गुगलच्या १५ दशलक्ष AI-टूल संवादांच्या अंतर्गत विश्लेषणातून असे दिसून येते की, जरी आता ६८% नोकऱ्यांमध्ये AI असिस्टंटचा वापर होत असला, तरी ही प्रणाली प्रत्यक्षात केवळ २१% कामे स्वयंचलित (automate) करते. ही तफावत महत्त्वाची आहे कारण कंपन्या वर्कफ्लोमध्ये आमूलाग्र बदल घडवून आणण्यासाठी AI वर अवलंबून आहेत, तरीही डेटा असे सूचित करतो की बहुतेक कर्मचारी अजूनही केवळ काही मोजक्या क्रियांसाठीच या तंत्रज्ञानाचा वापर करतात.

ही आकडेवारी का महत्त्वाची आहे

गुगलच्या Gemini प्लॅटफॉर्मवर आधारित हे संशोधन AI स्वीकारण्याच्या प्रक्रियेचे एक सूक्ष्म चित्र मांडते. दोन-तृतीयांश स्वीकारण्याचे प्रमाण प्रभावी वाटत असले तरी, २१% चे अल्प ऑटोमेशन प्रमाण म्हणजे पाचपैकी चार कामे AI च्या मदतीशिवाय सुरू आहेत. मोठ्या प्रमाणावर AI लागू करण्याचे नियोजन करणाऱ्या कार्यकारी अधिकाऱ्यांनी (Executives) प्रसिद्धीतील स्वीकारण्याचे प्रमाण आणि वास्तविक उत्पादकता वाढ यातील तफावतीकडे लक्ष दिले पाहिजे—यामुळे ROI (गुंतवणुकीवरील परतावा) च्या अपेक्षा अवास्तव वाढू शकतात.

आपण इथपर्यंत कसे पोहोचलो

विक्रेत्यांनी (Vendors) AI टूल्सना कार्यस्थळावरील कार्यक्षमतेतील पुढचे पाऊल म्हणून विपणन (market) केले आहे, आणि संपूर्ण प्रक्रिया सुरुवातीपासून शेवटपर्यंत चालवणारे “autonomous agents” देण्याचे आश्वासन दिले आहे. तथापि, गुगलचा डेटा असे दर्शवतो की बहुतेक वापरकर्ते संपूर्ण वर्कफ्लो सोपवण्याऐवजी विशिष्ट, सहयोगात्मक क्षणांसाठी—जसे की कल्पना सुचवणे (brainstorming), धोरणे तयार करणे किंवा संशोधन करणे—या तंत्रज्ञानाचा वापर करतात. या संशोधनाने प्रत्येक Gemini संवादाचा मागोवा घेतला आणि प्रत्येक विनंतीचा उद्देश आणि ती कोणत्या प्रकारच्या कामासाठी वापरली गेली याचे वर्गीकरण केले.

डेटा काय दर्शवतो

  • पूर्ण ऑटोमेशनसाठी मर्यादित प्रयत्न. दहापैकी एकापेक्षा कमी संवादांचा उद्देश एखादे काम पूर्णपणे स्वयंचलित करणे हा होता. बहुतेक वापरकर्ते 'human-in-the-loop' (मानवी हस्तक्षेप असलेले) दृष्टिकोन पसंत करतात.
  • बदली करण्यापेक्षा सहकार्य. AI च्या वापराचा मोठा भाग संकल्पना तयार करणे, धोरणे सुधारणे आणि पार्श्वभूमी संशोधन करणे यावर केंद्रित आहे, ज्यावरून असे दिसून येते की कामगार AI कडे पर्याय म्हणून नाही तर भागीदार म्हणून पाहतात.
  • नियमित कामांना प्रथम प्राधान्य. जेव्हा AI ऑटोमेशन करते, तेव्हा ते पुनरावृत्ती होणारी आणि स्पष्टपणे परिभाषित केलेली कामे करते. तरीही, दैनंदिन क्रियांपैकी चार-पंचमांश कामे अजूनही अप्रत्यक्ष आहेत.
  • बौद्धिक आणि गैर-नियमित कामांमध्ये AI चा वापर जास्त. सुमारे ६५% संवादांमध्ये कमी मानकीकृत (less standardized) कामे समाविष्ट आहेत—जसे की समस्या निवारण, विश्लेषण किंवा सर्जनशील विचार—यावरून असे दिसून येते की जिथे मानवी निर्णय महत्त्वाचा असतो तिथे वापरकर्ते AI कडे वळतात.
  • विविध व्यवसायांवर असमान परिणाम. सॉफ्टवेअर डेव्हलपमेंट आणि आर्थिक विश्लेषण यांसारख्या व्हाईट-कॉलर (white-collar) भूमिकांमध्ये AI चा वापर सर्वाधिक आहे. मॅन्युअल (शारीरिक) व्यवसायांमध्ये हा वापर कमी आहे, तरीही काही तंत्रज्ञ फोटोंवरून उपकरणांमधील बिघाड ओळखण्यासाठी आधीच AI वापरत आहेत.

