Enterprise AI Adoption: कंपनियां क्यों रोक रहीं प्रोजेक्ट्स?
एआई का उन्माद और जमीनी हकीकत का सामना
- ►कंपनियां अनियंत्रित क्लाउड खर्च के कारण जेनरेटिव एआई प्रोजेक्ट्स रोक रही हैं।
- ►डेटा सुरक्षा और गलत जवाब (हैलुसिनेशन) कॉरपोरेट स्तर पर बड़ी बाधा बने हैं।
- ►विशालकाय मॉडल्स की जगह अब छोटे और सटीक मॉडल्स को प्राथमिकता मिल रही है।
- ►अरबों रुपये के निवेश के बावजूद साफ रिटर्न न मिलना मुख्य कारण है।
- ►भारतीय आईटी कंपनियां अब अंधाधुंध एआई के बजाय गवर्नेंस पर ध्यान दे रही हैं।
याद कीजिए पिछले दो वर्षों का वह दौर, जब तकनीक की दुनिया में हर दूसरी चर्चा केवल जेनरेटिव एआई की हो रही थी। ऐसा लगता था मानो अगर किसी कंपनी के सीईओ ने अपनी हर प्रेजेंटेशन में दस बार 'आर्टिफिशियल इंटेलिजेंस' नहीं बोला, तो शेयर बाजार उन्हें गुजरे जमाने का मान लेगा। बोर्डरूम से लेकर तकनीकी सम्मेलनों तक केवल एक ही होड़ मची थी: किसी भी तरह हर सॉफ्टवेयर, हर कस्टमर सर्विस और हर डेटाबेस में एआई चिपका दो।
लेकिन क्या आपने कभी सोचा है कि जब बिना तैयारी के किसी जटिल तकनीक को हर जगह जबरन थोपने की कोशिश की जाती है, तो अंत में क्या होता है?
The Guardian की एक ताजा रिपोर्ट के अनुसार, अब वैश्विक व्यापार जगत में एक बड़ा यू-टर्न देखने को मिल रहा है। जो कंपनियां कुछ महीने पहले तक आंख मूंदकर एआई प्रोजेक्ट्स में अरबों डॉलर झोंक रही थीं, वे अब अचानक अपने कदम पीछे खींच रही हैं। पायलट प्रोजेक्ट्स रोके जा रहे हैं, अनियंत्रित क्लाउड सब्सक्रिप्शन रद्द किए जा रहे हैं और तकनीकी अधिकारियों से सीधा सवाल पूछा जा रहा है: "इस तकनीक से हमें मुनाफा क्या हुआ?"
यह कोई मामूली बदलाव नहीं है। यह तकनीकी जगत का वह पड़ाव है जहां हवा-हवाई दावों का बुलबुला फूटता है और इंजीनियरों को जमीन पर खड़े होकर वास्तविक समस्याओं को सुलझाना पड़ता है।
आखिर क्यों थम रही है एआई को अपनाने की रफ्तार?
सवाल उठता है कि जिस तकनीक को मानव इतिहास का सबसे बड़ा आविष्कार बताया जा रहा था, उससे उद्योग जगत अचानक दूरी क्यों बनाने लगा? इसके पीछे चार प्रमुख तकनीकी और वित्तीय कारण हैं, जिन्हें समझना हर तकनीकी पेशेवर के लिए जरूरी है।
1. टोकन की अर्थशास्त्र और बेतहाशा बढ़ता कंप्यूट खर्च
जेनरेटिव एआई मुफ्त में काम नहीं करता। जब कोई कंपनी अपने लाखों ग्राहकों के सवालों का जवाब देने के लिए बड़े लैंग्वेज मॉडल (LLM) का इस्तेमाल करती है, तो हर शब्द या टोकन को प्रोसेस करने के लिए डेटा सेंटर में लगे महंगे जीपीयू (GPU) भारी बिजली और कंप्यूटिंग पावर खींचते हैं। कई कंपनियों ने पाया कि जिस काम को पहले एक साधारण डेटाबेस क्वेरी या बेसिक ऑटोमेशन सॉफ्टवेयर चंद पैसों में कर देता था, उसी काम के लिए अब एआई मॉडल हर महीने लाखों रुपये का बिल बना रहा है। जब लागत राजस्व से अधिक हो जाए, तो किसी भी समझदार सीएफओ का माथा ठनकना तय है।
