ਹੁਣ ਜ਼ਿਆਦਾਤਰ ਸੰਗਠਨਾਂ ਵਿੱਚ AI ਉਤਪਾਦਨ ਪੱਧਰ 'ਤੇ ਵਰਤੀ ਜਾ ਰਹੀ ਹੈ। ਪਰ ਲਗਭਗ ਕਿਸੇ ਨੇ ਵੀ ਇਸ ਨੂੰ ਉੱਥੇ ਨਹੀਂ ਲਾਗੂ ਕੀਤਾ ਜਿੱਥੇ ਇਹ ਅਸਲ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੈ—ਗਾਹਕਾਂ ਨਾਲ ਸਿੱਧੇ ਜੁੜੇ ਤਜਰਬਿਆਂ, ਕਾਰੋਬਾਰ ਲਈ ਅਹਿਮ ਫ਼ੈਸਲਿਆਂ ਜਾਂ ਬਹੁਤ ਘੱਟ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਹੇਠ ਚੱਲਣ ਵਾਲੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ। ਇਸੇ ਪਾੜੇ ਵਿੱਚ ਮੁਕਾਬਲੇ ਦਾ ਲਾਭ ਜਿੱਤਿਆ ਜਾਂ ਗੁਆਇਆ ਜਾ ਰਿਹਾ ਹੈ।
ਰੁਕਾਵਟ ਆਮ ਤੌਰ 'ਤੇ ਸਮਰੱਥਾ ਨਹੀਂ, ਸਗੋਂ ਭਰੋਸਾ ਹੁੰਦੀ ਹੈ। ਵੱਡੇ ਜੋਖਮ ਵਾਲੀ AI ਤਾਇਨਾਤੀ ਵਿੱਚ ਇਹ ਭਰੋਸਾ ਚਾਰ ਖ਼ਾਸ ਮਾਪਦੰਡ ਪੂਰੇ ਹੋਣ ਨਾਲ ਬਣਦਾ ਹੈ।
ਇਹ ਮਾਪਦੰਡ ਇਸ ਗੱਲ ਨਾਲ ਸੰਬੰਧਿਤ ਹਨ ਕਿ ਤੁਸੀਂ AI ਦੇ ਵਿਹਾਰ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰਦੇ ਹੋ, ਉੱਦਮੀ ਪੱਧਰ 'ਤੇ ਹੱਲ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਅਤੇ ਸੰਚਾਲਿਤ ਕਰਦੇ ਹੋ ਅਤੇ ਕੀ ਤੁਹਾਡੀ ਲੀਡਰਸ਼ਿਪ ਨੇ ਸੱਚਮੁੱਚ ਮੰਨਿਆ ਹੈ ਕਿ ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ।
ਇਹ ਭਰੋਸੇ ਵਾਲੇ ਮਾਪਦੰਡ ਪੂਰੇ ਕਰਨ ਨਾਲ ਅਭਿਆਸ ਅਤੇ ਜਵਾਬਦੇਹੀ ਵਿਕਸਿਤ ਹੁੰਦੀ ਹੈ ਅਤੇ ਸਾਰਥਕ ਬਦਲਾਅ ਲਈ AI ਤਾਇਨਾਤ ਕਰਨ ਤੋਂ ਪਿੱਛੇ ਹਟਣ ਦੇ ਕਾਰਨ ਘਟਦੇ ਹਨ। ਇਸ ਦੇ ਬਿਨਾਂ AI ਸਿਰਫ਼ ਗ਼ੈਰ-ਮੁੱਖ ਵਰਤੋਂ ਵਿੱਚ ਪੌਂਡ ਬਚਾਉਣ ਤੱਕ ਸੀਮਤ ਰਹਿ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸੰਗਠਨ ਦੇ ਕੰਮਕਾਜ ਉੱਤੇ ਕੋਈ ਠੋਸ ਅਸਰ ਨਹੀਂ ਪਾਉਂਦੀ।
ਪਿਛਲੇ ਸਾਲ ਇਸੇ ਵੇਲੇ—AI ਦੇ ਹਿਸਾਬ ਨਾਲ ਕਈ ਦਹਾਕੇ ਪਹਿਲਾਂ—ਜ਼ਿਆਦਾਤਰ ਕੰਪਨੀਆਂ “AI ਧਾਰਨਾ-ਸਬੂਤ ਦੇ ਅਧਰ ਵਿੱਚ” ਸਨ: ਉਨ੍ਹਾਂ ਕੋਲ AI ਦੀ ਸੰਭਾਵਨਾ ਦਿਖਾਉਣ ਵਾਲੇ ਬਹੁਤ ਸਾਰੇ ਦਿਲਚਸਪ ਧਾਰਨਾ-ਸਬੂਤ ਸਨ, ਪਰ ਕਿਸੇ ਨੂੰ ਵੀ ਉਤਪਾਦਨ ਪੱਧਰ ਤੱਕ ਲਿਜਾਣਾ ਮੁਸ਼ਕਲ ਸੀ। ਇੱਕ ਸਾਲ ਬਾਅਦ ਹੁਣ ਕਈ ਸੰਗਠਨਾਂ ਕੋਲ ਘੱਟੋ-ਘੱਟ ਕੁਝ AI ਹੱਲ ਉਤਪਾਦਨ ਪੱਧਰ 'ਤੇ ਹਨ, ਜੋ ਇੱਕ ਵੱਡੀ ਤਰੱਕੀ ਹੈ।
ਪਰ ਅਕਸਰ AI ਗ਼ੈਰ-ਮੁੱਖ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਲਾਗੂ ਹੁੰਦੀ ਹੈ: ਇਹ ਸੌਖਾ ਹੁੰਦਾ ਹੈ, ਨਵੀਨਤਾ ਟੀਮ ਕਿਸੇ ਉਤਸ਼ਾਹੀ ਕਾਰੋਬਾਰੀ ਵਰਤੋਂਕਾਰ ਨਾਲ ਮਿਲ ਕੇ ਇਸ ਨੂੰ ਬਣਾ ਸਕਦੀ ਹੈ ਅਤੇ ਜੇ ਕੁਝ ਗ਼ਲਤ ਹੋ ਜਾਵੇ ਤਾਂ “ਦੁਨੀਆ ਖ਼ਤਮ ਨਹੀਂ ਹੋ ਜਾਂਦੀ।” ਪ੍ਰਕਿਰਿਆ ਅਸਲ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹੁੰਦੀ, ਹੱਥੀਂ ਚੱਲਣ ਵਾਲੀ ਬਦਲਵੀਂ ਪ੍ਰਕਿਰਿਆ ਮੌਜੂਦ ਹੁੰਦੀ ਹੈ ਜਾਂ ਨਕਾਰਾਤਮਕ ਨਤੀਜਿਆਂ ਨੂੰ ਸੀਮਤ ਕਰਨ ਲਈ ਕਈ ਪੜਾਵਾਂ 'ਤੇ ਮਨੁੱਖ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।
ਇਸ ਸਮਝਣਯੋਗ ਪਰ ਸਾਵਧਾਨ ਪਹੁੰਚ ਦਾ ਨਤੀਜਾ ਇਹ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਹੱਲਾਂ ਦਾ ਅਸਰ ਵੀ ਸੀਮਤ ਰਹਿੰਦਾ ਹੈ: ਵਿਕਾਸ ਦੇ ਮੌਕਿਆਂ, ਗਾਹਕ ਤਜਰਬੇ ਜਾਂ ਲਾਗਤ ਢਾਂਚੇ ਵਿੱਚ ਕੋਈ ਜ਼ਿਕਰਯੋਗ ਸੁਧਾਰ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਘੱਟ ਹੁੰਦੀ ਹੈ।
