ప్రధాన నావిగేషన్

AIకి అనుగుణంగా సాగే సంస్థల రూపకల్పన

AI ప్రయోజనాలను పూర్తిగా పొందడంలో సంస్థాగత ఆలస్యమే అతిపెద్ద అవరోధం ఎందుకు.

కార్యనిర్వాహక సారాంశం

  • పని ఇప్పటికీ అవే కమిటీలు, ఆమోదాలు, బదిలీలు, విభాగాల గోడల మధ్య సాగితే ఉత్పాదకత లాభాలకు పరిమిత విలువే ఉంటుంది. సంస్థ నిర్ణయాలు తీసుకోవడానికి, ప్రక్రియలు మార్చడానికి, కొత్త సామర్థ్యాలను వ్యాపార ఫలితాలుగా మలచడానికి పట్టే సమయమే ప్రధాన అవరోధంగా మారుతోంది.

  • గతంలో అనేక నిపుణులు, విభాగాలు లేదా వారాల శ్రమ అవసరమైన పనిని ఇప్పుడు ఎంతో వేగంగా పూర్తి చేయవచ్చు. ఇది బృందాల సహకారం, నిర్ణయ విధానం, నైపుణ్యం అవసరమయ్యే స్థానాలను మారుస్తుంది.

  • కార్యప్రవాహాలు, పాలన, ప్రోత్సాహకాలు, జ్ఞాన ప్రవాహాలు, నిర్ణయ నిర్మాణాలను కొత్తగా ఆలోచించి సంస్థ రూపకల్పనను సమూలంగా మార్చినప్పుడే AI ఆధారిత ఉత్పాదకత లాభాలు సంస్థంతటా పెరుగుతాయి.

  • AI-ఆధారిత సంస్థలకు స్థిరమైన పునాది, అనుకూలనశీల అంచు రెండూ అవసరం; అలాగే విచక్షణ, కార్య సమన్వయం వంటి విలువైన మానవ నైపుణ్యాలను వినియోగించాలి.


LinkedIn, Substack తదితర వేదికల్లో “AIపై పెట్టుబడి రాబడి కనిపించడం లేదు” అనే చర్చ విస్తృతంగా ఉంది. కానీ స్వీకరణ పెరుగుతుండగా AI పరిష్కారాలు, ChatGPT, Codex, Claude వంటి సిద్ధ సాధనాలు మంచి రాబడిని ఇస్తున్నాయి. అయినా, ఆ వాదన అర్థం చేసుకోదగినదే. వ్యక్తిగత ఉత్పాదకత గణనీయంగా పెరిగినా, సంస్థ కార్యప్రవాహాలు మారకపోతే దానికి పరిమితులుంటాయి. మీ సంస్థ రూపకల్పన పరిణామం చెందాలి.

అయితే AI వేగంగా మారుతున్నందున సంస్థను భవిష్యత్తులోని అన్ని మార్పులకు ముందే సిద్ధం చేయడం సాధ్యం కాదు. మూడేళ్ల తర్వాత AIకి అనుకూలమైన బ్యాంకు, బీమా సంస్థ, చిల్లర సంస్థ, ఇంధన సంస్థ లేదా సలహా సంస్థ ఎలా ఉండాలో ఎవరూ నిశ్చయంగా చెప్పలేరు. సాంకేతికత, ఆర్థికత, పని పద్ధతులు వేగంగా మారుతున్నాయి. అందుకే అనుకూలించే సామర్థ్యం వచ్చే దశాబ్దపు కీలక ఆధిక్యాల్లో ఒకటవుతుంది.

నిపుణ స్థాయి మేధస్సు వెంటనే లభిస్తూ, AI ఏజెంట్లు గంటలపాటు స్వతంత్రంగా పనిచేయగలిగితే పని జరిగే విధానం మారుతుందని, మారాలని భావించాలి. సాంకేతికత నుంచి ప్రయోజనం పొందాలంటే మీ నిర్వహణ నమూనా కూడా మారాలని దీని అర్థం. కొత్త పని పద్ధతులు, సాంకేతికత కొత్త అనువర్తనాలకు వేగంగా అనుకూలించేందుకు సిద్ధమైన సంస్థలే అత్యధికంగా లాభపడతాయి.

