टूथपेस्ट। हैंड सोप। किचन क्लीनर।
आपके बाथरूम या किचन में अभी शायद कम से कम एक Lion प्रोडक्ट मौजूद हो।
वे एक क्लासिक, लंबे समय से स्थापित निर्माता हैं जिन पर हम रोज़ाना निर्भर करते हैं।
क्या होगा अगर मैं आपसे कहूँ कि यह प्रतीत होने वाली पारंपरिक कंपनी वर्तमान में जापान में Generative AI के उपयोग के मामले में सबसे उन्नत कंपनियों में से एक है?
ईमानदारी से कहूँ तो, यह हैरान करने वाला है, है ना?
Lion 130 साल से अधिक के इतिहास वाली कंपनी है। आम तौर पर, आप सोचेंगे कि एक पुरानी स्कूल की फर्म AI से सबसे दूर होगी। फिर भी, वे सबसे आगे हैं।
यह कहानी Norihiko Nakabayashi (डिजिटल रणनीति के प्रभारी कार्यकारी अधिकारी) ने PIVOT प्रोग्राम "&Questions" पर साझा की थी, और यह अविश्वसनीय रूप से आकर्षक थी।
सबसे प्रभावशाली हिस्सा? कंपनी के भीतर, दशकों के शोध डेटा को खोजने में लगने वाला समय पाँचवें हिस्से तक कम हो गया।
यह लेख उस सिस्टम को एक ऐसे प्रारूप में तोड़ता है जिसे आप अपनी कंपनी में दोहरा सकते हैं।
समस्या: हमने AI इंस्टॉल किया, लेकिन कोई इसका उपयोग नहीं करता
पहले एक दर्दनाक बिंदु पर बात करते हैं।
क्या आपकी कंपनी ने ChatGPT या इसी तरह के टूल पेश किए हैं? कई कंपनियाँ पाती हैं कि केवल कुछ टेक-सैवी लोग ही इसका उपयोग करते हैं। उन्होंने ट्रेनिंग दी। उन्होंने PoC (Proof of Concept) किया। लेकिन इससे परिणाम नहीं मिले और यह बस खत्म हो गया।
उद्योग में, इसे कभी-कभी "PoC डेथ" कहा जाता है। इसका मतलब है PoC स्टेज पर ही मर जाना। यह "यह सुविधाजनक लगता है, लेकिन मेरा काम नहीं बदला" पर रुक जाता है।
मुझे लगता है कि कई कंपनियाँ उस वास्तविकता का दर्द महसूस करती हैं।
Lion को जो अद्भुत बनाता है, वह यह है कि वे इससे आगे बढ़ गए। उन्होंने सिर्फ AI वितरित नहीं किया; उन्होंने एक ऐसा सिस्टम बनाया जहाँ फ्रंटलाइन कर्मचारी "खुद AI बना सकते हैं।" यही कारण है कि यह लेख सभी के लिए प्रासंगिक है।
दशकों के शोध डेटा को तुरंत खोजना: खोज का समय 1/5वें हिस्से तक कम हुआ
पहले, सबसे मजबूत परिणाम के बारे में बात करते हैं।
Lion के शोधकर्ता पहले यह पूछने में बहुत समय बिताते थे, "रुको, वह कहाँ था?" शोध रिपोर्ट टेक्स्ट-हैवी PDFs हैं जो कई फ़ोल्डरों में बिखरी हुई हैं। आवश्यक जानकारी खोजने के लिए, उन्हें एक के बाद एक फ़ोल्डर खोलना पड़ता था और खुद सारांश बनाना पड़ता था। बस इसकी कल्पना करना थकाऊ है।
इसलिए, 2024 में, उन्होंने R&D विभाग के लिए एक विशेष चैट टूल बनाया। उन्होंने दशकों के शोध डेटा—रिपोर्ट, उत्पाद संरचना, गुणवत्ता मूल्यांकन—को एक जगह रखा।
अब, जब वे आंतरिक चैट से पूछते हैं, तो यह प्रासंगिक दस्तावेज़ ढूंढता है और कई स्रोतों का सारांश भी देता है। "खोजना" "बस पूछना" में बदल गया। परिणामस्वरूप, खोज की गति और दक्षता पाँच गुना बढ़ गई।
