कई कंपनियाँ अपने स्वयं के व्यावसायिक परिसंपत्ति बनाने के बजाय आर्टिफिशियल इंटेलिजेंस पर आधारित समाधान किराए पर लेना पसंद करती हैं। हालाँकि अधिकांश उद्यम एआई पर खर्च की निगरानी कर सकते हैं, लेकिन उनमें से कुछ भी प्राप्त रिटर्न का सटीक निर्धारण नहीं कर सकते हैं।
एआई सिस्टम डेवलपर के संस्थापक पॉल डोमानस्की के अनुसार, मात्रात्मक परिणाम मूल्यांकन की कमी एआई उद्योग में सबसे बड़ी समस्या रही है। मानक सदस्यता या सामान्य प्रशिक्षण बेचने के बजाय, डोमानस्की ने इन-सीट एआई पद्धति शुरू की। यह पद्धति कर्मचारियों की मौजूदा कार्य भूमिकाओं में व्यक्तिगत रूप से विकसित एआई सिस्टम स्थापित करती है, जिससे संगठनों को उत्पादन क्षमता बहाल करने, संस्थागत ज्ञान बनाए रखने और सबसे महत्वपूर्ण बात, बनाए गए एआई सिस्टम और बौद्धिक संपदा का स्वामित्व रखने की अनुमति मिलती है।
पॉल डोमानस्की के शब्दों में, 'बहुत सी कंपनियाँ व्यावसायिक संपत्ति बनाने के बजाय एआई किराए पर लेती हैं।' वह बताते हैं कि उनका मॉडल सरल है: 'हम लोगों में एआई लागू करते हैं, न कि उनके स्थान पर। दोहराए जाने वाले कार्यों को स्वचालित किया जाता है, जबकि मानवीय निर्णय पूरी तरह से नियंत्रण में रहता है। सबसे महत्वपूर्ण बात यह है कि ग्राहक उस एआई वर्कफ़्लो का मालिक होता है जिसे हमने विशेष रूप से उसके व्यवसाय के लिए बनाया है।'
इस दृष्टिकोण के वित्तीय परिणाम मापने योग्य हैं। एक प्रारंभिक उदाहरण में पाया गया कि एक दोहराया जाने वाला कार्य सात-सदस्यीय संगठन में सालाना 128 से 240 मानव-घंटे लेता था। प्रति कर्मचारी औसत वार्षिक रोजगार लागत R600,000 का उपयोग करते हुए, यह एक नियमित व्यावसायिक संचालन पर लगभग R37,000 - R69,000 की वार्षिक लागत के बराबर है।
डोमानस्की.एआई कर्मियों को बदलने पर ध्यान केंद्रित नहीं करता है, बल्कि उच्च मूल्य वाले कार्यों को पूरा करने के लिए इस समय को मुक्त करने पर ध्यान केंद्रित करता है। यह अनुभवी कर्मचारियों को नियमित प्रशासनिक कार्य करने के बजाय राजस्व सृजन, रणनीतिक निर्णय लेने और ग्राहकों के साथ काम करने पर ध्यान केंद्रित करने की अनुमति देता है। पारंपरिक एआई सलाहकार या सॉफ्टवेयर विक्रेता के विपरीत, डोमानस्की.एआई प्रत्येक व्यक्तिगत रूप से विकसित एआई सिस्टम का स्वामित्व ग्राहक को सौंपता है। व्यवसाय पसंदीदा एआई प्लेटफॉर्म का उपयोग करना जारी रखता है, लेकिन वर्कफ़्लो आर्किटेक्चर, व्यावसायिक तर्क, संस्थागत ज्ञान और भूमिका-विशिष्ट जानकारी ग्राहक की बौद्धिक संपदा बनी रहती है, न कि किसी अन्य विक्रेता के सदस्यता उत्पाद के रूप में।
डोमानस्की इस बात पर जोर देते हैं कि एआई स्थायी परिचालन व्यय से दीर्घकालिक व्यावसायिक संपत्ति में बदल रहा है, क्योंकि कंपनियों को अपनी संगठनात्मक जानकारी तक पहुंचने के लिए किसी अन्य के मालिकाना सिस्टम पर निर्भर नहीं रहना पड़ता है। इस पद्धति का पहले ही वास्तविक परिस्थितियों में परीक्षण किया जा चुका है। मैक ब्रांड्स के साथ एक चार घंटे की कार्यान्वयन कार्यशाला के दौरान, कंपनी की अपनी फ़ाइलों पर निर्मित एआई सिस्टम ने 10-15 स्लाइड का एक अनुकूलित वितरक प्रस्तुति बनाई। इस प्रणाली ने सबूत सत्यापन तंत्रों के माध्यम से जानबूझकर डाली गई झूठी जानकारी को सफलतापूर्वक अस्वीकार कर दिया और टीम को उसी कार्यशाला के दौरान दूसरे परिचालन एआई एजेंट को बनाने की अनुमति दी।
