Research
AI युग में सामान्य AI का उपयोग करें या विशेषीकृत AI एजेंट उत्पाद तैनात करें या स्वयं विकसित करें: नवीनतम अनुसंधान और केस स्टडी द्वारा सिस्टम कार्यान्वयन दृष्टिकोण
Product
Career
यह जापानी मूल पाठ से स्वचालित अनुवाद है
Overview
जब कंपनियाँ एंटरप्राइज़ AI को इन-हाउस विकसित करती हैं, तो केवल 5% ही प्रोडक्शन तक पहुँचता है। इन-हाउस विकास के अलावा, मौजूदा उत्पादों के जेनरल-पर्पस AI और स्पेशलाइज़्ड AI एजेंट को उचित स्थानों पर लागू करना कंपनी की AI अपनाने की सफलता दर को बढ़ाता है। यह लेख IT प्रोजेक्ट विफलता के अनुसंधान और केस स्टडी, और 2025 के बाद के AI कंपनी सर्वेक्षण के आधार पर, जेनरल-पर्पस AI, स्पेशलाइज़्ड AI एजेंट, और इन-हाउस विकास के तीन विकल्पों को व्यावसायिक प्रकृति के अनुसार अलग करने के तरीके को स्पष्ट करता है। निष्कर्ष के रूप में, "मॉडल खरीदें, डेटा अपने पास रखें, वर्कफ़्लो को व्यावसायिक प्रकृति के अनुसार चुनें" और यदि संदेह हो, तो जेनरल-पर्पस AI से शुरू करें, फिर स्पेशलाइज़्ड की ओर, और फिर इन-हाउस विकास की ओर बढ़ें यह महत्वपूर्ण है।
परिचय
AI की प्रगति उल्लेखनीय है, और लगभग सभी कंपनियों और संगठनों के लिए, AI अपनाना एक आवश्यक विचार बन गया है। AI अपनाने के विकल्प मुख्य रूप से दो हैं: मौजूदा उत्पाद को अपनाना या इन-हाउस विकास करना। और AI के संबंध में मौजूदा उत्पाद को अपनाना दो विकल्पों में विभाजित होता है: जेनरल-पर्पस AI को अपनाना, या स्पेशलाइज़्ड AI एजेंट को अपनाना। इन्हें लागू किए जाने वाले व्यावसायिक कार्य के आधार पर चुनने की आवश्यकता होती है, और यह लेख इस विचार को नवीनतम अनुसंधान और व्यावहारिक केस स्टडी के आधार पर स्पष्ट करता है।
इस कॉलम की नवीनता निम्नलिखित 4 बिंदुओं में निहित है।
मौजूदा उत्पाद अपनाने और इन-हाउस विकास की सफलता और विफलता केस स्टडी और सफलता दर की तुलना करता है: IT प्रोजेक्ट की विफलता के बारे में कई केस स्टडी और आँकड़े प्रचलित हैं, लेकिन "मौजूदा उत्पाद को अपनाने के मामले" और "इन-हाउस विकास के मामले" में सफलता और विफलता दोनों की समान आधार पर तुलना करने वाली व्यवस्था बहुत कम है। यह लेख दोनों की सफलता और विफलता की केस स्टडी और सर्वेक्षण अनुसंधान द्वारा दिखाई गई सफलता दर को साथ प्रस्तुत करता है, और यह दर्शाता है कि कोई भी एक पक्ष सुरक्षित है यह सरल निष्कर्ष सत्य नहीं है।
विफलता के कारणों को सिस्टम अपनाने की प्रक्रिया के अनुसार पूरी तरह और बिना दोहराए व्यवस्थित करता है: सॉफ्टवेयर इंजीनियरिंग, व्यवहारिक अर्थशास्त्र और सूचना प्रणाली अनुसंधान में विफलता के कारणों का शोध संचित है, लेकिन यह अलग-अलग शब्दों में व्यक्त किया जाता है, और व्यावहारिक कार्यकर्ताओं के लिए पूरी तस्वीर समझना मुश्किल है। यह लेख योजना से संचालन तक के पाँच चरणों के अनुसार कारणों को व्यवस्थित करता है, और मौजूदा उत्पाद अपनाने के लिए विशिष्ट कारण, इन-हाउस विकास के लिए विशिष्ट कारण, और दोनों के लिए सामान्य कारण को अलग करता है।
"कौन सा व्यावसायिक कार्य मौजूदा उत्पाद के लिए उपयुक्त है और कौन सा इन-हाउस विकास के लिए" इसे प्रबंधन सिद्धांत से निर्णय लिया जा सकता है: Williamson (1985), Barney (1991), Carr (2003), Wardley (2020) आदि के सिद्धांतों को "विभेदन", "संपत्ति विशिष्टता", "बाजार परिपक्वता", "परिवर्तन गति" इन 4 निर्णय अक्षों में अनुवादित किया जाता है, और व्यावसायिक कार्य की प्रकृति से अपनाने का रूप निकाला जा सकता है।
"जेनरल-पर्पस AI", "स्पेशलाइज़्ड AI एजेंट", और "इन-हाउस विकास" के तीन विकल्पों को कस्टमाइज़ेशन की मौजूदगी सहित लक्ष्य व्यावसायिक कार्य से जोड़ता है: 2025 के बाद प्रकाशित कंपनी सर्वेक्षण (MIT NANDA, 2025; Menlo Ventures, 2025) दर्शाते हैं कि AI में भी इन-हाउस विकास की प्रोडक्शन पहुँच दर मौजूदा उत्पाद की लगभग आधी रहती है। यह कॉलम जेनरल-पर्पस AI और स्पेशलाइज़्ड AI एजेंट के बीच के अंतर को "लक्षित बाजार", "प्रदान किया गया मूल्य", "एम्बेड किया गया ज्ञान" के दृष्टिकोण से व्यवस्थित करता है, और उन्हें बिना कस्टमाइज़ेशन के उपयोग करने और कस्टमाइज़ करके उपयोग करने दोनों मामलों में अनुकूल व्यावसायिक कार्य दिखाता है।
सिस्टम अपनाने की सफलता और विफलता की केस स्टडी
सिस्टम अपनाने का निर्णय लेने से पहले, सबसे पहले "किस तरह की सफलता और विफलता हो रही है" इसकी पुष्टि करें। विफलता केवल इन-हाउस विकास तक सीमित नहीं है, यह मौजूदा उत्पाद अपनाने में भी दोहराई जाती है। साथ ही, सफलता की केस स्टडी को देखने से पता चलता है कि मौजूदा उत्पाद अपनाने और इन-हाउस विकास दोनों में सफल होने के लिए स्पष्ट शर्तें हैं।
मौजूदा उत्पाद अपनाना
मौजूदा उत्पाद अपनाने की सफलता की केस स्टडी
मौजूदा उत्पाद अपनाने की सफलता की केस स्टडी में सामान्य है कि "उत्पाद को व्यावसायिक कार्य में फिट करने के लिए नहीं बनाया गया, बल्कि व्यावसायिक कार्य को उत्पाद के मानक में फिट किया गया" और "चरणबद्ध तरीके से अपनाया गया"।
Hershey (2002 वर्ष): विफलता के 3 साल बाद, समान उत्पाद से सफलता की केस स्टडी: 1999 में ERP के एक साथ स्विच से बड़े पैमाने पर शिपिंग बाधा का सामना करने वाली Hershey ने 2002 में समान SAP सिस्टम का बड़े पैमाने पर अपग्रेड किया और इस बार निर्धारित समय से पहले और बजट से लगभग 20% कम खर्च में पूरा किया (Koch, 2002)। जो बदला वह उत्पाद नहीं था बल्कि विधि थी, और स्विच को मांग की शांत अवधि में किया गया, परीक्षण और शिक्षा के लिए पर्याप्त समय दिया गया, और चरणबद्ध रूप से माइग्रेट किया गया सफलता का कारण माना जाता है।
Nike (2001–2006): चरणबद्ध अपनाने में परिवर्तन: Nike ने 2000 में मांग पूर्वानुमान प्रणाली अपनाने में लगभग 100 मिलियन डॉलर की बिक्री का अवसर खोने की विफलता का अनुभव किया, लेकिन बाद में कोर सिस्टम नवीकरण में "सब कुछ एक बार में स्विच न करें" नीति में बदलाव किया और क्षेत्र और व्यावसायिक कार्य के अनुसार कई वर्षों में चरणबद्ध तरीके से अपनाया। इस परिवर्तन से 2006 तक बड़ी बाधा के बिना नवीकरण पूरा हुआ (Koch, 2004)।
Netflix (2008–2016): आधार खरीदें, भेदभाव स्वयं बनाएँ: Netflix ने 2008 के डेटाबेस विफलता को लेकर अपने डेटा सेंटर से AWS में माइग्रेशन शुरू किया और 2016 में अपने अंतिम डेटा सेंटर को बंद किया (Netflix, 2016)। सर्वर और डेटाबेस जैसे बुनियादी ढाँचे के लिए बाहरी क्लाउड का उपयोग करते हुए, सिफारिश एल्गोरिदम और डिलीवरी नियंत्रण जैसे भेदभाव के मुख्य हिस्से के लिए इन-हाउस विकास जारी रखा। "क्या खरीदें और क्या बनाएँ" इसे स्पष्ट रूप से अलग करने की एक प्रतिनिधि केस स्टडी है।
Capital One (2020): वित्तीय संस्था द्वारा क्लाउड का पूर्ण माइग्रेशन: अमेरिकी बड़ी बैंक Capital One ने आठ डेटा सेंटर को बंद किया और 2020 में अवसंरचना को AWS में पूरी तरह माइग्रेट किया (Capital One, 2020)। नियंत्रित उद्योग में वित्तीय संस्था भी बुनियादी ढाँचे की परत को बाहरी उत्पादों को सौंप सकती है और ग्राहक-मुख करने वाली एप्लिकेशन और डेटा विश्लेषण में अपने विकास संसाधन को केंद्रित कर सकती है यह दर्शाता है।
मौजूदा उत्पाद अपनाने की विफलता की केस स्टडी
मौजूदा उत्पाद अपनाने की विफलता की केस स्टडी में सामान्य है कि उत्पाद को मानक के रूप में नहीं बल्कि अपने व्यावसायिक कार्य में फिट करने के लिए बड़े पैमाने पर बनाया गया, या स्विच की विधि गलत थी।
FoxMeyer Drug (1996): अमेरिकी दवा वितरण कंपनी FoxMeyer ने SAP R/3 और गोदाम स्वचालन प्रणाली अपनाने में विफल रहे और 1996 में दिवालिया आवेदन तक पहुँचे। अनुमान से बहुत अधिक प्रसंस्करण मात्रा और साथ ही चल रहे गोदाम पुनर्गठन की जटिलता कारण बताई गई, और ERP अपनाने की विफलता की प्रतीकात्मक केस स्टडी बन गई। उदाहरण के लिए, नई प्रणाली एक रात में लगभग 10,000 आदेशों को संसाधित कर सकती थी, जो पुरानी प्रणाली के लगभग 420,000 आदेशों से बहुत कम थे, और स्वीकृत आदेशों को संसाधित न करने की स्थिति जारी रही रिपोर्ट की गई है।
Hershey (1999): कैंडी बड़ी कंपनी Hershey ने ERP, ग्राहक प्रबंधन, और आपूर्ति श्रृंखला योजना की 3 प्रणाली को मांग शिखर हैलोवीन से ठीक पहले एक साथ चालू किया। ऑर्डर प्रोसेसिंग के भ्रम से लगभग 100 मिलियन डॉलर के ऑर्डर को शिप नहीं किया जा सका, और त्रैमासिक लाभ 19% कम हुआ। अपनाने की समय सारणी संपीड़न और एक साथ स्विच (बिग बैंग) विधि को मुख्य कारण माना जाता है।
Lidl (2018): जर्मन खुदरा बड़ी कंपनी Lidl ने 7 वर्षों में लगभग 500 मिलियन यूरो का निवेश करके SAP अपनाने की प्रकल्पना को 2018 में रोक दिया। SAP का मानक इन्वेंटरी को खुदरा कीमत पर मूल्यांकन करता है, जबकि Lidl अपनी पारंपरिक विधि क्रय मूल्य पर प्रबंधित करना पसंद करता है, और व्यापक कस्टमाइज़ेशन को जमा करने से विफलता का कारण बना गया (Handelsblatt, 2018)।
Birmingham City Council (2022–): ब्रिटेन के सबसे बड़े स्थानीय सरकारी निकाय, बर्मिंघम शहर ने SAP से Oracle Fusion में कोर सिस्टम माइग्रेशन में प्रारंभिक लगभग 19 मिलियन पाउंड का बजट 100 मिलियन पाउंड से अधिक तक बढ़ गया, और वित्तीय रिपोर्टिंग और लेखा परीक्षा में समस्याएँ पैदा हुईं। बाहरी लेखा परीक्षकों ने मुख्य कारणों में से एक के रूप में इंगित किया है कि मानक सुविधा से संभाले जा सकने वाले व्यावसायिक कार्य के लिए अत्यधिक कस्टमाइज़ेशन किया गया (Grant Thornton UK LLP, 2023)। उदाहरण के लिए, बैंक रिकॉनिलिएशन जो मानक सुविधा से संभाला जा सकता था, उसे स्वतंत्र विनिर्देश बनाया गया, जिससे रिकॉनिलिएशन मैनुअल में वापस आ गया, और दसों हज़ार अप्रसंस्कृत मामले जमा हो गए रिपोर्ट की गई है।
इन-हाउस विकास
इन-हाउस विकास की सफलता की केस स्टडी
इन-हाउस विकास की सफलता की केस स्टडी में सामान्य है कि "यह व्यावसायिक कार्य प्रतिस्पर्धात्मक लाभ का मुख्य हिस्सा है, बाजार में उपयुक्त उत्पाद नहीं है, और विकास और सुधार जारी रखने का संगठनात्मक क्षमता है"।
Walmart (1990 का दशक–): आपूर्ति श्रृंखला की स्वतंत्र प्रणाली: Walmart ने 1991 में आपूर्तिकर्ताओं के साथ बिक्री और इन्वेंटरी डेटा साझा करने वाली स्वतंत्र प्रणाली "Retail Link" बनाई, और दुकान के आधार पर बिक्री परिणाम आपूर्तिकर्ताओं को रीयल-टाइम में प्रकट करके, पूरक की सटीकता और गति में प्रतिद्वंद्वियों को बहुत पीछे छोड़ दिया। Bessen (2022) विश्लेषण करते हैं कि इस तरह का खुदरा उद्योग में बाजारीकृत नहीं किया गया स्वतंत्र सॉफ्टवेयर कंपनी के लाभ का स्रोत बन गया।
Amazon (2000 का दशक–): सामाजिक आधार सीधे व्यवसाय बन जाता है की केस स्टडी: Amazon ने खुदरा व्यवसाय का समर्थन करने के लिए स्वतंत्र रूप से बनाई गई कंप्यूटिंग आधार, स्टोरेज, और डेटाबेस को 2006 के बाद से AWS के रूप में बाहरी रूप से प्रदान करना शुरू किया, और वर्तमान में यह कंपनी के लाभ का बड़ा हिस्सा उत्पन्न करने वाला व्यवसाय बन गया। इन-हाउस विकास की गई प्रणाली केवल अपने व्यावसायिक कार्य की दक्षता तक सीमित नहीं है बल्कि स्वयं नया व्यवसाय बन गया, और स्वतंत्र विकास को न्यायसंगत करने का सबसे मजबूत रूप है।
Inditex (Zara) (2000 का दशक): व्यावसायिक मॉडल के लिए साधारण स्वतंत्र प्रणाली: Zara को चलाने वाली Inditex ने 2 सप्ताह में विचार से दुकान तक जाने वाले स्वतंत्र व्यावसायिक मॉडल को समर्थन करने के लिए दुकान टर्मिनल से मुख्यालय के उत्पादन योजना तक को जोड़ने वाली प्रणाली को स्वयं विकसित किया। Ferdows et al. (2004) विश्लेषण करते हैं कि कंपनी की प्रणाली तकनीकी रूप से साधारण है लेकिन व्यावसायिक मॉडल के साथ पूरी तरह मेल खाती है, और बाजारीकृत उत्पाद से प्रतिस्पर्धात्मक लाभ प्राप्त नहीं किया जा सकता है।
JPMorgan Chase (2024–): नियंत्रित उद्योग में इन-हाउस विकास AI: JPMorgan Chase ने बाहरी आधार मॉडल को सामाजिक आधार पर उपयोग करने वाली "LLM Suite" को स्वयं विकसित किया, और 2024 में तैनाती शुरू की और 2025 तक लगभग 200,000 कर्मचारियों का उपयोग करने के पैमाने तक विस्तार किया (JPMorgan Chase, 2025)। वित्तीय नियंत्रण के अंतर्गत मशीन डेटा को बाहर नहीं निकाल सकते, बहुत बड़ी तकनीकी संगठन और वार्षिक दसों अरब डॉलर की तकनीकी बजट रखते हैं, और स्वतंत्र डेटा लाभ का मुख्य है यह सब शर्त पूरी हुई केस स्टडी है।
इन-हाउस विकास की विफलता की केस स्टडी
इन-हाउस विकास की विफलता की केस स्टडी में सामान्य है कि विशाल स्वतंत्र प्रणाली को लंबी अवधि में एक बार में बनाने की कोशिश की गई, कई संगठनों के परिणाम को एकीकृत करने की ज़िम्मेदारी के लिए कोई नेता नहीं था, और आवश्यकता अंत तक बदलती रही।
ब्रिटेन के NHS की राष्ट्रीय प्रकल्पना (NPfIT): 2002 में शुरू की गई ब्रिटेन की राष्ट्रीय स्वास्थ्य सेवा की इलेक्ट्रॉनिक रिकॉर्ड एकीकरण प्रकल्पना, लगभग 100 बिलियन पाउंड से अधिक निवेश के बाद 2011 में प्रभावी रूप से विघटित किया गया। ब्रिटेन के हाउस ऑफ़ कॉमन्स की सार्वजनिक खातों की समिति ने इसे "सबसे बुरी IT विफलताओं में से एक" कहा (House of Commons Committee of Public Accounts, 2013)। केंद्रीकृत तरीके से विशाल स्वतंत्र प्रणाली को एक बार में विकसित करने की कोशिश करना, स्थानीय चिकित्सा संगठनों की अलग-अलग आवश्यकताओं को प्रतिबिंबित न कर पाना, अनुबंध विकास कंपनियों के साथ संबंध टूट जाना मुख्य कारण बताए गए हैं। उदाहरण के लिए, पूरे देश में एकीकृत इलेक्ट्रॉनिक रिकॉर्ड का लक्ष्य रखा गया था, लेकिन अस्पताल-दर-अस्पताल में निदान की प्रक्रिया और रिकॉर्ड की शैली अलग-अलग थी, और चलाने योग्य रूप में प्रतिबिंबित नहीं हुआ जबकि विकास कंपनियाँ क्रमिक रूप से हट गईं।
यूएस Healthcare.gov:अक्टूबर 2013 में लॉन्च किया गया स्वास्थ्य बीमा विनिमय वेबसाइट को अपने पहले दिन लाखों एक्सेस के लिए केवल कुछ ही लोगों ने सफलतापूर्वक पंजीकरण पूरा किया, जिसके लिए व्यापक पुनर्निर्माण की आवश्यकता थी। ऑडिट में यह संकेत दिया गया कि एकाधिक ठेकेदारों द्वारा विकसित स्वामित्व प्रणाली को एकीकृत करने के लिए कोई जिम्मेदार व्यक्ति नहीं था, आवश्यकताएं लॉन्च से तुरंत पहले तक बदलती रहीं, और लोड परीक्षण उत्पादन से तुरंत पहले तक किया नहीं गया था (U.S. Government Accountability Office, 2014)।
Hertz की वेबसाइट और ऐप विकास:किराये की कार में बड़ी कंपनी Hertz ने 2016 से एक परामर्श कंपनी को नई वेबसाइट और मोबाइल ऐप विकसित करने के लिए अनुबंध किया, लेकिन सुपुर्द की गई वस्तुएं काम न करने के कारण 2019 में 32 मिलियन डॉलर की वापसी और क्षति के लिए मुकदमा दायर किया। आवश्यकता परिवर्तन, मोबाइल समर्थन की कमी, और परीक्षण की अपर्याप्तता विवाद के मुद्दे बन गए, और यह दर्शाते हैं कि स्वामित्व विकास को बाहर सौंपने से भी "ठेकेदार को बदलने से समस्या हल नहीं होती है"। उदाहरण के लिए, टैबलेट स्क्रीन आकार समर्थन को अनुबंध में शामिल किया गया है या नहीं इस पर दोनों पक्षों की समझ अलग थी, और खरीद पक्ष की आवश्यकताओं को स्पष्ट रूप से परिभाषित और सत्यापित करने की क्षमता का अभाव उजागर हुआ।
वित्तीय संस्थान की खाता प्रणाली:बड़े बैंक की खाता प्रणाली का नवीनीकरण अक्सर कई वर्षों और सैकड़ों अरब येन के पैमाने पर स्वामित्व विकास बन जाता है, और सभी देशों में कार्यान्वयन के बाद बड़ी विफलताओं के मामले की रिपोर्ट दी गई है। विकास अवधि के दौरान आवश्यकताओं और प्रौद्योगिकी में परिवर्तन, एकाधिक विक्रेताओं की सुपुर्द की गई वस्तुओं को एकीकृत करने की कठिनाई, और कार्यान्वयन के बाद प्रणाली की पूरी तस्वीर को समझने वाले कर्मचारी कंपनी में नहीं रहना विफलता के पर्दे के पीछे के कारणों के रूप में विश्लेषण किए गए हैं। उदाहरण के लिए, एक परियोजना जिसमें लगभग 10 साल का विकास समय लगा, उस समय शुरू की गई तकनीक कार्यान्वयन के समय पुरानी पीढ़ी बन गई थी, और इसे बनाए रखने वाले तकनीकी विशेषज्ञों को सुरक्षित करना स्वयं एक समस्या बन गया।
सिस्टम कार्यान्वयन की सफलता दर
केवल व्यक्तिगत मामलों से, कौन सा रूप कितने प्रतिशत की संभावना के साथ सफल होता है यह स्पष्ट नहीं है। इस अध्याय में, हम सर्वेक्षण अनुसंधान द्वारा दिखाई गई सफलता दर की पुष्टि करते हैं।
मौजूदा उत्पाद कार्यान्वयन की सफलता दर
ERP (मुख्य प्रणाली) कार्यान्वयन की सफलता दर लगभग 50% से कम है:मौजूदा उत्पाद कार्यान्वयन के प्रतिनिधि ERP के बारे में, Panorama Consulting Group (2023) का निरंतर सर्वेक्षण बताता है कि लगभग आधे कार्यान्वयन करने वाली कंपनियां बजट या अवधि से अधिक है, और शुरुआती अपेक्षित प्रभाव पर्याप्त रूप से प्राप्त करने वाली कंपनियां आधे से कम हैं। दूसरी ओर, परियोजना का आकार छोटा है और पीछे हटना आसान है, इसलिए चरम विफलता कम है। मौजूदा उत्पाद का कार्यान्वयन व्यावसायिक क्षेत्रों में विभाजित किया जा सकता है अनुबंध और समाप्ति के लिए, इसलिए प्रति निवेश राशि और विफलता के समय की हानि सीमित है। उदाहरण के लिए, बिक्री समर्थन उपकरण के कार्यान्वयन में विफलता, हानि केवल कुछ महीनों के उपयोग शुल्क और माइग्रेशन लागत तक सीमित है, और यह कंपनी की जीवन से संबंधित दुर्लभ है।
SaaS लाइसेंस का उपयोग दर लगभग 60% है:कार्यान्वयन स्वयं पूरा हो गया हो सकता है, लेकिन अनुबंधित लाइसेंस का उपयोग न किया जाना विफलता का एक व्यापक रूप है। Zylo (2023) के सर्वेक्षण में पाया गया कि कंपनियों द्वारा अनुबंधित SaaS लाइसेंस का लगभग 40% अप्रयुक्त है, और प्रति कंपनी सालाना लगभग 17 मिलियन डॉलर बर्बाद हो रहा है। उदाहरण के लिए, विभाग द्वारा अलग-अलग परियोजना प्रबंधन उपकरण अनुबंधित करने के परिणामस्वरूप, पूरी कंपनी में 5 प्रकार के समान उपकरण मौजूद हैं, और कोई भी स्थापित नहीं है।
