AI અપનાવવું: અમલીકરણ પછી ઉપયોગ કેમ ઘટે છે અને તેને કેવી રીતે સુધારવો

કંપનીમાં AI અપનાવવાનો ખરેખર શું અર્થ થાય છે?

અપનાવવાનો અર્થ એ છે કે ચોક્કસ કાર્યો કરનારા લોકોની કામ કરવાની રીતમાં AI સામેલ થઈ ગયું હોય અને ગુણવત્તા જાળવવા માટે તપાસ થતી હોય. તેનો અર્થ પરવાના ખરીદવા, પ્રવેશની ગણતરી કરવી કે શરૂઆતની ઇમેઇલ મોકલવી નથી. જે ટીમમાં ત્રણ લોકો મંજૂર કાર્યો માટે દરરોજ AI વાપરે છે અને પરિણામ કાળજીપૂર્વક તપાસે છે, તેણે એવી ટીમ કરતાં AI વધુ સારી રીતે અપનાવ્યું છે જેમાં દરેકે માત્ર એક વાર પ્રવેશ કર્યો હોય.

ત્રણ પ્રશ્નોને અલગ પાડવા ઉપયોગી છે. ઉપલબ્ધતા: શું દરેક વ્યક્તિ પાસે મંજૂર સાધન છે અને તે નિયમો જાણે છે? ઉપયોગ: શું તેઓ તેને અનુકૂળ કાર્યો માટે વાપરે છે? ગુણવત્તા: શું તેનાથી તૈયાર થયેલું કામ સમીક્ષામાં યોગ્ય ઠરે છે? મોટાભાગના અમલીકરણમાં પહેલા પ્રશ્નનો ઉકેલ આવે છે, બીજાનું અંદાજિત માપન થાય છે અને ત્રીજાની અવગણના થાય છે.

અમલમાં મૂક્યા પછી આટલા ઓછા લોકો AIનો ઉપયોગ કેમ કરે છે?

અમલ શરૂ થયા પછી ઓછો ઉપયોગ થવો સામાન્ય છે અને તેનાં સામાન્ય કારણો હોય છે: લોકોને તેમનાં કયાં કાર્યોમાં AI મદદરૂપ થાય છે તે સમજાતું નથી, નિયમો અસ્પષ્ટ લાગતાં હોવાથી તેઓ સલામતી ખાતર સાધન ટાળે છે, શરૂઆતમાં મળેલા નબળા પરિણામને કારણે તેમને લાગ્યું હોય છે કે આ પ્રયત્ન કરવા જેવું નથી, અથવા તેમને પ્રેક્ટિસ કરવાનો સમય જ મળ્યો નથી. યુકે સરકારના AI અપનાવવા અંગેના સંશોધનમાં, પહેલેથી AI વાપરતા વ્યવસાયોએ જણાવ્યું કે સરેરાશ તેમનાં 30% કર્મચારીઓ તેનો ઉપયોગ કરતા હતા, અને 77%એ જણાવ્યું કે તેમનાં અડધાથી ઓછા કર્મચારીઓ તેનો ઉપયોગ કરતા હતા. આ જ સર્વેક્ષણમાં જાણવા મળ્યું કે AI બિલકુલ ન અપનાવવાનાં સૌથી સામાન્ય કારણો જરૂરિયાત ઓળખાઈ ન હોવી અને AI સંબંધિત કૌશલ્યો તથા નિપુણતા મર્યાદિત હોવાં હતાં. આ આંકડા 2025ની શરૂઆતમાં મુલાકાત લેવાયેલા યુકેના 3,500 વ્યવસાયોએ પોતે આપેલી માહિતી પર આધારિત છે.

ધ્યાન આપો કે વધુ સારું સાધન ખરીદવાથી આમાંથી એક પણ કારણ દૂર થતું નથી. જરૂરિયાત ઓળખાઈ ન હોય તો તે કાર્યની પસંદગીનો પ્રશ્ન છે. નિયમો અસ્પષ્ટ હોય તો તે નીતિનો પ્રશ્ન છે. પહેલો અનુભવ ખરાબ હોય તો તે તાલીમ અને અપેક્ષાઓનો પ્રશ્ન છે. દરેકનો ચોક્કસ ઉપાય છે.

AI અપનાવવા માટેની વ્યવહારુ વ્યૂહરચના કેવી હોય?

નાની કે મધ્યમ કદની કંપની માટે વ્યવહારુ વ્યૂહરચના એ એક ક્રમ છે, દસ્તાવેજ નહીં: કાર્યો પસંદ કરો, નિયમો નક્કી કરો, એ કાર્યોની તાલીમ આપો, વાસ્તવિક કામની સમીક્ષા કરો અને જે અસરકારક નીવડે તેનો વ્યાપ વધારો. નીચેની બાબતો 10થી 200 લોકોની ટીમ માટે સંપાદકીય યોજના છે, પ્રકાશિત ધોરણ નથી.