मैक ब्रांड्स में वैश्विक विपणन निदेशक, एम्मा केंड्रिक कॉक्स ने टिप्पणी की: 'दोपहर तक मेरे विभाग के तीन प्रबंधकों ने पॉल से उनकी अपनी कार्यप्रवाहों के आसपास एआई बनाने के लिए व्यक्तिगत सत्र आयोजित करने का अनुरोध किया।'
दूसरे उदाहरण में लिक्विडगोल्ड शामिल था, जो सीधे उपभोक्ता पर केंद्रित एक तीन-सदस्यीय व्यवसाय है। 72 मिनट के दूरस्थ कार्यान्वयन के बाद, विपणन प्रक्रिया को बदल दिया गया जो दो वर्षों से रुकी हुई थी। कंपनी को एक कार्यात्मक फेसबुक विज्ञापन शेड्यूलर, विज्ञापन कॉपी के कई विकल्प, अभियान के लिए चित्र, वीडियो सामग्री और अभियान परिनियोजन चेकलिस्ट मिली, जिसमें विज्ञापन विकल्प पांच मिनट से भी कम समय में उत्पन्न किए गए।
डोमानस्की मापने योग्य प्रदर्शन और एआई के अतिरंजित दावों के बीच सावधानीपूर्वक अंतर करते हैं। वह कहते हैं: 'हम चमत्कारी परिणामों का वादा नहीं करते हैं। हम कार्यान्वयन से पहले और बाद में वर्कफ़्लो समय, सुधार अनुपात, गुणवत्ता में सुधार और पुनर्प्राप्त क्षमता को उत्पादक कार्य में पुनर्वितरित करने को मापते हैं। ये ऐसे मेट्रिक्स हैं जिनकी प्रबंधकों और वित्तीय निदेशकों द्वारा जांच की जा सकती है।'
प्रक्रिया चार घंटे की मूलभूत कार्यशाला से शुरू होती है, जिसके दौरान डोमानस्की नेतृत्व टीमों के साथ उच्च मूल्य वाले दोहराए जाने वाले कार्यप्रवाहों को परिभाषित करने, कंपनी के अपने डेटा और प्रक्रियाओं का उपयोग करके एक कार्यात्मक एआई प्रोटोटाइप बनाने और एक कार्यान्वयन रोडमैप विकसित करने पर काम करते हैं। जो संगठन पूर्ण पैमाने पर तैनाती की ओर बढ़ते हैं, उन्हें कार्यक्रम के हिस्से के रूप में कार्यशाला में भाग लेने के लिए क्रेडिट प्राप्त होता है।
हालांकि पहले प्रलेखित कार्यान्वयन विपणन और रचनात्मक टीमों पर केंद्रित थे, यह पद्धति वित्त, मानव संसाधन, संचालन, ग्राहक सेवा, अनुपालन और बिक्री के क्षेत्रों में किसी भी दोहराए जाने वाले, ज्ञान-गहन कार्यप्रवाह के लिए उपयुक्त है। डोमानस्की के अनुसार, जैसे-जैसे दक्षिण अफ्रीकी संगठन एआई प्रयोगों से आगे बढ़ रहे हैं, प्रतिस्पर्धात्मक लाभ तेजी से उन उद्यमों के पास होगा जो मापने योग्य उत्पादकता वृद्धि प्रदर्शित कर सकते हैं और उन प्रणालियों का स्वामित्व बनाए रख सकते हैं जो उस उत्पादकता को उत्पन्न करती हैं। वह निष्कर्ष निकालते हैं: 'भविष्य उन कंपनियों का नहीं होगा जो सबसे अधिक एआई सदस्यताएँ खरीदती हैं। यह उन लोगों का होगा जिनके पास उनके अपने व्यवसाय में अंतर्निहित बुद्धिमत्ता है।'
विभिन्न अवसरों के लिए बायोडाटा भेजते और दस्तावेजों को अनुकूलित करते समय, उम्मीदवार अक्सर देखते हैं कि प्राप्त उत्तर समान होते हैं। स्टैनफोर्ड विश्वविद्यालय द्वारा किए गए एक शोध से पता चलता है कि यह समानता संयोग नहीं हो सकती है।
