मांग के अनुसार रेंज और गहराई

हर कोई पूछ रहा है कि क्या AI विशेषज्ञों को पसंद करता है या सामान्यवादियों को।

मुझे लगता है कि यह गलत सवाल है।

AI कोई पक्ष नहीं चुनता। यह समझौते को बदल देता है।

पुरानी दुनिया ने एक विकल्प चुनने के लिए मजबूर किया। आप गहराई में जा सकते थे, या आप विस्तार में जा सकते थे। विशेषज्ञों के पास गहराई थी। वे उत्पाद, कार्य, डोमेन, प्रक्रिया, किनारे के मामलों और कठिन-अर्जित सबक जानते थे जो केवल एक समस्या स्थान के अंदर लंबे समय तक रहने से आते हैं। वे अपनी लेन के अंदर कठिन सवाल का जवाब दे सकते थे।

सामान्यवादियों के पास रेंज थी। वे टीमों, ग्राहकों, बाजारों, कार्यों और व्यवसाय मॉडलों के बीच संबंध जोड़ सकते थे। वे ऐसे पैटर्न देख सकते थे जो दूसरे चूक जाते थे। वे उन समूहों के बीच अनुवाद कर सकते थे जो स्वाभाविक रूप से एक ही भाषा नहीं बोलते थे।

दोनों मूल्यवान थे।

दोनों अधूरे थे।

विशेषज्ञ अक्सर एक संकीर्ण लेन के अंदर फंस जाता था। सामान्यवादी के पास अक्सर कठिन निर्णय लेने के लिए गहराई की कमी होती थी। उस समझौते ने आधुनिक संगठन चार्ट को उससे कहीं अधिक आकार दिया जितना हम स्वीकार करते हैं।

बहुत सारा संगठनात्मक डिज़ाइन मानवीय रेंज की सीमाओं के आसपास बनाया गया था। कोई एक व्यक्ति जटिल कार्य को पूरी तरह से आगे बढ़ाने के लिए पर्याप्त संदर्भ, विशेषज्ञता, नीति, तकनीकी विवरण, ग्राहक बारीकियां और निर्णय नहीं रख सकता था। इसलिए हमने हैंडऑफ़ बनाए।

व्यवसाय वाले व्यक्ति ने तकनीकी व्यक्ति को सौंप दिया।

तकनीकी व्यक्ति ने उत्पाद व्यक्ति को सौंप दिया।

उत्पाद व्यक्ति ने कानूनी व्यक्ति को सौंप दिया।

कानूनी ने सुरक्षा को सौंप दिया।

सुरक्षा ने IT को सौंप दिया।

IT ने इसे तीन टिप्पणियों और एक मीटिंग निमंत्रण के साथ वापस कर दिया।

बहुत परिष्कृत। साथ ही बहुत धीमा।

यह वह हिस्सा है जिसे AI सबसे अधिक बदलता है।

AI विशेषज्ञता को अप्रासंगिक नहीं बनाता। यह जादुई रूप से सभी को एक महान सामान्यवादी नहीं बनाता। AI हैंडऑफ़ टैक्स पर हमला करता है।

यह विशेषज्ञों को अधिक रेंज देता है।

यह सामान्यवादियों को अधिक गहराई देता है।

यह अधिक लोगों को किसी अन्य मानव के शामिल होने से पहले काम को आगे बढ़ाने देता है।

वह अंतिम भाग मायने रखता है।

लक्ष्य विशेषज्ञों को खत्म करना नहीं है। लक्ष्य विशेषज्ञों को रूटिंग इंफ्रास्ट्रक्चर के रूप में उपयोग करना बंद करना है।

