एजेंटिक AI पायलट से आगे क्यों नहीं बढ़ पा रहा: UiPath सर्वे के 3 बड़े संकेत

एजेंटिक AI अब कई बड़ी कंपनियों में केवल विचार भर नहीं रह गया है, लेकिन UiPath के सर्वे से संकेत मिलता है कि इसे पूरे संगठन में लागू करना अब भी अपवाद है। सर्वे में अमेरिका, ब्रिटेन, फ्रांस, जर्मनी, भारत और सिंगापुर की निजी क्षेत्र की ऐसी कंपनियों के 590 C-suite अधिकारी और IT पेशेवर शामिल थे, जिनका वार्षिक राजस्व कम-से-कम 1 अरब अमेरिकी डॉलर था। मुख्य निष्कर्ष यह है कि चुनौती एक अकेला AI एजेंट शुरू करना नहीं, बल्कि जटिल संगठन में जुड़े हुए, नियंत्रित और भरोसेमंद वर्कफ्लो चलाना है। 34

अपनाना शुरू हुआ, पर परिपक्वता सीमित है

सिर्फ 31% उत्तरदाताओं ने कहा कि AI उनके कारोबार में पूरी तरह समाहित हो चुका है। वहीं 35% ने बताया कि इसका उपयोग केवल चुनिंदा टीमों तक सीमित है और 11% अभी सीमित प्रयोग कर रहे हैं। 37

यही आंकड़े पायलट से उत्पादन-स्तर की तैनाती के बीच का अंतर दिखाते हैं। कोई विभाग एक सीमित उपयोग-मामले में एजेंट की उपयोगिता साबित कर सकता है, लेकिन उसे बड़े पैमाने पर चलाने के लिए एजेंट का एंटरप्राइज डेटा, व्यावसायिक ऐप्लिकेशन, मौजूदा प्रक्रियाओं और अपवादों को संभालने वाले कर्मचारियों के साथ विश्वसनीय ढंग से काम करना जरूरी है।

स्केलिंग की तीन सबसे बड़ी बाधाएं

उत्तरदाताओं ने एजेंटिक-AI तैनाती को बेहतर और व्यापक बनाने में तीन प्रमुख अड़चनें बताईं:

• डेटा की गुणवत्ता और तैयारी: 38%
• मौजूदा वर्कफ्लो और सिस्टम के साथ इंटीग्रेशन: 37%
• गवर्नेंस और अनुपालन: 33% 14

ये केवल AI मॉडल चुनने की समस्याएं नहीं, बल्कि संचालन और तकनीकी ढांचे की चुनौतियां हैं। मॉडल सूचना समझ सकता है या किसी कदम की सिफारिश कर सकता है, लेकिन वास्तविक कारोबारी वर्कफ्लो के लिए भरोसेमंद इनपुट, सही एक्सेस परमिशन, सिस्टम कनेक्शन, जवाबदेही और ऐसे कामों को संभालने की प्रक्रिया भी चाहिए जिन्हें स्वचालित रूप से पूरा नहीं किया जा सकता।

पुराने ऐप्लिकेशन और कई विभागों में फैली प्रक्रियाओं वाली कंपनियों के लिए इंटीग्रेशन खास तौर पर अहम है। किसी एक ऐप या टीम में सफल एजेंट अपने-आप उस एंड-टू-एंड प्रक्रिया में फिट नहीं हो जाता जिसमें कई सिस्टम, हैंडऑफ और अनुमोदन शामिल हों।

UiPath के अनुसार ‘बिजनेस ऑर्केस्ट्रेशन’ की भूमिका

UiPath बिजनेस ऑर्केस्ट्रेशन को उस परत के रूप में परिभाषित करता है जो डेटा, सिस्टम, वर्कफ्लो, लोगों और AI एजेंटों को जोड़ती है। व्यावहारिक रूप से इसका मतलब है कि पूरी प्रक्रिया में काम का समन्वय हो—कार्य को सही ऑटोमेशन, एजेंट या कर्मचारी तक भेजना; प्रगति पर नजर रखना; नियंत्रण लागू करना; और जहां मानवीय निर्णय जरूरी हो, वहां मामला आगे बढ़ाना। 4

सिर्फ 29% उत्तरदाताओं ने कहा कि उनके पूरे संगठन में ऑर्केस्ट्रेशन पूरी तरह समाहित है। इस समूह में 89% ने बताया कि उनकी एजेंटिक-AI तैनाती निवेश पर रिटर्न (ROI) की अपेक्षाओं पर खरी उतरी या उनसे बेहतर रही। 315

