ऐसे ऑर्गनाइज़ेशन डिज़ाइन करना जो AI के साथ तालमेल बिठा सकें

• अगर काम अब भी उन्हीं समितियों, मंज़ूरी, हैंडऑफ़ और अलग-अलग विभागों से होकर गुज़रता है, तो प्रोडक्टिविटी बढ़ने का फ़ायदा सीमित ही रहता है. असल रुकावट अक्सर ऑर्गनाइज़ेशनल लेटेंसी बन जाती है: यानी किसी ऑर्गनाइज़ेशन को फ़ैसले लेने, प्रक्रियाओं को बदलने और नई क्षमताओं को बिज़नेस के नतीजों में बदलने में कितना समय लगता है.

• जो वर्क पहले कई विशेषज्ञों, विभागों या हफ़्तों की मेहनत से होते थे, उन्हें अब बहुत तेज़ी से पूरा किया जा सकता है. इससे टीम के मिलकर काम करने के तरीके, फ़ैसले लेने के तरीके और विशेषज्ञता की ज़रूरत वाली जगहों में बदलाव आता है.

• इसका पूरा फ़ायदा तब मिलता है जब ऑर्गनाइज़ेशन अपने डिज़ाइन में क्रांतिकारी बदलाव लाते हैं और वर्कफ़्लो, गवर्नेंस, इंसेंटिव, जानकारी के आदान-प्रदान और फ़ैसले लेने के तरीकों के बारे में अलग तरह से सोचते हैं, ताकि AI से मिलने वाली प्रोडक्टिविटी का फ़ायदा पूरे ऑर्गनाइज़ेशन में बढ़ता जाए.

• AI-नेटिव ऑर्गनाइज़ेशन को एक मज़बूत आधार और हालात के हिसाब से ढलने की क्षमता, दोनों की ज़रूरत होती है; साथ ही, उन्हें फ़ैसले लेने और काम को सही ढंग से व्यवस्थित करने जैसे सबसे कीमती इंसानी हुनर को भी हार्नेस करना होता है.

LinkedIn, Substack और दूसरे फ़ोरम पर इस बात पर काफ़ी चर्चा हो रही है कि "मुझे AI से कोई ROI नहीं दिख रहा है." जैसे-जैसे इसका इस्तेमाल बढ़ रहा है, हमें AI सॉल्यूशंस और ChatGPT, Codex, Claude जैसे रेडी-मेड टूल अपनाने से काफ़ी ROI मिल रहा है. फिर भी, यह बात समझ में आती है. भले ही व्यक्तिगत प्रोडक्टिविटी में काफ़ी सुधार हो सकता है, लेकिन अगर किसी ऑर्गनाइज़ेशन के काम करने के तरीके वही रहते हैं, तो यह सुधार सीमित ही रहता है. आपके ऑर्गनाइज़ेशन के डिज़ाइन में बदलाव की ज़रूरत होती है.

लेकिन अफ़सोस की बात है कि आप किसी ऑर्गनाइज़ेशन को भविष्य के लिए पूरी तरह तैयार नहीं कर सकते, ख़ासकर इसलिए क्योंकि AI बहुत तेज़ी से आगे बढ़ रहा है. कोई भी भरोसे के साथ यह नहीं कह सकता कि AI-ऑप्टिमाइज़्ड बैंक, इंश्योरेंस कंपनी, रिटेलर, एनर्जी कंपनी या कंसल्टेंसी तीन साल बाद कैसी दिखेगी. टेक्नोलॉजी, इकोनॉमिक्स और काम करने के तरीके बहुत तेज़ी से बदल रहे हैं, इसलिए हालात के हिसाब से ख़ुद को ढालने की क्षमता ही अगले दशक में सबसे बड़ा फ़ायदा साबित होगी.

लेकिन अगर आपके पास तुरंत एक्सपर्ट-लेवल की इंटेलिजेंस उपलब्ध हो और AI एजेंट घंटों तक ख़ुद-ब-ख़ुद काम कर सकें, तो आपको यह मानकर चलना होगा कि काम करने का तरीका बदलेगा और उसे बदलना भी चाहिए. और इसका मतलब है कि इस टेक्नोलॉजी का फ़ायदा उठाने के लिए आपके ऑपरेटिंग मॉडल में बदलाव करना होगा. जो ऑर्गनाइज़ेशन काम के नए तरीकों और इस टेक्नोलॉजी के नए इस्तेमाल के हिसाब से सबसे तेज़ी से ख़ुद को ढालेंगे, उन्हें ही सबसे ज़्यादा फ़ायदा होगा.

