R&D लैब्स में AI सर्वव्यापी है। तो फिर अरबों क्यों बर्बाद हो रहे हैं?
एक नई रिपोर्ट से पता चलता है कि अधिकांश कंपनियां AI का उपयोग संख्याओं को क्रंच करने के लिए कर रही हैं, स्मार्ट निर्णय लेने के लिए नहीं। और यह अंतर उन्हें काफी खर्च दे रहा है।
मुख्य बिंदु
- तीन में से एक से अधिक संगठन अपने R&D बजट का 25 से 40 प्रतिशत उन परियोजनाओं पर खर्च करते हैं जो कभी बाजार तक नहीं पहुंचती हैं।
- लगभग आधी R&D टीमों का अनुमान है कि विकास या परीक्षण के दौरान एक ही परियोजना को रद्द करने में एक मिलियन डॉलर से अधिक की बर्बादी होती है।
- अधिकांश संगठन वर्तमान में AI का उपयोग निष्पादन कार्यों के लिए करते हैं, जैसे डेटा विश्लेषण, किसी परियोजना की शुरुआत में निर्णय समर्थन के लिए नहीं।
- शोधकर्ता और प्रबंधकों का कहना है कि शुरुआती विचार और संभाव्यता चरण में बेहतर बुद्धिमत्ता, गंभीर धन प्रतिबद्ध होने से पहले, सबसे अधिक मूल्य प्रदान करेगी।
एक कंपनी की कल्पना करें जो वर्षों और लाखों खर्च करके एक उत्पाद विकसित करती है, फिर लॉन्च से पहले इसे छोड़ देती है। यह कोई दुर्लभ आपदा नहीं है। यह मानक प्रथा है।
एक नई व्हाइटपेपर, IEEE Spectrum AI द्वारा फ्लैग की गई, पाती है कि एक तिहाई से अधिक संगठन अपने संपूर्ण अनुसंधान और विकास बजट का एक चौथाई से 40 प्रतिशत उन परियोजनाओं पर बर्बाद करते हैं जो कभी ग्राहकों तक नहीं पहुंचती हैं। R&D, जो लोग परिचित नहीं हैं उनके लिए, आंतरिक काम है जो कंपनियां नए उत्पादों का आविष्कार, परीक्षण और परिशोधन करती हैं इससे पहले कि वे बिक्री के लिए जाएं।
तो पैसा कहां जाता है?
अधिकांश भाग जो परियोजनाएं शुरुआत में आशाजनक दिखती हैं, फिर बाद में विफल हो जाती हैं। सर्वेक्षण की गई लगभग आधी टीमों विकास या परीक्षण के दौरान एक ही परियोजना को रद्द करने की लागत को एक मिलियन डॉलर से अधिक आंकती हैं। यह आंकड़ा वेतन, उपकरण, परीक्षण समय और सामग्री को कवर करता है जो किसी के द्वारा अंत में प्लग खींचने से पहले खर्च की जाती है।
देर से रद्द करना महंगा होता है। दो साल के काम के बाद मारी गई परियोजना पहले महीने में खारिज की गई परियोजना से बहुत अधिक खर्चीली है।
AI ने इसे ठीक क्यों नहीं किया?
AI ने इसे ठीक नहीं किया है क्योंकि अधिकांश कंपनियां इसे प्रक्रिया के गलत हिस्से पर इंगित कर रही हैं। रिपोर्ट पाती है कि संगठन आमतौर पर AI को निष्पादन कार्यों पर लागू करते हैं, डेटासेट को क्रंच करने, सिमुलेशन चलाने या मॉडल बनाने जैसी चीजें। ये मूल्यवान हैं, लेकिन वे बड़े निर्णयों के बाद आते हैं जो पहले से ही किए जा चुके हैं।
कठिन सवाल, क्या हमें यह बिल्कुल बनाना चाहिए, पुराने तरीके से जवाब दिया जाता है: प्रवृत्ति, आंतरिक राजनीति, और जो भी जानकारी एक टीम मैन्युअल रूप से एकत्र कर सकती है।
वहीं वास्तविक बर्बादी छिपी है।
वास्तव में क्या मदद करेगा?
उत्तरदाताओं को स्पष्ट था। विचार और संभाव्यता चरण में बेहतर बुद्धिमत्ता, बिल्कुल प्रारंभिक चरण जब एक परियोजना सिर्फ एक विचार है जिसका परीक्षण वास्तविकता के विरुद्ध किया जा रहा है, सबसे बड़ा मूल्य प्रदान करेगी। सप्ताह दो में खराब दांव को पकड़ना साल दो में इसे पकड़ने की तुलना में बहुत सस्ता है।
AI उपकरण जो टीमों को बाजार उपयुक्तता, प्रतिस्पर्धी जोखिम या तकनीकी संभाव्यता का आकलन करने में मदद करते हैं इससे पहले कि बजट आवंटित किया जाए, उस बर्बादी को तेजी से कम कर सकते हैं। अभी, कुछ ही संगठन इस तरह से AI का उपयोग करते हैं।
किसी भी कंपनी में काम करने वाले जो भौतिक या डिजिटल उत्पाद बनाते हैं, इसका महत्व है। बर्बाद R&D खर्च अंततः धीमी नवाचार, उच्च कीमतें, या शेल्फ तक पहुंचने वाले कम नए उत्पादों के रूप में दिखाई देता है। AI को निर्णय स्तर में, केवल डेटा स्तर में नहीं, जहां अर्थशास्त्र बदलता है।
सामान्य प्रश्न
क्या यह छोटे व्यवसायों पर लागू होता है, या केवल बड़ी कंपनियों पर?
रिपोर्ट अपने निष्कर्षों को केवल बड़ी निगमों तक सीमित नहीं करती है। कोई भी संगठन जो एक औपचारिक अनुसंधान या विकास प्रक्रिया चलाता है, एक मध्य-आकार के निर्माता से एक सॉफ्टवेयर स्टूडियो तक, एक ही गतिशीलता का सामना करता है: प्रारंभ में प्रतिबद्ध धन, देर से किए गए निर्णय।
एक गैर-तकनीकी प्रबंधक को इससे क्या सीखना चाहिए?
अपनी टीम से पूछें कि AI वास्तव में कहां उपयोग किया जा रहा है। यदि उत्तर केवल विश्लेषण में है इससे पहले कि एक परियोजना पहले से ही चल रही हो, तो निर्णय जिसने परियोजना शुरू की वह शायद बिल्कुल भी AI समर्थन के बिना था, और यह वह अंतर है जो बंद करने योग्य है।
