AI संचालन मॉडल और कौशल
AI संचालन मॉडल बताता है कि AI प्रणालियों का स्वामी कौन है, उनका वित्तपोषण कैसे होता है, उन्हें कैसे बनाया या ख़रीदा, चलाया और सेवानिवृत्त किया जाता है, और लोगों को कौन-से कौशल चाहिए; यह तब काम करता है जब हर AI उपयोग को जीवनचक्र वाले उत्पाद की तरह प्रबंधित किया जाए, एक छोटी सक्षमकारी टीम दूसरों की मदद करे, और क्षमता केवल पाठ्यक्रमों से नहीं, अभ्यास से बने।
यह क्यों मायने रखता है
संगठन शायद ही कभी AI को नियोजित ढंग से अपनाते हैं। एक टीम उपकरण ख़रीदती है, दूसरी प्रोटोटाइप बनाती है, कोई विक्रेता एक सुविधा चालू कर देता है। हर निर्णय स्थानीय रूप से समझ में आता है। साथ मिलकर वे एक ऐसी संपदा बनाते हैं जिसे किसी ने डिज़ाइन नहीं किया: दोहराए गए उपकरण, असंगत नियंत्रण, अस्पष्ट स्वामित्व, और ऐसी लागतें जो चालानों पर सामने आती हैं। जब कुछ ग़लत होता है, तो कोई नहीं जानता कि ज़िम्मेदार कौन है। जब कुछ अच्छा होता है, तो कोई उसे दोहरा नहीं पाता।
संचालन मॉडल "हम संगठन के रूप में AI के साथ कैसे काम करते हैं?" का उत्तर है। यह भूमिकाओं और ज़िम्मेदारियों का, निर्णय कैसे लिए जाते हैं, काम का वित्तपोषण कैसे होता है, प्रणालियाँ कैसे बनाई या ख़रीदी और चालू रखी जाती हैं, और लोग कैसे सीखते हैं, इसका वर्णन करता है। इसका बड़ा होना ज़रूरी नहीं। छोटे संगठन का मॉडल एक पृष्ठ में आ सकता है। मायने यह रखता है कि प्रश्नों के उत्तर हों।
AI के लिए यह ज़रूरत अन्य प्रौद्योगिकी की तुलना में अधिक तीखी है क्योंकि AI प्रणालियाँ बदलती हैं: विक्रेता मॉडल अद्यतन करते हैं, डेटा खिसकता है, और व्यवहार विचलित होता है। उन्हें निरंतर देखभाल चाहिए, जो उत्पाद टीम देती है, उस परियोजना से नहीं जो लॉन्च पर समाप्त हो जाती है। यह विषय AI संचालन मॉडल के मुख्य तत्वों और उनसे जुड़े कौशलों का वर्णन करता है। यह उत्पाद स्वामित्व («विषय 2.8 — उत्पाद और सेवा स्वामित्व»), AI गवर्नेंस («विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन») और वित्तीय प्रबंधन («विषय 4.5 — वित्तीय प्रबंधन और FinOps») पर बना है, और संगठनात्मक परिवर्तन («विषय 8.3 — संगठनात्मक परिवर्तन और अपनाना») से जुड़ता है।
मूल अवधारणाएँ
संचालन मॉडल। इसका वर्णन कि संगठन मूल्य कैसे डिलीवर करता है: उसकी संरचना, प्रक्रियाएँ, लोग, प्रौद्योगिकी और गवर्नेंस। Wikipedia संचालन मॉडल (operating models) का वर्णन करता है। AI संचालन मॉडल वह हिस्सा है जो कवर करता है कि AI कैसे चुनी, वित्तपोषित, बनाई या ख़रीदी, चलाई, शासित और सुधारी जाती है।
उत्पाद के रूप में AI। AI प्रणाली के उपयोगकर्ता, उद्देश्य, बैकलॉग, लागत और जीवनचक्र होते हैं। इसे स्वामी वाला उत्पाद मानें, जैसा «विषय 2.8 — उत्पाद और सेवा स्वामित्व» में वर्णित है। स्वामी परिणामों, डेटा, गुणवत्ता और जोखिम के लिए, और यह तय करने के लिए जवाबदेह है कि कब सुधारना या सेवानिवृत्त करना है।