AI बदलता है कि काम को कैसे आगे बढ़ना चाहिए

एक सरल उदाहरण लें: सक्षमता सामग्री।

पुराने मॉडल में, सामग्री के लिए जिम्मेदार व्यक्ति को काम के सुसंगत होने से पहले उत्पाद, कानूनी, IT, सुरक्षा, फील्ड एनेबलमेंट और कई अन्य टीमों से इनपुट की आवश्यकता हो सकती है। उस अनुमोदन में से कुछ वास्तविक है। जहां कानूनी अनुमोदन आवश्यक है, वहां आपको अभी भी कानूनी की आवश्यकता है। जहां सुरक्षा अनुमोदन आवश्यक है, वहां आपको अभी भी सुरक्षा की आवश्यकता है। जब उत्तर मायने रखता है तो आपको अभी भी एक सच्चे उत्पाद विशेषज्ञ की आवश्यकता है।

लेकिन बहुत सारा आगा-पीछा निर्णय नहीं है। यह अनुवाद है। यह पहले ड्राफ्ट की समीक्षा है। यह बुनियादी जोखिम पहचान है। यह किसी और से वह सोच करवाना है जो मालिक हैंडऑफ़ से पहले कर सकता था।

AI के साथ, उस सामग्री के मालिक को किसी और को शामिल करने से पहले बहुत कुछ करने में सक्षम होना चाहिए। उन्हें सामग्री का मसौदा तैयार करने, नीति के विरुद्ध इसकी तुलना करने, संदेश का दबाव परीक्षण करने, संभावित कानूनी चिंताओं की पहचान करने, तकनीकी दावों की जांच करने और एक स्वच्छ अनुमोदन पैकेज तैयार करने में सक्षम होना चाहिए।

विशेषज्ञ अभी भी अनुमोदन करता है। लेकिन अब विशेषज्ञ का उपयोग निर्णय के लिए किया जा रहा है, सफाई के लिए नहीं।

यही बदलाव है।

AI गहराई की आवश्यकता को दूर नहीं करता। यह गहराई तक तत्काल पहुंच न होने से उत्पन्न निर्भरता को कम करता है।

यह सूक्ष्म लगता है, लेकिन यह नहीं है। यह ऑपरेटिंग मॉडल को बदल देता है। यदि अधिक लोग अधिक संदर्भ ले जा सकते हैं, तो काम को मानव चेकपॉइंट्स की समान संख्या से नहीं गुजरना चाहिए। यदि पहला-पास विश्लेषण सस्ता है, तो विशेषज्ञों को अपना समय आधे-अधूरे इनपुट को ठीक करने में नहीं बिताना चाहिए। यदि समन्वय लागत गिरती है, तो टीमों को पुराने रूटिंग पथों को संरक्षित नहीं करना चाहिए सिर्फ इसलिए कि वे पथ परिचित हैं।

हम जिसे सहयोग कहते हैं, उसमें से बहुत कुछ बेहतर शिष्टाचार के साथ विलंबता है।

AI हमें उस बारे में अधिक ईमानदार होने के लिए मजबूर करता है।

विशेषज्ञ अभी भी मायने रखते हैं, लेकिन गहराई को रेंज की आवश्यकता है

यही कारण है कि मैं सरल तर्क नहीं खरीदता कि भविष्य सामान्यवादियों का है।

यह अच्छा लगता है। यह अधूरा भी है।

AI के साथ एक उथला सामान्यवादी अभी भी उथला है। वे केवल आत्मविश्वास से भरी बकवास पैदा करने में तेज हो सकते हैं, जो वास्तव में वह क्रांति नहीं है जिसका वादा किया गया था।

गहराई अभी भी मायने रखती है। वास्तव में, गहराई अधिक मायने रख सकती है क्योंकि AI सतही-स्तर की प्रवाह को सस्ता बनाता है। कोई भी AI से किसी विषय को सारांशित करने के लिए कह सकता है। कोई भी एक सभ्य पहला ड्राफ्ट तैयार कर सकता है। कोई भी पांच मिनट के लिए सूचित लग सकता है।

अंतर यह हो जाता है कि क्या आप यह पहचानने के लिए पर्याप्त जानते हैं कि क्या गायब है।

यह वह जगह है जहां विशेषज्ञता दिखाई देती है।

विशेषज्ञ जानता है कि कौन सा विवरण गलत है। विशेषज्ञ जानता है कि कौन सी धारणा खतरनाक है। विशेषज्ञ जानता है कि उत्तर कब सही लगता है लेकिन वास्तविक वातावरण में विफल होगा।