స్వతంత్ర ఏజెంట్లు వినియోగించే నిపుణ మేధస్సు వెంటనే లభిస్తుందని భావించండి

AI సంస్థపై చూపే ప్రభావాన్ని అర్థం చేసుకోవడానికి ఒక సరళమైన ఊహతో మొదలుపెట్టండి. సంస్థలో ఎవరికైనా నిపుణ స్థాయి మేధస్సు వెంటనే అందుబాటులో ఉంటుందని భావించండి. రెండేళ్ల క్రితం ఇది ఊహించడం కష్టం; ఇప్పుడు దాదాపు వాస్తవమైంది. ఇంకా పరిపూర్ణం కాకపోయినా, అతి త్వరలో దానికి చేరువవుతుందని భావించడం సమంజసమే.

దీనికి మరో ఊహను జోడించండి. స్వతంత్ర ఏజెంట్లు గంటలు, రోజులు, చివరకు వారాలపాటు కలిసి పనిచేసి అర్థవంతమైన పనిని పూర్తి చేయగలవని భావించండి. ఒకటి లేదా కొన్ని పనులు కాదు; అనేక విభాగాల్లో సాగే గణనీయమైన పని క్రమం. తమ కార్యప్రవాహాన్ని తామే నిర్ణయించగల ఏజెంట్ల బృందంగా పనిచేసే విభిన్న నైపుణ్యాల బృందం.

ఈ రెండు ఊహలు కనీసం సరైన దిశలో ఉన్నా, పని జరిగే విధానం మారుతుంది, మారాల్సిందే. పూర్తి చేసే సమయం తగ్గుతుంది, అంతర్గత సహకారం మారుతుంది, మార్పు వేగం పెరుగుతుంది.

ఈ వేగంలోని మార్పు వికేంద్రీకరణ, స్వతంత్రత, నవకల్పనకు అనుకూలం. కానీ చాలా పెద్ద సంస్థలు దీనికి విరుద్ధంగా నిర్మితమయ్యాయి.

చాలా సంస్థలు మార్పును నెమ్మదింపజేసేలా రూపొందాయి

పెద్ద సంస్థలు విధులవారీ విభాగాల్లో అధికారాన్ని కేంద్రీకరిస్తాయి. వ్యూహం, సాంకేతికత, డేటా, ప్రమాదం, కార్యకలాపాలు, ఆర్థికం, మానవ వనరులు, వ్యాపారాన్ని వేర్వేరు నిర్మాణాలుగా విభజిస్తాయి. ప్రతి దానికి సొంత ప్రాధాన్యాలు, ప్రోత్సాహకాలు, ముఖ్యంగా నియంత్రణలు ఉంటాయి.

పెట్టుబడి, నిర్వహణ కమిటీలు, నిర్మాణ మండళ్లు, ప్రమాద సమీక్షలు, అనుగుణ్యత దశలు, సేకరణ ప్రక్రియలు, వార్షిక ప్రణాళికలు, వ్యాపార ప్రతిపాదనలు మార్పును నియంత్రిస్తాయి. కొన్ని మార్పు నిర్వహణ బృందాలు విలువ జోడించకుండానే భాగస్వాముల మధ్య సమాచారానికి అదనపు మధ్యవర్తులవుతాయి.

ఇవేవీ అహేతుకం కావు; ఈ యంత్రాంగాలు సముచిత కారణాలతోనే ఉన్నాయి. అవి ప్రమాదాన్ని నిర్వహించి, మూలధనాన్ని కేటాయించి, నకిలీ పనిని నివారించి, వినియోగదారులను రక్షించి, జవాబుదారీతనం కల్పిస్తాయి. అదే సమయంలో వేగాన్ని కూడా నిర్ణయిస్తాయి. AI-ఆధారిత పోటీదారులు ఎంతో వేగంగా పరీక్షించి, నేర్చుకుని, పనిని పునఃరూపొందించే ప్రపంచానికి ఆ వేగం మరీ నెమ్మదిగా ఉండవచ్చు.

కేంద్రీకృత విధానం: బహుళ దశల నెమ్మదైన ప్రక్రియ అనే శీర్షికగల ప్రవాహపటం. ఒక వినియోగ సందర్భం నెమ్మదైన నియంత్రిత మార్పుకు ముందు పెట్టుబడి, నిర్వహణ, నిర్మాణం, ప్రమాదం, అనుగుణ్యత, సేకరణ, ప్రణాళిక, ఆమోద దశలను దాటడాన్ని చూపుతుంది.