ਇਹੀ ਭਵਿੱਖ ਦੇ ਜੇਤੂਆਂ ਨੂੰ ਬਾਕੀਆਂ ਤੋਂ ਵੱਖ ਕਰਦਾ ਹੈ: ਅਗਾਂਹਵਧੂ ਕੰਪਨੀਆਂ ਉੱਥੇ AI ਦਾ ਲਾਭ ਲੈਣ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ ਜਿੱਥੇ ਇਹ ਕਾਰੋਬਾਰੀ ਕਾਰਗੁਜ਼ਾਰੀ ਲਈ ਅਹਿਮ ਹੈ।
ਪਿੱਛੇ ਰਹਿਣ ਵਾਲੇ ਵੀ “AI ਵਰਤ ਰਹੇ ਹਨ,” ਪਰ ਉੱਥੇ ਨਹੀਂ ਜਿੱਥੇ ਇਸ ਦਾ ਕਾਰੋਬਾਰ ਉੱਤੇ ਸਾਰਥਕ ਅਸਰ ਪਵੇਗਾ।
ਅਤੇ ਹਾਂ, ਨਿਵੇਸ਼ ਫ਼ੈਸਲਿਆਂ, ਗਾਹਕ ਤਜਰਬੇ, ਉਤਪਾਦ ਵਿਕਾਸ, ਖੋਜ & ਡਿਜ਼ਾਈਨ ਅਤੇ “ਬਿਨਾਂ ਮਨੁੱਖੀ ਦਖ਼ਲ ਵਾਲੇ ਸਵੈਚਾਲਨ” ਵਿੱਚ AI ਲਾਉਣਾ ਵਧੇਰੇ ਜੋਖਮ ਭਰਿਆ ਲੱਗੇਗਾ, ਪਰ ਅਸਲ ਲਾਭ ਵੀ ਉੱਥੇ ਹੀ ਹਨ।
ਇਸ ਖੇਤਰ ਵਿੱਚ ਅੱਗੇ ਨਿਕਲ ਰਹੀਆਂ ਕੰਪਨੀਆਂ ਹਾਲੇ ਬਾਜ਼ਾਰ ਨੂੰ ਦਿਖਾਈ ਨਾ ਦੇਣ, ਪਰ ਜਦੋਂ ਉਹ ਦਿਖਣਗੀਆਂ ਤਾਂ ਪਾੜਾ ਪਹਿਲਾਂ ਹੀ ਵੱਡਾ ਹੋਵੇਗਾ। AI ਤਾਇਨਾਤ ਕਰਨ ਦੀ ਰਫ਼ਤਾਰ ਵਿੱਚ ਅੰਤਰ ਕਾਰਨ ਇਹ ਪਾੜਾ ਹੋਰ ਵਧੇਗਾ, ਜਦਕਿ ਪਿੱਛੇ ਰਹਿਣ ਵਾਲਿਆਂ ਨੂੰ ਸਮਝ ਆਵੇਗੀ ਕਿ ਉਹ ਹੁਣ ਤੱਕ ਕੀ ਗ਼ਲਤ ਕਰਦੇ ਰਹੇ ਸਨ।
ਇਸ ਲਈ ਸਵਾਲ ਹੈ: ਸੰਗਠਨ ਨੂੰ ਅਹਿਮ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਭਰੋਸੇ ਨਾਲ AI ਲਾਗੂ ਕਰਨ ਲਈ ਕੀ ਚਾਹੀਦਾ ਹੈ?
ਪਹਿਲਾਂ ਇਹ ਮੰਨ ਲਈਏ ਕਿ ਤੁਸੀਂ “ਸਾਡੇ ਕੋਲ ChatGPT ਵਰਗਾ AI ਸਾਧਨ ਹੈ” ਤੋਂ “ਸਾਡੇ ਕੋਲ ਧਾਰਨਾ-ਸਬੂਤ ਹਨ” ਅਤੇ ਫਿਰ “ਸਾਡੇ 10 ਸਰਲ AI ਹੱਲ ਚੱਲ ਰਹੇ ਹਨ” ਤੱਕ ਪਹੁੰਚ ਚੁੱਕੇ ਹੋ। ਜੇ ਨਹੀਂ, ਤਾਂ ਇਸ ਨੂੰ ਪਹਿਲ ਦੇ ਆਧਾਰ 'ਤੇ ਠੀਕ ਕਰੋ। ਇਹ ਸ਼ੁਰੂਆਤੀ ਕਦਮ ਭਾਵੇਂ ਆਮ ਲੱਗਣ, ਪਰ ਉੱਦਮ ਵਿੱਚ AI ਸਾਖਰਤਾ ਵਿਕਸਿਤ ਕਰਨ, ਬਿਹਤਰ ਵਰਤੋਂ-ਮਾਮਲੇ ਲੱਭਣ ਅਤੇ ਕਿਸੇ ਵੀ AI ਨੂੰ ਉਤਪਾਦਨ ਪੱਧਰ 'ਤੇ ਜਾਰੀ ਕਰਨ ਦੀਆਂ ਅੰਦਰੂਨੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਸਾਹਮਣੇ ਲਿਆਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹਨ।
ਇਸ ਪੜਾਅ 'ਤੇ ਸੰਗਠਨ ਨੂੰ ਹੋਰ ਅਭਿਲਾਸ਼ੀ ਹੋ ਕੇ ਪਹਿਲਾਂ “ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਵਾਲੇ ਸਾਰਥਕ ਵਿਹਾਰਕ AI ਹੱਲ” ਅਤੇ ਫਿਰ ਵੱਖਰੀ ਪਛਾਣ ਬਣਾਉਣ ਵਾਲੇ ਪੜਾਅ “ਅਸੀਂ ਆਪਣੀਆਂ ਮੁੱਖ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਗਾਹਕ ਤਜਰਬਿਆਂ ਵਿੱਚ AI ਲਾਗੂ ਕਰਦੇ ਹਾਂ” ਵੱਲ ਵਧਣਾ ਚਾਹੀਦਾ ਹੈ।
ਤਰੱਕੀ ਦੇ ਇਹ ਆਖ਼ਰੀ ਕਦਮ ਤਕਨਾਲੋਜੀ ਨਾਲ ਘੱਟ ਅਤੇ ਸੰਗਠਨ ਦੇ ਭਰੋਸੇ ਨਾਲ ਵੱਧ ਸੀਮਤ ਹੁੰਦੇ ਹਨ। ਕਿਉਂਕਿ ਔਖੇ ਕੰਮ ਨੂੰ ਟਾਲਣ ਜਾਂ ਉਸ ਤੋਂ ਪਿੱਛੇ ਹਟਣ ਦਾ ਕੋਈ ਨਾ ਕੋਈ ਕਾਰਨ ਹਮੇਸ਼ਾ ਹੁੰਦਾ ਹੈ:
‘ਜੇ ਇਸ ਨੇ ਗ਼ਲਤ ਸੂਝ ਦਿੱਤੀ ਤਾਂ ਕੀ ਹੋਵੇਗਾ?,’ ‘ਜੇ ਇਸ ਨੇ ਗ਼ਲਤ ਵਿਹਾਰ ਕੀਤਾ ਅਤੇ ਅਸੀਂ ਖ਼ਬਰਾਂ ਵਿੱਚ ਆ ਗਏ ਤਾਂ ਕੀ ਹੋਵੇਗਾ?,’ ‘ਜੇ ਇਸ ਨੇ ਗਣਨਾ ਗ਼ਲਤ ਕੀਤੀ ਅਤੇ ਅਸੀਂ ਗ਼ਲਤ ਫ਼ੈਸਲਾ ਲੈ ਲਿਆ ਤਾਂ ਕੀ ਹੋਵੇਗਾ?,’ ‘ਜੇ ਇਸ ਨੇ ਗਾਹਕਾਂ ਨਾਲ ਦੁਰਵਿਹਾਰ ਕੀਤਾ ਤਾਂ ਕੀ ਹੋਵੇਗਾ?,’ ‘ਜੇ ਮਾਡਲ ਉਪਲਬਧ ਨਾ ਰਿਹਾ ਤਾਂ ਕੀ ਹੋਵੇਗਾ?,’ ‘ਅਸੀਂ ਇਸ ਦੇ ਅੱਪਡੇਟਾਂ ਲਈ ਸਹਾਇਤਾ ਕਿਵੇਂ ਦੇਵਾਂਗੇ?,’ ‘ਜੇ ਨਿਯਮ ਬਦਲ ਗਏ ਤਾਂ ਕੀ ਹੋਵੇਗਾ?,’ ‘ਕੀ ਸਾਨੂੰ ਨਵੇਂ ਮਾਡਲ ਦੀ ਉਡੀਕ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ’?, ਆਦਿ।