AI कार्यान्वयन सफलता दर में मौजूदा उत्पाद कार्यान्वयन स्वामित्व विकास का दोगुना है:MIT NANDA (2025) बताता है कि बाहरी विक्रेताओं के साथ भागीदारी के माध्यम से कार्यान्वित AI उपकरणों की उत्पादन प्राप्ति दर लगभग 67% थी, जबकि स्वामित्व विकास किए गए उपकरण लगभग 33% तक सीमित थे। मौजूदा उत्पाद का चयन सफलता की गारंटी नहीं देता है, लेकिन सफलता की संभावना को बहुत अधिक बढ़ाना AI में भी पुष्टि की गई है।
स्वामित्व विकास की सफलता दर
स्वामित्व विकास की सफलता दर लगभग 30% है:Standish Group द्वारा लगातार प्रकाशित CHAOS रिपोर्ट में, बजट, अवधि, और संतुष्टि सभी को पूरा करने वाली सॉफ्टवेयर परियोजनाएं कुल का लगभग 30% है, लगभग 20% रद्द या अप्रयुक्त रहती हैं, और बाकी आधी परियोजनाएं बजट अधिक व्यय, देरी, या कार्य की कमी में से किसी एक के साथ पूरी होती हैं (Standish Group, 2015, 2020)। सफलता की परिभाषा और सर्वेक्षण के विषय पर बहस है, लेकिन यह अनुपात 20 से अधिक वर्षों से काफी हद तक अपरिवर्तित रहा है।
स्वामित्व विकास का आकार द्वारा सफलता दर बड़ी 6%, छोटी 61% है:Standish Group (2015) के आकार द्वारा संकलित में, छोटी परियोजना (1 मिलियन डॉलर से कम) की सफलता दर 61% है, जबकि बड़ी परियोजना (10 मिलियन डॉलर से अधिक) में सफलता 6%, विफलता (रद्द या अप्रयुक्त) 43% तक पहुंचती है। परियोजना का आकार जितना बड़ा होता है, सफलता दर उतनी ही तेजी से गिरती है। McKinsey और Oxford विश्वविद्यालय द्वारा 5,400 से अधिक IT परियोजनाओं का विश्लेषण करने वाले सर्वेक्षण में, 15 मिलियन डॉलर से अधिक बजट की बड़ी परियोजनाएं औसतन बजट को 45%, अवधि को 7% से अधिक अधिक है, और शुरुआती परिकल्पित मूल्य को 56% कम हैं (Bloch et al., 2012)। उदाहरण के लिए, यदि एक ही संगठन एक ही विकास टीम के साथ 1 अरब येन की परियोजना को 10 भागों में विभाजित करता है और 10 अरब येन की परियोजना को एकल भाग में करता है, तो बाद में "बजट, अवधि, और मूल्य सभी को प्राप्त करने" की संभावना पूर्व की 1/10 तक गिर जाती है।
AI के स्वामित्व विकास में सफलता दर 5% है:MIT NANDA (2025) व्यावसायिक कस्टम AI उपकरणों के बारे में बताता है कि मूल्यांकन तक पहुंचने वाली कंपनियां 60%, पायलट में प्रवेश करने वाली कंपनियां 20%, उत्पादन संचालन तक पहुंचने वाली कंपनियां केवल 5% हैं। पारंपरिक सॉफ्टवेयर विकास की तुलना में भी, AI का स्वामित्व विकास उत्पादन तक पहुंचने की बाधा अधिक है।
सिस्टम कार्यान्वयन विफलता के कारण
मौजूदा उत्पाद कार्यान्वयन और स्वामित्व विकास में से प्रत्येक के विफलता के कारणों को व्यवस्थित किया जाता है। सिस्टम कार्यान्वयन को "योजना और निवेश निर्णय", "आवश्यकता परिभाषा और उत्पाद चयन", "डिजाइन, विकास, और अनुकूलन", "परीक्षण, माइग्रेशन, और कार्यान्वयन", "संचालन, रखरखाव, और विकास" के 5 चरणों में विभाजित किया जाता है, और प्रत्येक चरण में होने वाले कारणों को व्यवस्थित किया जाता है।
मौजूदा उत्पाद कार्यान्वयन विफलता के कारण
मौजूदा उत्पाद के कार्यान्वयन में, उत्पाद निकाय का डिजाइन, विकास, और रखरखाव विक्रेता द्वारा किया जाता है, इसलिए विफलता के कारण "उत्पाद चुनने के चरण" और "उत्पाद को स्वामित्व में फिट करने के चरण", और "संगठन पक्ष के परिवर्तन" पर केंद्रित हैं।
चरण 1: योजना और निवेश निर्णय
कार्यान्वयन रूप का गलत निर्णय:भेदभावपूर्ण मूल के व्यावसायिक को मानक उत्पाद से पूरा करना। संसाधन आधारित सिद्धांत (Barney, 1991) जैसा कि दिखाता है, बाजार में कोई भी खरीद सकने वाला उत्पाद प्रतिस्पर्धी लाभ का स्रोत नहीं है, इसलिए यदि आप अपनी शक्तियों के व्यावसायिक को मौजूदा उत्पाद से बदल देते हैं, तो शक्ति खो जाती है। उदाहरण के लिए, एक खुदरा कंपनी जो अपने अद्वितीय मांग पूर्वानुमान सटीकता में प्रतियोगियों को हराती थी, जब उसने मानक मांग पूर्वानुमान मॉड्यूल में स्विच किया, तो प्रतियोगियों के समान सटीकता में "समतल" हो गई।
पूरक निवेश के बजट में चूक:Brynjolfsson et al. (2021) के अनुसार, IT और AI जैसी सामान्य तकनीकों के कार्यान्वयन का प्रभाव शुरुआत में दिखाई नहीं देता है, और बाद में त्वरित होता है "उत्पादकता का J-वक्र" दिखाया गया। इसका कारण है कि व्यावसायिक प्रक्रिया पुनः डिजाइन, कर्मचारी पुनः शिक्षा, संगठनात्मक संरचना परिवर्तन जैसी अमूर्त संपत्तियों में पूरक निवेश आवश्यक है, और यह गणना न किए गए लागत के रूप में पहले आता है। मौजूदा उत्पाद के कार्यान्वयन में, केवल "लाइसेंस शुल्क और कार्यान्वयन समर्थन शुल्क" बजट में शामिल हैं, और व्यावसायिक को मानक के अनुसार समायोजित करने के लिए साइट के काम और शिक्षा का अनुमान नहीं लगाया जाता है। उदाहरण के लिए, व्यय प्रस्तुति प्रणाली को कार्यान्वित किया गया, लेकिन अनुमोदन नियम की समीक्षा और प्रबंधकों को शिक्षा नहीं दी गई, इसलिए कागज के आवेदन और प्रणाली इनपुट का दोहरा संचालन जारी रहा।
"कार्यान्वयन से प्रभाव निकलेगा" पूर्वधारणा:Aral & Weill (2007) जैसा कि दिखाता है, IT निवेश का प्रभाव निवेश राशि पर नहीं बल्कि संगठन की क्षमता पर निर्भर करता है। उत्पाद सुविधा सूची देखकर प्रभाव की प्रत्याशा यह पूर्वधारणा को छोड़ दिया है। उदाहरण के लिए, ग्राहक प्रबंधन प्रणाली को कार्यान्वित किया गया, लेकिन यदि बिक्री कर्मचारियों में अनुबंध रिकॉर्ड इनपुट करने की आदत नहीं है, और प्रबंधकों के पास उस रिकॉर्ड का उपयोग करके निर्देश देने की कार्रवाई नहीं है, तो प्रणाली केवल "महंगा पता बुक" रहती है।
चरण 2: आवश्यकता परिभाषा और उत्पाद चयन
व्यावसायिक और उत्पाद की असामंजस्य पर ध्यान न देना:Davenport (1998) बताते हैं, ERP जैसी एंटरप्राइज प्रणाली विक्रेता के "व्यावसायिक करने के तरीके" की पूर्वधारणा शामिल करती है, और कार्यान्वयन कंपनी को "प्रणाली को व्यावसायिक के लिए अनुकूल बनाना या व्यावसायिक को प्रणाली के लिए अनुकूल बनाना" सामरिक विकल्प का सामना करता है। Soh et al. (2000) ने उत्पाद और संगठन के बेमेल को डेटा, कार्य, और आउटपुट के 3 प्रकारों में वर्गीकृत किया, और दिखाया कि चयन चरण में इस बेमेल का मूल्यांकन न करने वाली कार्यान्वयन को बाद के चरणों में अनुकूलन से हल करने का सामना करना पड़ता है। उदाहरण के लिए,
विक्रेता और उत्पाद की निरंतरता का मूल्यांकन की कमी:उत्पाद कार्य तुलना पर ध्यान दिया जाता है, लेकिन विक्रेता की वित्तीय स्थिति, ग्राहक आधार, उत्पाद रोडमैप, अधिग्रहण किए जाने के प्रभाव, डेटा निर्यात साधनों का मूल्यांकन न करने वाली अनुबंध करना। Shapiro & Varian (1999) जैसा कि दिखाता है, सॉफ्टवेयर डेटा प्रारूप, व्यावसायिक प्रक्रिया, कर्मचारी कौशल विशेष उत्पाद पर निर्भर है, इसलिए स्विच करने में बड़ी लागत आती है। उदाहरण के लिए, एक स्टार्टअप द्वारा प्रदान किए गए उपस्थिति प्रबंधन उपकरण को पूरी कंपनी में कार्यान्वित किया गया, बाद में वह विक्रेता अधिग्रहण किया गया, 1 साल बाद सेवा समाप्ति की सूचना दी गई, लेकिन पिछले उपस्थिति डेटा को एक साथ निकालने का साधन अनुबंध में शामिल नहीं था।
खरीद पक्ष की क्षमता की कमी:IT आउटसोर्सिंग अनुसंधान की समीक्षा (Lacity et al., 2009) लगातार रिपोर्ट करती है कि बाहरी को सौंपे जाने के मामले में भी, आवश्यकताओं को परिभाषित करने, विक्रेताओं का मूल्यांकन और नियंत्रण करने की क्षमता को खरीद पक्ष में रखना परिणामों को प्रभावित करता है। यह क्षमता खो चुकी कंपनियां विक्रेता के प्रस्तावों का मूल्यांकन नहीं कर सकतीं, और कार्यान्वयन समर्थन कंपनियों की बातें मानते हुए अनावश्यक कार्य और अनुकूलन अनुबंधित करती हैं। उदाहरण के लिए, सूचना प्रणाली विभाग को सिकोड़कर बाहरी आउटसोर्सिंग में स्विच करने वाली कंपनी, ERP अपडेट समय पर "कौन सी व्यावसायिक को कौन से सेटिंग की जरूरत है" यह स्वयं समझा नहीं सकती, और कार्यान्वयन समर्थन कंपनी द्वारा पिछली सेटिंग को अनुसरण किया गया, परिणामस्वरूप पहले से ही समाप्त व्यावसायिक के लिए कार्य के लिए लागत का भुगतान करते रहे।
चरण 3: डिजाइन, विकास, और अनुकूलन
अत्यधिक अनुकूलन:Brehm et al. (2001) ERP समायोजन विधियों को "सेटिंग (पैरामीटर परिवर्तन)" से लेकर "पैकेज स्रोत कोड संशोधन" तक 9 चरणों में वर्गीकृत किया, चरण जितना गहरा होता है, तकनीकी जोखिम, रखरखाव लागत, विक्रेता समर्थन का नुकसान उतना बढ़ता है। कई कंपनियां "अनुकूलन" को एकमुश्त देखती हैं, लेकिन सेटिंग के दायरे में रहने वाली समायोजन और कोड में हाथ डालने वाली संशोधन गुण में पूरी तरह से अलग हैं। उदाहरण के लिए, अनुमोदन प्रवाह के चरणों को सेटिंग स्क्रीन पर 3 से 4 चरणों में बदलना सेटिंग है, लेकिन "विभागाध्यक्ष अनुपस्थित होने पर 2 प्रबंधकों का अनुमोदन प्रतिस्थापित करता है" जैसे अद्वितीय नियम को प्रोग्राम के रूप में जोड़ना संशोधन है, उत्पाद संस्करण अपग्रेड प्रत्येक बार कार्य पुष्टि और सुधार आवश्यक है, विक्रेता रखरखाव लागत में वृद्धि या विक्रेता समर्थन के नुकसान में पड़ता है।
संयोजन भाग का जटिलता:उत्पाद निकाय में हाथ न डालने हुए भी, अन्य प्रणालियों के साथ संयोजन को कई बनाने पर, संयोजन भाग वास्तविक स्वामित्व प्रणाली बन जाता है। उदाहरण के लिए, ERP और मौजूदा बिक्री प्रबंधन प्रणाली, गोदाम प्रणाली, लेखा प्रणाली के बीच दर्जनों डेटा संयोजन बनाए गए परिणामस्वरूप, किसी भी एक उत्पाद को संस्करण अपग्रेड करने पर सभी संयोजनों को पुनः परीक्षण आवश्यक है, "उत्पाद खरीदा है, लेकिन संयोजन का रखरखाव के लिए समर्पित टीम आवश्यक है" स्थिति में पहुंचता है।
कॉन्फ़िगरेशन की जटिलता और व्यक्तिगतकरण: कोड लिखे बिना कॉन्फ़िगरेशन के भी, कई वर्षों की संचयी वृद्धि से ऐसी स्थिति बन सकती है जहां कोई भी समग्र चित्र को समझ नहीं सकता। उदाहरण के लिए, ग्राहक प्रबंधन प्रणाली में 10 वर्षों में सैकड़ों वस्तुओं और स्वचालन नियमों को जोड़ा गया, और नए नियम जोड़ने से मौजूदा नियमों के साथ हस्तक्षेप होता है जिससे अप्रत्याशित व्यवहार होता है।
प्रक्रिया 4: परीक्षण, माइग्रेशन और संचालन
परीक्षण और डेटा माइग्रेशन की उपेक्षा: मौजूदा उत्पाद के "संचालन की गारंटी है" की धारणा से, अपनी कॉन्फ़िगरेशन, डेटा और एकीकरण सहित व्यावसायिक परिदृश्य की परीक्षण अक्सर छोड़ दी जाती है। Somers & Nelson (2001) ने ERP कार्यान्वयन की सफलता के कारकों का सर्वेक्षण किया और "डेटा की सटीकता" और "सॉफ्टवेयर परीक्षण" को कार्यान्वयन चरण के महत्वपूर्ण कारकों के रूप में उद्धृत किया, और Redman (1998) ने निम्न-गुणवत्ता वाले डेटा के कारण व्यावसायिक लागत बढ़ने की व्यवस्था को संक्षेपित किया। उदाहरण के लिए, बिलिंग प्रक्रिया जो उत्पाद एकल रूप से सही कार्य करती है, पुरानी प्रणाली से स्थानांतरित ग्राहक डेटा में विसंगतियों (समान ग्राहक कई विविधताओं में पंजीकृत हैं) के कारण दोहरी बिलिंग को ट्रिगर करती है।
एकत्र स्विचओवर का जोखिम: पुरानी प्रणाली से नई प्रणाली में एक बार में स्विच करने का तरीका समस्या होने पर प्रभाव सीमा को अधिकतम बनाता है। Hershey ने मांग के शिखर से ठीक पहले 3 प्रणालियों को एक साथ चलाया, जिससे ऑर्डर प्रसंस्करण में भ्रम पैदा हुआ। चरणबद्ध माइग्रेशन या समानांतर संचालन में लागत होती है, लेकिन बड़ी विफलता से बचने के लिए बीमा के रूप में काम करता है। उदाहरण के लिए, एक ही Hershey ने 2002 के अपडेट में धीमी अवधि को चुना और चरणबद्ध रूप से स्विच किया, जिससे इस सबक के विपरीत सफल हुआ।
साइट स्वीकृति की कमी: मौजूदा उत्पाद व्यावसायिक प्रक्रिया को बदलने के लिए आवश्यक है, इसलिए यदि साइट परिवर्तन को स्वीकार नहीं करता है, तो संचालन के तुरंत बाद पुरानी प्रक्रिया या व्यक्तिगत स्प्रेडशीट में "रिवर्ट" होता है। उदाहरण के लिए, नई खरीद प्रणाली के संचालन के बाद भी, साइट के कर्मचारी पारंपरिक रूप से फोन द्वारा ऑर्डर करते रहते हैं और बाद में सिस्टम में प्रवेश करते हैं "पोस्ट-एंट्री" सामान्य हो जाता है, और इन्वेंटरी डेटा वास्तविकता से विचलित हो जाता है।
प्रक्रिया 5: संचालन, रखरखाव और विकास
विक्रेता नीति परिवर्तन और लॉक-इन: Farrell & Klemperer (2007) ने सैद्धांतिक रूप से स्पष्ट किया है, स्विचिंग लागत विक्रेताओं को मूल्य नियंत्रण शक्ति देती है। 2023 में Broadcom द्वारा VMware अधिग्रहण के बाद, लाइसेंस के स्थायी संस्करण को समाप्त कर सदस्यता में स्थानांतरित किया गया, और कई कंपनियों में लागत कई गुना बढ़ गई, जो इसका प्रतिनिधि उदाहरण है। उत्पाद की आपूर्ति समाप्ति या विक्रेता का दिवाला/अधिग्रहण भी इस कारक में शामिल है।
अनुकूलित भागों का रखरखाव बोझ: प्रक्रिया 3 में उत्पाद में किए गए संशोधन को उत्पाद अपडेट के प्रत्येक बार पुनः सत्यापन और सुधार की आवश्यकता होती है। Erlikh (2000) द्वारा दिखाया गया है, सॉफ्टवेयर जीवनचक्र लागत का अधिकांश रखरखाव है, और संशोधन भागों का रखरखाव संगठन का बोझ बन जाता है। उदाहरण के लिए, क्लाउड आधारित ERP वर्ष में 4 बार स्वचालित अपडेट करता है, लेकिन प्रत्येक बार स्वतंत्र रूप से जोड़े गए रिपोर्ट और प्रसंस्करण तर्क की कार्यक्षमता की पुष्टि में कई सप्ताह लगते हैं, और अपडेट "सुधार" नहीं बल्कि "बोझ" बन जाता है।
संगठनात्मक परिवर्तन में देरी और एकीकरण विफलता: सिस्टम संचालन शुरू होने के बाद भी, यदि व्यावसायिक प्रक्रिया और संगठन नहीं बदलते, तो प्रभाव नहीं दिखता। Aral & Weill (2007) द्वारा दिखाया गया है, प्रभाव संगठनात्मक क्षमता द्वारा निर्धारित किया जाता है, और प्रक्रिया 1 में पूरक निवेश को बजटित नहीं करने का परिणाम इस प्रक्रिया में "अप्रयुक्त सिस्टम" के रूप में प्रकट होता है। उदाहरण के लिए, पिछले अध्याय में उल्लेखित Zylo (2023) सर्वेक्षण द्वारा दिखाया गया "लगभग 40% लाइसेंस अप्रयुक्त हैं" स्थिति इस विफलता का संचय है।
SaaS का विस्तार और डेटा का खंडन: विभागों द्वारा अलग-अलग SaaS को अनुबंधित करने के परिणामस्वरूप, समान डेटा कई प्रणालियों में विकेंद्रीकृत हो जाता है, और संपूर्ण-संगठन दृष्टिकोण कठिन हो जाता है। उदाहरण के लिए, बिक्रय विभाग, ग्राहक समर्थन विभाग और विपणन विभाग क्रमशः विभिन्न ग्राहक प्रबंधन उपकरण का उपयोग करते हैं, और समान ग्राहक की जानकारी 3 स्थानों में असंगत होती है।
स्व-विकास की विफलता के कारण
स्व-विकास में, संगठन योजना से रखरखाव तक सभी प्रक्रियाओं को संभालता है, इसलिए विफलता के कारण सभी 5 प्रक्रियाओं में दिखाई देते हैं। विशेष रूप से, आवश्यकताओं की परिवर्तनशीलता, जटिलता और रखरखाव लागत जैसे सॉफ्टवेयर विशिष्ट गुणों के कारण आने वाले कारण, और योजना त्रुटि और वृद्धि जैसे मानव निर्णय से आने वाले कारण, परियोजना के आकार और अवधि के अनुपात में गंभीर हो जाते हैं। मौजूदा उत्पाद कार्यान्वयन में विक्रेता द्वारा संभाले जाने वाले हिस्से को स्व-विकास में संगठन पूरी तरह ले लेता है।
प्रक्रिया 1: योजना और निवेश निर्णय
कार्यान्वयन विधि का गलत निर्णय: ऐसा काम जो भेदभाव में योगदान नहीं देता, स्वयं बनाने का निर्णय। लेनदेन लागत सिद्धांत (Williamson, 1985) दर्शाता है, मानक, स्थिर आवश्यकताओं वाले, कई आपूर्तिकर्ताओं से प्राप्त किए जा सकने वाले काम को बाजार से खरीदना अधिक तर्कसंगत है, लेकिन व्यावहारिक रूप से "हमारा काम विशेष है" की धारणा या पिछली परिस्थितियां निर्णय को विकृत करती हैं। Carr (2003) द्वारा इंगित किया गया है, कमोडिटीकृत तकनीकी क्षेत्रों में अत्यधिक निवेश लाभ नहीं उत्पन्न करता, केवल लागत और जोखिम बढ़ाता है। यह निर्णय त्रुटि सभी अनुवर्ती प्रक्रियाओं की विफलता का शुरुआती बिंदु बन जाता है। उदाहरण के लिए, लेखा, वेतन, और उपस्थिति जैसे काम, जहां कानून द्वारा प्रक्रियाएं लगभग तय हैं, को "हमारे संचालन से मेल नहीं खाता है" कारण से स्वतंत्र रूप से विकसित करते हैं, और कानून में परिवर्तन होने पर लगातार सुधार शुल्क देते रहते हैं, ऐसी कंपनियां कम नहीं हैं।
योजना त्रुटि द्वारा लागत और अवधि का कम मूल्यांकन: Kahneman & Tversky (1979) ने इंगित किया है, लोग योजना बनाते समय पिछले समान मामलों (बाहरी दृष्टिकोण) को अनदेखा करते हैं और सामने की योजना के विवरण (आंतरिक दृष्टिकोण) से अनुमान लगाते हैं। परिणामस्वरूप, अवधि और लागत को व्यवस्थित रूप से कम आंका जाता है। Flyvbjerg (2006) ने विधि के रूप में, समान परियोजनाओं के कार्य वितरण से अनुमान को संशोधित करने के लिए "संदर्भ वर्ग भविष्यवाणी" प्रस्तावित किया। पिछले अध्याय का शक्ति-कानून वितरण अध्ययन (Flyvbjerg et al., 2022) इस संदर्भ वर्ग के आकार को प्रायोगिक रूप से प्रदर्शित करता है, और स्व-विकास का आकार जितना बड़ा होता है, वितरण का पूंछ उतनी ही मोटी हो जाती है। उदाहरण के लिए, "आवश्यकताएं निर्धारित हैं, इसलिए 18 महीने में पूरा होगा" का अनुमान एक ही प्रकार की परियोजनाओं के कार्य वितरण (औसत 27% से अधिक अतिरिक्त, 1 में 6 परियोजनाएं 3 गुना - Flyvbjerg & Budzier, 2011) का पालन करता है, इसे अनदेखा करना "आंतरिक दृष्टिकोण" का विशिष्ट है।
पूरक निवेश बजट में छूट: मौजूदा उत्पाद की तरह, व्यावसायिक पुनः डिजाइन, शिक्षा, और संगठन परिवर्तन की लागत को "विकास लागत" के बाहर रखा जाता है (Brynjolfsson et al., 2021)। स्व-विकास में, विकास के बाद संचालन दल (निगरानी, पूछताछ प्रतिक्रिया, घटना प्रतिक्रिया) को भी कम आंका जाता है। Lientz & Swanson (1980) एक बड़े सर्वेक्षण द्वारा दिखाता है, संचालन के बाद रखरखाव और संचालन के लिए आवश्यक प्रयास विकास प्रयास से अधिक होता है, और इस प्रयास को बजट में न रखने की योजना संरचनात्मक रूप से अपर्याप्त होती है। उदाहरण के लिए, 10 सदस्यीय विकास दल द्वारा निर्मित सिस्टम के संचालन के बाद, घटना प्रतिक्रिया और सुधार मांग प्रतिक्रिया में विकास दल का आधा हिस्सा लगा रहता है, और अगली विकास शुरू नहीं कर सकता।