సాంస్కృతిక సంకేతం కూడా ముఖ్యం. నాయకులు ఎన్నిసార్లు "నిర్ణయాలు తీసుకునే అధికారం మీకుంది" అన్నా, అనేక సంస్థల్లో ప్రోత్సాహకాలు ఇప్పటికీ విభాగాల హద్దుల్లో ఉండటానికే ప్రతిఫలమిస్తాయి. ఎందుకు? బృందాన్ని కాపాడండి. బడ్జెట్‌ను కాపాడండి. కార్యప్రణాళికను కాపాడండి. బయటకు కనిపించే వైఫల్యాన్ని నివారించండి. కఠిన నిర్ణయాలను కమిటీకి పంపండి. ఆమోదిత ప్రక్రియకు మరీ దూరంగా వెళ్లవద్దు.

ప్రయోగ వ్యయం అధికంగా, అప్పుడప్పుడే వచ్చే మార్పు విప్లవాత్మకం కాక క్రమ పరిణామాత్మకంగా ఉన్నప్పుడు ఈ కేంద్రీకృత విధానం సమంజసం. కానీ ప్రతి కొన్ని నెలలకు సామర్థ్యం గణనీయంగా పెరుగుతూ, పనికి దగ్గరగా ఉన్న బృందాలే ఉత్తమ అవకాశాలను కనుగొన్నప్పుడు ఇది సమస్యవుతుంది.

సంప్రదాయ కేంద్రీకరణతో AIకి స్పందించడం ఆలస్యాన్ని పెంచి, అర్థవంతమైన పెట్టుబడి రాబడిని అడ్డుకుంటుంది. ప్రతి మార్పు నిజమైన పనిని చేరే ముందు అనేక కమిటీలను దాటాల్సి వస్తే, సంస్థ చాలా నెమ్మదిగా నేర్చుకుంటుంది.

వేగంగా ఎదగాలనుకునే ఉద్యోగులకు AIని వినియోగించే అవకాశాలను పరిమితం చేస్తే, మీ సంస్థ ఆకర్షణీయమైన పని ప్రదేశంగా ఉండదు.

వ్యక్తిగత AI ప్రావీణ్యం -> బృంద AI ప్రావీణ్యం -> AI-ఆధారిత సంస్థ

చాలా సంస్థలు వ్యక్తిగత AI ప్రావీణ్యంతో మొదలుపెడుతున్నాయి. ప్రారంభించడానికి అదే సరైన స్థానం. AIకి సూచనలు ఇవ్వడం, దాన్ని ప్రశ్నించడం, దాని పనిని తనిఖీ చేయడం, సున్నిత సమాచారాన్ని రక్షించడం, ఎప్పుడు వాడకూడదో తెలుసుకోవడం వ్యక్తులకు అవసరం. వారికి విశ్వాసం, విచక్షణ, ఆచరణాత్మక అనుభవం అవసరం.

కానీ వ్యక్తిగత ప్రావీణ్యానికి పరిమితి ఉంది. విశ్లేషకుడు ఐదు రెట్లు ఎక్కువ విశ్లేషణ చేయగలిగినా, నిర్ణయ వేదిక నెలకోసారే సమావేశమవుతుంది. అభివృద్ధికర్త ఎక్కువ సంకేతలిపిని రూపొందించగలిగినా, సమీక్ష, విడుదల ప్రక్రియ మారలేదు. విపణన నిపుణుడు ఎక్కువ విషయం సృష్టించగలిగినా, బ్రాండ్ ఆమోదం అదే వరుసలో ఉంటుంది.

సంస్థలోని ఇతర భాగాలు పాత పద్ధతిలోనే పనిచేస్తే, బృంద స్థాయిలో కార్యప్రవాహం మారినా వేగం తప్పనిసరిగా పెరగదు.

వ్యక్తి, బృందం వేగంగా కదిలినా, సంస్థలోని సంపూర్ణ ప్రవాహంలో ఇతర భాగాలు తుది ఫలితాల వేగాన్ని పరిమితం చేస్తాయి. అందుకే AI ప్రయాణం వ్యక్తిగత ప్రావీణ్యం నుంచి బృంద ప్రావీణ్యానికి, ఆపై సంస్థాగత ప్రావీణ్యానికి సాగాలి.