ਸਾਡੇ ਵਿਚਾਰ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਚਾਰ ਸ਼ਰਤਾਂ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਵੱਡਾ ਅਸਰ ਪਾਉਣ ਵਾਲੇ AI-ਸਮਰਥਿਤ ਬਦਲਾਅ ਲਈ “ਲਾਈਵ ਕਰੋ” ਬਟਨ ਦਬਾਉਣ ਦਾ ਭਰੋਸਾ ਦਿੰਦੀਆਂ ਹਨ।
ਕਿਉਂ: ਕੀ ਸੰਗਠਨ, ਖ਼ਾਸ ਕਰਕੇ ਸਿਖਰਲੀ ਕਾਰਜਕਾਰੀ ਟੀਮ, ਸੱਚਮੁੱਚ ਇਸ ਵਿਚਾਰ ਨਾਲ ਸਹਿਮਤ ਹੈ ਕਿ “ਸਾਡੇ ਕਾਰੋਬਾਰ ਦੀ ਸਫਲਤਾ ਲਈ AI ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ”? ਕਿਉਂਕਿ ਜੇ ਉਹ ਸਹਿਮਤ ਨਹੀਂ ਹਨ, ਤਾਂ ਸੰਗਠਨ ਔਖੇ ਫ਼ੈਸਲਿਆਂ ਤੋਂ ਪਿੱਛੇ ਹਟਣ ਦੇ ਕਾਰਨ ਲੱਭਣ ਦੀ ਵਧੇਰੇ ਸੰਭਾਵਨਾ ਰੱਖਦਾ ਹੈ।
ਸਮਰੱਥ ਬਣਾਉਣਾ: ਕੀ ਕੋਈ AI ਬਦਲਾਅ, ਰੂਪਾਂਤਰਣ ਜਾਂ ਸਮਰੱਥਾ ਟੀਮ ਮੌਜੂਦ ਹੈ ਜੋ AI ਨਾਲ ਵਿਕਸਿਤ ਹੁੰਦੇ ਸੰਗਠਨ ਨੂੰ ਸਹਾਰਾ ਦਿੰਦੀ ਹੈ? ਇਹ ਟੀਮ ਅਪਣਾਉਣ, ਸਿੱਖਿਆ, ਨਿਯਮਾਂ, ਕੰਮ ਦੇ ਨਵੇਂ ਤਰੀਕਿਆਂ, ਧਾਰਨਾਵਾਂ ਨੂੰ ਚੁਣੌਤੀ ਦੇਣ, ਲੋੜੀਂਦੇ ਫੰਡ ਮੁਹੱਈਆ ਕਰਨ ਆਦਿ ਨੂੰ ਸੰਭਾਲਦੀ ਹੈ। AI ਅਜਿਹਾ ਬਦਲਾਅ ਨਹੀਂ ਹੈ ਜਿਸ ਨੂੰ “ਤਕਨਾਲੋਜੀ ਵਿਭਾਗ ਆਪ ਸੰਭਾਲ ਲਵੇ,” ਜਿਵੇਂ ਅਕਸਰ ਕਲਾਉਡ ਜਾਂ ਡਿਜੀਟਲ ਪਹਿਲਾਂ ਨਾਲ ਹੁੰਦਾ ਸੀ। ਇਸ ਦੀ ਅਗਵਾਈ ਕਾਰੋਬਾਰ ਵੱਲੋਂ ਹੋਣੀ ਅਤੇ ਇਸ ਨੂੰ ਪੂਰਾ ਸਮਰਥਨ ਮਿਲਣਾ ਲਾਜ਼ਮੀ ਹੈ।
ਕਿਵੇਂ: ਕੀ ਵਿਹਾਰਕ AI ਲਈ ਸਥਾਪਤ ਉੱਦਮੀ ਅਤੇ ਹੱਲ ਢਾਂਚਾ ਮੌਜੂਦ ਹੈ? ਭਾਵੇਂ ਇਹ ਖੇਤਰ ਲਗਾਤਾਰ ਵਿਕਸਿਤ ਹੋ ਰਿਹਾ ਹੈ, ਪਰ ਇੱਕ ਸਪਸ਼ਟ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਹੋਣ ਨਾਲ ਢੁਕਵੀਆਂ ਸੁਰੱਖਿਆ ਹੱਦਾਂ, ਲਾਗਤ, ਨਿਰੀਖਣਯੋਗਤਾ, ਨਿਯੰਤਰਣ, ਮਾਡਲ ਤੱਕ ਪਹੁੰਚ ਆਦਿ ਬਾਰੇ ਸੋਚਣ ਅਤੇ ਗਿਆਨ ਵਧਾਉਣ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਇਸ ਨਾਲ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਇਹ ਭਰੋਸੇਯੋਗਤਾ ਬਣਨੀ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਕਿ AI ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਸੰਗਠਨ “ਜਾਣਦਾ ਹੈ ਕਿ ਉਹ ਕੀ ਕਰ ਰਿਹਾ ਹੈ,” ਅਤੇ ਇੱਕੋ ਚੀਜ਼ ਨੂੰ ਕਈ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਬਣਾਉਣ ਤੋਂ ਰੋਕਿਆ ਜਾਂਦਾ ਹੈ।
ਲਾਈਵ ਕਰਨ ਦੇ ਭਰੋਸੇ ਦੀ ਜਾਂਚ: ਹੱਲ ਦੇ ਮਾਲਕ “ਕੀ ਇਹ ਲਾਈਵ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਚੰਗਾ ਹੈ?” ਬਾਰੇ ਫ਼ੈਸਲਾ ਬੇਅੰਤ ਟਾਲ ਸਕਦੇ ਹਨ। ਗੁਣਵੱਤਾ ਭਰੋਸਾ ਟੀਮਾਂ ਵੱਲੋਂ ਕੀਤੀ ਰਵਾਇਤੀ ਜਾਂਚ ਗ਼ੈਰ-ਨਿਰਧਾਰਤ AI ਪ੍ਰਣਾਲੀ ਲਈ ਉਹ ਭਰੋਸਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਦੀ ਭਾਵਨਾ ਨਹੀਂ ਦਿੰਦੀ। ਮੁਲਾਂਕਣ ਇਹ ਭਰੋਸਾ ਦਿੰਦੇ ਹਨ।
ਆਓ ਇਨ੍ਹਾਂ ਨੂੰ ਉਲਟ ਕ੍ਰਮ ਵਿੱਚ ਸਮਝੀਏ, ਕਿਉਂਕਿ ਇਹੀ ਕ੍ਰਮ ਲਾਈਵ ਕਰਨ ਦੇ ਭਰੋਸੇ ਨਾਲ ਜੁੜੇ ਫ਼ੈਸਲਿਆਂ ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਹੈ।