AI ને કારણે થતા ફેરફારોનું સંચાલન કરતી વખતે લોકો સંબંધિત પાસાં કેવી રીતે સંભાળવાં?

નોકરીઓ વિશે શરૂઆતમાં જ સ્પષ્ટ વાત કરો અને કાર્યો પસંદ કરવામાં એ કામ કરતા લોકોને સામેલ કરો. કર્મચારીઓની ચિંતા વાસ્તવિક છે: 2025ની વસંતમાં ગ્રેટ બ્રિટનના 1,023 કર્મચારીઓના Acas સર્વેક્ષણમાં, 26%એ કામ પર AI વિશેની તેમની સૌથી મોટી ચિંતા તરીકે નોકરી ગુમાવવાનું અને 17%એ AIની ભૂલોને ગણાવી. Acas નોકરીદાતાઓને AI દાખલ કરતાં પહેલાં કર્મચારીઓ અને તેમના પ્રતિનિધિઓ સાથે પરામર્શ કરવાની અને માનવીય ભાગીદારીની જરૂર યથાવત્ રહેશે ત્યારે તે કામની ભૂમિકાઓને કેવી રીતે સુધારી શકે છે તે સમજાવવાની સલાહ આપે છે.

શું બદલાઈ રહ્યું છે અને શું નથી બદલાઈ રહ્યું તે જણાવો. અમલીકરણના ભાગરૂપે કોઈ પદો દૂર કરવામાં આવતાં ન હોય તો તે જણાવો. કેટલાક કાર્યો બદલાવાનાં હોય તો કયાં અને કેવી રીતે બદલાશે તે જણાવો. પછી લોકોને ગ્રાહકની માહિતીની ગોપનીયતા અથવા ચોકસાઈ જેવી વ્યવહારુ ચિંતાઓ રજૂ કરવા દો, અને યોગ્ય ચિંતાઓને આધારે નિયમો બનાવો. જે સાધનોને આકાર આપવામાં લોકોએ મદદ કરી હોય તે તેઓ વધુ સહેલાઈથી અપનાવે છે, માત્ર જાહેરાત કરીને તેમના પર લાદવામાં આવેલાં સાધનો કરતાં.

અટકી પડેલા અમલીકરણને ફરી આગળ વધારવા માટે શું કરવું પડે?

પેલો ઍનલિટિક્સ નામની 60 કર્મચારીઓવાળી એક કાલ્પનિક સોફ્ટવેર કંપનીએ દરેક કર્મચારી માટે AI સહાયકની બિઝનેસ યોજનાનાં વપરાશકર્તા લાઇસન્સ ખરીદ્યાં. છ અઠવાડિયાં પછી, સંચાલન પેનલ બતાવે છે કે મોટાભાગના લોકોએ શરૂઆતના અઠવાડિયામાં પ્રવેશ કર્યો હતો અને માત્ર થોડા જ લોકો તેનો દર અઠવાડિયે ઉપયોગ કરે છે, મુખ્યત્વે એન્જિનિયરિંગ અને માર્કેટિંગમાં. મુખ્ય સંચાલન અધિકારીને પહેલાં તો યાદ અપાવતો ઇમેઇલ મોકલવાનું મન થાય છે. તેના બદલે, તેઓ ત્રણ ટીમ વડાઓને તેનું કારણ પૂછે છે.

જવાબો ચોક્કસ છે. ગ્રાહકોને સફળ ઉપયોગમાં મદદ કરતી ટીમને ખબર નહોતી કે તેઓ ગ્રાહકોના ઇમેઇલ પેસ્ટ કરી શકે કે નહીં (નિયમપત્રમાં ઉદાહરણો વિના લખ્યું હતું કે 'ગોપનીય ડેટા નહીં'). નાણાં વિભાગે તફાવતની સમજૂતી માટે એક વાર તેનો ઉપયોગ કર્યો, ઉપજાવી કાઢેલું કારણ મળ્યું અને પછી ઉપયોગ છોડી દીધો. વેચાણ વિભાગને લાગતું હતું કે તે 'માર્કેટિંગ માટે' છે. ઉકેલો પણ એટલા જ ચોક્કસ છે. ગ્રાહક સહાય ટીમને નિયમ મળે છે: ગ્રાહકના નામ અને કંપનીની જગ્યાએ ભરવાના સંકેતો મૂકીને ઇમેઇલનું લખાણ પેસ્ટ કરો. નાણાં વિભાગને એક કાર્ય મળે છે, જેમાં સૂચના કહે છે કે 'આંકડામાં થયેલા ફેરફારનું વર્ણન કરો; હું આપું તે નોંધોમાં કારણ ન હોય તો કોઈ કારણ જણાવશો નહીં' અને ચકાસણી હોય છે: દરેક આંકડાની ફરી ગણતરી કરો. વેચાણ વિભાગને બે નિર્દિષ્ટ કાર્યો મળે છે: કૉલની નોંધો સુવ્યવસ્થિત કરવી અને તે નોંધો પરથી આગળના સંપર્ક માટે મુસદ્દા તૈયાર કરવા.

