AI अपनाना: शुरुआत के बाद इस्तेमाल क्यों घटता है और इसे कैसे सुधारें

किसी कंपनी में AI अपनाने का वास्तव में क्या मतलब है?

AI अपनाने का मतलब है कि खास काम करने वाले लोग उसे अपने काम के तरीके का हिस्सा बना चुके हैं और गुणवत्ता बनाए रखने के लिए जाँच भी करते हैं। इसका मतलब लाइसेंस खरीदना, लॉगिन गिनना या शुरुआत की सूचना वाला ईमेल भेजना नहीं है। जिस टीम में तीन लोग स्वीकृत कामों के लिए रोज़ AI इस्तेमाल करते हैं और परिणाम ध्यान से जाँचते हैं, उसने उस टीम से अधिक अच्छी तरह AI अपनाया है जिसमें सभी ने सिर्फ़ एक बार लॉगिन किया हो।

तीन सवालों को अलग करके देखना मददगार है। पहुँच: क्या हर व्यक्ति के पास स्वीकृत टूल है और क्या उसे नियम पता हैं? उपयोग: क्या लोग उन कामों में इसका इस्तेमाल करते हैं जिनके लिए यह उपयुक्त है? गुणवत्ता: क्या इससे तैयार काम समीक्षा में खरा उतरता है? ज़्यादातर क्रियान्वयन पहले सवाल को हल करते हैं, दूसरे को मोटे तौर पर मापते हैं और तीसरे को नज़रअंदाज़ कर देते हैं।

लागू होने के बाद इतने कम लोग AI का उपयोग क्यों करते हैं?

शुरू करने के बाद कम इस्तेमाल होना आम है और इसकी वजहें भी साधारण हैं: लोगों को समझ नहीं आता कि AI उनके किन कामों में मदद कर सकता है, नियम अस्पष्ट लगते हैं इसलिए वे सुरक्षित रहने के लिए टूल से बचते हैं, शुरुआत में मिले किसी खराब नतीजे से उन्हें लगता है कि यह मेहनत करने लायक नहीं है, या उन्हें बस अभ्यास का समय नहीं मिला है। ब्रिटेन सरकार के AI अपनाने पर किए गए शोध में, पहले से AI इस्तेमाल कर रहे व्यवसायों ने बताया कि औसतन उनके 30% कर्मचारी इसका इस्तेमाल कर रहे थे, और 77% ने कहा कि उनके आधे से भी कम कर्मचारी इसका इस्तेमाल कर रहे थे। इसी सर्वेक्षण में पाया गया कि AI बिल्कुल न अपनाने की सबसे आम वजहें थीं इसकी ज़रूरत की पहचान न होना और AI से जुड़े कौशल व विशेषज्ञता की कमी। ये आँकड़े 2025 की शुरुआत में साक्षात्कार में शामिल 3,500 ब्रिटिश व्यवसायों ने खुद बताए थे।

ध्यान दें कि बेहतर टूल खरीदने से इनमें से कोई भी कारण दूर नहीं होता। ज़रूरत की पहचान न होना कार्य चुनने की समस्या है। अस्पष्ट नियम नीति की समस्या हैं। पहला अनुभव खराब होना प्रशिक्षण और अपेक्षाओं की समस्या है। हर समस्या का एक खास हल है।

AI अपनाने की व्यावहारिक रणनीति कैसी होती है?

छोटी या मध्यम आकार की कंपनी के लिए व्यावहारिक रणनीति कोई दस्तावेज़ नहीं, बल्कि एक क्रम है: कार्य चुनें, नियम तय करें, उन्हीं कार्यों पर प्रशिक्षण दें, असली काम की समीक्षा करें और जो कारगर हो उसका दायरा बढ़ाएँ। नीचे दी गई बातें 10 से 200 लोगों की टीम के लिए एक संपादकीय योजना हैं, कोई प्रकाशित मानक नहीं।

AI से जुड़े बदलावों के प्रबंधन में कर्मचारियों की ज़रूरतों और चिंताओं को कैसे सँभालें?

नौकरियों के बारे में साफ़-साफ़ और शुरुआत में ही बात करें, और कार्य चुनने में उन लोगों को शामिल करें जो उन्हें करते हैं। कर्मचारियों की चिंता वास्तविक है: 2025 के वसंत में ग्रेट ब्रिटेन के 1,023 कर्मचारियों के Acas सर्वेक्षण में, 26% ने कार्यस्थल पर AI को लेकर नौकरी जाने को अपनी सबसे बड़ी चिंता बताया और 17% ने AI की गलतियों को। Acas नियोक्ताओं को सलाह देता है कि AI लागू करने से पहले कर्मचारियों और उनके प्रतिनिधियों से परामर्श करें और समझाएँ कि यह उनकी भूमिकाओं को कैसे बेहतर बना सकता है, जबकि इंसानों की भागीदारी फिर भी ज़रूरी रहेगी।

बताएँ कि क्या बदल रहा है और क्या नहीं। अगर इसे लागू करने के तहत कोई पद समाप्त नहीं किए जा रहे हैं, तो यह बात कहें। अगर कुछ काम बदलेंगे, तो बताएँ कि कौन-से और कैसे। फिर लोगों को ग्राहक की गोपनीयता या सटीकता जैसी व्यावहारिक चिंताएँ उठाने दें और उनमें से उचित चिंताओं को नियमों का आधार बनाएँ। लोग उन टूल को अधिक आसानी से अपनाते हैं जिन्हें आकार देने में उनकी भूमिका रही हो, बजाय उन टूल के जिनके बारे में उन्हें केवल घोषणा करके बताया गया हो।

रुका हुआ क्रियान्वयन फिर से आगे बढ़ाने के लिए क्या करना होता है?

