Scovai Scovai
AI & Operations 2026-11-15 1 min read

अपने एजेंट को काम के बीच में जाँचना, उसे पूरा करने देने से तेज़ है

DSL

Dr. Sarah Liu

अपने एजेंट को काम के बीच में जाँचना, उसे पूरा करने देने से तेज़ है

जाँच बिंदु को एजेंट के रन के अंत से हटाकर उसके बीच में रखिए, और कार्य पूरा होने का समय 13.54% गिर जाता है। यह एक विदिन-सब्जेक्ट्स अध्ययन का प्रमुख परिणाम है, जिसमें 48 प्रतिभागियों ने AI एजेंटों की निगरानी की और उनकी गलतियाँ सुधारीं; यह शोध 2026 की CHI कॉन्फ्रेंस में प्रकाशित हुआ (Zhou et al., CHI 2026)। उनमें से इक्यासी प्रतिशत प्रतिभागियों ने मध्यवर्ती-पुष्टि वाले डिज़ाइन को उस "अंत में पुष्टि" डिफ़ॉल्ट पर तरजीह दी जो आज अधिकांश एजेंट टूल्स में पहले से मौजूद है।

इसे दोबारा पढ़िए, क्योंकि चौंकाने वाली बात दिशा है। अधिक निगरानी ने थ्रूपुट खर्च नहीं किया। उसने थ्रूपुट खरीदा। एजेंट को काम के बीच में जाँचना, उसे साफ़-सुथरे ढंग से अंत तक चलने देने से तेज़ रहा।

यह उस तर्क को उलट देता है जो अधिकांश ऑपरेशंस प्रमुख दो साल से दोहरा रहे हैं। मिड-मार्केट की मानक स्थिति यह है कि ह्यूमन-इन-द-लूप एक सुरक्षा व्यय है जिसे आप अपने गति-बजट से चुकाते हैं: वास्तविक, तर्कसंगत, पर एक कर। यह अध्ययन कहता है कि यह आधार अपनी ही शर्तों पर गलत है, और एजेंट के अपरिवर्तनीय चरणों के सापेक्ष जाँच बिंदु कहाँ बैठता है, यह एक शेड्यूलिंग चर है जिसे आप इस समय तय ही नहीं कर रहे।

अंत में पुष्टि एक डिज़ाइन निर्णय है जो आपने नहीं लिया

अधिकांश एजेंट उत्पाद बहु-चरणीय कार्य स्वायत्त रूप से निष्पादित करते हैं और अंत में केवल एक अनुमोदन सामने लाते हैं। लेखक स्पष्ट हैं कि यह क्यों भंगुर है: निष्पादन के दौरान उपयोगकर्ता के पास नियंत्रण कम होता है, इसलिए एक अकेली गलती शृंखला बनकर फैलती है और पूरी प्रक्रिया दोबारा शुरू करने को मजबूर करती है। आपको तीसरे चरण पर पता नहीं चलता कि एजेंट ने इनपुट गलत पढ़ा। आपको ग्यारहवें चरण पर पता चलता है, जब उसके ऊपर आठ और चरण खड़े हो चुके होते हैं।

स्पष्ट सुधार — हर चरण की पुष्टि — शृंखला को हटा देता है, पर पेपर के शब्दों में, थकाऊ ओवरहेड थोप देता है। इसलिए यह क्षेत्र एक झूठे द्विभाजन में बस गया है: हर जगह गेट लगाकर रेंगना, या कोई गेट न लगाकर जुआ खेलना। इनमें से कोई निर्णय नहीं है। दोनों डिफ़ॉल्ट हैं।

पेपर का योगदान यह है कि इसे सुरक्षा का डायल मानना छोड़कर इसे न्यूनतम-समय शेड्यूलिंग समस्या के रूप में मॉडल किया जाए। सवाल अब यह नहीं है कि निगरानी कितनी — उस पर तो हर ऑपरेशंस टीम बजट बैठक में बहस करती है। सवाल है कहाँ, और यह सवाल लगभग कोई ऊँची आवाज़ में नहीं पूछ रहा।

48 प्रतिभागियों ने वास्तव में क्या किया

शोध दो चरणों में चला। आठ प्रतिभागियों के साथ एक फ़ॉर्मेटिव अध्ययन ने यह उजागर किया कि लोग एजेंट की गलतियों पर नज़र कैसे रखते हैं, और उसमें एक दोहराया जाने वाला व्यवहार-प्रतिरूप मिला जिसे लेखक Confirmation–Diagnosis–Correction–Redo (CDCR) कहते हैं। जब उपयोगकर्ता कोई समस्या पकड़ता है, तो वह पहले पुष्टि करता है कि कुछ गलत है, फिर निदान करता है कि क्या बिगड़ा, फिर सुधार करता है, और प्रभावित काम दोबारा करता है। इन चारों चरणों में मापने योग्य समय लगता है, और दोबारा करने का चरण इस बात के साथ बढ़ता है कि गलती आने के बाद कितने चरण निष्पादित हो चुके हैं।