సంస్థ నిర్మాణాలు, ప్రోత్సాహకాలు, పాలన, జ్ఞాన ప్రవాహాలు, సాంకేతిక పద్ధతులను మార్చగలిగితే వ్యక్తులు, బృందాల స్థానిక లాభాలు సంస్థ విలువగా మారతాయి.

ఇది కఠిన సవాలే; కానీ విలువను వెలికితీసే అవకాశం అక్కడే ఉంది. ChatGPT విడుదల తర్వాత గత కొన్నేళ్లలో పుట్టిన AI-ఆధారిత సంస్థలు, AIని ముందే కార్యప్రవాహాల్లో చేర్చడంతో చురుగ్గా, తక్కువ అంచెల నిర్మాణాలతో పనిచేస్తున్నాయి. దీనికి విరుద్ధంగా, పెద్ద సంస్థలు ప్రస్తుత ప్రక్రియల్లో AIని చేర్చాయి. ఫలితంగా అతుకుల వ్యవస్థ ఏర్పడి, పని ఎలా జరుగుతుందో మారలేదు.

స్థిరమైన పునాది, అనుకూలనశీల అంచు: AI-ఆధారితంగా ఉండటం అంటే ఏమిటి

AI-ఆధారితమంటే అస్తవ్యస్తంగా, నిర్లక్ష్యంగా లేదా సాధనాలపై మోజుతో ఉండటం కాదు. ప్రతి ఉద్యోగి తాజా మోడల్‌ను తనకు నచ్చినట్లు వాడటం కూడా కాదు. పాలన స్థానంలో ఉత్సాహాన్ని పెట్టడం లేదా మనుషులు ఇక అవసరం లేదని నటించడం అసలే కాదు.

సంస్థ రూపకల్పన పాత నమూనా ప్రకారం భవిష్యత్ స్థితిని నిర్వచించి, నిర్మాణాన్ని గీసి, మార్పును అమలు చేసి, స్థిరీకరించవచ్చు. AIకి అది మరీ నెమ్మది.

AI-ఆధారిత సంస్థలు నిరంతర మార్పు కోసం రూపొందుతాయి. వ్యక్తులు, AI వ్యవస్థలు, డేటా, కార్యప్రవాహం, పాలనల సమష్టి బలాల చుట్టూ పనిని నిరంతరం పునఃరూపొందించేదే AI-ఆధారిత సంస్థ. అవి ఒకే నమూనాపై అన్నీ పణంగా పెట్టవు. ఏ కార్యప్రవాహాలు మారాలి, ఏ పాత్రలు పరిణామం చెందాలి, ఏ నియంత్రణలు అవసరం, ఏ నైపుణ్యాలు ముఖ్యం, ఏ పద్ధతులను మళ్లీ వాడవచ్చు, ఏ ఊహలు పాతబడ్డాయో వేగంగా గుర్తించే సామర్థ్యాన్ని అవి నిర్మిస్తాయి.

దీనికి స్థిరమైన పునాది, అనుకూలనశీల అంచు రెండూ ఏకకాలంలో అవసరం. ఇవి కేంద్రీకరణకు, పనికి దగ్గరగా ఉన్న బృందాలకు అధికారం ఇవ్వడానికి మధ్య సమతుల్యత కల్పిస్తాయి.

స్థిరమైన పునాది సంస్థకు నమ్మకం, విస్తరణ సామర్థ్యం ఇస్తుంది. ఆమోదిత సాధనాలు, పునర్వినియోగ పద్ధతులు, డేటా ప్రాప్తి మార్గాలు, మూల్యాంకన పద్ధతులు, భద్రతా నియంత్రణలు, పాలనా సూత్రాలు, పర్యవేక్షణ, జ్ఞాన మౌలిక సదుపాయాలు, స్పష్టమైన బాధ్యత సంస్థ అంతటికీ అందుబాటులో ఉంటాయి.