शोधकर्ताओं ने लाखों आवेदनों का विश्लेषण किया और निष्कर्ष निकाला कि विभिन्न कंपनियां ऐसे आर्टिफिशियल इंटेलिजेंस सिस्टम का उपयोग कर सकती हैं जो समान स्वीकृति और अस्वीकृति मानदंड दोहराते हैं। 'एल्गोरिथमिक मोनोकल्चर इन हायरिंग' नामक इस शोध में 11 आर्थिक क्षेत्रों की 156 कंपनियों द्वारा 3.4 मिलियन से अधिक व्यक्तियों द्वारा जमा किए गए लगभग 4 मिलियन आवेदनों की जांच की गई।
पहचाना गया एक महत्वपूर्ण कारक यह था कि ये सभी संगठन एक ही प्रदाता द्वारा प्रदान किए गए एल्गोरिदम का उपयोग कर रहे थे। इस विवरण ने 'एल्गोरिथमिक मोनोकल्चर' नामक घटना की पहचान करने में मदद की, जो कृषि से प्रेरित शब्द है, जहां विशाल क्षेत्र केवल एक प्रकार की फसल के लिए समर्पित होते हैं। जब कई कंपनियां समान उपकरणों को अपनाती हैं, तो यह संभावना बढ़ जाती है कि वे मूल रूप से समान तर्क का पालन करते हुए उम्मीदवारों का मूल्यांकन करेंगे, जो मॉडल की अंतर्निहित सफलताओं और विफलताओं दोनों पर लागू होता है।
एक अन्य प्रासंगिक खोज समान उम्मीदवार प्रोफाइल से संबंधित है। अध्ययन के अनुसार, समान विशेषताओं वाले व्यक्तियों को अलग-अलग निगमों में नौकरियों के लिए प्रतिस्पर्धा करते समय भी सुसंगत मूल्यांकन प्राप्त होने की प्रवृत्ति होती है। प्राथमिक परिणाम बताते हैं कि चार चयन प्रक्रियाओं में भाग लेने वाले लगभग 10% उम्मीदवारों को उन सभी में अस्वीकार कर दिया जाता है। इसके अतिरिक्त, दस नौकरियों के लिए आवेदन करने वालों में से लगभग 4% लगातार दस अस्वीकृतियाँ झेलते हैं।
इन अस्वीकृतियों की आवृत्ति स्वतंत्र रूप से लिए गए निर्णयों में अपेक्षित आवृत्ति से अधिक होती है। यह ध्यान देने योग्य है कि कई बायोडाटा मानव भर्तीकर्ता द्वारा जांचे जाने से पहले ही हटा दिए जाते हैं। यह पुष्टि करने के लिए कि क्या यह व्यवहार यादृच्छिक था, शोधकर्ताओं ने डेटा की तुलना एक सैद्धांतिक आधार रेखा और एल्गोरिथम केंद्रीकरण के बिना भर्ती पर पिछले अध्ययनों से की, जिससे पता चला कि लगातार अस्वीकृतियाँ विभिन्न चयन प्रक्रियाओं के बीच एक सामान्य पैटर्न को दर्शाती हैं।
किए गए सिमुलेशन के अनुसार, बायोडाटा भेजना जारी रखना अभी भी फायदेमंद है। अध्ययन इंगित करता है कि आवेदन की मात्रा बढ़ाने से अवसर प्राप्त करने की संभावना में सुधार होता है, हालांकि यह लाभ कम हो जाता है जब कंपनियां समान सिस्टम का उपयोग करती हैं। एक ऐसे परिदृश्य में जहां निर्णय स्वायत्त होते हैं, कम से कम एक सकारात्मक सिफारिश प्राप्त करने की उच्च संभावना तक पहुंचने के लिए लगभग दस आवेदन पर्याप्त होंगे। हालांकि, जब प्रक्रियाएं केंद्रीकृत प्लेटफार्मों द्वारा मध्यस्थ होती हैं, तो 99.9% की संभावना सुनिश्चित करने के लिए यह संख्या बढ़कर लगभग 25 आवेदन हो जाती है।
लेखकों ने भर्ती के लिए लक्षित प्रौद्योगिकी बाजार के केंद्रीकरण पर भी एक चेतावनी जारी की है। चूंकि कुछ ही आपूर्तिकर्ता कई कंपनियों को सेवा प्रदान करते हैं, इसलिए मौजूद कोई भी पूर्वाग्रह या सीमा तेजी से फैल सकती है। इसके अलावा, इन प्लेटफार्मों की कम पारदर्शिता स्वतंत्र शोध को मुश्किल बनाती है और यह समझने को जटिल बनाती है कि ऐसे उपकरण रोजगार तक पहुंच को कैसे प्रभावित करते हैं, जबकि कई उम्मीदवारों के लिए, यह पूरी प्रक्रिया तब होती है जब वे यह नहीं जानते कि किसी एल्गोरिथम ने बायोडाटा का पहला विश्लेषण किया है।