यही प्रतिरूप परिणाम का इंजन है। चूँकि CDCR लागतें पूर्वानुमेय हैं, उन्हें प्रत्येक चरण के लिए पहले से आँका जा सकता है। टीम ने एक निर्णय-सैद्धांतिक मॉडल बनाया जो उपयोगकर्ता-संपर्क के अपेक्षित समय के आधार पर पुष्टि बिंदु रखता है और चरण-दर-चरण तय करता है कि एजेंट स्वायत्त रूप से आगे बढ़े या किसी व्यक्ति से निगरानी माँगे।

फिर उन्होंने इसका परीक्षण किया: 48 प्रतिभागी, विदिन-सब्जेक्ट्स डिज़ाइन, लाइव निष्पादन के दौरान एजेंटों की निगरानी और गलतियों की मरम्मत। अंत-में-पुष्टि की तुलना में कार्य पूरा होने का समय 13.54% गिरा। पसंद 81% के पक्ष में रही (Zhou et al., CHI 2026)।

किसी भी परिचालन व्याख्या के साथ दो चेतावनियाँ ज़रूरी हैं। नमूना एक नियंत्रित मानव-कंप्यूटर संपर्क अध्ययन में 48 लोगों का है, किसी पूरे कार्यक्षेत्र पर उत्पादन-तैनाती नहीं — 13.54% को अपनी प्रक्रियाओं के लिए दिशासूचक मानिए, पूर्वानुमान नहीं। और दोनों आँकड़े विशेष रूप से अंत-में-पुष्टि के मुकाबले मापे गए हैं। पेपर यह दावा नहीं करता कि मध्यवर्ती पुष्टि, चरण-दर-चरण पुष्टि को समय में हराती है। वह यह कहता है कि अंत पर लदा हुआ डिफ़ॉल्ट, एक शेड्यूल किए गए विन्यास से हार जाता है।

प्रतिवाद: Stanford ने पाया कि गेट 31 अंक की लागत लेते हैं

एक व्यापक रूप से प्रचारित निष्कर्ष है जो इस सबका खंडन करता प्रतीत होता है। Stanford Digital Economy Lab ने 51 उत्पादन-स्तरीय एंटरप्राइज़ AI तैनातियों का अध्ययन किया और एक ही वास्तुशिल्पीय चुनाव से जुड़ा 31 प्रतिशत-अंक का माध्यिका अंतर बताया: जिन तैनातियों में AI ने मानव अनुमोदन गेट के बिना कार्य को आद्योपांत संभाला, उनमें माध्यिका उत्पादकता लाभ 71% रहा, जबकि हर सार्थक क्रिया पर मानव अनुमोदन माँगने वाली तैनातियाँ 40% पर अटक गईं — और ये सभी कंपनियाँ वही फ्रंटियर मॉडल चला रही थीं (Stanford Digital Economy Lab, 2026)।

तो फिर सही क्या है? गेट आपको 31 अंक का नुकसान देते हैं या 13.54% का फ़ायदा?

दोनों, और ये दोनों परिणाम टकराते नहीं। Stanford ने गेट की उपस्थिति मापी — हर सार्थक क्रिया पर अनुमोदन बनाम कोई अनुमोदन नहीं। CHI अध्ययन ने गेट की स्थिति मापी — वही निगरानी बजट, अलग ढंग से शेड्यूल किया हुआ। Stanford की हारने वाली स्थिति है हर-चरण-पर-पुष्टि। CHI अध्ययन की हारने वाली स्थिति है अंत-में-पुष्टि। ये दो अलग विफलता-प्रकार हैं, और इनका मेल ही असली परिचालन निर्देश है: हर सार्थक क्रिया पर गेट मत लगाइए, और गेट केवल अंत में भी मत लगाइए।

मिड-मार्केट की सहज प्रतिक्रिया यह है कि Stanford का आँकड़ा पढ़कर गेट हटा दिए जाएँ और उसे प्राधिकार-प्रत्यायोजन कहा जाए। इससे आप ठीक उसी स्थिति में पहुँच जाते हैं जिसे CHI पेपर ने 13.54% से हराया।