यह मामूली लग सकता है, लेकिन यह बहुत बड़ा है। R&D Lion का मूल है। शोध को गति देना कंपनी के विकास को गति देने के समान है। "दक्षता के लिए AI" एक घिसा-पिटा वाक्यांश है, लेकिन "जो शोधकर्ता पूरे दिन फ़ोल्डर खोजते थे, वे अब बस एक बॉट से पूछते हैं" एक ठोस, शक्तिशाली छवि है।
नींव: Lion AI Chat बनाना और प्रति सप्ताह 20,000 उपयोग तक पहुँचना
यह खोज टूल कहीं से नहीं आया। इसका एक क्रम था। उससे पहले, एक बहुत ही महत्वपूर्ण, यद्यपि बिना चमक-दमक वाली नींव थी।
लगभग तीन साल पहले, Lion ने अपने पूरे कंपनी डेटा इंफ्रास्ट्रक्चर को शुरू से फिर से बनाया। क्यों? Nakabayashi-san ने कहा कि एक क्रांतिकारी बदलाव के बिना, Generative AI को पेश करना छोटा शुरू होगा और छोटा ही खत्म होगा।
कई बड़ी जापानी फर्मों में "साइलोड" डेटा और सिस्टम हैं जो रीयल-टाइम में लिंक नहीं होते हैं। यदि नींव कमजोर है, तो नवीनतम AI जोड़ने से केवल सतही परिणाम मिलेंगे। अदृश्य क्षेत्रों में निवेश बाद में भुगतान करता है।
Lion की डिजिटल रणनीति के तीन स्तंभ हैं: 1. प्रबंधन बुनियादी ढाँचा, 2. AI का लोकतंत्रीकरण, और 3. नए व्यवसाय का विस्तार। यह लेख दूसरे पर केंद्रित है: लोकतंत्रीकरण।
जब नवंबर 2022 में ChatGPT की घोषणा की गई, तो Lion ने तेज़ी से काम किया। उन्होंने 2023 के वसंत तक "Lion AI Chat" नामक एक आंतरिक चैट टूल को आंतरिक रूप से अपना लिया। लेकिन अकेले टूल काफी नहीं हैं। Lion ने अपनाने पर ध्यान केंद्रित किया। उन्होंने हैंड्स-ऑन सेशन आयोजित किए, "Ideathon" के माध्यम से विचार एकत्र किए, और Slack और Teams पर समुदाय बनाए। एक टूल एक "बिंदु" है, लेकिन एक समुदाय एक "रेखा" है जो प्रतिधारण की ओर ले जाती है।
Lion AI Chat स्मार्ट है; यह कार्य के आधार पर OpenAI के ChatGPT, Google के Gemini और Anthropic के Claude के बीच स्विच करता है। वे इतिहास भी स्टोर नहीं करते हैं, जिससे अधिकारियों के लिए भी महत्वपूर्ण प्रश्न पूछने की मनोवैज्ञानिक बाधा कम हो जाती है। अब, इसका उपयोग प्रति सप्ताह 20,000 बार किया जाता है और यह बढ़ रहा है।
मुख्य बिंदु: "निर्माता" पक्ष का लोकतंत्रीकरण
जब R&D टूल जारी किया गया, तो अन्य विभाग तुरंत इसमें शामिल होना चाहते थे। बैक-ऑफिस आंतरिक नियमों को खोजना चाहता था; मार्केटिंग बाजार हिस्सेदारी डेटा खोजना चाहता था। हर कोई चाहता था कि AI उनके थकाऊ कार्यों को संभाले।
लेकिन विशेषज्ञ AI टीम की सीमाएँ हैं। वे सभी के लिए सब कुछ नहीं बना सकते। Lion का समाधान? "यहाँ टूल हैं; इसे खुद बनाएँ।"
यह "निर्माता पक्ष का लोकतंत्रीकरण" है। उन्होंने "Dify" नामक एक नो-कोड टूल चुना। यह कोडिंग कौशल के बिना लोगों को AI एजेंट बनाने की अनुमति देता है—छोटे सहायक जो विशिष्ट कार्यों को संभालते हैं। इन्हें "Agent Hub" में साझा किया जाता है, जो एक आंतरिक बाज़ार है जहाँ सबसे अच्छे टूल शीर्ष पर आते हैं। यह भारी प्रेरणा पैदा करता है।
