आपकी कंपनी ने AI खरीदा। अब मुश्किल हिस्सा आता है।
NTT DATA AIVista के CEO का कहना है कि अधिकांश एंटरप्राइज़ AI प्रोजेक्ट विफल होते हैं, न कि मॉडल खराब होने के कारण, बल्कि इसलिए कि कोई भी इसे वास्तविक वर्कफ़्लो, वास्तविक डेटा और वास्तविक सुरक्षा उपायों में लपेटने का सामान्य काम नहीं करता।
मुख्य बिंदु
- अधिकांश एंटरप्राइज़ AI प्रोजेक्ट कार्यान्वयन के दौरान विफल होते हैं, न कि अंतर्निहित मॉडल कमजोर होने के कारण, बल्कि खराब एकीकरण, डोमेन ज्ञान की कमी और स्वामित्व की अस्पष्टता के कारण।
- NTT DATA AIVista के CEO ब्रेटिन साहा का कहना है कि केवल अत्याधुनिक मॉडल खरीदने के लिए खर्च किया गया धन अधिकांश वित्तीय रिटर्न को अदावा छोड़ देता है।
- फाइन-ट्यूनिंग, जो किसी मॉडल को नए डेटा पर पुनः प्रशिक्षित करने की प्रक्रिया है, VentureBeat के नवीनतम एंटरप्राइज़ सर्वेक्षण में मॉडल-चयन प्राथमिकताओं में अंतिम स्थान पर रही।
- NTT DATA AIVista अत्याधुनिक और ओपन-सोर्स मॉडलों का मिश्रण चलाता है, सबसे महंगी तर्क-क्षमता को उन निर्णयों के लिए आरक्षित करता है जहां गलती की गंभीर कीमत होती है।
- साहा का कहना है कि एंटरप्राइज़ को एक साथ तीन चीजों की जरूरत है: तकनीक, डोमेन विशेषज्ञता और परिवर्तन प्रबंधन, और यह कि तकनीक तीनों बाधाओं में सबसे कम है।
हर हफ्ते, कोई न कोई कंपनी एक बड़ा AI बजट घोषित करती है। और हर हफ्ते, एक शांत कहानी अनसुनी रह जाती है: चेक क्लीयर हो गया, मॉडल तैनात हो गया, और लगभग कुछ भी नहीं बदला।
ब्रेटिन साहा, NTT DATA AIVista के CEO, जो दुनिया की सबसे बड़ी IT सेवा कंपनियों में से एक का AI विभाग है, ने VB Transform 2026 में बिल्कुल इसी समस्या के बारे में बात की। उनका तर्क सीधा है। एक सक्षम AI मॉडल खरीदना आसान हिस्सा है। मुश्किल हिस्सा वह सब कुछ है जो इसके चारों ओर है।
"यह केवल एक मॉडल नहीं है," साहा ने कहा। "आप मॉडल के चारों ओर एक प्रणाली बना रहे हैं।"
इतने सारे एंटरप्राइज़ AI प्रोजेक्ट क्यों रुकते हैं?
वे इसलिए रुकते हैं क्योंकि अत्याधुनिक मॉडल, जो सबसे शक्तिशाली AI सिस्टम हैं जैसे GPT-5.5 या Claude Opus 4.8, सामान्य ज्ञान पर प्रशिक्षित होते हैं। वास्तविक व्यावसायिक वर्कफ़्लो कुछ भी सामान्य नहीं हैं।
साहा ने बहुराष्ट्रीय बीमा दावों के उदाहरण का उपयोग किया। उन फॉर्मों में हस्तलेखन, दर्जनों चेकबॉक्स और नियामक नियम होते हैं जो देश दर देश बदलते हैं। एक सामान्य-उद्देश्य मॉडल उन्हें खराब तरीके से पढ़ता है। सटीकता एक नियंत्रित व्यवसाय के लिए विश्वास करने के लिए बहुत कम रहती है।
समाधान केवल एक बड़ा मॉडल खरीदना नहीं है। साहा की टीम सुधार को "अंतिम-मील विशेषज्ञता" कहती है: एक सक्षम आधार मॉडल लेना और इसे तीन परतों में लपेटना। पहली बात, कंपनी का अपना मालिकाना डेटा और संदर्भ, दिया गया है ताकि मॉडल विशिष्ट व्यावसायिक को समझे। दूसरा, मॉडलों का एक समूह, यानी कई AI सिस्टम एक साथ काम कर रहे हैं, ताकि कंप्यूटिंग लागत प्रबंधनीय रहे। तीसरा, विशेष सुरक्षा उपाय, स्वचालित जांच जो त्रुटियों को पकड़ते हैं और गलत उत्तर किसी ग्राहक या नियामक तक पहुंचने से पहले एक दोबारा प्रयास को मजबूर करते हैं।
"सबसे बड़ा लाभ विशेषज्ञता से आता है और फिर ये विशेष सुरक्षा उपाय," साहा ने कहा।
इसकी लागत क्या है, और कौन क्या भुगतान करता है?
