लेख ऐप्लिकेशन
ज़्यादातर AI पायलट कहीं क्यों नहीं पहुँचते
MIT ने पाया कि कंपनियों के 95% जनरेटिव AI पायलट मुनाफ़े पर कोई मापने लायक़ असर नहीं डालते। दिक़्क़त आख़िरी मील में है, जहाँ सॉफ़्टवेयर कंपनी से मिलता है।

2025 की गर्मियों में MIT की एक टीम ने एक रिपोर्ट प्रकाशित की, जिसमें एक कड़वा आँकड़ा था। जिन जनरेटिव AI पायलट का उसने अध्ययन किया, उनमें से क़रीब 95% का मुनाफ़े और घाटे पर कोई मापने लायक़ असर नहीं पड़ा। शोधकर्ताओं ने 150 एग्ज़ीक्यूटिव के इंटरव्यू किए, 350 कर्मचारियों का सर्वे किया और 300 सार्वजनिक डिप्लॉयमेंट देखे। कंपनियों ने पैसा ख़र्च किया और उन्हें कोई रिटर्न नहीं मिला।
यह नतीजा तेज़ी से फैला, कुछ इसलिए भी कि इससे ऐसा लगा मानो टेक्नोलॉजी काम नहीं करती। यह ऐसा कुछ नहीं कहता। लेखकों ने दोष “लर्निंग गैप” को दिया। टूल कंपनियों के काम करने के तरीक़े में फ़िट नहीं बैठे, उन्हें जो बताया गया वह उन्हें याद नहीं रहा, और इस्तेमाल के साथ वे बेहतर नहीं हुए। जो चैटबॉट डेमो में वाहवाही बटोरे और सोमवार तक सब भूल जाए, वह बजट वाला एक खिलौना है।
McKinsey का सालाना सर्वे दूसरी तरफ़ से यही इशारा करता है। 2025 में उसने जिन कंपनियों से पूछा, उनमें से 88% अपने कारोबार के कम से कम एक हिस्से में AI का इस्तेमाल कर रही थीं। सिर्फ़ क़रीब 6% ने कहा कि AI से उन्हें अहम फ़ायदा हुआ है और उनके ऑपरेटिंग मुनाफ़े का 5% या उससे ज़्यादा इससे आया है। अगस्त में छपे 2026 के संस्करण में भी यही 6% निकला। यानी ज़्यादातर कंपनियाँ AI का इस्तेमाल करती हैं, और बहुत कम इससे कमाती हैं।
पैसा कहाँ गया
MIT ने यह भी देखा कि कंपनियों ने पैसा कहाँ लगाया। जनरेटिव AI के आधे से ज़्यादा बजट सेल्स और मार्केटिंग टूल पर गए, जिन्हें ख़रीदना आसान है और बोर्ड को दिखाना भी। सबसे अच्छा रिटर्न बैक ऑफ़िस से आया, जहाँ AI ने आउटसोर्स की गई प्रक्रियाओं और एजेंसी के काम की जगह ली। व्यवहार में इसका मतलब है इनवॉइस, कॉन्ट्रैक्ट, क्लेम और ख़रीद। यह बिना चमक-दमक वाला काम है, जिसके नियम साफ़ हैं, इनपुट साफ़-सुथरे हैं और लागत ऐसी है जिसे हर कोई माप सकता है। इसीलिए शुरुआत के लिए यही सही जगह है।
दूसरा नतीजा बड़े IT विभागों को कम रास आएगा। विशेषज्ञ वेंडरों से ख़रीदे गए और पार्टनर के साथ मिलकर बनाए गए टूल क़रीब 67% मामलों में सफल रहे। पूरी तरह कंपनी के भीतर बनाए गए सिस्टम की सफलता दर इसकी सिर्फ़ एक तिहाई रही।
पायलट तो बना ही रुकने के लिए है
