AI की कई दुनिया

सारांश: AI कारोबार के हर हिस्से को एक जैसी रफ़्तार से नहीं बदल रहा है. यह कोडिंग जैसे व्यवस्थित और परखे जा सकने वाले कामों में तेज़ी से आगे बढ़ता है, लेकिन ऐसे कामों में अटक जाता है जहां अस्पष्टता हो, ग्राहक सीधे जुड़े हों और ग़लती महंगी व सार्वजनिक हो. यह लेख समझाता है कि अलग-अलग उद्योगों में AI की क्रांति अलग-अलग गति से कैसे आगे बढ़ रही है और इसका कारोबार व निवेशकों के लिए क्या मतलब है.

पिछले कुछ हफ़्तों की दो कहानियां इस बात को साफ़ करती हैं कि AI के साथ हम अभी कहां खड़े हैं. इन्हें साथ रखकर देखिए.

पहली कहानी सेल्सफोर्स की है, जो एंटरप्राइज़ सॉफ़्टवेयर की दिग्गज कंपनी है और कस्टमर-फेसिंग कामों में AI अपनाने वालों में सबसे आगे रही है. लगभग एक साल पहले, सीईओ मार्क बेनिऑफ़ ने कहा था कि AI एजेंट लगाने से कंपनी ने अपने सपोर्ट स्टाफ को 9,000 से घटाकर लगभग 5,000 कर दिया है. भविष्य आ चुका था. फिर हक़ीक़त सामने आई. 2025 के आख़िरी महीनों और 2026 की शुरुआत की रिपोर्ट बताती हैं कि कंपनी अब AI पर अपनी निर्भरता घटा रही है, क्योंकि व्यापक असफलता सामने आई. AI एजेंट के जवाबों में, अंदरूनी रिपोर्ट के शब्दों में, “high variance” (बहुत फ़र्क) था, जिसका मतलब है कि पूरे भरोसे के साथ ग़लत जवाब देना. निर्देश देने की लंबी श्रृंखला में “instruction dropping” (निर्देश मानने में कमी) यानी आठ से ज़्यादा चरण होने पर कुछ चरण छोड़ देना दिखा. “drift” यानी अनुमानित सवाल पर मुख्य काम से भटक जाना भी दिखा. बड़े ग्राहकों ने शिकायत की कि AI-आधारित सपोर्ट को समस्या हल करने में पुराने सर्च फ़ंक्शन से ज़्यादा समय लग रहा है. अब सेल्सफोर्स उस चीज़ की ओर लौट रहा है जिसे वह “deterministic automation” (तय ऑटोमेशन) कह रहा है, यानी फिर से सख़्त, नियम-आधारित स्क्रिप्टिंग. जिस कंपनी ने AI अपनाने के लिए हज़ारों लोगों को हटाया था, वही अब कॉर्पोरेट भाषा में यह मान रही है कि उनका भरोसा टेक्नोलॉजी की असली क्षमता से ज़्यादा था.

दूसरी कहानी किसी एक हेडलाइन से नहीं जुड़ी है, बल्कि माहौल के बदलाव की कहानी है. पिछले कुछ महीनों में AI और सॉफ़्टवेयर के विकास को लेकर बातचीत पूरी तरह बदल गई है. छह महीने पहले तक संदेह में रहने वाले सीनियर डेवलपर, टेक्निकल लीड और रोज़ कोड लिखने वाले लोग अब अलग-अलग स्तर की चिंता या उत्साह के साथ कह रहे हैं कि इंसानों द्वारा कोड लिखने का दौर समाप्ति की ओर है. ऐसा किसी दूर भविष्य में नहीं, बल्कि बहुत जल्द होता है. टूल्स एक नई सीमा पार कर चुके हैं. जो पहले सहायक था, वह अब लगभग स्वायत्त सहयोगी जैसा हो गया है. पूरे फ़ीचर AI द्वारा बहुत कम मानवीय हस्तक्षेप के साथ जारी किए जा रहे हैं. उत्पादकता में बढ़त अब मामूली नहीं, बल्कि संरचनात्मक है.

दोनों बातें एक साथ सच कैसे हो सकती हैं? कस्टमर सर्विस जैसे दिखने में सरल क्षेत्र में AI इतनी बुरी तरह असफल कैसे हो सकता है, जबकि सॉफ़्टवेयर विकास जैसे जटिल क्षेत्र में क्रांति ला रहा है?

मेरा मानना है कि समस्या हमारी सोच में है. हम AI को एक एकीकृत ताक़त की तरह देखते हैं, जो पूरी अर्थव्यवस्था में लगभग एक जैसी गति से फैल जाएगी. लेकिन कारोबार में AI एक कहानी नहीं है. यह कई समानांतर कहानियां हैं, जो बहुत अलग रफ़्तार से चल रही हैं. कुछ क्षेत्रों ने सच में उड़ान भर ली है. कुछ अब भी उद्योग की भाषा में “pilot purgatory” (यानि बार-बार टेस्ट या ट्रायल) में फंसे हैं. और यह फ़र्क AI की बुद्धिमत्ता से कम और ढांचे से ज़्यादा जुड़ा है.

यह कोई सैद्धांतिक बात नहीं है. पिछले कुछ वर्षों में, मैंने वैल्यू रिसर्च में अलग-अलग हिस्सों में AI अपनाने की प्रक्रिया को संभाला है, जिनमें सॉफ़्टवेयर डेवलपमेंट, कंटेंट, आंतरिक टूल और सबसे बढ़कर वेबसाइट व सार्वजनिक वेब-आधारित टूल शामिल हैं. इन क्षेत्रों में AI की अलग-अलग रफ़्तार का अनुभव सीधे तौर पर हुआ है. यह ढांचा अनुभव से निकला है, न कि सिर्फ़ रिसर्च पेपर पढ़ने से.

पिछले दो वर्षों में मैंने AI पर काफ़ी लिखा है, अंधे उत्साह और पूरी अस्वीकृति के बीच संतुलन बनाने की कोशिश की है. 2024 के आख़िर में मैंने लिखा था कि “इस बार, बात अलग है” और EV बदलाव की तरह इससे दूर रहना संभव नहीं है. इस बात पर आज भी क़ायम हूं. एक साल बाद मैंने लिखा कि क्रांति असली है, लेकिन हर कंपनी सफल होगी या हर प्रोडक्ट को तुरंत AI से जोड़ना ज़रूरी है, यह मान लेना ग़लत है. इस पर भी क़ायम हूं. हाल में मैंने लिखा कि नियंत्रित माहौल में AI का प्रदर्शन और असली दुनिया में उसका असर, दोनों के बीच की दूरी अब भी बहुत ज़्यादा है.

अब लगता है कि इस दूरी को और सटीक ढंग से समझा जा सकता है. यह बेतरतीब नहीं है. यह संरचनात्मक है. AI कुछ दुनियाओं में फलता-फूलता है और कुछ में संघर्ष करता है. असल में, कारण वे नहीं हैं, जो आम तौर पर माने जाते हैं.

कोडिंग को देखिए. इसमें स्पष्ट संरचना है, सिंटैक्स है, टेस्ट है और परिणाम तय होते हैं. कोड चलता है या नहीं, आउटपुट को मशीन से परखा जा सकता है. फ़ीडबैक तुरंत मिलता है. AI ग़लती करे तो टेस्ट फेल होता है, डेवलपर या अब कई बार खुद AI सुधार कर आगे बढ़ जाता है. ग़लतियां निजी होती हैं और सुधारी जा सकती हैं. बग महंगा पड़ सकता है, लेकिन सुधार हो सकता है. काम अलग-अलग हिस्सों में बांटा जा सकता है और हर हिस्से का स्वतंत्र मूल्यांकन संभव है.

