उत्तरप्रकाशित5 घंटे पहलेLast edited 4 घंटे पहले15 स्रोत

Microsoft की सलाह: AI एजेंट से पहले वर्कफ़्लो सुधारें, सिर्फ लाइसेंस न बाँटें

Microsoft का मुख्य संदेश है कि AI एजेंट जोड़ने से पहले वर्कफ़्लो को समझें, सरल बनाएं और मानकीकृत करें; सफलता को लाइसेंस या प्रॉम्प्ट की संख्या से नहीं, व्यावसायिक नतीजों से मापें। बदलाव के लिए तीन रास्ते साथ अपनाए जा सकते हैं: अहम भूमिकाओं को AI से सक्षम बनाना, एंड टू एंड प्रक्रियाओं को नया रूप देना और छोटी टीमों को...

प्रकाशितकर्ताGPT-5.6 Terra से संपादितGPT Image 2 से चित्र बनाए गए

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

शोध उत्तर

मुख्य निष्कर्ष

Microsoft का मुख्य संदेश है कि AI एजेंट जोड़ने से पहले वर्कफ़्लो को समझें, सरल बनाएं और मानकीकृत करें; सफलता को लाइसेंस या प्रॉम्प्ट की संख्या से नहीं, व्यावसायिक नतीजों से मापें।
बदलाव के लिए तीन रास्ते साथ अपनाए जा सकते हैं: अहम भूमिकाओं को AI से सक्षम बनाना, एंड टू एंड प्रक्रियाओं को नया रूप देना और छोटी टीमों को AI first तरीके से नए समाधान बनाने की आज़ादी देना।
एजेंट की स्वायत्तता चरणों में बढ़ाएं—सहायक से मानव एजेंट टीम तक, फिर मानव नेतृत्व वाली और एजेंट संचालित प्रक्रिया तक—जहाँ नियंत्रण और जवाबदेही शुरू से तय हों।

Editorial illustration of AI agents supporting a redesigned enterprise workflow — What are the main recommendations and findings in Microsoft’s 44-page “Becoming a Frontier Firm: Our Frontier Playbook,” published under ChiMicrosoft’s playbook frames AI agents as part of a broader redesign of work, data, governance, and human accountability.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: What are the main recommendations and findings in Microsoft’s 44-page “Becoming a Frontier Firm: Our Frontier Playbook,” published under Chi. Article summary: Microsoft’s central recommendation is to treat agent deployment as business and operating-model transformation—not a software rollout. Its playbook says value comes from redesigning how work is performed, clarifying huma. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com

Microsoft की Becoming a Frontier Firm प्लेबुक का सीधा संदेश है: AI एजेंट तैनात करना केवल नया सॉफ़्टवेयर शुरू करना नहीं, बल्कि काम करने के मॉडल को बदलना है। Microsoft के सैकड़ों आंतरिक AI-परिवर्तन प्रयासों पर आधारित इस दस्तावेज़ के अनुसार, एजेंटों को किसी प्रक्रिया का हिस्सा देने से पहले उस काम को स्पष्ट, सरल और नियंत्रित बनाना जरूरी है। सफलता का पैमाना लाइसेंस आवंटन या भेजे गए प्रॉम्प्ट नहीं, बल्कि गुणवत्ता, गति, जोखिम, राजस्व और ग्राहक पर असर जैसे नतीजे होने चाहिए। 1 2

शुरुआत AI टूल से नहीं, काम के प्रवाह से करें

पहला कदम यह समझना है कि काम वास्तव में होता कैसे है। इसके लिए एंड-टू-एंड प्रक्रिया का नक्शा बनाना, टीमों या सिस्टमों के बीच होने वाले हस्तांतरण और अपवादों को पहचानना, निर्णयों को स्पष्ट करना तथा इस्तेमाल होने वाले डेटा और सिस्टमों को चिन्हित करना जरूरी है। ऐसा किए बिना कंपनी किसी उलझी हुई या कम-मूल्य वाली प्रक्रिया को ही स्वचालित करने का जोखिम उठाती है। 1 2

Microsoft इसे “lean before agents” कहता है—यानी एजेंट से पहले प्रक्रिया को चुस्त बनाइए। किसी एजेंट को जिम्मेदारी देने से पहले संगठन को चाहिए कि वह:

मूल प्रक्रिया को सरल और मानकीकृत करे;
गैरज़रूरी मंजूरियां, दोहराव वाला काम और अतिरिक्त हस्तांतरण हटाए;
साझा डेटा को उपयोगी बनाए और जरूरी सिस्टम कनेक्शन तैयार करे;
एक्सेस नियंत्रण और गवर्नेंस तय करे; और
स्पष्ट करे कि कौन-से निर्णय, अपवाद और ज्यादा जोखिम वाले काम इंसान के नेतृत्व में ही रहेंगे। 1 2

