હવે મોટાભાગની સંસ્થાઓમાં AI કાર્યરત છે. પણ લગભગ કોઈએ પણ તેને એ જગ્યાએ લાગુ કર્યું નથી જ્યાં તે ખરેખર મહત્ત્વનું છે, જેમ કે ગ્રાહકોને સીધી અસર કરતા અનુભવો, વ્યવસાય માટે નિર્ણાયક નિર્ણયો અથવા બહુ ઓછી માનવીય દેખરેખ હેઠળ ચાલતી પ્રક્રિયાઓ. આ અંતર જ નક્કી કરે છે કે સ્પર્ધાત્મક લાભ કોણ મેળવે છે અને કોણ ગુમાવે છે.
સામાન્ય રીતે અવરોધ ક્ષમતાનો નહીં, પરંતુ વિશ્વાસનો હોય છે. ઊંચું જોખમ ધરાવતા AI અમલીકરણમાં આ વિશ્વાસ ચાર ચોક્કસ માપદંડો પૂરા થવાથી મળે છે.
આ માપદંડોમાં તમે AIની વર્તણૂક કેવી રીતે ચકાસો છો, ઉદ્યોગ સ્તરે ઉકેલો કેવી રીતે બનાવો અને સંચાલિત કરો છો તથા આ બાબત શા માટે મહત્ત્વની છે તે અંગે તમારા નેતૃત્વની સાચી પ્રતિબદ્ધતા છે કે નહીં, એ બધું સામેલ છે.
વિશ્વાસના આ માપદંડો પૂરા કરવાથી સંસ્થાકીય અભ્યાસ અને જવાબદારી વિકસે છે તથા નોંધપાત્ર પરિવર્તન લાવવા માટે AI લાગુ કરતાં ખચકાવાનું કારણ ઘટે છે. આ વિશ્વાસ વિના AI ગૌણ ઉપયોગોમાં થોડા પાઉન્ડ બચાવવા પૂરતું મર્યાદિત રહી જાય છે અને સંસ્થાની કામગીરી પર કોઈ નોંધપાત્ર અસર કરતું નથી.
AIની ઝડપે ગણીએ તો દાયકાઓ પહેલાં સમાન, ગયા વર્ષે આ સમયે મોટાભાગની કંપનીઓ “AI POCના અધવચ્ચે” અટવાઈ હતી: AI શું કરી શકે તે દર્શાવતા ઘણા રસપ્રદ POC હતા, પરંતુ તેમાંથી કોઈને કાર્યરત કરવામાં મુશ્કેલી પડતી હતી. એક વર્ષ પછી હવે ઘણી સંસ્થાઓમાં ઓછામાં ઓછા કેટલાક AI ઉકેલો કાર્યરત છે, જે આગળનું ઉત્તમ પગલું છે.
જોકે, ઘણી વાર AI ગૌણ પ્રક્રિયાઓમાં લાગુ થાય છે: તે કરવું સરળ હોય છે, નવીનતા ટીમ કોઈ ઉત્સાહી વ્યવસાયિક વપરાશકર્તા સાથે તેને વિકસાવી શકે છે અને કંઈ ખોટું થાય તો “દુનિયા ખતમ થવાની નથી.” એ પ્રક્રિયા ખાસ મહત્ત્વની હોતી નથી, વૈકલ્પિક માનવીય પ્રક્રિયા ઉપલબ્ધ હોય છે અથવા નકારાત્મક પરિણામો મર્યાદિત કરવા માટે પ્રક્રિયામાં અનેક માણસો સામેલ હોય છે.
આ સમજી શકાય તેવા પરંતુ સાવધ અભિગમને કારણે ઉકેલોની અસર પણ મર્યાદિત રહે છે: વૃદ્ધિની તકો, ગ્રાહક અનુભવ કે ખર્ચના માળખામાં તેનાથી કોઈ નોંધપાત્ર સુધારો થયો હોવાની શક્યતા ઓછી છે.
આ જ ભાવિ વિજેતાઓને બાકીનાથી અલગ પાડે છે: પ્રગતિશીલ કંપનીઓ વ્યવસાયની કામગીરી માટે મહત્ત્વનાં ક્ષેત્રોમાં AIનો લાભ લેવા રોકાણ કરી રહી છે.