દરેક ટીમ લીડ પોતાની ટીમનાં કાર્યો પર 30-મિનિટનું એક અભ્યાસ સત્ર ચલાવે છે. ચાર અઠવાડિયાં પછી, મુખ્ય સંચાલન અધિકારી ટીમ લીડ સાથે દરેક ટીમનાં પાંચ પરિણામો જુએ છે, પ્રવેશનો આલેખ નહીં. બે કાર્યો સારી રીતે ચાલી રહ્યાં છે, એક માટે વધુ સારી સૂચના જોઈએ છે, અને એક કાર્ય, નવીનીકરણની કિંમત જણાવતા ઇમેઇલના મુસદ્દા લખવાનું, બંધ કરવામાં આવે છે કારણ કે સમીક્ષકે દરેક મુસદ્દો ફરીથી લખવો પડ્યો હતો. અપનાવવું એટલે આ: ઓછી, વધુ સારી કાર્યપદ્ધતિઓ જેનો લોકો ખરેખર ઉપયોગ કરે.

AI અપનાવવાના તબક્કા કયા છે?

તબક્કાઓનો કોઈ એક સર્વસંમત નમૂનો નથી; સલાહકાર સંસ્થાઓ અને વિક્રેતાઓ જુદા જુદા નમૂના પ્રકાશિત કરે છે. નાની કે મધ્યમ કદની કંપની માટે ચાર તબક્કાનું વર્ણન ઉપયોગી છે: અજમાયશ (વ્યક્તિઓ પ્રયોગ કરે છે, ઘણી વાર વ્યક્તિગત ખાતાં પર), મંજૂરી (એક સાધન, વ્યવસાય માટેની સબ્સ્ક્રિપ્શન યોજના અને લેખિત નિયમો), નિયમિત ઉપયોગ (ચોક્કસ કાર્યો માટે જવાબદાર લોકો દર અઠવાડિયે સૂચનાઓ અને તપાસ સાથે તે કાર્યો કરે છે) અને સુધારો (કંપની પરિણામોની સમીક્ષા કરે છે, નબળી કાર્યપ્રક્રિયાઓ બંધ કરે છે અને સમજીવિચારીને નવી ઉમેરે છે). આ સંપાદકીય વર્ણન છે, પ્રકાશિત માળખું નથી.

મહત્ત્વનું પરિવર્તન મંજૂરીથી નિયમિત ઉપયોગ સુધીનું છે. ઘણી કંપનીઓ મંજૂરીએ જ અટકી જાય છે: તેમની પાસે લાઇસન્સ અને નીતિ હોય છે, છતાં બહુ ઓછું કેમ બદલાયું તે અંગે તેઓ વિચારતી રહે છે. નિયમિત ઉપયોગ સુધી પહોંચવા માટે કાર્યોની પસંદગી, અભ્યાસ અને સમીક્ષા જરૂરી છે; આ પાનું એ જ કામનું વર્ણન કરે છે.

મેનેજરે કયા સંકેતો પર ધ્યાન આપવું જોઈએ?

કુલ પ્રવેશોની સંખ્યાને બદલે ચોક્કસ કામોની ગુણવત્તા અને તેમાં વારંવાર થતા ઉપયોગ પર નજર રાખો. ઉપયોગી સંકેતો છે: દર અઠવાડિયે કેટલાં મંજૂર કામો નક્કી કરેલી રીતે થઈ રહ્યાં છે, સમીક્ષક કેટલા સુધારા કરે છે, ભૂલો ટીમની બહાર જાય તે પહેલાં પકડાય છે કે નહીં, અને લોકો મુસદ્દામાં શું બદલ્યું તે સમજાવી શકે છે કે નહીં. પ્રવેશોની સંખ્યા ઉપયોગની ઉપલબ્ધતા વિશે જણાવે છે; કામ વધુ સારું થયું છે કે નહીં તે વિશે બહુ ઓછું કહે છે.

પોતે જણાવેલા ફાયદાઓ વિશે સાવચેત રહો. જેમને કોઈ સાધન ગમે છે તેઓ તેનાથી બચતા સમયનો વધુ પડતો અંદાજ લગાવે છે, અને જેમને તે ન ગમે તેઓ ઓછો અંદાજ લગાવે છે. એક જ વ્યક્તિએ સમીક્ષા કરેલા, એક જ કાર્યના પહેલાં અને પછીના થોડા નમૂના વધુ સારો પુરાવો છે. AI તાલીમ અસરકારક રહી કે નહીં તે માપવા અંગેનો અમારો જવાબ આ બાબતને વધુ ઊંડાણથી સમજાવે છે.

