767 अमेरिकी ऑपरेशंस और सप्लाई चेन नेताओं में से केवल 4% उन सभी चार शर्तों पर सफलता की रिपोर्ट करते हैं जिन्हें PwC AI मूल्य-निष्कर्षण का पूर्वसूचक मानता है — AI पूरे एंटरप्राइज़ में पूर्णतः अंतर्निहित, ऑटोनॉमस एजेंट बिना उल्लेखनीय बाधाओं के स्केल कर रहे हों, क्षैतिज ऑपरेटिंग ढाँचा खड़ा हो, और तकनीकी निवेश अपेक्षित परिणाम दे रहे हों। 89% कहते हैं कि उनके तकनीकी निवेशों ने नतीजे नहीं दिए। 87% डेटा गुणवत्ता को निर्णायक बाध्यता बताते हैं। और केवल 41% उस क्षैतिज ऑपरेटिंग मॉडल पर काम करते हैं जिसे 94% ज़रूरी कहते हैं (PwC, 23 अप्रैल 2026)। 96% इसलिए विफल नहीं हो रहे क्योंकि उनका AI ख़राब है। वे इसलिए विफल हो रहे हैं क्योंकि वे उसे क्रमिक रूप से कर रहे हैं जिसे 4% समानांतर रूप से सह-विकसित कर रहे हैं।
200 FTE की एक ऑपरेशंस फ़ंक्शन के Head of Operations के लिए जो 2026 के AI रोडमैप का बचा हुआ हिस्सा अंतिम रूप दे रहा है, यही वह ऑपरेशनल उलटाव है जिसे इस तिमाही की योजना को नया रूप देना चाहिए। AI तैनाती, क्षैतिज पुनर्संरचना, डेटा-स्वच्छता और जवाबदेही पुनर्डिज़ाइन को एक ही AI operating model कार्यक्रम के रूप में चलाएँ — या उन 96% में शामिल हो जाएँ जिन्हें, PwC के अपने डेटा के अनुसार, इनमें से किसी भी तत्व से अकेले में मूल्य निकाल पाना मुमकिन नहीं हो रहा।
4% AI में बेहतर नहीं हैं। वे क्रमबद्धता में बेहतर हैं।
PwC का 2026 Digital Trends in Operations सर्वे, 23 अप्रैल को जारी और 767 अमेरिकी ऑपरेशंस और सप्लाई चेन एग्ज़िक्यूटिव्स को कवर करते हुए, "4%" को पृथक AI परिपक्वता से नहीं बल्कि चार वर्कस्ट्रीमों पर एक साथ की गई उपलब्धि से परिभाषित करता है — जिन्हें अधिकांश मिड-मार्केट ऑपरेशंस फ़ंक्शन अलग-अलग कार्य-तिमाहियों की तरह बरतती हैं (DC Velocity, अप्रैल 2026)। हर शर्त अपने आप में कुछ ख़ास नहीं है। विसंगति इस बात में है कि वे समानांतर चलती हैं या नहीं।
आकांक्षा और निष्पादन के बीच के अंतर पर नज़र डालें। 94% उत्तरदाता कहते हैं कि क्षैतिज, सहयोगात्मक ऑपरेटिंग मॉडल AI मूल्य को स्केल पर पकड़ने के लिए ज़रूरी है। केवल 41% के पास वह है। यह 53-अंकों का अंतराल जागरूकता की समस्या नहीं है — सर्वे का हर CHRO और COO जानता है कि मॉडल बदलना चाहिए। यह क्रमबद्धता की समस्या है। 96% कह रहे हैं: AI पायलट मूल्य दिखाने के बाद हम ऑपरेटिंग मॉडल ठीक करेंगे। 4% कह रहे हैं: जब तक ऑपरेटिंग मॉडल ठीक नहीं होगा, AI पायलट मूल्य नहीं दिखाएँगे।
डेटा दूसरी मुद्रा का समर्थन करता है। 89% मानते हैं कि वर्तमान तकनीकी निवेशों ने अपेक्षित रिटर्न नहीं दिए। 87% ख़राब डेटा गुणवत्ता को मूल्य के अवरोधक के रूप में चिह्नित करते हैं (PwC, 23 अप्रैल 2026)। ये दो संख्याएँ स्वतंत्र नहीं हैं। तकनीकी निवेश इसलिए नतीजे नहीं देते क्योंकि जिस डेटा से वे पोषित होते हैं वह ख़राब है। डेटा इसलिए ख़राब है क्योंकि ऑपरेटिंग मॉडल के पास उसके लिए कोई एकल जवाबदेह स्वामी नहीं है। ऑपरेटिंग मॉडल के पास स्वामी इसलिए नहीं है क्योंकि कंपनी "अब भी AI पायलट चरण में" है। निर्भरता चक्र बंद कर देती है, और एकमात्र निकास है — चारों समस्याओं पर एक ही तिमाही में कार्रवाई करना।