ਦਹਾਕਿਆਂ ਤੋਂ ਸੰਗਠਨ ਇਹ ਫ਼ੈਸਲਾ ਕਰਨ ਲਈ ਗੁਣਵੱਤਾ ਭਰੋਸਾ ਟੀਮ ਉੱਤੇ ਨਿਰਭਰ ਰਹੇ ਹਨ ਕਿ ਕੋਈ ਜਾਰੀਕਰਨ ਕਾਫ਼ੀ ਚੰਗਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਕਾਗਜ਼ਾਂ ਉੱਤੇ ਜਾਂਚ ਕਾਰੋਬਾਰੀ ਹਿੱਸੇਦਾਰ ਕਰਦੇ ਸਨ, ਪਰ ਅਸਲ ਵਿੱਚ ਇਹ ਗੁਣਵੱਤਾ ਭਰੋਸਾ ਟੀਮ ਕਰਦੀ ਸੀ। ਅਣਗਿਣਤ “ਜੇ ਇਹ, ਤਾਂ ਉਹ” ਨਿਯਮਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਨਤੀਜਾ ਜਾਂ ਤਾਂ ਪਾਸ ਹੁੰਦਾ ਸੀ ਜਾਂ ਅਸਫਲ. ਕੰਮ ਬਹੁਤ ਸੀ, ਪਰ ਸਿੱਧਾ ਸੀ।
ਇਹ ਪਹੁੰਚ AI ਲਈ ਕਾਰਗਰ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਇੱਥੇ ਸਾਨੂੰ ਵਿਹਾਰ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।
ਮੁਲਾਂਕਣ ਗੁਣਾਤਮਕ AI ਵਿਹਾਰ ਨੂੰ ਮਾਪਣਯੋਗ ਬਣਾਉਣ ਦਾ ਤਰੀਕਾ ਹਨ। ਪਾਸ ਜਾਂ ਅਸਫਲ ਦੀ ਥਾਂ ਤੁਸੀਂ ਮਾਪਦੰਡ—ਜਿਵੇਂ ਸ਼ੁੱਧਤਾ, ਲਹਿਜਾ, ਤੱਥਾਤਮਕ ਗ੍ਰਾਊਂਡਿੰਗ ਅਤੇ ਇਨਕਾਰ ਦਾ ਵਿਹਾਰ—ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹੋ ਅਤੇ ਅੰਕ ਦਿੰਦੇ ਹੋ। ਜਦੋਂ ਤੁਸੀਂ ਸੰਕੇਤਾਂ, ਮਾਡਲਾਂ, ਸੁਰੱਖਿਆ ਹੱਦਾਂ ਆਦਿ ਨੂੰ ਸੁਧਾਰਦੇ ਹੋ ਤਾਂ ਪੂਰੇ ਪ੍ਰੋਜੈਕਟ ਦੌਰਾਨ ਇਨ੍ਹਾਂ ਅੰਕਾਂ ਨੂੰ ਮਾਪੋ। ਇਸ ਨਾਲ ਪ੍ਰੋਜੈਕਟ ਟੀਮ, ਬਦਲਾਅ ਕਮੇਟੀਆਂ ਅਤੇ ਕਾਰੋਬਾਰੀ ਲੀਡਰਸ਼ਿਪ ਨੂੰ ਭਰੋਸੇ ਨਾਲ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਠੋਸ ਆਧਾਰ ਮਿਲਦਾ ਹੈ: ਸ਼ੁੱਧਤਾ ਦਾ ਅੰਕ, ਜੋ ਪ੍ਰੋਜੈਕਟ ਦੌਰਾਨ x ਤੋਂ y ਤੱਕ ਵਧਿਆ।
ਉਹ ਅੰਕ ਦੋ ਕੰਮ ਕਰਦਾ ਹੈ। ਪਹਿਲਾਂ, ਇਹ ਸਮੇਂ ਦੇ ਨਾਲ ਸੁਧਾਰ ਦਿਖਾ ਕੇ ਅਤੇ ਹਿੱਸੇਦਾਰਾਂ ਨੂੰ ਠੋਸ ਸਬੂਤ ਦੇ ਕੇ ਭਰੋਸਾ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਪ੍ਰਣਾਲੀ ਨਿਰਧਾਰਤ ਉਮੀਦਾਂ ਅੰਦਰ ਲਗਾਤਾਰ ਅਤੇ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਵਿਹਾਰ ਕਰ ਰਹੀ ਹੈ।
ਦੂਜਾ, ਇਹ ਜਵਾਬਦੇਹੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਉਹ ਇਨ੍ਹਾਂ ਅੰਕਾਂ ਅਤੇ ਮੁਲਾਂਕਣਾਂ ਦੇ ਪੂਰੇ ਸਰੋਤ-ਕ੍ਰਮ ਨੂੰ ਸਬੂਤ ਵਜੋਂ ਪੇਸ਼ ਕਰ ਸਕਦੇ ਹਨ। ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਵੱਖ-ਵੱਖ ਸਥਿਤੀਆਂ ਵਿੱਚ ਜਾਂਚਿਆ ਗਿਆ ਦਸਤਾਵੇਜ਼ੀ ਮੁਲਾਂਕਣ ਸਮੂਹ, ਜਾਂਚ ਰਿਪੋਰਟ ਦਾ AI ਸਮਕੱਖ ਹੈ। ਇਹ ਮਨਜ਼ੂਰੀ ਕਮੇਟੀ ਨੂੰ ਯਥੋਚਿਤ ਜਾਂਚ ਦਾ ਸਬੂਤ ਦਿੰਦਾ ਹੈ: ਕੀ ਇਹ ਸਿਰਫ਼ ਉਹੀ ਕਰਦਾ ਹੈ ਜੋ ਇਸ ਨੂੰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕੀ ਇਹ ਸਿਰਫ਼ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਕਰਦਾ ਹੈ ਜਿਸ ਤਰੀਕੇ ਨਾਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਬੇਸ਼ੱਕ, ਇਹ ਅੰਕ ਤਾਂ ਹੀ ਅਰਥਪੂਰਨ ਹਨ ਜੇ ਮੁਲਾਂਕਣ ਮਾਪਦੰਡ ਕਾਫ਼ੀ ਵਿਆਪਕ ਹੋਣ। ਇਸ ਲਈ ਕਾਰਜਕਾਰੀ ਢਾਂਚੇ ਵਿੱਚ ਅਜਿਹਾ ਬਦਲਾਅ ਚਾਹੀਦਾ ਹੈ ਜੋ ਜ਼ਿਆਦਾਤਰ ਸੰਗਠਨ ਸ਼ੁਰੂ ਵਿੱਚ ਗ਼ਲਤ ਕਰਦੇ ਹਨ: ਮੁਲਾਂਕਣ ਮਾਪਦੰਡਾਂ ਦੀ ਮਾਲਕੀ “ਕਾਰੋਬਾਰ” ਕੋਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਨਾ ਕਿ ਤਕਨਾਲੋਜੀ ਟੀਮ, ਗੁਣਵੱਤਾ ਭਰੋਸਾ ਟੀਮ ਜਾਂ ਕਿਸੇ ਇਕ ਜੂਨੀਅਰ ਵਰਤੋਂਕਾਰ ਕੋਲ। ਉਤਪਾਦ ਮਾਲਕ ਅਤੇ ਮਾਹਰ ਕਾਰਜ-ਖੇਤਰ, ਅਸਧਾਰਨ ਸਥਿਤੀਆਂ, ਮਨਚਾਹਾ ਲਹਿਜਾ, ਵਰਤੋਂਕਾਰਾਂ ਵੱਲੋਂ ਹੋ ਸਕਣ ਵਾਲੀਆਂ ਵੱਖ-ਵੱਖ ਗੱਲਬਾਤਾਂ, ਢੁਕਵੇਂ ਰੀਜ਼ਨਿੰਗ ਕਦਮ, ਅਸਫਲਤਾ ਦੇ ਢੰਗ, ਸਹੀ ਸਵਾਲ & ਜਵਾਬ ਜੋੜੇ ਆਦਿ ਨੂੰ ਸਮਝਦੇ ਹਨ। ਹੱਲ ਵਰਤਣ ਅਤੇ ਤਾਇਨਾਤ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਹੀ ਇਹ ਤੈਅ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਚੰਗਾ ਨਤੀਜਾ ਕਿਹੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ।
ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜੇ ਤੁਹਾਨੂੰ ਗਾਹਕ ਤਜਰਬੇ ਦੇ ਬਿਲਕੁਲ ਕੇਂਦਰ ਵਿੱਚ AI ਲਾਗੂ ਕਰਨ ਵਾਲੇ ਹੱਲ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣੀ ਹੈ, ਤਾਂ ਸਿਰਫ਼ ਦੋ ਸਵਾਲ ਪੁੱਛੋ:
(1) ਮੁਲਾਂਕਣ ਮਾਪਦੰਡ ਕਿਸ ਨੇ ਤਿਆਰ ਕੀਤੇ, ਅਤੇ
(2) ਕੀ ਸਮੇਂ ਦੇ ਨਾਲ ਉਨ੍ਹਾਂ ਮਾਪਦੰਡਾਂ ਅਨੁਸਾਰ ਮੁਲਾਂਕਣ ਕਾਰਗੁਜ਼ਾਰੀ ਸੁਧਰੀ ਅਤੇ ਹੁਣ ਘੱਟੋ-ਘੱਟ ਹੱਦ ਪਾਰ ਕਰ ਚੁੱਕੀ ਹੈ?
ਜੇ ਜਵਾਬ ਹੈ "ਤਕਨਾਲੋਜੀ ਟੀਮ ਨੇ ਇਹ ਬਣਾਏ ਹਨ, ਪਰ ਅਸੀਂ ਨਤੀਜਿਆਂ ਤੋਂ ਸੰਤੁਸ਼ਟ ਹਾਂ", ਤਾਂ ਐਪਲੀਕੇਸ਼ਨ ਤਿਆਰ ਨਹੀਂ ਹੈ। ਜੇ ਜਵਾਬ ਹੈ “ਹਾਂ, ਅਸੀਂ ਪਿਛਲੇ ਹਫ਼ਤੇ ਜਾਂਚ ਕੀਤੀ ਅਤੇ ਇਹ ਪਾਸ ਹੋ ਗਿਆ,” ਤਾਂ ਸ਼ਾਇਦ ਮੁਲਾਂਕਣਾਂ ਦੀ ਪਰਿਪੱਕਤਾ ਲੋੜੀਂਦਾ ਭਰੋਸਾ ਪੈਦਾ ਕਰਨ ਦੇ ਪੱਧਰ ਦੀ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਮੁਲਾਂਕਣ ਨਿਰਮਾਣ ਦਾ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਨਹੀਂ ਸਨ।
ਪਰ ਜੇ ਕਾਰੋਬਾਰੀ ਉਤਪਾਦ ਮਾਲਕ ਪੂਰੇ ਨਿਰਮਾਣ ਦੌਰਾਨ ਮੁਲਾਂਕਣ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ, ਸਮੀਖਿਆ ਕਰਦਾ ਅਤੇ ਸੁਧਾਰਦਾ ਰਿਹਾ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਸਹੀ ਦਿਸ਼ਾ ਵੱਲ ਜਾਂਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਰੇਖਾ ਦਿਖਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਤੁਹਾਡੇ ਕੋਲ ਮਨਜ਼ੂਰੀ ਦੇਣ ਯੋਗ ਹੱਲ ਹੈ।
ਭਰੋਸੇ ਦੀ ਇੱਕ ਹੋਰ ਪਰਤ AI ਢਾਂਚੇ ਦੇ ਸਿਧਾਂਤਾਂ ਅਤੇ ਮਿਆਰਾਂ ਨਾਲ ਇਕਸਾਰਤਾ ਤੋਂ ਬਣਦੀ ਹੈ। ਸ਼ੁਰੂਆਤ ਕਰਨ ਲਈ ਤੁਹਾਡੀਆਂ ਪਹਿਲੀਆਂ ਪੰਜ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਕਿਸੇ ਵੀ ਢੁਕਵੇਂ ਤਰੀਕੇ ਨਾਲ ਬਣਾਉਣਾ ਠੀਕ ਸੀ। ਪਰ ਪੂਰੇ ਸੰਗਠਨ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਅਤੇ ਸੁਚੱਜੇ ਢੰਗ ਨਾਲ ਸੰਚਾਲਿਤ AI ਤਾਇਨਾਤੀਆਂ ਨੂੰ ਵੱਡੇ ਪੱਧਰ ਅਤੇ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਨਾਲ ਲਾਗੂ ਕਰਨ ਲਈ ਮਿਆਰੀ ਐਪਲੀਕੇਸ਼ਨ ਢਾਂਚਿਆਂ ਅਤੇ ਉੱਦਮੀ AI ਮੰਚ ਵਾਲੀ ਵਧੇਰੇ ਵਿਵਸਥਿਤ ਪਹੁੰਚ ਜ਼ਰੂਰੀ ਹੋ ਜਾਂਦੀ ਹੈ।