પાછળ રહેલી કંપનીઓ પણ “AIનો ઉપયોગ” કરી રહી છે, પરંતુ ત્યાં નહીં જ્યાં તે વ્યવસાય પર નોંધપાત્ર અસર કરશે.
હા, રોકાણના નિર્ણયો, ગ્રાહક અનુભવ, ઉત્પાદન વિકાસ, સંશોધન અને રચના તથા “પ્રક્રિયામાં માણસ વિનાના સ્વચાલનો”માં AIનો ઉપયોગ વધુ જોખમી લાગશે, પરંતુ સાચા લાભ પણ ત્યાં જ છે.
આ ક્ષેત્રમાં આગળ વધી રહેલી કંપનીઓ કદાચ હજી બજારને દેખાતી નથી, પરંતુ જ્યારે દેખાશે ત્યારે અંતર ઘણું મોટું હશે. વધુમાં, AI લાગુ કરવાની તેમની ગતિને કારણે આ અંતર વધતું જ રહેશે, જ્યારે પાછળ રહેલી કંપનીઓને સમજાશે કે તેઓ આટલો સમય ક્યાં ખોટી હતી.
તેથી પ્રશ્ન એ છે કે ખરેખર મહત્ત્વની પ્રક્રિયાઓમાં વિશ્વાસપૂર્વક AI લાગુ કરવા માટે સંસ્થાને શું જોઈએ?
પહેલાં માની લઈએ કે તમે “અમારી પાસે ChatGPT જેવું AI સાધન છે”થી “અમારી પાસે POC છે” અને ત્યાંથી “અમારા 10 સરળ AI ઉકેલો કાર્યરત છે” સુધી પહોંચી ગયા છો. જો નહીં, તો પ્રાથમિકતાથી આ કામ પૂરું કરો. આ પ્રારંભિક પગલાં સામાન્ય લાગી શકે, પરંતુ ઉદ્યોગવ્યાપી AI સમજ વિકસાવવા, વધુ સારા ઉપયોગના વિચારો મેળવવા અને કોઈપણ AIને કાર્યરત કરવા માટેની આંતરિક પ્રક્રિયા સ્પષ્ટ કરવા જરૂરી છે.
આ તબક્કે સંસ્થાએ વધુ મહત્ત્વાકાંક્ષી બનીને પહેલાં “માનવીય દેખરેખ સાથે અર્થપૂર્ણ રીતે લાગુ કરેલા AI ઉકેલો” અને પછી અલગ ઓળખ આપતા “અમે અમારી મુખ્ય પ્રક્રિયાઓ અને ગ્રાહક અનુભવોમાં AI લાગુ કરીએ છીએ”ના સ્તર સુધી આગળ વધવું જોઈએ.
પ્રગતિનાં આ અંતિમ પગલાં ભાગ્યે જ ટેક્નોલોજીથી અટકે છે; અવરોધ સામાન્ય રીતે સંસ્થાકીય વિશ્વાસ હોય છે. કારણ કે મુશ્કેલ બાબતોને મુલતવી રાખવાનું અથવા તેનાથી દૂર રહેવાનું કોઈ ને કોઈ કારણ હંમેશાં હોય છે:
“જો તે ખોટી સમજ આપે તો?”, “જો તે ખોટી રીતે વર્તે અને આપણે સમાચારમાં આવી જઈએ તો?”, “જો તે ગણતરી ખોટી કરે અને આપણે ખોટો નિર્ણય લઈએ તો?”, “જો તે ગ્રાહકો સાથે અપમાનજનક વર્તન કરે તો?”, “જો મોડલ ઉપલબ્ધ ન રહે તો?”, “આના સુધારાઓને આપણે કેવી રીતે ટેકો આપીશું?”, “જો નિયમો બદલાય તો?”, “શું આપણે નવા મોડલની રાહ જોવી જોઈએ?”, વગેરે.
અમારા મતે, મોટી અસર ધરાવતા AI સંચાલિત પરિવર્તન પર “કાર્યરત કરો”નું બટન દબાવવાનો વિશ્વાસ સામાન્ય રીતે ચાર શરતોથી મળે છે.