यह भी पढ़ेंः लाखों बग्स का मुकाबला AI नहीं कर सकता

एक अहम बात यह भी है कि कोड लिखना पूरे सॉफ़्टवेयर प्रोडक्ट बनाने का सिर्फ़ 10 से 20 प्रतिशत हिस्सा है. बाक़ी हिस्सा यह समझना है कि क्या बनाना है, क्यों बनाना है, मौजूदा सिस्टम में कैसे फिट होगा, टूटने पर क्या होगा और ग्राहकों के व्यवहार व विशेष स्थितियों की समझ. किसी टेक्नोलॉजी आधारित कारोबार की कुल वैल्यू में असल कोड का हिस्सा शायद 10 प्रतिशत के आसपास हो. AI ने इस 10-20 प्रतिशत को बहुत बदल दिया है. बाक़ी 80-90 प्रतिशत को कितना बदल पाएगा, यह अलग सवाल है और यहीं सेल्सफोर्स का अनुभव अहम बन जाता है.

अब ग्राहक सेवा को देखिए, जहां सेल्सफोर्स और कई अन्य कंपनियां मुश्किल में पड़ गईं. काग़ज़ पर यह आसान लगता है. सवाल दोहराए जाने वाले हैं, बड़े स्तर पर डेटा मौजूद है और इरादा पहचानना सरल लगता है. लेकिन असलियत में यह क्षेत्र बारूदी सुरंग जैसा है. ग्राहक जानकारी को व्यवस्थित करने के बारे में बात नहीं करते. भावना, व्यंग्य और सांस्कृतिक संदर्भ अहम होते हैं. एक ग़लत जवाब सोशल मीडिया पर नाराज़गी, नियामकीय शिकायत या क़ानूनी कार्रवाई तक पहुंच सकता है, क्योंकि असफलता सार्वजनिक होती है. AI की ग़लती की ज़िम्मेदारी किसकी है? और वे 5 प्रतिशत जटिल मामले 50 प्रतिशत परेशानी पैदा करते हैं, जहां इंसान बेहतर साबित होते हैं और स्क्रिप्ट विफल.

यह बुद्धिमत्ता का सवाल नहीं, बल्कि आर्थिक और व्यावहारिक क़ीमत ( error economics) का सवाल है. AI वहां सफल होता है जहां ग़लतियां सस्ती, निजी और सुधारी जा सकें. जहां ग़लतियां महंगी, सार्वजनिक और स्थायी हों, वहां यह संघर्ष करता है. परखने की क्षमता, उलटने की क्षमता और दोहराने की क्षमता असली निर्धारक हैं.

इस ढांचे से कारोबारी दुनिया को तीन हिस्सों में बांटा जा सकता है- तेज़, मध्यम और धीमी दुनिया. तेज़ दुनिया में कोडिंग, डेटा बदलाव, आंतरिक एनालेसिस और इंफ़्रास्ट्रक्चर ऑटोमेशन आते हैं. मध्यम दुनिया में मार्केटिंग कॉपी, सेल्स सपोर्ट और आंतरिक ज्ञान की खोज. धीमी दुनिया में ग्राहक से सीधे संवाद, HR के फ़ैसले और भारी कंप्लायंस वाले काम. एक ही कंपनी में ये तीनों दुनिया साथ मौजूद होती हैं, जिससे असमान उत्पादकता, संगठनात्मक तनाव और ऊपरी स्तर पर ग़लत उम्मीदें पैदा होती हैं.

यह भी पढ़ेंः कुछ भी नया नहीं...