2. शुद्धता बनाम संभावना का संकट: हैलुसिनेशन की समस्या
बिजनेस की दुनिया संभावनाओं पर नहीं, बल्कि सटीक तथ्यों पर चलती है। यदि आप बैंकिंग सॉफ्टवेयर बना रहे हैं, तो आपका बैलेंस या तो सही होगा या गलत; वहां 'शायद' की कोई गुंजाइश नहीं होती। पारंपरिक सॉफ्टवेयर डिटरमिनिस्टिक होते हैं, यानी वे हर बार तय नियमों के अनुसार सटीक परिणाम देते हैं। इसके विपरीत, एआई मॉडल्स प्रोबेबिलिस्टिक (संभावना-आधारित) होते हैं। जब वित्तीय रिपोर्ट तैयार करने या लीगल कॉन्ट्रैक्ट्स का विश्लेषण करने में एआई 'हैलुसिनेशन' का शिकार होकर गलत आंकड़े पेश करने लगा, तो कंपनियों को कानूनी जोखिम का डर सताने लगा। किसी बैंक के लिए एक गलत वित्तीय सलाह करोड़ों का जुर्माना लगवा सकती है।
3. डेटा गोपनीयता और शैडो एआई का खतरा
कॉरपोरेट दुनिया में सबसे मूल्यवान चीज डेटा है। कई उद्यमों ने पाया कि उनके कर्मचारी बिना अनुमति के संवेदनशील आंतरिक कोड, ग्राहकों की व्यक्तिगत जानकारी और रणनीतिक योजनाएं बाहरी एआई टूल्स में पेस्ट कर रहे थे। इससे डेटा लीक होने और बौद्धिक संपदा (IP) की चोरी का गंभीर खतरा पैदा हो गया। जब सुरक्षा टीमों ने इसके परिणाम देखे, तो उन्होंने तुरंत एंटरप्राइज स्तर पर चल रहे कई एआई टूल्स पर ताला लगा दिया।
4. पुराने सिस्टम्स के साथ मेल न खाना
अधिकतर वैश्विक कंपनियों का बुनियादी ढांचा दशकों पुराने डेटाबेस और लीगेसी ईआरपी सिस्टम्स पर टिका है। एक नए नवेले एआई एजेंट को सीधे 20 साल पुराने सिस्टम से जोड़ना वैसा ही है जैसे बैलगाड़ी में रॉकेट का इंजन बांधने की कोशिश की जाए। जब इंटीग्रेशन की जटिलताओं ने प्रोजेक्ट्स की समयसीमा को महीनों पीछे धकेल दिया, तो प्रबंधन का धैर्य जवाब दे गया।
विशालकाय मॉडल्स से छोटे मॉडल्स की ओर मुड़ता रुख
इस तकनीकी खिंचाव का मतलब यह बिल्कुल नहीं है कि आर्टिफिशियल इंटेलिजेंस बेकार साबित हो गई है। बल्कि, उद्योग अब अति-उत्साह से निकलकर परिपक्वता की ओर बढ़ रहा है।
इसे एक रोजमर्रा के उदाहरण से समझिए। यदि आपको अपने घर की पास वाली दुकान से दूध का पैकेट लाने जाना हो, तो क्या आप बोइंग विमान उड़ाकर जाएंगे? बिल्कुल नहीं, आप साइकिल उठाएंगे या पैदल चले जाएंगे। पिछले दो वर्षों में कंपनियां ईमेल समरी बनाने और सामान्य डेटा छांटने के लिए भी 70-बिलियन पैरामीटर्स वाले विशाल मॉडल्स का इस्तेमाल कर रही थीं।
अब उद्योग को समझ आ गया है कि हर छोटी समस्या के लिए सुपरकंप्यूटर चलाने की जरूरत नहीं है। यही कारण है कि अब रुझान 'स्मॉल लैंग्वेज मॉडल्स' (SLMs) और डोमेन-विशिष्ट मॉडल्स की तरफ मुड़ रहा है। ये छोटे मॉडल खास कामों के लिए प्रशिक्षित होते हैं, आपके लोकल सर्वर या लैपटॉप पर भी चल सकते हैं, और इनके चलने का खर्च विशाल मॉडल्स के मुकाबले नगण्य होता है।
भारत के तकनीकी तंत्र पर इसका क्या असर पड़ेगा?