दायरे का विस्तार और संपूर्ण निर्माण प्रवृत्ति: कई व्यावसायिक क्षेत्रों को एक विशाल प्रणाली के रूप में एक बार में निर्माण करने का निर्णय आकार, अवधि, एकीकरण जटिलता सभी को बढ़ाता है। Flyvbjerg et al. (2022) तकनीकी तत्वों के बीच पारस्परिक निर्भरता दिखाता है जो श्रृंखला प्रतिक्रिया पैदा करती है, चरम लागत अतिरिक्त की ओर ले जाती है, और Flyvbjerg & Gardner (2023) दिखाता है, छोटी इकाइयों को बार-बार इकट्ठा करने वाली मॉड्यूलर परियोजनाएं संपूर्ण निर्माण प्रकार से बहुत अधिक सुरक्षित होती हैं। NHS की NPfIT इस संपूर्ण निर्माण प्रवृत्ति का परिणाम दिखाता है (House of Commons Committee of Public Accounts, 2013)। उदाहरण के लिए, "जब निर्माण कर रहे हैं तो बिक्रय, इन्वेंटरी, लेखा, मानव संसाधन सभी को एकीकृत करो" का निर्णय प्रत्येक क्षेत्र की देरी को एक-दूसरे को प्रभावित करने की संरचना को स्वयं तैयार करता है।
प्रक्रिया 2: आवश्यकता परिभाषा और उत्पाद चयन
आवश्यकताएं उपयोग शुरू करने के बाद निश्चित रूप से बदलती हैं: Brooks (1987) ने इंगित किया है, सॉफ्टवेयर में उपकरण या तकनीकों से समाधान न होने वाली "आंतरिक कठिनाई" होती है, और उनमें से एक "उपयोग शुरू होने पर निश्चित रूप से परिवर्तन मांग आते हैं" यह प्रकृति है (परिवर्तनशीलता)। उपयोगकर्ता कार्यकारी सिस्टम को देख कर ही सचमुच क्या आवश्यक है यह समझते हैं, और कानून और व्यावसायिक प्रक्रिया भी विकास के दौरान बदलती हैं, इसलिए आवश्यकताओं को कितनी भी सावधानीपूर्वक निर्धारित करो "पूर्ण होने पर समाप्त" नहीं होता। मौजूदा उत्पाद में इस परिवर्तन के अनुकूलन को विक्रेता ले लेता है, लेकिन स्व-विकास में संगठन को चिरकाल तक पालन करना पड़ता है।
आवश्यकता परिभाषा के मुख्य विषय की अनुपस्थिति: स्व-विकास में, "क्या बनाना है" का निर्णय लेने वाला, और विकास ज्ञान और तकनीक जो सिस्टम कंपनी के कर्मचारी स्तर पर है, ऐसे दायित्ववाहक व्यावसायिक विभाग की ओर से चाहिए। विकास आउटसोर्सिंग प्रदाता सहित विकास दल "कैसे बनाना है" तय कर सकते हैं, लेकिन "किस व्यावसायिक को, किस क्रम में, कहां तक" केवल व्यावसायिक को जानने वाले तय कर सकते हैं। Hofmann & Lehner (2001) दिखाता है, व्यावसायिक विभाग की भागीदारी की डिग्री परियोजना सफलता को सबसे मजबूती से समझाता है, और Standish Group (2015) भी "उपयोगकर्ता भागीदारी" को सफलता कारक के शीर्ष पर रखता है। यदि यह दायित्ववाहक अनुपस्थित रहता है विकास शुरू होता है, तो आवश्यकताएं आउटसोर्सिंग सिस्टम कंपनी के अनुमान या वर्तमान सिस्टम की नकल से भरी जाती हैं। उदाहरण के लिए, व्यावसायिक विभाग केवल "वर्तमान सिस्टम के समान काम कर सके" कहता है, विकास दल वर्तमान स्क्रीन को एक-एक कर पुनः उत्पन्न करता है, परिणाम 20 साल पुरानी व्यावसायिक प्रक्रिया को नई तकनीक से दोबारा बनाई गई सिस्टम है।
भेजने वाली ओर (आउटसोर्स करने की स्थिति में) की क्षमता की कमी: स्व-विकास को बाहर भेजने की स्थिति में, आवश्यकताओं को परिभाषित करने, प्रगति और गुणवत्ता का मूल्यांकन करने की क्षमता को भेजने वाली ओर रखनी चाहिए, नहीं तो प्राप्ति को मूल्यांकन नहीं कर सकते (Lacity et al., 2009; Feeny & Willcocks, 1998)। अमेरिकी किराये वाली कार कंपनी Hertz का मामला (वेबसाइट और मोबाइल ऐप पूर्ण नवीनीकरण परियोजना विफल माना गया, आउटसोर्सिंग प्रदाता Accenture के विरुद्ध 32 मिलियन डॉलर से अधिक क्षति वसूली - Hertz Corp. v. Accenture LLP, 2019) इस क्षमता की कमी को मुकदमे तक रखे जाने का उदाहरण माना जा सकता है। उदाहरण के लिए, आउटसोर्सिंग प्रदाता द्वारा मासिक प्रस्तुत प्रगति रिपोर्ट को "सुचारू" मानते रहना, 3 महीने पहले पता चलना मुख्य कार्य काम नहीं करता है, यह विशिष्ट पैटर्न है।
प्रक्रिया 3: डिजाइन, विकास, अनुकूलन
जटिलता और पारस्परिक निर्भरता द्वारा श्रृंखलबद्ध देरी: Brooks (1975) का "विलंबित परियोजना में लोग जोड़ने से और विलंब होता है" यह कानून संचार की लागत लोगों की संख्या के वर्ग में बढ़ने से आता है। स्वतंत्र रूप से डिजाइन की गई सिस्टम में घटकों के बीच पारस्परिक निर्भरता अधिक होती है, एक स्थान की देरी या डिजाइन परिवर्तन अन्य तत्वों में श्रृंखलबद्ध होता है। Flyvbjerg et al. (2022) चरम लागत अतिरिक्त की व्यवस्था के रूप में जो उद्धृत करता है वह यह श्रृंखला प्रतिक्रिया है। उदाहरण के लिए, डेटाबेस डिजाइन परिवर्तन इसे संदर्भ करने वाले सभी स्क्रीन, रिपोर्ट, एकीकरण प्रसंस्करण में प्रसारित होता है, 1 सप्ताह परिवर्तन 3 महीने का पुनः काम बन जाता है।
तकनीकी ऋण का संचय: Cunningham (1992) द्वारा "तकनीकी ऋण" के रूपक में दिखाए गए अनुसार, समय-सीमा को प्राथमिकता देने वाली डिज़ाइन में समझौते से बाद में परिवर्तन की लागत लगातार बढ़ती है। स्वयं विकास में ऋण का भुगतान (रीफैक्टरिंग) को स्वयं द्वारा योजनाबद्ध तरीके से किया जाना आवश्यक है। उदाहरण के लिए, "फिलहाल काम करने लायक" के रूप में एक ही प्रसंस्करण को कई स्थानों पर कॉपी करके लागू करने के परिणामस्वरूप, हर बार विनिर्देश परिवर्तन होने पर सभी स्थानों को खोजना और संशोधित करना आवश्यक हो जाता है, जिससे संशोधन छूटने के कारण दोष दोहराए जाते हैं।
एकीकरण जिम्मेदारी की अनुपस्थिति: जब कई विकास कंपनियों या विभागों द्वारा विकास को साझा किया जाता है, तो समग्र को एकीकृत करने और गुणवत्ता के लिए जिम्मेदारी रखने वाली कोई इकाई अनुपस्थित हो सकती है। Healthcare.gov का ऑडिट (U.S. Government Accountability Office, 2014) एकीकरण जिम्मेदारी की अनुपस्थिति को प्रमुख विफलता कारण के रूप में इंगित करता है। उदाहरण के लिए, स्क्रीन के लिए जिम्मेदार कंपनी, डेटा प्रसंस्करण के लिए जिम्मेदार कंपनी, बाहरी एजेंसियों से जुड़ाव के लिए जिम्मेदार कंपनी - सभी यह रिपोर्ट करते हैं कि "हमारी जिम्मेदारी का क्षेत्र पूरा हो गया है", लेकिन जब जोड़ा जाता है, तो यह काम नहीं करता।
तकनीकी चयन में त्रुटि: दीर्घकालीन विकास में, शुरुआत में चुनी गई तकनीक पूरी होने तक पुरानी हो सकती है, या केवल विशिष्ट तकनीकियों द्वारा संभाली जाने वाली तकनीक चुनी जा सकती है। Bisbal et al. (1999) ने दिखाया कि कैसे इस तरह से बनी "विरासत प्रणाली" संरचना में, रखरखाव योग्य कर्मियों की कमी और तकनीक के पुराने पड़ने से संगठन के परिवर्तन में बाधा आती है। अमेरिकी जनरल अकाउंटिंग ऑफिस ने रिपोर्ट किया है कि संघीय सरकार की कई मुख्य प्रणालियां दशकों पुरानी भाषाओं में लिखी गई हैं, और रखरखाव करने वाले तकनीकियों की सेवानिवृत्ति एक आसन्न जोखिम बन गई है (U.S. Government Accountability Office, 2016)। उदाहरण के लिए, एक विशिष्ट विकास भाषा में पारंगत प्रबंधक के निर्णय से उस भाषा को अपनाया गया, लेकिन उस व्यक्ति की सेवानिवृत्ति के बाद उत्तराधिकारी को नियुक्त नहीं किया जा सका, और रखरखाव रुक गया।
प्रक्रिया 4: परीक्षण, स्थानांतरण और कार्यान्वयन
परीक्षण और डेटा स्थानांतरण की उपेक्षा: लोड परीक्षण, व्यावसायिक परिदृश्य पर आधारित स्वीकृति परीक्षण, और पुरानी प्रणाली से डेटा स्थानांतरण की पुष्टि को समय-सीमा के दबाव से संपीड़ित किया जाता है। Healthcare.gov में लोड परीक्षण उत्पादन से ठीक पहले तक नहीं किया गया था, और Hertz में मोबाइल सहायता के लिए परीक्षण की कमी विवाद का विषय थी। उदाहरण के लिए, सार्वजनिक लॉन्च के पहले दिन अपेक्षित के 10 गुना आने वाले अभिगमन को पहले से पूर्वानुमान लगाया जा सकता था, लेकिन सार्वजनिक लॉन्च से एक सप्ताह पहले इस लोड में परीक्षण पहली बार किया गया था, और समस्या मिलने के बाद भी सुधार के लिए समय नहीं बचा।
एक साथ स्विच करने का जोखिम: पुरानी प्रणाली से नई प्रणाली में एक बार में स्विच करने की विधि समस्या उत्पन्न होने पर प्रभाव की सीमा को अधिकतम करती है (Markus & Tanis, 2000)। स्वयं विकास में "समानांतर संचालन के लिए दोहरी परिचालन लागत नहीं चुकाना चाहते" के निर्णय से एक साथ स्विच किया जाना अधिक संभावित हो जाता है। उदाहरण के लिए, ब्रिटेन का TSB बैंक अप्रैल 2018 के सप्ताहांत में ग्राहक खातों को नए खाता आधार पर स्थानांतरित किया, लेकिन अगले सप्ताह से लगभग 19 मिलियन ग्राहक ऑनलाइन बैंकिंग का उपयोग नहीं कर सके, और पुनर्स्थापना लागत और ग्राहक मुआवजे में लगभग £330 मिलियन का नुकसान हुआ। स्वतंत्र जांच ने प्रवास से पहले परीक्षण की अपूर्णता और एक साथ स्विच करने का निर्णय को प्रमुख कारण के रूप में इंगित किया (Slaughter and May, 2019)।
संवर्धन: रोका नहीं जा सकता: Keil (1995) ने विश्लेषण किया कि कैसे विफल होती दिख रही IT परियोजनाएं जारी और अतिरिक्त निवेश प्राप्त करती हैं, इसे "संवर्धन" के रूप में बताया। पहले से डाले गए खर्च के प्रति आसक्ति, प्रबंधक का सम्मान, और "लगभग पूरा हो गया है" की गलत समझ, वापसी के निर्णय को विलंबित करते हैं। स्वयं विकास में वापसी का मतलब तुरंत निवेश का कुल नुकसान होता है, इसलिए संवर्धन लंबे समय तक रहता है। उदाहरण के लिए, NHS की NPfIT, शुरुआत के कुछ वर्षों के बाद प्रमुख विकास कंपनियों द्वारा वापस ले लिए जाने और वर्तमान स्वीकृति में आने के कारण स्पष्ट हो गया था, लेकिन "पहले से ही दर्जनों अरब पाउंड डाले जा चुके हैं" के कारण विघटन का निर्णय 2011 तक स्थगित कर दिया गया।
प्रक्रिया 5: संचालन, रखरखाव और विकास
रखरखाव लागत की अल्पमूल्यांकन: Lientz & Swanson (1980) के शास्त्रीय सर्वेक्षण के बाद से, सॉफ्टवेयर की जीवनचक्र लागत में रखरखाव और संचालन का हिस्सा आधे से अधिक है, यह बार-बार पुष्टि की गई है, और Erlikh (2000) ने अनुमान लगाया है कि व्यावसायिक प्रणालियों में यह 85-90% तक पहुंचता है। "विकास लागत" को आधार मानकर स्वयं विकास और मौजूदा उत्पादों की तुलना करना लागत के बड़े हिस्से को अनदेखा करना है। उदाहरण के लिए, 100 मिलियन येन की विकास लागत वाली प्रणाली को 10 वर्षों के रखरखाव, सुधार, और बुनियादी ढांचे के अपडेट में 200-500 मिलियन येन का अतिरिक्त खर्च आता है, जो आम तौर पर मौजूदा उत्पाद के 10 वर्षों के उपयोग शुल्क की तुलना में कई दर्जन गुना अधिक होता है।
निरंतर परिवर्तन और बुनियादी ढांचा तकनीक की पीढ़ी परिवर्तन: Lehman (1980) द्वारा तैयार किया गया "सॉफ्टवेयर विकास का कानून" दिखाता है कि वास्तव में उपयोग की जाने वाली प्रोग्राम को निरंतर परिवर्तन नहीं किए जाने पर संतुष्टि में गिरावट आती है, और परिवर्तन जारी रहने से जटिलता बढ़ती है। इसके अलावा, OS और ब्राउज़र के अपडेट, सुरक्षा कमजोरियों के प्रति प्रतिक्रिया, कानूनी परिवर्तनों का पालन, क्लाउड化और API रूपांतरण जैसे बुनियादी ढांचा तकनीक की पीढ़ी परिवर्तन, मूल्य बनाए रखने के लिए "रक्षात्मक रखरखाव" के रूप में निरंतर होता है। उदाहरण के लिए, 2010 के दशक की शुरुआत में बनाई गई कई प्रणालियों को ब्राउज़र विनिर्देश परिवर्तन, सर्वर OS समर्थन समाप्ति, और एन्क्रिप्शन पद्धति अपडेट के प्रत्येक अवसर पर संशोधन के लिए विवश किया जाता है, जिससे "कार्यक्षमता कुछ भी नहीं बदली, लेकिन बनाए रखने के लिए हर साल खर्च आता है" की स्थिति में आते हैं।
कर्मियों का पलायन और ज्ञान की व्यक्तिगत निर्भरता: अद्वितीय प्रणाली का ज्ञान उसे बनाने वाले कर्मियों में जमा होता है। Rigby et al. (2016) ने विकास कर्मियों की बातचीत से सॉफ्टवेयर ज्ञान के नुकसान की मात्रा निर्धारित की है, और दिखाया है कि केवल विशिष्ट व्यक्ति द्वारा समझे गए कोड का अनुपात, बातचीत के बाद रखरखाव जोखिम को तय करता है। प्रभारी की स्थानांतरण या सेवानिवृत्ति द्वारा "कोई भी सामग्री को समझ नहीं सकता" प्रणाली का जन्म होना कई कंपनियों में सामान्य घटना है। मौजूदा उत्पादों में, मानक सुविधाओं के बारे में ज्ञान बाजार में प्रचलित है, इसलिए कर्मियों के बदलाव के लिए सहन क्षमता अधिक हो जाती है। उदाहरण के लिए, डिज़ाइन दस्तावेज़ बिना अपडेट किए 10 वर्षों तक संशोधन किया गया, लेकिन पूरी प्रणाली को समझने वाले एकमात्र प्रभारी की सेवानिवृत्ति के बाद, यह "टूटने के डर से कोई नहीं छूता" प्रणाली बन गई।
संगठनात्मक रूपांतरण में देरी और स्थापना की विफलता: मौजूदा उत्पादों के साथ ही, प्रणाली के चालू होने के बाद भी यदि व्यावसायिक प्रक्रिया और संगठन नहीं बदलते हैं, तो प्रभाव प्रकट नहीं होता है (Aral & Weill, 2007)। स्वयं विकास में "वर्तमान व्यावसायिक को यथावत पुनः उत्पन्न करने" की आवश्यकता होती है, इसलिए कभी-कभी व्यावसायिक सुधार का अवसर ही छूट जाता है। Hammer (1990) ने, मौजूदा व्यावसायिक प्रक्रिया को यथावत स्वचालित करने को "गाय के रास्ते को फुटपाथ बनाना" कहा है और इसे प्रभाव रहित लक्षण के रूप में आलोचना की है। उदाहरण के लिए, कागज के आवेदन पत्र को यथावत स्क्रीन में बदली गई प्रणाली, इनपुट का प्रयास कम करने की बजाय, कागज पर भरने के बाद प्रणाली में भी भरने का दोहरा प्रयास पैदा करती है।
मौजूदा उत्पाद परिचय और स्वयं विकास की विफलता के कारणों में अंतर
समानताएं
"परिचय रूप का गलत निर्णय" जो निर्णय का प्रारंभिक बिंदु है, दोनों के लिए सामान्य है: अंतर का मूल मौजूदा उत्पाद से निर्धारित करने में गलती और गैर-अंतरकारी व्यावसायिक को स्वयं विकास करने में गलती, समान निर्णय अक्ष (अंतर, संपत्ति विशिष्टता, बाजार परिपक्वता) की कमी से उत्पन्न होती है। उदाहरण के लिए, "अन्य कंपनी स्वयं विकास कर रही है" या "अन्य कंपनी इस उत्पाद को उपयोग कर रही है" जैसा क्षैतिज निर्णय दोनों दिशाओं में गलत होता है।
पूरक निवेश की उपेक्षा और संगठनात्मक परिवर्तन में देरी, तकनीकी नहीं बल्कि संगठनात्मक समस्या है, और दोनों रूपों में होती है: Brynjolfsson et al. (2021) का J-वक्र और Aral & Weill (2007) का संगठनात्मक क्षमता पर शोध दिखाता है कि प्रणाली का मूल्य व्यावसायिक प्रक्रिया और कर्मियों के परिवर्तन से उत्पन्न होता है। उदाहरण के लिए, नई प्रणाली के चालू होने के बाद भी व्यावसायिक प्रक्रिया दस्तावेज़ अपडेट नहीं किए गए और प्रशिक्षण भी नहीं किया गया, तो कंपनी मौजूदा उत्पाद में भी स्वयं विकास में भी "उपयोग न की जाने वाली प्रणाली" के साथ रह सकती है।
जारी करने वाले और व्यावसायिक पक्ष की क्षमता की कमी, दोनों रूपों में घातक हो सकती है: आवश्यकता को परिभाषित करने, परिणामों का मूल्यांकन करने, और विक्रेता या विकास दल को नियंत्रित करने की क्षमता को बाहरी पक्ष को नहीं सौंपा जा सकता। उदाहरण के लिए, सूचना प्रणाली विभाग को अत्यधिक सीमित करने वाली कंपनी, मौजूदा उत्पाद के चयन में भी स्वयं विकास के अनुबंध में भी, विरोधी के प्रस्ताव की वैधता का निर्णय नहीं कर सकती।
परीक्षण के नियम और स्विच विधि की विफलता दोनों रूपों में समान रूप में प्रकट होती है: लोड परीक्षण की छूट, डेटा स्थानांतरण की जांच की कमी, एक साथ स्विच करना - ये सभी, उत्पाद के स्रोत के बावजूद, विफलता का कारण बनते हैं। उदाहरण के लिए, Hershey (मौजूदा उत्पाद) और Healthcare.gov (स्वयं विकास) - रूप अलग है, लेकिन "उत्पादन से ठीक पहले तक परीक्षण नहीं किया गया, और एक साथ चलाया गया" इस बिंदु में समान गलती है।
अलग बिंदु
स्वयं विकास की अद्वितीय विफलता, आकार, अवधि, और स्वयं-विशिष्ट कोड की मात्रा के अनुपात में बढ़ती है: योजना त्रुटि, श्रृंखलाबद्ध विलंब, तकनीकी ऋण, रखरखाव लागत, कर्मियों का व्यक्तिगत आश्रय - सभी "स्वयं के पास अद्वितीय कोड की मात्रा" और "परियोजना का आकार और अवधि" के फलन हैं (Flyvbjerg et al., 2022; Lientz & Swanson, 1980)। उदाहरण के लिए, समान "बिक्रय प्रबंधन" में भी, मौजूदा उत्पाद को सेट करके 3 महीने में चलाया जाना और 2 साल में अद्वितीय विकास किया जाना - बाद वाला आवश्यकता परिवर्तन, कर्मियों का बदलाव, तकनीक के पुराने पड़ने के समय को 8 गुना बढ़ाता है।
मौजूदा उत्पाद परिचय की अद्वितीय विफलता, चयन चरण के मूल्यांकन और कस्टमाइजेशन की गहराई में केंद्रित है: उत्पाद और स्वयं के व्यावसायिक के बीच असमानता को देखना और विक्रेता मूल्यांकन की कमी प्रक्रिया 2 में, अत्यधिक कस्टमाइजेशन प्रक्रिया 3 में, और ताले आना प्रक्रिया 5 में प्रकट होता है, लेकिन जड़ सभी "उत्पाद को मानक रूप में उपयोग करें या कस्टम बनाएं" के निर्णय में होती है (Soh et al., 2000; Brehm et al., 2001)। गहरे कस्टमाइजेशन को चुनने के उसी क्षण, स्वयं विकास के अद्वितीय कारक भी साथ में ले लिए जाते हैं। उदाहरण के लिए, Lidl मौजूदा उत्पाद परिचय करने वाली थी, लेकिन 7 साल और 500 मिलियन यूरो का आकार और अवधि, बड़े आकार के स्वयं विकास के समान जोखिम संरचना रखते थे (Handelsblatt, 2018)।
विफलता होने पर नुकसान की बड़ाई स्वयं विकास में अधिक होती है: मौजूदा उत्पाद में अनुबंध को समाप्त करना या बदलना वापसी का मार्ग है, इसलिए नुकसान "यहां तक की उपयोग शुल्क और स्थानांतरण लागत" तक सीमित रहता है, जबकि स्वयं विकास की विफलता निवेश का कुल नुकसान होती है, और Keil (1995) द्वारा दिखाया गया संवर्धन भी लंबे समय तक रहता है। उदाहरण के लिए, SaaS परिचय विफलता आमतौर पर कई करोड़ येन का नुकसान में खत्म होती है, जबकि NHS की NPfITलगभग 100 अरब पाउंड का अधिकांश भाग वापस नहीं किया जा सका।
