दक्षिण अफ्रीकी संगठनों में देखे गए कृत्रिम बुद्धिमत्ता (एआई) के असफल पायलट प्रोजेक्ट इस बात का परिणाम नहीं हैं कि एआई एक खराब व्यावसायिक तकनीक है। इसके विपरीत, वे एक गहरी समस्या को दर्शाते हैं जिसे एआई उजागर करता है, और उपयोग शुल्क इस प्रतिबिंब को और अधिक स्पष्ट बनाता है।
दक्षिण अफ्रीका में मुख्यालयों में इस तिमाही में एआई अवधारणा को बंद किया जा रहा है या स्थगित किया जा रहा है, जिसने छह महीने पहले कार्यकारी समिति पर छाप छोड़ी थी। हालांकि प्रदर्शन शानदार लग रहा था, परियोजना कभी भी कार्य वातावरण में लागू नहीं हुई। पोस्ट-विश्लेषण संभवतः मॉडल, विक्रेता, प्रचार या स्वयं एआई तकनीक को दोष देगा।
हालांकि, यह सहज ज्ञान लगभग हमेशा गलत होता है। जब किसी बड़ी कंपनी में एआई परियोजना विफल होती है, तो शायद ही कभी बौद्धिक घटक ही दोषी होता है। मुख्य समस्या यह है कि नियंत्रित और प्रभावशाली प्रदर्शन बनाना उत्पादन सॉफ्टवेयर तक इसे स्केल करने की तुलना में कहीं अधिक आसान है। परियोजनाएं अक्सर बुनियादी ढांचे और कंप्यूटिंग पर अप्रत्याशित लागतों और उद्यम स्तर की वास्तविक तैयारी की कमी के कारण विफल हो जाती हैं।
टीम अक्सर इन पहलों को प्रौद्योगिकी-उन्मुख प्रयोगों के रूप में देखती हैं, जहां सफलता तकनीकी सटीकता से मापी जाती है, न कि मूर्त व्यावसायिक मूल्य से, जिससे मानव परिवर्तन प्रबंधन और दैनिक कर्मचारी स्वीकृति के लिए आवश्यक वास्तविक कार्यप्रवाह की बारीकियों की पूरी तरह से अनदेखी की जाती है। प्रायोगिक उत्साह और गतिशीलता फिर कठोर वास्तविकता के सामने झुक जाती है। इस वास्तविकता की जांच में एक तीव्र जागृति और एक कठिन गोली दोनों शामिल हैं: व्यापक अर्थों में, परियोजना की विफलता ने एआई के साथ काम करने के लिए व्यवसाय की तैयारियों में गहरी कमियों को दर्शाया।
पायलट प्रोजेक्ट संगठन के सामने एक दर्पण के रूप में कार्य किया, और संगठन ने जो देखा उसे मंजूरी नहीं दी, दोष दर्पण (एआई) पर डाल दिया, जिसे बाद में तोड़ दिया गया। इस समस्या का पैमाना केवल किस्सागोई नहीं है। एमआईटी की NANDA पहल ने अपने 2025 के शोध 'द जेनएआई डिवाइड' के लिए बड़ी कंपनियों में 300 से अधिक कार्यान्वयनों की जांच की और पाया कि लगभग 95% ने 'शुद्ध लाभ पर मापने योग्य प्रभाव' प्रदान नहीं किया। केवल बीस में से एक ने वास्तविक मूल्य के साथ उत्पादन तक पहुंच प्राप्त की। एमआईटी इसका अधिकांश हिस्सा कमजोर वर्कफ़्लो एकीकरण और ऐसी प्रणालियों के कारण बताता है जो कभी प्रशिक्षित नहीं होती हैं।
