Scovai Scovai
AI & Operations 2026-10-28 1 min read

अपने एजेंट बनाने वाले लोगों से पूछिए कि कौन-सी धारणाएँ गलत हैं — 167 तकनीकी विशेषज्ञों ने उन्हें अभी क्रम में रखा है

DSL

Dr. Sarah Liu

अपने एजेंट बनाने वाले लोगों से पूछिए कि कौन-सी धारणाएँ गलत हैं — 167 तकनीकी विशेषज्ञों ने उन्हें अभी क्रम में रखा है

एजेंटिक AI अपने वादे से कम क्यों देता है, इसका निदान करने वाला लगभग हर अध्ययन उन लोगों से पूछता है जिन्होंने इसे मंज़ूरी दी। 3 सितंबर 2026 को लिखे गए एक पेपर ने उन लोगों से पूछा जो इसे बनाते हैं। University of Houston के Johannes Habel और आठ सह-लेखकों ने एजेंटिक AI से जुड़ी दस प्रबंधन भ्रांतियाँ चिह्नित कीं — यह क्या है, यह क्या पूरा कर सकता है, और कंपनियों को इसे कैसे लागू करना चाहिए, इस बारे में गलत धारणाएँ — उन्हें रूपांतरण की तीन अवस्थाओं के साथ व्यवस्थित किया, और 167 तकनीकी विशेषज्ञों के सामने रखा, जिन्होंने इनकी व्यापकता और नकारात्मक प्रभाव दोनों की पुष्टि की। निर्माताओं ने जिस भ्रांति को सबसे गंभीर माना, वह प्रबंधकों की "इन एजेंटों से संभव होने वाली कर्मचारी कटौती को अधिक आँकने की प्रवृत्ति" है (Habel et al., SSRN, 2026)।

इसे शिकायत नहीं, माप मानिए। एजेंटिक AI के बारे में आपकी धारणाओं और आपके इंजीनियरों की अपेक्षाओं के बीच की दूरी एक ऐसी मात्रा है जिसे आप एक बैठक में इकट्ठा कर सकते हैं — और निर्माण के सबसे निकट बैठे लोगों ने आपको अभी बता दिया है कि बिज़नेस केस की कौन-सी पंक्ति सबसे अधिक संभावना से गलत है।

वह हेडकाउंट की पंक्ति है। और अधिकांश मिड-मार्केट कंपनियों में यही वह पंक्ति है जिस पर पूरी मंज़ूरी टिकी थी।

पहले स्थान पर रखी गई भ्रांति के पास पहले से एक जाँचा-परखा पूर्वानुमान है

पहले स्थान वाली भ्रांति की उपयोगी बात यह है कि एजेंटिक AI में यही एक दावा है जिसका प्रकाशित रिकॉर्ड मौजूद है। McKinsey का State of AI 2026 सर्वेक्षण पहला संस्करण है जिसमें पैनल के पिछले वर्ष के पूर्वानुमान को वास्तव में घटित बातों के सामने परखा जा सका। 2025 की लहर में 32% उत्तरदाताओं ने आगामी वर्ष में AI-संबंधी कर्मचारी कटौती की अपेक्षा की थी। 2026 की लहर में, "AI का उपयोग करने वाले संगठनों के केवल 14 प्रतिशत उत्तरदाता बताते हैं कि पिछले वर्ष AI ने कार्यबल के आकार में समग्र गिरावट में योगदान दिया" — उस हिस्से के आधे से भी कम जिसने इसकी भविष्यवाणी की थी। दो-तिहाई ने कुल रोज़गार में AI-संबंधी कोई या नगण्य परिवर्तन बताया (McKinsey, 2026)।

पूर्वानुमान वास्तविक परिवर्तन से लगभग दो गुना आगे निकल गया। गलत साबित होने पर पैनल की प्रतिक्रिया थी पूर्वानुमान को बढ़ा देना: अब 39% आगामी वर्ष में AI-संबंधी रोज़गार गिरावट की अपेक्षा करते हैं, पहले के 32% के मुकाबले।