वैश्विक स्तर पर एआई के इस पुनर्मूल्यांकन का भारत पर बेहद गहरा और बहुआयामी प्रभाव पड़ना तय है। हमारे देश का आईटी उद्योग और स्टार्टअप इकोसिस्टम इस बदलाव के केंद्र में हैं।
भारतीय आईटी दिग्गजों के लिए नई भूमिका
टाटा कंसल्टेंसी सर्विसेज (TCS), इंफोसिस, विप्रो और एचसीएल टेक जैसी भारतीय कंपनियों का मुख्य व्यवसाय वैश्विक फॉर्च्यून 500 कंपनियों को तकनीकी सेवाएं देना है। जब पश्चिमी देशों में कंपनियों ने अंधाधुंध एआई अपनाना शुरू किया था, तब भारतीय आईटी फर्म्स ने उनके लिए प्रूफ-ऑफ-कॉन्सेप्ट (PoC) तैयार किए थे।
अब जब वे कंपनियां अपने हाथ पीछे खींच रही हैं, तो भारतीय आईटी कंपनियों के लिए एक नया और अधिक टिकाऊ बाजार खुल रहा है। अब क्लाइंट्स इनसे पूछ रहे हैं: "हमारे एआई खर्च को 40% कैसे घटाएं?" और "हम अपने डेटा को सुरक्षित रखते हुए केवल उपयोगी एआई कैसे चलाएं?" इसे इंडस्ट्री में 'एआई गवर्नेंस', 'कॉस्ट ऑप्टिमाइजेशन' और 'एंटरप्राइज सिक्योर आर्किटेक्चर' कहा जाता है। यह भारतीय इंजीनियरों के लिए लंबी अवधि के ठोस अनुबंध लाने वाला क्षेत्र बन रहा है।
भारतीय स्टार्टअप्स और डेवलपर्स को व्यावहारिक सीख
भारत में कई ऐसे स्टार्टअप्स खड़े हो रहे थे जो केवल विदेशी मॉडल्स की एपीआई पर एक नया यूजर इंटरफेस बनाकर खुद को यूनिकॉर्न घोषित करने के सपने देख रहे थे। वैश्विक स्तर पर कंपनियों का यह कदम भारतीय फाउंडर्स के लिए एक कड़वी चेतावनी है।
अब भारतीय डेवलपर्स को ऐसी समस्याओं पर काम करना होगा जो वाकई भारत के लिए जरूरी हैं। जैसे, भारतीय भाषाओं में बिना इंटरनेट कनेक्टिविटी के चलने वाले ऑफलाइन वॉइस असिस्टेंट, कृषि में मौसम और फसल की बीमारियों को पहचानने वाले हल्के मॉडल्स, और हमारे पब्लिक डिजिटल इंफ्रास्ट्रक्चर (जैसे यूपीआई और ओएनडीसी) के लिए मजबूत फ्रॉड डिटेक्शन सिस्टम। जब हवा का रुख बदला है, तो केवल वही स्टार्टअप्स टिकेंगे जिनका उत्पाद असल में ग्राहकों का पैसा या समय बचा रहा हो।
भारतीय बैंकिंग और सार्वजनिक क्षेत्र का संतुलित नजरिया
भारतीय स्टेट बैंक, एलआईसी और हमारी दूरसंचार कंपनियों (जियो, एयरटेल) ने हमेशा नई तकनीकों को अपनाने में एक सतर्क रवैया अपनाया है। इस वैश्विक झटके से यह साबित हुआ है कि भारत का यह 'सैंडबॉक्स आधारित' और धीरे-धीरे आगे बढ़ने वाला तरीका असल में बहुत दूरदर्शी था। कोर बैंकिंग सॉल्यूशंस को बिना सोचे-समझे एआई के हवाले न करके भारतीय वित्तीय संस्थानों ने खुद को बड़े तकनीकी और कानूनी संकट से बचा लिया है।
एआई का भविष्य: शांत, अदृश्य और सचमुच उपयोगी
गार्टनर का एक प्रसिद्ध 'हाइप साइकिल' मॉडल है। जब भी कोई नई तकनीक आती है, तो पहले वह अत्यधिक उम्मीदों के शिखर पर पहुंचती है, फिर जब वह उम्मीदों पर तुरंत खरी नहीं उतरती, तो लोग निराशा के गर्त में गिरते हैं, और उसके बाद शुरू होता है वास्तविक काम का युग।
एंटरप्राइज एआई आज उसी निराशा और समझदारी की दहलीज पर खड़ा है। आने वाले वर्षों में आपको शायद एआई के बड़े-बड़े विज्ञापनों का शोर कम सुनाई दे, लेकिन यह तकनीक पर्दे के पीछे रहकर अधिक मजबूत बनेगी। भविष्य उन एआई टूल्स का है जो:
एआई जादू नहीं है, यह केवल एक परिष्कृत गणितीय उपकरण है। और किसी भी औजार की असली परीक्षा इस बात से होती है कि वह काम कितना आसान बनाता है, न कि इस बात से कि वह कितना शोर मचाता है।
क्या आपके दफ्तर या कॉलेज प्रोजेक्ट्स में भी एआई के इस्तेमाल को लेकर नीतियां सख्त की जा रही हैं? क्या आपको लगता है कि कंपनियां एआई से जरूरत से ज्यादा उम्मीदें पाल बैठी थीं? नीचे कमेंट करके अपनी राय और अनुभव जरूर साझा करें।
वैश्विक कंपनियां अब बिना सोचे-समझे शुरू किए गए एआई प्रोजेक्ट्स रोक रही हैं। भारी क्लाउड खर्च और गलत जानकारियों के बीच जानिए एंटरप्राइज एआई का नया सच।