अफ्रीका में वित्तीय क्षेत्र, दूरसंचार और सरकारी क्षेत्र में व्यक्तिगत अनुभव के आधार पर, सब कुछ के पीछे एक अधिक मौलिक धागा है: खंडित, अनियमित, खराब एकीकृत डेटा। परेशान करने वाली बात यह है कि अधिकांश संगठन यह महसूस नहीं करते हैं कि यह उनकी समस्या है, क्योंकि वे उन डेटा पर भरोसा करते हैं जिन्हें वे वास्तव में एक्सेस नहीं कर सकते हैं। क्लौडेरा के 2026 डेटा रेडीनेस इंडेक्स के अनुसार, ईएमईए क्षेत्र में 89% आईटी प्रमुखों ने दावा किया कि उनके पास यह जानने का पूर्ण अवलोकन है कि उनका डेटा कहाँ स्थित है, लेकिन केवल 26% ने कहा कि यह डेटा पूरी तरह से विनियमित है। जो प्रबंधकों को दिखाई देने की उम्मीद है और जो वे वास्तव में नियंत्रित कर सकते हैं, उसके बीच की दूरी ही वह दर्पण प्रतिबिंब है जिसके बारे में बात की जा रही है।
इसी तरह, गार्टनर ने 2025 में भविष्यवाणी की थी कि एआई के लिए तैयार डेटा की कमी के कारण यह विरोधाभास 2026 के अंत तक 60% कॉर्पोरेट एआई परियोजनाओं को नष्ट कर देगा। एक रुके हुए पायलट का सामना करने पर, दर्पण तोड़ने और एआई के आसपास के प्रचार को एक बेकार उपकरण के अत्यधिक वादे के लिए दोष देने का प्रलोभन होता है, और फिर तेजी से एआई महत्वाकांक्षाओं को कम करना। अन्य मामलों में, वे मॉडल बदल सकते हैं, बस अधिक पैसा खर्च कर सकते हैं, या एक एजेंट जोड़ सकते हैं। यह प्रगति जैसा लगता है, लेकिन अंततः कुछ भी नहीं बदलता है, क्योंकि दोष जो प्रतिबिंबित होता है वह ऊपर स्ट्रीम में है। अर्थव्यवस्था में एक परेशान करने वाला मोड़ भी है: अधिक चमकदार एआई चलाने में बहुत महंगा है (और फिर भी यह स्वचालित रूप से प्रतिबिंब में तस्वीर को सुंदर नहीं बनाएगा)।
यहीं टोकनाइजेशन एक मामूली व्यय मद होना बंद कर देता है और पूरी कहानी बन जाता है। जनरेटिव एआई टोकन के अनुसार बिल किया जाता है। आप उस पाठ और सामग्री की मात्रा के लिए भुगतान करते हैं जो अंदर और बाहर आती है, न कि इस बात के लिए कि प्राप्त उत्तर का कोई मूल्य था या नहीं। एक स्वच्छ, विनियमित आधार पर यह वहनीय है। एक अव्यवस्थित आधार पर यह एक धीमी रिसाव है जो भयावह रूप से तेजी से बाढ़ में बदल जाता है।
खंडित डेटा प्रत्येक अनुरोध में क्षतिपूर्ति के लिए अधिक संदर्भ डालने के लिए मजबूर करता है। जिस डेटा पर कोई भरोसा नहीं करता है, वह टीमों को सबसे बड़े और सबसे महंगे मॉडल के माध्यम से सब कुछ रूट करने के लिए प्रेरित करता है, क्योंकि सस्ते मॉडलों पर ऐसे इनपुट पर भरोसा नहीं किया जा सकता है जिसकी किसी ने जाँच नहीं की है। अविश्वसनीय प्रतिक्रियाएँ पुनरावृत्ति का कारण बनती हैं, और प्रत्येक पुनरावृत्ति एक और भुगतान किया गया कॉल है। एजेंट भी लागत वृद्धि को रैखिक के बजाय घातीय बनाते हैं। एक एआई एजेंट एक बार नहीं पूछता और रुकता नहीं है। यह तर्क करता है, फिर से पढ़ता है, उपकरणों को कॉल करता है और चक्रीय रूप से काम करता है। एंथ्रोपिक