कई अधिकारी इसे ग़लत समझते हैं, क्योंकि वे AI को “customer service AI” या “coding AI” जैसे काम के नाम से वर्गीकृत करते हैं, न कि उस ढांचे से जो सफलता तय करता है. कोडिंग इसलिए सफल हुई क्योंकि वह ऐसे सिस्टम से मेल खाती है जो कभी-कभी ग़लत हो सकते हैं. आज ही एक उदाहरण मिला. Bajaj Finance की Q3 कॉल में सीईओ राजीव जैन ने कहा, “AI ने 2 करोड़ कॉल सुनीं, आवाज़ को टेक्स्ट में बदला और डेटा बनाया. 5.2 लाख ग्राहकों के लिए टेक्स्ट-टू-डेटा बदलाव हुआ और 1 लाख नए ऑफ़र बने.” उन्होंने कहा कि AI-आधारित कॉल सेंटर से लगभग ₹1,600 करोड़ के लोन बांटे गए, जो तिमाही का करीब 10 प्रतिशत है. जैन ने कहा, “Q1 और Q2 में यह क्षमता नहीं थी. इसे अभी लागू किया गया है. हम अगले साल 100 मिलियन कॉल सुन पाएंगे.”

जैसी कि उम्मीद थी, X पर प्रतिक्रिया बहुत मज़ेदार थी. जैसा कि श्री जैन को छोड़कर पूरा देश जानता है, बजाज फ़ाइनेंस के लगातार और बिना सोचे-समझे किए जाने वाले स्पैम कॉल्स अनगिनत मज़ाक और मीम्स का विषय हैं. यहां एक CEO गर्व से घोषणा कर रहा था कि AI उन्हें और ज़्यादा कॉल्स-एडवांस्ड टेक्नोलॉजी का इस्तेमाल करके ऐसी चीज़ को ऑप्टिमाइज़ करके- और भी ज़्यादा ऑफ़र पाने में मदद करेगा, जिससे कस्टमर सच में नफ़रत करते हैं. यह इस बात को नज़रअंदाज़ करने की एक मास्टरक्लास है: AI का इस्तेमाल उसी एक्टिविटी को बढ़ाने के लिए किया जा रहा है जो ब्रांड को नुकसान पहुंचाती है. मशीन पूरी तरह से सीख रही है; यह इंसानी सीख है जो गायब है.

भारतीय निवेशकों के लिए यह ढांचा TCS, Infosys, Wipro, HCL Tech और Cognizant जैसी IT सर्विस कंपनियों को समझने में अहम है. ये कंपनियां तेज़ दुनिया (कोडिंग, सॉफ्टवेयर डेवलपमेंट और डेटा बदलाव) का काम करती हैं, लेकिन सर्विस के रूप में बेचती हैं.

यह भी पढ़ेंः चलिए बोरिंग हो जाएं

बिज़नेस मॉडल की समस्या यह है: ये कंपनियां ज़्यादातर टाइम और मटीरियल या हेडकाउंट के आधार पर बिल बनाती हैं. अगर AI किसी डेवलपर को दोगुना प्रोडक्टिव बनाता है, तो क्लाइंट के सामने एक चॉइस होती है: आउटपुट के लिए दोगुना पेमेंट करें, या टीम को आधा कर दें. इंसेंटिव गलत तरीक़े से मिलते हैं. IT सर्विस कंपनी मेहनत बेचती है; क्लाइंट आउटकम चाहता है. AI प्रोडक्टिविटी गेन सर्विस ख़रीदने वाले को मिलते हैं, ज़रूरी नहीं कि बेचने वाले को. यह एक प्रोडक्ट कंपनी से बिल्कुल अलग है, जहां इंटरनल प्रोडक्टिविटी गेन सीधे मार्जिन में जाते हैं.

इसके अलावा, ये कंपनियां जो भी करती हैं, उसमें से ज़्यादातर प्योर ग्रीनफ़ील्ड कोडिंग नहीं है - यह मेंटेनेंस, लेगेसी सिस्टम मैनेजमेंट, क्लाइंट-स्पेसिफिक कस्टमाइज़ेशन, चेंज रिक्वेस्ट को हैंडल करना और यह समझना है कि क्लाइंट असल में क्या चाहता है, न कि उन्होंने रिक्वायरमेंट डॉक्यूमेंट में क्या बताया है. टेक्निकल काम के आस-पास इस सर्विस रैपर में ठीक वही कन्फ्यूजन और इंसानी फ़ैसले शामिल हैं जो धीमी दुनिया की ख़ासियत है. क्लाइंट के बिज़नेस कॉन्टेक्स्ट को समझना, इंटरनल पॉलिटिक्स को समझना, कुछ गलत होने पर उम्मीदों को मैनेज करना - ये बहुत हद तक इंसानी स्किल्स हैं. कोडिंग ऑटोमेटेबल हो सकती है; रिलेशनशिप मैनेजमेंट उतना नहीं.