શા માટે: શું સંસ્થા અને ખાસ કરીને સર્વોચ્ચ અધિકારીઓ “અમારા વ્યવસાયની સફળતા માટે AI શા માટે મહત્ત્વનું છે” એ વિચારમાં ખરેખર વિશ્વાસ ધરાવે છે? કારણ કે જો એવું ન હોય, તો સંસ્થા મુશ્કેલ નિર્ણયોથી પીછેહઠ કરવાનાં કારણો શોધે તેવી શક્યતા વધારે છે.
સક્ષમતા: AI સાથે વિકસતી સંસ્થાને ટેકો આપવા માટે AI પરિવર્તન અથવા સક્ષમતા ટીમ કાર્યરત છે? શું તે અપનાવવાની પ્રક્રિયા, શિક્ષણ, નિયમો, કામની નવી રીતો, માન્યતાઓને પડકારવા અને જરૂરી ભંડોળ પૂરું પાડવા વગેરેનું સંચાલન કરે છે? AI એવું પરિવર્તન નથી જેને “ટેક્નોલોજી વિભાગ સંભાળી લેશે,” જેમ ઘણી વાર ક્લાઉડ અથવા ડિજિટલ પહેલમાં બનતું હતું. તે વ્યવસાયના નેતૃત્વ હેઠળ અને પૂરતા ટેકા સાથે થવું જોઈએ.
કેવી રીતે: લાગુ કરેલા AI માટે ઉદ્યોગવ્યાપી અને ઉકેલ સ્તરનું સ્થાપત્ય નિર્ધારિત છે? આ ક્ષેત્ર સતત બદલાતું હોવા છતાં, સ્પષ્ટ અભિગમ રાખવાથી યોગ્ય સુરક્ષા મર્યાદાઓ, ખર્ચ, અવલોકનક્ષમતા, નિયંત્રણો અને મોડલની પહોંચ વગેરે વિશે વિચારવા અને જ્ઞાન વધારવાની ફરજ પડે છે. તેનાથી સંસ્થામાં એ વિશ્વસનીયતા વિકસે છે કે AIની બાબતમાં સંસ્થા “જાણે છે કે તે શું કરી રહી છે” અને એક જ વસ્તુ બનાવવાની અનેક અસંગત રીતો અટકે છે.
કાર્યરત કરવાના વિશ્વાસની કસોટી: ઉકેલના માલિકો “શું તે કાર્યરત કરવા જેટલું સારું છે?” એ પ્રશ્ન પર અનંત સમય સુધી નિર્ણય ટાળી શકે છે. QA ટીમો દ્વારા થતું પરંપરાગત પરીક્ષણ અનિશ્ચિત પરિણામ આપતી AI પ્રણાલી માટે એવો વિશ્વાસ અને જવાબદારીની ભાવના આપતું નથી. મૂલ્યાંકનો એ વિશ્વાસ આપે છે.
ચાલો આ મુદ્દાઓને ઊલટા ક્રમમાં સમજીએ, કારણ કે આ ક્રમ કાર્યરત કરવાના વિશ્વાસ અંગેની નિર્ણય પ્રક્રિયાની સૌથી નજીક છે.
દાયકાઓથી સંસ્થાઓ નવી આવૃત્તિ પૂરતી સારી છે કે નહીં તે નક્કી કરવા માટે QA ટીમ પર આધાર રાખે છે. કાગળ પર પરીક્ષણ વ્યવસાયિક હિતધારકો કરતા હતા, પરંતુ હકીકતમાં તે QA ટીમ કરતી હતી. અસંખ્ય જો આ થાય તો તે કરવાના નિયમોના આધારે પરિણામ કાં તો સફળ અથવા નિષ્ફળ રહેતું. કામ ઘણું હતું, પરંતુ સીધુંસાદું હતું.
AI માટે આ રીત કામ કરતી નથી, કારણ કે તેમાં વર્તણૂકનું મૂલ્યાંકન કરવું પડે છે.