रखरखाव और विकास की जिम्मेदारी सभी के लिए अलग होती है: मौजूदा उत्पाद में, सुरक्षा प्रतिक्रिया, कानूनी परिवर्तन प्रतिक्रिया, और बुनियादी ढांचा तकनीक की पीढ़ी परिवर्तन विक्रेता सभी ग्राहकों के लिए एक साथ करता है, जबकि स्वयं विकास में सब कुछ स्वयं करना पड़ता है (Lehman, 1980; Erlikh, 2000)। उदाहरण के लिए, उपभोक्ता कर दर या सामाजिक बीमा दर में परिवर्तन, मौजूदा उत्पाद में विक्रेता के अपडेट से कवर किया जाता है, लेकिन स्वयं विकास में हर बार स्वयं के संशोधन की आवश्यकता होती है।
मौजूदा उत्पाद परिचय और स्वयं विकास का लक्ष्य व्यावसायिक
पिछले संगठन से, विफलता से बचने की कुंजी यह समझ में आती है कि "कौन सा व्यावसायिक मौजूदा उत्पाद द्वारा और कौन सा स्वयं विकास द्वारा किया जाएगा" का निर्णय है। यह निर्णय "संपूर्ण प्रणाली" नहीं बल्कि "व्यावसायिक इकाई" के आधार पर किया जाना आवश्यक है।
मौजूदा उत्पाद परिचय और स्वयं विकास को विभाजित करने का निर्णय अक्ष
मौजूदा उत्पादों के कार्यान्वयन और स्वयं के विकास के लिए उपयुक्त कार्यों का न्याय करने के लिए, प्रबंधन अध्ययन में जमा किए गए 4 सिद्धांतों पर विचार करके किया जा सकता है।
विभेदन की धुरी (संसाधन आधारित सिद्धांत): Barney (1991) ने तर्क दिया कि टिकाऊ प्रतिस्पर्धी लाभ केवल उन संसाधनों से उत्पन्न होता है जो मूल्यवान (Valuable), दुर्लभ (Rare), नकल करने में कठिन (Inimitable) और संगठनात्मक रूप से उपयोग किए जाते हैं (Organized)। बाजार में कोई भी खरीद सकने वाले उत्पाद परिभाषा के अनुसार न तो दुर्लभ हैं और न ही नकल करने में कठिन हैं। यह कार्य केवल तभी स्वयं विकास के लिए एक विकल्प बन जाता है जब इसे एक अद्वितीय तरीके से करना ग्राहकों के दृष्टिकोण से लाभदायक हो। उदाहरण के लिए, Walmart की पुनः पूरक सटीकता या Zara की वस्तु घूर्णन की गति ग्राहकों के लिए इस कंपनी को चुनने का कारण ही है, और इसे समर्थन करने वाली प्रणाली विभेदन की धुरी को पूरा करती है।
संपत्ति विशिष्टता की धुरी (लेन-देन लागत सिद्धांत): Williamson (1985) ने तर्क दिया कि आंतरिक निर्माण तीन शर्तों के तहत लाभदायक हो जाता है: लेन-देन के भागीदार को नहीं बदला जा सकता है - "संपत्ति विशिष्टता" अधिक हो, भविष्य की आवश्यकताओं को नहीं समझा जा सकता है - "अनिश्चितता" अधिक हो, और "आवृत्ति" अधिक हो। Nelson et al. (1996) ने इसे सॉफ्टवेयर खरीद पर लागू किया और "व्यवसाय की स्वतंत्रता" और "आवश्यकता की अनिश्चितता" के 2 अक्षों पर पैकेज खरीद, कस्टम विकास, और स्वयं विकास की उपयुक्तता को संगठित किया है। उदाहरण के लिए, वेतन गणना कानून द्वारा निर्धारित है और एक ही उद्योग के अन्य कंपनियों के साथ मौलिक रूप से समान है, इसलिए संपत्ति विशिष्टता कम है, और मौजूदा उत्पाद उपयुक्त हैं।
बाजार परिपक्वता की धुरी (कमोडिटीकरण सिद्धांत): Carr (2003) ने तर्क दिया कि IT भी विद्युत और रेलवे की तरह प्रसार के साथ कमोडिटीकृत हो जाता है और अपने आप में प्रतिस्पर्धी लाभ नहीं देता है। Wardley (2020) ने दिखाया कि सभी प्रौद्योगोलजियां और गतिविधियां "उदीयमान → स्वतंत्र निर्माण → उत्पाद → कमोडिटी" के चरणों से गुजरती हैं, और प्रत्येक चरण के लिए उपयुक्त खरीद विधि अलग होती है। उदीयमान चरण की चीजें केवल स्वयं द्वारा परीक्षण की जा सकती हैं, लेकिन जब यह उत्पाद चरण में प्रवेश करे तो खरीद अधिक तर्कसंगत हो जाती है, और जब यह कमोडिटी चरण में प्रवेश करे तो प्रति-उपयोग शुल्क अधिक तर्कसंगत हो जाता है। उदाहरण के लिए, 2000 के दशक की शुरुआत में अपना सर्वर रखना ही एकमात्र विकल्प था, लेकिन अब कंप्यूटिंग आधार क्लाउड जैसे कमोडिटी बन गया है, और Netflix जैसी कंपनियों के लिए अपने स्वयं के डेटा सेंटर को बंद करने का निर्णय तर्कसंगत हो गया है।
परिवर्तन की गति की धुरी: उन क्षेत्रों में जहां व्यवसाय को परिभाषित करने वाली आवश्यकताएं (कानूनी विनियमन, तकनीकी मानक, ग्राहकों की अपेक्षाएं) तेजी से बदलती हैं, बाहरी मौजूदा उत्पादों का लाभ बड़ा हो जाता है क्योंकि वे अनुसरण करने की लागत को बाहरी करते हैं। यदि परिवर्तन लगभग न के बराबर हो और व्यवसाय स्थिर हो, तो आंतरिक विकास का रखरखाव बोझ अपेक्षाकृत कम हो जाता है (Nelson et al., 1996; Lehman, 1980)। उदाहरण के लिए, इलेक्ट्रॉनिक बहीखाता रक्षा और इनवॉइस प्रणाली जैसे क्षेत्रों में जहां कानून निरंतर संशोधित हो रहे हैं, विक्रेता मौजूदा उत्पाद के सभी ग्राहकों के लिए एक साथ संशोधन करते हैं, जो स्वयं द्वारा हर बार संशोधन करने की तुलना में कहीं अधिक कुशल है।
मौजूदा उत्पाद कार्यान्वयन के लिए उपयुक्त व्यवसाय
मानक अप्रत्यक्ष व्यवसाय: वह क्षेत्र जहां विभेदन की धुरी, संपत्ति विशिष्टता की धुरी, और बाजार परिपक्वता की धुरी तीनों "मौजूदा उत्पाद" दिशा में होती हैं। अधिकांश कंपनियों में, लगभग 8-9% व्यवसाय यहां आता है (Carr, 2003; Quinn & Hilmer, 1994)। उदाहरण के लिए, लेखांकन, वेतन गणना, व्यय प्रतिपूर्ति, मानव संसाधन प्रबंधन, उपस्थिति ट्रैकिंग, ईमेल, फ़ाइल साझा करना, वेब कॉन्फ्रेंसिंग आदि ऐसे कार्य हैं कि यदि समान उद्योग की अन्य कंपनियों से भिन्न तरीके से किए जाएं तो भी ग्राहक इसकी सराहना नहीं करते, परिपक्व उत्पाद बाजार मौजूद है, और कानून संशोधन का अनुसरण करना नियमित रूप से आवश्यक है।
उद्योग-सामान्य व्यवसाय: उद्योग के भीतर ऐसे व्यवसाय जहां प्रक्रियाएं सामान्यतः सामान्य होती हैं और उद्योग के लिए कई उत्पाद मौजूद होते हैं (Davenport, 1998)। उदाहरण के लिए, ग्राहक प्रबंधन, इन्वेंटरी प्रबंधन, खरीद, परियोजना प्रबंधन, ग्राहक सहायता की पूछताछ प्रबंधन आदि ऐसे व्यवसाय हैं जो अपने कंपनी के लिए विशिष्ट दिखते हैं लेकिन वास्तव में एक ही उद्योग की अन्य कंपनियों के साथ मौलिक रूप से समान हैं।
स्वयं के लिए विशिष्ट दिखता है, लेकिन विभेदन में योगदान नहीं देता है ऐसे व्यवसाय: ऐसे व्यवसाय जहां "अपनी कंपनी की तरीका" मौजूद है, लेकिन यह तरीका ही ग्राहकों के द्वारा कंपनी को चुनने का कारण नहीं है। इस स्थिति में, उत्पाद को तैयार करने के बजाय, व्यवसाय को उत्पाद के मानक के साथ समायोजित करें या केवल विशिष्ट भाग को L3 से बाहरी रूप से जोड़ते हैं (Soh et al., 2000; Brehm et al., 2001)। उदाहरण के लिए, अद्वितीय मंजूरी प्रवाह, आंतरिक रिपोर्ट लेखन प्रारूप, विभाग द्वारा भिन्न व्यय वर्ग आदि अक्सर केवल ऐतिहासिक कारणों से रहते हैं, और मानक के साथ समायोजित करने से व्यवसा पर कोई प्रभाव नहीं पड़ता है।
कई उत्पादों को जोड़ने वाला व्यवसाय प्रवाह: व्यवसाय स्वयं मानक है, लेकिन कई उत्पादों में डेटा हस्तांतरण अपनी कंपनी के लिए विशिष्ट है ऐसी स्थिति। उदाहरण के लिए, ऑर्डर सिस्टम में लिया गया ऑर्डर इन्वेंटरी सिस्टम में आवंटित किया जाता है और लेखा प्रणाली में चालान किया जाता है - यह एक सिलसिलेवार प्रवाह है जहां प्रत्येक उत्पाद मौजूदा उत्पाद उपयोग करते हुए, उत्पादों के बीच एकीकरण को API या लो-कोड उपकरणों के साथ संरचित करना उपयुक्त है (Hasselbring, 2000)।
परिवर्तन तेज़ है और अनुसरण करने की लागत अधिक है ऐसे व्यवसाय: कानून, प्रणाली, तकनीकी मानकों में बदलाव बार-बार होने वाले व्यवसाय में, परिवर्तन गति की धुरी से मौजूदा उत्पाद दृढ़ता से अनुशंसित होते हैं (Nelson et al., 1996)। उदाहरण के लिए, कर रिटर्न, इलेक्ट्रॉनिक अनुबंध, व्यक्तिगत सूचना संरक्षण और सुरक्षा प्रमाणन प्रतिक्रिया जैसे व्यवसायों में, विक्रेता प्रणाली संशोधन के समय पर सभी ग्राहकों के लिए एक साथ प्रतिक्रिया करते हैं, जो स्वयं द्वारा लगातार अनुसरण करने की तुलना में अधिक निश्चित होता है।
कमोडिटीकृत बुनियादी ढांचा: बाजार परिपक्वता की धुरी पर कमोडिटी चरण में होने वाले क्षेत्र, स्वामित्व के बजाय उपयोग का रूप तर्कसंगत होता है (Carr, 2003; Wardley, 2020)। उदाहरण के लिए, सर्वर, स्टोरेज, डेटाबेस, प्रमाणीकरण आधार, ईमेल वितरण आधार आदि ऐसे क्षेत्र हैं जहां Netflix और Capital One के उदाहरणों के अनुसार, विनियामक उद्योग और बड़ी कंपनियां भी बाहरी क्लाउड का उपयोग करने का निर्णय मुख्य बन गया है (Netflix, 2016; Capital One, 2020)।
स्वयं विकास के लिए उपयुक्त व्यवसाय
विभेदन का केंद्रबिंदु है और बाजार में उत्पाद मौजूद नहीं है ऐसा व्यवसाय: 4 अक्षों में विभेदन और संपत्ति विशिष्टता उच्च है, और बाजार परिपक्वता उदीयमान या स्वतंत्र निर्माण चरण में है ऐसा व्यवसाय। Bessen (2022) ने दिखाया है कि स्वतंत्र सॉफ्टवेयर बड़ी कंपनियों के प्रतिस्पर्धी लाभ का स्रोत है, लेकिन यह तभी होता है जब व्यवसाय ही विभेदन का स्रोत हो, इसे समर्थन करने वाली सॉफ्टवेयर बाजार में न मौजूद हो, और विकास और निरंतर सुधार को समर्थन करने के लिए संगठनात्मक क्षमता और पूंजी मौजूद हो। उदाहरण के लिए, Walmart का Retail Link, Zara की उत्पादन योजना प्रणाली, Amazon की रसद और सुझाव प्रणाली - ये सभी निर्माण के समय बाजार में ऐसा कोई उत्पाद नहीं था जो समान काम कर सके।
अपने डेटा का उपयोग करने वाले विश्लेषण और निर्णय की व्यवस्था: ऐसे व्यवसाय जहां केवल अपनी कंपनी के पास डेटा होता है (ग्राहकों का व्यवहार इतिहास, वर्षों के लेनदेन रिकॉर्ड, अपनी कंपनी का विशिष्ट माप डेटा आदि) और इसका उपयोग प्रतिस्पर्धी लाभ में परिणत होता है। Teece (1986) के पूरक संपत्ति सिद्धांत के अनुसार, मूल्य सिस्टम ही में नहीं रहता बल्कि डेटा नामक पूरक संपत्ति में होता है। उदाहरण के लिए, जब कोई बीमा कंपनी दशकों के दुर्घटना डेटा से एक अपनी दर गणना मॉडल तैयार करती है, तो मॉडल निर्माण का आधार मौजूदा क्लाउड और लाइब्रेरी का उपयोग करते हुए भी, गणना तर्क स्वयं द्वारा विकसित किया जाता है।
विभेदन का केंद्रबिंदु है लेकिन, उत्पाद मौजूद है ऐसे क्षेत्र का "स्वयं कंपनी के विशिष्ट भाग": व्यवसाय का अधिकांश भाग मौजूदा उत्पाद के साथ संभाला जा सकता है, लेकिन प्रतिस्पर्धी लाभ से संबंधित कुछ तर्क ही अपनी कंपनी के लिए विशिष्ट हैं ऐसी स्थिति। इस स्थिति में, उत्पाद को संशोधित करने के बजाय, विशिष्ट भाग को एक स्वतंत्र सिस्टम के रूप में स्वयं द्वारा विकसित किया जाता है और उत्पाद को API द्वारा शिथिल रूप से जोड़ा जाता है। Baldwin & Clark (2000) ने दिखाया है कि मानकीकृत इंटरफेस द्वारा विभाजित मॉड्यूल स्वतंत्र रूप से विकसित हो सकते हैं, और Christensen & Raynor (2003) ने दिखाया है कि कमोडिटीकृत परत के आसन्न परत पर लाभ स्थानांतरित होता है। उदाहरण के लिए, ई-कॉमर्स वेबसाइट का आधार मौजूदा उत्पाद का उपयोग करते हुए, केवल कीमत निर्धारण एल्गोरिथम या सुझाव तर्क जैसे अपनी कंपनी के प्रतिस्पर्धी लाभ के हिस्से को स्वयं द्वारा विकसित किया जाता है और API द्वारा उत्पाद में एकीकृत किया जाता है।
व्यवसाय ही सॉफ्टवेयर है ऐसी स्थिति: जहां प्रदान की जाने वाली सेवा का केंद्रबिंदु सॉफ्टवेयर है, ऐसी कंपनी के लिए वह सॉफ्टवेयर परिभाषा के अनुसार विभेदन का केंद्रबिंदु है (Andreessen, 2011)। उदाहरण के लिए, Netflix के लिए वितरण और सुझाव प्रणाली, Amazon के लिए क्रय अनुभव - यदि इन्हें मौजूदा उत्पाद से प्रतिस्थापित किया जाए तो व्यवसाय ही नहीं चल पाएगा। हालांकि, ऐसी कंपनियां भी लेखांकन, मानव संसाधन, बुनियादी ढांचे जैसे आसपास के व्यवसाय के लिए मौजूदा उत्पाद का उपयोग करती हैं।
स्वयं विकास के मामले में पूर्व शर्तें
स्वयं विकास के मामले में, पूर्व शर्त के रूप में निम्नलिखित 3 शर्तें पूरी होने की आवश्यकता है।
लक्षित व्यवसाय प्रतिस्पर्धी लाभ उत्पन्न करता है: इस व्यवसाय को अपने अद्वितीय तरीके से करना ग्राहकों के लिए अपनी कंपनी को चुनने का सीधा कारण बन जाता है। Barney (1991) के संसाधन आधारित सिद्धांत के अनुसार, टिकाऊ प्रतिस्पर्धी लाभ उत्पन्न करने वाली संपत्ति केवल "मूल्यवान, दुर्लभ, नकल करने में कठिन और संगठनात्मक रूप से उपयोग की जाने वाली" संपत्ति तक सीमित है, और बाजार में कोई भी खरीद सकने वाले उत्पाद से पूरा किए जाने वाले व्यवसाय परिभाषा के अनुसार इस शर्त को पूरा नहीं करते। Quinn & Hilmer (1994) ने तर्क दिया कि केवल उस गतिविधि को आंतरिक रूप से रखा जाना चाहिए जिसमें स्वयं की कंपनी विश्व-श्रेष्ठ हो सकती है, और Moore (2005) ने व्यवसाय को "ग्राहकों द्वारा अपनी कंपनी को चुनने के कारण का केंद्र" और "आवश्यक लेकिन प्रतियोगियों के साथ समान तरीका ठीक है ऐसा संदर्भ" में विभाजित किया है, और केंद्र समय के साथ संदर्भ की ओर स्थानांतरित होता है। यहां महत्वपूर्ण यह है कि निर्णय स्थानीय "हमारे व्यवसाय की विशेष दावे" के बजाय ग्राहकों के दृष्टिकोण से किया जाए। Soh et al. (2000) ने दिखाया है कि स्थानीय स्तर पर "विशेष" दिखने वाले व्यवसाय का अधिकांश भाग केवल ऐतिहासिक कारणों से रहा प्रक्रिया है और ग्राहकों के मूल्य से निरपेक्ष है। उदाहरण के लिए, Walmart की पुनः पूरक सटीकता या Zara की व्यापार घूर्णन की गति ग्राहकों के लिए दुकान चुनने का कारण ही है, और इसे समर्थन करने वाली प्रणाली इस शर्त को पूरा करती है (Bessen, 2022; Ferdows et al., 2004)। दूसरी ओर, "हमारी कंपनी की अनुमति प्रक्रिया 5 चरणों में विशेष है" - यह दावा ग्राहकों के लिए कोई मूल्य नहीं देता है, इसलिए यह शर्त को पूरा नहीं करता है।
बाजार में उपयुक्त उत्पाद मौजूद नहीं है: बाजार में उपयुक्त उत्पाद न होने की बात "विचार" के बजाय "सर्वेक्षण" से पुष्टि करके चुनी जानी चाहिए। Wardley (2020) ने दिखाया है कि सभी प्रौद्योगोलजियां "उदीयमान → स्वतंत्र निर्माण → उत्पाद → कमोडिटी" चरणों से गुजरती हैं, और उत्पाद चरण तक पहुंचे हुए क्षेत्र में स्वतंत्र निर्माण को जारी रखना केवल व्यय और जोखिम बढ़ाता है (Carr, 2003)। Nelson et al. (1996) के ढांचे में भी, स्वयं विकास तर्कसंगत है केवल जब "व्यवसाय की स्वतंत्रता अधिक हो और बाजार में उपयुक्त उत्पाद न हो" ऐसी स्थिति में। इसलिए, शुरूआत से पहले, यह सुनिश्चित करने की आवश्यकता है कि लक्षित व्यवसाय को संभालने वाले उत्पाद कई विक्रेताओं द्वारा प्रदान किए जाते हैं, और उन उत्पादों को मानक तरीके से, या सेटिंग और एकीकरण की सीमा में अपने व्यवसाय पर लागू किया जा सकता है, इसे वास्तव में परीक्षण करके सत्यापित किया जाए। उदाहरण के लिए, Walmart ने 1991 में Retail Link को स्वयं द्वारा विकसित किया क्योंकि विक्रेताओं के साथ वास्तविक समय में बिक्री डेटा साझा करने वाला उत्पाद उस समय बाजार में मौजूद नहीं था (Bessen, 2022)। इसके विपरीत, 2023 में "उत्पाद नहीं है" के कारण कंपनी द्वारा विकसित किए गए आंतरिक दस्तावेज़ों की खोज और सारांश प्रणाली का अधिकांश, 2025 तक कई विशेषीकृत उत्पाद समान या अधिक कार्यक्षमता प्रदान करेंगे (Menlo Ventures, 2025), इसलिए यह शर्त एक बार सत्यापित होने के बाद समाप्त नहीं होती - इसे नियमित रूप से दोबारा सत्यापित करना आवश्यक है।
सुधार और रखरखाव के लिए कर्मचारी, बजट और संगठन होना चाहिए:स्वयं विकास "बनाओ और समाप्त करो" नहीं है, बल्कि निर्माण के बाद 5 साल, 10 साल तक सुधार और रखरखाव जारी रखने की क्षमता होना आवश्यक है। Lientz & Swanson(1980)के बाद से, सॉफ्टवेयर जीवनचक्र लागत का आधा से अधिक वास्तविक परिचालन के बाद रखरखाव और संचालन में खर्च होता है, यह बार-बार पुष्टि की गई है, और Erlikh(2000)का अनुमान है कि एंटरप्राइज सिस्टम में यह 85-90% तक पहुंचता है। दूसरे शब्दों में, स्वयं विकास का चुनाव मतलब है विकास लागत से कई गुना अधिक रखरखाव लागत (मौजूदा उत्पादों की दसों गुना से अधिक लागत) को भविष्य में वहन करने का निर्णय लेना। इस संरचना के लिए 3 तत्वों की आवश्यकता है। पहला है कर्मचारी। Rigby et al.(2016)द्वारा दिखाए गए अनुसार, स्वतंत्र प्रणाली का ज्ञान निर्माता के पास केंद्रित होता है, इसलिए मुख्य डेवलपर के प्रस्थान के बाद भी हस्तांतरण के लिए कई लोगों की एक टीम और दस्तावेज़ीकरण आवश्यक है। दूसरा है बजट। Boehm(1981)के अनुभवजन्य नियम के अनुसार, वार्षिक रखरखाव लागत विकास लागत का 15-20% तक पहुंचती है, और इसमें बुनियादी तकनीक की पीढ़ी परिवर्तन के साथ आने वाली नवीनीकरण लागत (Lehman, 1980) जोड़ी जाती है। तीसरा है संगठन। Feeny & Willcocks(1998)का तर्क है कि प्रणाली को व्यवसाय में सक्रिय रखने के लिए, व्यवसाय और तकनीक को जोड़ने की सोच, डिज़ाइन नियंत्रण, विक्रेता और विकास टीम का प्रबंधन जैसी मुख्य क्षमताओं को संगठन के भीतर बनाए रखने की आवश्यकता है, और Aral & Weill(2007)ने साबित किया है कि IT निवेश के परिणाम निवेश राशि से नहीं बल्कि ऐसी संगठनात्मक क्षमता से तय होते हैं। Bessen(2022)द्वारा दिखाए गए "स्वतंत्र सॉफ्टवेयर के साथ प्रतिस्पर्धी लाभ बनाने वाली कंपनियां" भी बिना अपवाद के बड़े पैमाने की तकनीकी संगठन और निरंतर निवेश के साथ आई हैं। उदाहरण के लिए, JPMorgan Chase स्वयं विकास का चुनाव कर सके क्योंकि नियामक बाधाएं और स्वतंत्र डेटा भेदभाव के मूल के साथ था, साथ ही वार्षिक दसियों अरब डॉलर की तकनीकी बजट और हजारों पैमाने के तकनीकी कर्मचारी थे(JPMorgan Chase, 2025)। इसके विपरीत, यदि केवल 2-3 डेवलपर वाला संगठन स्वयं विकास का चुनाव करता है, तो उन कुछ लोगों का प्रस्थान ही प्रणाली की आयु बन जाता है।
सामान्य AI, विशिष्ट AI एजेंट और स्वयं विकास के अधीन व्यावसायिक कार्य
यहां हम AI पर ध्यान केंद्रित करते हैं, मौजूदा उत्पादों को सामान्य AI और विशिष्ट AI एजेंट में विभाजित करते हैं, और स्वयं विकास सहित 3 विकल्पों को सुव्यवस्थित करते हैं कि किन व्यावसायिक कार्यों के लिए उपयुक्त हैं। पूर्ववर्ती अध्याय के 4 निर्णय अक्ष AI पर भी सीधे लागू होते हैं, लेकिन AI के पास पारंपरिक सॉफ्टवेयर से अलग विशेषताएं हैं, इसलिए पहले "आखिरकार किन व्यावसायिक कार्यों के लिए AI का परिचय उपयुक्त है" की पुष्टि करते हैं।
AI परिचय के लिए उपयुक्त व्यावसायिक कार्य