ज़्यादातर पायलट इसलिए नाकाम होते हैं क्योंकि उन्हें पायलट की तरह ही बनाया जाता है। वे डेटा के एक साफ़-सुथरे नमूने पर चलते हैं, असली सिस्टम के अंदर नहीं बल्कि उनके बग़ल में, कुछ उत्साही यूज़र के साथ, और नतीजे के लिए कोई ज़िम्मेदार नहीं होता। पायलट ख़त्म होने पर किसी को उसे ERP से जोड़ना होता है, डेटा संरक्षण की मंज़ूरी दिलानी होती है, बाक़ी 300 लोगों को ट्रेनिंग देनी होती है और उसकी ग़लतियों की ज़िम्मेदारी लेनी होती है। यह काम कभी योजना में था ही नहीं, इसलिए यह कभी होता भी नहीं।
प्रोडक्शन दूसरे सवालों से शुरू होता है। किस काम में सबसे ज़्यादा घंटे जाते हैं? डेटा कहाँ है, और उसे कौन देख सकता है? ग़लत जवाब की क़ीमत क्या है, और उसे पकड़ता कौन है? इससे हर महीने कितने फ़्रैंक बचेंगे? जो प्रोजेक्ट पहले हफ़्ते में इनके जवाब नहीं दे सकता, वह छठे महीने में भी नहीं देगा।
हम कैसे काम करते हैं
OptAI® में हम ग्राहक के असली डेटा पर, उन्हीं सिस्टम के अंदर जिन्हें वे पहले से इस्तेमाल करते हैं, पहला वर्ज़न बनाते हैं। पहले हफ़्ते में यह धीमा होता है और आठवें हफ़्ते तक कहीं तेज़, क्योंकि कुछ भी दोबारा नहीं बनाना पड़ता। काम को ऑटोमेट करने से पहले हम उसे मापते हैं, ताकि बचत एक आँकड़ा हो, एहसास नहीं। और हम शुरू में ही तय कर लेते हैं कि किस हालत में हम रुक जाएँगे।
MIT की स्टडी के उन 5% के पास किसी और से बेहतर मॉडल नहीं थे। उन्होंने एक सिरदर्द वाला काम चुना, उसे ठीक से जोड़ा और तब तक लगे रहे जब तक उसका पैसा वसूल न हो गया। यह किसी डेमो जितना रोमांचक नहीं है। पर बही-खाते में सिर्फ़ यही हिस्सा दिखता है।
स्रोत
- Fortune: MIT report, 95% of generative AI pilots at companies are failing, 18 August 2025
- Computing: MIT report, 95% of corporate generative AI pilots fail to deliver returns
- Virtualization Review: MIT report finds most AI business investments fail, 19 August 2025
- McKinsey: The state of AI in 2025, agents, innovation and transformation, 5 November 2025
- McKinsey: The state of AI in 2026, on the road to ROI, 25 August 2026
और लेख
एजेंटएजेंट को जॉब डिस्क्रिप्शन देंGartner का अनुमान है कि 2027 के अंत तक 40% से ज़्यादा एजेंटिक AI प्रोजेक्ट रद्द होंगे। Klarna का मामला दिखाता है कि सिर्फ़ लागत पर परखे गए एजेंट का क्या होता है।लेखक: Rea Stark
इंटीग्रेशनप्लंबिंग ही प्रोडक्ट हैप्रतिस्पर्धियों ने Anthropic का MCP अपनाया। OpenAI और 19 निवेशकों ने इंजीनियर तैनात करने वाली फ़र्म में 4 अरब डॉलर से ऊपर लगाए। AI का मूल्य कनेक्शन में है।लेखक: Rea Stark
लैबसबसे छोटा मॉडल, जो काम कर देNVIDIA के शोधकर्ता कहते हैं कि AI एजेंट का ज़्यादातर काम छोटे मॉडल बेहतर करते हैं। स्विस कंपनियों के लिए लागत, रफ़्तार और प्राइवेसी पर यह अच्छी ख़बर है।लेखक: Rea Stark