जीवनचक्र। चरणों में शामिल हैं: अवसर पहचानना, मूल्य और जोखिम का आकलन, बनाना या ख़रीदना, परीक्षण, तैनाती, संचालन और निगरानी, सुधार, और सेवानिवृत्ति। मशीन लर्निंग ऑपरेशंस (MLOps), जिसका वर्णन Wikipedia पर है, मॉडलों के जीवनचक्र पर इंजीनियरिंग अनुशासन लागू करता है: संस्करण-नियंत्रण, तैनाती, निगरानी और पुनः प्रशिक्षण। विक्रेता के मॉडलों के लिए वही चरण लागू होते हैं, कम तकनीकी हिस्सों और अधिक अनुबंध तथा निगरानी के साथ।
भूमिकाएँ। विशिष्ट भूमिकाओं में शामिल हैं: कार्यकारी प्रायोजक, हर प्रणाली का AI उत्पाद स्वामी, उसे बनाने और चलाने वाले इंजीनियर, उपयोग किए गए डेटा के डेटा स्वामी, सुरक्षा और गोपनीयता साझेदार, क़ानूनी सलाहकार, और वे लोग जो उसे उपयोग करते हैं और जो उससे प्रभावित हैं। छोटी टीमें भूमिकाएँ मिला लेती हैं। उन्हें नामित करें, और स्पष्ट करें कि निर्णय कौन लेता है।
सक्षमकारी टीम या उत्कृष्टता केंद्र। एक छोटा समूह जो अन्य टीमों को AI का अच्छी तरह उपयोग करने में मदद करता है: वह मार्गदर्शन, टेम्पलेट, अनुमोदित उपकरण, प्रशिक्षण, और उच्च जोखिम वाले उपयोगों की समीक्षा देता है। Wikipedia उत्कृष्टता केंद्र (centers of excellence) का वर्णन करता है। जोखिम यह है कि वह बाधा या द्वार बन जाए। अच्छा केंद्र सुरक्षित रास्ते को आसान रास्ता बनाता है, और टीमों के लिए नहीं, टीमों के साथ काम करता है।
केंद्रीय, संघीय और अंतःस्थापित मॉडल। केंद्रीय मॉडल में एक टीम सबके लिए AI बनाती और चलाती है। अंतःस्थापित (एम्बेडेड) मॉडल में हर उत्पाद टीम अपना स्वयं करती है। संघीय मॉडल साझा प्लेटफ़ॉर्म और मानकों को स्थानीय स्वामित्व के साथ मिलाता है। अधिकांश संगठन संघीय मिश्रण पर पहुँचते हैं। उपयोग के पैमाने, उपलब्ध कौशल और जोखिम के आधार पर चुनें।
बनाएँ, ख़रीदें या कॉन्फ़िगर करें। हर AI उपयोग को आंतरिक रूप से बनाया जा सकता है, उत्पाद के रूप में ख़रीदा जा सकता है, या मॉडल और आपके अपने डेटा से जोड़कर तैयार किया जा सकता है। Wikipedia बनाने-या-ख़रीदने के निर्णयों को लागत-लाभ विश्लेषण (cost–benefit analysis) का रूप बताता है। कुल लागत, विक्रेता पर निर्भरता का जोखिम, डेटा पर नियंत्रण, गति, और आपको चाहिए कौशलों पर विचार करें। «विषय 3.14 — आपूर्तिकर्ता प्रबंधन» देखें।
वित्तपोषण। जहाँ AI प्रणालियाँ महत्त्वपूर्ण हैं वहाँ उन्हें एकबारगी परियोजनाओं के रूप में नहीं, स्थायी टीमों वाले उत्पादों के रूप में वित्तपोषित करें। चलाने की लागतें शामिल करें, जैसे उपयोग शुल्क, होस्टिंग, निगरानी और सहायता। प्रति उपयोग-मामला और प्रति परिणाम लागत ट्रैक करें। «विषय 4.5 — वित्तीय प्रबंधन और FinOps» देखें।
प्लेटफ़ॉर्म और साझा सेवाएँ। साझा घटक, जैसे अनुमोदित मॉडल गेटवे, प्रॉम्प्ट और कौशल पुस्तकालय, मूल्यांकन ढाँचा, डेटा कैटलॉग और लॉगिंग, दोहराया प्रयास घटाते हैं और नियंत्रण आसान बनाते हैं। «विषय 5.7 — AI कौशल और प्रॉम्प्ट» देखें।
डेटा की नींव। AI को ऐसा डेटा चाहिए जो सटीक, सुलभ और शासित हो। AI की कई पहलें मॉडलों पर नहीं, डेटा पर अटकती हैं। «विषय 7.2 — डेटा की नींव और गवर्नेंस» देखें।