व्यवसायांसाठी असलेले महत्त्व

जर एखाद्या कंपनीने आपली AI रणनीती या गृहितकावर आधारित बनवली की बहुतेक कामे लवकरच स्वायत्त प्रणालींकडे (autonomous systems) सोपवली जातील, तर ती दैनंदिन उत्पादनावर वर्चस्व गाजवणाऱ्या मानवी प्रक्रियांकडे कमी गुंतवणूक करू शकते. ऑटोमेशनचे अति-वचन दिल्यास, अपेक्षित कार्यक्षमता प्राप्त न झाल्यास विश्वास कमी होऊ शकतो. दुसरीकडे, AI कुठे मूल्य वाढवत आहे—कल्पना निर्मिती, जलद संशोधन, नियमित डेटा हाताळणी—हे ओळखल्यामुळे कंपन्या प्रशिक्षण, साधने आणि प्रशासन संसाधने अधिक प्रभावीपणे लक्ष्य करू शकतात.

प्रतिवाद

काही विक्रेत्यांचा असा युक्तिवाद आहे की सुरुवातीचे स्वीकारण्याचे आकडे हे केवळ पहिले पाऊल आहे आणि मॉडेल्समध्ये सुधारणा होत असताना ऑटोमेशनचे प्रमाण वेगाने वाढेल. लार्ज-लँग्वेज मॉडेल्समधील झपाट्याने होणारी प्रगती आणि विशेष एजंट्सची उपलब्धता हे पुरावे म्हणून ते दाखवतात की २१% हे आकडे तात्पुरते कमी प्रमाण आहे. भविष्यातील प्रगती शक्य आहे, परंतु गुगलचा अभ्यास हे अधोरेखित करतो की वापरकर्त्याचा हेतू महत्त्वाचा आहे: कामे बदलण्याची स्पष्ट इच्छा असल्याशिवाय, सर्वात सक्षम मॉडेल्स देखील पर्यायाऐवजी केवळ पूरक (adjuncts) म्हणून राहतील.

पुढे काय पाहावे

  • वापरकर्त्याच्या हेतूमध्ये बदल. AI मधील विश्वास वाढल्यामुळे पूर्णपणे स्वयंचलित विनंतींचे प्रमाण वाढेल की सहकार्यच वर्चस्व राहील?
  • उद्योग-विशिष्ट स्वीकारण्याचे वक्र (adoption curves). अत्यंत नियमन केलेले किंवा सुरक्षा-संवेदनशील क्षेत्रांमध्ये ऑटोमेशन संथ असू शकते, तर तंत्रज्ञान-प्रधान क्षेत्रे हे प्रमाण अधिक वाढवू शकतात.
  • साधनांची उत्क्रांती. नवीन वैशिष्ट्ये जी AI ला विद्यमान सॉफ्टवेअर सुटमध्ये अधिक घट्टपणे समाविष्ट करतात, ती ऑटोमेशनचा वाटा वाढवू शकतात, परंतु केवळ ते वापरकर्त्यांच्या वर्कफ्लोशी सुसंगत असल्यास.

टीम्ससाठी व्यावहारिक पुढील पाऊल

केवळ प्रसिद्धीतील स्वीकारण्याचे प्रमाण पाहून तुमचे नियोजन करू नका. तुमच्या स्वतःच्या कर्मचाऱ्यांना विचारा: “आमच्या AI-स्वयंचलित कामाच्या २१% मध्ये नेमकी कोणती कामे येतात?” त्या कामांचे मॅपिंग केल्यामुळे ऑटोमेशन वाढवणे, AI लायसन्ससाठी बजेट ठरवणे आणि वास्तविक उत्पादकता परिणाम मोजणे यासाठी एक ठोस पाया मिळतो.

थोडक्यात सांगायचे तर: AI आता सर्वव्यापी सहाय्यक बनले आहे, परंतु ते अजूनही अल्प प्रमाणात कामे हाताळते. जे कंपन्या आज AI कडे एक सहयोगात्मक साधन म्हणून पाहतात—आणि ते नेमके कोणते काम आधीच स्वयंचलित करते हे ओळखतात—त्या कंपन्या तंत्रज्ञान शेवटी २१% च्या मर्यादेच्या पलीकडे गेल्यावर वास्तविक कार्यक्षमता मिळवण्यासाठी अधिक चांगल्या स्थितीत असतील.