भारतीय कंपन्या वर्कप्लेस AI च्या वापरात जगात आघाडीवर आहेत, पण अनेक कंपन्यांना याचा फायदा व्यवसायाच्या नफ्यात रूपांतरित करणे कठीण जात आहे. BCG च्या नवीन अहवालानुसार, कंपन्या अनेकदा AI चा वापर वैयक्तिक कार्यक्षमतेसाठी करतात, व्यवसाय प्रक्रिया नव्याने तयार करण्यासाठी नाही. गुंतवणूकदारांसाठी, कंपन्या वेळेची बचत कशी ट्रॅक करू शकतात आणि ती अधिक धोरणात्मक, मूल्य-निर्मिती कार्यांमध्ये प्रभावीपणे कशी गुंतवू शकतात हे पाहणे महत्त्वाचे ठरेल.
काय घडले?
बोस्टन कन्सल्टिंग ग्रुप (BCG) च्या एका नवीन अहवालाने कंपन्या कृत्रिम बुद्धिमत्तेचा (Artificial Intelligence) अवलंब कसा करतात आणि त्यातून मिळणारे व्यावसायिक परिणाम यातील मोठे अंतर उघड केले आहे. १४ देशांतील ११,७०० हून अधिक कर्मचाऱ्यांचे सर्वेक्षण करणाऱ्या या अभ्यासात असे दिसून आले आहे की, केवळ अधिक AI टूल्स तैनात केल्याने चांगले आर्थिक प्रदर्शन सुनिश्चित होत नाही. भारतात वर्कप्लेस AI वापरामध्ये भारत जागतिक नेता म्हणून उदयास आला आहे—९५% फ्रंटलाइन कर्मचारी आठवड्यातून किमान काही वेळा AI वापरतात—तरीही अनेक कंपन्यांना ही वाढलेली कार्यक्षमता ठोस व्यावसायिक परिणामांमध्ये रूपांतरित करणे कठीण जात आहे.
कार्यक्षमता-नफा तफावत
अहवालात ओळखलेली मुख्य समस्या म्हणजे "वेळेची गळती" (time leakage). जेव्हा कर्मचारी AI वापरून कामे वेगाने पूर्ण करतात, तेव्हा वाचलेला वेळ फायद्यासाठी महत्त्वाच्या कामांमध्ये पुन्हा गुंतवण्याऐवजी कमी-मूल्याच्या कामांमध्ये वाया जातो. BCG च्या अभ्यासात असे दिसून आले आहे की, ६६% फ्रंटलाइन कर्मचाऱ्यांना AI मुळे वाचलेला वेळ कसा वापरायचा याबद्दल फारच कमी किंवा काहीही मार्गदर्शन मिळत नाही. याव्यतिरिक्त, ५८% कर्मचाऱ्यांनी कबूल केले की ते हा वाचलेला वेळ उच्च-मूल्याच्या व्यावसायिक कामांमध्ये वापरत नाहीत.
गुंतवणूकदारांसाठी, हा डेटा गंभीर आहे. हे सूचित करते की कंपनीमध्ये AI चा उच्च अवलंब आपोआप नफा मार्जिन किंवा उत्पादकता वाढवतेच असे नाही. त्याऐवजी, यशाचे खरे मोजमाप म्हणजे कंपनीकडे या कार्यक्षमतेतील वाढीचा मागोवा घेण्यासाठी आणि महसूल-उत्पन्न करणाऱ्या किंवा खर्च-बचत करणाऱ्या उपक्रमांकडे त्या वळवण्यासाठी एक प्रणाली आहे की नाही हे पाहणे.