AI पारंपरिक प्रणालियों से अलग है, व्यावसायिक क्षेत्र में व्यापक रूप से जुड़ा हुआ है, आउटपुट संभाव्य है, और क्षमता की सीमाएं अग्रिम में अनुमान लगाना मुश्किल हैं। इसलिए "AI को अपनाएं या नहीं" से पहले, "यह व्यावसायिक कार्य AI के लिए उपयुक्त है?" को व्यावसायिक इकाई के स्तर पर निर्णय लेना आवश्यक है।
व्यावसायिक कार्य का अधिकांश भाग भाषा, दस्तावेज़ और छवि प्रसंस्करण और निर्णय से मिलकर बना है:Eloundou et al.(2023)का अनुमान है कि संयुक्त राज्य के लगभग 80% श्रमिक व्यावसायिक कार्यों के कम से कम 10% में, और लगभग 19% व्यावसायिक कार्यों के आधे से अधिक में बड़े भाषा मॉडल के प्रभाव से प्रभावित होंगे। प्रभाव सबसे बड़ा है दस्तावेज़ पढ़ने, लिखने, सारांशित करने, वर्गीकृत करने, सत्यापित करने जैसे सूचना संभालने वाले व्यावसायिक कार्यों में। उदाहरण के लिए, अनुबंध की समीक्षा, पूछताछ का उत्तर, आवेदन दस्तावेज़ और मानदंड का सत्यापन, कोड निर्माण जैसे व्यावसायिक कार्य शामिल हैं, लेकिन स्थान पर शारीरिक कार्य या आमने-सामने बातचीत इस शर्त को पूरा नहीं करते हैं।
आउटपुट की सही-गलती जांच के साधन हैं:AI समान इनपुट के लिए अलग-अलग आउटपुट देता है और त्रुटि हो सकती है। इसलिए, ऐसे व्यावसायिक कार्य उपयुक्त हैं जहां आउटपुट सही है या नहीं इसे मानव या अन्य तंत्र द्वारा सत्यापित किया जा सके(NIST, 2023)। उदाहरण के लिए, कानूनी प्रावधानों और ड्राइंग को सत्यापित करने वाले समीक्षा व्यावसायिक कार्य में, AI द्वारा इंगित आधार प्रावधान को समीक्षक द्वारा पुष्टि की जा सकती है, इसलिए यह उपयुक्त है, लेकिन सही उत्तर न होने वाले और बाद में भी सत्यापन न कर सकने वाले पूर्वानुमान व्यावसायिक कार्य में AI की त्रुटि को नज़रअंदाज़ करना आसान हो जाता है।
AI की क्षमता की सीमा के अंदर है:Dell'Acqua et al.(2023)ने एक परामर्श कंपनी के 758 लोगों के साथ एक प्रयोग में दिखाया कि AI जिन कार्यों में अच्छा है उन्हें करने में उत्पादकता में भारी वृद्धि होती है, जबकि दिखने में समान लेकिन सीमा के बाहर वाले कार्यों में, AI का उपयोग करने से सही उत्तर की दर 19 प्रतिशत कम हो जाती है। यह "दांतेदार सीमा(jagged frontier)" का मतलब है कि उपयोग की सीमा को वास्तविक रूप से आजमाए बिना निर्धारित नहीं किया जा सकता। उदाहरण के लिए, एक ही "दस्तावेज़ सारांश" के लिए भी, सामान्य रिपोर्ट का सारांश सीमा के अंदर हो सकता है, जबकि कई संसाधनों को सत्यापित करके असंगतियां खोजने का काम सीमा के बाहर हो सकता है। परिचय से पहले अपने संगठन के वास्तविक व्यावसायिक डेटा पर छोटे पैमाने पर परीक्षण करना आवश्यक है।
जिम्मेदार व्यक्ति की कुशलता में असमानता है और सुधार की गुंजाइश बड़ी है:Brynjolfsson et al.(2025)ने दिखाया कि ग्राहक सहायता विभाग में AI का परिचय देने से प्रति घंटे समाधान किए गए मामलों की संख्या औसतन 14% बढ़ी है, और अनुभव रखने वाले कर्मचारियों में 34% की वृद्धि हुई है, जबकि कुशल कर्मचारियों पर लगभग कोई प्रभाव नहीं पड़ा है। AI का प्रभाव "संगठन के औसत को कुशल कर्मचारियों के स्तर के करीब लाने" के रूप में प्रदर्शित होता है। उदाहरण के लिए, बहुत सारे नए कर्मचारी और उच्च कारोबार वाले कॉल सेंटर में, या अनुभव कम रखने वाले कर्मचारी को जटिल मानदंड का संदर्भ लेना पड़ता हो ऐसे समीक्षा व्यावसायिक कार्य में प्रभाव बड़ा है, जबकि कुछ ही कुशल कर्मचारियों से संचालित व्यावसायिक कार्य में प्रभाव सीमित है।
त्रुटि होने की स्थिति में जिम्मेदारी और सुधार के तंत्र को डिज़ाइन किया जा सकता है:Moffatt v. Air Canada(2024)के निर्णय द्वारा दिखाया गया है कि कंपनियां AI के आउटपुट के लिए कर्मचारियों जैसी जिम्मेदारी लेती हैं। इसलिए, त्रुटि का पता लगाने, सुधार करने, और जिम्मेदारी लेने के तंत्र को डिज़ाइन कर सकने वाले व्यावसायिक कार्य की शर्त है। उदाहरण के लिए, संगठन के भीतर के दस्तावेज़ निर्माण सहायता में त्रुटि हो सकती है तो संगठन के भीतर सुधार किया जा सकता है, लेकिन ग्राहकों को सीधे उत्तर देने वाले चैटबॉट में गलत मार्गदर्शन सीधे कानूनी जिम्मेदारी बन जाता है।
आवृत्ति अधिक है और प्रति आइटम प्रसंस्करण मानक है:AI का परिचय मूल्यांकन डेटा के विकास और व्यावसायिक कार्य में एकीकरण जैसे निश्चित प्रारंभिक निवेश की आवश्यकता है, इसलिए प्रसंस्करण की संख्या जितनी अधिक होगी, निवेश की वसूली उतनी आसान होगी। उदाहरण के लिए, महीने में हजारों पूछताछ प्रतिक्रियाएं या सैकड़ों दस्तावेज़ समीक्षाएं उपयुक्त हैं, लेकिन साल में कुछ ही घटनाएं होने वाले विशेष मामले मानव द्वारा संभालना अधिक तर्कसंगत है।
सामान्य AI और विशिष्ट AI एजेंट में अंतर
वास्तव में सामान्य AI और विशिष्ट AI एजेंट में क्या अंतर है? दोनों को "लक्षित बाजार," "प्रदान किया गया मूल्य," "अंतर्निहित ज्ञान," "उपयोग की इकाई," "शुल्क की सोच" के 5 दृष्टिकोण से अलग किया जा सकता है।
लक्षित बाजार अलग हैं:सामान्य AI प्रदान करने वाले OpenAI, Anthropic, Google(Gemini)आदि "वैश्विक ज्ञान श्रम का प्रतिस्थापन और वृद्धि" को ढांचे के रूप में रखते हैं, और दुनिया भर के ज्ञान श्रम के मानव बल लागत (लगभग 25 ट्रिलियन डॉलर) को कुल लक्षित बाजार मानते हैं। दूसरी ओर, विशिष्ट AI एजेंट विशिष्ट उद्योग के मानव बल व्यय को लक्षित बाजार के रूप में पुनः परिभाषित करते हैं। उदाहरण के लिए, कानून के Harvey का "कानूनी सेवा बाजार 1 ट्रिलियन डॉलर (पारंपरिक सॉफ्टवेयर व्यय लगभग 40 बिलियन डॉलर)" है, ग्राहक सेवा के Sierra का "ग्राहक सेवा व्यय 40 बिलियन डॉलर" है(Taima, 2026)।
प्रदान किया गया मूल्य "वृद्धि" है या "व्यावसायिक कार्य का प्रतिस्थापन" है, इससे अलग है:सामान्य AI प्रत्येक कर्मचारी के काम को सहायक बनाकर, उत्पादकता बढ़ाने वाली "वृद्धि" प्रदान करता है। विशिष्ट AI एजेंट विशिष्ट व्यावसायिक प्रक्रिया को ही अपने ऊपर लेने वाले "प्रतिस्थापन" का लक्ष्य रखता है, और Sequoia Capital इसे "सॉफ्टवेयर बेचना नहीं, काम ही बेचना" के अर्थ में "Service-as-a-Software" कहता है। उदाहरण के लिए, सामान्य AI वकील को अनुबंध पढ़ने की गति बढ़ाता है, लेकिन विशिष्ट AI एजेंट अनुबंध की समीक्षा व्यावसायिक कार्य को पहले से निष्पादित करता है, और वकील केवल परिणाम की पुष्टि करने की भूमिका में स्थानांतरित हो जाता है।
अंतर्निहित ज्ञान और कार्यप्रवाह अलग हैं:सामान्य AI द्वारा प्रदान किया गया मूल आधार मॉडल की क्षमता है, और व्यावसायिक कार्य से संबंधित ज्ञान, प्रक्रिया, निर्णय मानदंड को उपयोगकर्ता द्वारा दिया जाना आवश्यक है। विशिष्ट AI एजेंट आधार मॉडल के ऊपर, उस उद्योग का ज्ञान आधार, विशेषज्ञ द्वारा मूल्यांकन डेटा, व्यावसायिक प्रक्रिया, नियामक अनुरूपता, मौजूदा व्यावसायिक प्रणाली के साथ एकीकरण को उत्पाद के रूप में अंतर्निहित करता है। उदाहरण के लिए, निर्माण पुष्टि समीक्षा के विशिष्ट उत्पाद के लिए, निर्माण मानक कानूनों का प्रणाली, ड्राइंग को कैसे पढ़ें, समीक्षा एजेंसी द्वारा संचालन, समीक्षा रिकॉर्ड का प्रारूप उत्पाद में अंतर्निहित है, और उपयोगकर्ता को ये सब कुछ शुरुआत से सिखाने की जरूरत नहीं है।
उपयोग की इकाई "व्यक्ति" है या "व्यावसायिक प्रक्रिया" है, इससे अलग है:सामान्य AI एक व्यक्ति द्वारा संवाद प्रारूप में उपयोग का उपकरण है, और संगठन की व्यावसायिक प्रक्रिया के बाहर है। विशिष्ट AI एजेंट व्यावसायिक प्रक्रिया में एकीकृत होता है, व्यावसायिक प्रणाली और डेटा को साझा करते हुए काम करता है। उदाहरण के लिए, सामान्य AI द्वारा बनाए गए दस्तावेज़ को व्यावसायिक प्रणाली में हाथ से स्थानांतरित किया जाता है, लेकिन विशिष्ट AI एजेंट समीक्षा प्रणाली या ग्राहक प्रबंधन प्रणाली से सीधे डेटा प्राप्त करता है और परिणाम वापस लिखता है।
शुल्क के बारे में सोच अलग है:सामान्य AI मुख्य रूप से उपयोगकर्ता संख्या(सीटें)के आधार पर शुल्क लेता है, जबकि विशिष्ट AI एजेंट निर्धारित व्यावसायिक कार्य की मात्रा या परिणाम के आधार पर शुल्क में स्थानांतरित हो रहे हैं। यह विशिष्ट से "मानव बल व्यय बजट" को हासिल करने के लक्ष्य का प्रतिबिंब है। उदाहरण के लिए, ग्राहक सेवा के विशिष्ट उत्पाद में "समाधान किए गए पूछताछ प्रति मामला" के आधार पर शुल्क लिया जाता है।
दोनों बाजार के वर्तमान स्थान:विशिष्ट AI एजेंट कंपनी का बिक्री तेजी से बढ़ रहा है, लेकिन लक्षित बाजार के संबंध में उपलब्धि अभी भी बहुत कम है। उदाहरण के लिए, Cursor(सॉफ्टवेयर विकास)वार्षिक बिक्री 2 बिलियन डॉलर में लक्षित बाजार का लगभग 0.13%, Harvey(कानून)1.9 बिलियन डॉलर में लगभग 0.02%, Sierra(ग्राहक सेवा)1.5 बिलियन डॉलर से अधिक में लगभग 0.04%, OpenEvidence(चिकित्सा)1 बिलियन डॉलर से अधिक में लगभग 0.4-0.5% तक सीमित है। विशिष्ट AI एजेंट "बाजार के प्रवेश के प्रवेश" पर हैं, और भविष्य में भी महत्वपूर्ण रूप से विस्तारित होने की उम्मीद की जाती है।
सामान्य AI के लिए उपयुक्त व्यावसायिक कार्य
अनुकूलित न किए जाने की स्थिति में
ChatGPT, Microsoft Copilot, Claude, Gemini आदि जैसे व्यावसायिक कार्य के लिए सीमित नहीं किए गए संवादात्मक AI उत्पादों को ऐसे ही उपयोग करने का रूप है। कर्मचारी व्यक्तिगत उत्पादकता वृद्धि के लिए इसका उपयोग करने का रूप मुख्य है(Bommasani et al., 2021)।
दस्तावेज़ का मसौदा और अनुसंधान:ईमेल, रिपोर्ट, प्रस्ताव आदि जैसे लेख लिखना शुरू करने का काम और लिखे गए पाठ को व्यवस्थित करने का काम। Noy & Zhang(2023)ने दस्तावेज़ निर्माण व्यावसायिक कार्य पर ChatGPT का उपयोग करने वाले प्रयोग में दिखाया कि काम का समय लगभग 40% कम हो गया है, और परिणाम उत्पाद की गुणवत्ता भी में सुधार हुआ है। उदाहरण के लिए, ग्राहकों को अंग्रेजी में पत्राचार का मसौदा या संगठन के अंदर की रिपोर्ट के पाठ को संशोधित करना, उद्योग और व्यावसायिक भूमिका के बिना प्रभाव की पुष्टि की गई है।
सारांश और सूचना का संगठन:लंबे दस्तावेज़ या बैठकों की सामग्री से मुख्य बातें निकालना और संरचित करना। Dell'Acqua et al.(2023)ने एक परामर्श कंपनी के 758 परामर्शदाताओं के साथ प्रयोग में, विचार-विमर्श, लेखन, विश्लेषण जैसे AI के कौशल वाले क्षेत्रों में कार्यों पर, पूर्ण संख्या में 12% की वृद्धि, आवश्यक समय में 25% की कमी, और गुणवत्ता में 40% सुधार दिखाया है। उदाहरण के लिए, बैठकों के रिकॉर्डिंग से मिनट बनाना, दसियों पृष्ठ की सामग्री के मुख्य बातों को 1 पृष्ठ में समेटना जैसे काम।
अनुवाद और बहुभाषी समर्थन: विदेशी भाषाओं के दस्तावेजों को पढ़ना और अपने पाठ को अन्य भाषाओं में रूपांतरित करना। Eloundou et al.(2023)का अनुमान है कि अनुवाद और पाठ निर्माण सहित भाषा-केंद्रित कार्य बड़े भाषा मॉडल से सबसे अधिक प्रभावित क्षेत्र हैं। उदाहरण के लिए, विदेशी व्यावसायिक भागीदारों से अनुबंध मसौदे पढ़ना, बहुभाषी ग्राहक मार्गदर्शन तैयार करना आदि।
कोड निर्माण सहायता: प्रोग्राम, स्प्रेडशीट फ़ंक्शन और स्क्रिप्ट लिखने के कार्य में सहायता। Peng et al.(2023)ने नियंत्रित प्रयोग से दिखाया कि GitHub Copilot का उपयोग करने वाले डेवलपर्स ने इसे न अपनाने वालों की तुलना में 55.8% तेजी से कार्य पूरा किए। उदाहरण के लिए, स्प्रेडशीट में जटिल फ़ंक्शन बनाना, डेटा एकत्रीकरण स्क्रिप्ट बनाना, मौजूदा कोड की व्याख्या करना आदि।
संरचना और विचार निर्माण: सामग्री संरचना, परियोजना विकल्प, प्रश्न के दृष्टिकोण जैसी चीजों के बारे में सोचने के लिए सामग्री प्रदान करना। Dell'Acqua et al.(2023)के प्रयोग में भी, नए उत्पाद विचार उत्पन्न करना और बाजार खंड प्रस्ताव जैसे रचनात्मक कार्य AI की विशेषज्ञता के अंदर पाए गए। उदाहरण के लिए, प्रस्तुति सामग्री के लिए कई संरचना विकल्प प्रदान करना, कार्यशाला के मुद्दों को स्पष्ट करना आदि।
मानक ग्राहक प्रतिक्रिया उत्तर: सामान्य प्रश्नों के उत्तर पाठ तैयार करना। Brynjolfsson et al.(2025)दिखाता है कि ग्राहक सहायता विभाग में AI तैनाती से प्रति घंटे समाधान में औसत 14% वृद्धि हुई, अनुभवहीन कर्मचारियों में 34% वृद्धि हुई। उदाहरण के लिए, रिटर्न विधि या व्यावसायिक घंटों जैसी मानक पूछताछ के उत्तर प्रदान करना, जिसे कर्मचारी सत्यापित करके भेजें।
इन सभी के लिए सामान्य बात यह है कि वे अंतःविषय कार्य हैं, व्यक्तिगत स्तर पर पूर्ण हैं, और परिणाम व्यक्ति द्वारा तुरंत सत्यापित किए जा सकते हैं। हालांकि, सीमाएं भी हैं, और MIT NANDA(2025)जिसे "लर्निंग गैप" कहते हैं, के अनुसार, सामान्य AI उत्पाद कार्य संदर्भ को याद नहीं रखते, प्रतिक्रिया से सीखते नहीं, और अपने व्यावसायिक वर्कफ़्लो के अनुकूल नहीं होते, इसलिए जटिल और निरंतर कार्य में उपयोग नहीं किए जाते (सरल कार्यों में 70% AI चुनते हैं जबकि जटिल और दीर्घकालिक कार्यों में 90% मानव चुनते हैं)। इसके अलावा, कर्मचारियों द्वारा व्यक्तिगत अनुबंध उत्पादों का व्यावसायिक उपयोग "शैडो AI" है, जो गोपनीय जानकारी के बाहरी संचरण और जिम्मेदारी के स्थान जैसे नियंत्रण समस्याओं को उत्पन्न करता है, इसलिए इसे प्रतिबंध के बजाय औपचारिक तैनाती और उपयोग नियमों की स्थापना से संबोधित करने की आवश्यकता है(MIT NANDA, 2025; Haag & Eckhardt, 2017)।
अनुकूलन करते समय
सामान्य AI उत्पाद के लिए, अपने निर्देश पाठ (सिस्टम प्रॉम्प्ट), संदर्भ के लिए आंतरिक दस्तावेज और कॉल योग्य आंतरिक सिस्टम सुविधाएं सेट करते हुए, विशिष्ट उद्देश्य के लिए "आंतरिक सहायक" के रूप में कॉन्फ़िगर करने का तरीका। ChatGPT के GPTs(OpenAI, 2023), Claude के Projects(Anthropic, 2024), Microsoft Copilot Studio(Microsoft, 2023)की तरह, जहां उत्पाद पक्ष द्वारा प्रदान की गई सेटिंग सुविधाएं कोड लिखे बिना कॉन्फ़िगर की जा सकती हैं।
आंतरिक ज्ञान संदर्भ द्वारा प्रारंभिक उत्तर: आंतरिक नियम, मैनुअल, पिछले प्रश्नोत्तर जैसे दस्तावेज रूप में मौजूद ज्ञान का संदर्भ देकर प्रश्नों का उत्तर देना। बाहरी दस्तावेजों को खोजते हुए उत्तरों में प्रतिबिंबित करना "खोज-वर्धित पीढ़ी (RAG)" अनुसंधान की प्रगति है(Lewis et al., 2020), और उत्पाद पक्ष की सेटिंग सुविधाओं द्वारा महसूस किया जा सकता है। उदाहरण के लिए, सूचना प्रणाली विभाग को "VPN कॉन्फ़िगरेशन विधि", मानव संसाधन विभाग को "प्रसूति अवकाश आवेदन प्रक्रिया" जैसी मानक पूछताछ के प्रारंभिक उत्तर।
अपने स्वयं के प्रारूप और टोन के अनुसार दस्तावेज निर्माण: सामान्य AI का आउटपुट अपने व्यावसायिक प्रारूप और अभिव्यक्ति मानदंडों के अनुसार समायोजित करना। Noy & Zhang(2023)द्वारा दिखाई गई दस्तावेज निर्माण दक्षता प्रभाव, नमूने और निर्देशों को सेट करके अपने मानदंडों के अनुसार किया जा सकता है, जिससे संपूर्ण संगठन में व्यक्तिगत अंतर के बिना पुनरुत्पादित किया जा सकता है। उदाहरण के लिए, ग्राहक-सामना करने वाले ईमेल को अपने टोन में एकीकृत करना, रिपोर्ट को निर्धारित शीर्षक संरचना में संरेखित करना आदि।
प्राप्त दस्तावेज वर्गीकरण और वितरण: पूछताछ और आवेदनों को सामग्री के अनुसार वर्गीकृत करना, विभाग और प्राथमिकता निर्धारित करना। Brynjolfsson et al.(2018)ने स्पष्ट इनपुट/आउटपुट और उच्च आवृत्ति वाले कार्य मशीन लर्निंग के लिए सबसे उपयुक्त होते हैं, वर्गीकरण इसका विशिष्ट उदाहरण है। उदाहरण के लिए, प्रश्नावली सामग्री को "बिलिंग" "तकनीकी" "रद्दीकरण" में वर्गीकृत करना और कर्मचारी को वितरित करना।
कई मौजूदा उपकरणों में व्यक्तिगत कार्य स्वचालन: कैलेंडर, ईमेल, दस्तावेज, स्प्रेडशीट जैसी सामान्य व्यावसायिक उपकरणों को पार करने वाले कार्य। Microsoft(2023)के Copilot Studio जैसे, उत्पाद पक्ष व्यावसायिक उपकरणों के साथ एकीकरण सुविधा प्रदान करते हैं। उदाहरण के लिए, बैठक रिकॉर्डिंग से कार्यवृत्त बनाना, निर्णयों को कार्य प्रबंधन उपकरण में दर्ज करना, संबंधित पक्षों को ईमेल ड्राफ्ट तैयार करना, यह सभी एक श्रृंखला में।
नए कर्मचारियों का शुरुआत समर्थन: कार्य प्रक्रियाएं और आंतरिक शब्दावली जो अनुभवहीन कर्मचारियों को स्वयं खोज कर सकते हैं। Brynjolfsson et al.(2025)दिखाता है कि AI का प्रभाव अनुभवहीन कर्मचारियों में सबसे बड़ा है(34% उत्पादकता सुधार), आंतरिक ज्ञान का संदर्भ देने वाला सहायक इस प्रभाव को लक्षित करता है। उदाहरण के लिए, नए कर्मचारियों को "इस आवेदन के लिए किसकी अनुमति की आवश्यकता है" को आंतरिक नियमों से तुरंत सत्यापित कर सकते हैं।
सीमाएं हैं, और यह विधि "ज्ञान संदर्भ" तक भर सकती है, "कार्य निष्पादन" नहीं। व्यावसायिक प्रणाली के भीतर डेटा प्राप्त करने, निर्णय लेने, परिणाम लिखने की व्यावसायिक प्रक्रिया में एकीकरण के लिए उपयुक्त नहीं है(MIT NANDA, 2025)। उदाहरण के लिए, परीक्षा मानदंड दस्तावेज का संदर्भ दिया जा सकता है "इस सूत्र की व्याख्या कैसे की जाए" का उत्तर दे सकते हैं, लेकिन आवेदन किए गए चित्रों को पढ़ना, प्रासंगिक सूत्रों के साथ सत्यापित करना, परीक्षा रिकॉर्ड बनाना, व्यावसायिक प्रक्रिया स्वयं निष्पादित नहीं कर सकता। इसके अलावा, सेट किए गए निर्देश पाठ या संदर्भ दस्तावेज की गुणवत्ता, उत्तरों की सटीकता के सत्यापन, दस्तावेजों का अद्यतन अपनी जिम्मेदारी है, और यदि संदर्भ दस्तावेज पुराना रहे तो गलत उत्तर जारी रह सकता है, आधार मॉडल अद्यतन से व्यवहार भी बदल सकता है(Gao et al., 2023; NIST, 2023)। इसलिए सामान्य AI अनुकूलन "आंतरिक दस्तावेज संदर्भ प्रारंभिक उत्तर" और "व्यक्तिगत कार्य दक्षता" तक सीमित है, और जब व्यावसायिक प्रक्रिया एकीकरण की आवश्यकता होती है तो विशेषीकृत उत्पाद या आंतरिक विकास में स्थानांतरित होना तार्किक है।
विशेषीकृत AI एजेंट के लिए उपयुक्त व्यावसायिक कार्य