कौशल और क्षमता। लोगों को कई तरह के कौशल चाहिए: यह समझना कि AI क्या कर सकती है और क्या नहीं (जिसे अक्सर AI साक्षरता कहते हैं, डिजिटल साक्षरता (digital literacy) का एक रूप जिसका वर्णन Wikipedia पर है), स्पष्ट प्रॉम्प्ट लिखना और परिणाम जाँचना, जोखिम आकलन, प्रणालियाँ बनाना और परखना, और डेटा का प्रबंधन। अलग-अलग भूमिकाओं को अलग गहराई चाहिए। Wikipedia कौशल-उन्नयन (upskilling) और पुनःप्रशिक्षण (retraining) को कौशल बनाने के तरीक़ों के रूप में वर्णित करता है।
करके सीखना। कौशल सबसे अधिक वास्तविक काम पर प्रतिक्रिया के साथ अभ्यास से बढ़ते हैं, जिसे संक्षिप्त प्रशिक्षण और उदाहरण सहारा देते हैं। अभ्यास-समुदाय (communities of practice), जिनका वर्णन Wikipedia पर है, लोगों को साझा करने में मदद करते हैं कि क्या काम करता है। अनुभवी और नए उपयोगकर्ताओं की जोड़ी बनाएँ। «विषय 8.5 — सीखने के मार्ग और प्रमाणन» देखें।
लोगों और भूमिकाओं पर प्रभाव। AI कार्यों को बदलती है, और कुछ भूमिकाओं में आवश्यक लोगों की संख्या भी। Wikipedia प्रौद्योगिकीजन्य बेरोज़गारी (technological unemployment) को लंबे समय से बहस वाली चिंता के रूप में वर्णित करता है। कर्मचारियों से अपने इरादों के बारे में ईमानदार रहें, उन्हें डिज़ाइन में शामिल करें, और पुनःतैनाती तथा पुनःकौशल की योजना बनाएँ। «विषय 8.3 — संगठनात्मक परिवर्तन और अपनाना» देखें।
मूल्य और परिणाम। परिभाषित करें कि हर AI प्रणाली को कौन-सा परिणाम सुधारना चाहिए, जैसे समाधान का समय, गुणवत्ता या उपयोगकर्ता संतुष्टि, आधार-रेखा और मापने के तरीक़े के साथ। Wikipedia निवेश पर प्रतिफल (return on investment) और उसकी सीमाओं का वर्णन करता है। ऐसे बचत-अनुमानों से सावधान रहें जो "बचा" समय गिनते हैं पर उसे कभी पुनः आवंटित नहीं करते।
मानक और आश्वासन। ISO/IEC 42001 और NIST AI जोखिम प्रबंधन फ्रेमवर्क जैसे फ्रेमवर्क प्रबंधन-प्रणाली के उन तत्वों का वर्णन करते हैं जिन्हें संचालन मॉडल को कवर करना चाहिए। «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» देखें।
पायलट और विस्तार। अवधारणा के प्रमाण (proofs of concept) सस्ते और अक्सर प्रभावशाली होते हैं। विस्तार में समस्याएँ आती हैं: डेटा की गुणवत्ता, एकीकरण, सुरक्षा, लागत और सहायता। Wikipedia अवधारणा का प्रमाण (proof of concept) का वर्णन करता है। शुरू से ही पायलट से उत्पादन तक जाने की योजना बनाएँ, यह भी कि उसे कौन चलाएगा।
दृष्टियाँ कैसे फ़िट होती हैं। संचालन मॉडल AI दृष्टि को संगठित करता है। एजाइल अभ्यास स्थायी उत्पाद टीमों और छोटे परीक्षणों का सुझाव देता है। स्वचालन और विश्लेषण पड़ोसी हैं: स्वचालन AI के आउटपुट पर कार्रवाई करता है, और विश्लेषण डेटा तथा माप देता है।
सर्वोत्तम अभ्यास
- हर महत्त्वपूर्ण AI प्रणाली को उत्पाद मानें। एक स्वामी, एक टीम, एक बैकलॉग, एक बजट और जीवनचक्र नामित करें, जिसमें सेवानिवृत्ति शामिल हो। हर प्रणाली के मूल्य और जोखिम की नियमित समीक्षा करें।
- भूमिकाएँ और निर्णय के अधिकार लिख लें। बताएँ कि प्रायोजक कौन है, हर प्रणाली का स्वामी कौन है, उच्च जोखिम वाले उपयोग कौन अनुमोदित करता है, और किसे रोकने का अधिकार है। इसे एक पृष्ठ में रखें।
- एक छोटी सक्षमकारी टीम बनाएँ। उसे मार्गदर्शन, उपकरण, प्रशिक्षण और समीक्षा देने का जनादेश दें, और उसे इस पर मापें कि वह टीमों की कितनी मदद करती है, इस पर नहीं कि कितने द्वार चलाती है।
- बनाने, ख़रीदने या कॉन्फ़िगर करने का चुनाव प्रमाण पर करें। हर मामले के लिए कुल लागत, जोखिम, डेटा पर नियंत्रण, गति और कौशलों की तुलना करें। निर्णय दर्ज करें और परिस्थितियाँ बदलने पर दोबारा देखें।
- चलाने की लागतों को शुरू से वित्तपोषित करें। केवल निर्माण का नहीं, उपयोग शुल्क, निगरानी, सहायता और सुधार का भी बजट बनाएँ। प्रति उपयोग-मामला और प्रति परिणाम लागत ट्रैक करें।
- साझा प्लेटफ़ॉर्म दें। पहुँच, लॉगिंग, मूल्यांकन, और प्रॉम्प्ट तथा कौशलों के लिए अनुमोदित उपकरण और सामान्य सेवाएँ दें। अनुमोदित रास्ते को जुगाड़ से तेज़ बनाएँ।
- डेटा में निवेश करें। डेटा स्वामी नामित करें, उपयोग-मामलों को रोकने वाली गुणवत्ता की समस्याएँ ठीक करें, और स्रोत दर्ज करें। पहले उपयोग-मामलों को जिस डेटा की ज़रूरत है उससे शुरू करें।
- भूमिका के अनुसार कौशल बनाएँ। सबके लिए छोटा, व्यावहारिक प्रशिक्षण, निर्माताओं और स्वामियों के लिए गहन प्रशिक्षण, और वास्तविक कार्यों पर अभ्यास का समय दें। जो काम करे उसे साझा करने की जगहें बनाएँ।
- लोगों के बारे में ईमानदार रहें। बताएँ कि भूमिकाओं और कर्मचारी-संख्या के बारे में आपका क्या इरादा है, काम के नए तरीक़े डिज़ाइन करने में कर्मचारियों को शामिल करें, और जिनका काम बदलता है उनकी सहायता करें।
- पायलट से उत्पादन तक का रास्ता योजनाबद्ध करें। पायलट से पहले तय करें कि सफलता क्या है, उसे कौन चलाएगा, उसे कौन-से नियंत्रण चाहिए, और बड़े पैमाने पर उसकी क्या लागत होगी। जो पायलट उन परीक्षाओं को पूरा नहीं कर सकते उन्हें रोकें।
अपनी टीम के साथ चर्चा के प्रश्न
हमारे उपयोग की हर AI प्रणाली का स्वामी कौन है, और उसे कब बदलना या रोकना है यह कौन तय करता है? सूची का उपयोग करें। ख़ाली जगहों की अपेक्षा रखें। फ़ॉलो-अप में तीन सबसे महत्त्वपूर्ण प्रणालियों के लिए स्वामी सौंपें और निर्णय के अधिकार दर्ज करें।
हम चाहते हैं कि केंद्रीय AI समूह हमारे लिए क्या करे, और क्या हर टीम के पास रहना चाहिए? मदद बनाम नियंत्रण पर चर्चा करें। मानक चाहने वालों और गति चाहने वालों के बीच अलग राय की अपेक्षा रखें। फ़ॉलो-अप में तीन सेवाएँ सूचीबद्ध करें जो समूह को देनी चाहिए।
हमारी पिछली AI ख़रीद या निर्माण के लिए, क्या हमने विकल्पों की तुलना की थी, और आज हम क्या तय करेंगे? निर्णय का रिकॉर्ड देखें। कम की अपेक्षा रखें। फ़ॉलो-अप में बनाने, ख़रीदने या कॉन्फ़िगर करने के निर्णयों के लिए एक छोटा टेम्पलेट तय करें।
हमारे AI उपयोगों की निरंतर लागतें क्या हैं, और उन्हें कौन चुकाता है? संख्याएँ माँगें। अज्ञात की अपेक्षा रखें, विशेषकर उपयोग शुल्क में। फ़ॉलो-अप में एक उपयोग-मामला चुनें और लागत का अनुमान बनाएँ।
अपनी नौकरियों में AI का अच्छी तरह उपयोग करने के लिए लोगों को कौन-से कौशल चाहिए, और वे उन्हें कैसे पाएँगे? भूमिका के अनुसार पूछें। जाँचने और सीमाएँ समझने में ख़ाली जगहों की अपेक्षा रखें। फ़ॉलो-अप में वास्तविक कार्यों पर अभ्यास सत्र की योजना बनाएँ।
हमने कर्मचारियों को क्या बताया है कि AI उनके काम को कैसे बदलेगी, और क्या वे उस पर विश्वास करते हैं? कर्मचारियों से सीधे पूछें। चिंता की अपेक्षा रखें। फ़ॉलो-अप में सहमत हों कि नेता ईमानदारी से क्या कह सकते हैं और लोगों की सहायता के लिए क्या करेंगे।
व्यवहार में: सेवा प्रबंधन का एक उदाहरण
एक राष्ट्रीय पर्यावरण संरक्षण एजेंसी में अपने विभागों में फैले 30 AI उपयोग हैं: चैट सहायक, असामान्य सेंसर रीडिंग चिह्नित करने वाला मॉडल, परामर्श-प्रतिक्रियाओं का सारांश बनाने वाला उपकरण, और शोध समूहों द्वारा चलाए गए कई पायलट। नई मुख्य डिजिटल अधिकारी पाती हैं कि तीन विभाग समान ट्रांसक्रिप्शन सेवाओं के लिए भुगतान करते हैं, दो पायलट बिना निर्णय के एक साल से अधिक चल रहे हैं, और कोई नहीं बता सकता कि एजेंसी AI पर कितना ख़र्च करती है।
वे IT, डेटा, सुरक्षा और क़ानूनी विभागों से चार लोगों की एक छोटी सक्षमकारी टीम बनाती हैं। उसका पहला काम सूची है, जो एक महीने में पूरी होती है। दूसरा एक पृष्ठ का संचालन मॉडल है: हर AI उपयोग का व्यवसाय में एक नामित स्वामी है; सक्षमकारी टीम लॉगिंग के साथ अनुमोदित मॉडल गेटवे, समीक्षित प्रॉम्प्ट और कौशलों का पुस्तकालय, और मध्यम तथा उच्च जोखिम वाले उपयोगों के लिए दस कार्य-दिवस के भीतर जोखिम समीक्षा देती है; और तिमाही पोर्टफ़ोलियो बैठक तय करती है कि किन पायलटों को बढ़ाना, बदलना या रोकना है।
पोर्टफ़ोलियो बैठक उन पाँच पायलटों को रोकती है जिनका स्वामी या माप नहीं है, और तीन ट्रांसक्रिप्शन अनुबंधों को एक में समेकित करती है। सेंसर-विसंगति मॉडल के लिए, जो प्रदूषण अलर्ट के निर्णयों का समर्थन करता है, स्वामी डेटा गुणवत्ता की समीक्षा कराता है और विचलन की निगरानी स्थापित करता है। दो सबसे मूल्यवान प्रणालियों का वित्तपोषण परियोजना बजट से उपयोग शुल्क सहित वार्षिक टीम बजट में चला जाता है।
कौशल पर, टीम सभी कर्मचारियों के लिए AI के सुरक्षित उपयोग पर दो घंटे का व्यावहारिक सत्र, और प्रणालियाँ बनाने या उनके स्वामी रहने वाले 40 लोगों के लिए लंबा पाठ्यक्रम देती है। अभ्यास-समुदाय हर महीने मिलता है। कर्मचारियों का प्रतिनिधित्व करने वाला संघ पूछता है कि AI का नौकरियों के लिए क्या अर्थ है; मुख्य डिजिटल अधिकारी लिखित में वचन देती हैं कि कार्यक्रम का उपयोग दो वर्षों के भीतर पद घटाने के लिए नहीं होगा, और समय की बचत निरीक्षण कार्य के बैकलॉग में जाएगी।