ਸਾਰੀਆਂ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮਾਂ ਨੂੰ ਮਾਡਲ ਤੱਕ ਪਹੁੰਚ, ਸੁਰੱਖਿਆ ਹੱਦਾਂ, ਨਿਰੀਖਣਯੋਗਤਾ, ਵਿਸਤਾਰ ਸਮਰੱਥਾ, ਲਾਗਤ ਪ੍ਰਬੰਧਨ ਆਦਿ ਤੇਜ਼ੀ ਨਾਲ “ਵਿਰਾਸਤ ਵਿੱਚ” ਮਿਲਣੇ ਚਾਹੀਦੇ ਹਨ, ਤਾਂ ਜੋ ਉਹ ਹੱਲ ਤਿਆਰ ਕਰਨ 'ਤੇ ਧਿਆਨ ਦੇ ਸਕਣ।
ਤੇਜ਼ ਬਦਲਾਅ ਕਾਰਨ ਭਾਵੇਂ ਉੱਦਮੀ AI ਮੰਚ ਅਤੇ ਢਾਂਚਾਗਤ ਪਹੁੰਚ ਬਾਰੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੀ ਮਿਆਦ ਛੋਟੀ ਹੋਵੇ, ਫਿਰ ਵੀ ਇਹ ਸੰਗਠਨ ਅੰਦਰ ਇਹ ਭਰੋਸਾ ਵਧਾਉਂਦਾ ਹੈ ਕਿ ਉਹ ਅਹਿਮ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ AI ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਤਾਇਨਾਤ ਕਰ ਸਕਦਾ ਹੈ। ਕਿਉਂਕਿ ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕਿਸੇ ਨੇ ਸਾਰੇ ਮੁੱਖ ਕਾਰਕਾਂ ਉੱਤੇ ਵਿਚਾਰ ਕਰਕੇ ਤਾਇਨਾਤੀ ਦਾ ਸਰਬੋਤਮ ਰਾਹ ਚੁਣਿਆ ਹੈ। ਇਸ ਨਾਲ ਇਹ ਭਰੋਸਾ ਵੀ ਵਧਦਾ ਹੈ ਕਿ ਹੱਲ ਉਨ੍ਹਾਂ ਅਹਿਮ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਹਾਰਾ ਦੇਵੇਗਾ।
ਇਹ “ਉਹੀ ਕੰਮ ਕਰਨਾ, ਪਰ AI ਸਾਧਨ ਤੱਕ ਪਹੁੰਚ ਨਾਲ” ਨਹੀਂ ਹੈ। ਇਹ ਗੱਲ ਭਾਵੇਂ ਘਿਸੀ-ਪਿਟੀ ਲੱਗੇ, ਪਰ ਰੂਪਾਂਤਰਣ ਦਾ ਮਤਲਬ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਉਤਪਾਦ ਪੇਸ਼ਕਸ਼ਾਂ ਬਾਰੇ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਸੋਚਣਾ, ਗਾਹਕ ਤਜਰਬਾ ਵਿਕਸਿਤ ਕਰਨਾ ਅਤੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਤੇ ਸੰਭਵ ਤੌਰ 'ਤੇ ਟੀਮ ਢਾਂਚਿਆਂ ਨੂੰ ਬਦਲਣਾ ਹੈ।
ਇਹ ਕੰਮ ਵਾਧੂ ਜ਼ਿੰਮੇਵਾਰੀ ਵਜੋਂ ਨਹੀਂ ਹੋ ਸਕਦਾ ਅਤੇ ਨਾ ਹੀ ਤਕਨਾਲੋਜੀ ਵਿਭਾਗ ਇਸ ਨੂੰ ਚਲਾ ਸਕਦਾ ਹੈ—ਅਤੇ ਨਹੀਂ, ਤੁਹਾਡੀ ਤਿੰਨ ਪੂਰੇ-ਸਮੇਂ ਦੇ ਕਰਮਚਾਰੀਆਂ ਵਾਲੀ “ਨਵੀਨਤਾ” ਟੀਮ ਵੀ ਨਹੀਂ। ਜੇ ਤੁਸੀਂ “ਆਪਣੇ ਆਪ ਸਭ ਠੀਕ ਹੋ ਜਾਵੇਗਾ” ਵਾਲੀ ਪਹੁੰਚ ਅਪਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਉਹ ਬਦਲਾਅ ਦੀ ਰਫ਼ਤਾਰ ਹਾਸਲ ਨਹੀਂ ਕਰ ਸਕੋਗੇ ਜੋ ਜੇਤੂ ਮੁਕਾਬਲੇਬਾਜ਼ ਹਾਸਲ ਕਰ ਸਕਦੇ ਹਨ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਸਲ “ਖੇਡ ਬਦਲਣ ਵਾਲੇ” ਵਰਤੋਂ-ਮਾਮਲੇ ਸਾਹਮਣੇ ਲਿਆਉਣ ਅਤੇ ਉਨ੍ਹਾਂ ਲਈ ਸਮਰਥਨ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਸਤੇ ਪੂਰੇ ਉੱਦਮ ਵਿੱਚ AI ਦੀ ਡੂੰਘੀ ਜਾਣਕਾਰੀ ਅਤੇ ਇਸ ਪ੍ਰਤੀ ਸਕਾਰਾਤਮਕ ਸੋਚ ਲੋੜੀਂਦੀ ਹੈ।
ਇਸ ਲਈ ਤੁਹਾਡੇ AI ਰੂਪਾਂਤਰਣ ਨੂੰ ਅਜਿਹੇ ਲੋਕਾਂ ਦੀ ਲੋੜ ਹੈ ਜੋ ਸੰਗਠਨ ਦੀਆਂ ਲੋੜਾਂ ਜਾਣਦੇ ਹੋਣ, ਬਦਲਾਅ ਨੂੰ ਸੰਭਵ ਬਣਾਉਣਾ ਜਾਣਦੇ ਹੋਣ ਅਤੇ AI ਨੂੰ ਸਮਝਦੇ ਹੋਣ। ਉਨ੍ਹਾਂ ਕੋਲ ਬੋਰਡ ਵੱਲੋਂ ਇਸ ਨੂੰ ਸਾਕਾਰ ਕਰਨ ਅਤੇ ਤਾਲਮੇਲ, ਊਰਜਾ, ਫੰਡ, ਪ੍ਰਭਾਵ, ਸੰਚਾਲਨ, ਤਰਜੀਹਾਂ ਅਤੇ ਫ਼ੈਸਲੇ ਯਕੀਨੀ ਬਣਾਉਣ ਦਾ ਅਧਿਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਖ਼ਾਸ ਕਰਕੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਵਿੱਚ ਕੇਂਦਰੀ AI ਕੇਂਦਰ, AI ਰੂਪਾਂਤਰਣ ਜਾਂ AI