AI ROI के लिए एक्जीक्यूटिव गाइड

मैं देखता हूँ कि AI बजट एक स्लाइड पर स्वीकृत हो जाते हैं और एक तिमाही में गायब हो जाते हैं। तकनीक काम करती है। ROI नहीं करता।

कमी मॉडल में नहीं है। कमी इस बात में है कि लीडर्स वैल्यू को कैसे परिभाषित करते हैं और एडॉप्शन (adoption) को कैसे बढ़ावा देते हैं। AI से मिलने वाला ROI कोई तकनीकी समस्या नहीं है। यह नेतृत्व (leadership) की समस्या है।

एक 'use case' कहता है: "हम कॉन्ट्रैक्ट्स का सारांश बनाने के लिए AI का उपयोग करते हैं।" एक 'value case' कहता है: "हम साल भर में ट्राइएज (triage) पर 4,200 कानूनी घंटे खर्च करते हैं। AI 90k के लिए उस ट्राइएज को खत्म कर देता है। इससे 380k की क्षमता मुक्त होती है।"

एक डेमो है। दूसरा CFO के सामने टिक पाता है।

किसी भी चीज़ को फंड करने से पहले, मुझे तीन नंबर चाहिए:

• बेसलाइन (The baseline): आज घंटों या गलतियों के रूप में इसकी लागत क्या है? आप "पहले" के बिना "बाद" को साबित नहीं कर सकते।
• एड्रेसेबल स्लाइस (The addressable slice): AI शायद ही कभी किसी कार्य को 100% संभालता है। क्या यह 30% है या 70%? इसे बढ़ा-चढ़ाकर बताना आपके ROI को खराब कर देता है।
• रियलाइजेशन पाथ (The realization path): मुक्त किए गए घंटे तब तक बचत नहीं हैं जब तक आप लोगों को पुनर्नियोजित (redeploy) नहीं करते। बिना पुनर्वितरण (reallocation) के 20% उत्पादकता लाभ का मतलब 0% वित्तीय लाभ है।

मॉडल की गुणवत्ता सुर्खियां बटोरती है। एडॉप्शन रिटर्न देता है।

टीम के 20% लोगों द्वारा उपयोग किए जाने वाले 90% सटीकता वाले टूल का रिटर्न, टीम के 90% लोगों द्वारा उपयोग किए जाने वाले 70% सटीक टूल से कम होता है। अंतर भरोसे और वर्कफ़्लो फिट (workflow fit) का है।

ROI = प्रति उपयोग वैल्यू × उपयोग की आवृत्ति × उपयोगकर्ताओं की हिस्सेदारी। इनमें से दो वेरिएबल मानवीय हैं।

मैं इंफ्रास्ट्रक्चर की तरह एडॉप्शन के लिए बजट बनाता हूँ। मैं तलाश करता हूँ:

• हर टीम में चैंपियंस।
• टूल के इर्द-गिर्द डिज़ाइन किए गए वर्कफ़्लो।
• वास्तविक उपयोगकर्ताओं से फीडबैक लूप।

"AI 5 गुना तेज़ी से ड्राफ्ट करता है" जैसे वैनिटी मेट्रिक्स (vanity metrics) पर भरोसा न करें। तेज़ ड्राफ्टिंग से समीक्षा (reviewing) धीमी हो सकती है और गलतियाँ बढ़ सकती हैं।

मैं तीन स्तरों को ट्रैक करता हूँ:

• एक्टिविटी (Activity): क्या टीम इसका उपयोग कर रही है?
• आउटकम (Outcome): क्या लक्षित मेट्रिक में बदलाव आया?
• सिस्टम (System): क्या डाउनस्ट्रीम में कुछ और खराब हुआ?

अधिकांश विफल AI प्रोजेक्ट ये गलतियाँ करते हैं:

• ऐसे पायलट जो स्केल नहीं हो सकते। वे वास्तविक दुनिया के अव्यवस्थित डेटा के बजाय साफ-सुथरे डेटा का परीक्षण करते हैं।
• समस्याओं को हल करने के बजाय क्षमता खरीदना। व्यापक और सतही मामलों के बजाय तीन गहरे वैल्यू केस चुनें।
• बदलाव की लागत को नज़रअंदाज़ करना। लाइसेंस बिल का केवल 10% हैं। इंटीग्रेशन और ट्रेनिंग बाकी 90% हैं।
• कोई मालिक (owner) नहीं। यदि ROI किसी एक्जीक्यूटिव स्कोरकार्ड पर नहीं है, तो कोई इसका बचाव नहीं करता है।

"AI क्या कर सकता है?" पूछना बंद करें। पूछें "आज हम कहाँ पैसा गंवा रहे हैं, और क्या AI उस नुकसान को किसी भी अन्य चीज़ की तुलना में तेज़ी से रोक सकता है?"

कम चीज़ों को फंड करें, लेकिन गहराई तक जाएँ। पहले बेसलाइन मापें। तकनीक पर जितना खर्च करें, उतना ही एडॉप्शन पर भी खर्च करें। हर डॉलर के साथ एक जवाबदेह नाम जोड़ें।

Source: https://dev.to/cedricbignet/the-executives-guide-to-ai-roi-52ah

Optional learning community: https://t.me/GyaanSetuAi