इंजीनियरों ने पाया कि एक एजेंट सामान्य चैट की तुलना में लगभग चार गुना अधिक टोकन का उपभोग करता है, और एक मल्टी-एजेंट सिस्टम लगभग पंद्रह गुना अधिक करता है इससे पहले कि कुछ गलत हो जाए। इस मशीन को कमजोर डेटा आधार पर निर्देशित करें, और खराब समाधान एकमात्र परिणाम नहीं होगा। यह गति से एक खराब समाधान उत्पन्न करता है, और फिर आपको इस विशेषाधिकार के लिए उदारतापूर्वक बिल करता है।
अपने नवीनतम पूर्वानुमान में, गार्टनर अब भविष्यवाणी करता है कि 2027 के अंत तक 40% से अधिक एजेंट एआई परियोजनाओं को रद्द कर दिया जाएगा, और पहला कारण जिसका वे उल्लेख करते हैं वह बढ़ती लागत है। इस प्रकार, टोकन शुल्क डेटा के प्रश्न से अलग मुद्दा नहीं है; अनिवार्य रूप से, यह एक मीट्रिक है जो इसे मूल्य निर्धारित करता है। संगठन वर्षों तक डेटा प्रबंधन पर अमूर्तता में चर्चा कर सकता है, लेकिन वह चालान किए गए बिलों के खिलाफ बहस नहीं कर सकता है।
स्थानीय तस्वीर मेरे लिए इसकी पुष्टि करती है। हमारे अपने इंडेक्स के ईएमईए अध्ययन के परिणामों में, 42% नेताओं ने स्वीकार किया कि जटिल एक्सेस आवश्यकताएं दृश्यमान डेटा के उपयोग में उनकी मुख्य बाधा थीं, और केवल लगभग एक तिहाई के पास विभिन्न वातावरणों में पूरी तरह से एकीकृत डेटा स्रोत हैं। इस बाजार की विशिष्ट दबावों को जोड़ें - POPIA दायित्व, सीमित बजट, कौशल की कमी - और अस्थिर नींव पर महंगी प्रस्तुतियों का संचालन एक ऐसा खर्च बन जाता है जिसे अधिकांश दक्षिण अफ्रीकी संगठन लंबे समय तक बनाए नहीं रख पाएंगे।
समाधान साधारण है, और यही कारण है कि यह काम करता है। अधिक बुद्धिमत्ता खरीदने से पहले, उस डेटा को सुलभ, एकीकृत और विनियमित बनाएं जिस पर यह आधारित है, ताकि प्रबंधन डेटा का अनुसरण करे, न कि एक ही विक्रेता के प्लेटफॉर्म के भीतर रहे, और ताकि व्यक्तिगत डेटा संरक्षण अधिनियम (POPIA) आपको जिम्मेदारी के बजाय एक ऑडिट ट्रेल दे। फिर एआई को इन विनियमित डेटा के पास लाएं, खुले मानकों को बनाए रखें, और लागत को उस चीज़ बनने दें जिसे आप योजना बना सकते हैं, न कि उस चीज़ जो आपको योजना बनाती है। और इनमें से कुछ भी मॉडल लॉन्च करने या एजेंट लॉन्च करने जितना रोमांचक नहीं है। लेकिन इस देश में एआई से वास्तविक, रोजमर्रा का मूल्य प्राप्त करने वाले संगठन वे नहीं हैं जो सबसे अधिक संसाधनों के साथ सबसे अधिक पायलट चलाते हैं। वे वे हैं जिन्होंने पहले प्लंबिंग सिस्टम को ठीक किया, बाकी सब कुछ के बावजूद।
आप दर्पण को यह दोष नहीं दे सकते कि उसमें क्या प्रतिबिंबित होता है, और एक अधिक अलंकृत दर्पण कुछ भी नहीं बदलेगा। इसका मतलब है: एक सफल एआई परियोजना साधारण हिस्सों से शुरू होती है। यह डेटा से शुरू होती है - हमेशा।