दोनों कंपनियों की पोजीशन एक जैसी नहीं है. TCS, अपने बड़े स्केल और डाइवर्सिफ़िकेशन के साथ, ट्रेडिशनल हेडकाउंट मॉडल से काफी हद तक जुड़ी हुई है. इंफोसिस ने खुद को प्लेटफ़ॉर्म और प्रोडक्ट्स के आस-पास ज़्यादा रखने की ज़्यादा कोशिश की है, जो शायद सिर्फ AI-संवर्धित लेबर देने के बजाय AI इम्प्लीमेंटेशन सर्विसेज़ बेचने के लिए बेहतर पोज़िशन में है. कॉग्निजेंट, जो बहुत ज़्यादा US-फोकस्ड और काफी हद तक सर्विसेज़-ओरिएंटेड है, शायद इस मुश्किल सवाल से सबसे ज़्यादा जूझ रही है: अगर AI डेवलपर्स को प्रोडक्टिव बनाता है, तो मुझे इतने सारे कॉग्निजेंट डेवलपर्स की ज़रूरत क्यों है?

यह भी पढ़ेंः नेगेटिव, पॉज़िटिव और आपका पैसा

सकारात्मक पक्ष यह है कि इन कंपनियों के पास डोमेन की गहरी नॉलेज, दशकों पुराने ग्राहक संबंध और पुराने सिस्टम की ऐसी समझ है, जिसे कोई AI आसानी से नहीं दोहरा सकता. हाल ही में मैंने डेविड सैक्स का हवाला देते हुए लिखा था: “सोचिए, पिछले 25 वर्षों में सेल्सफोर्स के कोड बेस पर कितनी बग रिपोर्ट आई होंगी. शायद लाखों. उस सिस्टम को हज़ारों बड़े ग्राहकों और एंटरप्राइज़ ने परखा है.” भारतीय IT सर्विस कंपनियों के पास भी अपने ग्राहकों के सिस्टम के बारे में इसी तरह की संस्थागत यादें हैं. वे AI से प्रतिस्पर्धा करने के बजाय AI बदलाव को लागू करने वाली कंपनियां बन सकती हैं, यानी AI के आसपास कंसल्टिंग और इंटीग्रेशन सर्विस बेच सकती हैं.

नकारात्मक पक्ष यह है कि इनका मूल मॉडल, कम लागत पर कुशल भारतीय प्रतिभाओं द्वारा पश्चिमी ग्राहकों के लिए काम करना, दोनों तरफ़ से दबाव में आ सकता है. AI से मानवीय मेहनत की ज़रूरत कम होती है और जो काम बचता है, वह ज़्यादा निर्णय आधारित क्षमता वाला हो सकता है, जहां लागत का फ़र्क कम मायने रखता है.

निवेशक के सामने असली सवाल यह है कि निवेश कोडिंग कंपनी में है, जहां AI जोड़ने वाला है और उत्पादकता का फ़ायदा कंपनी को मिल सकता है, या सर्विस कंपनी में है, जहां AI से बढ़ी उत्पादकता का फ़ायदा ग्राहक को जाएगा और मार्जिन पर दबाव बढ़ेगा. जवाब शायद असहज रूप से दोनों का मिश्रण है. यही कारण है कि यहां अंधा आशावाद या निराशावाद नहीं, बल्कि सोच-समझकर एनालिसिस करने की ज़रूरत है.