तो Habel के सर्वेक्षण में तकनीकी विशेषज्ञ कोई अस्पष्ट सांस्कृतिक संदेह दर्ज नहीं कर रहे। वे पूरे ढेर में उस एकमात्र धारणा को पहले स्थान पर रख रहे हैं जिसे परखा गया, जो फेल हुई, और फिर दोहराई गई। यदि आपके एजेंट बिज़नेस केस में हेडकाउंट की बचत शामिल है, तो उसकी गारंटी एक ऐसे आकलनकर्ता से आती है जिसकी एक-वर्षीय दर्ज त्रुटि लगभग दो गुना है।

हेडकाउंट भ्रांति का एक मापनीय आकार है — और औसत गलत संख्या है

वास्तविक प्रभाव कितना बड़ा है? सबसे स्वच्छ परिमाणीकरण पूर्वानुमान से नहीं, एक प्रति-तथ्यात्मक प्रश्न से आता है। Colaiacovo और Koning ने Pitchbook के माध्यम से वृद्धि-उन्मुख 199 उत्तरी अमेरिकी B2B उद्यमों के संस्थापकों को जोड़ा, जिनमें 176 ने सर्वेक्षण पूरा भरा, और पूछा कि जनरेटिव AI की अनुपस्थिति में उसी गुणवत्ता का उतना ही आउटपुट बनाए रखने के लिए कितने अतिरिक्त कर्मचारी चाहिए होंगे (Colaiacovo & Koning, Harvard Business School, 2026)।

औसत उत्तर था 55% अधिक कर्मचारी। मध्यिका 17%। सबसे अधिक बार दिया गया एकल उत्तर शून्य था — 30% संस्थापकों ने कहा कि उन्हें किसी अतिरिक्त व्यक्ति की आवश्यकता नहीं होगी।

मापमान
AI के बिना हेडकाउंट में औसत प्रति-तथ्यात्मक वृद्धि55%
मध्यिका17%
शून्य उत्तर देने वालों का हिस्सा30%
वे कंपनियाँ जिनमें AI वर्कफ़्लो में औपचारिक रूप से एकीकृत है (औसत)91.4%
वे कंपनियाँ जहाँ AI का उपयोग अनौपचारिक है (औसत)24%

इससे दो पाठ निकलते हैं, और दोनों शीर्षक से अधिक महत्वपूर्ण हैं।

पहला: जो विक्रेता कहता है कि "एजेंट आधी टीम की जगह ले लेते हैं", वह एक तीव्र दक्षिण-विषम वितरण का औसत उद्धृत कर रहा है, जिसकी मध्यिका कंपनी 17% बताती है। औसत पर बनी कोई भी योजना वितरण की पूँछ पर बनी योजना है।

दूसरा: पूँछ को केंद्र से अलग करने वाला चर क्षमता के बारे में विश्वास नहीं है। अध्ययन में संस्थापकों को यादृच्छिक रूप से AI के कार्य-प्रदर्शन के बारे में आशावादी या निराशावादी जानकारी दिखाई गई; विश्वास बदले, सौंपने की तैयारी मुख्यतः नहीं बदली। उन्हें अलग करने वाली बात यह थी कि काम को उपकरण के इर्द-गिर्द औपचारिक रूप से पुनर्गठित किया गया था या नहीं। औपचारिक एकीकरणकर्ताओं ने बताया कि AI के बिना उन्हें 91.4% अधिक कर्मचारी चाहिए होते — जहाँ उपयोग अनौपचारिक रहा, वहाँ बताए गए 24% का लगभग चार गुना।

यह खरीद का निष्कर्ष नहीं है। यह संगठनात्मक डिज़ाइन का निष्कर्ष है — ठीक वहीं जहाँ Habel की दूसरी अवस्था बैठती है।

दूसरी अवस्था वही है जहाँ रूपांतरण अटकते हैं: एजेंट का कोई स्वामी नहीं

Habel का ढाँचा संगठनात्मक संरचना से जुड़ी भ्रांतियों को रणनीति और निष्पादन के बीच रखता है — और उसी मध्य अवस्था में बाहरी साक्ष्य सबसे चिंताजनक है, क्योंकि वह इरादे के बजाय जवाबदेही मापता है।