पेलो एनालिटिक्स नाम की एक काल्पनिक 60-सदस्यीय सॉफ़्टवेयर कंपनी ने अपने सभी कर्मचारियों के लिए एक AI सहायक की व्यावसायिक योजना के उपयोगकर्ता लाइसेंस खरीदे। छह हफ़्ते बाद, प्रशासन कंसोल से पता चलता है कि ज़्यादातर लोगों ने शुरुआत वाले हफ़्ते में लॉग इन किया था और केवल कुछ लोग ही हर हफ़्ते इसका इस्तेमाल करते हैं, जिनमें ज़्यादातर इंजीनियरिंग और मार्केटिंग से हैं। मुख्य परिचालन अधिकारी का पहला विचार याद दिलाने वाला ईमेल भेजने का होता है। इसके बजाय, वह तीन टीम प्रमुखों से इसकी वजह पूछती हैं।

जवाब स्पष्ट हैं। ग्राहक सफलता टीम को नहीं पता था कि वह ग्राहकों के ईमेल पेस्ट कर सकती है या नहीं (नियम-पत्र में बिना उदाहरण दिए लिखा था 'कोई गोपनीय डेटा नहीं')। वित्त टीम ने एक बार अंतर की व्याख्या के लिए इसे आज़माया, उसे मनगढ़ंत कारण मिला और उसने इस्तेमाल छोड़ दिया। बिक्री टीम ने समझा कि यह 'मार्केटिंग के लिए' है। समाधान भी उतने ही स्पष्ट हैं। ग्राहक सफलता टीम को एक नियम मिलता है: ग्राहक और कंपनी के नाम की जगह भरने योग्य संकेत रखकर ईमेल का पाठ पेस्ट करें। वित्त टीम को एक कार्य मिलता है, जिसका प्रॉम्प्ट कहता है 'आँकड़ों में बदलाव का वर्णन करें; जब तक मेरे दिए नोट्स में कारण न हो, कोई कारण न बताएँ' और जाँच का निर्देश है: हर संख्या की दोबारा गणना करें। बिक्री टीम को दो स्पष्ट कार्य मिलते हैं: कॉल के नोट्स को व्यवस्थित करना और उन नोट्स से आगे संपर्क करने के लिए मसौदे बनाना।

हर टीम प्रमुख अपनी टीम के कार्यों पर 30 मिनट का एक अभ्यास सत्र चलाता है। चार सप्ताह बाद मुख्य परिचालन अधिकारी, प्रमुख के साथ हर टीम के पाँच तैयार परिणाम देखता है, लॉगिन का चार्ट नहीं। दो कार्य ठीक चल रहे हैं, एक के लिए बेहतर निर्देश की ज़रूरत है, और एक कार्य—नवीनीकरण की कीमतों वाले ईमेल के मसौदे बनाना—बंद कर दिया जाता है क्योंकि समीक्षक को हर मसौदा दोबारा लिखना पड़ा। यही अपनाना है: कम, बेहतर कार्य-पद्धतियाँ जिन्हें लोग वास्तव में इस्तेमाल करते हैं।

AI अपनाने के चरण कौन-से हैं?

चरणों का कोई एक सर्वसम्मत मॉडल नहीं है; परामर्श कंपनियाँ और विक्रेता अलग-अलग मॉडल प्रकाशित करते हैं। छोटी या मझोली कंपनी के लिए चार चरणों का यह व्यावहारिक वर्णन उपयोगी है: प्रयोग (लोग अक्सर निजी खातों पर प्रयोग करते हैं), स्वीकृति (एक टूल, व्यावसायिक सदस्यता और लिखित नियम), नियमित उपयोग (तय काम उनके जिम्मेदार लोग निर्देशों और जाँच के साथ हर सप्ताह करते हैं) और सुधार (कंपनी परिणामों की समीक्षा करती है, कमजोर कार्यप्रक्रियाएँ हटाती है और सोच-समझकर नई जोड़ती है)। यह संपादकीय वर्णन है, कोई प्रकाशित ढाँचा नहीं।

अहम बदलाव स्वीकृत उपयोग से नियमित उपयोग तक पहुँचना है। कई कंपनियाँ स्वीकृति तक ही रुक जाती हैं: उनके पास लाइसेंस और नीति होते हैं, फिर भी वे सोचती हैं कि बहुत कम बदलाव क्यों आया। नियमित उपयोग तक पहुँचने के लिए काम चुनना, अभ्यास करना और समीक्षा करना ज़रूरी है। इसी काम का वर्णन इस पेज पर है।

प्रबंधक को किन संकेतों पर नज़र रखनी चाहिए?

कुल लॉगिन की संख्या के बजाय काम की गुणवत्ता और तय कामों में बार-बार इस्तेमाल पर नज़र रखें। उपयोगी संकेत हैं: हर हफ़्ते कितने स्वीकृत काम तय तरीके से किए जा रहे हैं, समीक्षक को कितना सुधार करना पड़ता है, क्या गलतियाँ टीम से बाहर जाने से पहले पकड़ ली जाती हैं, और क्या लोग समझा सकते हैं कि उन्होंने मसौदे में क्या बदला। लॉगिन से पता चलता है कि लोग पहुँच पा रहे हैं; इससे काम बेहतर होने के बारे में बहुत कम पता चलता है।

खुद बताए गए लाभों को लेकर सावधान रहें। जिन्हें कोई उपकरण पसंद आता है, वे अक्सर उससे बचने वाले समय का अधिक अनुमान लगाते हैं, और जिन्हें वह पसंद नहीं आता, वे कम अनुमान लगाते हैं। एक ही कार्य के पहले और बाद के कुछ नमूने, जिनकी समीक्षा एक ही व्यक्ति ने की हो, बेहतर प्रमाण हैं। AI प्रशिक्षण कारगर रहा या नहीं, इसे मापने पर हमारा उत्तर इस विषय पर और विस्तार से बताता है।

AI का इस्तेमाल बढ़ाने पर ज़ोर देना कब गलत लक्ष्य होता है?

जब कार्य AI के अनुकूल न हों, जब कोई परिणाम की समीक्षा न कर सके, या जब टीम की असली समस्या काम का बोझ या प्रक्रिया हो, तब AI का इस्तेमाल बढ़ाना गलत लक्ष्य है। 'हर कोई रोज़ AI का इस्तेमाल करे' जैसा लक्ष्य बिना किसी ठोस वजह के इस्तेमाल को बढ़ावा देता है और लोगों को ऐसे कार्यों में AI अपनाने के लिए प्रेरित कर सकता है जहाँ वह कोई लाभ दिए बिना जोखिम बढ़ाता है। कुछ भूमिकाओं में AI का इस्तेमाल बहुत कम होना भी ठीक है।

अगर नियम तय नहीं हुए हैं, तो यह लक्ष्य भी गलत है। लोगों को यह बताए बिना उपयोग के लिए प्रोत्साहित करना कि वे क्या साझा कर सकते हैं, डेटा से जुड़ी उन्हीं गलतियों को न्योता देता है जिनके कारण नेतृत्व टूल का इस्तेमाल बंद करवा देता है।

AI अपनाने में Tosheo.ai की क्या भूमिका है?

Tosheo.ai को AI अपनाने की प्रक्रिया के अभ्यास वाले हिस्से के लिए विकसित करने की तैयारी है। शुरुआती पेशकश की योजना के अनुसार प्रबंधक भूमिकाएँ और टीम द्वारा इस्तेमाल किए जाने वाले AI टूल चुनेगा; हर व्यक्ति 5 मिनट की शुरुआती कौशल जाँच देगा और फिर 10 से 15 मिनट के पाठ पूरे करेगा। हर पाठ के अंत में वास्तविक AI टूल पर एक व्यावहारिक कार्य होगा, जिसका मूल्यांकन स्पष्ट मानदंडों के आधार पर होगा। प्रस्तावित प्रबंधक निगरानी पटल पर कौशल में प्रगति और पाठ पूरा होने की स्थिति दिखेगी, चैट का मूल रिकॉर्ड कभी नहीं। मंच से निष्क्रिय शिक्षार्थियों को याद दिलाने वाले संदेश और प्रबंधक को साप्ताहिक सारांश भेजने की भी योजना है।

यह अभी निर्माण-पूर्व चरण में है, इसलिए इसे अपनाने के कोई परिणाम दिखाने के लिए उपलब्ध नहीं हैं। अगर आपके नियम तय नहीं हैं या आपकी टीम के पास AI के लिए उपयुक्त काम नहीं हैं, तो यह सही समाधान नहीं है; ऊपर दिए चरणों का उपयोग करके पहले इन्हें ठीक करें। प्रस्तावित कीमतें मूल्य निर्धारण पृष्ठ पर हैं।

स्रोत और दायरा

DSIT, AI अपनाने पर शोध रिपोर्ट (फ़रवरी से मई 2025 तक मैदानी अध्ययन), जनवरी 2026 में प्रकाशित ↗

GOV.UK, AI अपनाने पर शोध के प्रकाशन का पृष्ठ, February 2026 में संशोधित ↗

Acas, हर 4 में से 1 कर्मचारी को चिंता है कि AI से नौकरियाँ जाएँगी, 28 अप्रैल 2025 ↗

Acas, एक तिहाई नियोक्ताओं का मानना है कि AI से उत्पादकता बढ़ेगी, 15 मई 2025 ↗