| परत | यह क्या है | आमतौर पर इसका मालिक कौन होता है |
|---|---|---|
| आधार मॉडल | मुख्य AI (GPT-5.5, Claude, ओपन-सोर्स) | मॉडल विक्रेता |
| डोमेन संदर्भ | कंपनी डेटा, अनुलेखित वर्कफ़्लो | एंटरप्राइज़ + एकीकरणकार |
| मॉडल समूह | अत्याधुनिक और सस्ते ओपन मॉडलों का मिश्रण | एकीकरणकार |
| सुरक्षा उपाय | स्वचालित त्रुटि-जांच परत | एकीकरणकार + एंटरप्राइज़ |
| परिवर्तन प्रबंधन | कर्मचारी प्रशिक्षण, प्रक्रियाओं को फिर से लिखना | एंटरप्राइज़ |
मॉडल लाइसेंस शुल्क अक्सर उस बजट में सबसे छोटी लाइन होती है। अनुलेखित "जनजातीय ज्ञान", वह सामान जो अनुभवी कार्यकर्ता जानते हैं लेकिन कभी नहीं लिखते, कैप्चर करने में सबसे अधिक खर्च होता है। साहा का कहना है कि NTT की टीम इसे मानव कर्मचारियों के साथ बैठकर और सीधे पूछकर करती है कि वे वास्तव में अपनी नौकरी कैसे करते हैं।
"केवल कारण यह है क्योंकि हम जाते हैं और उन मानव कर्मचारियों से बात करते हैं," उन्होंने कहा।
इसका मतलब उन कंपनियों के लिए क्या है जो AI निवेश पर विचार कर रहे हैं?
सरल: पूरी प्रणाली के लिए बजट, केवल मॉडल सदस्यता नहीं।
साहा का कहना है कि क्रम भी महत्वपूर्ण है। मौजूदा वर्कफ़्लो में AI को एम्बेड करके शुरुआत करें न कि शुरुआत से उन्हें फिर से डिज़ाइन करें। मिशन-महत्वपूर्ण संचालन चलाने वाले कर्मचारी एक विक्रेता को उड़ान में एक प्रक्रिया को नष्ट करने की अनुमति नहीं देंगे। एक बार विश्वास बनने के बाद और परिणाम सामने आने के बाद, गहरा पुनर्डिज़ाइन संभव हो जाता है, और यह वह जगह है जहां सबसे बड़े रिटर्न बैठे हैं।
एक ईमानदार सावधानी है जो नाम देने लायक है। साहा एक प्रायोजित सत्र में बोल रहे थे; NTT DATA AIVista ने प्लेटफॉर्म के लिए भुगतान किया। उनकी सलाह सुविधाजनक रूप से एक अनुभवी एकीकरणकार को नियुक्त करने की ओर इशारा करती है। कई छोटे व्यवसायों को उस पैमाने की फर्म की आवश्यकता नहीं होगी। अंतर्निहित सिद्धांत, हालांकि, जो भी काम करता है उसकी परवाह किए बिना धारण करता है: मॉडल शर्त है, और वर्कफ़्लो पुरस्कार है।
निष्कर्ष: कोई भी AI अनुबंध पर हस्ताक्षर करने से पहले, उस वर्कफ़्लो को शुरुआत से अंत तक मैप करें जिसे आप बदलना चाहते हैं। यदि आप प्रत्येक चरण में क्या बदलता है और परिणाम का मालिक कौन है, यह वर्णन नहीं कर सकते, तो प्रौद्योगिकी बजट योजना से आगे चल रहा है।
