AI-യോടൊപ്പം മുന്നേറുന്ന സ്ഥാപനങ്ങളുടെ രൂപകൽപ്പന

• പ്രവർത്തനക്ഷമതയിലെ നേട്ടങ്ങൾക്ക് പരിമിതമായ മൂല്യം മാത്രമേയുള്ളൂ, പ്രവൃത്തികൾ ഇപ്പോഴും അതേ കമ്മിറ്റികൾ, അംഗീകാരങ്ങൾ, കൈമാറ്റങ്ങൾ , പ്രവർത്തനപരമായ വേർതിരിവുകൾ എന്നിവയിലൂടെത്തന്നെയാണ് കടന്നുപോകുന്നതെങ്കിൽ. സ്ഥാപനപരമായ കാലതാമസമാണ് പ്രധാന തടസ്സമായി മാറുന്നത്: തീരുമാനമെടുക്കാനും പ്രക്രിയകൾ മാറ്റാനും പുതിയ ശേഷികളെ ബിസിനസ് ഫലങ്ങളാക്കാനും സ്ഥാപനം എടുക്കുന്ന സമയം.

• മുമ്പ് പല വിദഗ്ധരോ വകുപ്പുകളോ ആഴ്ചകളോ വേണ്ടിവന്ന ജോലി ഇപ്പോൾ വളരെ വേഗത്തിൽ പൂർത്തിയാക്കാം. ഇത് ടീമുകളുടെ സഹകരണം, തീരുമാനമെടുക്കൽ, വൈദഗ്ധ്യം ആവശ്യമായ ഇടങ്ങൾ എന്നിവ മാറ്റുന്നു.

• പ്രവർത്തനക്രമം, ഭരണം, പ്രോത്സാഹനം, വിജ്ഞാനപ്രവാഹം, തീരുമാനഘടന എന്നിവ പുനർവിചിന്തനം ചെയ്ത് സ്ഥാപനങ്ങൾ രൂപകൽപ്പനയിൽ വിപ്ലവം സൃഷ്ടിക്കുമ്പോഴാണ് AI നൽകുന്ന ഉൽപ്പാദനനേട്ടങ്ങൾ സംരംഭമാകെ പെരുകുകയും പൂർണഫലം ലഭിക്കുകയും ചെയ്യുന്നത്.

• AI-കേന്ദ്രീകൃത സ്ഥാപനങ്ങൾക്ക് സ്ഥിരതയുള്ള അടിത്തറയും പൊരുത്തപ്പെടുന്ന പ്രവർത്തനാതിർത്തിയും വേണം; ഒപ്പം വിവേചനത്തിനും പ്രവർത്തന ഏകോപനത്തിനും വിലയേറിയ മനുഷ്യകഴിവുകൾ പ്രയോജനപ്പെടുത്തണം.

LinkedIn, Substack തുടങ്ങിയ വേദികളിൽ “AI-യിൽ നിന്നുള്ള നിക്ഷേപഫലം കാണുന്നില്ല” എന്ന ചർച്ച വ്യാപകമാണ്. കാര്യമായ സ്വീകാര്യത വളരുമ്പോൾ AI പരിഹാരങ്ങളിലും ChatGPT, Codex, Claude പോലുള്ള തയ്യാറായ ഉപകരണങ്ങളുടെ ഉപയോഗത്തിലും ധാരാളം നിക്ഷേപഫലം കാണാം. എങ്കിലും ആ വാദം മനസ്സിലാക്കാവുന്നതാണ്. വ്യക്തിഗത ഉൽപ്പാദനക്ഷമത ഗണ്യമായി ഉയരാമെങ്കിലും സ്ഥാപനത്തിലെ പ്രവർത്തനക്രമങ്ങൾ മാറാത്തിടത്തോളം അതിന് പരിധിയുണ്ടാകും. നിങ്ങളുടെ സ്ഥാപനരൂപകൽപ്പന മാറേണ്ടതുണ്ട്.