यह परिणाम महत्वपूर्ण है, लेकिन इससे यह निष्कर्ष नहीं निकलता कि केवल ऑर्केस्ट्रेशन ही अधिक रिटर्न का कारण है। यह विक्रेता-प्रायोजित और स्वयं रिपोर्ट किए गए उत्तरों पर आधारित सर्वे था। जिन संगठनों ने ऑर्केस्ट्रेशन लागू कर लिया है, उनके पास पहले से बेहतर डेटा आधार, प्रक्रिया अनुशासन, इंटीग्रेशन क्षमता और वरिष्ठ नेतृत्व का समर्थन हो सकता है। 15

हाइब्रिड वर्कफ्लो में एजेंटों की संभावना

सर्वे ऐसे कामों में एजेंटों की उपयोगिता की ओर भी इशारा करता है जहां अनुमानित और बदलती परिस्थितियों वाले काम साथ-साथ चलते हैं। UiPath के मुताबिक, हाइब्रिड वर्कफ्लो में स्थिर, दोहराए जा सकने वाले कार्यों के साथ गतिशील, संदर्भ-आधारित कार्य शामिल होते हैं। 52% सर्वेक्षित नेताओं ने बताया कि ऐसे वर्कफ्लो उनके रोजमर्रा के संचालन का हिस्सा हैं। 10

यहां एजेंट, नियम-आधारित ऑटोमेशन का स्थान लेने के बजाय उसे पूरक बना सकते हैं। संरचित और बार-बार होने वाले कदम नियम-आधारित सिस्टम संभाल सकते हैं, जबकि एजेंट असंरचित जानकारी, बदलते संदर्भ और निर्णय-आधारित कार्यों में मदद कर सकते हैं। लेकिन इस संयोजन को व्यापक स्तर पर चलाने के लिए भी मजबूत वर्कफ्लो डिजाइन और नियंत्रण जरूरी रहेंगे।

कंपनियां किस परिचालन लाभ की अपेक्षा कर रही हैं?

उत्तरदाताओं ने ऑर्केस्ट्रेशन से मिलने वाले व्यावहारिक लाभों में इन बातों को प्रमुखता दी:

• कर्मचारियों को अधिक मूल्य वाले काम के लिए मुक्त करना: 51%
• ऐप्लिकेशन इंटीग्रेशन बढ़ाना: 47%
• वर्कफ्लो की निगरानी बेहतर करना: 44% 4

ये प्राथमिकताएं सर्वे के केंद्रीय संदेश को मजबूत करती हैं: कंपनियां केवल अधिक स्वायत्त सॉफ्टवेयर नहीं चाहतीं। वे लोगों, ऐप्लिकेशन, ऑटोमेशन और AI को ऐसे व्यावसायिक प्रक्रियाओं में समन्वित करना चाहती हैं जिन्हें देखा, मापा और नियंत्रित किया जा सके।

एंटरप्राइज AI टीमों के लिए इसका अर्थ

सर्वे बताता है कि अलग-थलग पायलट शुरू करना अपेक्षाकृत आसान है, जबकि उसे बार-बार दोहराई जा सकने वाली, पूरे संगठन की क्षमता में बदलना कहीं कठिन है। पायलट से आगे बढ़ने के लिए केवल AI मॉडल चुनना या स्टैंडअलोन एजेंट तैनात करना पर्याप्त नहीं है। डेटा की विश्वसनीयता, ऐप्लिकेशन के बीच काम करने की क्षमता, प्रक्रिया की स्पष्ट जिम्मेदारी, गवर्नेंस, निगरानी और मानव-स्तर पर एस्केलेशन की बुनियाद चाहिए।

इसलिए एंटरप्राइज नेतृत्व के लिए उपयोगी सवाल केवल यह नहीं है कि एजेंट कहां मदद कर सकता है? बल्कि यह भी है कि वह एजेंट पूरे वर्कफ्लो में सुरक्षित, मापने योग्य और जवाबदेह तरीके से कैसे काम करेगा? जो संगठन समन्वय की इस समस्या को हल करेंगे, वे विभागीय प्रयोगों को विभिन्न कार्यों में इस्तेमाल होने वाली व्यावसायिक क्षमताओं में बदलने की बेहतर स्थिति में होंगे। 4