तो AI के बदलते परिदृश्य में रास्ता तलाशने वाले समझदार निवेशक के लिए इसका मतलब क्या है?

पहला, जब भी किसी कारोबारी कामकाज के साथ “AI” जुड़ा दिखे, सबसे अहम सवाल पूछिए: अगर यह ग़लत हो जाए तो क्या होगा? अगर जवाब में ग्राहक, नियामक या साख का जोखिम शामिल है, तो प्रगति उतनी तेज़ नहीं होगी जितनी बोर्डरूम की प्रस्तुति में दिखाई जाती है. अगर जवाब यह है कि ग़लती चुपचाप पकड़ ली जाएगी और ठीक कर दी जाएगी, तो वह बिल्कुल अलग दुनिया है.

यह भी पढ़ेंः हर निवेशक के भीतर है एक कबूतर

दूसरा, उन कंपनियों के दावों पर गहरा संदेह रखिए जो कहती हैं कि AI ने उनके कस्टमर-फेसिंग वाले काम को पूरी तरह बदल दिया है. सेल्सफोर्स कोई अपवाद नहीं है, बल्कि चेतावनी है. संभावनाओं पर आधारित AI सिस्टम और निश्चितता व जवाबदेही चाहने वाले इंसानों के बीच का ढांचा अब भी पूरी तरह सुलझा नहीं है. जैसा इस महीने की शुरुआत में लिखा था: “मैं तब मानूंगा कि AI कस्टमर सर्विस की नौकरियां बदल रहा है, जब AI सपोर्ट एजेंट के साथ एक संतोषजनक अनुभव हो जाए. बस एक.”

तीसरा, यह समझिए कि बाज़ार अभी AI को एक घटना की तरह अहमियत दे रहा है, जबकि असल में यह कई समानांतर प्रयोग हैं, जिनमें कुछ सफल हो रहे हैं और कुछ अटके हुए हैं. विजेता वे नहीं होंगे जो सिर्फ़ “AI इस्तेमाल” करते हैं, बल्कि वे होंगे जो समझते हैं कि AI ढांचे के स्तर पर कहां काम कर सकता है और उतना ही महत्वपूर्ण, कहां नहीं कर सकता.

चौथा, भारतीय IT सर्विस कंपनियों के लिए आने वाले कुछ साल तय करेंगे कि वे मेहनत बेचने से नतीजे बेचने की ओर बदलाव कर पाती हैं या नहीं. जो यह बदलाव कर लेंगी, वे AI-सक्षम दुनिया में आगे बढ़ सकती हैं. जो सिर्फ़ हेडकाउंट मॉडल से चिपकी रहेंगी, वे अपने ही ग्राहकों की उत्पादकता बढ़त के दूसरे छोर पर खड़ी मिल सकती हैं.

कारोबार में AI की कहानी एक समान रूप से तेज़ी की नहीं है. यह चुनिंदा उड़ानों की कहानी है. कोडिंग अब AI से कहीं आगे निकल चुकी है. कस्टमर सर्विस भी इसी तरह की समस्या से जूझ रही है. ज़्यादातर दूसरे काम इनके बीच कहीं खड़े हैं, जबकि उन्हें अक्सर एक नई ऊंचाई के ज़्यादा क़रीब समझ लिया जाता है. निवेशकों के लिए असली कौशल यह नहीं है कि AI बदलाव लाएगा या नहीं, वह लाएगा, बल्कि यह समझना है कि कौन-सी दुनिया तेज़ी से बदलेगी और कौन-सी ज़मीन से चिपकी रहेगी. AI की कई दुनिया एक-दूसरे में मिल नहीं रहीं. वे अलग-अलग दिशाओं में जा रही हैं. और यही अलगाव तय करेगा कि कौन-सा निवेश सफल होगा और कौन-सा निराश करेगा.

यह भी पढ़ेंः एक सोचने समझने वाले निवेशक की ताक़त