എന്നാൽ AI അതിവേഗം മാറുന്നതിനാൽ ഒരു സ്ഥാപനത്തെ ഭാവിയിലെ എല്ലാ മാറ്റങ്ങൾക്കും പൂർണമായി സജ്ജമാക്കാനാവില്ല. മൂന്നുവർഷത്തിനുശേഷം AI-ക്ക് അനുയോജ്യമായ ബാങ്ക്, ഇൻഷുറൻസ് കമ്പനി, ചില്ലറവ്യാപാരി, ഊർജകമ്പനി, കൺസൾട്ടൻസി എന്നിവ എങ്ങനെയായിരിക്കണമെന്ന് ആർക്കും ഉറപ്പോടെ പറയാനാവില്ല. സാങ്കേതികവിദ്യയും സാമ്പത്തികശാസ്ത്രവും പ്രവർത്തനരീതികളും അതിവേഗം മാറുന്നതിനാൽ പൊരുത്തപ്പെടാനുള്ള കഴിവ് അടുത്ത ദശകത്തിലെ നിർണായക നേട്ടമാകും.

വിദഗ്ധതലത്തിലുള്ള ബുദ്ധി തൽക്ഷണം ലഭിക്കുകയും AI ഏജൻ്റുകൾ മണിക്കൂറുകളോളം സ്വയം പ്രവർത്തിക്കുകയും ചെയ്യുന്നുവെങ്കിൽ ജോലി ചെയ്യുന്ന രീതി മാറുമെന്നും മാറേണ്ടതാണെന്നും കരുതണം. സാങ്കേതികവിദ്യയിൽനിന്ന് നേട്ടമുണ്ടാക്കാൻ പ്രവർത്തനമാതൃകയും മാറണമെന്നാണ് ഇതിന്റെ അർഥം. പുതിയ പ്രവർത്തനരീതികളോടും ഈ സാങ്കേതികവിദ്യയുടെ നവീന പ്രയോഗങ്ങളോടും ഏറ്റവും വേഗം പൊരുത്തപ്പെടുന്ന സ്ഥാപനങ്ങൾക്കാണ് കൂടുതൽ നേട്ടം.

AI സ്ഥാപനങ്ങളെ എങ്ങനെ ബാധിക്കുന്നുവെന്ന് മനസ്സിലാക്കാനുള്ള എളുപ്പവഴി ഒരു ലളിതമായ അനുമാനത്തിൽനിന്ന് തുടങ്ങുകയാണ്. സ്ഥാപനത്തിലെ ആർക്കും വിദഗ്ധതലത്തിലുള്ള ബുദ്ധി തൽക്ഷണം ലഭ്യമാണെന്ന് കരുതുക. രണ്ടുവർഷം മുമ്പ് ഇത് സങ്കൽപ്പിക്കാൻ പ്രയാസമായിരുന്നു; ഇപ്പോൾ ഇത് ഏറെക്കുറെ യാഥാർഥ്യമാണ്. ഇനിയും പൂർണമല്ലെങ്കിലും സമീപഭാവിയിൽ പൂർണതയോട് അടുക്കുമെന്ന് കരുതുന്നത് ന്യായമാണ്.

ഇതിനൊപ്പം മറ്റൊരു അനുമാനവും ചേർക്കാം. അർഥവത്തായ വലിയ ജോലികൾ പൂർത്തിയാക്കാൻ സ്വയംപ്രവർത്തിക്കുന്ന ഏജൻ്റുകൾക്ക് മണിക്കൂറുകളും ദിവസങ്ങളും ഒടുവിൽ ആഴ്ചകളും ഒരുമിച്ച് പ്രവർത്തിക്കാനാകുമെന്ന് കരുതുക. ഒന്നോ രണ്ടോ ചുമതലകളല്ല, വിവിധ മേഖലകളിലായി നീളുന്ന ഗണ്യമായ ഒരു സമ്പൂർണ പ്രവർത്തനശൃംഖല. സ്വന്തമായി പ്രവർത്തനക്രമം കണ്ടെത്താൻ കഴിയുന്ന ഏജൻ്റുകളുടെ സംഘത്തിനുള്ളിൽ പ്രവർത്തിക്കുന്ന ഒരു വിവിധവിഭാഗ ടീം.

ഇവ രണ്ടും പൊതുവായ ദിശയിലെങ്കിലും ശരിയാണെങ്കിൽ ജോലി ചെയ്യുന്ന രീതി മാറും, മാറേണ്ടിവരും. പൂർത്തീകരണസമയം കുറയും, ആഭ്യന്തര സഹകരണത്തിന്റെ രൂപം മാറും, മാറ്റത്തിന്റെ വേഗം കൂടും.

ഈ വേഗത്തിലുള്ള മാറ്റത്തിന് വികേന്ദ്രീകരണം, സ്വയംഭരണം, നവീകരണം എന്നിവ അനുകൂലമാണ്; എന്നാൽ മിക്ക വലിയ സ്ഥാപനങ്ങളും വിപരീത ആശയത്തിലാണ് നിർമിച്ചിരിക്കുന്നത്.