AI फर्श उठाता है। यह छत को मिटाता नहीं है।

लेकिन विशेषज्ञ को भी बदलना होगा।

रेंज के बिना गहराई एक अड़चन बन जाती है। यदि आपका मूल्य केवल यह है कि आप एक चीज जानते हैं और सभी को इसका उत्तर देने के लिए आपका इंतजार करना पड़ता है, तो AI सीधे उस मॉडल के लिए आ रहा है।

सबसे अच्छे विशेषज्ञ केवल अपनी लेन की रक्षा नहीं करेंगे। वे इससे विस्तार करेंगे। वे आसपास के व्यावसायिक संदर्भ, आसन्न सिस्टम, ग्राहक निहितार्थ, प्रतिस्पर्धी गतिशीलता, कार्यान्वयन बाधाओं और परिचालन जोखिमों को समझने के लिए AI का उपयोग करेंगे।

मैं अपने डॉक्टर के बारे में सोचता हूं। वह एक TMJ विशेषज्ञ है — दशकों एक संकीर्ण, कठिन समस्या के अंदर। उस तरह की गहराई जिसे आप नकली नहीं बना सकते और जल्दी नहीं कर सकते।

उनके पास वर्षों से उत्पाद विचार हैं। ऐसी चीजें जो केवल वही व्यक्ति बनाने के बारे में सोचेगा जो उस समस्या के अंदर रहता है। लेकिन विचार हमेशा एक ही स्थान पर मर जाते थे। इसलिए नहीं कि विचार गलत था। क्योंकि विचार के आसपास की हर चीज के लिए एक अलग विशेषज्ञ की आवश्यकता थी। घटक अनुसंधान। नियामक अनुमोदन। विनिर्माण। पेटेंट फाइलिंग। कानूनी। प्रत्येक एक हैंडऑफ़ किसी ऐसे व्यक्ति को जो उसके पास नहीं था, जिसे वह वहन नहीं कर सकता था, या जिसके साथ बातचीत शुरू करना नहीं जानता था।

इसलिए विचार विचार ही रहे।

वह बदल गया। इसलिए नहीं कि वह एक रसायनज्ञ या पेटेंट वकील बन गया — उसकी गहराई अभी भी जबड़े में है, IP कानून में नहीं। लेकिन अब वह पहला पास खुद कर सकता है। घटकों पर शोध करें। नियामक पथ का मानचित्रण करें। समझें कि पेटेंट फाइलिंग में वास्तव में क्या शामिल है, इससे पहले कि वह कभी किसी को फाइल करने के लिए भुगतान करे। वह विचार को इतना दूर ले जा सकता है कि यह जान सके कि यह वास्तविक है या नहीं।

उसे अभी भी पेटेंट वकील की आवश्यकता है। उसे अभी भी नियामक विशेषज्ञ की आवश्यकता है। लेकिन अब उन्हें एक सोचे-समझे विचार पर निर्णय के लिए लाया जाता है — न कि उसे मूल बातें सिखाने या उसे अगले व्यक्ति के पास रूट करने के लिए।

उसकी विशेषज्ञता कभी अड़चन नहीं थी। अड़चन बाकी सभी तक पहुंच थी।

उनकी गहराई लंगर बन जाती है।

AI त्रिज्या का विस्तार करता है।

सामान्यवादी अभी भी मायने रखते हैं, लेकिन रेंज को अर्जित गहराई की आवश्यकता है

यही बात सामान्यवादियों के लिए भी सच है, लेकिन उलटी।

सबसे अच्छे सामान्यवादी केवल काम के ऊपर तैरते हुए बिंदुओं को नहीं जोड़ेंगे। जब समस्या की मांग होगी तो वे गहराई में जाने के लिए AI का उपयोग करेंगे। वे धारणाओं का परीक्षण करेंगे। प्रोटोटाइप बनाएंगे। दस्तावेज़ीकरण पढ़ेंगे। डेटा का विश्लेषण करेंगे। वास्तुकला के बारे में इतना समझेंगे कि पता चल सके कि वास्तविक बाधा कहां है।