મૂલ્યાંકનો અથવા મૂલ્યાંકન કસોટીઓ દ્વારા તમે AIની ગુણાત્મક વર્તણૂકને માપી શકાય તેવી બનાવો છો. સફળ કે નિષ્ફળને બદલે તમે ચોકસાઈ, ભાષાશૈલી, તથ્યાત્મક ગ્રાઉન્ડિંગ અને ઇનકારની વર્તણૂક જેવા માપદંડો નક્કી કરીને ગુણ આપો છો. સૂચનાઓ, મોડલો અને સુરક્ષા મર્યાદાઓ વગેરે સુધારતાં સમગ્ર પરિયોજના દરમિયાન આ ગુણો પર નજર રાખો. પછી પરિયોજના ટીમ, પરિવર્તન સમિતિઓ અને વ્યવસાયિક નેતૃત્વને વિશ્વાસપૂર્વક નિર્ણય લેવા માટે સ્પષ્ટ આધાર મળે છે: પરિયોજના દરમિયાન xથી y સુધી વધેલો ચોકસાઈનો ગુણ.
આ આંકડો બે કામ કરે છે. પ્રથમ, સમય સાથે થયેલો સુધારો દર્શાવીને અને પ્રણાલી નિર્ધારિત અપેક્ષાઓની અંદર સતત વિશ્વસનીય રીતે વર્તે છે તેનો નક્કર પુરાવો હિતધારકોને આપીને તે વિશ્વાસ વધારે છે.
બીજું, તે જવાબદારી નક્કી કરે છે. તેઓ આ આંકડાઓ અને તે મૂલ્યાંકનોના ઇતિહાસને પુરાવા તરીકે રજૂ કરી શકે છે. સારી રીતે નિર્ધારિત વિવિધ પરિસ્થિતિઓમાં ચકાસેલો અને દસ્તાવેજિત મૂલ્યાંકન સમૂહ એ પરીક્ષણ અહેવાલનો AI સમકક્ષ છે. તે મંજૂરી સમિતિને જરૂરી કાળજી લેવાઈ હોવાનો પુરાવો આપે છે: શું પ્રણાલી ફક્ત એ જ કરે છે જે તેને કરવું જોઈએ અને ફક્ત એ જ રીતે કરે છે જે રીતે કરવું જોઈએ?
અલબત્ત, આ આંકડા ત્યારે જ અર્થપૂર્ણ છે જ્યારે મૂલ્યાંકનના માપદંડો પૂરતા વ્યાપક હોય. તે માટે કાર્યપદ્ધતિમાં એવો ફેરફાર જરૂરી છે જે મોટાભાગની સંસ્થાઓ શરૂઆતમાં ખોટી રીતે કરે છે: મૂલ્યાંકનના માપદંડોની જવાબદારી “વ્યવસાય”ની હોવી જોઈએ, ટેક્નોલોજી ટીમ, QA ટીમ કે એકલા કનિષ્ઠ વપરાશકર્તાને સોંપાયેલી નહીં. ઉત્પાદન માલિકો અને નિષ્ણાતો કાર્યક્ષેત્ર, અસામાન્ય પરિસ્થિતિઓ, ઇચ્છિત ભાષાશૈલી, વપરાશકર્તાઓ કરી શકે તેવી વિવિધ ક્રિયાપ્રતિક્રિયાઓ, યોગ્ય રিজনિંગનાં પગલાં, નિષ્ફળતાના પ્રકારો અને સાચી પ્રશ્નોત્તરીની જોડીઓ વગેરે સમજે છે. ઉકેલનો ઉપયોગ અને અમલીકરણ કરનારાઓએ જ નક્કી કરવું જોઈએ કે સારું પરિણામ કેવું હોય.
એનો અર્થ એ છે કે ગ્રાહક અનુભવના કેન્દ્રમાં AI લાગુ કરતા ઉકેલને મંજૂરી આપવી હોય, તો તમારે ફક્ત બે પ્રશ્ન પૂછવા જોઈએ:
(1) મૂલ્યાંકનના માપદંડો કોણે રચ્યા, અને
(2) શું આ માપદંડો સામે મૂલ્યાંકનની કામગીરી સમય સાથે સુધરી અને હવે લઘુતમ મર્યાદા પાર કરી છે?