വലിയ സംരംഭങ്ങൾ പ്രവർത്തനവിഭാഗങ്ങളെ അടിസ്ഥാനമാക്കിയ വകുപ്പുകളിൽ അധികാരം കേന്ദ്രീകരിക്കുന്നു. തന്ത്രം, സാങ്കേതികവിദ്യ, ഡാറ്റ, അപകടസാധ്യത, പ്രവർത്തനം, ധനകാര്യം, മാനവവിഭവശേഷി, ബിസിനസ് എന്നിവയെ വ്യത്യസ്ത ഘടനകളാക്കുന്നു; ഓരോന്നിനും സ്വന്തം മുൻഗണനകളും പ്രോത്സാഹനങ്ങളും പ്രധാനമായി നിയന്ത്രണങ്ങളുമുണ്ട്.

നിക്ഷേപ-മേൽനോട്ട സമിതികൾ, ആർക്കിടെക്ചർ ബോർഡുകൾ, അപകടസാധ്യതാ അവലോകനങ്ങൾ, അനുസരണഘട്ടങ്ങൾ, സംഭരണപ്രക്രിയകൾ, വാർഷിക ആസൂത്രണം, ബിസിനസ് ന്യായീകരണങ്ങൾ എന്നിവയാണ് മാറ്റത്തെ നിയന്ത്രിക്കുന്നത്. ചില മാറ്റനിർവഹണ ടീമുകൾ മൂല്യം ചേർക്കാതെ പങ്കാളികൾക്കിടയിലെ വിവരകൈമാറ്റത്തിൽ മറ്റൊരു ഇടനിലക്കാരാകുന്നു.

ഇതൊന്നും യുക്തിരഹിതമല്ല; ഈ സംവിധാനങ്ങൾ നിലനിൽക്കുന്നതിന് നല്ല കാരണങ്ങളുണ്ട്. അവ അപകടസാധ്യത കൈകാര്യം ചെയ്യുകയും മൂലധനം വിന്യസിക്കുകയും ആവർത്തനം തടയുകയും ഉപഭോക്താക്കളെ സംരക്ഷിക്കുകയും ഉത്തരവാദിത്തം ഉറപ്പാക്കുകയും ചെയ്യുന്നു; ഒപ്പം ഒരു വേഗപരിധിയും നിശ്ചയിക്കുന്നു. AI-കേന്ദ്രീകൃത എതിരാളികൾക്ക് ജോലി വളരെ വേഗം പരീക്ഷിക്കാനും പഠിക്കാനും പുനർരൂപകൽപ്പന ചെയ്യാനും കഴിയുന്ന ലോകത്തിന് ആ വേഗം പോരാ.

സാംസ്കാരിക സന്ദേശവും പ്രധാനമാണ്. “തീരുമാനമെടുക്കാൻ നിങ്ങൾക്ക് അധികാരമുണ്ട്” എന്ന് നേതാക്കൾ ആവർത്തിച്ചാലും പല സ്ഥാപനങ്ങളിലും പ്രോത്സാഹനങ്ങൾ ഇപ്പോഴും സ്വന്തം പ്രവർത്തനവിഭാഗത്തിന്റെ അതിരിനുള്ളിൽ നിൽക്കുന്നതിനാണ്. എന്തുകൊണ്ട്? ടീമിനെ സംരക്ഷിക്കുക. ബജറ്റ് സംരക്ഷിക്കുക. പ്രവർത്തനപഥം സംരക്ഷിക്കുക. പ്രകടമായ പരാജയം ഒഴിവാക്കുക. പ്രയാസമുള്ള തീരുമാനങ്ങൾ സമിതിക്ക് വിടുക. അംഗീകൃത പ്രക്രിയയുടെ അതിരുകൾ കടക്കരുത്.

പരീക്ഷണച്ചെലവ് കൂടുതലായിരിക്കുകയും വല്ലപ്പോഴുമുള്ള മാറ്റം വിപ്ലവകരമല്ലാതെ ക്രമാനുഗതമായിരിക്കുകയും ചെയ്യുമ്പോൾ ഈ കേന്ദ്രീകൃത സമീപനം യുക്തിസഹമാണ്. എന്നാൽ ഏതാനും മാസങ്ങൾക്കൊരിക്കൽ ശേഷി ഗണ്യമായി മെച്ചപ്പെടുകയും മികച്ച അവസരങ്ങൾ ജോലിയോട് അടുത്ത ടീമുകൾ കണ്ടെത്തുകയും ചെയ്യുമ്പോൾ ഇത് പ്രശ്നമാകും.

