15 મિલિયન AI-ટૂલ ઇન્ટરેક્શનના Google ના આંતરિક વિશ્લેષણ પરથી જાણવા મળે છે કે, જોકે હવે 68% નોકરીઓ AI આસિસ્ટન્ટ સાથે જોડાયેલી છે, તેમ છતાં તે સિસ્ટમ્સ ખરેખર કરવામાં આવતા કાર્યોના માત્ર 21% ભાગનું જ ઓટોમેશન કરે છે. આ તફાવત મહત્વનો છે કારણ કે કંપનીઓ વર્કફ્લોને સંપૂર્ણપણે બદલવા માટે AI પર દાવ લગાવી રહી છે, છતાં ડેટા સૂચવે છે કે મોટાભાગના કામદારો હજુ પણ માત્ર થોડી પ્રવૃત્તિઓ માટે જ આ ટેકનોલોજી પર નિર્ભર છે.

આ આંકડાઓ શા માટે મહત્વના છે

Google ના Gemini પ્લેટફોર્મ પર કરવામાં આવેલ આ અભ્યાસ AI અપનાવવાનો એક સૂક્ષ્મ ચિત્ર રજૂ કરે છે. બે-તૃતીયાંશ અપનાવવાનો દર પ્રભાવશાળી લાગે છે, પરંતુ 21% નો નમ્ર ઓટોમેશન આંકડો એનો અર્થ છે કે પાંચમાંથી ચાર કાર્યો AI સહાય વગર ચાલુ રહે છે. મોટા પાયે AI રોલઆઉટનું આયોજન કરી રહેલા એક્ઝિક્યુટિવ્સે હેડલાઇન અપનાવવાનો દર અને વાસ્તવિક ઉત્પાદકતાના લાભો વચ્ચેના તફાવત પર ધ્યાન આપવું જોઈએ—તે ROI ની અપેક્ષાઓને વધારી શકે છે.

આપણે અહીં કેવી રીતે પહોંચ્યા

વેન્ડર્સ એ AI ટૂલ્સને કાર્યસ્થળની કાર્યક્ષમતામાં આગલું પગલું તરીકે માર્કેટિંગ કર્યું છે, જેમાં "ઓટોનોમસ એજન્ટ્સ" ના વચન આપવામાં આવ્યા છે જે શરૂઆતથી અંત સુધીની સમગ્ર પ્રક્રિયાઓ ચલાવી શકે છે. જોકે, Google નો ડેટા દર્શાવે છે કે મોટાભાગના વપરાશકર્તાઓ સમગ્ર વર્કફ્લો સોંપવાને બદલે ચોક્કસ, સહયોગી ક્ષણો માટે—જેમ કે વિચારોનું મંથન કરવું, વ્યૂહરચનાઓ તૈયાર કરવી અથવા સંશોધન એકત્રિત કરવું—આ ટેકનોલોજીનો ઉપયોગ કરે છે. આ અભ્યાસે દરેક Gemini ઇન્ટરેક્શનને ટ્રેક કર્યું, દરેક વિનંતીનો હેતુ અને તે કયા પ્રકારના કાર્યમાં મદદ કરે છે તેનું કેટલોગ બનાવ્યું.

ડેટા શું દર્શાવે છે

  • પૂર્ણ ઓટોમેશન માટે મર્યાદિત પ્રયાસો. દસમાંથી એકથી પણ ઓછી ઇન્ટરેક્શનનો હેતુ કાર્યને સંપૂર્ણપણે ઓટોમેટ કરવાનો હતો. મોટાભાગના વપરાશકર્તાઓ 'હ્યુમન-ઇન-ધ-લૂપ' અભિગમ પસંદ કરે છે.
  • રિપ્લેસમેન્ટ કરતા કોલેબોરેશન પર વધુ ભાર. AI નો મોટાભાગનો ઉપયોગ કન્સેપ્ટ જનરેટ કરવા, વ્યૂહરચનાઓને સુધારવા અને બેકગ્રાઉન્ડ રિસર્ચ કરવા પર કેન્દ્રિત છે, જે સૂચવે છે કે કામદારો AI ને વિકલ્પ તરીકે નહીં પણ ભાગીદાર તરીકે જુએ છે.
  • રૂટિન કામ પર પ્રથમ ધ્યાન. જ્યારે AI ઓટોમેશન કરે છે, ત્યારે તે પુનરાવર્તિત અને સ્પષ્ટ રીતે વ્યાખ્યાયિત કાર્યો લે છે. છતાં ત્યાં પણ, દૈનિક પ્રવૃત્તિઓના ચાર-પાંચમો ભાગ અસ્પૃશ્ય રહે છે.
  • કોગ્નિટિવ, નોન-રૂટિન કામ AI વિનંતીઓમાં પ્રભુત્વ ધરાવે છે. લગભગ 65% ઇન્ટરેક્શનમાં ઓછા પ્રમાણિત કાર્યો સામેલ છે—જેમ કે સમસ્યાનું નિરાકરણ, વિશ્લેષણ અથવા સર્જનાત્મક વિચારસરણી—જે દર્શાવે છે કે જ્યાં માનવીય નિર્ણય મહત્વનો છે ત્યાં વપરાશકર્તાઓ AI તરફ વળે છે.
  • વિવિધ વ્યવસાયોમાં અસમાન અસર. સોફ્ટવેર ડેવલપમેન્ટ અને ફાઇનાન્શિયલ એનાલિસિસ જેવી વ્હાઇટ-કોલર ભૂમિકાઓમાં સૌથી વધુ AI વપરાશ જોવા મળે છે. મેન્યુઅલ વ્યવસાયો પાછળ છે, જોકે કેટલાક ટેકનિશિયન ફોટા પરથી સાધનોની ખામીઓ ઓળખવા માટે પહેલેથી જ AI નો ઉપયોગ કરી રહ્યા છે.