AI નો ઉપયોગ વધારવાનો આગ્રહ રાખવો એ ક્યારે ખોટું લક્ષ્ય બને છે?

જ્યારે કાર્યો AI માટે યોગ્ય ન હોય, જ્યારે કોઈ પરિણામની સમીક્ષા કરી શકે તેમ ન હોય અથવા જ્યારે ટીમની સાચી સમસ્યા કામનો બોજ કે પ્રક્રિયા હોય, ત્યારે AIનો ઉપયોગ વધારવાનો આગ્રહ રાખવો ખોટો હેતુ છે. 'દરેક વ્યક્તિ દરરોજ AI વાપરે' જેવા લક્ષ્યથી માત્ર ઉપયોગ કરવા માટે જ ઉપયોગને પ્રોત્સાહન મળે છે અને લોકો એવાં કાર્યોમાં AI વાપરવા પ્રેરાઈ શકે છે જ્યાં તે કોઈ મૂલ્ય ઉમેર્યા વિના જોખમ વધારે છે. કેટલીક ભૂમિકાઓમાં AIનો ઉપયોગ ભાગ્યે જ થાય તો તે સ્વીકાર્ય છે.

નિયમો નક્કી ન થયા હોય તો પણ આ ખોટું લક્ષ્ય છે. લોકો કઈ માહિતી શેર કરી શકે તે જાણે તે પહેલાં ઉપયોગને પ્રોત્સાહન આપવાથી ડેટા અંગે એવી જ ભૂલો થવાની શક્યતા ઊભી થાય છે, જેના કારણે નેતૃત્વ સાધનનો ઉપયોગ બંધ કરાવે છે.

AI અપનાવવાની પ્રક્રિયામાં Tosheo.aiની ભૂમિકા શું છે?

Tosheo.ai AI અપનાવવાની પ્રક્રિયાના અભ્યાસવાળા ભાગ માટે વિકસાવવાની પ્રક્રિયામાં છે. શરૂઆતમાં મેનેજર ભૂમિકાઓ અને ટીમ વાપરે છે તે AI સાધનો પસંદ કરી શકે તેવું આયોજન છે; દરેક વ્યક્તિ 5 મિનિટની પ્રારંભિક કૌશલ્ય ચકાસણી આપે છે અને પછી 10 થી 15 મિનિટના પાઠો કરે છે, જેના અંતે વાસ્તવિક AI સાધન વડે પ્રત્યક્ષ કાર્ય કરવાનું હોય છે અને દેખાતા મૂલ્યાંકન માપદંડોના આધારે ગુણ આપવામાં આવે છે. આયોજન હેઠળના મેનેજર ડૅશબોર્ડમાં કૌશલ્યની પ્રગતિ અને પૂર્ણતા દેખાય છે, મૂળ ચેટ રેકોર્ડ ક્યારેય નહીં. નિષ્ક્રિય શીખનારાઓને યાદ અપાવતા સંદેશા અને મેનેજરને સાપ્તાહિક સારાંશ મોકલવાનું પણ આયોજન છે.

તે હજી બનાવવામાં આવ્યું નથી, તેથી ઉપયોગમાં લેવાયા પછીનાં કોઈ પરિણામો બતાવવા માટે નથી. જો તમારા નિયમો હજી નક્કી નથી અથવા તમારી ટીમ પાસે AI માટે યોગ્ય કાર્યો નથી, તો આ યોગ્ય ઉકેલ નથી; ઉપરનાં પગલાંથી પહેલાં તે બાબતો ઉકેલો. સૂચિત કિંમતો કિંમતના પૃષ્ઠ પર છે.

સ્રોતો અને વ્યાપ

DSIT, AI અપનાવવા અંગેનો સંશોધન અહેવાલ (ક્ષેત્રીય કાર્ય ફેબ્રુઆરીથી મે 2025), જાન્યુઆરી 2026માં પ્રકાશિત ↗

GOV.UK, AI અપનાવવા અંગેના સંશોધનના પ્રકાશનનું પૃષ્ઠ, ફેબ્રુઆરી 2026 માં સુધારેલું ↗

Acas, 4માંથી 1 કર્મચારીને ચિંતા છે કે AIને કારણે નોકરીઓ જશે, 28 એપ્રિલ 2025 ↗

Acas, ત્રીજા ભાગના નોકરીદાતાઓ માને છે કે AI ઉત્પાદકતા વધારશે, 15 મે 2025 ↗