उनकी रेंज लाभ बन जाती है।

AI उन्हें मांग पर गहराई देता है।

इसलिए भविष्य का प्रोफ़ाइल विशेषज्ञ या सामान्यवादी नहीं है। यह मांग पर रेंज और गहराई है।

जब समस्या को कनेक्शन की आवश्यकता हो तो विस्तृत जाएं।

जब निर्णय को विशेषज्ञता की आवश्यकता हो तो गहराई में जाएं।

जानें कि AI कब पर्याप्त है।

जानें कि कब मानव विशेषज्ञ की आवश्यकता है।

जानें कि काम कब अनुमोदन के लिए तैयार है और कब यह अभी भी एक अच्छी पोशाक पहने हुए आधा-अधूरा गड़बड़ है।

वह निर्णय ही काम है।

नेताओं को काम को फिर से डिज़ाइन करने की आवश्यकता है

इसके नेताओं के लिए बड़े निहितार्थ हैं।

यदि आपका ऑपरेटिंग मॉडल अभी भी मानता है कि हर प्रश्न को पांच मनुष्यों के माध्यम से रूट करने की आवश्यकता है, तो आप AI मूल निवासी नहीं हैं। आप बेहतर उपकरणों के साथ केवल धीमे हैं।

यदि हर टीम बुनियादी काम को आगे बढ़ाने के लिए दूसरी टीम की प्रतीक्षा कर रही है, तो आपने काम को फिर से डिज़ाइन नहीं किया है। आपने उसी पुरानी निर्भरता श्रृंखला में AI जोड़ा है और इसे परिवर्तन कहा है। यह रणनीति नहीं है। यह एक कीनोट के साथ खरीदारी है।

नेताओं को जो प्रश्न पूछना चाहिए वह केवल यह नहीं है, "हम सभी को अधिक उत्पादक कैसे बनाएं?"

यह बहुत अस्पष्ट है।

बेहतर प्रश्न है: हम मनुष्यों को निर्णय के बजाय हैंडऑफ़ के रूप में कहां उपयोग कर रहे हैं?

वह प्रश्न अपशिष्ट को उजागर करता है।

यह दिखाता है कि विशेषज्ञों को कम-मूल्य समीक्षा में कहां खींचा जा रहा है। यह दिखाता है कि सामान्यवादी कहां काम का समन्वय कर रहे हैं जिसे वे अब स्वयं आगे बढ़ा सकते हैं। यह दिखाता है कि विशेषज्ञ कहां संदर्भ की प्रतीक्षा कर रहे हैं जिसे वे अब उत्पन्न कर सकते हैं। यह दिखाता है कि टीमें कहां पुरानी प्रक्रिया की रक्षा कर रही हैं बजाय प्रवाह को फिर से डिज़ाइन करने के।

यह वास्तविक नेतृत्व कार्य है। उपकरण खरीदना नहीं। पायलट की घोषणा करना नहीं। उपयोग मेट्रिक्स का जश्न मनाना नहीं जो बहुत कम कहते हैं कि क्या काम बदल गया।

काम को एक नई धारणा के आसपास फिर से डिज़ाइन किया जाना है: अधिक लोग अब अधिक संदर्भ ले जा सकते हैं।

इसका मतलब है कि कुछ हैंडऑफ़ गायब हो जाने चाहिए। कुछ अनुमोदन पथ साफ हो जाने चाहिए। कुछ भूमिकाओं का विस्तार होना चाहिए। कुछ प्रक्रियाओं को हटा दिया जाना चाहिए। कुछ विशेषज्ञों को कम-मूल्य के काम से संरक्षित किया जाना चाहिए ताकि वे उन निर्णयों पर ध्यान केंद्रित कर सकें जिनके लिए वास्तव में विशेषज्ञता की आवश्यकता है।

यह असहज है क्योंकि हैंडऑफ़ केवल प्रक्रिया नहीं हैं। वे पहचान, नियंत्रण और जोखिम प्रबंधन भी हैं। टीमें वर्कफ़्लो में आवश्यक पड़ाव होने के आसपास शक्ति का निर्माण करती हैं। नेता यह जानकर आराम का निर्माण करते हैं कि हर जोखिम का कहीं और एक मालिक है।

AI उस सब पर दबाव डालता है।

यह एक कठिन प्रश्न पूछता है: यदि काम अब अलग तरीके से आगे बढ़ सकता है, तो हम अभी भी इस तरह से क्यों संगठित हैं?