പരമ്പരാഗത കേന്ദ്രീകരണത്തിലൂടെ AI-യോട് പ്രതികരിക്കുന്നത് അർഥവത്തായ നിക്ഷേപഫലത്തെ തടയുന്ന കാലതാമസം സൃഷ്ടിക്കുന്നു. യഥാർഥ ജോലിയിൽ എത്തുന്നതിനുമുമ്പ് ഓരോ മാറ്റവും പല സമിതികളിലൂടെ കടക്കണമെങ്കിൽ സ്ഥാപനം വളരെ മന്ദഗതിയിലേ പഠിക്കൂ.

വളരാനും വേഗത്തിൽ മുന്നേറാനും ആഗ്രഹിക്കുന്ന ജീവനക്കാർക്ക് AI പ്രയോജനപ്പെടുത്താനുള്ള അവസരം കുറയ്ക്കുന്നത് നിങ്ങളുടെ സ്ഥാപനത്തിന്റെ ആകർഷണം കുറയ്ക്കും.

മിക്ക സ്ഥാപനങ്ങളും വ്യക്തിഗത AI പ്രാവീണ്യത്തിൽനിന്നാണ് തുടങ്ങുന്നത്. തുടങ്ങേണ്ട ശരിയായ ഇടം അതാണ്. AI-ക്ക് നിർദേശം നൽകാനും അതിനെ ചോദ്യം ചെയ്യാനും അതിന്റെ ജോലി പരിശോധിക്കാനും രഹസ്യവിവരം സംരക്ഷിക്കാനും എപ്പോൾ ഉപയോഗിക്കരുതെന്ന് തിരിച്ചറിയാനും ആളുകൾ പഠിക്കണം. അവർക്ക് ആത്മവിശ്വാസവും വിവേചനവും പ്രായോഗിക പരിചയവും വേണം.

എന്നാൽ വ്യക്തിഗത പ്രാവീണ്യത്തിന് ഒരു പരിധിയുണ്ട്. ഒരു വിശകലനവിദഗ്ധന് അഞ്ചിരട്ടി വിശകലനം നടത്താം; എന്നാൽ തീരുമാനവേദി ഇപ്പോഴും മാസത്തിലൊരിക്കലേ ചേരൂ. ഒരു ഡെവലപ്പർക്ക് കൂടുതൽ കോഡ് ഉണ്ടാക്കാൻ കഴിയും, എന്നാൽ അവലോകനവും പുറത്തിറക്കൽ പ്രക്രിയയും മാറിയിട്ടില്ല. ഒരു വിപണനവിദഗ്ധന് കൂടുതൽ ഉള്ളടക്കം സൃഷ്ടിക്കാം; എന്നാൽ ബ്രാൻഡ് അംഗീകാരം പഴയ കാത്തിരിപ്പുപട്ടികയിൽതന്നെയാണ്.

ടീംതലത്തിൽ പ്രവർത്തനക്രമം മാറിയാലും സ്ഥാപനത്തിന്റെ മറ്റു ഭാഗങ്ങൾ പഴയതുപോലെ പ്രവർത്തിക്കുന്നുവെങ്കിൽ വേഗം കൂടണമെന്നില്ല.

വ്യക്തിയും ടീമും വേഗത്തിലായേക്കാം; എന്നാൽ സ്ഥാപനത്തിന്റെ സമഗ്ര പ്രവർത്തനപ്രവാഹത്തിലെ മറ്റു ഭാഗങ്ങൾ ആത്യന്തികമായി ഫലത്തിന്റെ വേഗം നിയന്ത്രിക്കും. അതുകൊണ്ടാണ് AI യാത്ര വ്യക്തിഗത പ്രാവീണ്യത്തിൽനിന്ന് ടീം പ്രാവീണ്യത്തിലേക്കും തുടർന്ന് സ്ഥാപനപ്രാവീണ്യത്തിലേക്കും നീങ്ങേണ്ടത്.

സംരംഭത്തിന് ഘടന, പ്രോത്സാഹനം, ഭരണം, വിജ്ഞാനപ്രവാഹം, സാങ്കേതികരീതികൾ എന്നിവ മാറ്റാനാകുമ്പോൾ വ്യക്തികളും ടീമുകളും നേടിയ പ്രാദേശിക നേട്ടങ്ങൾ സംരംഭമൂല്യമാകും.