అనుకూలనశీల అంచులోనే పని జరుగుతుంది; అది తరచూ, అవరోధాలు లేకుండా మారుతుంది. సమస్యకు దగ్గరగా ఉన్న చిన్న బహుళ నైపుణ్య బృందాలకు కార్యప్రవాహాలను పునఃరూపొందించడానికి, AIని వర్తింపజేయడానికి, కొత్త పద్ధతులను పరీక్షించి, నేర్చుకున్నది సంస్థకు అందించడానికి తగిన అధికారం ఉంటుంది.

కేంద్రానికి, అంచుకు మధ్య ఈ సమతుల్యత ముఖ్యం. కేంద్ర నియంత్రణ మరీ ఎక్కువైతే సంస్థ చాలా నెమ్మదిగా నేర్చుకుంటుంది. స్థానిక స్వేచ్ఛ మరీ ఎక్కువైతే సంస్థ ముక్కలవుతుంది. AI-ఆధారిత సంస్థకు కేంద్రంలో క్రమశిక్షణ, అంచుల్లో అనుకూలనశీలత అవసరం.

అస్పష్టతలో నిర్ణయాలు తీసుకునేవారు: మానవ ప్రాధాన్యం ఎలా మారుతుంది

పనిని స్వయంచాలకం చేస్తే మనుషుల అవసరాన్ని AI తగ్గిస్తుందనడం తేలికపాటి నిర్ధారణ. తక్కువ సందర్భజ్ఞానం అవసరమయ్యే పునరావృత విజ్ఞాన పని వంటి కొన్ని రంగాల్లో అది నిజమే; అలాంటి పని తగ్గుతుంది లేదా తొలగిపోతుంది. లావాదేవీలకే పరిమితమైన పని, వ్యవస్థల లోపాలను పూడ్చడం, సమాచారం తరలించడం, ప్రాథమిక విశ్లేషణ, తొలి ముసాయిదాలు, పరిమిత 'విలువ జోడింపు' సమాధానాలు అన్నీ ఒత్తిడికి లోనవుతాయి.

మరోవైపు, మానవ 'తోడ్పాటు' ఉన్నత స్థాయికి చేరుతుంది. నిపుణ మేధస్సు వెంటనే లభిస్తే, AI భర్తీ చేయలేని, చేయకూడని అరుదైన మానవ లక్షణాలు విచక్షణ, సృజనాత్మకత, జవాబుదారీతనం, సందర్భజ్ఞానం, నమ్మకం అవుతాయి.

అస్పష్ట పరిస్థితుల్లో నిర్ణయాలు తీసుకోగల వ్యక్తులపై సంస్థలు మరింత దృష్టి పెట్టాలి. AIకి దిశానిర్దేశం చేసేంత లోతుగా రంగాన్ని అర్థం చేసుకుని, అది ఎప్పుడు తప్పో గుర్తించగలవారు. మెరుగైన ప్రశ్నలు అడగగలవారు. వాణిజ్య, సాంకేతిక, నిర్వహణ, మానవ వాస్తవాలను అనుసంధానించగలవారు. సంబంధాలు నిర్మించి, విశ్వాసం కల్పించి, అనేక భాగస్వాముల మధ్య సమన్వయం చేయగలవారు. ముఖ్యంగా, వారం పనంతా సోమవారం ఉదయానికే కుదించబడితే, సందర్భాలను వేగంగా మార్చుకుంటూ సమాచారాన్ని సరిగ్గా అర్థం చేసుకోవడం మరింత అవసరం.

విభాగాల సందర్భాన్ని గ్రహించి, AI ఆధారిత పనిని సమన్వయం చేయగల బహుముఖ నిపుణుల విలువ తగ్గదు; పెరుగుతుంది. వేగవంతమైన పనిలో నాణ్యత, విచక్షణ అవసరమయ్యే సందర్భాలు పెరుగుతాయి కాబట్టి నిపుణుల విలువ కూడా పెరగవచ్చు. నాయకులు కార్యకలాపాల నియంత్రకులుగా కాక, వ్యవస్థలు, సందర్భం, వేగానికి రూపకర్తలుగా మారాలి.

పెట్టుబడి పెట్టాల్సింది “AI నైపుణ్యాల్లో” మాత్రమే కాదు. దిగువ స్థాయి పనులను AI చేపట్టినప్పుడు ఆసక్తి, విచక్షణ, స్థైర్యం, స్పష్టత, సృజనాత్మకత, నిర్ణయాత్మకత, సహకారం, అస్పష్టతను ఎదుర్కొనే సామర్థ్యం వంటి మానవ లక్షణాలు కీలకం. ఈ లక్షణాలున్నవారిని సంస్థ ఇప్పుడే నియమించి, అభివృద్ధి చేసి, ప్రోత్సహించాలి.