क्या बदलता है: एजेंसी के पास एक सूची, स्पष्ट स्वामी और मदद माँगने की एक जगह है। क्या कठिन रहता है: कुछ शोध समूह समीक्षा-मार्ग को ब्रेक की तरह देखते हैं और अब भी अनौपचारिक उपकरण चलाते हैं; दो प्रणालियों के लिए उपयोग की लागतें अनुमान से अधिक हैं और बजट समायोजित नहीं हुआ; और नौकरियों पर प्रतिबद्धता उन विकल्पों को सीमित करती है जिन्हें वित्त खुला रखना चाहता है। मुख्य डिजिटल अधिकारी मार्ग की गति और बजट की तिमाही समीक्षा करती हैं।
चार दृष्टिकोण
उत्पाद और डिलीवरी टीमें
अपनी AI प्रणालियों के उत्पाद के रूप में स्वामी बनें: बैकलॉग, निगरानी, लागत और सेवानिवृत्ति। साझा प्लेटफ़ॉर्म और अनुमोदित पुस्तकालय उपयोग करें। सक्षमकारी टीम से मदद जल्दी माँगें।
सेवा और संचालन टीमें
AI प्रणालियाँ चलाने में हिस्सा लें और जो देखें उसकी रिपोर्ट करें। आउटपुट जाँचना सीखें, और विचलन तथा त्रुटियों के बारे में स्वामियों को बताएँ। साझा उपकरण उपयोग करें।
नेतृत्व और गवर्नेंस
मॉडल को प्रायोजित करें, स्वामी सौंपें, और स्थायी टीमों तथा चलाने की लागतों का वित्तपोषण करें। मूल्य और जोखिम के साथ पोर्टफ़ोलियो दृश्य माँगें। भूमिकाओं पर प्रभाव के बारे में कर्मचारियों से ईमानदार रहें।
ग्राहक और उपयोगकर्ता
आपको पता होना चाहिए कि आपको प्रभावित करने वाली AI प्रणाली के लिए कौन ज़िम्मेदार है और चिंता कैसे उठाएँ। पूछें कि आपकी प्रतिक्रिया स्वामी तक कैसे पहुँचती है।
एजाइल, AI, स्वचालन और विश्लेषण
एजाइल
AI उत्पादों को स्थायी टीमों, छोटे चक्रों, और उपयोगकर्ताओं तथा हितधारकों के साथ नियमित समीक्षा के साथ चलाएँ। संचालन मॉडल को स्वयं छोटे क़दमों में सुधारने योग्य मानें। सावधानी: निश्चित योजना के साथ बड़ा AI कार्यक्रम लॉन्च करने से बचें; कुछ उपयोग-मामलों से शुरू करें और सीखें।
AI
यह विषय स्वयं AI के प्रबंधन के बारे में है: स्वामी, जीवनचक्र, वित्तपोषण और कौशल। AI पोर्टफ़ोलियो विश्लेषण और दस्तावेज़ीकरण में मदद कर सकती है, समीक्षा के अधीन। सावधानी: जो सक्षमकारी टीम सब कुछ या कुछ भी अनुमोदित नहीं करती वह विश्वसनीयता खो देती है; समीक्षा को जोखिम के अनुसार बढ़ाएँ-घटाएँ। «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» देखें।
स्वचालन
साझा प्लेटफ़ॉर्म में सूची के फ़ीड, लागत रिपोर्टिंग, लॉगिंग और नीति-जाँचें स्वचालित करें, ताकि सुरक्षित रास्ता आसान रास्ता भी हो। सावधानी: जो स्वचालन अनुमोदित विकल्प के बिना उपयोग रोकता है वह लोगों को छाया उपकरणों की ओर धकेलता है। «विषय 6.1 — स्वचालन रणनीति» देखें।
विश्लेषण
पोर्टफ़ोलियो ट्रैक करें: उपयोगों की संख्या, स्वामी, प्रति उपयोग-मामला लागत, मूल्य के माप, घटनाएँ, समीक्षा के समय, और कौशल कवरेज। सावधानी: AI परियोजनाओं या प्रशिक्षित कर्मचारियों की गिनती गतिविधि को पुरस्कृत करती है, परिणाम को नहीं; उन्हें मूल्य और गुणवत्ता के मापों से जोड़ें। «विषय 7.3 — मापन और रिपोर्टिंग» और सेवा प्रबंधन मेट्रिक्स पुस्तक देखें।
आम विफलता के तरीके
- उपकरणों का जंजाल। हर टीम अपना ख़रीदती है। सूची रखें और समेकित करें।
- बिना स्वामी की प्रणालियाँ। कोई उनका रखरखाव या उन्हें बंद नहीं करता। स्वामी नामित करें और पोर्टफ़ोलियो की समीक्षा करें।
- उत्पाद नहीं, परियोजनाएँ। लॉन्च के बाद टीमें बिखर जाती हैं। महत्त्वपूर्ण प्रणालियों के लिए स्थायी टीमों का वित्तपोषण करें।
- द्वारपाल केंद्र। सक्षमकारी टीम काम रोकती है। उसे प्रतिक्रिया-लक्ष्यों वाली सेवा बनाएँ।
- चलाने की लागतों की अनदेखी। उपयोग शुल्क बजट को चौंकाते हैं। उन्हें शुरू से शामिल करें।
- अभ्यास के बिना प्रशिक्षण। पाठ्यक्रम में लोग शामिल होते हैं पर आदतें नहीं बदलतीं। वास्तविक कार्यों पर अभ्यास कराएँ।
- नौकरियों पर चुप्पी। भय फैलता है। बताएँ कि आपका क्या इरादा है और कर्मचारियों को शामिल करें।
परिपक्वता मॉडल
| आयाम | आरंभ | विकास | मानकीकरण | प्रबंधन | समन्वय |
|---|---|---|---|---|---|
| स्वामित्व और भूमिकाएँ | अस्पष्ट | चैंपियन | हर प्रणाली के लिए नामित स्वामी और निर्णय के अधिकार | परिणामों के साथ भूमिकाओं की समीक्षा | उद्यम और साझेदारों में भूमिकाएँ समन्वित |
| वित्तपोषण और जीवनचक्र | परियोजना का धन | कुछ चलाने का वित्तपोषण | मुख्य प्रणालियों के लिए स्थायी वित्तपोषण, जीवनचक्र परिभाषित | लागत और मूल्य की नियमित समीक्षा | मूल्य और जोखिम के अनुसार पोर्टफ़ोलियो वित्तपोषित और पुनः संतुलित |
| प्लेटफ़ॉर्म और सक्षमीकरण | व्यक्तिगत उपकरण | साझा मार्गदर्शन | अनुमोदित प्लेटफ़ॉर्म, पुस्तकालय और समीक्षा सेवा | उपयोग और संतुष्टि मापी जाती है | गवर्नेंस और स्वचालन के साथ प्लेटफ़ॉर्म एकीकृत |
| कौशल | तदर्थ | जागरूकता प्रशिक्षण | अभ्यास सहित भूमिका-आधारित सीखना | ज़रूरतों के विरुद्ध कौशल ट्रैक | बदलाव के समर्थन के साथ कार्यबल भर में कौशल नियोजित |
जाँच-सूची
- हर महत्त्वपूर्ण AI प्रणाली का नामित उत्पाद स्वामी है।
- भूमिकाएँ और निर्णय के अधिकार एक पृष्ठ पर लिखे हैं।
- एक छोटी सक्षमकारी टीम उपकरण, मार्गदर्शन और समीक्षा देती है।
- बनाने, ख़रीदने या कॉन्फ़िगर करने के निर्णय दर्ज हैं।
- चलाने की लागतों का बजट है और वे प्रति उपयोग-मामला ट्रैक होती हैं।
- साझा प्लेटफ़ॉर्म सेवाएँ अनुमोदित रास्ते को आसान बनाती हैं।
- प्रशिक्षण भूमिका-आधारित है और उसमें वास्तविक कार्यों पर अभ्यास शामिल है।
- हमने कर्मचारियों को ईमानदारी से बताया है कि AI उनके काम को कैसे प्रभावित करेगी।
AI प्रॉम्प्ट
बनाने, ख़रीदने और कॉन्फ़िगर करने की तुलना करें।
हमारा उपयोग-मामला: [वर्णन करें]। हमारी बाधाएँ: [डेटा की संवेदनशीलता, कौशल, बजट, समय-सीमा]। विकल्प: [सूची]।
मानदंडों (तीन वर्ष में कुल लागत, डेटा पर नियंत्रण, गति, निर्भरता का जोखिम, आवश्यक कौशल, बदलने की क्षमता) के साथ तुलना तालिका का मसौदा बनाएँ और हर विकल्प के लिए बताएँ कि मेरे वर्णन से हम क्या जानते हैं और क्या नहीं। कोई विकल्प न चुनें और लागतें न गढ़ें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