अनुकूलन न करते समय
कानूनी दस्तावेज समीक्षा, चिकित्सा रिकॉर्ड निर्माण समर्थन, निर्माण पुष्टि परीक्षा, ग्राहक सहायता, लेखा प्रक्रिया आदि, विशिष्ट व्यावसायिक क्षेत्रों के लिए डिजाइन किए गए AI उत्पादों को मानक सुविधाओं और प्रक्रियाओं में उपयोग करने का तरीका। आधार मॉडल के शीर्ष पर, उस व्यावसायिक क्षेत्र के ज्ञान, डेटा, वर्कफ़्लो, मूल्यांकन मानदंड, नियामक अनुपालन को एकीकृत किया जाता है, और व्यावसायिक प्रणाली एकीकरण को पूर्वनिर्धारित किया जाता है।
कानूनी दस्तावेज की समीक्षा और अनुबंध विश्लेषण: अनुबंध खंड जांच, निर्णय और कानून अनुसंधान, दस्तावेज निर्माण समर्थन। Menlo Ventures(2025)के अनुसार, कानून चिकित्सा के बाद ऊर्ध्वाधर AI व्यय में सबसे बड़ा क्षेत्र है(6.5 अरब डॉलर), और Harvey जैसे विशेषीकृत उत्पाद निर्णय, कानून, अनुबंध प्रणाली उत्पाद में एकीकृत करते हैं। उदाहरण के लिए, व्यापार अनुबंध खंडों को अपने मानक खंडों के साथ सत्यापित करना, विचलन और कारण प्रस्तुत करना।
चिकित्सा रिकॉर्ड निर्माण और निदान जानकारी संदर्भ: परीक्षा सामग्री रिकॉर्डिंग, चिकित्सा साहित्य और दिशानिर्देश संदर्भ। Menlo Ventures(2025)में स्वास्थ्य सेवा ऊर्ध्वाधर AI व्यय का सबसे बड़ा क्षेत्र है(15 अरब डॉलर), और OpenEvidence जैसे उत्पाद चिकित्सा साहित्य और निदान दिशानिर्देश एकीकृत करते हैं। उदाहरण के लिए, परीक्षा बातचीत से चिकित्सा रिकॉर्ड ड्राफ्ट बनाना, चिकित्सक द्वारा सत्यापित और पुष्टि करना।
ग्राहक सहायता प्रारंभिक प्रतिक्रिया और प्रसंस्करण निष्पादन: प्रश्न स्वीकृति, ग्राहक जानकारी संदर्भ, धनवापसी या बुकिंग परिवर्तन जैसी प्रसंस्करण एक प्रवाह में निष्पादित करना, रिकॉर्डिंग। Sierra जैसे उत्पाद ग्राहक प्रबंधन प्रणाली के साथ एकीकृत इस पूरे प्रवाह को प्रदान करते हैं। Brynjolfsson et al.(2025)द्वारा दिखाई गई ग्राहक सहायता में उत्पादकता वृद्धि व्यावसायिक प्रणाली में एकीकृत AI द्वारा थी। उदाहरण के लिए, डिलीवरी स्थिति प्रश्न के उत्तर के लिए ऑर्डर प्रबंधन प्रणाली के वास्तविक डेटा का संदर्भ देना, यदि आवश्यक हो तो पुनः भेजने की व्यवस्था तक।
सॉफ्टवेयर विकास समर्थन और स्वचालन: कोड निर्माण, सुधार, समीक्षा, परीक्षण। Peng et al.(2023)द्वारा दिखाई गई 55.8% तेजी के अलावा, Cursor जैसे विकास-विशेषीकृत उत्पाद कोडबेस संपूर्ण समझ और बहु-फ़ाइल संपादन प्रदान करते हैं, विशेषीकृत AI उत्पादों में सबसे बड़ा राजस्व क्षेत्र बन गए हैं। उदाहरण के लिए, मौजूदा कोडबेस को समझते हुए नई विशेषताएं लागू करना, परीक्षा उत्पन्न करना।
कानून और मानदंड आधारित परीक्षा अनुपालन: आवेदन दस्तावेज या चित्रों को कानून और मानदंडों के साथ सत्यापित करना, अनुपालन निर्धारित करना। Eloundou et al.(2023)नियम आधारित दस्तावेज सत्यापन और अनुपालन सहित व्यावसायिक कार्य बड़े भाषा मॉडल से दृढ़ता से प्रभावित क्षेत्र हैं, और ऐसे क्षेत्रों में कानून प्रणाली, दस्तावेज और चित्र पठन, संस्था-विशिष्ट संचालन को उत्पाद में एकीकृत करने वाले विशेषीकृत उत्पाद उपस्थित हैं। उदाहरण के लिए, निर्माण पुष्टि परीक्षा में, प्रस्तुत चित्रों को निर्माण मानदंड कानून के साथ सत्यापित करना, प्रासंगिक सूत्रों को आधार मानते हुए मुद्दा मसौदा बनाना।
लेखा और बैक-ऑफिस मानक प्रसंस्करण: चालान प्रसंस्करण, प्रविष्टियां, व्यय सत्यापन, विभिन्न आवेदन प्रसंस्करण। MIT NANDA(2025)रिपोर्ट करता है कि विक्रय और विपणन क्षेत्र मनोयोग आकर्षित करते हैं लेकिन वास्तविक सबसे बड़ा प्रभाव बैक-ऑफिस में है, बाहरी आउटसोर्सिंग लागत और एजेंट खर्च में कटौती के रूप में वार्षिक लाखों डॉलर प्रभाव देखे गए। उदाहरण के लिए, प्राप्त चालान पढ़ना, ऑर्डर डेटा से सत्यापित करना, खाता प्रणाली में प्रविष्टियां दर्ज करना।
इन सभी के लिए सामान्य बात यह है कि विशेषज्ञ ज्ञान, कानून नियम, उद्योग-विशिष्ट डेटा प्रारूप व्यावसायिक कार्य को परिभाषित करते हैं, और आधार मॉडल की सामान्य क्षमता व्यावहारिक मानक तक नहीं पहुंचती(Dell'Acqua et al., 2023), और उद्योग में प्रक्रियाएं और निर्णय मानदंड मोटे तौर पर साझा हैं, मानक उत्पाद उच्च अनुरूपता प्राप्त करते हैं(Davenport, 1998; Soh et al., 2000)। MIT NANDA(2025)द्वारा सफल कंपनियों की विशेषता के रूप में उल्लेखित "गहराई में व्यावसायिक एकीकृत, समय के साथ सीखने वाला उपकरण" विशेषीकृत उत्पाद प्रदान करने का प्रयास है। उदाहरण के लिए, Morgan Stanley ने OpenAI के साथ साझेदारी में अपने 100,000+ अनुसंधान रिपोर्ट से वित्तीय सलाहदाताओं के लिए खोज और सारांश प्रणाली बनाई, यह मॉडल स्तर को बाहर से खरीदना, डेटा स्तर को स्वयं रखना, वर्कफ़्लो स्तर को विक्रेता के साथ संयुक्त रूप से बनाना "विक्रेता के साथ संयुक्त विकास" का अच्छा उदाहरण है(Morgan Stanley, 2023)।
अनुकूलन करते समय
विशेषीकृत उत्पाद द्वारा प्रदान की गई सेटिंग सीमा में, अपने निर्णय मानदंड, प्रक्रियाएं, प्रारूप, अनुमोदन प्रवाह को प्रतिबिंबित करना, अपनी व्यावसायिक प्रणाली को API से जोड़ना। सेटिंग और एकीकरण तक सीमित रहने की, उत्पाद पिंड संशोधन में न जाने का सिद्धांत पारंपरिक सॉफ्टवेयर से अलग नहीं है(Brehm et al., 2001)।
संगठन के अनुसार निर्णय मानदंड और प्रारूप का प्रतिबिंब: निर्णय का आधार (कानून, मानदंड, दिशानिर्देश) उद्योग में सामान्य है, लेकिन संगठन के अनुसार जोर देने का तरीका, रिकॉर्ड का प्रारूप और टिप्पणियों की अभिव्यक्ति अलग होती है। Strong & Volkoff (2010) ने संगठन और प्रणाली की असंगति को 6 प्रकारों में वर्गीकृत किया है - कार्यक्षमता, डेटा, उपयोगिता, भूमिका, नियंत्रण और संगठनात्मक संस्कृति - और यह दर्शाया है कि किस सेटिंग को समायोजन से अवशोषित किया जाना चाहिए और व्यावहारिक पक्ष को कब बदला जाना चाहिए।
मौजूदा व्यावसायिक प्रणालियों के साथ एकीकरण: विशेषीकृत उत्पाद को मौजूदा रिसेप्शन प्रणाली, ग्राहक प्रबंधन प्रणाली, दस्तावेज़ प्रबंधन प्रणाली और लेखा प्रणाली से जोड़ना, और मानव स्थानांतरण को समाप्त करना। Hasselbring (2000) द्वारा दर्शाया गया है कि एकीकरण व्यक्तिगत कनेक्शन को जमा करके नहीं, बल्कि उत्पाद द्वारा प्रदान किए गए मानक कनेक्शन कार्यक्षमता (API) की सीमा में सरचना बनाकर रखरखाव की स्थिति बनी रहती है। उदाहरण के लिए, ग्राहक सेवा के विशेषीकृत उत्पाद को अपनी ऑर्डर प्रबंधन प्रणाली से जोड़ना, और रिटर्न या डिलीवरी स्थिति की पूछताछ के लिए AI वास्तविक डेटा संदर्भित करके उत्तर दे सके, ऐसी संरचना है।
मानव सत्यापन बिंदु और अनुमोदन प्रवाह की सेटिंग: AI प्रथम प्रसंस्करण करता है, और यह निर्धारित किया जाता है कि किस शर्त पर मानव सत्यापन और अनुमोदन करे। NIST (2023) की AI जोखिम प्रबंधन ढांचा जोखिम के आकार के अनुसार मानव पर्यवेक्षण और त्रुटि का पता लगाने और सुधार की प्रक्रिया का डिज़ाइन मांगती है। उदाहरण के लिए, समीक्षा की टिप्पणियों में से, महत्वपूर्ण अनुपालन से संबंधित टिप्पणियों को आवेदनकर्ता को सूचित करने से पहले समीक्षक द्वारा सत्यापित किया जाना चाहिए, या निर्धारित राशि से अधिक की वापसी को वरिष्ठ की अनुमोदन की आवश्यकता होती है, जैसी सेटिंग।
विशेषज्ञ की प्रतिक्रिया का प्रतिबिंब: उपयोगकर्ता विशेषज्ञों के सुधार और मूल्यांकन को उत्पाद सुधार में प्रतिबिंबित करने का तंत्र। Brynjolfsson et al. (2025) द्वारा विश्लेषित ग्राहक सहायता का AI भी अनुभवी कार्मिकों के प्रतिक्रिया रिकॉर्ड का उपयोग करके, सभी कर्मचारियों को समान ज्ञान प्रदान करने का तंत्र था।
डेटा के संदर्भ की सीमा और अधिकार की सेटिंग: विभाग और भूमिका के आधार पर AI द्वारा संदर्भित की जा सकने वाली डेटा और निष्पादित की जा सकने वाली कार्रवाई की सीमा निर्धारित करना। NIST (2023) डेटा संभालने की सीमा और एक्सेस अधिकार को स्पष्ट करने को AI प्रणाली के शासन का मौलिक घटक मानती है। उदाहरण के लिए, शाखा के कर्मचारी को केवल अपनी शाखा के ग्राहक डेटा का संदर्भ लेना दिया जाता है, और मुख्य प्रशासक को पूरे का समग्र रूप से संदर्भ दिया जाता है, ऐसी सेटिंग।
सीमा के रूप में, यदि उत्पाद के आधार पर व्यावसायिक प्रवाह और अपनी कंपनी का प्रवाह मूल रूप से अलग हैं, तो सेटिंग के संचय से समाधान संभव नहीं है। पारंपरिक सॉफ़्टवेयर की विसंगति (Soh et al., 2000) की तरह, व्यावहारिक पक्ष को बदलना, दूसरा उत्पाद चुनना, या अलग भाग को अलग करना का निर्णय आवश्यक है। जब उत्पाद के बाहर अलग-अलग प्रसंस्करण बढ़ना शुरू हो जाता है, तो यह "विशेषीकृत उत्पाद व्यावहार से मेल नहीं खा रहा है" या "यह भाग एक विभेदकारी का केंद्र है जिसे स्वयं विकसित किया जाना चाहिए" में से एक है, और अगले भाग में कहे गए स्वयं विकास के निर्णय की ओर बढ़ते हैं (Brehm et al., 2001)।
स्वयं विकास उपयुक्त व्यावसायिक कार्य
आधार मॉडल के API का उपयोग करके, अपनी कंपनी के डेटा को खोज और संदर्भित करने का तंत्र (RAG), मॉडल का अतिरिक्त प्रशिक्षण (सूक्ष्म समायोजन), कई प्रक्रियाओं को जोड़ने वाले एजेंट आदि को स्वयं निर्माण करने का रूप (Lewis et al., 2020; Bommasani et al., 2021)।
बाजार में विशेषीकृत उत्पाद का अस्तित्व नहीं है, ऐसे नए क्षेत्र: आपकी कंपनी का व्यावसायिक कार्य बाजार परिपक्वता के अक्ष पर "उदीयमान" चरण में है, और उपयुक्त विशेषीकृत उत्पाद अभी तक अस्तित्व में नहीं है (Wardley, 2020)। हालांकि, विशेषीकृत उत्पाद का बाजार तेजी से विस्तारित हो रहा है (Menlo Ventures, 2025), इसलिए "अभी नहीं है" का मतलब "अगले साल भी नहीं है" नहीं हो सकता है, और स्वयं विकास जारी रखने के कारण को नियमित रूप से दोबारा जांचना आवश्यक है। उदाहरण के लिए, अपनी कंपनी के विशेष उपकरण या प्रक्रिया को लक्ष्य करने वाली विसंगति का पता लगाना, जैसे कि उद्योग में भी केवल अपनी कंपनी में पाया जाने वाला व्यावसायिक कार्य, उत्पाद के आने तक स्वयं द्वारा निर्मित किया जाना चाहिए।
नियामक या गोपनीयता की बाधा से, बाहरी उत्पाद को डेटा नहीं दिया जा सकता, ऐसे क्षेत्र: नियामक रूप से, ग्राहक डेटा या गोपनीय डेटा को बाहरी सेवा में भेजा नहीं जा सकता, और अपनी कंपनी के प्रबंधन में काम करने वाली प्रणाली की आवश्यकता है। उदाहरण के लिए, JPMorgan Chase ने स्वयं विकास चुना, इसका एक कारण यह था कि वित्तीय विनियमन के तहत गोपनीय डेटा को बाहर नहीं निकाला जा सकता (JPMorgan Chase, 2025)। हालांकि, यह बाधा अक्सर विशेषीकृत उत्पाद के प्रदान करने के रूप (अपनी कंपनी के वातावरण में संचालन, डेटा के गैर-शिक्षा उपयोग का अनुबंध) के माध्यम से समाप्त की जा सकती है, इसलिए वास्तव में क्या स्वयं विकास से ही आवश्यक है यह सत्यापित करना आवश्यक है।
अपनी कंपनी के उत्पाद या सेवा में AI को शामिल करने के मामले: प्रदान की जाने वाली सेवा का केंद्र सॉफ़्टवेयर हो, ऐसी कंपनी के लिए, उसमें शामिल किया जाने वाला AI, परिभाषा के अनुसार विभेदकारी का केंद्र है (Andreessen, 2011)। उदाहरण के लिए, अपनी SaaS उत्पाद में ग्राहकों के लिए AI क्षमता जोड़ने के मामले में, वह क्षमता प्रतिस्पर्धी उत्पादों के साथ विभेद का तत्व है, और बाहर के विशेषीकृत उत्पाद को सीधे शामिल करना विभेदन को त्यागने का मतलब है। हालांकि, इस मामले में भी मॉडल स्तर को बाहर से प्राप्त किया जाता है, और वर्कफ़्लो और डेटा स्तर को अपनी कंपनी द्वारा विकसित किया जाना सामान्य है।
स्वयं विकास के निर्णय में, AI प्रणाली को "मॉडल स्तर", "वर्कफ़्लो स्तर" और "डेटा स्तर" में विभाजित करके सोचा जाता है। मॉडल स्तर सबसे तेजी से कमोडिटीकरण होता है, API के माध्यम से उपयोग किया जाता है और किसी विशेष विक्रेता (OpenAI या Google आदि) के लिए तय नहीं करने का डिज़ाइन बनाए रखा जाता है। डेटा स्तर सबसे महत्वपूर्ण पूरक संपत्ति है, और स्वयं विकास या विशेषीकृत AI में निर्यात कार्यक्षमता सुनिश्चित की जाती है (Teece, 1986)। वर्कफ़्लो स्तर व्यक्तिगत सामान्य कार्य के लिए सामान्य AI, उद्योग-सामान्य व्यावसायिक कार्य के लिए विशेषीकृत उत्पाद, विभेदकारी का केंद्र होना और उत्पाद का अस्तित्व न होना तो स्वयं विकास, ऐसी प्रतिक्रिया है। मानव जीवन, संपत्ति, या कानूनी अधिकार से संबंधित क्षेत्र में यदि विशेषज्ञ द्वारा विकास, रखरखाव और मूल्यांकन का तंत्र स्वयं के अंदर निर्माण नहीं किया जा सकता, तो ऐसा तंत्र रखने वाला विशेषीकृत उत्पाद चुना जाता है (NIST, 2023; Moffatt v. Air Canada, 2024)।
AI पेश किए जाने की रूपरेखा
यहां, अब तक के सारांश को ध्यान में रखते हुए, AI पेश किए जाने पर कैसे विचार किया जाना चाहिए, इसकी व्यावहारिक रूपरेखा चरण के अनुसार प्रस्तुत की जाती है। निर्णय "पूरी प्रणाली" के लिए नहीं, बल्कि "व्यावसायिक इकाई" के अनुसार किया जाता है, और "एक बार निर्णय के बाद खत्म" नहीं, बल्कि नियमित रूप से समीक्षा की जाती है, यह इस ढांचे का आधार है।
चरण 1: व्यावसायिक कार्य को अलग करें, और मूल और संदर्भ में विभाजित करें
प्रणाली की इकाई के बजाय व्यावसायिक कार्य की इकाई में सोचें: "मूल प्रणाली बनाएं या खरीदें" या "AI पेश करें" यह प्रश्न रखने का तरीका, वह स्वयं विफलता की शुरुआत है। मूल प्रणाली लेखा, क्रय, सूची, बिक्री, उत्पादन आदि, विभिन्न प्रकृति के कई व्यावसायिक कार्यों से मिलकर बनी है, और प्रत्येक के लिए उपयुक्त रूप अलग है। सबसे पहले व्यावसायिक कार्य को निर्णय संभव स्तर तक अलग किया जाता है।
प्रत्येक व्यावसायिक कार्य को मूल और संदर्भ में वर्गीकृत करें: Moore (2005) के अनुसार, प्रत्येक व्यावसायिक कार्य को "ग्राहक अपनी कंपनी को चुनने के कारण से सीधे जुड़े व्यावसायिक कार्य (मूल)" और "आवश्यक है, लेकिन प्रतिद्वंद्वी के समान तरीके से कोई समस्या नहीं है (संदर्भ)" में विभाजित किया जाता है। वर्तमान कार्यकर्ता अपने व्यावसायिक कार्य को "विशेष और महत्वपूर्ण" मानते हैं, इसलिए वर्गीकरण को प्रबंधन स्तर और वर्तमान कार्यकर्ता सहयोग से, ग्राहक के दृष्टिकोण से किया जाना आवश्यक है।
मूल को कम संख्या में सीमित करें: मूल में वर्गीकृत व्यावसायिक कार्य आमतौर पर कम संख्या में रहते हैं। Prahalad & Hamel (1990) कहते हैं, 5-6 से अधिक मूल क्षमता का उल्लेख करने वाली कंपनियां उसका अर्थ गलत समझती हैं, और Moore (2005) कहता है, कार्यकलाप समय के साथ मूल से संदर्भ में जाते हैं, इसलिए अधिकांश संसाधन संदर्भ में खर्च होते हैं। यदि वर्गीकरण के परिणाम में मूल कई हों तो "क्या दूसरी कंपनियां ऐसा करती हैं" और "क्या ग्राहक इसके लिए अपनी कंपनी को चुनते हैं" को एक-एक करके दोबारा पूछें, तो अधिकांश संदर्भ में जाते हैं। उदाहरण के लिए, 10 व्यावसायिक कार्यों को वर्गीकृत करके 6 मूल बनते हैं, यह परिणाम लगभग निश्चित रूप से मानदंड कमजोर होने को दर्शाता है।
AI के लिए उपयुक्त व्यावसायिक कार्यों तक सीमित करें: "AI पेश किए जाने के लिए उपयुक्त व्यावसायिक कार्य" अध्याय में दर्शाई गई शर्तें (भाषा और दस्तावेज़-केंद्रित हो सकती हैं या नहीं, क्या आउटपुट सत्यापित किया जा सकता है, क्षमता की सीमा के अंदर हो या नहीं, क्या अनुभव में भिन्नता है, जिम्मेदारी और सुधार का तंत्र डिज़ाइन किया जा सकता है या नहीं, क्या आवृत्ति अधिक है या नहीं) को प्रत्येक व्यावसायिक कार्य के लिए जांचा जाता है।
चरण 2: 5 निर्णय परीक्षण
पिछले अध्याय के 4 अक्षों में, कार्यान्वयन क्षमता का अक्ष जोड़ा गया है, यह 5 परीक्षण प्रत्येक व्यावसायिक कार्य के लिए क्रम से लागू किए जाते हैं।
विभेदकारी परीक्षण: इस व्यावसायिक कार्य को अलग तरीके से करना, क्या ग्राहक के लिए मूल्यवान है, प्रतिद्वंद्वी आसानी से नहीं कर सकते, और यह टिकाऊ लाभ लेकर आता है? VRIO के 4 शर्तें पूरी करते हैं, केवल तब "हां" कहें, और "हां" तो स्वयं विकास पर विचार करें। "नहीं" तो नीचे की परीक्षाओं में खरीद का तरीका निर्धारित करें। उदाहरण के लिए, Walmart के लिए पुनःपूर्ति प्रणाली "हां" है, लेकिन उसका व्यय प्रतिपूर्ति "नहीं" है।
संपत्ति की विशिष्टता परीक्षण: इस व्यावसायिक कार्य का तरीका आपकी कंपनी के लिए अलग है, या यह समान उद्योग की अन्य कंपनियों के साथ मूल रूप से समान है? समान है तो मौजूदा उत्पाद का परिचय, अलग है तो "क्या यह अलग पन विभेदकारी परीक्षा को पास करता है" यह दोबारा जांचें। विभेदकारी से न जुड़ने वाली विशिष्टता, व्यावसायिक पक्ष को मानक पर समायोजित करने का विषय है। उदाहरण के लिए, "हमारी अनुमोदन 5 चरण है" यह विशिष्टता, विभेदकारी से न जुड़ने के कारण मानक के 3 चरण पर समायोजित किया जाता है।
बाजार की परिपक्वता परीक्षण: इस व्यावसायिक कार्य के लिए उत्पाद बाजार, विकास के किस चरण में है? कई विक्रेता प्रतिस्पर्धी हैं, कार्यक्षमता मानकीकृत है (उत्पाद, कमोडिटी चरण) तो मौजूदा उत्पाद का परिचय, उत्पाद का अस्तित्व नहीं है या अपरिपक्व है (उदीयमान, व्यक्तिगत संरचना चरण) तो स्वयं विकास, ऐसी प्रतिक्रिया है। उदाहरण के लिए, ग्राहक प्रबंधन में परिपक्व उत्पाद बाजार है, लेकिन अपनी कंपनी की विशेष निर्माण प्रक्रिया का अनुकूलन के लिए उत्पाद का अस्तित्व नहीं है, इसलिए स्वयं विकास हो सकता है। AI के मामले में, सामान्य AI पर्याप्त है या नहीं, विशेषीकृत उत्पाद का अस्तित्व है या नहीं, अस्तित्व नहीं है या नहीं, यह 3 चरण में जांचा जाता है।
परिवर्तन की गति परीक्षण: इस व्यावसायिक कार्य को निर्धारित करने वाली आवश्यकताएं, किस गति से बदलती हैं? तेजी से बदलने वाले क्षेत्र में, अनुसरण की लागत को बाहरी भागीदार के माध्यम से करने की क्षमता का लाभ बड़ा होता है। उदाहरण के लिए, कानून में हर साल परिवर्तन होने वाले व्यावसायिक कार्य, या आधार मॉडल के विकास से सीधे प्रभावित होने वाले व्यावसायिक कार्य, अनुसरण को मौजूदा उत्पाद के परिचय के माध्यम से विक्रेता को सौंपना अधिक तर्कसंगत है।