IBM के Institute for Business Value ने C-स्तर के 2,000 प्रौद्योगिकी अधिकारियों का सर्वेक्षण किया। दो-तिहाई बताते हैं कि उन्हें ऐसे AI सिस्टमों के लिए जवाबदेह ठहराया जाता है जिन पर उनका पूरा नियंत्रण नहीं है। केवल 11% कहते हैं कि वे आगामी वर्ष में अपेक्षित एजेंट परिनियोजन के पैमाने के लिए पूरी तरह तैयार हैं, जबकि 80% CEO-संचालित AI अधिदेश के तहत काम कर रहे हैं। सत्तर प्रतिशत कहते हैं कि व्यवसाय की टीमें तकनीक उससे तेज़ी से तैनात कर रही हैं जितनी IT ट्रैक कर सकती है, और 77% कहते हैं कि AI अंगीकरण पहले ही उनकी गवर्नेंस क्षमता से आगे निकल चुका है। सर्वेक्षित संगठनों में पिछले वर्ष औसतन 54 एजेंट घटनाएँ हुईं — अनपेक्षित या हानिकारक घटनाएँ जिनमें मानवीय सुधार आवश्यक था — जिनमें 17% उच्च गंभीरता की थीं (IBM Institute for Business Value, 2026)।

वही अध्ययन समाधान की कीमत भी बताता है। जो संगठन नियंत्रण को बाद में मैन्युअल रूप से संचालित करने के बजाय AI सिस्टम में ही अंतर्निहित करते हैं, उनमें 25% कम घटनाएँ होती हैं, वे 16 गुना अधिक एजेंट तैनात करते हैं, 18% अधिक परिचालन मार्जिन बताते हैं, और अपने AI बजट का 4 गुना कम खर्च करते हैं।

इन चार संख्याओं को साथ पढ़िए। नियंत्रण एजेंट परिनियोजन का ब्रेक नहीं है; इस डेटा में वह उसकी शर्त है। सबसे अधिक एजेंट चलाने वाली कंपनियाँ वही हैं जिन्होंने स्केल करने से पहले निगरानी को सिस्टम का गुण बना दिया।

यह अवस्था सस्ती क्यों है

रणनीति की भ्रांति आपको एक गलत स्लाइड की लागत देती है। संगठनात्मक डिज़ाइन की भ्रांति आपको एक ऐसा परिनियोजन देती है जिसे पलटा नहीं जा सकता: एजेंट के आउटपुट का कोई नामित स्वामी नहीं, वह अकेले क्या कभी नहीं कर सकता इसकी कोई निर्धारित सीमा नहीं, और जिस व्यक्ति को मुक्त होना था उसके लिए कोई पुनर्गठित भूमिका नहीं। ये निर्णय खरीद से पहले लगभग मुफ़्त हैं और बाद में, जब एजेंट उत्पादन में है और 54-घटना वाली घड़ी चल रही है, महँगे पड़ते हैं।

तीसरी अवस्था: वह पायलट जो कभी बंद नहीं होता और कभी स्केल नहीं होता

निष्पादन की भ्रांतियाँ एक विशिष्ट रोग के रूप में प्रकट होती हैं। Valliance ने यूरोप की सबसे बड़ी कंपनियों के 1,000 वरिष्ठ नेताओं का सर्वेक्षण किया और पाया कि 40% AI पहलें डिज़ाइन से ही पायलट बनी रहती हैं — स्थापित AI कार्यक्रमों वाले परिपक्व संगठनों में यह 48% तक पहुँच जाता है। अधिक परिपक्वता ने अधिक स्थायी पायलट पैदा किए, कम नहीं। पायलट अवस्था में अटके संगठनों ने कम सफलता दर (समग्र 50% के मुकाबले 43%), मूल्य तक पहुँचने में अधिक समय (5.9 के मुकाबले 6.6 महीने), और केवल 20% मामलों में मज़बूत ROI बताया, जबकि परिपक्व संगठन के भीतर स्केल किए गए पायलटों में यह 76% था (Valliance via Consultancy.uk, 2026)।

