज़्यादातर चर्चा में अनियंत्रित एजेंटों के खतरे, टोकन की आसमान छूती लागत, अपेक्षाकृत स्वायत्त अत्याधुनिक एआई मॉडल और गैर-संप्रभु एआई जैसे मुद्दे शामिल हैं।

एआई को लेकर चिंताओं की चर्चा में ऐसे खतरे बहुत अधिक जगह घेर रहे हैं। लेकिन वास्तविक व्यावसायिक जोखिमों के बजाय इन रुझानों पर ध्यान देने से ऐसे खराब नतीजे सामने आ सकते हैं, जिन्हें टाला जा सकता था। मैंने दर्जनों व्यवसायों को तकनीकी नतीजों के बजाय व्यावसायिक नतीजों पर कहीं अधिक बारीकी से ध्यान केंद्रित करके एआई से जुड़े अपने जोखिम उल्लेखनीय रूप से घटाते देखा है। आइए देखें कि वे ऐसा कैसे कर सकते हैं—और उन्हें ऐसा क्यों करना चाहिए।

एआई मॉडल पर नहीं, व्यावसायिक औचित्य पर ध्यान दें

उद्यमों को समझना चाहिए कि निवेश पर प्रतिफल में उल्लेखनीय सुधार के लिए उन्हें नवीनतम एआई मॉडल इस्तेमाल करने या हर कर्मचारी को नागरिक डेवलपर बनाने पर टोकन की भारी-भरकम लागत चुकाने की ज़रूरत नहीं है।

उन्हें उन खास क्षेत्रों की बारीकी से पड़ताल करनी चाहिए जहाँ वित्तीय खर्च या समय की खपत घटाई जा सकती है, और उपलब्ध सभी साधनों की मदद से उस विशिष्ट समस्या से निपटने की योजना बनानी चाहिए। इन साधनों में एजेंट-आधारित एआई ही नहीं, बल्कि जनरेटिव एआई, सॉल्वर, मशीन लर्निंग और नियम-आधारित प्रोग्राम भी शामिल हैं, ताकि हर काम के लिए सही साधन चुना जा सके।

उदाहरण के लिए, कर्मचारियों की ज़रूरत का पूर्वानुमान लगाने में एआई-आधारित पूर्वानुमान मॉडल 90 प्रतिशत से अधिक सटीक हो सकते हैं, McKinsey की रिपोर्ट बताती है। हाल ही में मैंने एक सुरक्षा कंपनी के साथ इसका अनुभव किया, जो Nike और Amazon जैसी वैश्विक दिग्गज कंपनियों के लिए हज़ारों ठिकानों पर दसियों हज़ार सुरक्षा गार्ड तैनात करती है। पाली-आधारित और श्रम-सघन कई अन्य व्यवसायों की तरह, माँग में अचानक उछाल आने पर उसे ओवरटाइम वेतन और महँगी ठेकेदारी के कारण तेज़ी से बढ़ती लागत का सामना करना पड़ रहा था।

इस कंपनी का निवेश पर प्रतिफल बढ़ाने के लिए अत्याधुनिक मॉडल की ज़रूरत नहीं थी, न ही किसी एक एआई प्रदाता या तकनीक पर निर्भर होने की। इसके बजाय, सुरक्षा कंपनी ने अपनी सबसे बड़ी व्यावसायिक समस्याओं में से एक को हल करने से शुरुआत की और साधन इस आधार पर चुने कि वे उस खास चुनौती का समाधान कैसे कर सकते हैं। स्मार्ट सॉल्वर टीमों को अधिकतम दक्षता के साथ तैनात कर सकते हैं। भर्ती की ज़रूरतों का बेहतर पूर्वानुमान लगाने से ओवरटाइम की लागत घटती है और महँगी ठेकेदारी से बचा जा सकता है। इस मामले में, जनरेटिव एआई ने दूसरे साधनों के साथ मिलकर कर्मचारियों के नौकरी छोड़ने की दर घटाई, योजना में सुधार किया और ऐसे कार्य-शेड्यूल बनाने में मदद की जो ग्राहकों और कर्मचारियों—दोनों के लिए बेहतर थे। उदाहरण के लिए, इससे पता चला कि लंबी दूरी का सफ़र करने वाली पालियों की संख्या कैसे घटाई जाए और काम से मुक्त सप्ताहांत सभी कर्मचारियों में समान रूप से कैसे बाँटे जाएँ। ऐसी सिफ़ारिशें लागू करने से ओवरटाइम की लागत 30 प्रतिशत घटी और ठेकेदारी का खर्च भी कम हुआ। साथ ही, कर्मचारियों की तैनाती की योजनाएँ बनाने में लगने वाला समय घटा और उन योजनाओं की गुणवत्ता तथा टिकाऊपन में सुधार हुआ। जब सुरक्षा कंपनी ने एआई की सिफ़ारिशें लागू कीं, तो उसका EBITDA 200 आधार अंक बढ़ गया—यह उस उद्योग में बड़ी उपलब्धि है जहाँ मुनाफ़े का मार्जिन बेहद कम माना जाता है। सिर्फ़ इसलिए कि व्यावसायिक समस्या बड़ी है, यह ज़रूरी नहीं कि उसका एआई समाधान जोखिम भरा हो।