વ્યવસાયો માટે જોખમો અને તકો

જો કોઈ કંપની એ ધારણા પર તેની AI વ્યૂહરચના બનાવે કે મોટાભાગનું કામ ટૂંક સમયમાં સ્વાયત્ત સિસ્ટમોને સોંપવામાં આવશે, તો તે માનવીય પ્રક્રિયાઓમાં ઓછું રોકાણ કરી શકે છે જે હજુ પણ દૈનિક આઉટપુટમાં પ્રભુત્વ ધરાવે છે. ઓટોમેશનના વધુ પડતા વચનો આપવાથી જ્યારે અપેક્ષિત કાર્યક્ષમતા પ્રાપ્ત ન થાય ત્યારે વિશ્વાસ ઘટી શકે છે. બીજી બાજુ, AI ક્યાં મૂલ્ય ઉમેરે છે—જેમ કે વિચાર નિર્માણ, ઝડપી સંશોધન, રૂટિન ડેટા હેન્ડલિંગ—તેને ઓળખવાથી કંપનીઓ તાલીમ, ટૂલિંગ અને ગવર્નન્સ સંસાધનોને વધુ અસરકારક રીતે લક્ષ્ય બનાવી શકે છે.

વિરોધી દલીલ

કેટલાક વેન્ડર્સ દલીલ કરે છે કે શરૂઆતના અપનાવવાનો આંકડા માત્ર પ્રથમ પગલું છે અને જેમ જેમ મોડલ્સ સુધરશે તેમ ઓટોમેશનના દરો ઝડપથી વધશે. તેઓ લાર્જ-લેંગ્વેજ મોડલ્સમાં ઝડપી પ્રગતિ અને સ્પેશિયલાઇઝ્ડ એજન્ટ્સના રોલઆઉટને પુરાવા તરીકે દર્શાવે છે કે 21% નો આંકડો એક કામચલાઉ નીચો બિંદુ છે. ભવિષ્યના લાભો શક્ય છે, પરંતુ Google નો અભ્યાસ ભાર મૂકે છે કે વપરાશકર્તાનો ઈરાદો મહત્વનો છે: કાર્યોને બદલવાની સ્પષ્ટ ઈચ્છા વિના, સૌથી સક્ષમ મોડલ્સ પણ રિપ્લેસમેન્ટને બદલે સહાયક તરીકે જ રહેશે.

આગળ શું જોવું

  • વપરાશકર્તાના ઈરાદામાં ફેરફાર. શું AI માં વિશ્વાસ વધતા સંપૂર્ણ રીતે ઓટોમેટેડ વિનંતીઓનું પ્રમાણ વધશે, કે સહયોગ પ્રભુત્વ ધરાવતો રહેશે?
  • ઉદ્યોગ-વિશિષ્ટ અપનાવવાનો વળાંક. અત્યંત નિયંત્રિત અથવા સુરક્ષા-ક્રિટિકલ ક્ષેત્રોમાં ઓટોમેશન ધીમું હોઈ શકે છે, જ્યારે ટેક-હેવી ક્ષેત્રો ટકાવારીને વધુ ઊંચી લઈ જઈ શકે છે.
  • ટૂલનું ઉત્ક્રાંતિ. નવા ફીચર્સ જે AI ને હાલના સોફ્ટવેર સ્યુટ્સમાં વધુ મજબૂતીથી જોડે છે તે ઓટોમેશનના હિસ્સાને વધારી શકે છે, પરંતુ તે ત્યારે જ શક્ય છે જો તેઓ વપરાશકર્તાના વર્કફ્લો સાથે સુસંગત હોય.

ટીમો માટે વ્યવહારુ આગલું પગલું

હેડલાઇન અપનાવવાનો દર તમારી આયોજન પ્રક્રિયાને ચલાવવા ન દો. તમારા પોતાના લોકોને પૂછો: "કયા ચોક્કસ કાર્યો આપણા 21% AI-ઓટોમેટેડ કામનો ભાગ છે?" તે કાર્યોનું મેપિંગ કરવાથી ઓટોમેશન વધારવા, AI લાઇસન્સ માટે બજેટ બનાવવા અને વાસ્તવિક ઉત્પાદકતાના પ્રભાવને માપવા માટે એક નક્કર પાયો મળે છે.

મુખ્ય વાત: AI હવે લગભગ સર્વવ્યાપી આસિસ્ટન્ટ છે, પરંતુ તે હજુ પણ લઘુમતી કાર્યો જ સંભાળે છે. જે કંપનીઓ આજે AI ને સહયોગી સાધન તરીકે જુએ છે—અને તે કયા ચોક્કસ કામોનું ઓટોમેશન કરે છે તે ઓળખે છે—તેઓ ટેકનોલોજી જ્યારે અંતે 21% ની મર્યાદા ઓળંગશે ત્યારે વાસ્તવિક કાર્યક્ષમતાના લાભો મેળવવા માટે વધુ સારી રીતે સજ્જ હશે.