हाल के वर्षों में, आर्टिफिशियल इंटेलिजेंस (AI) के विकास को एक तकनीकी दौड़ के रूप में देखा गया है, जहां हर लॉन्च के बाद नई तुलनाएं, बेंचमार्क तालिकाएं और भविष्यवाणियां सामने आईं कि कौन सी कंपनी अगली बड़ी डिजिटल परिवर्तन में नेतृत्व की ओर बढ़ रही है। अक्सर ऐसा लगता था कि पूरी बहस केवल एक ही प्रश्न पर केंद्रित है: इस समय कौन सा मॉडल सर्वश्रेष्ठ है?
हालांकि, सिलिकॉन वैली में हाल ही में गोता लगाने के बाद, लेखक को यह एहसास हुआ कि यह प्रश्न, हालांकि प्रासंगिक बना हुआ है, अब केंद्रीय नहीं रहा है। इस समझ का एक हिस्सा इस तथ्य से जुड़ा है कि उन्होंने अपनी पहली यात्रा के लगभग दस साल बाद सिलिकॉन वैली का दौरा किया था।
दुनिया की कुछ सबसे प्रभावशाली कंपनियों, निवेशकों और विश्वविद्यालयों को एक साथ लाने वाली पारिस्थितिकी तंत्र में गोता लगाना कुछ दिलचस्प है। जिस तरह हम किसी भी संस्कृति की यात्रा करते समय स्थानीय विशेषताओं को आत्मसात करना शुरू कर देते हैं, उसी तरह अमेरिका, विशेष रूप से कैलिफ़ोर्निया में, आप अनिवार्य रूप से रिलीज़ की गति, प्रौद्योगिकी उपभोग और लगातार इस भावना के प्रभाव में आ जाते हैं कि भविष्य वहीं बन रहा है।
सिलिकॉन वैली में कुछ ऐसा ही हो रहा है: क्षेत्रीय चर्चाओं में हावी विषयों पर ध्यान केंद्रित करने और उन्हें आने वाले वर्षों का सटीक प्रतिबिंब मानने की एक प्राकृतिक प्रवृत्ति मौजूद है। यह अक्सर आधार रखता है, क्योंकि पिछले दशकों में कई महत्वपूर्ण तकनीकी परिवर्तन वहां हुए थे इससे पहले कि वे बाकी दुनिया तक पहुंचे।
लेकिन कोई भी अत्यधिक जुड़ा हुआ वातावरण जोखिम लेकर आता है: सर्वसम्मति को पूर्ण निश्चितता के साथ मिलाने का जोखिम। यही वह बात थी जिसने यात्रा के दौरान सबसे अधिक ध्यान आकर्षित किया।
एआई पर अधिकांश सार्वजनिक चर्चाओं के विपरीत, बहुत कम बातचीत मॉडल के बीच प्रतिस्पर्धा या बाजार को बदलने में सक्षम अगले तकनीकी छलांग की खोज के इर्द-गिर्द घूमती थी। अधिक सामान्य विषय यह था कि आर्टिफिशियल इंटेलिजेंस संगठनों के उत्पादों, प्रक्रियाओं और परिचालन गतिविधियों में कैसे एकीकृत होता है, न कि यह कि वर्तमान में किस प्रयोगशाला के पास सबसे उन्नत प्रणाली है।
यह फोकस में बदलाव सप्ताह भर अलग-अलग तरीकों से प्रकट हुआ। उदाहरण के लिए, Snowflake और Elementum के नेताओं के साथ चर्चाओं में इस बात पर ध्यान केंद्रित नहीं किया गया कि कौन सा मॉडल रैंकिंग में अग्रणी है या कौन सी कंपनी अगली बड़ी नवीनता जारी करेगी। चर्चा कॉर्पोरेट सॉफ्टवेयर के परिवर्तन पर केंद्रित थी। आम सहमति यह थी कि एक ऐसा चरण आ रहा है जब बुद्धिमान एजेंट बड़े डेटा वॉल्यूम के साथ सीधे इंटरैक्ट करना शुरू कर देंगे, उन कार्यों को पूरा करेंगे जिनके लिए पहले सिस्टम में मैन्युअल नेविगेशन, रिपोर्ट विश्लेषण और मानव द्वारा कई परिचालन निर्णय लेने की आवश्यकता होती थी।
