AI प्रोजेक्ट्स हो रहे फेल: डेडलाइन का दबाव और खराब एग्जीक्यूशन हैं मुख्य कारण

AI प्रोजेक्ट्स का फेल होना: डेडलाइन का दबाव और एग्जीक्यूशन में कमी

HCLTech की रिपोर्ट से पता चलता है कि AI प्रोजेक्ट्स के फेल होने का मुख्य कारण टेक्नोलॉजी की कमी नहीं, बल्कि बहुत आक्रामक समय-सीमा के भीतर पूरे व्यवसाय में सार्थक परिणाम हासिल करने का संघर्ष है। कई बिज़नेस लीडर्स 18 महीनों के भीतर AI से ठोस वैल्यू की उम्मीद करते हैं, जो कि जरूरी संगठनात्मक बदलावों के लिए बहुत कम समय है। यह तेज गति एक एग्जीक्यूशन गैप बनाती है, जहां त्वरित डिप्लॉयमेंट संगठन की अनुकूलन क्षमता से आगे निकल जाता है, जिससे प्रोजेक्ट रुक जाते हैं और रिटर्न कम हो जाता है। रिसर्च बताती है कि 70% से 90% एंटरप्राइज AI प्रोजेक्ट्स अपने इच्छित मूल्य प्रदान नहीं करते हैं, और अन्य IT प्रोजेक्ट्स की तुलना में विफलता दर दोगुनी है। HCLTech ने पाया कि 43% बड़े AI इनिशिएटिव्स के असफल होने की उम्मीद है।

चेंज मैनेजमेंट में कम निवेश, AI इंटीग्रेशन में बाधा

AI की सफलता के लिए एक महत्वपूर्ण कारक, चेंज मैनेजमेंट, में लगातार कम निवेश हो रहा है, जिससे एग्जीक्यूशन गैप और बढ़ रहा है। कंपनियां AI को अपने कर्मचारियों को इन नई प्रणालियों के साथ काम करने के लिए ठीक से तैयार किए बिना लागू कर रही हैं। यह अनदेखी एक बड़ा एग्जीक्यूशन रिस्क है, जो AI को दैनिक व्यवसाय में सफलतापूर्वक एकीकृत होने से रोकती है। अध्ययन बताते हैं कि AI प्रोजेक्ट्स अक्सर तकनीकी समस्याओं के बजाय संगठनात्मक मुद्दों जैसे खराब क्रॉस-टीम समन्वय, अस्पष्ट जिम्मेदारियों और बदलाव के प्रतिरोध के कारण विफल होते हैं। इसके अलावा, डेटा क्वालिटी की समस्या, जिसमें 94% CIOs मानते हैं कि AI शुरू होने से पहले महत्वपूर्ण डेटा क्लीनअप की आवश्यकता है, इन कठिनाइयों को और बढ़ा देती है।

नए AI एप्लीकेशन्स को स्केलेबिलिटी की चुनौतियाँ

रिपोर्ट में एजेंटिक और फिजिकल AI जैसे उन्नत AI प्रकारों में बढ़ती रुचि का भी उल्लेख किया गया है, जो डिजिटल कार्यों से आगे बढ़कर मैन्युफैक्चरिंग जैसे क्षेत्रों में प्रवेश करते हैं। ये नए मॉडल, भले ही आशाजनक हों, जवाबदेही, विश्वसनीयता और निगरानी में जटिलताएँ लाते हैं। IT लीडर्स पा रहे हैं कि AI को स्केल करने से वर्तमान एप्लिकेशन सिस्टम, डेटा मैनेजमेंट और ऑपरेशनल स्ट्रक्चर की सीमाएँ उजागर होती हैं, जो सेल्फ-लर्निंग, लगातार विकसित होने वाली प्रणालियों के लिए नहीं बनाए गए थे। स्केलिंग में यह कठिनाई आम है, और कई AI पायलट प्रोग्राम इंटीग्रेशन समस्याओं और कंपनी के समर्थन की कमी के कारण पूर्ण उत्पादन में जाने में विफल रहते हैं।

स्ट्रक्चरल कमजोरियां और डेटा मुद्दे AI की सफलता में बाधक

AI प्रोजेक्ट्स में उच्च विफलता दर, जिसके अनुमान 80-95% उम्मीदों पर खरे नहीं उतरते, गहरी संगठनात्मक कमजोरियों की ओर इशारा करती है। इनमें स्वयं टेक्नोलॉजी पर अत्यधिक जोर, कमजोर डेटा इंफ्रास्ट्रक्चर और स्पष्ट सफलता मेट्रिक्स की कमी शामिल है, जो अधिकांश AI प्रोजेक्ट विफलताओं में योगदान करते हैं। डेटा क्वालिटी का संकट गंभीर है, खराब डेटा क्वालिटी से सालाना लाखों का नुकसान होता है और यह विफल पहलों का एक बड़ा हिस्सा है। इसके अतिरिक्त, तेज AI एडॉप्शन अक्सर गवर्नेंस स्ट्रक्चर विकसित होने से पहले होता है, जिससे एक महत्वपूर्ण 'गवर्नेंस गैप' बनता है जो एक बड़ा बिज़नेस रिस्क पैदा करता है। यह स्थिति, जहां एडॉप्शन निगरानी से पहले आता है, कंपनियों को नियामक जांच और AI जोखिमों के बारे में बोर्ड की चिंताओं के प्रति उजागर करती है। पुराने, लेगेसी सिस्टम का उपयोग भी एक महत्वपूर्ण बाधा पैदा करता है, क्योंकि कई AI समाधान पुराने इंफ्रास्ट्रक्चर के साथ अच्छी तरह से एकीकृत नहीं हो पाते हैं।

AI का भविष्य संगठनात्मक तैयारी पर केंद्रित

AI को लागू करने का तरीका गोद लेने की संख्या को ट्रैक करने से बदलकर, एक संगठन की यथार्थवादी समय-सीमा के भीतर लक्ष्यों, एग्जीक्यूशन और जवाबदेही को संतुलित करने की क्षमता का आकलन करने की ओर बढ़ रहा है। HCLTech के CTO और हेड ऑफ इकोसिस्टम्स, विजय गुंटूर, ने कहा कि गति विफलता को बढ़ा सकती है यदि लोगों में AI के साथ समझ, विश्वास और प्रभावी सहयोग बनाने के लिए पर्याप्त निवेश न किया जाए। AI इंटीग्रेशन का अगला चरण न केवल तकनीकी तैयारी का परीक्षण करेगा, बल्कि नेताओं और कर्मचारियों की रणनीतिक और परिचालन तैयारी का भी परीक्षण करेगा। जैसे-जैसे AI व्यवसाय संचालन का एक मुख्य हिस्सा बनता जा रहा है, सफलता मजबूत चेंज मैनेजमेंट, डेटा तैयारी और AI प्रयासों को व्यावसायिक लक्ष्यों के साथ स्पष्ट संरेखण के माध्यम से एग्जीक्यूशन गैप को पाटने पर निर्भर करेगी।