देर से की गई जाँच कमज़ोर जाँच भी होती है

स्थिति केवल घड़ी को प्रभावित नहीं करती। यह इसे प्रभावित करती है कि समीक्षा कुछ पकड़ भी पाएगी या नहीं।

2026 के एक अलग विदिन-सब्जेक्ट्स अध्ययन ने 36 प्रतिभागियों को एजेंटिक कोडिंग कार्य दिए, जिनमें एजेंट या तो सही आउटपुट देता था, या दृश्य विफलता, या मौन दोष। मौन-दोष वाले कार्यों में कुल पकड़ दर 39% रही — पर यह कार्य के अनुसार लगभग दस गुना बदली, 8% से 75% तक, जबकि समीक्षकों का स्व-घोषित आत्मविश्वास 5 में से 3.83 से 4.50 के बीच लगभग सपाट बना रहा (Dissanayake et al., 2026)। वैध आत्मविश्वास रेटिंग वाले असफल मौन-दोष कार्यों में से 79% को उसी समीक्षक ने 5 में से 4 या 5 दिया जिससे दोष छूट गया था।

आपके समीक्षक उस कार्य और इस कार्य के बीच फ़र्क महसूस नहीं कर सकते जहाँ वे चार में से तीन दोष पकड़ते हैं और जहाँ बारह में से एक। आत्मविश्वास सटीकता का पीछा नहीं करता। इसका अर्थ है कि रन के अंत में एकमात्र अनुमोदन केवल देर से की गई जाँच नहीं है — वह बिना मापी गई जाँच है, और उस पर हस्ताक्षर करने वाले के पास कोई आंतरिक संकेत नहीं कि वह किस प्रकार के कार्य पर है।

जाँच बिंदुओं की स्थिति आपको वह देती है जो आत्मविश्वास नहीं देता: तीसरे चरण पर पकड़ा गया दोष तीसरे चरण से जुड़ता है। अंत में पकड़ा गया दोष पूरे रन से जुड़ता है।

पुनरारंभ लागत वह चर है जिसकी आपने कीमत नहीं लगाई

यदि स्थिति लीवर है, तो उसे तय करने वाला इनपुट है प्रति चरण पुनरारंभ लागत — उस बिंदु पर देर से पकड़ी गई गलती आपसे कितना पहले से निष्पादित काम दोबारा करवाएगी।

दो आँकड़े यह समझने में मदद करते हैं कि यह लागत कहाँ केंद्रित होती है। Agent Delegability Index, जो O*NET के सभी 18,796 कार्य-कथनों का मूल्यांकन करता है और उन्हें 146 देशों के रोज़गार से भारित करता है, पाता है कि विश्व के कार्य-समय का 35.2% कम-से-कम आंशिक रूप से एजेंटों को सौंपा जा सकता है, पर केवल 2.5% पूरी तरह हस्तांतरित किया जा सकता है, और वह कुछ ही लिपिकीय समूहों में केंद्रित है। परिचालन दृष्टि से इसका सबसे उपयोगी परिणाम यह है कि पूर्ण प्रत्यायोजन उन कार्यों पर शिखर छूता है जिनमें मनुष्य को लगभग बारह मिनट लगते हैं (Espinal Maya & Jiménez Londoño, 2026)। छोटे कार्य दोबारा करना सस्ता है; लंबे बहु-चरणीय रन वही हैं जहाँ पुनरारंभ लागत जमा होती है, और ठीक वही रन हैं जिन्हें आपका टूल केवल अंत में पुष्ट करता है।

यह लागत पहले से आपकी किताबों में है, बस किसी ऐसी मद में नहीं जिसे आप पहचानते हों। पाँच देशों के 2,500 ज्ञान-कर्मियों के एक सर्वेक्षण में, 42% ने बताया कि वे AI आउटपुट सत्यापित करने में उससे अधिक समय लगाते हैं जितना उसके उपयोग से बचाते हैं, और 52% नियमित रूप से सहकर्मियों द्वारा तैयार AI-जनित काम सुधारते हैं (Adaptavist, 2026)। यह वह पुनःकार्य है जो उत्पादन के नीचे की ओर गिरता है — CDCR लूप, बिना शेड्यूल और बिना गिनती के, किसी और के घंटों पर चलता हुआ।

पुष्टि को शेड्यूल करना ही वह तरीका है जिससे यह लागत वहाँ खींच ली जाती है जहाँ वह सबसे सस्ती और सबसे दृश्य है।

इस तिमाही में काम के बीच एजेंट-जाँच के बारे में क्या करें

यह टूल की खरीद नहीं है। यह एक मानचित्रण अभ्यास है, और एक तिमाही में पूरा हो जाता है।