PoC डेथ को रोकना: "डोजो" के माध्यम से 100 लोगों को प्रशिक्षित करना
उन्होंने इन निर्माताओं को कैसे प्रशिक्षित किया? उन्होंने तीन प्रकार की प्रतिभा को परिभाषित किया: 1. डिजिटल एंट्री (सभी कर्मचारी), 2. IT डिजिटल (विशेषज्ञ), और 3. डिजिटल उपयोग (बिक्री/मार्केटिंग/HR में हाइब्रिड प्रतिभा)। उन्होंने तीसरे समूह पर ध्यान केंद्रित किया—ऐसे लोग जो व्यवसाय को जानते हैं और प्रौद्योगिकी के लिए अंतर को पाट सकते हैं।
उन्होंने रडार चार्ट का उपयोग करके 3,000 कर्मचारियों के कौशल का निदान किया ताकि अंतराल को देखा जा सके। फिर उन्होंने एक "डोजो" (प्रशिक्षण शिविर) शुरू किया। यह सिर्फ व्याख्यान नहीं थे; प्रतिभागियों को एक वास्तविक कार्यस्थल की समस्या लानी थी और ROI साबित करना था। यदि व्यावसायिक प्रभाव कम था, तो प्रशिक्षक स्पष्टवादी थे। यह कठोरता सुनिश्चित करती है कि प्रशिक्षण समाप्त होने के बाद परियोजनाएँ मर न जाएँ।
इस वर्ष, उन्होंने 100 नो-कोड AI निर्माता बनाने का लक्ष्य रखा। 2 महीने के प्रशिक्षण में कार्यों की सूची बनाना, AI के लिए उपयुक्त एक कार्य चुनना, वर्कफ़्लो को मैप करना और Dify में ऐप बनाना शामिल था। 90% से अधिक प्रतिभागी प्रशिक्षण के बाद Dify का उपयोग जारी रखते हैं क्योंकि इसने वास्तव में उनका काम आसान बना दिया।
लक्ष्य: सिर्फ समय बचाना नहीं, बल्कि परिवर्तन
Lion का लक्ष्य सिर्फ श्रम घंटे कम करना नहीं है; यह "स्मार्ट वर्क" है—उच्च मूल्य बनाने के लिए काम करने के तरीके को बदलना। जैसे-जैसे कार्यबल सिकुड़ता है, उन्हें उत्पादकता बनाए रखने के लिए सभी को AI का उपयोग और निर्माण करने में सक्षम होने की आवश्यकता है।
वे स्वामित्व वाले AI मॉडल भी बना रहे हैं। जबकि सामान्य AI सामान्य उत्तर देता है, Lion के डेटा पर प्रशिक्षित एक मॉडल सबूत के साथ विशिष्ट पेटेंट सामग्री का सुझाव दे सकता है। वे OJT सत्रों के वीडियो का विश्लेषण करके दिग्गजों के "मौन ज्ञान" को डिजिटलीकृत करने की भी खोज कर रहे हैं।
निष्कर्ष: आप किस समस्या का समाधान कर रहे हैं?
Nakabayashi-san जोर देते हैं: "DX और डिजिटल सिर्फ उपकरण हैं।" सबसे महत्वपूर्ण बात यह है कि आप उनके साथ क्या हल करते हैं। Lion का "विज़न 2030" एक "लचीली लाभप्रदता" का लक्ष्य रखता है, और हर AI पहल इस लक्ष्य से जुड़ी हुई है।
आपकी कंपनी के लिए तीन मुख्य बातें:
- "हर कोई AI का उपयोग कर रहा है" पर न रुकें; "हर कोई AI बना रहा है" का लक्ष्य रखें।
- प्रशिक्षण समस्या-संचालित होना चाहिए और "PoC डेथ" से बचने के लिए ROI पर ध्यान केंद्रित करना चाहिए।
- "हाइब्रिड प्रतिभा" में निवेश करें जो फ्रंटलाइन और तकनीक दोनों को समझते हैं।
Lion एक टूथपेस्ट कंपनी है, लेकिन वे अपनी संस्कृति और कंपनी को बदलने के लिए AI का उपयोग कर रहे हैं। क्या आपकी कंपनी सिर्फ उपयोगकर्ताओं को बढ़ा रही है, या आप निर्माताओं को सशक्त बना रहे हैं?