ഇത് പ്രയാസമുള്ള വെല്ലുവിളിയാണ്; എന്നാൽ മൂല്യം തുറന്നെടുക്കാനുള്ള അവസരവും അവിടെയാണ്. ChatGPT പുറത്തിറങ്ങിയശേഷം കഴിഞ്ഞ ഏതാനും വർഷങ്ങളിൽ രൂപംകൊണ്ട AI-കേന്ദ്രീകൃത സ്ഥാപനങ്ങൾ AI ഉൾച്ചേർത്ത പ്രവർത്തനക്രമങ്ങളാണ് നിർമിച്ചത്; അതിനാൽ അവ ചടുലവും നിരപ്പായ ഘടനകളുള്ളവയുമാണ്. മറിച്ച്, വലിയ സംരംഭങ്ങൾ നിലവിലുള്ള പ്രക്രിയകളിലേക്ക് AI കൂട്ടിച്ചേർത്തതിനാൽ ജോലി എങ്ങനെ ചെയ്യുന്നു എന്നത് മാറ്റാത്ത ഒരു തുണ്ടുചേർത്ത ഫലമാണ് ഉണ്ടായത്.

AI-കേന്ദ്രീകൃതം എന്നാൽ അരാജകമോ അശ്രദ്ധമോ ഉപകരണഭ്രമമുള്ളതോ എന്നല്ല. ഓരോ ജീവനക്കാരനും ഏറ്റവും പുതിയ മോഡൽ ഇഷ്ടമുള്ള രീതിയിൽ ഉപയോഗിക്കുക എന്നുമല്ല. ഭരണത്തെ ആവേശംകൊണ്ട് പകരംവയ്ക്കുക എന്നോ മനുഷ്യരെ ഇനി ആവശ്യമില്ലെന്ന് നടിക്കുക എന്നോ തീർച്ചയായും അർഥമില്ല.

ഭാവിസ്ഥിതി നിർവചിച്ച് ഘടന വരച്ച് മാറ്റം നടപ്പാക്കി സ്ഥിരപ്പെടുത്താമെന്നാണ് പഴയ സ്ഥാപനരൂപകൽപ്പനാ മാതൃക കരുതുന്നത്. AI-ക്ക് അത് വളരെ മന്ദഗതിയാണ്.

AI-കേന്ദ്രീകൃത സ്ഥാപനങ്ങൾ തുടർച്ചയായ മാറ്റത്തിനായി രൂപകൽപ്പന ചെയ്യപ്പെടും. ആളുകൾ, AI സിസ്റ്റങ്ങൾ, ഡാറ്റ, പ്രവർത്തനക്രമം, ഭരണം എന്നിവയുടെ സംയുക്തശക്തിക്ക് ചുറ്റും ജോലി തുടർച്ചയായി പുനർരൂപകൽപ്പന ചെയ്യുന്ന സ്ഥാപനമാണ് AI-കേന്ദ്രീകൃത സ്ഥാപനം. അവർ ഒരു ഒറ്റ പ്ലാനിനെ മാത്രം ആശ്രയിച്ച് എല്ലാം പന്തയംവയ്ക്കില്ല. ഏത് പ്രവർത്തനക്രമം മാറണം, ഏത് ചുമതലകൾ വികസിക്കണം, എന്ത് നിയന്ത്രണങ്ങൾ വേണം, ഏത് കഴിവുകൾക്ക് പ്രാധാന്യം കൂടുന്നു, ഏത് രീതികൾ പുനരുപയോഗിക്കാം, ഏത് അനുമാനങ്ങൾ കാലഹരണപ്പെട്ടു എന്നിവ വേഗം കണ്ടെത്താനുള്ള ശേഷി അവർ വളർത്തും.

അതിന് ഒരേസമയം രണ്ടും വേണം: സ്ഥിരമായ അടിത്തറയും പൊരുത്തപ്പെടുന്ന പ്രവർത്തനാതിർത്തിയും. കേന്ദ്രീകരണവും ജോലിയോട് അടുത്ത ടീമുകളുടെ ശാക്തീകരണവും തമ്മിൽ ഇവ സന്തുലനം നൽകുന്നു.