AI का ऑर्गनाइज़ेशन पर क्या असर पड़ता है, इसे समझने का सबसे आसान तरीका एक साधारण सी बात मानकर शुरुआत करना है. मान लीजिए कि ऑर्गनाइज़ेशन में किसी भी व्यक्ति के लिए एक्सपर्ट-लेवल की इंटेलिजेंस तुरंत उपलब्ध है. दो साल पहले इसकी कल्पना करना भी मुश्किल था, लेकिन अब यह काफ़ी हद तक हकीकत बन चुका है. और भले ही यह अभी पूरी तरह से परफ़ेक्ट न हो, लेकिन यह मान लेना सही लगता है कि बहुत जल्द ही यह लगभग परफ़ेक्ट हो जाएगा.

इसके साथ ही, एक और बात मानकर चलिए. मान लीजिए कि ऑटोनॉमस एजेंट्स घंटों, दिनों और हफ़्तों तक साथ मिलकर काम कर सकते हैं ताकि कोई बड़ा और सार्थक काम पूरा किया जा सके. यह सिर्फ़ एक या कुछ काम नहीं, बल्कि कई अलग-अलग क्षेत्रों में फैला हुआ एक बड़ा और अहम काम होगा. यह एजेंट्स की एक ऐसी टीम होगी जो अलग-अलग तरह के काम करने में सक्षम होगी और ख़ुद ही तय कर सकेगी कि वर्कफ़्लो कैसा होगा.

अगर ये दोनों बातें लगभग तौर पर भी सच हैं, तो काम करने का तरीका बदलेगा (और बदलना ही होगा). काम पूरा होने में लगने वाला समय कम हो जाएगा, अंदरूनी सहयोग का तरीका बदलेगा और बदलाव की रफ़्तार तेज़ हो जाएगी.

इस रफ़्तार से होने वाले बदलाव से डीसेंट्रलाइज़ेशन, ऑटोनोमी और इनोवेशन को बढ़ावा मिलता है, जबकि ज़्यादातर बड़े ऑर्गनाइज़ेशन इसके ठीक विपरीत विचार पर आधारित होते हैं.

बड़े एंटरप्राइज़ काम के आधार पर बने विभागों में ही सारी ताकत केंद्रित रखते हैं. वे रणनीति, टेक्नोलॉजी, डेटा, रिस्क, ऑपरेशंस, फ़ाइनेंस, HR और बिज़नेस को अलग-अलग स्ट्रक्चर में बाँटते हैं; हर एक की अपनी प्राथमिकताएँ, इंसेंटिव और सबसे ज़रूरी बात—अपने कंट्रोल होते हैं.

निवेश समितियाँ, संचालन समितियाँ, आर्किटेक्चर बोर्ड, रिस्क रिव्यू, कंप्लायंस गेट, प्रोक्योरमेंट प्रोसेस, सालाना प्लानिंग साइकिल और बिज़नेस केस बदलाव को नियंत्रित करते हैं. कुछ चेंज मैनेजमेंट टीमें स्टेकहोल्डर्स के बीच जानकारी का आदान-प्रदान तो करती हैं, लेकिन उसमें कोई वैल्यू नहीं जोड़तीं.

फिर से, इनमें से कुछ भी बेमतलब नहीं है और ये तरीके अच्छी वजहों से मौजूद हैं. ये रिस्क को मैनेज करते हैं, कैपिटल का बंटवारा करते हैं, काम के दोहराव को रोकते हैं, कस्टमर की सुरक्षा करते हैं और जवाबदेही तय करते हैं, साथ ही ये काम की रफ़्तार भी तय करते हैं. यह रफ़्तार उस दुनिया के लिए शायद बहुत धीमी हो सकती है जहाँ AI-नेटिव कंपटीटर बहुत तेज़ी से टेस्ट कर सकते हैं, सीख सकते हैं और काम को फिर से डिज़ाइन कर सकते हैं.