प्रतिभा का मूल्यांकन अलग तरीके से किया जाना चाहिए

यह भी बदलता है कि हमें प्रतिभा के बारे में कैसे सोचना चाहिए।

पुराने भर्ती और विकास मॉडल ने स्थिर विशेषज्ञता को पुरस्कृत किया। आप क्या जानते हैं? आपने कहां काम किया है? आपने किन उत्पादों को कवर किया है? आपने किन कार्यों का समर्थन किया है?

वे चीजें अभी भी मायने रखती हैं, लेकिन वे अब पर्याप्त नहीं हैं।

नया प्रश्न है: आप संगठन के आपको एक प्लेबुक सौंपने की प्रतीक्षा किए बिना क्या पता लगा सकते हैं, बना सकते हैं, मान्य कर सकते हैं और आगे बढ़ा सकते हैं?

यह एक अलग प्रोफ़ाइल है।

बिल्डर प्रूफ वंशावली को हरा देता है।

मुझे दिखाएं कि आपने क्या बनाया। मुझे दिखाएं कि आप कैसे फंसे। मुझे दिखाएं कि AI कहां गलत था। मुझे दिखाएं कि आप कैसे उबरे। मुझे दिखाएं कि आपने तकनीकी निर्णय को व्यावसायिक परिणाम से कैसे जोड़ा।

यह मुझे परिवर्तन के बारे में एक पॉलिश किए गए उत्तर से अधिक बताता है।

जो लोग छेड़छाड़ करते हैं, वे प्रशिक्षण की प्रतीक्षा करने वालों की तुलना में तेजी से संयोजित होंगे। यह कठोर लग सकता है, लेकिन मुझे लगता है कि यह सच है।

प्रशिक्षण आपको बताता है कि संगठन पहले से क्या जानता है। छेड़छाड़ आपको दिखाती है कि अब क्या संभव है।

AI दुनिया में, उन दो चीजों के बीच का अंतर बहुत बड़ा है।

एजेंटों, प्रोटोटाइप, वर्कफ़्लो, कोड, सामग्री और डेटा के साथ प्रयोग करने वाला व्यक्ति ऐसी प्रवृत्ति विकसित करेगा जिसके साथ औपचारिक सक्षमता कार्यक्रम नहीं रह सकता। वे जानेंगे कि उपकरण कहां मजबूत हैं। वे जानेंगे कि वे कहां टूटते हैं। वे जानेंगे कि अब एक घंटे में क्या किया जा सकता है जिसमें दो सप्ताह लगते थे।

वह प्रवृत्ति एक नेतृत्व कौशल बन जाती है।

इसलिए नहीं कि सभी को इंजीनियर बनने की आवश्यकता है।

क्योंकि सभी को यह समझने की आवश्यकता है कि काम की लागत अब क्या है।

ड्राफ्टिंग की लागत बदल गई।

विश्लेषण की लागत बदल गई।

प्रोटोटाइपिंग की लागत बदल गई।

सीखने की लागत बदल गई।

समन्वय की लागत भी बदलनी चाहिए।

यदि काम करने की लागत गिरती है लेकिन संगठन उन्हीं हैंडऑफ़ को रखता है, तो अड़चन अब क्षमता नहीं है। यह मांसपेशी स्मृति है।

यह खतरनाक हिस्सा है।

अधिकांश कंपनियां AI उपकरणों की कमी के कारण विफल नहीं होंगी। वे विफल होंगी क्योंकि वे AI को एक ऐसी प्रक्रिया पर बोल्ट करेंगी जो अब मौजूद नहीं होनी चाहिए। वे पुराने वर्कफ़्लो को तेज करने के लिए AI का उपयोग करेंगी, जबकि वास्तविक अवसर आधे वर्कफ़्लो को हटाना है।