  1. अपने तीन सबसे अधिक मात्रा वाले एजेंट वर्कफ़्लो चुनिए और उनके चरण क्रम से लिखिए। हर चरण के लिए एक संख्या दर्ज कीजिए: यदि उस चरण पर आई गलती केवल रन के अंत में पकड़ी जाती, तो किसी व्यक्ति को कितने मिनट का पहले से निष्पादित काम दोबारा करना पड़ता।
  2. हर अपरिवर्तनीय चरण चिह्नित कीजिए — जो कुछ भी भेजता है, भुगतान करता है, प्रकाशित करता है, रिकॉर्ड-सिस्टम में लिखता है, या किसी तीसरे पक्ष को छूता है। अपरिवर्तनीय चरण पर पुनरारंभ लागत मिनटों में नहीं मापी जाती; वह एक रिकवरी प्रक्रिया है। समय-मॉडल जो भी कहे, ये आपके अनिवार्य जाँच बिंदु हैं।
  3. जाँच बिंदु ठीक उन चरणों से पहले रखिए जहाँ संचित पुनरारंभ लागत छलाँग लगाती है — समान अंतराल पर नहीं, और अंत में नहीं। समान-अंतराल जाँच वही थकाऊ-ओवरहेड स्थिति है जिसे शोध पहले ही खारिज कर चुका है।
  4. केवल रन नहीं, समीक्षा को भी मापिए। प्रति जाँच बिंदु और प्रति कार्य-प्रकार पकड़ दर दर्ज कीजिए। चूँकि समीक्षक का आत्मविश्वास सपाट रहता है जबकि पकड़ दर 8% से 75% तक झूलती है, कोई आपको कमज़ोर जाँच बिंदु की सूचना नहीं देगा — आपको उसे मापना होगा।
  5. जब भी स्वायत्तता बढ़ाएँ, मानचित्र दोबारा बनाइए। किसी एजेंट को नया क्रिया-प्रकार देना उसके आगे के हर चरण की पुनरारंभ रूपरेखा बदल देता है।

अभिशासन वास्तुकला तय करती है कि इसमें से कितना आप विन्यस्त कर सकते हैं। Scovai के Digital Employees डिफ़ॉल्ट रूप से पहले-पुष्टि पर चलते हैं — बाहर से दिखने वाली हर क्रिया एक अनुमोदन अनुरोध बन जाती है जिस पर एक व्यक्ति का नाम होता है, अनुत्तरित अनुरोध चुपचाप पास होने के बजाय समाप्त हो जाता है, और स्वायत्तता दर्ज अनुमोदन-बही से क्रिया-प्रकार के अनुसार अर्जित की जाती है, न कि प्रति सीट एकमुश्त दी जाती है (Scovai Digital Employees)। यह उपस्थिति वाले सवाल का उत्तर देता है। CHI का परिणाम कहता है कि स्थिति वाला सवाल उसके बाद भी बचा रहता है: जब आप जान लेते हैं कि कोई डिजिटल कर्मचारी बिना निगरानी के कौन-से क्रिया-प्रकार कर सकता है, तब भी आपको तय करना होता है कि बहु-चरणीय रन के भीतर शेष जाँचें कहाँ बैठेंगी।

आपके सामने रखा निर्णय

अधिकांश ऑपरेशंस टीमें एक बजट बहस चला रही हैं — एजेंट निगरानी पर हम कितने समीक्षा-घंटे खर्च कर सकते हैं, और क्या काम के बीच एजेंट-जाँच को सही ठहराया भी जा सकता है। शोध कहता है कि यह बहस गलत अक्ष पर हो रही है। आपकी एजेंट निगरानी लागत पहले से तय है; जो तय नहीं है वह यह है कि वह कहाँ गिरती है — और स्थिति, कर्मचारी संख्या, मॉडल या विक्रेता में किसी भी बदलाव से पहले ही, कार्य पूरा होने के समय का 13.54% मूल्य रखती है।

इसलिए इस तिमाही का ठोस निर्णय इतना सीमित है कि मंगलवार को लिया जा सकता है: अपना सबसे अधिक मात्रा वाला एजेंट वर्कफ़्लो लीजिए, उसमें पहला अपरिवर्तनीय चरण खोजिए, और देखिए कि उस चरण से पहले कुछ पुष्टि करता है या नहीं। अगर कुछ नहीं करता, तो आप किफ़ायती निगरानी मॉडल नहीं चला रहे। आप एक महँगा मॉडल चला रहे हैं, जिसका बिल पुनरारंभ तक टाल दिया गया है।

Ready to go beyond the CV?

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