कल्चरल सिग्नल भी मायने रखता है. कई ऑर्गनाइज़ेशन में, भले ही कोई लीडर कितनी भी बार कहे कि "आप फ़ैसले लेने के लिए आज़ाद हैं", असल में इनाम उसी को मिलता है जो तय दायरे में रहकर काम करता है. ऐसा क्यों? टीम को बचाना. बजट को बचाना. रोडमैप को बचाना. साफ़ तौर पर दिखने वाली नाकामी से बचना. मुश्किल फ़ैसलों को समिति के पास भेजना. मंज़ूर किए गए प्रोसेस से ज़्यादा बाहर न जाना.

यह सेंट्रलाइज़्ड तरीका तब सही लगता है जब एक्सपेरिमेंट करने की लागत ज़्यादा हो और कभी-कभार होने वाले बदलाव क्रांतिकारी न होकर धीरे-धीरे होने वाले विकास जैसे हों. लेकिन यह तब समस्या बन जाता है जब क्षमता में हर कुछ महीनों में काफ़ी सुधार हो रहा हो और काम के सबसे करीब रहने वाली टीमें ही सबसे अच्छे मौकों का पता लगाती हों.

AI को ट्रेडिशनल सेंट्रलाइज़ेशन के साथ रिस्पॉन देने से एक लेटेंसी बनती है जो सही ROI को ब्लॉक कर देती है. अगर हर बदलाव को असली काम तक पहुँचने से पहले कई समितियों से गुज़रना पड़ता है, तो ऑर्गनाइज़ेशन बहुत धीरे सीखेगा.

जो लोग तेज़ी से आगे बढ़ना और तरक्की करना चाहते हैं, उनके लिए AI का इस्तेमाल करने के मौकों को सीमित करने से आपकी कंपनी काम करने के लिए कम आकर्षक जगह बन जाती है.

ज़्यादातर ऑर्गनाइज़ेशन व्यक्तिगत AI दक्षता से शुरुआत कर रहे हैं. शुरुआत करने के लिए यह सही जगह है. लोगों को यह जानना ज़रूरी है कि AI को कैसे निर्देश दें, उसे कैसे चुनौती दें, उसके काम की जाँच कैसे करें, संवेदनशील जानकारी को कैसे सुरक्षित रखें और उसका इस्तेमाल कब न करें. उन्हें आत्मविश्वास, सही फ़ैसला लेने की क्षमता और व्यावहारिक अनुभव की ज़रूरत होती है.

लेकिन किसी व्यक्ति की काम करने की रफ़्तार की भी एक सीमा होती है. एक एनालिस्ट पाँच गुना ज़्यादा एनालिसिस कर सकता है, लेकिन फ़ैसला लेने वाली मीटिंग तो महीने में एक बार ही होती है. एक डेवलपर ज़्यादा कोड लिख सकता है, लेकिन रिव्यू और रिलीज़ का प्रोसेस तो वही रहता है. एक मार्केटर ज़्यादा कंटेंट बना सकता है, लेकिन ब्रैंड की मंज़ूरी मिलने का इंतज़ार तो उसी लाइन में करना पड़ता है.

टीम के लेवल पर भी, वर्कफ़्लो में बदलाव का मतलब हमेशा काम की रफ़्तार बढ़ना नहीं होता, अगर ऑर्गनाइज़ेशन के दूसरे हिस्से अभी भी उसी तरह काम कर रहे हैं जैसे वे हमेशा से करते आए हैं.

इसलिए, भले ही कोई व्यक्ति या टीम तेज़ी से काम करे, लेकिन ऑर्गनाइज़ेशन में काम के पूरे फ़्लो में आउटपुट की रफ़्तार दूसरे हिस्सों की वजह से सीमित हो जाती है. यही वजह है कि AI का सफ़र व्यक्ति की दक्षता से शुरू होकर टीम की दक्षता और फिर ऑर्गनाइज़ेशन की दक्षता तक बढ़ना चाहिए.

जब कोई एंटरप्राइज़ अपने स्ट्रक्चर, इंसेंटिव, गवर्नेंस, नॉलेज के बहाव और टेक्नोलॉजी के तरीकों में बदलाव कर सकता है, तो व्यक्तियों और टीमों को मिलने वाले वे स्थानीय फ़ायदे एंटरप्राइज़ की वैल्यू बन जाते हैं.