फर्म का अपना वाक्य उधार लेने योग्य है: "प्रयोग करना स्वयं समस्या नहीं है।" जो विफल होता है वह आगे आने वाला है, या जो नहीं आता। परियोजनाएँ प्रूफ़ ऑफ़ कॉन्सेप्ट और उत्पादन के बीच अटकती हैं क्योंकि प्रक्रिया में कुछ भी कोई फ़ैसला लेने के लिए बाध्य नहीं करता।

बनने वाले क्रम पर ध्यान दें। रणनीति की भ्रांति एक हेडकाउंट लक्ष्य तय करती है जो कभी प्राप्य ही नहीं था। संगठनात्मक डिज़ाइन की भ्रांति एजेंट को बिना स्वामी और बिना पुनर्गठित भूमिका छोड़ देती है। निष्पादन फिर एक ऐसा पायलट पैदा करता है जिसे बंद नहीं किया जा सकता, क्योंकि उसे बंद करने का अर्थ पहली दो को स्वीकारना होगा।

पेपर आपको क्या नहीं देता

सीमाओं के बारे में सटीक रहिए, क्योंकि इस पेपर को ढीले ढंग से उद्धृत किया जा रहा है।

यह 14 पृष्ठों का व्यवसायी-उन्मुख लेख है, कोई क्षेत्र-प्रयोग नहीं। प्रकाशित सारांश बताता है कि 167 तकनीकी विशेषज्ञों ने दस भ्रांतियों की व्यापकता और नकारात्मक प्रभाव की पुष्टि की और सर्वोच्च क्रम वाली भ्रांति का नाम देता है; यह प्रति-भ्रांति प्रतिशत, प्रतिक्रिया-दर का विवरण या नमूना-ढाँचा प्रकाशित नहीं करता। जो कोई किसी विशिष्ट भ्रांति के सामने कोई विशिष्ट संख्या उद्धृत करता है, वह उसे गढ़ रहा है। विशेषज्ञ पैनल स्वयं-चयनित और तकनीकी भी है — यही इस डिज़ाइन का उद्देश्य है और साथ ही उसका पूर्वाग्रह: निर्माताओं का इस दावे में पेशेवर हित है कि प्रबंधन तकनीक को नहीं समझता।

पुष्टि करने वाले स्रोत अपनी-अपनी चेतावनी के साथ आते हैं। McKinsey का पैनल वैश्विक है और बड़े उद्यमों की ओर झुका है। संस्थापक प्रति-तथ्य औसतन 16 कर्मचारियों वाली कंपनियों के स्व-आकलित विश्वास हैं, लेखा-परीक्षित वेतन रिकॉर्ड नहीं। Valliance यूरोप की सबसे बड़ी कंपनियों को कवर करता है, जिनका औसत वार्षिक AI खर्च £39.2 मिलियन है — 200 लोगों के परिचालन जैसा कुछ नहीं; और Bain ने एक प्रति-कथा प्रकाशित की है कि उपयोग-केस की अधिकांश श्रेणियाँ वास्तव में उत्पादन तक स्केल हो रही हैं। दोनों सही हो सकते हैं यदि स्केलिंग असमान है और छोड़े गए पायलट सफलताओं के साथ-साथ बस जमा होते रहते हैं।

इस सब के बाद जो टिकता है, वह दिशा और प्राथमिकता-क्रम है। चार स्वतंत्र उपकरण — एक निर्माता सर्वेक्षण, एक परखा गया पूर्वानुमान, एक संस्थापक प्रति-तथ्य, और एक CxO नियंत्रण लेखा-परीक्षा — एक ही निष्कर्ष की ओर इशारा करते हैं: बाध्यकारी अड़चन संगठनात्मक है, वह उपकरण से पहले बैठती है, और हेडकाउंट धारणा सबसे पहले जाँची जाने वाली चीज़ है।