दशकों से, अधिकांश कॉर्पोरेट सॉफ्टवेयर जानकारी को व्यवस्थित करने और मानव श्रम को सुविधाजनक बनाने के लिए बनाया गया है। अब यह अपेक्षा है कि ये सिस्टम न केवल जानकारी प्रस्तुत करेंगे, बल्कि उस पर कार्रवाई भी करेंगे। यह एआई द्वारा लाए गए सबसे महत्वपूर्ण परिवर्तनों में से एक हो सकता है। प्रभाव न केवल तकनीक में है, बल्कि इस बात में भी है कि कंपनियां कैसे काम करना शुरू करती हैं। कई वर्षों में पहली बार, चर्चा उपयोग किए जा रहे उपकरण से कम और डेटा को तेजी से, एकीकृत रूप से और प्रभावी ढंग से कार्रवाई में बदलने की क्षमता से अधिक जुड़ी हुई लगती है।
साथ ही, कुछ यात्राओं ने दिखाया कि सभी बिल्कुल एक ही रास्ते पर नहीं चल रहे हैं। उदाहरण के लिए, Liquid AI में एक ऐसा दृष्टिकोण उभरा जो क्षेत्र में अधिकांश लोकप्रिय कथाओं के विपरीत था। जबकि उद्योग का एक बड़ा हिस्सा बड़े और अधिक शक्तिशाली बुनियादी ढांचे वाले मॉडलों पर दांव लगा रहा है, यह कंपनी मोबाइल फोन, वाहनों और ऑनबोर्ड उपकरणों जैसे उपकरणों पर स्थानीय रूप से चलने के लिए डिज़ाइन की गई अधिक कॉम्पैक्ट प्रणालियाँ विकसित कर रही है।
इस अवधारणा में रुचि केवल तकनीक में नहीं है। यह इस बात की याद दिलाता है कि नवाचार एक ही दिशा में नहीं होते हैं। तकनीकी प्रगति को कंप्यूटिंग शक्ति, निवेश और मॉडल के आकार में वृद्धि से जोड़ने की एक प्राकृतिक प्रवृत्ति है। हालांकि, कई मामलों में कार्य इसके विपरीत आंदोलन में निहित है: लोगों और व्यवसायों के दैनिक जीवन में अधिक कुशल, सुलभ और आसानी से एकीकृत समाधान बनाना।
शायद यह यात्रा का एक मुख्य सबक था। जब हम दूर से एआई बाजार को देखते हैं, तो ऐसा लगता है कि एक दौड़ चल रही है। लेकिन जब हम करीब से देखते हैं, तो हम समझते हैं कि एक साथ कई अलग-अलग दौड़ चल रही हैं। बड़े जनरेटिव मॉडल हैं; विशिष्ट सिस्टम हैं; मल्टीमॉडल एप्लिकेशन हैं जो पाठ, छवि, ऑडियो और वीडियो को जोड़ते हैं; बहुत विशिष्ट समस्याओं को हल करने के लिए डिज़ाइन किए गए कॉर्पोरेट समाधान हैं; और ऐसी कंपनियां हैं जो इन सभी को आसान और अधिक वितरित बनाने पर दांव लगा रही हैं।
इसलिए, यह विचार कि बाजार एक ही प्रमुख तकनीक की ओर बढ़ेगा, कम संभावित होता जा रहा है। विभिन्न दृष्टिकोणों के सह-अस्तित्व का एक परिदृश्य उभर रहा है, जिनमें से प्रत्येक विशिष्ट संदर्भों, सीमाओं और आवश्यकताओं के लिए उपयुक्त है।
यह बदलाव संगठनों के प्रौद्योगिकी रणनीति अपनाने के तरीके को भी बदल रहा है। लंबे समय तक तर्क अपेक्षाकृत सरल था: सबसे अच्छा उपलब्ध उपकरण ढूंढें और उसे लागू करें। एआई के आगमन के साथ, समीकरण में कई अन्य चर शामिल हो जाते हैं। एकीकरण, प्रबंधन, गोपनीयता, कार्यान्वयन की गति, परिचालन लागत और व्यवसाय अनुपालन के प्रश्न चुने गए प्रौद्योगिकी की जटिलता जितने ही महत्वपूर्ण हो जाते हैं।
व्यावहारिक रूप से, एक कंपनी को अपनी प्रक्रियाओं में एक साधारण, अच्छी तरह से एकीकृत समाधान से बहुत अधिक मूल्य मिल सकता है, बजाय इसके कि वह एक अत्यंत उन्नत तकनीक का उपयोग अलग-थलग करे। शायद इसीलिए कार्यान्वयन पर चर्चा क्षमताओं पर चर्चा से अधिक जगह ले रही है।