चर्चा के लिए एक पृष्ठ के संचालन मॉडल का मसौदा बनाएँ।
हमारा संगठन: [प्रकार, आकार]। आज हमारे AI उपयोग: [सूची]। हमारी गवर्नेंस संस्थाएँ: [सूची]।
भूमिकाओं, निर्णय के अधिकारों, वित्तपोषण के तरीक़े, AI कैसे बनाई या ख़रीदी जाती है, जोखिम समीक्षा कैसे काम करती है, और कौशल कैसे बनाए जाते हैं, के साथ एक पृष्ठ का संचालन मॉडल बनाएँ। हर मान्यता चिह्नित करें और जहाँ मेरे वर्णन में आधार नहीं है वहाँ [blank] छोड़ें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
भूमिका के अनुसार कौशलों की योजना बनाएँ।
हमारी टीम की भूमिकाएँ: [हर एक क्या करती है उसके साथ सूची]। नियोजित AI उपयोग: [सूची]।
हर भूमिका के लिए आवश्यक कौशल (AI का उपयोग, आउटपुट जाँचना, जोखिम, निर्माण, डेटा), वास्तविक काम पर एक अभ्यास-गतिविधि, और यह देखने का एक तरीक़ा कि कौशल बढ़ा है, सूचीबद्ध करें। पाठ्यक्रमों या विक्रेताओं के नाम न दें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
AI कौशल
- portfolio-management: मूल्य और जोखिम के लिए AI पोर्टफ़ोलियो की समीक्षा के लिए उपयोग करें।
- mlops: मॉडलों को उनके जीवनचक्र में प्रबंधित करने के लिए उपयोग करें।
- training-needs-analysis: हर भूमिका को चाहिए कौशल परिभाषित करने के लिए उपयोग करें।
- raci-matrix: भूमिकाएँ और निर्णय के अधिकार स्पष्ट करने के लिए उपयोग करें।
- roi-analysis: AI उपयोगों की लागत और लाभ तौलने के लिए उपयोग करें।
प्रमुख स्रोत
- NIST, AI Risk Management Framework: ऐसा ढाँचा जिसमें गवर्नेंस और संगठनात्मक भूमिकाएँ शामिल हैं।
- ISO/IEC 42001 (मानक स्वयं): AI के लिए प्रबंधन-प्रणाली की आवश्यकताएँ; वर्तमान संस्करण प्रकाशक से पढ़ें।
- Marty Cagan, Empowered (2020): उत्पाद टीमों और संगठन उनका समर्थन कैसे करते हैं, इस पर।
- Wikipedia, "MLOps" और "Operating model": जीवनचक्र और अवधारणा का अवलोकन।
संदर्भ
- Operating model — Wikipedia — https://en.wikipedia.org/wiki/Operating_model
- MLOps — Wikipedia — https://en.wikipedia.org/wiki/MLOps
- Center of excellence — Wikipedia — https://en.wikipedia.org/wiki/Center_of_excellence
- Product management — Wikipedia — https://en.wikipedia.org/wiki/Product_management
- Cost–benefit analysis — Wikipedia — https://en.wikipedia.org/wiki/Cost%E2%80%93benefit_analysis
- Digital literacy — Wikipedia — https://en.wikipedia.org/wiki/Digital_literacy
- Community of practice — Wikipedia — https://en.wikipedia.org/wiki/Community_of_practice
- Technological unemployment — Wikipedia — https://en.wikipedia.org/wiki/Technological_unemployment
- Return on investment — Wikipedia — https://en.wikipedia.org/wiki/Return_on_investment
- Proof of concept — Wikipedia — https://en.wikipedia.org/wiki/Proof_of_concept
- AI Risk Management Framework — NIST — https://www.nist.gov/itl/ai-risk-management-framework