मतलब साफ है: एजेंट को किसी अच्छी तरह समझी गई प्रक्रिया में सीमित और स्पष्ट जिम्मेदारी मिलनी चाहिए, न कि बस इतना कहा जाए कि “उत्पादकता बढ़ाओ।”

बदलाव के तीन पूरक तरीके

Microsoft एक ही अपनाने का रास्ता नहीं बताता। उसके अनुसार, संगठन तीन पूरक तरीकों को साथ अपना सकते हैं।

1. Persona Acceleration

इस मॉडल में प्राथमिकता वाली भूमिकाओं को AI सहायक, उपयोगी प्रॉम्प्ट, कौशल और भूमिका-विशिष्ट एजेंट दिए जाते हैं। लक्ष्य यह है कि AI का प्रभावी उपयोग करने वाले व्यक्तियों की अच्छी आदतें पूरी टीम की दोहराई जा सकने वाली क्षमता बनें। इसके लिए प्रशिक्षण और प्रबंधन पद्धतियां भी चाहिए, ताकि मानव-AI सहयोग रोजमर्रा के काम का सामान्य हिस्सा बने। 1

2. AI-Powered Process Redesign

यह तरीका एक पूरे, कई विभागों में फैले वर्कफ़्लो पर केंद्रित है। इसमें केवल एक टास्क को ऑटोमेट करने के बजाय पूरी प्रक्रिया को नए सिरे से बनाया जाता है, ताकि देरी, दोहराव, बर्बादी और बिखरे हुए निर्णय कम हों। Microsoft के नजरिए में AI से वास्तविक मूल्य तभी बनता है, जब काम को संगठित करने का तरीका बदले। 1 2

3. AI-First Possibility

इसमें छोटी, अनुभवी टीमों को शुरू से AI को आधार मानकर नया उत्पाद, सेवा या काम करने का तरीका बनाने की छूट दी जाती है। इसमें अनिश्चितता ज्यादा है, लेकिन इससे ऐसे नए कामकाजी ढर्रे और उत्पाद अवसर सामने आ सकते हैं, जो केवल धीरे-धीरे होने वाले ऑटोमेशन से नहीं मिलते। 1

एजेंट की स्वायत्तता धीरे-धीरे बढ़ाएं

प्लेबुक स्वायत्तता को ‘सब या कुछ नहीं’ वाला फैसला नहीं मानती। इसमें इंसानों की जवाबदेही बनाए रखते हुए एजेंटों को क्रमशः अधिक स्पष्ट काम देने की बात है:

AI सहायक के साथ इंसान: AI ड्राफ्ट बनाता है, सारांश तैयार करता है, विश्लेषण करता है और मानवीय निर्णय में सहायता देता है।
मानव-एजेंट टीमें: एजेंट तय नियंत्रणों, निगरानी और एस्केलेशन के दायरे में निर्दिष्ट टास्क या निर्णय करते हैं।
मानव-नेतृत्व, एजेंट-संचालित वर्कफ़्लो: एजेंट संचालन का बड़ा हिस्सा संभालते हैं, जबकि लोग रणनीति तय करते हैं, अपवाद संभालते हैं, नतीजों को सत्यापित करते हैं और जवाबदेह बने रहते हैं। 1

ये स्तर अनिवार्य रूप से एक कठोर परिपक्वता-सीढ़ी नहीं हैं। गलती के असर, जोखिम और डेटा की तैयारी के आधार पर अलग-अलग वर्कफ़्लो में अलग स्तर अपनाए जा सकते हैं।

Microsoft के अपने उदाहरण क्या बताते हैं

Microsoft के अनुसार, उसके क्लाउड सप्लाई-चेन काम में पहले वर्कफ़्लो को बदला गया और साझा आधार तैयार किया गया। इसके बाद योजना, सोर्सिंग, फुलफिलमेंट और लॉजिस्टिक्स में 111 से अधिक उद्देश्य-विशिष्ट एजेंटों तक विस्तार हुआ। कंपनी का दावा है कि चुनिंदा सप्लाई-चेन वर्कफ़्लो में चक्र समय में 75% तक की कमी आई, जबकि डिमांड-प्लान जांच का समय पांच से सात दिन से घटकर कुछ घंटे रह गया। 2 4