यह एक मुश्किल चुनौती है, लेकिन यहीं पर वैल्यू अनलॉक करने का मौका भी है. ChatGPT के आने के बाद पिछले कुछ सालों में बनी AI-नेटिव कंपनियों ने ऐसे वर्कफ़्लो बनाए हैं जिनमें AI पहले से ही शामिल है; ये कंपनियाँ तेज़ी से काम करती हैं और इनका स्ट्रक्चर फ़्लैट होता है. इससे अलग, बड़े एंटरप्राइज़ ने मौजूदा प्रोसेस में AI को शामिल किया है, जिससे काम करने के तरीके में कोई ख़ास बदलाव नहीं आया है और सब कुछ बिखरा-बिखरा सा लगता है.

AI-नेटिव होने का मतलब अव्यवस्थित, लापरवाह या सिर्फ़ टूल पर ध्यान देने वाला होना नहीं है. इसका मतलब यह भी नहीं है कि हर कर्मचारी अपनी मर्ज़ी से लेटेस्ट मॉडल का इस्तेमाल करे. और निश्चित तौर से, इसका मतलब यह भी नहीं है कि गवर्नेंस को उत्साह से बदला जाए, या ऐसा दिखावा किया जाए कि इंसानों की अब कोई ज़रूरत नहीं है.

ऑर्गनाइज़ेशन डिज़ाइन के पुराने मॉडल में यह माना जाता है कि आप भविष्य की स्थिति तय कर सकते हैं, उसका स्ट्रक्चर बना सकते हैं, बदलाव लागू कर सकते हैं और उसे स्थिर कर सकते हैं. AI के लिए यह तरीका बहुत धीमा है.

AI-नेटिव ऑर्गनाइज़ेशन को लगातार बदलाव के लिए डिज़ाइन किया जाएगा. AI-नेटिव ऑर्गनाइज़ेशन वह है जो लोगों, AI सिस्टम, डेटा, वर्कफ़्लो और गवर्नेंस की मिली-जुली ताकतों के आधार पर काम के तरीकों को लगातार नए सिरे से तैयार करता है. वे किसी एक ही ब्लूप्रिंट पर सब कुछ दांव पर नहीं लगाएंगे. वे तेज़ी से यह पता लगाने की क्षमता विकसित करेंगे कि: किन वर्कफ़्लो को बदलना चाहिए, किन भूमिकाओं में बदलाव की ज़रूरत है, किन कंट्रोल की आवश्यकता है, कौन से स्किल ज़्यादा मायने रखते हैं, किन पैटर्न का दोबारा इस्तेमाल किया जा सकता है और कौन सी धारणाएँ अब पुरानी हो चुकी हैं.

इसके लिए एक साथ दो चीज़ों की ज़रुरत होती है: एक मज़बूत आधार और एक अडैप्टिव एज. ये सेंट्रलाइज़ेशन और काम के करीब स्थित टीमों को सशक्त बनाने के बीच संतुलन देते हैं.

मज़बूत आधार ऑर्गनाइज़ेशन को भरोसा और बड़े स्तर पर काम करने की क्षमता देता है. पूरे बिज़नेस की पहुँच मंज़ूर किए गए टूल्स, दोबारा इस्तेमाल होने वाले पैटर्न, डेटा एक्सेस के तरीकों, मूल्यांकन के तरीकों, सुरक्षा कंट्रोल, गवर्नेंस के सिद्धांतों, मॉनिटरिंग, नॉलेज इंफ़्रास्ट्रक्चर और साफ़ तौर पर तय ओनरशिप तक होती है.

अडैप्टिव एज वह जगह है जहाँ काम होता है और बिना किसी रुकावट के बार-बार बदलता है. समस्या के करीब छोटी, क्रॉस-फ़ंक्शनल टीमों के पास वर्कफ़्लो को फिर से डिज़ाइन करने, AI लागू करने, काम करने के नए तरीकों को टेस्ट करने और ऑर्गनाइज़ेशन में सीखी हुई चीज़ों को वापस लाने का पूरा अधिकार होता है.

