AI अपनाना अभी तक उत्पादकता क्यों नहीं बढ़ा रहा है

जून में, मैंने लिखा था कि vibe coding अब खत्म हो चुकी है और AI का ROI-आधारित विश्लेषण जल्द ही एक 'अच्छा होता अगर होता' वाली चीज़ से बदलकर एक ज़रूरत बन जाएगा।

AI ROI आखिर है क्या और अब तक GDP के आंकड़ों में यह इतनी मुश्किल से क्यों दिखता है, इसे समझिए:

सरल शब्दों में कहें तो हमें दो चीज़ों को समझना होगा: लागत (cost) और मूल्य (value)।

लागत की बात करें तो Ramp का AI Index ट्रैक करता है कि अमेरिका के 70,000 से ज़्यादा बिज़नेस AI पर कितना खर्च करते हैं। एक औसत कंपनी प्रति कर्मचारी हर महीने $12.50 खर्च करती है। जबकि एक कर्मचारी की औसत लागत लगभग $8,500 प्रति माह होती है, ऐसे में AI को अपना खर्चा निकालने के बस उस व्यक्ति को ~0.15% ज़्यादा प्रोडक्टिव बनाना होता है। यानी हफ्ते भर में सिर्फ तीन मिनट का अतिरिक्त काम।

तो ज़्यादातर कंपनियों के लिए token bill किसी राउंडिंग एरर जैसा ही है। लेकिन कुछ लागतें ऐसी भी हैं जिन्हें छुआ नहीं जा सकता: change management, री-ट्रेनिंग, और कॉर्पोरेट तंत्र का बाकी हिस्सा।

मूल्य (Value) को पकड़ना थोड़ा मुश्किल है, इसलिए चलिए प्रोडक्टिविटी ग्रोथ को इसका पैमाना मान लेते हैं। P&G में, AI का इस्तेमाल करने वाले एक अकेले व्यक्ति ने उतने ही अच्छे प्रोडक्ट प्रपोज़ल तैयार कर दिए जितने दो लोगों की टीम बिना AI के बना पाती थी। MIT के अर्थशास्त्रियों ने दिखाया कि ऑटोमेशन तभी फायदेमंद होता है जब AI के स्टेप्स को इस तरह जोड़ा जाए कि इंसान को हर स्टेप के बाद नहीं, बल्कि सिर्फ एक बार काम चेक करना पड़े।

यानी AI ज़्यादातर काम की रफ्तार बढ़ाता है, लेकिन किसी कॉर्पोरेट कर्मचारी का पूरा हफ्ता काम करने में नहीं, बल्कि कोऑर्डिनेशन, मीटिंग्स, तालमेल बिठाने और प्रोसेस साइन-ऑफ में निकल जाता है। (और मैंने अभी तक अपने Claude को मीटिंग्स को 10X तेज़ करते नहीं देखा है!)

इससे एक सवाल उठता है: क्या होगा अगर AI ROI के रास्ते में सबसे बड़ी रुकावट इंसान ही हों? AI आपको वो तीन मिनट वापस दे सकता है, लेकिन उनका क्या करना है ये तय नहीं कर सकता। अगर वो समय किसी और मीटिंग में या लीगल टीम के जवाब का इंतज़ार करते हुए किसी और हफ्ते में गुज़र जाए, तो रिटर्न जीरो ही रहेगा।

शायद यही वजह है कि फायदे इतने असमान दिखते हैं। AI आउटपुट में कुछ जोड़ता नहीं, बल्कि उसे कई गुना बढ़ा देता है। अगर ऐसा है, तो बेहतरीन कंपनियां बाकी सबको बहुत पीछे छोड़ देंगी।