एक अलग Copilot Cowork उदाहरण में नौ लोगों की क्रॉस-फंक्शनल टीम ने AI-first दृष्टिकोण के साथ 35 दिनों में उत्पाद का शुरुआती संस्करण जारी किया। Microsoft के मुताबिक सबक केवल तेज विकास नहीं था। इंजीनियर और उत्पाद प्रबंधक क्रमशः “meta-engineers” और “meta-PMs” जैसी भूमिकाओं में आए—वे एजेंट के आउटपुट को निर्देशित, जांच और समन्वित करते हुए उत्पाद संबंधी निर्णय और सिस्टम डिज़ाइन पर ज्यादा ध्यान देने लगे। 2 4

इस दृष्टिकोण में AI शुरुआती ड्राफ्ट, सामान्य शोध और संचालन संबंधी जानकारी ढूंढने में लगने वाला समय घटाता है। लोगों का काम समस्याओं को सही ढंग से परिभाषित करने, सिस्टम डिजाइन करने, आउटपुट सत्यापित करने, अपवादों को संभालने, रिश्ते बनाने और निर्णय लेने की ओर बढ़ता है। इसके लिए सिर्फ Copilot लाइसेंस नहीं, बल्कि AI साक्षरता, भरोसा, प्रयोग की संस्कृति तथा भूमिकाओं और प्रबंधन में बदलाव भी जरूरी है। 1 2

स्थायी बढ़त कहाँ से आएगी?

Microsoft का तर्क है कि फाउंडेशन मॉडल समय के साथ एक-दूसरे के विकल्प बनते जाएंगे। बचाव योग्य प्रतिस्पर्धी बढ़त संगठन-विशिष्ट चीजों से आएगी: भरोसेमंद संस्थागत ज्ञान, डेटा और टूल तक नियंत्रित पहुंच, वर्कफ़्लो ऑर्केस्ट्रेशन, अच्छे काम की अपनी परिभाषाएं और वास्तविक नतीजों से जुड़ी मूल्यांकन प्रणालियां। 1 5

कंपनी इस निरंतर सुधार चक्र को “hill-climbing machine” कहती है। मूल विचार यह है: वांछित नतीजा तय करें, एजेंट के आउटपुट का मूल्यांकन करें, फीडबैक और गलतियां दर्ज करें, वर्कफ़्लो या एजेंट को सुधारें और फिर यह चक्र दोहराएं। इस सोच में बढ़त किसी एक मॉडल को चुनने से कम और संगठन के अपने मानकों व काम के इर्द-गिर्द बने सिस्टम को लगातार बेहतर करने से ज्यादा मिलती है। 5

एंटरप्राइज एजेंट डेटा में क्या दिखा

Microsoft के बताए विश्लेषण में करीब 2,000 टेनेंट्स में 40,093 Copilot Studio एंटरप्राइज एजेंट शामिल थे। इनमें आंतरिक कर्मचारी उत्पादकता और उपयोगकर्ता सहायता वाले उपयोग-मामले 64.6% तैनात एजेंटों का हिस्सा थे। कंपनी ने यह भी बताया कि उपयोग अधिक संकीर्ण और स्पष्ट रूप से परिभाषित परिचालन अनुप्रयोगों—जैसे तकनीकी सहायता और विशेष व्यावसायिक वर्कफ़्लो—की ओर बढ़ रहा है। 3

यह रुझान प्लेबुक की व्यापक दलील से मेल खाता है: सामान्य उत्पादकता सहायक एक आम शुरुआती बिंदु हो सकते हैं, लेकिन असरदार एजेंट तैनाती के लिए स्पष्ट सीमाओं वाली प्रक्रियाएं, प्रासंगिक डेटा, नियंत्रण और मापे जा सकने वाले नतीजे जरूरी होंगे।

इसे सार्वभौमिक मानक नहीं, एक ढांचा समझें

प्लेबुक में दिया गया साक्ष्य Microsoft की अपनी आंतरिक परिवर्तन-यात्रा और उत्पाद इकोसिस्टम से निकला है। इसके प्रदर्शन आंकड़ों का स्वतंत्र सत्यापन नहीं हुआ है। Microsoft खुद भी इसे लगातार विकसित हो रहा कार्यशील दृष्टिकोण कहता है, न कि हर संगठन के लिए तय नुस्खा या नतीजों की गारंटी। 1 2

इसलिए उपयोगी बात Microsoft के आंकड़ों या उसके संगठनात्मक नामों की नकल करना नहीं है। असल सीख इस क्रम को आजमाने में है: महत्वपूर्ण व्यावसायिक नतीजा चुनें, वर्कफ़्लो को सामने लाकर सरल करें, डेटा और गवर्नेंस की बुनियाद बनाएं, एजेंटों को सीमित जिम्मेदारी दें, मानवीय जवाबदेही बनाए रखें और मापे गए फीडबैक से सिस्टम में लगातार सुधार करते रहें।

Studio Global AI

अपना शोध जारी रखें

इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं