कल्पना कीजिए कि आप एक विशाल, हाई-टेक लाइब्रेरी में खड़े हैं जहाँ किताबें अब इंसानों द्वारा नहीं, बल्कि सुपर-स्मार्ट रोबोटों द्वारा लिखी जाती हैं। पिछले कुछ वर्षों से, दुनिया की सबसे बड़ी तकनीकी दौड़ सबसे बड़े दिमाग वाले रोबोट को खोजने की रही है। कंपनियाँ सबसे "स्मार्ट" रोबोट खरीदने के लिए अरबों डॉलर खर्च कर रही हैं, यह मानते हुए कि यदि उनके पास सबसे शक्तिशाली रोबोट होगा, तो वे जीत जाएंगे। यह आर्टिफिशियल इंटेलिजेंस (AI) की दुनिया है, जहाँ लक्ष्य पहले केवल कच्ची बुद्धिमत्ता (raw intelligence) के बारे में था। लेकिन यहाँ एक मोड़ है: रोबोट इतने अच्छे होते जा रहे हैं कि "सबसे स्मार्ट" और "पांचवें सबसे स्मार्ट" रोबोट के बीच का अंतर अब इतना कम है कि इसका कोई खास महत्व नहीं रह गया है। यह दो सुपर-फास्ट रेस कारों के समान है; यदि एक कार दूसरी से केवल एक अंश सेकंड तेज़ है, तो इससे कोई फर्क नहीं पड़ता यदि आपके पास सबसे तेज़ कार है लेकिन ड्राइवर को गाड़ी चलाना नहीं आता, या यदि सड़क गड्ढों से भरी है। यह शोध पत्र एक सरल लेकिन बहुत बड़ा सवाल पूछता है: यदि सभी रोबलेट अब लगभग एक जैसे ही हैं, तो इतनी सारी कंपनियाँ उन्हें वास्तव में उपयोगी काम करने में विफल क्यों हो रही हैं?

इस पेपर के लेखक, फैब्रिसियो एफ. कोस्टा (Fabricio F. Costa) का तर्क है कि समस्या रोबोट के दिमाग की नहीं है। इसके बजाय, समस्या "डिप्लॉयमेंट वॉल" (Deployment Wall) की है। इसे इस तरह सोचें: आप एक शानदार, हाई-टेक रोबोट असिस्टेंट खरीदते हैं। लेकिन इसे अपने ऑफिस में काम पर लगाने के लिए, आपको छह अलग-अलग "सीम्स" (seams) या सीमाओं को पार करना होगा। ये एक महल के विभिन्न कमरों के बीच के अंतराल की तरह हैं। आपको रोबोट को अपनी अव्यवस्थपूर्ण फाइलों (डेटा) से जोड़ना होगा, यह सुनिश्चित करना होगा कि वह केवल उन्हीं लोगों से बात करे जिन्हें इसकी अनुमति है (आइडेंटिटी), उसे कुछ भी खतरनाक कहने से रोकना होगा (सिक्योरिटी), अपने कर्मचारियों को यह सिखाना होगा कि बिना डरे इसका उपयोग कैसे करें (चेंज मैनेजमेंट), और यह सुनिश्चित करना होगा कि इसे चलाने की लागत इसके द्वारा बचाए गए पैसे से अधिक न हो (कॉस्ट)। पेपर सुझाव देता है कि अधिकांश कंपनियाँ इतने जुनूनी होकर "सबसे स्मार्ट" रोबोट खरीदने में लगी हैं कि वे इन अंतरालों पर पुल बनाना भूल जाती हैं। परिणामस्वरूप, रोबोट कोने में बैठा रहता है, बुद्धिमान तो है लेकिन बेकार, जबकि कंपनी पैसा गंवाती रहती है।

वह महान रोबोट दौड़ जो अब मायने नहीं रखती

लंबे समय तक, एंटरप्राइज एआई (बड़ी कंपनियों में रोबोट का उपयोग) की कहानी बुद्धिमत्ता की दौड़ थी। कंपनियाँ लीडरबोर्ड देखती थीं, यह गिनती करती थीं कि एक मॉडल में कितने "पैरामीटर्स" (रोबोट के मस्तिष्क कोशिकाएं) हैं, और पूछती थीं, "क्या हमारे पास सबसे स्मार्ट वाला है?" लेकिन पेपर का तर्क है कि यह दौड़ प्रभावी रूप से समाप्त हो चुकी है। शीर्ष रोबोट अब इतने समान हैं कि उनके बीच का अंतर केवल एक मामूली बिंदु है। बुद्धिमत्ता एक वस्तु (commodity) बनती जा रही है, जैसे बिजली या पानी; आप इसे खरीद सकते हैं, लेकिन यह आपको कोई विशेष लाभ नहीं देती क्योंकि इसे हर कोई प्राप्त कर सकता है।

इसके बावजूद, कंपनियों ने केवल एक वर्ष में इन रोबोटों पर अपना खर्च तीन गुना कर दिया है, जो लगभग US$37 बिलियन तक पहुँच गया है। फिर भी, स्वतंत्र शोध से पता चलता है कि लगभग 95% रोबोट प्रोजेक्ट्स का कोई मापने योग्य लाभ नहीं होता है। वे ऐसे पायलट प्रोजेक्ट्स हैं जो कहीं नहीं पहुँच पाते। सामान्य बहाना यह है, "रोबोट अभी पर्याप्त स्मार्ट नहीं हैं; हमें अगले, अधिक स्मार्ट संस्करण का इंतजार करना चाहिए।" लेखक का कहना है कि यह गलत निदान है। यह एक टूटी हुई कार के इंजन को दोष देने जैसा है जब असली समस्या यह है कि ड्राइवर पेट्रोल डालना भूल गया है। रोबोट पर्याप्त सक्षम हैं; समस्या यह है कि कंपनियाँ उन्हें गैरेज से बाहर निकालकर सड़क पर नहीं ला पा रही हैं।

डिप्लॉयमेंट वॉल: एक छह-चरणीय बाधा दौड़

पेपर में डिप्लॉयमेंट वॉल नामक एक अवधारणा पेश की गई है। कल्पना कीजिए कि एक विशाल दीवार है जो छह परतों वाली ईंटों से बनी है। अपने रोबोट को एक "कूल आइडिया" से वास्तव में कंपनी के लिए पैसा बनाने योग्य बनाने के लिए, उसे हर एक ईंट के ऊपर से चढ़ना होगा। यदि वह किसी भी बिंदु पर गिर जाता है, तो पूरा प्रोजेक्ट खत्म हो जाता है।

1. मॉडल सिलेक्शन (Model Selection): आप एक रोबोट चुनते हैं। यह सबसे आसान और सबसे दृश्य हिस्सा है।
2. इंटीग्रेशन (Integration): आप अपने रोबोट को अपनी कंपनी के पुराने, अव्यवस्थपूर्ण कंप्यूटर सिस्टम और डेटा से जोड़ने का प्रयास करते हैं। यहीं पर पहली दरारें दिखाई देती हैं।
3. गवर्नेंस (Governance): आपको नियम बनाने होंगे ताकि रोबกัน सुरक्षित, ऑडिट करने योग्य हो और जो कुछ भी वह कहे उसके लिए कोई जिम्मेदार हो।
4. वर्कफ्लो रीडिज़ाइन (Workflow Redesign): आपको अपने कर्मचारियों को यह सिखाना होगा कि वे रोबोट के बगल में बैठने के बजाय वास्तव में उसका उपयोग कैसे करें।
5. एंटरप्राइज अडॉप्शन (Enterprise Adoption): आपको सभी का विश्वास जीतना होगा और उन्हें रोबोट का उपयोग करने के लिए प्रेरित करना होगा।
6. रियलाइज्ड बिजनेस वैल्यू (Realized Business Value): अंततः, रोबोट वास्तव में पैसा बचाता है या कमाकर देता है।

डरावनी बात यह है कि अधिकांश प्रोजेक्ट्स बीच की ईंटों (इंटीग्रेशन, गवर्नेंस और वर्कफ्लो) पर अटक जाते हैं। पेपर सुझाव देता है कि यदि प्रत्येक चरण में आपके विफल होने की 50% संभावना है, तो अंत तक पहुँचते-पहुँचते लगभग कोई भी प्रोजेक्ट जीवित नहीं बचता। यह बिना रोबोट की बुद्धिमत्ता पर दोष मढ़े, 95% विफलता दर की व्याख्या करता है।

छह सीम्स: जहाँ लीकेज होता है

लेखक इन चरणों के बीच के अंतराल को "सीम्स" (Seams) कहते हैं। एक सीम को कपड़े के दो टुकड़ों के बीच के अंतर की तरह समझें। यदि आप एक जैकेट सिलते हैं लेकिन सीम खुले छोड़ देते हैं, तो हवा सीधे अंदर से गुजर जाएगी। एआई की दुनिया में, छह विशिष्ट सीम्स हैं जहाँ मूल्य (value) लीक होता है:

• डेटा सीम (The Data Seam): रोबोट को काम करने के लिए स्वच्छ, व्यवस्थित डेटा की आवश्यकता होती है। लेकिन अधिकांश कंपनियों का डेटा हर जगह बिखरा हुआ है, जैसे एक ऐसी लाइब्रेरी जहाँ किताबें फर्श पर फेंकी गई हों। इसे ठीक करने में भारी प्रयास लगता है।
• आइडेंटिटी एंड एक्सेस सीम (The Identity & Access Seam): रोबोट को यह जानने की आवश्यकता है कि कौन प्रश्न पूछ रहा है। यदि रोबोट आपकी निजी फाइलों को किसी अजनबी को दिखा देता है क्योंकि वह नहीं जानता कि आप कौन हैं, तो यह एक आपदा है। कई कंपनियों ने अभी तक अपने रोबोट को अपने सुरक्षा सिस्टम से नहीं जोड़ा है।
• सिक्योरिटी एंड कंप्लायंस सीम (The Security & Compliance Seam): रोबोट को सख्त नियमों का पालन करना चाहिए ताकि वह रहस्य उजागर न करे या कानून न तोड़े। यदि आप एक ऐसा रोबोट लॉन्च करते हैं जो सुरक्षित नहीं है, तो आप बड़ी मुसीबत में पड़ सकते हैं।
• गवर्नेंस सीम (The Governance Seam): आपको रोबोट की निगरानी करने के लिए एक प्रणाली की आवश्यकता है, उसकी गलतियों को दर्ज करने के लिए और एक मानव तैयार रखने के लिए जो हस्तक्षेप कर सके। इसके बिना, कोई भी बॉस रोबोट को काम करने की अनुमति नहीं देगा।
• चेंज मैनेजमेंट सीम (The Change Management Seam): यह सबसे अधिक अनदेखा किया जाने वाला हिस्सा है। आपको लोगों को यह सिखाना होगा कि रोबोट के साथ काम कैसे करें और अपनी दैनिक आदतों को कैसे बदलें। यदि आप ऐसा नहीं करते हैं, तो लोग इसे अनदेखा कर देंगे।
• कॉस्ट सीम (The Cost Seam): भले ही रोबोट काम करे, क्या इसे चलाना बहुत महंगा है? इसे चालू रखने की लागत अक्सर सभी मुनाफे को खा जाती है।

सीम इंडेक्स: रोबोट खरीदने का एक नया तरीका

कंपनियों को बेहतर विकल्प चुनने में मदद करने के लिए, लेखक ने सीम इंडेक्स नामक एक टूल बनाया है। यह पूछने के बजाय कि "कौन सा रोबोट सबसे स्मार्ट है?" (जो अब मायने नहीं रखता), वे पूछते हैं, "कौन सा रोबोट प्लेटफॉर्म मुझे अधिकांश सीम्स को पार करने में मदद करता है?"

वे प्लेटफॉर्म को 0 से 12 तक स्कोर देते हैं।

• स्कोर 0: आपको अपना पुल खुद बनाना होगा (बहुत कठिन, बहुत महंगा)।
• स्कोर 1: प्लेटफॉर्म थोड़ी मदद करता है, लेकिन आपको अभी भी काम करना होगा।
• स्कोर 2: प्लेटफॉर्म ने पहले से ही आपके लिए पुल बना दिया है (आप बस चलते जाते हैं)।

पेपर एक मजेदार उदाहरण देता है: मान लीजिए दो रोबोट हैं। रोबोट A, दुनिया का दूसरा सबसे स्मार्ट रोबोट है, लेकिन इसके साथ सभी पुल पहले से बने हुए आते हैं (यह आपकी सुरक्षा, आपके डेटा और आपके नियमों से स्वतः जुड़ जाता है)। इसे 10 का स्कोर मिलता है। रोबोट B, बिल्कुल सबसे स्मार्ट रोबोट है, लेकिन यह बिना किसी पुल के आता है; आपको सब कुछ शून्य से बनाना पड़ता है। इसे 2 का स्कोर मिलता है। पेपर का तर्क है कि रोबोट A सफल होगा, और रोबोट B विफल होगा, भले ही रोबोट B अधिक "स्मार्ट" हो। सबसे स्मार्ट रोबोट बेकार है यदि वह दीवार के गलत तरफ फंसा हुआ है।

"मोट" (Moat) बदल गया है

व्यवसाय में, "मोट" (Moat) एक किले के चारों ओर गहरी खाई होती है जो दुश्मनों को दूर रखती है। लंबे समय तक, मोट "सबसे स्मार्ट मॉडल" था। लेकिन अब, मोट बदल गया है। वास्तविक लाभ उन कंपनियों के पास है जो सीम्स (seams) की मालिक हैं।

पेपर बताता है कि बड़ी तकनीकी कंपनियाँ (जैसे माइक्रोसॉफ्ट, अमेज़न और गूगल) भी इस बात को समझ रही हैं। वे केवल रोबोट नहीं बेच रहे हैं; वे कंपनियों को इन सीम्स को पार करने में मदद करने के लिए सलाहकारों की सेना भी रख रहे हैं। वे जानते हैं कि असली पैसा रोबोट के दिमाग में नहीं है, बल्कि रोबोट को एक अव्यवस्थपूर्ण, वास्तविक दुनिया की कंपनी के भीतर काम करने लायक बनाने की क्षमता में है। "मोट" अब घर्षण (friction) को हटाने की क्षमता है। यदि कोई कंपनी आपके लिए डेटा, सुरक्षा और आइडेंटिटी सीम्स को आसानी से पार करने में मदद कर सकती है, तो वह कंपनी जीत जाती है, चाहे वह किसी भी रोबोट का उपयोग कर रही हो।

भविष्य के लिए इसका क्या अर्थ है

पेपर सुझाव देता है कि यदि कंपनियाँ एक "स्मार्टर" रोबोट का इंतजार करती रहती हैं, तो वे अपना समय बर्बाद कर रही हैं। असली काम उबाऊ चीजों में है: डेटा को ठीक करना, सुरक्षा स्थापित करना और लोगों को प्रशिक्षित करना। लेखक इन सीम्स को अनदेखा करने की लागत को डिप्लॉयमेंट डेट (Deployment Debt) कहते हैं। वित्तीय ऋण की तरह, यदि आप इसे अभी नहीं चुकाते हैं, तो यह बढ़ता जाएगा और अंततः कंपनी को कुचल देगा।

पेपर नेताओं के लिए एक स्पष्ट संदेश के साथ समाप्त होता है: रोबोट के दिमाग को देखना बंद करें। पुलों को देखना शुरू करें। यह मापें कि एक प्लेटफॉर्म कितना घर्षण कम करता है। अपने काम को रोबोट के अनुकूल ढालें, न कि केवल रोबोट को अपने पुराने काम के चारों ओर लपेटें। अगली दशक के विजेता वे नहीं होंगे जिन्होंने एक स्मार्ट मॉडल का इंतजार किया; वे वे होंगे जिन्होंने यह समझ लिया कि रोबोट को दरवाजे के अंदर कैसे लाना है।

लेखक सावधानी से कहते हैं कि यह अन्य अध्ययनों के अवलोकन और संश्लेषण पर आधारित एक नया ढांचा है, न कि भौतिकी का एक अंतिम, सिद्ध नियम। वे छह विशिष्ट विचार (प्रस्ताव) प्रस्तावित करते हैं जिन्हें अन्य वैज्ञानिक परीक्षण कर सकते हैं कि क्या वे सत्य हैं। उदाहरण के लिए, वे सुझाव देते हैं कि एक प्लेटफॉर्म का "सीम इंडेक्स" स्कोर रोबोट की बुद्धिमत्ता स्कोर की तुलना में सफलता की बेहतर भविष्यवाणी करेगा। लेकिन फिलहाल, साक्ष्य मजबूती से एक ही बात की ओर इशारा करते हैं: बाधा बुद्धिमत्ता नहीं है; बाधा डिप्लॉयमेंट है।