જો જવાબ હોય કે "ટેક્નોલોજી ટીમે તે બનાવ્યા છે, પરંતુ અમે પરિણામોથી સંતુષ્ટ છીએ", તો અનુપ્રયોગ તૈયાર નથી. જો જવાબ હોય, “હા, અમે ગયા અઠવાડિયે પરીક્ષણ કર્યું અને તે સફળ રહ્યું,” તો સંભવતઃ મૂલ્યાંકનની પરિપક્વતા જરૂરી વિશ્વાસ જગાવે તેવા સ્તરની નથી, કારણ કે મૂલ્યાંકનો કદાચ નિર્માણ પ્રક્રિયાનું પ્રારંભબિંદુ નહોતા.
પરંતુ જો વ્યવસાયિક ઉત્પાદન માલિક સમગ્ર નિર્માણ દરમિયાન મૂલ્યાંકનોને વ્યાખ્યાયિત, સમીક્ષિત અને સુધારતા રહ્યા હોય તથા કામગીરીની દિશા યોગ્ય તરફ આગળ વધતી બતાવી શકે, તો તમારી પાસે મંજૂરી આપવા યોગ્ય ઉકેલ છે.
AI સ્થાપત્યના સિદ્ધાંતો અને ધોરણો સાથેનું સુસંગતપણું વિશ્વાસનું બીજું સ્તર ઉમેરે છે. શરૂઆત કરવા માટે તમારી પ્રથમ પાંચ AI અનુપ્રયોગો કોઈપણ યોગ્ય રીતે બનાવવાનું ચાલ્યું હશે, પરંતુ સમગ્ર સંસ્થામાં સુરક્ષિત અને સુવ્યવસ્થિત AI અમલીકરણને મોટા પાયે અને ઝડપથી આગળ વધારવા માટે હવે સંદર્ભ અનુપ્રયોગ સ્થાપત્ય અને ઉદ્યોગવ્યાપી AI મંચ સાથેનો વધુ સુગઠિત અભિગમ જરૂરી બનવા લાગે છે.
બધી ઇજનેરી ટીમો મોડલની પહોંચ, સુરક્ષા મર્યાદાઓ, અવલોકનક્ષમતા, વિસ્તરણક્ષમતા અને ખર્ચ વ્યવસ્થાપન વગેરે ઝડપથી “વારસામાં” મેળવી શકે તેવી વ્યવસ્થા હોવી જોઈએ, જેથી તેઓ ઉકેલના ઇજનેરી વિકાસ પર ધ્યાન આપી શકે.
ઝડપી પરિવર્તનને કારણે ઉદ્યોગવ્યાપી AI મંચ અને સ્થાપત્યનો અભિગમ ટૂંકા સમય માટે જ ઉપયોગી રહે તો પણ, તેનાથી સંસ્થામાં એ વિશ્વાસ વધે છે કે નિર્ણાયક પ્રણાલીઓમાં AI સુરક્ષિત રીતે લાગુ કરી શકાય છે. કારણ કે તેનો અર્થ એ છે કે કોઈએ બધા મુખ્ય પરિબળો પર વિચાર કરીને અમલીકરણનો શ્રેષ્ઠ માર્ગ નક્કી કર્યો છે. તેનાથી ઉકેલ મહત્ત્વની પ્રક્રિયાઓને ટેકો આપશે એવો વિશ્વાસ પણ વધે છે.
આનો અર્થ “એ જ કામ કરવું, માત્ર AI સાધનની પહોંચ સાથે” એવો નથી. ભલે આ વાત બહુ સાંભળેલી લાગે, પરિવર્તનનો અર્થ પ્રક્રિયાઓ ફરી રચવી, ઉત્પાદન પ્રસ્તાવો પર ફરી વિચાર કરવો, ગ્રાહક અનુભવ વિકસાવવો તથા કામ કરવાની રીતો અને સંભવતઃ ટીમોના માળખાં બદલવાં એવો છે.