धोरण साधनांपेक्षा कसे श्रेष्ठ आहे
BCG च्या निष्कर्षांनुसार, कंपन्या AI चा दृष्टीकोन कसा ठेवतात यावर आधारित निकालांमध्ये स्पष्ट फरक दिसून येतो. जे संस्था 'केवळ टूल डिप्लॉयमेंट'वर—कर्मचाऱ्यांना स्पष्ट योजनेशिवाय सॉफ्टवेअरमध्ये प्रवेश देणे—अवलंबून राहतात, त्यांना ६०% व्यावसायिक परिणाम मिळतो. याउलट, ज्या कंपन्या AI टूल्सना सु-परिभाषित AI धोरणासह जोडतात, त्या ८०% मोजता येण्याजोगा व्यावसायिक परिणाम नोंदवतात.
यावरून असे दिसून येते की स्पर्धात्मक फायदा तंत्रज्ञानातून मिळत नाही, तर संघटनात्मक पुनर्रचनेतून येतो. ज्या कंपन्या AI एजंट्सना वर्कफ्लोमध्ये समाकलित करत आहेत आणि स्पष्ट व्यवस्थापन मार्गदर्शक तत्त्वे सेट करत आहेत, त्या तंत्रज्ञान खर्चाला प्रत्यक्ष परतावा मिळवून देण्यासाठी चांगल्या स्थितीत आहेत. वैयक्तिक उत्पादकतेसाठी प्रामुख्याने AI वर अवलंबून राहणे, व्यापक नेतृत्वाशिवाय, दीर्घकालीन आर्थिक फायद्यांना मर्यादित करते असे दिसते.
संघटनात्मक तयारीचा धोका
व्यवसायांसाठी एक मोठा धोका म्हणजे कर्मचाऱ्यांचे प्रशिक्षण आणि प्रशासनाचा अभाव. केवळ ३६% प्रतिसादकर्त्यांना त्यांच्या भूमिकेतील AI-चालित बदलांसाठी पुरेसे प्रशिक्षित वाटत आहे. जसे कंपन्या वर्कफ्लोमध्ये AI एजंट्स समाकलित करत आहेत, व्यवस्थापन मार्गदर्शक तत्त्वांचा अभाव कार्यान्वयन त्रुटी, उत्तरदायित्व गोंधळ आणि खराब अंमलबजावणीचा धोका निर्माण करतो. कर्मचाऱ्यांना AI टूल्स प्रभावीपणे व्यवस्थापित आणि निर्देशित करण्यासाठी प्रशिक्षित केले नसल्यास, आश्वासित कार्यक्षमतेतील वाढ केवळ सैद्धांतिक राहू शकते, प्रत्यक्ष नाही.
गुंतवणूकदारांनी काय लक्ष ठेवावे
कॉर्पोरेट कामगिरीवर AI च्या प्रभावाकडे पाहणारे गुंतवणूकदार "अवलंबन संख्या" (adoption numbers) वरून "अंमलबजावणीच्या गुणवत्तेकडे" (execution quality) लक्ष केंद्रित करावे. जेव्हा कंपन्या AI मध्ये गुंतवणुकीची घोषणा करतात, तेव्हा सर्वात महत्त्वाचे निरीक्षण म्हणजे या साधनांद्वारे निर्माण होणाऱ्या वेळेच्या बचतीचे मोजमाप आणि पुनर्गंतवणूक करण्याची त्यांची योजना काय आहे.
व्यवस्थापन टिप्पण्या शोधा ज्या विशेषतः AI व्यवसाय प्रक्रिया कशा बदलत आहे आणि मार्जिनवर कसा परिणाम करत आहे हे स्पष्ट करतात, केवळ सॉफ्टवेअर वापराच्या सामान्य दाव्यांऐवजी. याव्यतिरिक्त, कंपनी कार्यबळ पुनर्रचनेत गुंतवणूक करत आहे की नाही याचा मागोवा घ्या, कारण AI चा मूलभूत साधन म्हणून वापर करण्यापासून ते व्यवसायाच्या परिणामांचे मुख्य चालक म्हणून वापरण्यापर्यंतचे संक्रमण यशस्वीपणे कसे नेव्हिगेट करू शकतात याचा हा एक प्राथमिक निर्देशक आहे.