आर्किटेक्चर अभी भी मायने रखता है

एक और टुकड़ा है जो मायने रखता है: आर्किटेक्चर।

मांग पर रेंज और गहराई तभी काम करती है जब लोगों और एजेंटों के पास विश्वसनीय संदर्भ हो। यदि डेटा बासी, खंडित, खराब अनुमति प्राप्त, या वर्कफ़्लो से डिस्कनेक्ट किया गया है, तो AI लोगों को गलत दिशा में तेजी से आगे बढ़ने में मदद करता है।

वह लाभ नहीं है। वह एक अच्छे इंटरफ़ेस के साथ अराजकता है।

AI का उपयोग करने वाले व्यक्ति को सही जानकारी, सही उपकरण, सही गार्डरेल और सही एस्केलेशन पथों तक पहुंच की आवश्यकता है। अन्यथा, वे सुरक्षित रूप से काम को आगे नहीं बढ़ा सकते। वे केवल तेजी से अधिक कलाकृतियां उत्पन्न कर सकते हैं।

यही कारण है कि AI रणनीति को प्रॉम्प्ट प्रशिक्षण या टूल अपनाने तक सीमित नहीं किया जा सकता है। अंतर्निहित आर्किटेक्चर मायने रखता है। डेटा मॉडल मायने रखता है। अनुमति मॉडल मायने रखता है। वर्कफ़्लो एकीकरण मायने रखता है। एस्केलेशन पथ मायने रखता है।

यदि वे टुकड़े गायब हैं, तो AI एक उत्पादकता थिएटर मशीन बन जाता है। बहुत सारा आउटपुट। पर्याप्त आंदोलन नहीं।

नया कौशल

यह केवल एक करियर वार्तालाप नहीं है। यह एक ऑपरेटिंग मॉडल वार्तालाप है।

काम को कैसे आगे बढ़ना चाहिए जब अधिक लोग अधिक संदर्भ ले जा सकते हैं?

विशेषज्ञों का उपयोग कैसे किया जाना चाहिए जब पहला-पास विश्लेषण सस्ता है?

टीमों को कैसे डिज़ाइन किया जाना चाहिए जब समन्वय लागत गिरती है?

नेताओं को प्रतिभा का मूल्यांकन कैसे करना चाहिए जब ज्ञान उत्पन्न किया जा सकता है लेकिन निर्णय अभी भी अर्जित करना होता है?

मैं बार-बार इस पर वापस आता हूं:

पुराना संगठन चार्ट मानवीय रेंज की सीमाओं के आसपास बनाया गया था।

AI उन सीमाओं को बदलता है।

इसका मतलब यह नहीं है कि हर कोई एक जैसा हो जाता है। इसका मतलब है कि भूमिकाओं के बीच की सीमाएं अधिक तरल हो जाती हैं।

विशेषज्ञों को रेंज की आवश्यकता है।

सामान्यवादियों को गहराई की आवश्यकता है।

विशेषज्ञ अभी भी मायने रखते हैं, लेकिन उनका उपयोग निर्णय के लिए किया जाना चाहिए, बुनियादी रूटिंग के लिए नहीं।

सामान्यवादी अभी भी मायने रखते हैं, लेकिन उन्हें पैटर्न पहचान से वास्तविक निष्पादन तक जाने के लिए पर्याप्त गहराई की आवश्यकता है।

नेता अभी भी मायने रखते हैं, लेकिन उन्हें एक टूटे हुए मॉडल के अंदर उत्पादकता लाभ का जश्न मनाने के बजाय काम को फिर से डिज़ाइन करने की आवश्यकता है।

विजेता वे लोग होंगे जो जानते हैं कि कब विस्तृत जाना है, कब गहराई में जाना है, और कब किसी अन्य मानव को वास्तव में शामिल होने की आवश्यकता है।

वह नया कौशल है।

मांग पर रेंज और गहराई।