આ કામ અન્ય જવાબદારીઓની સાથે ફાજલ સમયમાં થઈ શકતું નથી અને માત્ર ટેક્નોલોજી વિભાગ તેને આગળ ધપાવી શકતો નથી. અને ના, તમારી ત્રણ FTE ધરાવતી “નવીનતા” ટીમ પણ નહીં. ઉપરાંત, જો તમે “આપમેળે બધું ગોઠવાઈ જશે” એવો અભિગમ અપનાવશો, તો વિજેતા સ્પર્ધકો જેટલી પરિવર્તનની ગતિ મેળવી શકશો નહીં.
ખરેખર “રમત બદલી નાખે” એવા ઉપયોગો શોધવા અને તેમને જરૂરી ટેકો મેળવવા માટે સમગ્ર સંસ્થામાં AIનું ઊંડું જ્ઞાન તથા તેના પ્રત્યે સકારાત્મક માનસિકતા જરૂરી છે.
તેથી તમારા AI પરિવર્તન માટે એવા લોકો જરૂરી છે જેઓ સંસ્થાની જરૂરિયાતો જાણે, પરિવર્તન કેવી રીતે શક્ય બનાવવું તે સમજે અને AIનું જ્ઞાન ધરાવે. તેમને આ કામ પૂરું કરવા તથા સંકલન, ઊર્જા, ભંડોળ, પ્રભાવ, શાસન, પ્રાથમિકતા અને નિર્ણય પ્રક્રિયા પૂરી પાડવા માટે સંચાલક મંડળ તરફથી અધિકાર મળવો જોઈએ.
ખાસ કરીને પ્રારંભિક તબક્કામાં કેન્દ્રીય AI કેન્દ્ર, AI પરિવર્તન વિભાગ અથવા AI કાર્યાલય જેવું એકમ અસરકારક રહે છે. આ કેન્દ્રીય ટીમ એવો વિશ્વાસ ઊભો કરે છે કે સંસ્થા પાસે અમલીકરણ માટે વ્યૂહરચના છે, મોટા નિર્ણયો ઝડપથી લઈ અને વહેંચી શકાય છે તથા AI પરિવર્તન માટે ગુણવત્તાનાં નિયંત્રણબિંદુઓ નક્કી છે. આ ટીમ વિના અભિગમ અતિશય વિખરાઈ શકે છે, જેના કારણે નિર્ણયો, ઉત્પાદન કે ઉકેલની પસંદગી અને ગુણવત્તામાં અસંગતતા આવે છે. અંતે, તે ઊંચું જોખમ ધરાવતા ક્ષેત્રોમાં AI અમલમાં મૂકવાનો વિશ્વાસ નબળો પાડે છે.
અગાઉ જણાવ્યું તેમ, AIથી સાચો સ્પર્ધાત્મક લાભ મેળવનારી કંપનીઓ એ હશે જે ગ્રાહક અનુભવ, ઉત્પાદનની કામગીરી અને ઉત્પાદનની ઝડપ વગેરે સુધારતી મહત્ત્વની પ્રક્રિયાઓ તથા અનુભવોના કેન્દ્રમાં AIને વારંવાર, ઝડપથી અને સુરક્ષિત રીતે લાગુ કરવા માટે ઉદ્યોગવ્યાપી અનુભવ, નિપુણતા અને વિશ્વાસ વિકસાવે છે.
સારી મૂલ્યાંકન પદ્ધતિઓ, ઝડપથી અનુકૂળ થઈ મોટા પાયે કાર્ય કરતું સ્થાપત્ય તથા સંસ્થાને શીખવા, અનુકૂળ થવા અને કામની નવી રીતો સ્થાપિત કરવામાં મદદ કરતો “આ કરી શકાય છે” એવો પરિવર્તન વ્યવસ્થાપનનો અભિગમ, આ બધું જરૂરી છે.
જોકે, “નીચલા સ્તરથી ઉપર”ના અભિગમથી આમાંથી કંઈ પણ સફળતાપૂર્વક થશે નહીં. પરિવર્તનો અને તેમની અસરો તેના માટે અત્યંત ઝડપી અને વ્યાપક છે. માત્ર “સંચાલક મંડળની મંજૂરી” અથવા “વ્યવસ્થાપનનો ટેકો” પણ પૂરતો નથી.