क्षमता परीक्षण: क्या आपकी कंपनी के पास यह प्रणाली बनाने और संचालन के बाद 5 साल, 10 साल तक सुधार और रखरखाव करते रहने के लिए कर्मचारी, बजट और संगठन हैं? यदि नहीं है, तो अन्य परीक्षाएं स्वयं विकास दिखाती हैं, फिर भी मौजूदा उत्पाद द्वारा अनुकूलन या सह-विकास के माध्यम से अपनी कंपनी की आवश्यकता को उत्पाद पक्ष में शामिल करने का रास्ता खोजा जाता है। उदाहरण के लिए, केवल 2 विकास कर्मचारी वाली कंपनी यदि स्वयं विकास चुने, तो उन 2 विकास कर्मचारियों की नौकरी से मुक्ति प्रणाली की उम्र बन जाती है।
5 परीक्षाओं में से सभी स्वयं विकास को दिखाने वाले व्यावसायिक कार्य ही, स्वयं विकास का विषय बन सकते हैं। एक भी परीक्षा मौजूदा उत्पाद के परिचय को दिखाए, तो यह स्वयं विकास के जोखिम का चेतावनी माना जाता है, और मौजूदा उत्पाद के परिचय (सामान्य AI, विशेषीकृत AI एजेंट) पर विचार किया जाता है। विशेषकर क्षमता परीक्षण, अन्य 4 परीक्षाओं के परिणाम को रद्द करने वाली वीटो शक्ति रखती है।
चरण 3: पूरे जीवनचक्र के लिए लागत और मूल्य का मूल्यांकन
विकास लागत नहीं, कुल स्वामित्व लागत (TCO) से तुलना करें: स्वयं विकास की लागत को केवल प्रारंभिक विकास व्यय को देखने से बहुत कम आंका जाता है। वार्षिक रखरखाव लागत विकास लागत का 15-20% तक पहुंचती है (Boehm, 1981), और रखरखाव और संचालन जीवनचक्र लागत में 5-7% (Lientz & Swanson, 1980) से लेकर उद्यम प्रणालियों में 85-90% (Erlikh, 2000) तक अनुमानित है, इसलिए 10 वर्ष की कुल स्वामित्व लागत प्रारंभिक विकास लागत का 3-10 गुना है। मौजूदा उत्पादों के अनुमान में उपयोग शुल्क के अलावा व्यावसायिक परिवर्तन की लागत, एकीकरण भाग की रखरखाव लागत और भविष्य की स्विचिंग लागत शामिल है। उदाहरण के लिए, Panorama Consulting Group (2024) के सर्वेक्षण में, ERP प्रकल्प व्यय का माध्यिका $450,000 (लक्ष्य कंपनी के वार्षिक राजस्व का लगभग 0.2%) है, जबकि Bloch et al. (2012) द्वारा विश्लेषित बड़े स्वयं-विकास प्रकल्प $15 मिलियन से अधिक के बजट वाले हैं, और उत्पाद कार्यान्वयन की तुलना में स्वयं विकास में आम तौर पर 20-30 गुना का अंतर है। इसके अलावा स्वयं विकास पक्ष में इस प्रारंभिक व्यय का 3-10 गुना रखरखाव और नवीकरण लागत भविष्य में जोड़ी जाती है। हालांकि, मौजूदा उत्पाद भी यदि कस्टमाइजेशन के माध्यम से गहराई से विकसित किए जाएं तो समान मात्रा में विस्तारित हो सकते हैं, जैसा कि Lidl (लगभग €500 मिलियन) और Birmingham शहर (£100 मिलियन से अधिक) के मामलों से दिखता है (Handelsblatt, 2018; Grant Thornton UK LLP, 2023)।
संदर्भ वर्ग से अनुमान को सुधारें: अपने अनुमान के संबंध में, समान प्रकार के प्रकल्पों का प्रदर्शन वितरण (Flyvbjerg et al., 2022) लागू करें, विशेष रूप से लागत अतिरिक्त होने की संभावना को 2 गुना या अधिक स्पष्ट रूप से मूल्यांकन करें। यदि प्रबंधन स्तर इस संभावना को स्वीकार नहीं कर सकता है, तो उस व्यावसायिक प्रक्रिया को स्वयं विकास के दायरे से हटाएं, या आकार को विभाजित करें ताकि प्रत्येक विफलता घातक न हो। उदाहरण के लिए, "6 में से 1 प्रकल्प में बजट 3 गुना हो जाता है" प्रदर्शन वितरण को मानते हुए, "3 गुना होने पर भी व्यावसायिक रूप से घातक न हो ऐसे आकार" तक प्रति प्रकल्प निवेश विभाजित करें।
निकास लागत और निकास की सुविधा का मूल्यांकन करें: किसी भी रूप में, "यदि यह काम नहीं करता है तो कितने नुकसान पर रोका जा सकता है" का मूल्यांकन करें। मौजूदा उत्पाद को समाप्त करना और स्विच करना, स्वयं विकास को बंद करना और विकल्प माध्यमों में जाना, प्रत्येक के लिए आवश्यक लागत और समय का अनुमान लगाएं, और निकास विकल्पों को मूल्य प्रदान करें (Keil, 1995)। इस लचीलेपन का मूल्य जितना अधिक अनिश्चितता वाले क्षेत्र में होता है उतना अधिक होता है (Fichman, 2004)। उदाहरण के लिए, विशिष्ट AI उत्पाद को 1 वर्ष के अनुबंध पर परीक्षण करना और यदि प्रभावी न हो तो समाप्त करना, यह विकल्प समान कार्यक्षमता को स्वयं विकसित करने के मामले में नहीं रहता है।
J वक्र को आधार मानकर मूल्यांकन अवधि निर्धारित करें: कार्यान्वयन के बाद केवल 1-2 वर्ष के प्रभाव से निर्णय लेने से आवश्यक पूरक निवेश को बंद करने का जोखिम है। मूल्यांकन अवधि कम से कम 5 वर्ष निर्धारित करें, और इस दौरान पूरक निवेश (व्यावसायिक पुनर्डिज़ाइन, शिक्षा) को बजट में शामिल करें (Brynjolfsson et al., 2021)। उदाहरण के लिए, AI द्वारा समर्थित समीक्षा का कार्यान्वयन करने के प्रथम वर्ष में, समीक्षकों को AI की टिप्पणियों की जांच करने की प्रक्रिया में आदी होने तक प्रसंस्करण समय वास्तव में बढ़ सकता है, और यदि इस अवधि को "विफलता" मानकर निवेश को बंद कर दिया जाए, तो प्रभाव दिखने से पहले निवेश को त्याग दिया जाता है।
AI के मामले में लागत संरचना में अंतर: आधार मॉडल API उपयोग के अनुसार भुगतान किए जाते हैं, और लागत निश्चित लागत नहीं बल्कि परिवर्तनशील लागत बन जाती है। यह व्यावसायिक कार्य की गतिविधि में उतार-चढ़ाव के प्रति सहनशीलता बढ़ाता है, लेकिन उपयोग जितना अधिक बढ़ता है, लागत भी उतनी ही बढ़ती है। McKinsey (2026) के सर्वेक्षण में 20% कंपनियों ने उत्तर दिया कि AI की संचालन लागत उपयोग को सीमित कर रही है। साथ ही, अनुमान लागत तेज़ी से गिरती रहती है, इसलिए वर्तमान कीमत को आधार मानकर "स्वयं मॉडल संचालित करना सस्ता है" यह निर्णय लेना खतरनाक है। उदाहरण के लिए, प्रति प्रसंस्करण लागत एक वर्ष में कई गुना कम हो जाना असामान्य नहीं है, और अनुमान में मूल्य गिरावट के रुझान को शामिल करना आवश्यक है।
चरण 4: प्रत्येक चरण के विफलता कारकों से निपटने के लिए जांच बिंदु रखें
विफलता के कारण अध्याय में संगठित प्रत्येक चरण-विशिष्ट कारकों के लिए, प्रत्येक चरण में निम्नलिखित जांच बिंदु निर्धारित करें।
योजना और निवेश निर्णय के चरण में पुष्टि करें: क्या व्यावसायिक इकाई द्वारा कार्यान्वयन स्तर और जिम्मेदार व्यक्ति का निर्धारण करने वाली एक खाता है, क्या अनुमान संदर्भ वर्ग (समान प्रकार के प्रकल्पों का प्रदर्शन वितरण) से सुधारा गया है (Flyvbjerg, 2006; Flyvbjerg et al., 2022), क्या व्यावसायिक पुनर्डिज़ाइन, शिक्षा, संचालन संरचना जैसे पूरक निवेश बजट में शामिल हैं (Brynjolfsson et al., 2021), क्या यह एकल निर्माण के बजाय व्यावसायिक इकाइयों में विभाजित है (Flyvbjerg & Gardner, 2023) यह पुष्टि करें। ये "कार्यान्वयन रूप का गलत निर्णय", "योजना त्रुटि", "पूरक निवेश की चूक", "दायरा की सूजन" से संबंधित हैं। उदाहरण के लिए, क्या "मूल प्रणाली नवीकरण" एक अनुमति के बजाय, लेखांकन, खरीद, इन्वेंटरी के लिए अलग-अलग कार्यान्वयन स्तर, जिम्मेदार व्यक्ति और बजट के साथ एक अनुमति है, यह पुष्टि है।
आवश्यकता परिभाषा और उत्पाद चयन के चरण में पुष्टि करें: क्या उत्पाद और व्यावसायिक विसंगति की पहचान की गई है, और "व्यावसायिक प्रक्रिया को बदलें" या "अलग करें" यह निर्णय लिया गया है (Soh et al., 2000; Davenport, 1998), क्या विक्रेता की निरंतरता, डेटा निर्यात के साधन, अनुबंध समाप्ति की शर्तों का मूल्यांकन किया गया है (Shapiro & Varian, 1999), क्या आवश्यकता परिभाषा और विक्रेता प्रबंधन के लिए स्वयं के कर्मचारी हैं (Feeny & Willcocks, 1998; Lacity et al., 2009) यह पुष्टि करें। AI के मामले में इसके अलावा, क्या वास्तविक व्यावसायिक डेटा के साथ छोटे पैमाने पर परीक्षण किया गया है और क्षमता की सीमा की पुष्टि की गई है (Dell'Acqua et al., 2023) यह पुष्टि करें। उदाहरण के लिए, उत्पाद प्रदर्शन देखकर चयन नहीं करना, बल्कि अपने पिछले दर्जनों मामलों को डालना, यह देखना कि उत्पाद कहां सही तरीके से प्रसंस्करण नहीं कर सका, और अनुबंध करने से पहले एक सूची बनाना यह पुष्टि है।
डिजाइन, विकास, कस्टमाइजेशन के चरण में पुष्टि करें: क्या उत्पाद निकाय के संशोधन के तहत आने वाले विस्तृत विकास हो रहे हैं, क्या यह कॉन्फ़िगरेशन और एकीकरण के दायरे में है (Brehm et al., 2001), क्या संपूर्ण को एकीकृत करने और गुणवत्ता के लिए जिम्मेदार एक निकाय स्पष्ट है (U.S. Government Accountability Office, 2014), क्या तकनीकी ऋण का भुगतान योजना में है (Cunningham, 1992; McKinsey, 2020) यह पुष्टि करें। उदाहरण के लिए, विकास के दौरान "क्या यह अनुरोध कॉन्फ़िगरेशन से संभव है, या कोड लिखना आवश्यक है" प्रत्येक परिवर्तन अनुरोध के लिए निर्णय लेना, और यदि कोड लिखना हो तो जिम्मेदार के अनुमोदन को अनिवार्य बनाना यह संचालन है।
परीक्षण, स्थानांतरण, संचालन के चरण में पुष्टि करें: क्या भार परीक्षण, स्वीकृति परीक्षण, डेटा स्थानांतरण सत्यापन योजना के अनुसार किए गए हैं (Somers & Nelson, 2001; U.S. Government Accountability Office, 2014), क्या चरणबद्ध स्थानांतरण या समानांतर संचालन पर विचार किया गया है (Markus & Tanis, 2000), क्या "जारी रखें, बदलें, रोकें" का निर्णय लेने के लिए चरणबद्ध गेट है और निर्णय लेने वाला प्रवर्तक से अलग है (Keil, 1995) यह पुष्टि करें। AI के मामले में इसके अलावा, क्या त्रुटि की पहचान और सुधार की प्रक्रिया है, जिम्मेदारी निर्धारित है (NIST, 2023; Moffatt v. Air Canada, 2024) यह पुष्टि करें। उदाहरण के लिए, संचालन निर्णय बैठक का अध्यक्ष परियोजना प्रवर्तक नहीं बल्कि अलग विभाग का जिम्मेदार हो, और "परीक्षण में अनसुलझे गंभीर समस्याएं शून्य न हों तो संचालन न करें" यह मानदंड पहले से दस्तावेज़ित हो यह संचालन है।
संचालन, रखरखाव, विकास के चरण में पुष्टि करें: क्या रखरखाव संरचना और बजट सुनिश्चित किए गए हैं (Lientz & Swanson, 1980; Boehm, 1981), क्या कर्मचारी बदलाव के लिए दस्तावेज़ीकरण और ज्ञान साझाकरण है (Rigby et al., 2016), क्या व्यावसायिक प्रक्रिया परिवर्तन और प्रशिक्षण किया गया है (Aral & Weill, 2007), क्या विक्रेता मूल्य संशोधन और उत्पाद समाप्ति के लिए प्रतिक्रिया रणनीति है (Farrell & Klemperer, 2007) यह पुष्टि करें। AI के मामले में इसके अलावा, क्या आधार मॉडल अपडेट और समाप्ति का पालन करने की प्रक्रिया है, और क्या निर्गत गुणवत्ता की निरंतर निगरानी है (NIST, 2023) यह पुष्टि करें। उदाहरण के लिए, संचालन के बाद 1 वर्ष के समय "क्या डिजाइन दस्तावेज़ सर्वश्रेष्ठ हैं", "क्या मुख्य विकासकर्ता में से 1 व्यक्ति चला जाए तब भी रखरखाव जारी रहता है", "लाइसेंस उपयोग दर कितना % है" यह बिंदु जांचना यह संचालन है।
चरण 5: नियमित रूप से समीक्षा करें
वार्षिक बाज़ार परिपक्वता परीक्षण दोबारा चलाएं: जहां आप स्वयं विकास कर रहे हैं उन क्षेत्रों के लिए "इस 1 वर्ष में उत्पाद बाज़ार में परिवर्तन तो नहीं हुआ" यह पुष्टि करें। यदि उत्पाद दिखाई दिया है, तो आंतरिक विकास जारी रखने का कारण फिर से पूछें। AI के क्षेत्र में विशेष रूप से विशिष्ट उत्पादों की उपस्थिति तेज़ी से है, इसलिए यह समीक्षा छमाही के आधार पर वांछनीय है। उदाहरण के लिए, 1 वर्ष पहले "उत्पाद नहीं है इसलिए स्वयं विकास किया" कंपनी के आंतरिक दस्तावेज़ खोज और सारांश की व्यवस्था अब कई उत्पादों द्वारा समान या बेहतर कार्यक्षमता प्रदान किए जाने की संभावना अधिक है।
मूल की पुरानापन को सुनें: जो व्यावसायिक प्रक्रिया एक बार अंतर परीक्षा को पास कर गई है, क्या वह प्रतिस्पर्धियों के पालन या उद्योग के मानकीकरण से संदर्भ में नहीं बदली है यह पुष्टि करें। उदाहरण के लिए, 10 वर्ष पहले ऑनलाइन ऑर्डर की व्यवस्था एक अद्वितीय शक्ति थी, पर आज यह उद्योग के सभी में मानक कार्यक्षमता बन गई है, और उस भाग के आंतरिक विकास को जारी रखने की तार्किकता खो गई है।
जनशक्ति और क्षमता में परिवर्तन प्रतिबिंबित करें: यदि मुख्य विकासकर्ता का नियमों में बदलाव या संगठन में परिवर्तन हुआ है, तो क्षमता परीक्षा का परिणाम बदल जाता है। जनशक्ति की स्थिति के अनुसार, स्वयं विकास से मौजूदा उत्पाद कार्यान्वयन में कमी, या उत्पाद विक्रेता के साथ सह-विकास में स्थानांतरण पर विचार करें। उदाहरण के लिए, जब स्वयं विकास की गई AI व्यवस्था का डिजाइनकर्ता सेवा निवृत्त हो, तो समान विशिष्ट उत्पाद में स्थानांतरण पर गंभीरता से विचार करना चाहिए।
भ्रम में सिद्धांत: निर्णय में संदेह होने वाली व्यावसायिक प्रक्रिया, पहले मौजूदा उत्पाद कार्यान्वयन से शुरू करें, और संचालन के दौरान अंतर की गुंजाइश की पुष्टि करें। बाद से स्वयं विकास में स्थानांतरण संभव है, परंतु स्वयं विकास से शुरू करके बाद में मौजूदा उत्पाद कार्यान्वयन में लौटना निवेश किए गए विकास खर्च को त्यागने का अर्थ है, और कहीं अधिक कठिन है। अनिश्चितता के अंतर्गत, प्रतिवर्ती विकल्पों से शुरू करना तार्किक है। उदाहरण के लिए, AI कार्यान्वयन में, पहले व्यक्तिगत कार्य को समर्थन करने के लिए सामान्य AI का उपयोग करें, फिर व्यावसायिक प्रक्रिया में एकीकृत करने के लिए विशिष्ट उत्पाद, और उसके बाद अभी भी अंतर न भरने वाले अंतर केवल स्वयं विकास करें, यह क्रम सबसे कम हानि का मार्ग है।
निष्कर्ष में
लगभग सभी कंपनियों और संगठनों के लिए, AI कार्यान्वयन एक आवश्यक विचार विषय बन गया है, इसमें मौजूदा उत्पाद कार्यान्वयन या स्वयं विकास का विकल्प है, और कई लोग कैसे निर्णय लेना चाहिए यह संदेह में हैं। इस अनुभाग की सामग्री विचार और निर्णय के लिए दिशानिर्देश बन सकती है।
संदर्भ साहित्य
Andreessen Horowitz. (2025). How 100 enterprise CIOs are building and buying gen AI in 2025. a16z. सार: 100 उद्यम CIOs के सर्वेक्षण के आधार पर, AI अनुप्रयोगों का प्रोकरण स्वयं विकास से बाहरी उत्पाद खरीद में स्थानांतरित हो रहा है, 5 मॉडलों से अधिक का संयोजन 37% कंपनियों तक पहुंचा है, सॉफ़्टवेयर विकास क्षेत्र में कोड का अधिकांश हिस्सा AI द्वारा उत्पन्न करने वाली कंपनियां सामने आई हैं, आदि का रिपोर्ट किया गया है।
Aral, S., & Weill, P. (2007). IT assets, organizational capabilities, and firm performance: How resource allocations and organizational differences explain performance variation. Organization Science, 18(5), 763–780. अवलोकन: IT निवेश का परिणाम निवेश राशि नहीं, बल्कि IT संपत्ति की संरचना और संगठन की क्षमता (कौशल, डिजिटलीकृत व्यावसायिक प्रक्रियाएं, और IT उपयोग की संस्कृति) के संयोजन से निर्धारित होता है, यह प्रदर्शित करने वाला अनुसंधान।
Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. अवलोकन: संसाधन-आधारित सिद्धांत (VRIO) का मूल ग्रंथ जो कहता है कि टिकाऊ प्रतिस्पर्धात्मक लाभ उन संसाधनों से उत्पन्न होता है जो मूल्यवान, दुर्लभ, नकल करने में मुश्किल, और संगठनात्मक रूप से उपयोग किए जाने योग्य हों।
Bessen, J. (2022). The new Goliaths: How corporations use software to dominate industries, kill innovation, and undermine regulation. Yale University Press. अवलोकन: Walmart और Amazon जैसी कंपनियां बाजार में उपलब्ध नहीं होने वाले स्वामित्व सॉफ्टवेयर से प्रतिस्पर्धात्मक लाभ बनाती हैं और औद्योगिक एकाग्रता तथा नई प्रविष्टि की स्थिरता का कारण बनती हैं, यह तर्क देने वाला कार्य। स्वयं विकास के प्रतिस्पर्धात्मक लाभ की शर्तें दिखाता है।
Bloch, M., Blumberg, S., & Laartz, J. (2012). Delivering large-scale IT projects on time, on budget, and on value. McKinsey Quarterly. अवलोकन: ऑक्सफोर्ड विश्वविद्यालय के साथ संयुक्त अनुसंधान जो 5,400 से अधिक IT परियोजनाओं का विश्लेषण करता है, दिखाता है कि बड़ी परियोजनाएं औसतन बजट से 45% अधिक हो जाती हैं और मूल्य 56% कम होता है।
Bloomberg. (2025, May). Klarna CEO says AI customer service push went too far, plans to hire humans again. Bloomberg News. अवलोकन: Klarna के CEO ने AI द्वारा ग्राहक सेवा की गुणवत्ता में गिरावट को स्वीकार किया और फिर से मानव कर्मचारियों को नियुक्त करने की योजना दिखाई साक्षात्कार रिपोर्ट।
Brehm, L., Heinzl, A., & Markus, M. L. (2001). Tailoring ERP systems: A spectrum of choices and their implications. Proceedings of the 34th Hawaii International Conference on System Sciences. अवलोकन: ERP समायोजन के तरीकों को "कॉन्फ़िगरेशन" से "सोर्स कोड संशोधन" तक 9 स्तरों में वर्गीकृत करता है, जो दिखाता है कि जैसे-जैसे स्तर गहरे होते जाते हैं, तकनीकी जोखिम, रखरखाव लागत, और समर्थन हानि बढ़ती है।
Brooks, F. P. (1975). The mythical man-month: Essays on software engineering. Addison-Wesley. अवलोकन: "देरी से चल रही परियोजना में कर्मचारी जोड़ने से यह और भी देर से होती है" ब्रूक्स के नियम को शामिल करते हुए, सॉफ्टवेयर विकास प्रबंधन का शास्त्रीय कार्य।
Brooks, F. P. (1987). No silver bullet: Essence and accidents of software engineering. IEEE Computer, 20(4), 10–19. अवलोकन: सॉफ्टवेयर की कठिनाइयों को "अनिवार्य कठिनाई" (जटिलता, अनुरूपता, परिवर्तनशीलता, अदृश्यता) और "आकस्मिक कठिनाई" में विभाजित करता है, यह तर्क देता है कि पूर्व को उपकरण या विधियों से दूर नहीं किया जा सकता।
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. Quarterly Journal of Economics, 140(2), 889–942. अवलोकन: ग्राहक समर्थन विभाग में जनरेटिव AI तैनाती से उत्पादकता में औसतन 14% वृद्धि होती है, विशेषकर कम अनुभवी कर्मचारियों में प्रभाव अधिक होता है, यह दिखाने वाला बड़े पैमाने पर प्रयोगात्मक अनुसंधान।
Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. अवलोकन: सामान्य प्रयोजन प्रौद्योगिकी का प्रभाव शुरुआत में प्रकट नहीं होता क्योंकि अमूर्त संपत्ति में पूरक निवेश पहले आता है, बाद में त्वरित होता है, "J-वक्र" को चित्रित करता है, यह दिखाने वाला अनुसंधान।
Capital One. (2020, December 1). Capital One completes migration to the cloud and closes its last data center [Press release]. अवलोकन: अमेरिकी प्रमुख बैंक ने आठ डेटा सेंटर बंद किए और अवसंरचना को पूरी तरह AWS में स्थानांतरित किया, यह घोषणा करने वाली कंपनी का सार्वजनिक विज्ञप्ति। विनियमित उद्योग में अवसंरचना परत के बाहरीकरण का उदाहरण।
Carr, N. G. (2003). IT doesn't matter. Harvard Business Review, 81(5), 41–49. अवलोकन: IT बिजली और रेलमार्ग की तरह कमोडिटीकृत अवसंरचना बन गया है, और अपने आप में प्रतिस्पर्धात्मक लाभ उत्पन्न नहीं करता, इसलिए व्यय को कम करने और जोखिम प्रबंधन पर ध्यान केंद्रित करना चाहिए, यह तर्क देने वाला पत्र।
Cunningham, W. (1992). The WyCash portfolio management system. OOPSLA '92 Experience Report. अवलोकन: डिजाइन समझौतों को अल्पकालिक शॉर्टकट के रूप में जमा करना बाद की परिवर्तन लागत को निरंतर बढ़ाता है, जिसे "तकनीकी ऋण" रूपक के रूप में पहली बार व्यक्त किया गया, यह रिपोर्ट।
Davenport, T. H. (1998). Putting the enterprise into the enterprise system. Harvard Business Review, 76(4), 121–131. अवलोकन: ERP व्यावसायिक संचालन के तरीके के बारे में विक्रेता की धारणा को शामिल करता है, और तैनात करने वाली कंपनियां "सिस्टम को व्यावसायिकता से मिलाएं या व्यावसायिकता को सिस्टम से मिलाएं" का कौशल चुनाव करने के लिए मजबूर हैं, यह तर्क देने वाला पत्र।
Dell'Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality (Working Paper No. 24-013). Harvard Business School. अवलोकन: 758 सलाहकारों पर प्रयोग, जो AI की क्षमता की सीमा "दांतेदार" है दिखाता है, सीमा के अंदर उत्पादकता में बड़ी वृद्धि होती है, बाहर सही उत्तर दर गिरती है, यह अनुसंधान।
Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An early look at the labor market impact potential of large language models. arXiv:2303.10130. अवलोकन: अमेरिकी कार्यकर्ताओं के लगभग 80% के कार्यकार्यों का 10% से अधिक, लगभग 19% के 50% से अधिक बड़े भाषा मॉडल के प्रभाव को प्राप्त करने का अनुमान, जो AI के सामान्य प्रयोजन प्रौद्योगिकी होने दिखाता है, यह अनुसंधान।
Erlikh, L. (2000). Leveraging legacy system dollars for e-business. IT Professional, 2(3), 17–23. अवलोकन: उद्यम प्रणाली के जीवन चक्र लागत का 85-90% रखरखाव और संचालन से बना है, यह अनुमान लगाता है और विरासत प्रणाली रखरखाव लागत की बड़ाई की ओर इशारा करता है, यह पत्र।
Farrell, J., & Klemperer, P. (2007). Coordination and lock-in: Competition with switching costs and network effects. In M. Armstrong & R. Porter (Eds.), Handbook of industrial organization (Vol. 3, pp. 1967–2072). Elsevier. अवलोकन: स्विच लागत और नेटवर्क प्रभाव बाजार प्रतिस्पर्धा पर प्रभाव को सैद्धांतिक रूप से व्यवस्थित करता है, दिखाता है कि स्विच लागत आपूर्तिकर्ता को मूल्य नियंत्रण शक्ति देता है, यह साहित्य।
Ferdows, K., Lewis, M. A., & Machuca, J. A. D. (2004). Rapid-fire fulfillment. Harvard Business Review, 82(11), 104–110. अवलोकन: Zara (Inditex) दो सप्ताह में डिजाइन से दुकान तक व्यावसायिक मॉडल चलाता है, स्वयं द्वारा विकसित सरल सूचना प्रणाली के साथ एकीकृत, यह विश्लेषण दिखाता है कि व्यावसायिक मॉडल के साथ पूरी तरह मेल खाने वाली प्रणाली प्रतिस्पर्धात्मक लाभ उत्पन्न करती है, यह पत्र।
Flyvbjerg, B. (2006). From Nobel Prize to project management: Getting risks right. Project Management Journal, 37(3), 5–15. अवलोकन: योजना त्रुटि के विरुद्ध उपाय के रूप में समान परियोजनाओं के वास्तविक वितरण से अनुमान को सही करने के लिए "संदर्भ वर्ग भविष्यवाणी" का प्रस्ताव, यह पत्र।
Flyvbjerg, B., & Budzier, A. (2011). Why your IT project may be riskier than you think. Harvard Business Review, 89(9), 23–25. अवलोकन: 1,471 IT परियोजनाओं का विश्लेषण, औसत लागत अधिकता 27% है, लेकिन 6 में 1 लागत अधिकता 200%, अवधि अधिकता 70% तक पहुंचते हैं "ब्लैक स्वान", यह दिखाने वाला पत्र।
Flyvbjerg, B., Budzier, A., Lee, J. S., Keil, M., Lunn, D., & Bester, D. W. (2022). The empirical reality of IT project cost overruns: Discovering a power-law distribution. Journal of Management Information Systems, 39(3), 607–639. सारांश: 5,392 IT परियोजनाओं का विश्लेषण करने वाला अध्ययन जो दर्शाता है कि लागत अतिव्यय पावर-लॉ वितरण (फैट टेल) का पालन करता है। यह सामान्य वितरण को मानकर किए गए अनुमानों को चेतावनी देता है कि वे चरम अतिव्यय को कम आंकते हैं।
Gartner. (2025, June 25). Gartner predicts over 40% of agentic AI projects will be canceled by end of 2027 [Press release]. सारांश: एजेंट AI परियोजनाओं के 40% से अधिक को लागत, अस्पष्ट मूल्य और अपर्याप्त जोखिम प्रबंधन के कारण रद्द किए जाने का पूर्वानुमान, और हजारों स्व-घोषित विक्रेताओं में से केवल लगभग 130 कंपनियों के पास वास्तविक एजेंट क्षमता है, यह "एजेंट वाशिंग" के व्यापक होने को इंगित करते हुए।
Grant Thornton UK LLP. (2023). Birmingham City Council: Statutory recommendations under Section 24 of the Local Audit and Accountability Act 2014. सारांश: बर्मिंघम शहर के Oracle कार्यान्वयन में बजट अतिव्यय और वित्तीय प्रबंधन की खराबी के बारे में बाहरी लेखा परीक्षकों की रिपोर्ट, जो अत्यधिक अनुकूलन को प्रमुख कारणों में से एक के रूप में इंगित करती है।
Handelsblatt. (2018, July). Lidl stoppt Milliardenprojekt mit SAP. Handelsblatt. सारांश: Lidl के SAP कार्यान्वयन के 7 वर्षीय और लगभग 500 मिलियन यूरो के प्रयास को बंद करने की रिपोर्ट, जिसमें इन्वेंटरी मूल्यांकन पद्धति के प्रति जिद्द के कारण अत्यधिक अनुकूलन को मुख्य कारण के रूप में पहचाना गया।
House of Commons Committee of Public Accounts. (2013). The dismantled National Programme for IT in the NHS (Nineteenth Report of Session 2013–14). The Stationery Office. सारांश: यूनाइटेड किंगडम NHS के इलेक्ट्रॉनिक रिकॉर्ड एकीकरण कार्यक्रम (NPfIT) के विघटन के बाद की लागतों और सीखों की जांच करने वाली संसदीय रिपोर्ट, जो केंद्रीकृत विशाल स्वामित्व विकास की समस्याओं को सारांशित करती है।
JPMorgan Chase. (2025). LLM Suite named 2025 "Innovation of the Year" by American Banker. JPMorgan Chase Technology Blog. सारांश: स्वामित्व आधार पर बाहरी आधार मॉडल का उपयोग करने वाले स्वामित्व उपकरण "LLM Suite" के वितरण के मार्ग और उपयोग के पैमाने की व्याख्या करने वाली कंपनी की घोषणा।
Kahneman, D., & Tversky, A. (1979). Intuitive prediction: Biases and corrective procedures. TIMS Studies in Management Science, 12, 313–327. सारांश: योजना में अंतर्निहित दृष्टिकोण से अनुमान करते समय अतीत के समान उदाहरणों की उपेक्षा करने वाली "योजना त्रुटि" को इंगित करने वाला पत्र, और बाहरी दृष्टिकोण से सुधार का प्रस्ताव।
Keil, M. (1995). Pulling the plug: Software project management and the problem of project escalation. MIS Quarterly, 19(4), 421–447. सारांश: विफलता स्पष्ट होते हुए भी IT परियोजनाओं के जारी रहने और अतिरिक्त निवेश के "एस्केलेशन" के कारणों का विश्लेषण करने वाला अनुसंधान, जो वापसी निर्णय लेने की प्रणाली की आवश्यकता को प्रदर्शित करता है।
Klarna. (2024, February 27). Klarna AI assistant handles two-thirds of customer service chats in its first month [Press release]. सारांश: बाहरी आधार मॉडल का उपयोग करके स्व-निर्मित AI सहायक ने ग्राहक सेवा चैट का दो-तिहाई भाग संभाला और 700 लोगों के कार्य के बराबर का दावा करने वाली कंपनी की घोषणा।
Koch, C. (2002). Hershey's bittersweet lesson. CIO Magazine. सारांश: 1999 के ERP पूर्ण कटओवर में शिपिंग विफलता का सामना करने वाली Hershey को 2002 के बड़े अपग्रेड में धीमी अवधि के चरणबद्ध माइग्रेशन और पर्याप्त परीक्षण के माध्यम से अनुसूची से पहले और बजट के नीचे पूरा करने का विवरण।
Koch, C. (2004). Nike rebounds: How (and why) Nike recovered from its supply chain disaster. CIO Magazine. सारांश: 2000 की माँग पूर्वानुमान प्रणाली कार्यान्वयन विफलता के बाद Nike के आधार प्रणाली नवीनीकरण को क्षेत्र और व्यावसायिक इकाइयों द्वारा चरणबद्ध कार्यान्वयन में परिवर्तन करने और 2006 तक कोई बड़ी विफलता नहीं के साथ पूरा करने का विवरण।
Lacity, M. C., Khan, S. A., & Willcocks, L. P. (2009). A review of the IT outsourcing literature: Insights for practice. Journal of Strategic Information Systems, 18(3), 130–146. सारांष: IT आउटसोर्सिंग के प्रमाण आधारित अनुसंधान की व्यवस्थित समीक्षा जो चुनिंदा आउटसोर्सिंग की प्राधिकता, अनुबंध डिजाइन, और खरीदार पक्ष की क्षमता के महत्व को व्यावहारिक उद्देश्यों के लिए संगठित करती है।
Lehman, M. M. (1980). Programs, life cycles, and laws of software evolution. Proceedings of the IEEE, 68(9), 1060–1076. सारांश: वास्तविक उपयोग में आने वाले प्रोग्राम को निरंतर परिवर्तित किया जाना चाहिए अन्यथा संतुष्टि में गिरावट आती है, और परिवर्तन जारी रहने से जटिलता बढ़ती है, यह "सॉफ्टवेयर विकास के नियमों" को तैयार करने वाला पत्र।
Lientz, B. P., & Swanson, E. B. (1980). Software maintenance management: A study of the maintenance of computer application software in 487 data processing organizations. Addison-Wesley. सारांश: 487 डेटा प्रोसेसिंग संगठनों में कंप्यूटर एप्लिकेशन सॉफ्टवेयर के रखरखाव का अध्ययन करने वाला व्यापक सर्वेक्षण जो पहली बार व्यवस्थित रूप से यह दिखाता है कि जीवन चक्र लागत का आधे से अधिक रखरखाव में खर्च होता है।
McKinsey & Company. (2026). The state of AI: Global survey 2026. QuantumBlack, AI by McKinsey. सारांश: 97 देशों के 1,719 लोगों के सर्वेक्षण के आधार पर की गई रिपोर्ट जो दर्शाती है कि AI उपयोग दर 88% तक पहुंचा है लेकिन EBIT पर प्रभाव की रिपोर्टिंग केवल 37% कंपनियों तक सीमित है, 80% उत्तरदाताओं को व्यक्तिगत उत्पादकता में सुधार का अनुभव है, 32% कंपनियों ने AI कोडिंग उपकरणों से स्वामित्व विकास चुना है, और 20% कंपनियां AI परिचालन लागत को उपयोग की सीमा के रूप में देखती हैं।
Menlo Ventures. (2025). 2025: The state of generative AI in the enterprise. Menlo Ventures. सारांश: उद्यम जनरेटिव AI व्यय का विश्लेषण करने वाली रिपोर्ट जो दर्शाती है कि बाहरी उत्पाद खरीद 76% है और स्वामित्व विकास 24% है, पिछले वर्ष से खरीद की ओर बड़ी स्थानांतरण, लंबवत विशिष्ट AI पर व्यय 3.5 अरब डॉलर तक पहुंचा है, और स्वायत्त एजेंट संचालित करने वाली कंपनियां केवल 16% हैं।
MIT NANDA. (2025). The GenAI divide: State of AI in business 2025. Massachusetts Institute of Technology. सारांश: 52 संगठनों के साक्षात्कार और 153 लोगों के सर्वेक्षण के आधार पर की गई रिपोर्ट जो दर्शाती है कि जनरेटिव AI पायलटों के 95% लाभ-हानि प्रभाव तक नहीं पहुंचे, बाहरी उत्पादों की उत्पादन उपलब्धि दर (67%) स्वामित्व विकास (33%) से दोगुना है, और परिभाषा में बाधा डालने वाले "सीखने का अंतराल" मौजूद है।
Moffatt v. Air Canada, 2024 BCCRT 149 (Civil Resolution Tribunal of British Columbia, 2024). सारांश: चैटबॉट के गलत मार्गदर्शन के बारे में एयरलाइन की जिम्मेदारी स्वीकार करने वाला और मुआवजे का आदेश देने वाला कनाडाई निर्णय।
Moore, G. A. (2005). Dealing with Darwin: How great companies innovate at every phase of their evolution. Portfolio. सारांश: कंपनी की गतिविधियों को अंतर पैदा करने वाले "कोर" और आवश्यक लेकिन अंतर न पैदा करने वाले "संदर्भ" में विभाजित करने वाली और तर्क देने वाली कृति कि सभी गतिविधियां समय के साथ कोर से संदर्भ की ओर स्थानांतरित होती हैं।
Nelson, P., Richmond, W., & Seidmann, A. (1996). Two dimensions of software acquisition. Communications of the ACM, 39(7), 29–35. सारांश: लेनदेन लागत सिद्धांत को सॉफ्टवेयर अधिग्रहण पर लागू करने वाला पत्र जो "व्यावसायिक की विशिष्टता" और "आवश्यकता अनिश्चितता" के दो अक्षों पर पैकेज खरीद, कस्टम विकास, स्वामित्व विकास, और आउटसोर्सिंग की उपयुक्तता को व्यवस्थित करता है।
Netflix. (2016, February 11). Completing the Netflix cloud migration. Netflix. सारांश: 2008 की डेटाबेस विफलता को ध्यान में रखते हुए शुरू किए गए AWS को माइग्रेशन को 2016 में पूरा करने और अंतिम स्वामित्व डेटा सेंटर को बंद करने की घोषणा करने वाली कंपनी की रिपोर्ट। आधार को बाहर सौंपने और अंतर के कोर को स्वामित्व में विकसित करने के विभाजन का उदाहरण।
Panorama Consulting Group. (2023). The 2023 ERP report. Panorama Consulting Group. सारांश: ERP कार्यान्वयन कंपनियों के निरंतर सर्वेक्षण पर आधारित वार्षिक रिपोर्ट जो बजट और समय अतिव्यय दर और लक्ष्य उपलब्धि दर की रिपोर्टिंग करती है, जो ERP कार्यान्वयन के लगभग आधे हिस्से में बजट या समय के अतिव्यय को दर्शाती है और अपेक्षित लाभ को पर्याप्त रूप से प्राप्त करने वाली कंपनियां आधे से कम हैं।
Shapiro, C., & Varian, H. R. (1999). Information rules: A strategic guide to the network economy. Harvard Business School Press.概要:सूचना संपत्ति की आर्थिक प्रकृति (स्विचिंग लागत, लॉक-इन, नेटवर्क प्रभाव, मानकीकरण) को व्यवस्थित रूप से संगठित करने वाला, सूचना अर्थशास्त्र का व्यावहारिक आधार पुस्तक।
Soh, C., Kien, S. S., & Tay-Yap, J. (2000). Enterprise resource planning: Cultural fits and misfits: Is ERP a universal solution? Communications of the ACM, 43(4), 47–51.概要:अस्पताल के ERP कार्यान्वयन का विश्लेषण करने वाला अनुसंधान जो उत्पाद और संगठन के बीच विसंगति (मिसफिट) को डेटा, कार्यक्षमता और आउटपुट के तीन प्रकारों में वर्गीकृत करता है और दिखाता है कि अनुकूलन द्वारा समाधान दीर्घकालिक लागत को कैसे बढ़ाता है।
Standish Group. (2015). CHAOS report 2015. The Standish Group International.概要:सॉफ्टवेयर प्रकल्पों की सफलता, समस्या वाली और विफल परियोजनाओं के अनुपात का निरंतर सर्वेक्षण करने वाली रिपोर्ट जो दिखाती है कि सफलता दर लगभग 30% के आसपास रहती है।
Standish Group. (2020). CHAOS 2020: Beyond infinity. The Standish Group International.概要:CHAOS रिपोर्ट का 2020 संस्करण जो यह दर्शाता है कि 20+ वर्षों में सफलता दर में महत्वपूर्ण परिवर्तन नहीं हुआ है और सफलता के कारक के रूप में निर्णय लेने में देरी को नियंत्रित करने को उजागर करता है।
Taima, M. (2026, June 12). AIエージェント企業はどれだけ大きな市場を狙うべきか — TAMの理論・事例・最新研究. mign. https://www.mign.io/articles/57854/ 概要:汎用AI企業(OpenAI、Anthropic、Google)が知識労働全体を、業界特化AIエージェント企業(Harvey、Cursor、Sierra、OpenEvidenceなど)が特定業界の人件費支出を対象市場とする構造を整理し、Service-as-a-Softwareの概念と各社の売上・対象市場・達成度を定量比較したコラム。
Teece, D. J. (1986). Profiting from technological innovation: Implications for integration, collaboration, licensing and public policy. Research Policy, 15(6), 285–305. 概要:तकनीकी नवाचार का लाभ आविष्कारक को नहीं बल्कि व्यावसायीकरण के लिए आवश्यक पूरक संपत्तियों के मालिक को प्राप्त होने की शर्तें दिखाने वाला तकनीकी रणनीति सिद्धांत का सबसे महत्वपूर्ण साहित्य में से एक।
U.S. Government Accountability Office. (2014). Healthcare.gov: Ineffective planning and oversight practices underscore the need for improved contract management (GAO-14-694). 概要:Healthcare.gov के लॉन्च विफलता के बारे में समन्वय जिम्मेदार की अनुपस्थिति, आवश्यकताओं में बार-बार परिवर्तन और परीक्षण की कमी को इंगित करने वाली यूएस गवर्नमेंट अकाउंटेबिलिटी ऑफिस की ऑडिट रिपोर्ट।
Wardley, S. (2020). Wardley maps: Topographical intelligence in business. Creative Commons(オンライン公開). 概要:इस आधार पर कि तकनीकें और गतिविधियां "उदभवन → अनूठा निर्माण → उत्पाद → कमोडिटी" के माध्यम से विकसित होती हैं, व्यावसायिक घटकों को नक्शे के रूप में खींचने और प्रत्येक चरण में उपयुक्त खरीद विधि चुनने की विधि को व्यवस्थित करने वाला कार्य।
Williamson, O. E. (1985). The economic institutions of capitalism: Firms, markets, relational contracting. Free Press. 概要:परिसंपत्ति विशिष्टता, अनिश्चितता और आवृत्ति के तीन कारकों के आधार पर लेनदेन को आंतरिक करना चाहिए या बाजार को सौंपना चाहिए यह निर्धारित करने वाली लेनदेन लागत अर्थशास्त्र की मूल पुस्तक।
Zylo. (2023). 2023 SaaS Management Index. Zylo. 概要:कंपनी के SaaS अनुबंध डेटा का विश्लेषण करने वाली रिपोर्ट जो यह दर्शाती है कि अनुबंधित लाइसेंस का लगभग 40% अप्रयुक्त रहता है और प्रति कंपनी सालाना लगभग 17 मिलियन डॉलर बर्बाद होते हैं।
पढ़ा हुआ
इसके बाद पढ़ें ↓