खरीद से पहले एजेंटिक AI के बारे में अपनी धारणाओं को दस्तावेज़ में बदलना

पाँच कदम, जिनमें से किसी के लिए नए विक्रेता की ज़रूरत नहीं।

  1. असहमति को बातचीत की तरह नहीं, सर्वेक्षण की तरह एकत्र करें। अपने बिज़नेस केस के तीन भार-वाहक दावे उन इंजीनियरों को दें जो एजेंट बनाएँगे या चलाएँगे, और प्रत्येक से कहें कि चर्चा शुरू होने से पहले व्यापकता और प्रभाव को निजी रूप से आँकें। आप एक अंतर माप रहे हैं, और बैठक उसे औसत में मिटा देती है।
  2. हेडकाउंट बचत को मंज़ूरी से हटा दें और देखें कि केस उसके बिना टिकता है या नहीं। यदि नहीं टिकता, तो आपने उपयोग-केस नहीं खोजा; आपने भेष बदला स्टाफ़िंग तर्क खोजा है। वास्तविक परिवर्तन का आधार लगभग 14% है, पूर्वानुमानित 32% नहीं।
  3. अनुबंध से पहले स्वामी और पुनर्गठित भूमिका का नाम तय करें। Habel की मध्य अवस्था बाद में सुधारने में महँगी है। प्रश्न यह नहीं है कि "एजेंट कौन-से कार्य कर सकता है", बल्कि "यह पद किसका है, उसके आउटपुट को कौन स्वीकृत करता है, और उस वर्कफ़्लो में बैठा व्यक्ति अब उसके बदले क्या करता है"।
  4. लिख लें कि क्या स्थायी रूप से स्वायत्तता से बाहर रहता है। कोई जोखिम रजिस्टर नहीं — कार्य-श्रेणियों की एक स्पष्ट सूची जिन्हें एजेंट कभी अकेले निष्पादित नहीं कर सकता, परिनियोजन से पहले तय की गई और असाइनमेंट के साथ चलने वाली। यह पूरे कार्यक्रम का सबसे सस्ता दस्तावेज़ है।
  5. बंद-करो-या-स्केल-करो का गेट बजट के साथ तय करें, बाद में नहीं। एक निश्चित मूल्यांकन खिड़की, पहले से तय सफलता मीट्रिक, और एक द्विआधारी फ़ैसला। चालीस प्रतिशत पहलें डिज़ाइन से पायलट बनी रहती हैं क्योंकि किसी को कभी निर्णय लेना ही नहीं पड़ता।

बिंदु 3 और 4 ऐसी गवर्नेंस का वर्णन करते हैं जो कहीं न कहीं मौजूद होनी ही चाहिए — आपकी प्रक्रिया में, या उस सिस्टम में जिसे आप तैनात करते हैं। Scovai दोनों को पद के भीतर ही बनाता है: इसके Digital Employees डिफ़ॉल्ट रूप से पहले-पुष्टि सिद्धांत पर चलते हैं, बाहर दिखने वाली प्रत्येक क्रिया एक नामित सुपरवाइज़र के नाम वाली स्वीकृति-अनुरोध बन जाती है, स्वायत्तता सेटअप पर दी जाने के बजाय एक दर्ज बहीखाते से क्रिया-प्रकार के अनुसार अर्जित होती है, निर्दिष्ट क्रिया-श्रेणियाँ स्थायी रूप से स्वायत्तता से बाहर रहती हैं, और संगठन चार्ट का प्रत्येक पद, उसमें कुछ भी तैनात होने से पहले, एक augmentability स्कोर रखता है।

इस तिमाही के लिए एक निर्णय

आपको यह तय नहीं करना है कि एजेंटिक AI हेडकाउंट घटाएगा या नहीं। आपको यह तय करना है कि इस चीज़ को बनाने वाले लोग लिखित में कहने से पहले, एजेंटिक AI के बारे में आपकी धारणाओं को टिके रहने की अनुमति है या नहीं।

इसलिए, अगला एजेंट अनुबंध हस्ताक्षर तक जाने से पहले, जिन तीन दावों पर आपका बिज़नेस केस टिका है उन्हें अपनी तकनीकी टीम के सामने रखिए, उनके आकलन इकट्ठा कीजिए, और पहले हेडकाउंट की पंक्ति देखिए। यदि आपके इंजीनियरों का अनुमान और आपकी योजना का अनुमान बहुत दूर हैं, तो आपके सामने खरीद का निर्णय नहीं है। आपके सामने एक पूर्वानुमान है जो एक बार पहले ही विफल हो चुका है, और उसे न दोहराने का एक मुफ़्त अवसर है।

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.