515 स्टार्टअप्स के साथ किए गए 2026 के एक एक्सपेरिमेंट से हमें इस फासले की झलक मिलती है। हर कंपनी को एक जैसे AI टूल्स, ट्रेनिंग और सपोर्ट दिया गया। आधी कंपनियों को रैंडमली यह भी दिखाया गया कि दूसरी कंपनियों ने AI के हिसाब से अपने काम को कैसे ढाला है। दोनों ही ग्रुप्स में एक आम स्टार्टअप की रेवेन्यू में कोई खास बदलाव नहीं आया। लेकिन लगभग सारा फायदा टॉप 10% कंपनियों को हुआ, और जिन कंपनियों को दूसरों के तरीके दिखाए गए थे (treatment group), वे सबसे आगे निकल गईं — इतना आगे कि उनकी कुल रेवेन्यू कंट्रोल ग्रुप से 1.9x हो गई।

टूल्स तो सबके लिए एक जैसे थे। जो चीज़ लीडर्स को अलग बनाती है वो है इन टूल्स के हिसाब से अपने काम को नए सिरे से गढ़ना। और यहीं से हम फिर उसी प्रोसेस पर आ जाते हैं।

AI काम करने की लागत तो घटा देता है, लेकिन यह तय नहीं करता कि वो काम शुरू में करने लायक था भी या नहीं।

1995 में Bill Gates ने भी यही बात कही थी: ऑटोमेशन अगर किसी कुशल प्रक्रिया पर लगाया जाए तो कुशलता और बढ़ जाती है, और अगर किसी अकुशल प्रक्रिया पर लगाया जाए तो अकुशलता और बढ़ जाती है।

Elon Musk के पास इसके लिए पांच स्टेप्स का एक प्रोसेस है:

हर प्रोसेस और ज़रूरत पर सवाल उठाएं
जो हटा सकते हैं, हटा दें
जो बचे उसे सरल करें
उसकी रफ्तार बढ़ाएं
और उसके बाद ही ऑटोमेट करें।

Elon ने कहा है कि Tesla में उनकी सबसे बड़ी गलतियों में से एक यह थी कि उन्होंने इन स्टेप्स को उल्टे क्रम में किया और उन प्रोसेसेस को ऑटोमेट कर दिया जो बाद में पूरी तरह गैर-ज़रूरी साबित हुए। जो कंपनियां कहती हैं कि वे "AI का फायदा उठा रही हैं", उनमें से कई यही गलती कर रही हैं।

और शायद यही कारण है कि AI ROI पर होने वाली बहस एक गोल चक्कर में फंसी रहती है। लोग उम्मीद करते हैं कि प्रोडक्टिविटी के आंकड़े AI की रफ्तार से बढ़ेंगे, जबकि असल में वे बड़ी कंपनियों के इसे अपनाने की रफ्तार से बढ़ते हैं। ऐसा पहली बार नहीं हो रहा है।

1987 में Robert Solow ने कहा था: "आप कंप्यूटर युग को हर जगह देख सकते हैं, बस प्रोडक्टिविटी के आंकड़ों में नहीं।" 1973 से 1995 तक प्रोडक्टिविटी सालाना लगभग 1.5% बढ़ी, और फिर 1995 से 2003 तक सालाना 3.3% बढ़ी — ठीक तब, जब काम को मशीनों के हिसाब से नए सिरे से ढाला गया।

तो कौन सी चीज़ असल में फायदा कमाने वाली कंपनियों को बाकी सब से अलग करती है? कर्मचारी और P&L के बीच प्रोडक्टिविटी का फायदा कहां गायब हो जाता है? और इस समस्या में कितना हिस्सा खुद काम को डिज़ाइन करने के तरीके का है?

हमारा Deep Dive इन्हीं सवालों का जवाब देता है और AI ROI सुधारने की एक व्यावहारिक गाइड पेश करता है — जिसमें शामिल है कि क्या हटाना है, क्या ऑटोमेट करना है, AI के किन स्टेप्स को आपस में जोड़ना है, कहां अभी भी इंसान को काम चेक करना होगा, और कब कोई सस्ता मॉडल भी काफी अच्छा है।