एक अन्य पहलू जिसने ध्यान आकर्षित किया, वह यह है कि तकनीकी बातचीत अक्सर लोगों के बारे में बातचीत में बदल जाती है। यह स्टैनफोर्ड की यात्रा के दौरान विशेष रूप से स्पष्ट हो गया। हालांकि विश्वविद्यालय एआई के क्षेत्र में दुनिया की सबसे उन्नत पारिस्थितिक तंत्रों में से एक में स्थित है, चर्चा का एक बड़ा हिस्सा अभी भी शिक्षा, प्रतिभा विकास, संगठनात्मक संस्कृति के निर्माण और नेतृत्व के विकास जैसे विषयों पर केंद्रित है।
यह संयोग नहीं लगता है। सिलिकॉन वैली का इतिहास कभी भी केवल प्रौद्योगिकी की कहानी नहीं रहा है। यह हमेशा ज्ञान को नवाचार में बदलने की क्षमता से गहराई से जुड़ा रहा है। उपकरण बदलते हैं। प्लेटफॉर्म बदलते हैं। कंपनियां आती हैं और जाती हैं। लेकिन सीखने, अनुकूलन करने और बनाने में सक्षम लोगों को तैयार करना एक स्थायी तत्व बना रहता है।
जैसे-जैसे एआई अधिक संगठनों के लिए सुलभ होता जा रहा है, यह क्षण और भी अधिक प्रासंगिक हो जाता है। तकनीक तक पहुंच स्वाभाविक रूप से लोकतंत्रीकरण की ओर अग्रसर है। दूसरी ओर, इसे रणनीतिक रूप से उपयोग करने का ज्ञान एक पुनरुत्पादित लाभ बने रहने के लिए कठिन है।
एआई का क्रमिक कार्यान्वयन के लिए केवल प्लेटफ़ॉर्म किराए पर लेने या टीमों को नए संसाधन प्रदान करने से कहीं अधिक की आवश्यकता होती है। इसके लिए प्रक्रियाओं पर पुनर्विचार करने, दक्षताओं को विकसित करने, वर्कफ़्लो को संशोधित करने, निगरानी तंत्र बनाने और ऐसे वातावरण में काम करने के लिए लोगों को तैयार करने की आवश्यकता होती है जहां कुछ विश्लेषण, निर्णय और निष्पादन बौद्धिक प्रणालियों द्वारा समर्थित होते हैं।
इसलिए, मुख्य निष्कर्ष जो लेखक ने इस अनुभव के बाद निकाला, वह इस बात से संबंधित नहीं है कि कौन सी कंपनी एआई दौड़ का नेतृत्व करेगी या कौन सा मॉडल आने वाले वर्षों में मानक बनेगा। यह महसूस होता है कि हम उस चरण से बाहर निकल रहे हैं जहां चर्चा का केंद्र अलग-थलग तकनीक थी, और एक ऐसे चरण में प्रवेश कर रहे हैं जो व्यावहारिक अनुप्रयोग पर कहीं अधिक केंद्रित है। एआई का अगला चरण एक क्रांतिकारी मॉडल द्वारा प्रतिस्थापित नहीं किया जाएगा जो बाकी सभी को बदल देता है। यह विभिन्न तकनीकों के संयोजन पर, उन्हें मौजूदा प्रक्रियाओं में एकीकृत करने की क्षमता पर और सबसे महत्वपूर्ण बात, संगठनों की इन क्षमताओं को मूर्त परिणामों में बदलने की क्षमता पर निर्मित होगा।
अंततः, आर्टिफिशियल इंटेलिजेंस एक तकनीकी विषय बना हुआ है। लेकिन यात्रा के दौरान इतनी बातचीत के बाद, यह निष्कर्ष निकालना मुश्किल है कि यह धीरे-धीरे रणनीति, निष्पादन और संगठनात्मक अनुकूलन पर चर्चा में बदल रहा है। शायद इसीलिए सबसे महत्वपूर्ण प्रश्न अब यह नहीं है कि किसके पास सबसे उन्नत एआई है। प्रश्न जो अधिक महत्वपूर्ण होता जा रहा है, वह दूसरा है: कौन इसका बेहतर उपयोग कर पाएगा।