ఇంత పనిని కుదించడం తీవ్రమైనది; AI-ఆధారిత సంస్థలు ఎల్లప్పుడూ అత్యంత వేగంతో నడవలేవు. వ్యక్తులు కోలుకుని, మళ్లీ అనుసంధానం కావడానికి సమయం, వెసులుబాటు కల్పించాలి. సమర్థంగా అంచనా వేసి నిర్ణయించేందుకు, యాదృచ్ఛిక అవకాశాలు వినూత్న ఆలోచనలకు దారితీసే వాతావరణాన్ని సంస్థలు పెంపొందించాలి.

మలుపు సమీపిస్తోంది

ఇప్పటికే సాధ్యమైన పనులకు కూడా నేడు అనేక సంస్థలు AIని నెమ్మదిగా వినియోగిస్తున్నాయి. దీంతో స్వయంప్రతిపత్తిగల ఏజెంట్ల సామర్థ్య వృద్ధికి, దాని వినియోగ వృద్ధికి మధ్య అంతరం పెరుగుతోంది.

అది సహజమే. పాత వ్యవస్థలు, నియంత్రణ పరిమితులు, సాంస్కృతిక ప్రతిఘటన, విడిపోయిన డేటా, అస్పష్ట బాధ్యతలు, నిజమైన ప్రమాదాల వల్ల పెద్ద సంస్థలు సాంకేతికతను నెమ్మదిగా స్వీకరిస్తాయి.

కానీ ఏదో దశలో తగినంత మంది నాయకులు, బృందాలు, పోటీదారులు నిజమైన కార్యప్రవాహాల్లో AIని సురక్షితంగా, పదేపదే ప్రయోగించడం నేర్చుకుంటారు. పద్ధతులు పరిపక్వమవుతాయి, పాలన వ్యవస్థలో కలిసిపోతుంది, ఏజెంట్లు నమ్మదగినవిగా మారతాయి, సంస్థాగత విశ్వాసం పెరుగుతుంది. AI సాధ్యం చేసేదానికి, సంస్థలు వాస్తవంగా వాడేదానికి మధ్య అంతరం తగ్గడం మొదలవుతుంది.

ఆ మలుపు వచ్చినప్పుడు ఉత్తమ మోడళ్లు లేదా అతిపెద్ద AI బడ్జెట్లు ఉన్న సంస్థలకు కాదు, పని జరిగే విధానాన్ని వేగంగా మార్చగల సంస్థలకే ఆధిక్యం లభిస్తుంది.

ప్రతి నిర్ణయాన్ని కేంద్రీకరించి, ప్రతి విభాగాన్ని కాపాడుతూ, నెమ్మదైన కమిటీలతో పాలించి, 'కలకలం రేపనివారిని' ప్రోత్సహించే సంస్థలు వెనుకబడతాయి.

బలమైన పునాది, అనుకూలనశీల అంచు నిర్మించే సంస్థలు వేగంగా నేర్చుకుంటాయి. అవి మెరుగైన కార్యప్రవాహాలను ముందే కనుగొని, బహుముఖ నిపుణులు, ప్రత్యేక నిపుణులు, నాయకుల మానవ ప్రతిభను అధిక విలువగల పనులకు మళ్లించి, స్థానిక ప్రయోగాలను పునర్వినియోగ పద్ధతులుగా మారుస్తాయి.

నాయకులు దృష్టి పెట్టాల్సినది

ప్రస్తుత ప్రశ్న "AIని విజయవంతంగా ఎలా స్వీకరించాలి?" కావచ్చు. కానీ త్వరలో అది "AI పనిని మారుస్తుంటే మన సంస్థ ఎంత వేగంగా అనుకూలించగలదు?"గా మారాలి.

శక్తిమంతమైన AI ఉన్నా నెమ్మదైన సంస్థ నెమ్మదిగానే ఉంటుంది; అనుకూలనశీల సంస్థ మాత్రం వేగంగా వృద్ధి చెందుతుంది.

రచయితలు

Dave Pit, Sam Netherwood