സ്ഥിരമായ അടിത്തറ സ്ഥാപനത്തിന് വിശ്വാസവും വിപുലീകരണശേഷിയും നൽകുന്നു. അംഗീകൃത ഉപകരണങ്ങൾ, പുനരുപയോഗരീതികൾ, ഡാറ്റ ലഭ്യമാക്കുന്ന വഴികൾ, മൂല്യനിർണയരീതികൾ, സുരക്ഷാനിയന്ത്രണങ്ങൾ, ഭരണതത്ത്വങ്ങൾ, നിരീക്ഷണം, വിജ്ഞാന അടിസ്ഥാനസൗകര്യം, വ്യക്തമായ ഉടമസ്ഥത എന്നിവ മുഴുവൻ ബിസിനസിനും ലഭ്യമാകും.

ജോലി നടക്കുന്നതും തടസ്സമില്ലാതെ നിരന്തരം മാറുന്നതുമായ ഇടമാണ് പൊരുത്തപ്പെടുന്ന പ്രവർത്തനാതിർത്തി. പ്രശ്നത്തോട് അടുത്തുള്ള ചെറിയ വിവിധവിഭാഗ ടീമുകൾക്ക് പ്രവർത്തനക്രമം പുനർരൂപകൽപ്പന ചെയ്യാനും AI പ്രയോഗിക്കാനും പുതിയ രീതികൾ പരീക്ഷിക്കാനും പഠനം സ്ഥാപനത്തിലേക്ക് തിരിച്ചെത്തിക്കാനും വേണ്ട അധികാരമുണ്ടാകും.

കേന്ദ്രവും പ്രവർത്തനാതിർത്തിയും തമ്മിലുള്ള ഈ സന്തുലനം പ്രധാനമാണ്. കേന്ദ്രനിയന്ത്രണം അമിതമായാൽ സ്ഥാപനം വളരെ മന്ദഗതിയിലേ പഠിക്കൂ. പ്രാദേശിക സ്വാതന്ത്ര്യം അമിതമായാൽ സ്ഥാപനം ശിഥിലമാകും. AI-കേന്ദ്രീകൃത സ്ഥാപനത്തിന് കേന്ദ്രത്തിൽ അച്ചടക്കവും പ്രവർത്തനാതിർത്തിയിൽ പൊരുത്തപ്പെടാനുള്ള കഴിവും വേണം.

ജോലി യാന്ത്രികമാക്കുമ്പോൾ ആളുകളുടെ ആവശ്യം AI കുറയ്ക്കുമെന്നതാണ് എളുപ്പത്തിലുള്ള നിഗമനം. സന്ദർഭം കുറവുള്ളതും ആവർത്തനസ്വഭാവമുള്ളതുമായ വിജ്ഞാനജോലികൾ ചുരുങ്ങുകയോ ഇല്ലാതാകുകയോ ചെയ്യുന്ന ചില മേഖലകളിൽ അത് ശരിയാണ്. ഇടപാടുകൾ, സിസ്റ്റങ്ങളിലെ വിടവുകൾ നികത്തൽ, വിവരങ്ങൾ കൈമാറൽ, പ്രാഥമിക വിശകലനം, ആദ്യ കരടുകൾ തയ്യാറാക്കൽ, പരിമിതമായ “മൂല്യവർധിത” പ്രതികരണങ്ങൾ എന്നിവയിൽ ഒതുങ്ങുന്ന ജോലികളെല്ലാം സമ്മർദത്തിലാകും.

എന്നാൽ ഇതിന്റെ മറുവശം, മനുഷ്യരുടെ “സംഭാവന” ഉയർന്ന തലത്തിലേക്ക് നീങ്ങുന്നു എന്നതാണ്. വിദഗ്ധബുദ്ധി തൽക്ഷണം ലഭ്യമാകുമ്പോൾ AI-ക്ക് പകരംവയ്ക്കാനാകാത്തതും പകരംവയ്ക്കരുതാത്തതുമായ മനുഷ്യഗുണങ്ങൾ വിവേചനം, സർഗാത്മകത, ഉത്തരവാദിത്തം, സന്ദർഭബോധം, വിശ്വാസം എന്നിവയാകും.