दरअसल, कई ठोस व्यावसायिक चुनौतियों का समाधान ऐसे एआई साधनों से किया जा रहा है जिनसे मौजूदा कामकाज में बहुत कम बदलाव करना पड़ता है। इनमें भंडार का बेहतर आवंटन, वसूली के हिसाब का मिलान बेहतर करना, बैंक खातों के मिलान में तेज़ी लाना, पूर्वानुमानों की सटीकता बढ़ाना, चालानों का मिलान स्वचालित करना और उपभोक्ताओं के सवालों के जवाब देने के लिए उत्पाद-सूचियाँ खोजना शामिल है। इनसे मुनाफ़े में उल्लेखनीय बढ़ोतरी होती है—और न तो मानवता के विनाश का जोखिम उठाना पड़ता है, न ही अत्याधुनिक मॉडल या अनियंत्रित एजेंटों का इस्तेमाल करना पड़ता है।

सावधान: निवेश पर प्रतिफल से ध्यान हटाने पर एआई के दिखावे की कीमत चुकानी पड़ सकती है

अनियंत्रित एआई की आशंका घटाने के अलावा, ठोस व्यावसायिक लक्ष्यों पर टिके रहने से उद्यमों को उस एआई के दिखावे की कीमत चुकाने से भी बचाया जा सकता है, जिसका पता मेरी कंपनी ने दुनिया भर की 275 सार्वजनिक रूप से सूचीबद्ध कंपनियों के शेयर मूल्यों और वार्षिक रिपोर्टों के विश्लेषण में लगाया।

2026 AI Barometer में पाया गया कि दुनिया की सबसे बड़ी सूचीबद्ध कंपनियों के शेयर मूल्यों में एआई पर बड़े पैमाने पर निवेश करने और शेयर मूल्य में बेहतर बढ़ोतरी के बीच मज़बूत संबंध था। लेकिन यह संबंध केवल तभी बना रहा, जब उन कंपनियों ने ठोस कदमों और सटीक लक्ष्यों का खुलासा किया। शेयर मूल्य के विश्लेषण के आधार पर सबसे बड़ा सबक यह है कि निवेशकों के लिए एआई के बदलावकारी असर के बारे में सामान्य बयान पर्याप्त नहीं हैं।

तो आखिर क्या कारगर रहा? रिपोर्ट में पाया गया कि उन कंपनियों के पक्ष में शेयर बाज़ार के प्रदर्शन में बड़ा अंतर था, जिन्होंने एआई लागू करने के लिए उठाए जाने वाले ठोस कदमों और उनसे होने वाले दक्षता या राजस्व संबंधी सुधारों के बारे में स्पष्ट जानकारी दी थी। अगले वर्ष इन कंपनियों ने अपनी वित्तीय रिपोर्टों में एआई का अस्पष्ट रूप से ज़िक्र करने वाली कंपनियों से 14 प्रतिशत अंक बेहतर प्रदर्शन किया।

मैंने प्रत्यक्ष रूप से देखा है कि सबसे दक्ष और कम जोखिम वाले एआई उपकरणों से हासिल किए जा सकने वाले राजस्व और उत्पादकता के ठोस लक्ष्यों पर टिके रहकर—ये उपकरण अक्सर आईटी ढाँचे में अंतर्निहित छोटे अनुप्रयोगों के रूप में काम करते हैं—उद्यम सुर्खियाँ बटोरने वाले कयामत जैसे नतीजों से काफी हद तक बच सकते हैं। सबसे नए और चमक-दमक वाले एआई मॉडल अपनाने के बजाय, वे ऐसे व्यावसायिक नतीजों को आगे बढ़ा सकते हैं जो मुनाफ़ा बढ़ाते हैं।