ਦਫ਼ਤਰ ਵਰਗਾ ਕਾਰਜ ਚੰਗਾ ਨਤੀਜਾ ਦਿੰਦਾ ਹੈ। ਇਹ ਕੇਂਦਰੀ ਟੀਮ ਭਰੋਸਾ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਸੰਗਠਨ ਕੋਲ ਲਾਗੂ ਕਰਨ ਲਈ ਰਣਨੀਤੀ ਹੈ, ਵੱਡੇ ਫ਼ੈਸਲੇ ਤੇਜ਼ੀ ਨਾਲ ਲਏ ਅਤੇ ਵੱਖ-ਵੱਖ ਇਕਾਈਆਂ ਤੱਕ ਪਹੁੰਚਾਏ ਜਾ ਸਕਦੇ ਹਨ ਅਤੇ AI ਰੂਪਾਂਤਰਣ ਲਈ ਗੁਣਵੱਤਾ ਦੇ ਮਾਪਦੰਡ ਨਿਰਧਾਰਤ ਹਨ। ਇਸ ਤੋਂ ਬਿਨਾਂ ਪਹੁੰਚ ਬਹੁਤ ਖਿੰਡੀ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਫ਼ੈਸਲਿਆਂ, ਉਤਪਾਦ ਜਾਂ ਹੱਲ ਦੀ ਚੋਣ ਅਤੇ ਗੁਣਵੱਤਾ ਵਿੱਚ ਅਸੰਗਤਤਾ ਪੈਦਾ ਹੁੰਦੀ ਹੈ। ਅੰਤ ਵਿੱਚ ਇਹ ਵੱਡੇ ਜੋਖਮ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ AI ਲਾਗੂ ਕਰਨ ਦਾ ਭਰੋਸਾ ਕਮਜ਼ੋਰ ਕਰਦੀ ਹੈ।
ਜਿਵੇਂ ਪਹਿਲਾਂ ਦੱਸਿਆ ਗਿਆ ਹੈ, AI ਤੋਂ ਅਸਲ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਲਾਭ ਲੈਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਉਹ ਹੋਣਗੀਆਂ ਜੋ ਗਾਹਕ ਤਜਰਬੇ, ਉਤਪਾਦ ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਉਤਪਾਦਨ ਦੀ ਰਫ਼ਤਾਰ ਆਦਿ ਸੁਧਾਰਨ ਵਾਲੀਆਂ ਅਹਿਮ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਤਜਰਬਿਆਂ ਦੇ ਕੇਂਦਰ ਵਿੱਚ AI ਨੂੰ ਵਾਰ-ਵਾਰ, ਤੇਜ਼ੀ ਨਾਲ ਤਾਇਨਾਤ ਕਰਨ ਲਈ ਉੱਦਮੀ ਤਜਰਬਾ, ਮੁਹਾਰਤ ਅਤੇ ਭਰੋਸਾ ਵਿਕਸਿਤ ਕਰਨਗੀਆਂ।
ਚੰਗੀਆਂ ਮੁਲਾਂਕਣ ਪ੍ਰਥਾਵਾਂ, ਤੇਜ਼ੀ ਨਾਲ ਅਨੁਕੂਲ ਹੋਣ ਅਤੇ ਵਿਸਤਾਰ ਕਰਨ ਵਾਲਾ ਢਾਂਚਾ ਅਤੇ ਸੰਗਠਨ ਨੂੰ ਸਿੱਖਣ, ਢਲਣ ਤੇ ਕੰਮ ਦੇ ਨਵੇਂ ਤਰੀਕੇ ਸਥਾਪਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਦੇਣ ਵਾਲੀ “ਅਸੀਂ ਕਰ ਸਕਦੇ ਹਾਂ” ਸੋਚ ਵਾਲਾ ਰੂਪਾਂਤਰਣ ਪ੍ਰਬੰਧਨ—ਇਹ ਸਭ ਲੋੜੀਂਦੇ ਹਨ।
ਪਰ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੁਝ ਵੀ “ਹੇਠਾਂ ਤੋਂ ਉੱਪਰ” ਸਫਲਤਾਪੂਰਵਕ ਨਹੀਂ ਹੋਵੇਗਾ। ਬਦਲਾਅ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਪ੍ਰਭਾਵ ਇਸ ਲਈ ਬਹੁਤ ਤੇਜ਼ ਅਤੇ ਵਿਆਪਕ ਹਨ। “ਬੋਰਡ ਦੀ ਮਨਜ਼ੂਰੀ” ਜਾਂ “ਪ੍ਰਬੰਧਨ ਦਾ ਸਮਰਥਨ” ਵੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ।
ਜੇ ਤੁਹਾਡੇ ਕਰਮਚਾਰੀ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਨਹੀਂ ਸਮਝਦੇ ਕਿ ਬਦਲਾਅ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹਨ, ਉਨ੍ਹਾਂ ਲਈ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਇਸ ਦਾ ਕੀ ਅਰਥ ਹੈ—ਚੰਗਾ ਜਾਂ ਮਾੜਾ—ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਕੀ ਲਾਭ ਹੋਵੇਗਾ, ਤਾਂ ਰੂਪਾਂਤਰਣ ਲੁਕਵੇਂ ਰਾਹੀਂ ਹੋਵੇਗਾ ਅਤੇ ਨਾਲ ਕਾਫ਼ੀ ਨੁਕਸਾਨ ਵੀ ਹੋਵੇਗਾ।
ਇਸ ਲਈ AI ਅਪਣਾਉਣ ਤੋਂ ਅਸਲ ਲਾਭ ਲੈਣ ਦਾ ਚੌਥਾ ਤੱਤ ਇਹ ਹੈ ਕਿ ਕੰਪਨੀ ਦੀ ਲੀਡਰਸ਼ਿਪ ਸੱਚਮੁੱਚ ਸਮਝੇ ਅਤੇ ਮੰਨੇ ਕਿ ਕੰਪਨੀ ਦੀ ਲਗਾਤਾਰ ਸਫਲਤਾ ਲਈ AI ਵਿੱਚ ਨਿਵੇਸ਼ ਜ਼ਰੂਰੀ ਹੈ। ਇਹ ਉਨ੍ਹਾਂ ਦੀ AI ਰਣਨੀਤੀ ਹੈ, ਜੋ ਉਦੇਸ਼-ਬਿਆਨ ਅਤੇ ਟੀਚਿਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਉਹ ਇਸ ਦਾ ਵਾਰ-ਵਾਰ ਪ੍ਰਚਾਰ ਕਰਦੇ ਹਨ ਅਤੇ ਅਮਲ ਨਾਲ ਸਮਰਥਿਤ ਫ਼ੈਸਲੇ ਲੈਂਦੇ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ।
