AI వినియోగం: అందుబాటులోకి తెచ్చిన తర్వాత వాడకం ఎందుకు తగ్గుతుంది, దాన్ని ఎలా సరిచేయాలి

ఒక సంస్థలో AI వినియోగాన్ని ప్రవేశపెట్టడం అంటే అసలు ఏమిటి?

నిర్దిష్ట పనులు చేసే వ్యక్తులు ఆ పనుల్లో AIని భాగంగా ఉపయోగిస్తూ, నాణ్యతను కాపాడే తనిఖీని పాటించడమే AI వినియోగాన్ని అలవర్చుకోవడం. లైసెన్సులు కొనడం, లాగిన్‌లను లెక్కించడం లేదా ప్రారంభ ప్రకటన ఈమెయిల్ పంపడం కాదు. అందరూ ఒక్కసారి లాగిన్ అయిన బృందం కంటే, ముగ్గురు వ్యక్తులు రోజూ అనుమతించిన పనులకు AIని ఉపయోగించి, ఫలితాన్ని జాగ్రత్తగా సమీక్షించే బృందం దాని వినియోగాన్ని ఎక్కువగా అలవర్చుకుంది.

మూడు ప్రశ్నలను విడిగా చూడటం ఉపయోగకరం. ప్రాప్యత: ప్రతి ఒక్కరికీ ఆమోదించిన సాధనం అందుబాటులో ఉందా, నియమాలు తెలుసా? వినియోగం: అది ఉపయోగపడే పనులకు దాన్ని వాడుతున్నారా? నాణ్యత: దానితో చేసిన పని సమీక్షలో నిలబడుతుందా? చాలా అమలు కార్యక్రమాలు మొదటి ప్రశ్నను పరిష్కరిస్తాయి, రెండోదాన్ని సుమారుగా కొలుస్తాయి, మూడోదాన్ని పట్టించుకోవు.

AI అందుబాటులోకి తెచ్చిన తర్వాత అతి కొద్దిమంది మాత్రమే దాన్ని ఎందుకు ఉపయోగిస్తారు?

అందుబాటులోకి తెచ్చిన తర్వాత వినియోగం తక్కువగా ఉండటం సాధారణమే. దానికి సాధారణ కారణాలు ఉంటాయి: తమ పనుల్లో AI దేనికి సహాయపడుతుందో వారికి అర్థం కాకపోవడం, నియమాలు స్పష్టంగా లేవనిపించి సురక్షితంగా ఉండేందుకు సాధనాన్ని వాడకపోవడం, మొదట్లో వచ్చిన నాసిరకం ఫలితంతో దాని కోసం శ్రమించడం వృథా అనుకోవడం, లేదా సాధన చేయడానికి సమయం దొరకకపోవడం. యూకే ప్రభుత్వం నిర్వహించిన AI వినియోగ స్వీకరణ పరిశోధనలో, ఇప్పటికే AI ఉపయోగిస్తున్న వ్యాపారాలు సగటున తమ సిబ్బందిలో 30% మంది దాన్ని ఉపయోగిస్తున్నారని తెలిపాయి. తమ సిబ్బందిలో సగం కంటే తక్కువ మంది ఉపయోగిస్తున్నారని 77% వ్యాపారాలు చెప్పాయి. అసలు AI వినియోగాన్ని ప్రారంభించకపోవడానికి అత్యంత సాధారణ కారణాలు దాని అవసరాన్ని గుర్తించకపోవడం, AI నైపుణ్యాలు మరియు పరిజ్ఞానం పరిమితంగా ఉండటం అని అదే సర్వే తేల్చింది. ఇవి 2025 ప్రారంభంలో ఇంటర్వ్యూ చేసిన 3,500 యూకే వ్యాపారాలు స్వయంగా తెలిపిన గణాంకాలు.

మెరుగైన సాధనాన్ని కొనడం వల్ల ఈ కారణాల్లో ఏదీ తొలగిపోదని గమనించండి. అవసరాన్ని గుర్తించకపోవడం పనిని ఎంచుకోవడంలో సమస్య. స్పష్టత లేని నియమాలు విధానానికి సంబంధించిన సమస్య. మొదటి అనుభవం బాగాలేకపోవడం శిక్షణ, అంచనాలకు సంబంధించిన సమస్య. ప్రతిదానికీ ప్రత్యేక పరిష్కారం ఉంది.

ఆచరణలో పెట్టగల AI వినియోగ వ్యూహం ఎలా ఉంటుంది?

చిన్న లేదా మధ్యస్థ సంస్థకు ఆచరణాత్మక వ్యూహం అనేది ఒక క్రమం, పత్రం కాదు: పనులను ఎంచుకోండి, నియమాలు పెట్టండి, ఆ పనులపై శిక్షణ ఇవ్వండి, నిజమైన పనిని సమీక్షించండి, పనిచేసిన వాటిని విస్తరించండి. కింది అంశాలు 10 నుంచి 200 మంది ఉన్న బృందం కోసం రూపొందించిన సంపాదకీయ ప్రణాళిక; ప్రచురిత ప్రమాణం కాదు.

AI వల్ల వచ్చే మార్పులను నిర్వహించేటప్పుడు ఉద్యోగులకు సంబంధించిన అంశాలను ఎలా చూసుకోవాలి?

ఉద్యోగాల గురించి స్పష్టంగా, ప్రారంభంలోనే మాట్లాడండి; పనులను ఎంచుకోవడంలో ఆ పని చేసే వారిని భాగస్వాములను చేయండి. సిబ్బంది ఆందోళన నిజమైనదే: 2025 వసంతకాలంలో గ్రేట్ బ్రిటన్‌లోని 1,023 మంది ఉద్యోగులతో Acas నిర్వహించిన సర్వేలో, పనిలో AI గురించి తమ అతిపెద్ద ఆందోళన ఉద్యోగాలు కోల్పోవడమేనని 26% మంది పేర్కొన్నారు; AI తప్పులు చేయడమని 17% మంది పేర్కొన్నారు. AIని ప్రవేశపెట్టే ముందు సిబ్బందిని, వారి ప్రతినిధులను సంప్రదించాలని, మానవ ప్రమేయం ఇంకా అవసరమే అయినప్పటికీ అది ఉద్యోగ పాత్రలను ఎలా మెరుగుపరచగలదో వివరించాలని Acas యజమానులకు సూచిస్తుంది.

ఏం మారుతోంది, ఏం మారడం లేదో చెప్పండి. అమలులో భాగంగా ఏ ఉద్యోగాలనూ తొలగించడం లేదంటే, ఆ విషయం చెప్పండి. కొన్ని పనులు మారబోతుంటే, ఏవి ఎలా మారతాయో చెప్పండి. ఆ తర్వాత క్లయింట్ గోప్యత లేదా ఖచ్చితత్వం వంటి ఆచరణాత్మక ఆందోళనలను ఉద్యోగులు తెలియజేసే అవకాశం ఇవ్వండి. వాటిలో సముచితమైన వాటిని నియమాలుగా మార్చండి. తమకు కేవలం ప్రకటించిన సాధనాల కంటే, రూపకల్పనలో తామూ పాలుపంచుకున్న సాధనాలను ఉద్యోగులు మరింత సులభంగా స్వీకరిస్తారు.

నిలిచిపోయిన అమలు ప్రక్రియను తిరిగి ఎలా ముందుకు తీసుకెళ్తారు?

Pellow Analytics అనే కల్పిత 60-మంది సాఫ్ట్‌వేర్ కంపెనీ, ఉద్యోగులందరి కోసం ఒక AI సహాయక సాధనానికి వ్యాపార పథకం కింద వినియోగదారు లైసెన్సులను కొనుగోలు చేసింది. ఆరు వారాల తర్వాత, ప్రారంభించిన వారంలోనే ఎక్కువ మంది ప్రవేశించారని, వారానికి ఒకసారి ఉపయోగించేవారు కొద్దిమందేనని నిర్వాహక నియంత్రణ తెర చూపిస్తోంది. వారిలో ఎక్కువ మంది ఇంజినీరింగ్, మార్కెటింగ్ విభాగాల్లో ఉన్నారు. ముఖ్య నిర్వహణాధికారికి మొదట గుర్తుచేసే ఈమెయిల్ పంపాలనిపిస్తుంది. కానీ దానికి బదులుగా, ఇలా ఎందుకు జరిగిందో ముగ్గురు బృంద నాయకులను అడుగుతుంది.

సమాధానాలు నిర్దిష్టంగా ఉన్నాయి. వినియోగదారుల విజయ విభాగానికి వినియోగదారుల ఈమెయిళ్లను అతికించవచ్చో లేదో తెలియదు (నియమాల పత్రంలో ఉదాహరణలు లేకుండా 'గోప్యమైన డేటా వద్దు' అని మాత్రమే ఉంది). ఆర్థిక విభాగం ఒకసారి వ్యత్యాసాన్ని వివరించడానికి ప్రయత్నించింది, కల్పిత కారణం రావడంతో వాడటం మానేసింది. విక్రయ విభాగం అది 'మార్కెటింగ్ కోసం' అనుకుంది. పరిష్కారాలూ అంతే నిర్దిష్టంగా ఉంటాయి. వినియోగదారుల విజయ విభాగానికి ఒక నియమం ఇస్తారు: వినియోగదారుడి పేరు, సంస్థ స్థానంలో పూరించాల్సిన గుర్తులను పెట్టి ఈమెయిల్ పాఠ్యాన్ని అతికించండి. ఆర్థిక విభాగానికి 'సంఖ్యల్లో మార్పును వివరించు; నేను ఇచ్చిన గమనికల్లో ఉంటే తప్ప కారణం చెప్పవద్దు' అనే ప్రాంప్ట్‌తో ఒక పని, ప్రతి సంఖ్యను మళ్లీ లెక్కించాలనే తనిఖీ ఇస్తారు. విక్రయ విభాగానికి పేర్లతో రెండు పనులు ఇస్తారు: కాల్ గమనికలను సరిచేయడం, ఆ గమనికల ఆధారంగా తదుపరి సంప్రదింపు ముసాయిదాలు రాయడం.

ప్రతి బృంద నాయకుడు తమ బృందపు పనులపై ఒక 30 నిమిషాల అభ్యాస సమావేశాన్ని నిర్వహిస్తారు. నాలుగు వారాల తర్వాత, ముఖ్య నిర్వహణ అధికారి బృంద నాయకుడితో కలిసి ప్రతి బృందం నుంచి ఐదు ఫలితాలను పరిశీలిస్తారు; లాగిన్‌ల పట్టికను కాదు. రెండు పనులు సరిగ్గా సాగుతున్నాయి, ఒకదానికి మెరుగైన ప్రాంప్ట్ అవసరం. పునరుద్ధరణ ధరలపై ఈమెయిల్ ముసాయిదాలు రాసే మరో పనిని నిలిపివేస్తారు, ఎందుకంటే సమీక్షకుడు ప్రతి ముసాయిదానూ తిరిగి రాయాల్సి వచ్చింది. వినియోగంలోకి తీసుకురావడమంటే ఇదే: ప్రజలు నిజంగా ఉపయోగించే, తక్కువ సంఖ్యలో ఉన్నా మెరుగ్గా పనిచేసే పద్ధతులు.

AIని వినియోగంలోకి తీసుకురావడంలోని దశలు ఏమిటి?

అందరూ అంగీకరించిన ఒకే దశల నమూనా లేదు; సలహా సంస్థలు, సరఫరాదారులు వేర్వేరు నమూనాలను ప్రచురిస్తారు. చిన్న లేదా మధ్యస్థ సంస్థకు ఉపయోగపడే ఆచరణాత్మక వివరణలో నాలుగు దశలు ఉంటాయి: ప్రయోగించడం (వ్యక్తులు తరచుగా వ్యక్తిగత ఖాతాలతో ప్రయోగాలు చేస్తారు), ఆమోదించడం (ఒక సాధనం, వ్యాపార వినియోగ చందా, రాతపూర్వక నియమాలు), నిత్య వినియోగం (నిర్దిష్ట పనులను వాటికి బాధ్యులైన వ్యక్తులు సూచనలు, తనిఖీలతో ప్రతివారం నిర్వహిస్తారు), మెరుగుపరచడం (సంస్థ ఫలితాలను సమీక్షించి, బలహీనమైన పని విధానాలను నిలిపివేసి, ఉద్దేశపూర్వకంగా కొత్తవాటిని చేర్చుతుంది). ఇది సంపాదకీయ వివరణ మాత్రమే, ప్రచురిత చట్రం కాదు.

ఆమోదం నుంచి నిత్య వినియోగానికి మారడమే ముఖ్యమైన మార్పు. చాలా సంస్థలు ఆమోదం దగ్గరే ఆగిపోతాయి: వాటి వద్ద లైసెన్సులు, విధానం ఉంటాయి, అయినా పెద్దగా మార్పు ఎందుకు రాలేదని ఆశ్చర్యపడతాయి. నిత్య వినియోగానికి చేరాలంటే పనుల ఎంపిక, సాధన, సమీక్ష అవసరం. ఈ పేజీ వివరించేది ఆ పనినే.

మేనేజర్ ఏ సూచనలను గమనించాలి?

మొత్తం ప్రవేశాల సంఖ్యను కాకుండా, పని నాణ్యతను, నిర్దిష్ట పనులకు పదేపదే ఉపయోగిస్తున్నారా అన్నదాన్ని గమనించండి. ఉపయోగకరమైన సూచికలు ఇవి: ప్రతి వారం ఎన్ని ఆమోదించిన పనులను ఉద్దేశించిన విధంగా చేస్తున్నారు, సమీక్షించేవారు ఎంతవరకు సవరణలు చేస్తున్నారు, తప్పులు బృందం నుంచి బయటకు వెళ్లకముందే గుర్తిస్తున్నారా, ముసాయిదాలో తాము ఏమి మార్చారో ఉద్యోగులు వివరించగలుగుతున్నారా. ప్రవేశాల సంఖ్య ద్వారా వ్యవస్థను ఉపయోగిస్తున్నారని తెలుస్తుంది; పని మెరుగుపడుతోందో లేదో మాత్రం పెద్దగా తెలియదు.

స్వయంగా నివేదించిన ప్రయోజనాల విషయంలో జాగ్రత్తగా ఉండండి. ఒక సాధనం నచ్చినవారు అది ఆదా చేసే సమయాన్ని ఎక్కువగా అంచనా వేస్తారు; నచ్చనివారు తక్కువగా అంచనా వేస్తారు. ఒకే పనికి సంబంధించి ముందు, తర్వాత తీసిన కొన్ని నమూనాలను ఒకే వ్యక్తి సమీక్షించడం మెరుగైన ఆధారం. AI శిక్షణ పనిచేసిందో లేదో కొలవడం గురించి మా సమాధానంలో మరింత వివరంగా ఉంది.

ఏ సందర్భాల్లో వినియోగాన్ని పెంచాలని ఒత్తిడి చేయడం సరైన లక్ష్యం కాదు?

పనులు AIకి అనుకూలంగా లేనప్పుడు, ఫలితాన్ని సమీక్షించగలవారు ఎవరూ లేనప్పుడు, లేదా బృందం అసలు సమస్య పనిభారం లేదా పని ప్రక్రియ అయినప్పుడు, AI వినియోగాన్ని పెంచడమే లక్ష్యంగా పెట్టుకోవడం తప్పు. 'అందరూ రోజూ AI వాడాలి' వంటి లక్ష్యం, ఉపయోగం ఉన్నా లేకపోయినా వాడటాన్నే ప్రోత్సహిస్తుంది. విలువను జోడించకుండా ప్రమాదాన్ని పెంచే పనుల్లో AI వాడేలా ఉద్యోగులను నెట్టవచ్చు. కొన్ని ఉద్యోగ పాత్రల్లో AIని అరుదుగా వాడటంలో తప్పులేదు.

నియమాలు ఖరారు కాకపోతే ఇది సరైన లక్ష్యం కూడా కాదు. ఏ సమాచారం పంచుకోవచ్చో తెలియకముందే వినియోగాన్ని ప్రోత్సహిస్తే, నాయకత్వం ఆ సాధనాన్ని తొలగించేలా చేసే డేటా పొరపాట్లకే దారితీస్తుంది.

AI వినియోగాన్ని అలవర్చుకోవడంలో Tosheo.ai పాత్ర ఏమిటి?

AI వినియోగాన్ని అలవర్చుకోవడంలో సాధన భాగం కోసం Tosheo.aiని రూపొందిస్తున్నారు. ప్రారంభ సమయంలో నిర్వాహకులు ఉద్యోగ పాత్రలను, బృందం ఉపయోగించే AI సాధనాలను ఎంచుకునేలా ప్రణాళిక ఉంది. ప్రతి వ్యక్తి 5 నిమిషాల స్థాయి నిర్ధారణ పరీక్ష రాసి, ఆ తర్వాత 10 నుంచి 15 నిమిషాల పాఠాలను నేర్చుకుంటారు. ప్రతి పాఠం చివర నిజమైన AI సాధనంతో స్వయంగా చేయాల్సిన పని ఉంటుంది. కనిపించే మూల్యాంకన ప్రమాణాల ప్రకారం దాన్ని అంచనా వేస్తారు. ప్రణాళికలో ఉన్న నిర్వాహకుల పర్యవేక్షణ ఫలకం నైపుణ్య పురోగతిని, పూర్తి చేసిన వివరాలను చూపిస్తుంది; యథాతథ సంభాషణ రికార్డులను ఎప్పుడూ చూపించదు. అభ్యాసంలో పాల్గొనని వారికి గుర్తుచేసే సందేశాలు, నిర్వాహకులకు వారపు సారాంశం పంపేలా కూడా ప్రణాళిక ఉంది.

దీని నిర్మాణం ఇంకా ప్రారంభం కాలేదు, కాబట్టి వినియోగ ఫలితాలను చూపించడానికి ఏమీ లేవు. మీ నియమాలు ఇంకా ఖరారు కాకపోయినా, మీ బృందానికి AIకి తగిన పనులు లేకపోయినా ఇది సరైన పరిష్కారం కాదు; పై దశలను ఉపయోగించి ముందుగా వాటిని సరిచేయండి. ప్రతిపాదిత ధరలు ధరల పేజీలో ఉన్నాయి.

మూలాలు, పరిధి

DSIT, AI వినియోగంపై పరిశోధన నివేదిక (క్షేత్ర పరిశోధన ఫిబ్రవరి నుంచి మే 2025 వరకు), ప్రచురణ జనవరి 2026 ↗

GOV.UK, AI స్వీకరణ పరిశోధన ప్రచురణ పేజీ, ఫిబ్రవరి 2026లో సవరించబడింది ↗

Acas, AI వల్ల ఉద్యోగాలు పోతాయని 4 మందిలో 1 ఉద్యోగి ఆందోళన చెందుతున్నారు, 28 ఏప్రిల్ 2025 ↗

Acas, AI ఉత్పాదకతను పెంచుతుందని మూడింట ఒక వంతు యజమానులు భావిస్తున్నారు, 15 మే 2025 ↗