कोर और एज के बीच संतुलन ज़रूरी है. बहुत ज़्यादा केंद्रीय नियंत्रण और ऑर्गनाइज़ेशन बहुत धीरे-धीरे सीखता है. बहुत ज़्यादा स्थानीय स्वतंत्रता और ऑर्गनाइज़ेशन बिखर जाता है. AI-नेटिव ऑर्गनाइज़ेशन को कोर में अनुशासन और एज पर अनुकूलनशीलता की ज़रुरत होती है.

काम को ऑटोमेट करने के बारे में एक आसान सी सोच यह है कि AI से लोगों की ज़रूरत कम हो जाती है. कुछ क्षेत्रों में ऐसा होगा भी, जैसे कि कम-संदर्भ वाले, बार-बार किए जाने वाले नॉलेज-बेस्ड काम, जिन्हें छोटा कर दिया जाएगा या हटा दिया जाएगा. ज़्यादातर ट्रांज़ैक्शनल वर्क - जैसे सिस्टम की कमियों को पूरा करना, जानकारी को एक जगह से दूसरी जगह पहुँचाना, शुरुआती एनालिसिस, पहला ड्राफ़्ट तैयार करना और सीमित 'वैल्यू-ऐड' वाले जवाब देना - इन सभी पर दबाव होगा.

लेकिन इसका दूसरा पहलू यह है कि इंसानी 'योगदान' का लेवल और ऊपर चला जाता है: अगर एक्सपर्ट इंटेलिजेंस तुरंत उपलब्ध हो, तो इंसानी गुण जिनकी जगह AI न तो ले सकता है और न ही लेनी चाहिए जैसे सही फ़ैसला लेने की क्षमता, क्रिएटिविटी, जवाबदेही, संदर्भ की समझ और भरोसा, वे ही सबसे अहम हो जाते हैं.

ऑर्गनाइज़ेशन को ऐसे लोगों पर ज़्यादा ध्यान देना चाहिए जो मुश्किल या अस्पष्ट स्थितियों में फ़ैसले ले सकें. ऐसे लोग जो उस क्षेत्र को इतनी गहराई से समझ सकें कि AI को सही दिशा दे सकें और यह पहचान सकें कि वह कब गलत है. ऐसे लोग जो बेहतर सवाल पूछ सकें. ऐसे लोग जो कमर्शियल, टेक्निकल, ऑपरेशनल और मानवीय पहलुओं को आपस में जोड़ सकें. ऐसे लोग जो रिश्ते बना सकें, भरोसा पैदा कर सकें और कई स्टेकहोल्डर के बीच तालमेल बिठा सकें. और सबसे ज़रूरी बात, जब आप सोचते हैं कि पूरे हफ़्ते का काम सोमवार सुबह ही निपटाना है, तो तेज़ी और सही ढंग से अलग-अलग संदर्भों के बीच स्विच करने और जानकारी को समझने की क्षमता और भी अहम हो जाती है.

इसलिए, अगर अलग-अलग काम के बीच संदर्भ को समझकर AI-आधारित काम को कोऑर्डिनेट कर सकें, तो 'जनरलिस्ट' और ज़्यादा कीमती हो जाते हैं, न कि कम. 'एक्सपर्ट' भी और ज़्यादा कीमती हो सकते हैं, क्योंकि तेज़ी से काम होने पर ऐसे मौके ज़्यादा आते हैं जहाँ क्वालिटी और सही फ़ैसला लेना मायने रखता है. और लीडर्स को गतिविधियों को कंट्रोल करने वाले के बजाय सिस्टम, संदर्भ और काम की रफ़्तार तय करने वाले 'डिज़ाइनर' के तौर पर काम करना होगा.

जिन हुनर में निवेश करने की ज़रूरत है, वे सिर्फ़ "AI स्किल" नहीं हैं. ये वे इंसानी गुण हैं जो तब और भी ज़रूरी हो जाते हैं जब AI छोटे-मोटे काम ज़्यादा करने लगता है: जैसे कि जिज्ञासा, सही फ़ैसला लेने की क्षमता, मुश्किलों का सामना करने की हिम्मत, साफ़ सोच, क्रिएटिविटी, फ़ैसला लेने की ताकत, मिल-जुलकर काम करना और अनिश्चितता के बीच भी सहज रहना. ऑर्गनाइज़ेशन को अभी से ऐसे गुणों वाले लोगों को हायर करना चाहिए, उन्हें डेवलप करना चाहिए और उन्हें इनाम भी देना चाहिए.