જો તમારા કર્મચારીઓ સ્પષ્ટ રીતે સમજી ન શકે કે પરિવર્તન શા માટે જરૂરી છે, વ્યક્તિગત રીતે તેમના માટે તેનો સારો કે ખરાબ અર્થ શું છે અને તેમને શું મળશે, તો પરિવર્તન છૂપી રીતે આવશે અને સાથે ઘણું નુકસાન પણ લાવશે.
તેથી AI અપનાવવાથી સાચો લાભ મેળવવાનું ચોથું તત્ત્વ એ છે કે કંપનીનું નેતૃત્વ ખરેખર સમજે અને માને કે કંપનીની સતત સફળતા માટે AIમાં રોકાણ અનિવાર્ય છે. આ તેમની AI વ્યૂહરચના છે, જે ધ્યેયવાક્ય અને લક્ષ્યોમાં સામેલ હોય, જેનો તેઓ વારંવાર પ્રચાર કરે અને જેને અનુરૂપ નિર્ણયો લઈ પગલાં ભરતા દેખાય.
તેનાથી સમગ્ર સંસ્થાની ટીમોને કુશળતા વધારવા અને થોડા અસ્વસ્થ બનાવતા છતાં મહત્ત્વના નિર્ણયો લઈને વધુ મુશ્કેલ પરંતુ વધુ લાભદાયી માર્ગ પસંદ કરવા માટે પ્રોત્સાહન, ટેકો અને તાત્કાલિકતાની ભાવના મળે છે. તે AI સંચાલિત ગ્રાહક અનુભવ અથવા રોકાણ નિર્ણય પ્રક્રિયા માટે “કાર્યરત કરો” દબાવવાનો વિશ્વાસ આપે છે.
આગામી બે વર્ષમાં AIથી વિજેતા બનતી કંપનીઓ સૌથી વધુ અમલીકરણ કરનારી નહીં હોય. વિજેતા એ કંપનીઓ હશે જેઓ મહત્ત્વની, ગ્રાહકોને સીધી અસર કરતી, નિર્ણયો પ્રભાવિત કરતી અને વ્યવસાય માટે નિર્ણાયક પ્રણાલીઓ તથા પ્રક્રિયાઓમાં AIને સફળ બનાવશે અને આ કામ સતત તથા સુરક્ષિત રીતે કરવાની ઉદ્યોગવ્યાપી ક્ષમતા વિકસાવશે.
તમારે હવે શું કરવું? જો તમારી સંસ્થા “AIનો ઉપયોગ” કરી રહી છે, પરંતુ કંપનીની સફળતા પર તેની કોઈ અસર નથી, તો આ પ્રશ્નોના જવાબ આપવાનો પ્રયાસ કરો:
તમારી કંપનીનું ધ્યેય હાંસલ કરવામાં AIની ભૂમિકા સ્પષ્ટ છે? શું તમને લાગે છે કે નેતૃત્વ ખરેખર માને છે કે કંપનીની ભાવિ સફળતા માટે AI અપનાવવું અનિવાર્ય છે?
શું AIની કાર્યસૂચિ આગળ ધપાવવા, સમગ્ર સંસ્થાને શિક્ષિત કરવા અને પ્રવૃત્તિઓનું સંકલન કરવા માટે કોઈ કેન્દ્રીય એકમ છે?
શું ટેક્નોલોજી ટીમ વધુ ઝડપી અને સુરક્ષિત AI ઇજનેરી સરળ બનાવતી નિપુણતા, ક્ષમતા અને પદ્ધતિઓ વિકસાવી રહી છે?
શું AIની વર્તણૂક અંગેના અનુત્તરિત પ્રશ્નોથી ઊભા થતા અવરોધો વિના નવી આવૃત્તિઓ કાર્યરત થઈ રહી છે?
આમાંથી કોઈનો જવાબ ના હોય, તો જ્યાં ખરેખર મહત્ત્વ છે ત્યાં સ્પર્ધાત્મક લાભ મેળવવા માટે AIને ઝડપથી અને સુસંગત રીતે લાગુ કરી શકાય એવો સંસ્થાકીય વિશ્વાસ વિકસાવવાની શરૂઆત ક્યાંથી કરવી તે તમે જાણો છો.