അവ്യക്തമായ സാഹചര്യങ്ങളിൽ തീരുമാനമെടുക്കാൻ കഴിയുന്ന ആളുകളിൽ സ്ഥാപനങ്ങൾ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കണം. AI-യെ നയിക്കാനും അത് തെറ്റുമ്പോൾ തിരിച്ചറിയാനും വേണ്ടത്ര വിഷയജ്ഞാനമുള്ള ആളുകൾ. മികച്ച ചോദ്യങ്ങൾ ചോദിക്കാൻ കഴിയുന്ന ആളുകൾ. വാണിജ്യ, സാങ്കേതിക, പ്രവർത്തന, മാനുഷിക യാഥാർഥ്യങ്ങളെ ബന്ധിപ്പിക്കാൻ കഴിയുന്ന ആളുകൾ. ബന്ധങ്ങൾ വളർത്താനും ആത്മവിശ്വാസം സൃഷ്ടിക്കാനും വിവിധ പങ്കാളികളെ ഏകോപിപ്പിക്കാനും കഴിയുന്ന ആളുകൾ. ഒരാഴ്ചത്തെ ജോലി തിങ്കളാഴ്ച രാവിലേക്കു ചുരുങ്ങുന്ന സാഹചര്യം കണക്കിലെടുക്കുമ്പോൾ, സന്ദർഭങ്ങൾക്കിടയിൽ മാറാനും വിവരങ്ങൾ വേഗത്തിലും കൃത്യമായും വ്യാഖ്യാനിക്കാനുമുള്ള കഴിവ് കൂടുതൽ അനിവാര്യമാകും.

അതിനാൽ, വിവിധ പ്രവർത്തനങ്ങളിലെ സന്ദർഭം മനസ്സിലാക്കി AI സഹായത്തോടെയുള്ള ജോലി ഏകോപിപ്പിക്കാൻ കഴിയുമെങ്കിൽ പൊതുവിഷയ വിദഗ്ധരുടെ മൂല്യം കുറയുകയല്ല, കൂടുകയാണ്. ജോലി വേഗത്തിലാകുമ്പോൾ ഗുണനിലവാരവും വിവേചനവും നിർണായകമാകുന്ന അവസരങ്ങൾ കൂടുന്നതിനാൽ വിദഗ്ധരുടെ മൂല്യവും വർധിച്ചേക്കാം. നേതാക്കൾ പ്രവർത്തനങ്ങളെ നിയന്ത്രിക്കുന്നവരിൽനിന്ന് സിസ്റ്റം, സന്ദർഭം, വേഗം എന്നിവ രൂപകൽപ്പന ചെയ്യുന്നവരായി മാറേണ്ടിവരും.

നിക്ഷേപിക്കേണ്ടത് “AI കഴിവുകളിൽ” മാത്രമല്ല. താഴ്ന്നതല ജോലികൾ AI ഏറ്റെടുക്കുമ്പോൾ കൂടുതൽ പ്രധാനമാകുന്ന ജിജ്ഞാസ, വിവേചനം, അതിജീവനശേഷി, വ്യക്തത, സർഗാത്മകത, തീരുമാനക്ഷമത, സഹകരണം, അവ്യക്തതയോടുള്ള പൊരുത്തം എന്നീ മനുഷ്യഗുണങ്ങളിലുമാണ്. സ്ഥാപനം ഇപ്പോൾതന്നെ ഈ ഗുണങ്ങളുള്ളവരെ നിയമിക്കുകയും വളർത്തുകയും അംഗീകരിക്കുകയും വേണം.

ഇത്രയും ജോലി ചുരുങ്ങിയ സമയത്തിൽ ചെയ്യുന്നത് തീവ്രമാണ്; AI-കേന്ദ്രീകൃത സ്ഥാപനങ്ങൾക്ക് എല്ലായ്പ്പോഴും അതിവേഗത്തിൽ പ്രവർത്തിക്കാനാവില്ല. ആളുകൾക്ക് വീണ്ടെടുക്കാനും വീണ്ടും ബന്ധപ്പെടാനും വേണ്ട സമയവും ഇടവും അവർ ഒരുക്കണം. ഫലപ്രദമായി വിലയിരുത്താനും തീരുമാനിക്കാനും, യാദൃച്ഛിക കണ്ടെത്തലുകൾ പുതുമയുള്ള ആശയങ്ങളിലേക്ക് നയിക്കുന്ന അന്തരീക്ഷം സ്ഥാപനങ്ങൾ വളർത്തണം.

ഇതിനകം സാധ്യമായ കാര്യങ്ങൾക്കുപോലും AI ഉപയോഗിക്കുന്നതിൽ ഇന്ന് പല സംരംഭങ്ങളും മന്ദഗതിയിലാണ്. ഇത് ഏജൻ്റുകളുടെ ശേഷിവർധനയും അവയുടെ ഉപയോഗത്തിലെ പുരോഗതിയും തമ്മിലുള്ള വിടവ് കൂട്ടുന്നു.

അത് സ്വാഭാവികമാണ്. പഴയ സിസ്റ്റങ്ങൾ, നിയന്ത്രണങ്ങൾ, സാംസ്കാരിക പ്രതിരോധം, ചിതറിയ ഡാറ്റ, അവ്യക്തമായ ഉടമസ്ഥത, യഥാർഥ അപകടസാധ്യതകൾ എന്നിവ കൈകാര്യം ചെയ്യേണ്ടതിനാൽ വലിയ സ്ഥാപനങ്ങൾ സാങ്കേതികവിദ്യ സ്വീകരിക്കുന്നത് മന്ദഗതിയിലാണ്.

എന്നാൽ ഒരുഘട്ടത്തിൽ, യഥാർഥ പ്രവർത്തനക്രമങ്ങളിൽ AI സുരക്ഷിതമായും ആവർത്തിക്കാവുന്ന രീതിയിലും പ്രയോഗിക്കാൻ മതിയായ നേതാക്കളും ടീമുകളും എതിരാളികളും പഠിക്കും. രീതികൾ പക്വമാകും, ഭരണസംവിധാനം കൂടുതൽ ആഴത്തിൽ ഉൾച്ചേരും, ഏജൻ്റുകൾ കൂടുതൽ വിശ്വസനീയരാകും, സ്ഥാപനങ്ങളുടെ ആത്മവിശ്വാസം വളരും. AI സാധ്യമാക്കുന്നതും സംരംഭങ്ങൾ യഥാർഥത്തിൽ ഉപയോഗിക്കുന്നതും തമ്മിലുള്ള വിടവ് കുറയാൻ തുടങ്ങും.

ആ വഴിത്തിരിവ് എത്തുമ്പോൾ മികച്ച മോഡലുകളോ ഏറ്റവും വലിയ AI ബജറ്റുകളോ ഉള്ള കമ്പനികൾക്കല്ല, ജോലി ചെയ്യുന്ന രീതി വേഗത്തിൽ മാറ്റാൻ കഴിയുന്ന സ്ഥാപനങ്ങൾക്കാണ് നേട്ടം ലഭിക്കുക.

എല്ലാ തീരുമാനവും കേന്ദ്രീകരിക്കുകയും ഓരോ പ്രവർത്തനവിഭാഗത്തെയും സംരക്ഷിക്കുകയും മന്ദഗതിയിലുള്ള സമിതികളിലൂടെ ഭരിക്കുകയും “പ്രശ്നമുണ്ടാക്കാതിരിക്കാൻ” ആളുകൾക്ക് പ്രതിഫലം നൽകുകയും ചെയ്യുന്ന കമ്പനികൾക്ക് ഒപ്പമെത്താൻ പ്രയാസമാകും.

ശക്തമായ അടിത്തറയും പൊരുത്തപ്പെടുന്ന പ്രവർത്തനാതിർത്തിയും നിർമിക്കുന്ന കമ്പനികൾ വേഗത്തിൽ പഠിക്കും. അവർ മികച്ച പ്രവർത്തനക്രമങ്ങൾ നേരത്തേ കണ്ടെത്തും; പൊതുവിഷയ വിദഗ്ധർ, വിഷയവിദഗ്ധർ, നേതാക്കൾ എന്നിവരുടെ സന്തുലിതമായ മനുഷ്യപ്രതിഭയെ ഉയർന്ന മൂല്യമുള്ള ജോലികളിലേക്ക് വിന്യസിക്കും; പ്രാദേശിക പരീക്ഷണങ്ങളെ പുനരുപയോഗിക്കാവുന്ന രീതികളാക്കും.

ഇപ്പോഴത്തെ ചോദ്യം “AI എങ്ങനെ വിജയകരമായി സ്വീകരിക്കാം?” എന്നാകാം. എന്നാൽ ഉടൻതന്നെ അത് “AI ജോലി മാറ്റുമ്പോൾ നമ്മുടെ സ്ഥാപനത്തിന് എത്ര വേഗം പൊരുത്തപ്പെടാനാകും?” എന്നായി മാറണം.

ശക്തമായ AI ഉള്ള മന്ദഗതിയിലുള്ള സ്ഥാപനം മന്ദഗതിയിൽതന്നെ തുടരും; അതേ AI ഉള്ള പൊരുത്തപ്പെടുന്ന സ്ഥാപനം നേട്ടങ്ങൾ പെരുപ്പിക്കും.