एजेंसियों के लिए AI रेडीनेस असेसमेंट: सबसे कमज़ोर आयाम ही क्यों तय करता है

क्या आपकी एजेंसी AI के लिए तैयार है? चार चीज़ें परखें: कॉन्टेक्स्ट, लोग, प्रोसेस और प्लेटफ़ॉर्म। फिर अपने सबसे अच्छे स्कोर को अनदेखा कर दें। AI-नेटिव बनने की कोशिश में 18 महीने लगा चुके सिंगापुर की एक एजेंसी के संस्थापक के अनुसार, आपका सबसे कमज़ोर आयाम ही आपकी रेडीनेस का स्तर तय करता है। इसीलिए सबको AI कोर्स पर भेज देना, जो "स्किल कैसे बढ़ाएं?" का डिफ़ॉल्ट जवाब है, अक्सर बहुत कम बदलता है।

लोगों वाला सवाल अब और तीखा होता जा रहा है। Marketing Dive ने पिछले महीने Gartner की रिसर्च रिपोर्ट की, जिसके अनुसार 1,303 वरिष्ठ मार्केटिंग लीडर्स में से 18% AI के कारण कुछ पद पहले ही खत्म कर चुके हैं और 16% ने नई भूमिकाएं बनाई हैं। Gartner का अनुमान है कि 2030 तक अधिकतर उच्च-प्रदर्शन वाली मार्केटिंग टीमें पारंपरिक एंट्री-लेवल नौकरियां खत्म कर देंगी, और वह CMO से आग्रह करता है कि प्रतिभा की पाइपलाइन काटने के बजाय जूनियर्स को पहले ही ऊंचे मूल्य वाला काम दें। अगर बाकी एजेंसी उन्हें सहारा देने के लिए तैयार नहीं है, तो यह करना कठिन है।

AI रेडीनेस असेसमेंट असल में क्या मापता है?

इस सप्ताह सिंगापुर में एक AI अडॉप्शन सत्र में बोलते हुए संस्थापक ने रेडीनेस को चार आयामों में समेट दिया। जैसा कि डायग्राम दिखाता है:

• कॉन्टेक्स्ट: AI जिस पर भरोसा कर सके ऐसा क्या लिखित रूप में मौजूद है। ब्रीफ़, ब्रांड गाइडलाइन, पुराना काम, क्लाइंट का इतिहास, आपके काम करने का तरीका।
• लोग: किसे AI से असली काम मिल रहा है, और कौन पीछे छूट रहा है।
• प्रोसेस: काम असल में कैसे चलता है, SOP से परे।
• प्लेटफ़ॉर्म: आप किसके लिए भुगतान करते हैं, और उसका कितनी गहराई से उपयोग होता है।

ज़्यादातर एजेंसियां सिर्फ़ आख़िरी आयाम को परखती हैं, और वह भी ठीक से नहीं। वे लाइसेंस गिनती हैं। जिस लाइसेंस का कोई ठीक से इस्तेमाल नहीं करता, वह लागत है, क्षमता नहीं।

आपका सबसे कमज़ोर आयाम आपकी रेडीनेस क्यों तय करता है?

क्योंकि AI का काम चारों से होकर गुज़रता है और सबसे संकरे बिंदु पर अटक जाता है। जैसा उनकी स्लाइड में कहा गया था, आपका सबसे कमज़ोर आयाम आपकी रेडीनेस का स्तर तय करता है; आपका सबसे मज़बूत आयाम रेडीनेस के बारे में कुछ नहीं बताता।

तीन एजेंसियों की कल्पना कीजिए। एक क्रिएटिव शॉप, जहां शानदार और जिज्ञासु लोग हैं पर लिखित रूप में लगभग कुछ नहीं है: हर AI आउटपुट सामान्य-सा लगता है क्योंकि मॉडल ने कभी ब्रांड बुक या पिछले तीन साल का काम देखा ही नहीं। एक मीडिया एजेंसी, जिसके पास बेहतरीन प्लेटफ़ॉर्म और साफ़-सुथरे डैशबोर्ड हैं, लेकिन असली प्रोसेस दो वरिष्ठ प्लानर्स के दिमाग़ और एक चैट ग्रुप में रहती है, इसलिए अलिखित अपवादों पर ऑटोमेशन बार-बार टूट जाते हैं। एक CRM एजेंसी, जिसकी प्रोसेस बेदाग़ हैं और टीम ने चुपचाप मान लिया है कि AI उनके लिए नहीं है।

हर एक के पास गिनाने लायक एक ताक़त है। इनमें से कोई तैयार नहीं है। और हर मामले में इलाज अलग है, इसीलिए एक जैसा AI कार्यक्रम शायद ही काम करता है।

टीम को तैयार करने के लिए AI कोर्स काफ़ी क्यों नहीं हैं?

कोर्स एक आयाम, यानी लोगों, को ही संबोधित करते हैं, और उसका भी सिर्फ़ एक हिस्सा। संस्थापक ने एक कठिन सवाल उठाया: अगर आप कर्मचारियों को हाइब्रिड विशेषज्ञ बनाने में सफल हो जाते हैं, जो थोड़े रणनीतिकार, थोड़े इंजीनियर और थोड़े क्लाइंट लीड हों, तो उनके जाने पर क्या होगा? और जब आप नया बिज़नेस जीतते हैं और भर्ती करनी होती है, तो ऐसे और लोग कहां से लाएंगे?

एजेंसियों को नए कर्मचारियों को जल्दी काम पर लगाने में सक्षम होना चाहिए। चंद दुर्लभ हाइब्रिड लोगों पर टिकी रेडीनेस रणनीति नाज़ुक होती है। जो रणनीति कॉन्टेक्स्ट को साझा सिस्टम में रखती है, काम असल में कैसे चलता है इसे दर्ज करती है और ऐसे टूल इस्तेमाल करती है जिन्हें नया कर्मचारी कुछ ही दिनों में सीख ले, वह एजेंसी के साथ बढ़ती है।

जूनियर्स के लिए यह दोगुना मायने रखता है। अगर Gartner सही है कि पारंपरिक एंट्री-लेवल भूमिकाएं खत्म हो रही हैं, तो जिन जूनियर्स को आप रखते हैं उन्हें जल्दी ऊंचे मूल्य वाले काम तक पहुंचना होगा। यह तभी होता है जब कॉन्टेक्स्ट, प्रोसेस और प्लेटफ़ॉर्म सिखाने का कुछ काम खुद करें।

उनका निष्कर्ष दो टूक था: अडॉप्शन के लिए संभवतः टीम का पुनर्गठन और काम करने के तरीके की नई रचना ज़रूरी है। ट्रेनिंग उसका हिस्सा है, विकल्प नहीं।

कुछ टीमें आगे क्यों निकल जाती हैं जबकि बाकी अटक जाती हैं?

डिजिटल डिवाइड थ्योरी यह समझाने के लिए विकसित की गई थी कि तकनीक तक पहुंच का मतलब बराबर लाभ नहीं होता। यह खाई परतों में खुलती है: पहले किसके पास पहुंच है, फिर किसके पास कौशल है, फिर कौन उसे असली नतीजों में बदलता है। हर एजेंसी के भीतर इसका एक रूप मौजूद है। सबके पास वही लाइसेंस है; मुट्ठी भर लोग उससे असली काम निकालते हैं; बाकी हर महीने और पीछे छूटते जाते हैं।

यही खाई होल्डिंग नेटवर्क और स्वतंत्र एजेंसियों के बीच भी है। नेटवर्क ने प्लेटफ़ॉर्म पर भारी खर्च किया है। स्वतंत्र एजेंसियां उस खर्च की बराबरी नहीं कर सकतीं, लेकिन वे जुड़ाव के ज़रिए नतीजों का अंतर पाट सकती हैं: साझा कॉन्टेक्स्ट, लाइव काम पर एक-दूसरे से सीखते लोग, और साथी जो आपस में असल में काम आने वाली बातें साझा करते हैं। "मैं अपने क्षेत्र के दूसरे लोगों से कैसे सीख सकता हूं?" टाइप करने वाला कोई भी व्यक्ति असल में यही चाहता है। नवाचार जुड़ाव में फलता-फूलता है, प्रतिस्पर्धा में नहीं।

व्यवहार में, आंतरिक खाई पाटने का सबसे तेज़ तरीका यह है कि AI से लाभ उठा रहे लोगों को उन लोगों के साथ जोड़ें जो नहीं उठा रहे, कक्षा में नहीं बल्कि असली क्लाइंट के काम पर।

तेज़ AI रेडीनेस असेसमेंट कैसे करें?

नीचे दिए सवालों से हर आयाम को 1 से 5 के बीच स्कोर करें, फिर अपनी मेहनत सबसे कम स्कोर वाले पर लगाएं।

1. एक टीम या एक क्लाइंट चुनें। पूरी एजेंसी का एक साथ असेसमेंट करने से एक धुंधला औसत मिलता है।
2. सर्वे नहीं, इंटरव्यू करें। पांच लोगों से कहें कि वे किसी हाल के प्रोजेक्ट की पूरी कहानी बताएं। इसका एक घंटा प्रोसेस और कॉन्टेक्स्ट के बारे में किसी भी प्रश्नावली से ज़्यादा सिखाता है।
3. हर आयाम को ईमानदारी से स्कोर करें। ऊपर दिए सवालों का उपयोग करें। स्कोर देने वालों के बीच असहमति उपयोगी डेटा है, शोर नहीं।
4. सबसे कम स्कोर पर गोला लगाएं। वही आपकी रेडीनेस का स्तर है, बाकी तीन कुछ भी कहें।
5. अगली तिमाही उसी एक आयाम पर लगाएं। अगर समस्या प्लेटफ़ॉर्म की नहीं है तो एक और टूल खरीदने से बचें।
6. दोबारा स्कोर करें और दोहराएं। जैसे ही एक आयाम सुधरता है, कोई दूसरा बाधा बन जाता है।

अपनी सबसे कमज़ोर कड़ी जान लेने के बाद क्या बदलता है?

आप उन समस्याओं के समाधान खरीदना बंद कर देते हैं जो आपके पास हैं ही नहीं। अगर कॉन्टेक्स्ट बाधा है, तो काम नीरस है: चीज़ें लिखें और उन्हें ऐसी जगह रखें जहां लोग और AI उन्हें खोज सकें। अगर प्रोसेस बाधा है, तो ऑटोमेट करने से पहले उसे मैप करें। पुनर्गठन भी हो सकता है, और सिंगापुर के संस्थापक के अनुसार आमतौर पर वही असली मक़सद होता है, विफलता नहीं।

अगर लोग बाधा हैं, तो अक्सर जवाब ऐसा टूल होता है जो उनसे कम मांगे। Defy प्लेटफ़ॉर्म में Defy MCP शामिल है, जो आपकी टीम को Claude के भीतर क्लाइंट और कैटेगरी डेटा से सवाल पूछने देता है और उसे किसी सहकर्मी की तरह प्रॉम्प्ट करने देता है, बिना कोई डैशबोर्ड सीखे। इससे कौशल की ज़रूरत घटती है, इसलिए नया कर्मचारी जल्दी उपयोगी हो जाता है और पावर यूज़र्स व बाकी सबके बीच का अंतर घटता है। और अंततः रेडीनेस का मतलब यही है।