ਇਸ ਨਾਲ ਪੂਰੇ ਸੰਗਠਨ ਦੀਆਂ ਟੀਮਾਂ ਨੂੰ ਹੁਨਰ ਵਧਾਉਣ ਅਤੇ ਥੋੜ੍ਹੇ ਅਸਹਿਜ ਪਰ ਅਹਿਮ ਫ਼ੈਸਲੇ ਲੈ ਕੇ ਵਧੇਰੇ ਔਖਾ ਪਰ ਵਧੇਰੇ ਲਾਭਕਾਰੀ ਰਾਹ ਚੁਣਨ ਲਈ ਪ੍ਰੇਰਣਾ, ਸਹਾਇਤਾ ਅਤੇ ਤਤਕਾਲਤਾ ਦੀ ਭਾਵਨਾ ਮਿਲਦੀ ਹੈ। ਇਹ AI-ਸੰਚਾਲਿਤ ਗਾਹਕ ਤਜਰਬੇ ਜਾਂ ਨਿਵੇਸ਼ ਫ਼ੈਸਲਾ ਪ੍ਰਕਿਰਿਆ ਲਈ “ਲਾਈਵ ਕਰੋ” ਦਬਾਉਣ ਦਾ ਭਰੋਸਾ ਦਿੰਦਾ ਹੈ।
ਅਗਲੇ ਦੋ ਸਾਲਾਂ ਵਿੱਚ AI ਤੋਂ ਜਿੱਤਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਉਹ ਨਹੀਂ ਹੋਣਗੀਆਂ ਜਿਨ੍ਹਾਂ ਨੇ ਸਭ ਤੋਂ ਵੱਧ ਤਾਇਨਾਤੀਆਂ ਕੀਤੀਆਂ ਹਨ। ਉਹ ਕੰਪਨੀਆਂ ਜਿੱਤਣਗੀਆਂ ਜਿਨ੍ਹਾਂ ਨੇ AI ਨੂੰ ਅਹਿਮ, ਗਾਹਕਾਂ ਨਾਲ ਸਿੱਧੇ ਜੁੜੀਆਂ, ਫ਼ੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀਆਂ ਅਤੇ ਕਾਰੋਬਾਰ ਲਈ ਨਾਜ਼ੁਕ ਪ੍ਰਣਾਲੀਆਂ ਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ ਕਾਰਗਰ ਬਣਾਇਆ ਅਤੇ ਇਸ ਨੂੰ ਲਗਾਤਾਰ ਤੇ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕਰਨ ਦੀ ਉੱਦਮੀ ਸਮਰੱਥਾ ਵਿਕਸਿਤ ਕੀਤੀ।
ਹੁਣ ਤੁਹਾਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਜੇ ਤੁਹਾਡਾ ਸੰਗਠਨ “AI ਵਰਤ ਰਿਹਾ ਹੈ,” ਪਰ ਇਸ ਦਾ ਕੰਪਨੀ ਦੀ ਸਫਲਤਾ ਉੱਤੇ ਕੋਈ ਅਸਰ ਨਹੀਂ ਪੈ ਰਿਹਾ, ਤਾਂ ਇਨ੍ਹਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ:
ਕੀ ਤੁਹਾਡੀ ਕੰਪਨੀ ਦਾ ਉਦੇਸ਼ ਹਾਸਲ ਕਰਨ ਵਿੱਚ AI ਦੀ ਭੂਮਿਕਾ ਸਪਸ਼ਟ ਹੈ? ਕੀ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਲੀਡਰਸ਼ਿਪ ਸੱਚਮੁੱਚ ਮੰਨਦੀ ਹੈ ਕਿ ਕੰਪਨੀ ਦੀ ਭਵਿੱਖੀ ਸਫਲਤਾ ਲਈ AI ਅਪਣਾਉਣਾ ਜ਼ਰੂਰੀ ਹੈ?
ਕੀ ਕੋਈ ਕੇਂਦਰੀ ਕਾਰਜ ਹੈ ਜੋ AI ਕਾਰਜ-ਸੂਚੀ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ, ਪੂਰੇ ਉੱਦਮ ਨੂੰ ਸਿੱਖਿਅਤ ਕਰਨ ਅਤੇ ਸਰਗਰਮੀਆਂ ਦਾ ਤਾਲਮੇਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ?
ਕੀ ਤਕਨਾਲੋਜੀ ਟੀਮ ਅਜਿਹੀ ਮੁਹਾਰਤ, ਸਮਰੱਥਾ ਅਤੇ ਨਮੂਨੇ ਵਿਕਸਿਤ ਕਰ ਰਹੀ ਹੈ ਜੋ AI ਇੰਜੀਨੀਅਰਿੰਗ ਨੂੰ ਹੋਰ ਤੇਜ਼ ਅਤੇ ਸੁਰੱਖਿਅਤ ਬਣਾਉਣ?
ਕੀ AI ਦੇ ਵਿਹਾਰ ਬਾਰੇ ਅਣਸੁਲਝੇ ਸਵਾਲਾਂ ਤੋਂ ਪੈਦਾ ਰੁਕਾਵਟਾਂ ਬਿਨਾਂ ਨਵੀਆਂ ਜਾਰੀਕਰਨਾਂ ਉਤਪਾਦਨ ਪੱਧਰ ਤੱਕ ਪਹੁੰਚ ਰਹੀਆਂ ਹਨ?
ਜੇ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਦਾ ਜਵਾਬ ਨਹੀਂ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਪਤਾ ਹੈ ਕਿ ਸੰਗਠਨ ਦਾ ਇਹ ਭਰੋਸਾ ਵਧਾਉਣ ਦੀ ਸ਼ੁਰੂਆਤ ਕਿੱਥੋਂ ਕਰਨੀ ਹੈ ਕਿ AI ਨੂੰ ਤੇਜ਼ੀ ਅਤੇ ਇਕਸਾਰ ਢੰਗ ਨਾਲ ਤਾਇਨਾਤ ਕਰਕੇ ਉਨ੍ਹਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਲਾਭ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਇਹ ਅਸਲ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੈ।