AI रोलआउट क्यों अटकते हैं, और आपकी कंपनी का दिमाग कहाँ रहना चाहिए

AI रोलआउट को अटकाने वाली आठ समस्याएँ, कुछ न बदलने वाले लाइसेंस से लेकर सुरक्षा पर रुके पायलट तक। ज़्यादातर की जड़ प्रक्रिया, डेटा और स्वामित्व में है, और इसमें यह सवाल भी शामिल है कि कंपनी का ज्ञान कहाँ रहना चाहिए।

  1. ग्राहक पर ध्यान
  2. प्रक्रिया और ज़िम्मेदारी
  3. साझा डेटा
  4. AI-सहायता वाला काम
AI को बुनियाद दें: ग्राहक, प्रक्रिया और उपयोग किए जाने वाले डेटा पर सहमति बनाएं।
संक्षेप में

एक RevOps सलाहकार ने मुझसे पूछा कि उनके क्लाइंट की कंपनी का ज्ञान कहाँ रहना चाहिए। मैं जितने AI रोलआउट अटकते देखता हूँ, उनमें से ज़्यादातर के पीछे यही सवाल होता है। यहाँ वे आठ समस्याएँ हैं जो मुझे सबसे ज़्यादा दिखती हैं, यह कि कोई दूसरा मॉडल इनमें से एक को भी ठीक क्यों नहीं करता, और यह कि कंपनी के दिमाग का मालिक खुद बनने के बारे में मैंने उनसे क्या कहा।

  • ज़्यादातर AI रोलआउट प्रक्रिया, डेटा और स्वामित्व पर अटकते हैं। मॉडल बदलने से इनमें से कुछ भी ठीक नहीं होता।
  • कंपनी का ज्ञान ऐसे डेटा स्टोर में रखें जो कंपनी का अपना हो, और उसके ऊपर तय परिभाषाएँ हों, ताकि हर असिस्टेंट एक ही जवाब दे।
  • यह काम अकेले IT को देने के बजाय अलग-अलग टीमों के लोगों से बनी एक टीम को दें, और एक बार में एक ही प्रक्रिया बदलें।

दिमाग कहाँ रहता है?

हाल ही में मेरी एक RevOps सलाहकार से उनके एक क्लाइंट के बारे में बात हुई, जो लगभग सौ लोगों वाली एक इंश्योरेंस ब्रोकर कंपनी है। कंपनी के पास AI टूल पहले से थे। जो नहीं था, वह एक ज़्यादा सीधे सवाल का जवाब था: दिमाग कहाँ रहता है? कॉल रिकॉर्डिंग और सपोर्ट टिकट से लेकर सेल्स ईमेल तक, कंपनी का सारा ज्ञान कहाँ जाना चाहिए, ताकि हर व्यक्ति और हर असिस्टेंट एक ही तस्वीर के आधार पर काम करे?

उन्होंने यह भी पूछा कि क्या Five Dots वह जगह हो सकता है। नहीं, और ऐसा जान-बूझकर है। Five Dots उसी AI सेटअप के अंदर काम करता है जो कंपनी के पास पहले से है, और कोई भी व्यावसायिक डेटा कभी हमें नहीं भेजा जाता। ज्ञान ऐसी जगह रहना चाहिए जिस पर कंपनी का नियंत्रण हो।

यह सवाल मेरे मन में बना रहा, क्योंकि मैं जितने AI रोलआउट अटकते देखता हूँ, उनमें से ज़्यादातर के पीछे यही सवाल होता है। AI लागू करते समय कंपनियों के सामने आने वाली समस्याओं की सूची बनाता हूँ, तो उनमें से लगभग किसी का भी संबंध मॉडल से नहीं होता। एक असिस्टेंट छोड़कर दूसरा अपनाने से सूची की एक भी समस्या ठीक नहीं होगी। सबकी जड़ प्रक्रिया, डेटा और स्वामित्व में है, यानी दूसरे शब्दों में, परिवर्तन प्रबंधन।

आठ समस्याएँ जो मुझे बार-बार दिखती हैं

ये तीन समूहों में बँटती हैं, और शायद ही कभी अकेली आती हैं। जिस कंपनी का CRM अव्यवस्थित होता है, उसके प्रक्रिया दस्तावेज़ भी आम तौर पर ऐसे होते हैं जिन्हें बरसों से किसी ने अपडेट नहीं किया, और दोनों मिलकर AI को कम भरोसेमंद बनाते हैं। इसी तरह कोई टीम आख़िरकार हर जवाब जाँचने लगती है।

AI रोलआउट अटकने की आठ वजहें · जो जानी-पहचानी लगें, उन पर टैप करें

प्रक्रिया

डेटा और निर्देश

भरोसा और स्वामित्व

जो समस्याएँ आपको जानी-पहचानी लगें, उन पर टैप करें और देखें कि कहाँ से पढ़ना शुरू करें।

प्रक्रिया कभी बदली ही नहीं

सबसे आम पैटर्न सबसे सीधा भी है। कंपनी सबके लिए लाइसेंस खरीदती है और फ़ायदे का इंतज़ार करती है। अलग-अलग लोग ड्राफ़्ट बनाने और सारांश लिखने में सचमुच तेज़ हो जाते हैं, और यह फ़ायदा असली है। इस बीच हर महीने का बिल बढ़ता जाता है, और उन लोगों के इर्द-गिर्द की प्रक्रिया वही है जो पिछले साल थी। ऐसा कुछ नहीं है जिसकी ओर इशारा करके कोई कह सके: इसमें अब आधा समय लगता है।

दूसरा पैटर्न है वह डेमो जो कभी लाइव नहीं होता। कोई एक प्रभावशाली एजेंट बनाता है, सबको दिखाता है, और फिर कुछ नहीं होता। उसका कोई ज़िम्मेदार व्यक्ति नहीं होता, उसे कभी लाइव डेटा से जोड़ा नहीं गया, और किसी टीम ने उसके लिए जगह बनाने के लिए अपने काम करने का तरीका नहीं बदला। डेमो दिखाता है कि कुछ संभव है। प्रक्रिया तभी बदलती है जब कोई तय करता है कि वह बदलेगी।

तीसरा पैटर्न आसानी से नज़र से छूट जाता है। जिन प्रक्रियाओं को मैं देखता हूँ, उनमें से कई में असल काम में कुल समय का छोटा-सा हिस्सा ही लगता है। ज़्यादातर समय किसी मंज़ूरी, हैंडऑफ़ या जवाब के इंतज़ार में जाता है, इसलिए काम को तेज़ करने से बहुत कम बदलता है। नीचे दिए मनगढ़ंत कोटेशन पर इसे आज़माकर देखें।

मनगढ़ंत उदाहरण · एक कोटेशन, ड्राफ़्ट से भेजने तक

कोटेशन तैयार करना20 मिनट
डिस्काउंट की मंज़ूरी का इंतज़ार2 दिन
लीगल टीम का इंतज़ार1 दिन

कोई काम कर रहा हैइंतज़ार

ड्राफ़्ट से भेजने तक का समय3 दिन और 20 मिनटबीस मिनट का काम, तीन दिन का इंतज़ार। अनुपात के हिसाब से बनाया जाए, तो काम वाला हिस्सा इतना पतला होगा कि दिखेगा ही नहीं।

अव्यवस्था के ऊपर बैठा कोपायलट

कंपनियाँ ऐसा असिस्टेंट चाहती हैं जो उनके ग्राहकों के बारे में सवालों के जवाब दे सके, जबकि उसके नीचे का डेटा दो CRM में पड़ा है, डुप्लिकेट से भरा हुआ, और साथ में एक अधिग्रहीत कंपनी का डेटा है जिसे कभी मर्ज नहीं किया गया। असिस्टेंट नहीं जान सकता कि कौन-सा रिकॉर्ड सही है। फिर भी वह जवाब देगा, और पूरे यक़ीन के साथ देगा।

एजेंटों को हर चीज़ से जोड़ देने से यह और बिगड़ता है। दर्जन भर टूल तक पहुँच वाला एजेंट अपने टोकन खोजने में खर्च कर देता है, और एक ही सवाल को दो बार चलाने पर वह अलग-अलग स्रोतों तक पहुँचकर अलग-अलग जवाब ला सकता है। एजेंट तब बेहतर काम करते हैं जब उनके पास गिने-चुने टूल हों और डेटा लेने की एक ही जगह हो।

फिर निर्देशों की बात आती है। जब IT कोई ऑटोमेशन बनाता है, तो वह अक्सर मानक संचालन प्रक्रियाओं से शुरुआत करता है। ये अक्सर पुरानी हो चुकी होती हैं, या बताती हैं कि बरसों पहले प्रक्रिया को कैसे चलना था। गलत निर्देशों पर बना एजेंट गलत काम तेज़ी से करता है, और हर बार करता है। किसी प्रक्रिया को ऑटोमेट करने से पहले उसे चलाने वाले लोगों के साथ बैठें और लिखें कि आज उसे कैसे चलना चाहिए।

ये तीनों समस्याएँ घूमकर उसी सलाहकार के सवाल पर लौटती हैं। एजेंटों को ज्ञान लेने के लिए एक ही जगह चाहिए, जिसमें साफ़ डेटा और तय परिभाषाएँ हों।

दिमाग के मालिक खुद बनें

मेरा जवाब था कि यह कंपनी का अपना होना चाहिए, किसी थर्ड-पार्टी टूल को नहीं सौंपा जाना चाहिए, चाहे वह टूल कितना भी सुविधाजनक हो। नई AI कंपनियाँ आती-जाती रहती हैं, और आप नहीं चाहेंगे कि आपके व्यवसाय का केंद्र उनमें से किसी एक के साथ गायब हो जाए। आप AI प्रदाता बदलने की आज़ादी भी बनाए रखना चाहते हैं। अगर आप अगले साल ChatGPT से Claude पर जाते हैं, या दोनों इस्तेमाल करते हैं, तो आपके ज्ञान को आपके साथ कहीं जाना नहीं पड़ना चाहिए।

सबसे अच्छा ठिकाना वह डेटा वेयरहाउस या डेटाबेस है जो कंपनी पहले से चला रही है, जैसे BigQuery या Supabase। असली काम है सब कुछ उसमें लाना, और उसके ऊपर नियमों पर सहमति बनाना: कौन कौन-सा डेटा देख सकता है, और एक स्टेजिंग एरिया, जहाँ बदलाव सबके पास पहुँचने से पहले परखे जा सकें।

उसके ऊपर एक सिमेंटिक लेयर होती है, जहाँ कंपनी लिखती है कि उसके डेटा का मतलब क्या है। सालाना आवर्ती राजस्व (ARR) एक ही तरीके से निकाला जाता है, इसलिए कोई चाहे Claude में पूछे, HubSpot में या किसी डैशबोर्ड में, उसे एक ही संख्या मिलती है।

जब तक आप यह समझ रहे हैं कि लोग क्या पूछते हैं, तब तक Notion या Google Docs से शुरुआत की जा सकती है। लेकिन दस्तावेज़ों पर क्वेरी करना मुश्किल है और उन्हें अप-टू-डेट रखना भी, इसलिए किसी भी मज़बूत व्यवस्था के लिए डेटा लेयर में निवेश करें। Claude पर RevOps चलाने की हमारी गाइड पूरा सेटअप कदम-दर-कदम बताती है।

  • CRM
  • सपोर्ट टिकट
  • ईमेल
  • कॉल ट्रांसक्रिप्ट
  • फ़ाइनेंस
वेंडर का AI टूलआपका ज्ञान, उनके प्रोडक्ट में
  • वेंडर का असिस्टेंट
  • Claudeवेंडर की शर्तों पर
  • ChatGPTवेंडर की शर्तों पर
  • डैशबोर्डवेंडर की शर्तों पर

ज्ञान किसी और के प्रोडक्ट में रखा है। AI प्रदाता बदलें, या वेंडर ही न रहे, तो उसे वहाँ से निकालकर ले जाना पड़ता है।

यह अकेले IT का काम नहीं

समस्याओं का आख़िरी समूह भरोसे से जुड़ा है। जब AI बस इतनी बार गलत होता है कि कोई हर पंक्ति जाँचने लगे, तो बचाया हुआ समय सीधे जाँच में वापस चला जाता है। बेहतर प्रॉम्प्ट से यह शायद ही कभी ठीक होता है। डेटा और परिभाषाएँ ठीक करने से होता है, और फिर जाँच उतनी ही रखी जा सकती है जितना दाँव पर हो।

सुरक्षा और होस्टिंग की समीक्षाएँ भरोसे से जुड़ी दूसरी समस्या हैं। साफ़ बिज़नेस केस वाले पायलट भी वहीं रुक जाते हैं, क्योंकि डेटा कहाँ जाएगा, यह सवाल किसी ने बिल्कुल आख़िर तक पूछा ही नहीं। सुरक्षा टीम को पहले हफ़्ते में शामिल करें, आख़िरी हफ़्ते में नहीं।

यहीं से मैं फिर दिमाग पर लौटता हूँ। मैंने सलाहकार को सुझाव दिया कि वे अपने क्लाइंट की लीडरशिप से कहें कि इसकी अगुवाई अकेले IT को न करने दें। कंपनी का ज्ञान हर चीज़ का केंद्र है, और इतना अहम है कि इसमें गलती नहीं की जा सकती। इसके लिए अलग-अलग टीमों के लोगों से बनी एक छोटी टीम चाहिए, जो इसे मिलकर बनाए, इसकी देखरेख करती रहे, और रास्ते में भरोसे से जुड़े ज़्यादातर सवाल सुलझा दे।

कितनी जाँचइस्तेमाल से पहले एक नज़र
कौन जाँचता हैइस्तेमाल करने वाला व्यक्ति

हर चीज़ की पूरी जाँच करेंगे, तो बचाया हुआ समय जाँच में ही चला जाएगा।

कंपनी के ज्ञान की ज़िम्मेदारी किसकी है

  • IT या डेटा टीमप्लेटफ़ॉर्म, और किसके पास एक्सेस है
  • RevOpsकमर्शियल डेटा और परिभाषाएँ
  • हर क्षेत्र के प्रमुखअपना-अपना क्षेत्र: फ़ाइनेंस, लीगल, सपोर्ट
  • सुरक्षापहले हफ़्ते से शामिल

कहाँ से शुरू करें

अगर इनमें से कुछ समस्याएँ आपको जानी-पहचानी लगती हैं, तो आप अकेले नहीं हैं। ज़्यादातर समाधान तकनीकी नहीं हैं। वे प्रक्रिया, डेटा और स्वामित्व से जुड़े फ़ैसले हैं, और एक बार में एक प्रक्रिया लेकर ये फ़ैसले लेना आसान होता है। किसी प्रक्रिया में AI लाने से पहले ये चीज़ें तैयार होनी चाहिए।

किसी प्रक्रिया में AI लाने से पहले · जो आपके पास है, उस पर टिक करें

0 /hi 6ऊपर से शुरू करें: एक प्रक्रिया, जिसे ईमानदारी से मैप किया गया हो।

स्रोत और आगे पढ़ने के लिए

तरीके को काम में लाएँ।

मुफ़्त GTM ऑडिट उसी Claude सेटअप में चलाइए जो आपके पास पहले से है.

01 /hi AI और ऑपरेशंस

Claude को अपना RevOps सिस्टम बनाएँ: सेटअप गाइड

Claude को अपनी कंपनी का रेवेन्यू ऑपरेशंस सिस्टम कैसे बनाएँ: पहले रणनीति, फिर एक तटस्थ डेटा स्टोर, एक सिमेंटिक लेयर, साफ़ डेटा, और उसके बाद ऑटोमेशन, Slack और CRM का सवाल।

Haris OdobasicHaris Odobasic17 मिनट पढ़ने का समय
02 /hi AI और RevOps

मैंने Claude में अपने RevOps एजेंट पहले ही बना लिए हैं। फिर Five Dots क्यों जोड़ूँ?

अगर आप RevOps का काम पहले से Claude में अपने एजेंटों से चला रहे हैं, तो Five Dots उस सेटअप की जगह नहीं लेता। यह उसमें एक पद्धति और 100 से अधिक RevOps प्रोजेक्ट से निकला ज्ञान आधार जोड़ता है, जो लगातार बढ़ रहा है।

Haris OdobasicHaris Odobasic6 मिनट पढ़ने का समय