इतने सारे काम को कम समय में समेटना बहुत मुश्किल होता है और AI-बेस्ड ऑर्गनाइज़ेशन हर समय बहुत तेज़ी से काम नहीं कर सकते. उन्हें लोगों के लिए रिकवर करने और फिर से जुड़ने के लिए समय और थोड़ी ढील देनी होगी. सही फ़ैसले लेने के लिए, ऑर्गनाइज़ेशन को ऐसा माहौल बनाना चाहिए जहाँ अचानक होने वाली चीज़ों से नए और अनोखे आइडिया मिल सकें.

आज, कई कंपनियाँ AI का इस्तेमाल उन काम के लिए करने में धीमी हैं जो पहले से ही मुमकिन हैं. इससे एजेंटिक क्षमता में सुधार और उसके इस्तेमाल में सुधार के बीच का फ़र्क बढ़ता जा रहा है.

यह सामान्य बात है. बड़े ऑर्गनाइज़ेशन टेक्नोलॉजी को धीरे-धीरे अपनाते हैं, क्योंकि उन्हें पुराने सिस्टम, कानूनी पाबंदियों, कल्चरल विरोध, बिखरे हुए डेटा, अस्पष्ट ओनरशिप और असल रिस्क जैसी चुनौतियों को मैनेज करना पड़ता है.

लेकिन किसी न किसी समय, काफ़ी संख्या में लीडर, टीम और कंपटीटर यह समझ जाएँगे कि AI को असल वर्कफ़्लो में सुरक्षित और बार-बार कैसे इस्तेमाल किया जाए. पैटर्न बेहतर होंगे, गवर्नेंस ज़्यादा मज़बूत होगी, एजेंट ज़्यादा भरोसेमंद बनेंगे और ऑर्गनाइज़ेशन का भरोसा बढ़ेगा. AI से जो मुमकिन होता है और कंपनियाँ असल में जो इस्तेमाल करती हैं, उनके बीच का फ़ासला कम होने लगेगा.

जब वह अहम मोड़ आएगा, तो फ़ायदा उन कंपनियों को नहीं मिलेगा जिनके पास सबसे अच्छे मॉडल या सबसे बड़ा AI बजट होगा, बल्कि उन ऑर्गनाइज़ेशन को मिलेगा जो तेज़ी से काम करने के तरीके को बदल सकते हैं.

जो कंपनियाँ हर निर्णय को केंद्रीकृत करती हैं, हर काम को संरक्षित रखती हैं, धीमी समितियों के ज़रिए शासन करती हैं और 'मामले को न बिगाड़ने' के लिए लोगों को पुरस्कार देती हैं, उन्हें मुकाबले में बने रहने के लिए संघर्ष करना पड़ेगा.

जो कंपनियाँ मज़बूत आधार और हालात के हिसाब से ढलने की क्षमता बनाएँगी, वे तेज़ी से सीखेंगी. वे बेहतर काम करने के तरीके जल्दी खोज लेंगी, हाई वैल्यू वाले काम के लिए जनरलिसट, एक्सपर्ट और लीडर जैसे टैलेंट का सही तालमेल बिठाकर उन्हें नए काम में लगाएँगी, और लोकल लेवल पर किए गए एक्सपेरिमेंट को ऐसे पैटर्न में बदल देंगी जिन्हें बार-बार इस्तेमाल किया जा सके.

अभी सवाल यह हो सकता है कि "हम AI को सफ़लतापूर्वक कैसे अपनाएँ?", लेकिन जल्द ही इसे बदलकर यह करना होगा कि "जैसे-जैसे AI काम करने के तरीके को बदल रहा है, हमारा ऑर्गनाइज़ेशन कितनी तेज़ी से उसके हिसाब से ख़ुद को ढाल सकता है?"

पावरफ़ुल AI वाला धीमा ऑर्गनाइज़ेशन फिर भी धीमा रहेगा, पावरफ़ुल AI वाला अडैप्टिव ऑर्गनाइज़ेशन और भी धीमा हो जाएगा.