क्रमिक प्लेबुक विशेष रूप से मिड-मार्केट ऑपरेशंस में क्यों विफल होता है
क्रमिक पैटर्न — "पहले AI टूल तैनात करो, फिर ऑपरेटिंग मॉडल पुनः डिज़ाइन करो, फिर डेटा साफ़ करो, फिर जवाबदेही सौंपो" — अधिकांश मिड-मार्केट ऑपरेशंस फ़ंक्शनों में डिफ़ॉल्ट सेटिंग है क्योंकि यह बजट चक्रों, भर्ती योजनाओं और वेंडर ख़रीद के असली ढर्रे से मेल खाता है। हर एक अलग बजट-पंक्ति है, अलग VP के स्वामित्व में, अलग मेट्रिक पर मापी जाने वाली। यही वह संरचना है जो 96% का परिणाम पैदा करती है।
McKinsey की State of Organizations 2026 रिपोर्ट उसी निष्कर्ष को ऑपरेटिंग-मॉडल कोण से रखती है: "AI के उत्पादकता लाभ हासिल करने के लिए व्यक्तियों और टीमों के ऑपरेटिंग मॉडल पर सवाल उठाना और उसे पुनः डिज़ाइन करना, अंत-से-अंत तक पुनः वायरिंग करना और क्षमताओं का निर्माण उसी समय करना ज़रूरी है" (McKinsey, 2026)। प्रमुख वाक्यांश है "उसी समय"। मिड-मार्केट का प्रलोभन है इसे "किसी न किसी समय" की तरह पढ़ना। McKinsey का विश्लेषण स्पष्ट है कि "किसी न किसी समय" काम नहीं करता — पुनः वायरिंग ही उत्पादकता उत्पन्न करती है, और AI तैनाती ही पुनः वायरिंग का पेऑफ़ उत्पन्न करती है। उन्हें अलग करो और कोई भी रिटर्न नहीं देगा।
एक दूसरा कारण भी है कि क्रमिक प्लेबुक मिड-मार्केट में एंटरप्राइज़ की तुलना में और बुरी तरह विफल होता है। एक 200 FTE की ऑपरेशंस फ़ंक्शन के पास उसके AI निवेश थीसिस के संचयित होने या काट दिए जाने से पहले लगभग 8–12 तिमाहियों का रनवे होता है। उन तिमाहियों में से दो टूल तैनाती में, दो और ऑपरेटिंग मॉडल पुनः डिज़ाइन में, दो और डेटा पर और दो और जवाबदेही पर ख़र्च करना रनवे को जलाकर ख़त्म कर देता है इससे पहले कि कोई भी एक वर्कस्ट्रीम दूसरों को मज़बूत करना शुरू करे। संचयन कभी शुरू ही नहीं होता। बोर्ड चार लागत-रेखाएँ और एक सपाट ROI-रेखा देखता है। कार्यक्रम घटा दिया जाता है। 4% का पैटर्न पैमाने के बारे में नहीं है; यह चक्र-समय के बारे में है, और मिड-मार्केट के पास बर्बाद करने के लिए वह कम है।
200 FTE की ऑपरेशंस फ़ंक्शन में "समानांतर" वास्तव में कैसा दिखता है
समानांतर का अर्थ नहीं है कि चार समान-प्राथमिकता वाले कार्यक्रम स्वतंत्र रूप से चलें — यह मिड-मार्केट स्केल पर अव्यवस्था पैदा करता है। इसका अर्थ है एक ही कार्यक्रम, चार वर्कस्ट्रीमों के साथ, एक साझा OKR-सेट के अधीन, तिमाहियों के पार नहीं बल्कि तिमाही के भीतर क्रमबद्ध।
साझा OKR — साझा स्टेटस रिपोर्ट नहीं
मिड-मार्केट स्केल पर 4% का पैटर्न आमतौर पर एक तिमाही OKR पर लंगर डालता है जो स्पष्ट रूप से चारों वर्कस्ट्रीमों को आगे बढ़ने की माँग करता है: एक उच्च-निर्णय थ्रूपुट मेट्रिक (प्रति सप्ताह बंद हुए अनुबंध, बिना एस्केलेशन सुलझे अपवाद, सही रूट किए गए योग्य डील) में मापने योग्य सुधार — जहाँ मेट्रिक तभी हिलता है जब AI वर्कफ़्लो के विरुद्ध तैनात हो, वर्कफ़्लो क्षैतिज रूप से स्वामित्व में हो, उसे पोषित करने वाला डेटा साफ़ हो और परिणाम के लिए एक नामित व्यक्ति जवाबदेह हो। OKR ही बाध्यकारी फ़ंक्शन है। उसके बिना, चारों वर्कस्ट्रीम डिफ़ॉल्ट रूप से चार अलग VP one-on-one में चार अलग रोडमैप पर लौट जाते हैं।
एक स्पॉन्सर, एक साप्ताहिक फ़ोरम, एक backlog
क्षैतिज ऑपरेटिंग मॉडल वाले 41% एक संरचनात्मक विशेषता साझा करते हैं जो अधिकांश मिड-मार्केट ऑपरेशंस फ़ंक्शनों के पास नहीं है: AI कार्यक्रम के लिए एक स्पॉन्सर जो चारों वर्कस्ट्रीमों का स्वामी है, एक साप्ताहिक फ़ोरम जहाँ चारों लीड एक ही मेज़ पर बैठते हैं, और एक backlog जहाँ AI अनुरोध, ऑपरेटिंग मॉडल परिवर्तन, डेटा फ़िक्स और जवाबदेही निर्णय एक-दूसरे के विरुद्ध प्राथमिकीकृत होते हैं। backlog को IT, HR, डेटा और ऑपरेशंस के बीच बाँटना — यही वह तरीक़ा है जिससे क्रमिकता वापस घुस आती है।
डेटा-स्वच्छता एक दैनिक संचालन के रूप में, परियोजना के रूप में नहीं
डेटा गुणवत्ता पर 87% का तथ्य 4% डेटा के साथ कैसे पेश आते हैं इस बारे में कुछ ख़ास कहता है। वे AI तैनाती के समानांतर बहु-तिमाही डेटा-सफ़ाई परियोजनाएँ नहीं चला रहे। वे डेटा-स्वच्छता को AI का उपयोग करने वाली टीम की दैनिक संचालन-लय में पिरो रहे हैं — डेटा गुणवत्ता पर विफल होने वाला हर एजेंट एस्केलेशन उसी दिन एक फ़िक्स अनुरोध उत्पन्न करता है जिसका ऑपरेटर ज़िम्मेदार होता है। डेटा एजेंट उपयोग की गति पर सुधरता है। डेटा को अलग वर्कस्ट्रीम मानने से वह AI से चार तिमाही पीछे रहता है; उसे एजेंट संचालन में पिरोने से वह दो हफ़्ते आगे चलता है।
प्रति-तर्क और PwC का डेटा उसे क्यों बंद कर देता है
लागत-अनुशासित मिड-मार्केट COO का स्वाभाविक प्रति-तर्क है: समानांतर निष्पादन शुरू में ज़्यादा महँगा पड़ता है, और 96% ठीक इसीलिए क्रमिक चल रहे हैं क्योंकि वे समानांतर दाँव वहन नहीं कर सकते। यह तर्क आंतरिक रूप से सुसंगत है और ग़लत उत्तर देता है। PwC का डेटा अंकगणित पर असामान्य रूप से सीधा है: 89% रिपोर्ट करते हैं कि वर्तमान क्रमिक तरीक़े ने पहले ही ऐसे तकनीकी निवेश तैयार किए हैं जो नतीजे नहीं देते, और 87% रिपोर्ट करते हैं कि उसने मूल्य-निष्कर्षण को बाधित करने वाली एक डेटा-परत तैयार की है (PwC, 23 अप्रैल 2026)। क्रमिक दाँव सस्ता नहीं है। वह केवल और अधिक तिमाहियों में फैला है, जिसके चलते विफलता तिमाही-दर-तिमाही कम दिखाई देती है और अंत में पलटी नहीं जा सकती।
मिड-मार्केट स्केल पर समानांतर दाँव उसी रिपोर्ट में 10 बिलियन डॉलर से ऊपर की फ़र्मों के लिए वर्णित McKinsey-शैली के एंटरप्राइज़ पुनः वायरिंग से निरपेक्ष रूप से छोटा भी है। 200 FTE की ऑपरेशंस फ़ंक्शन एक भरोसेमंद समानांतर-चार कार्यक्रम चला सकती है एक अतिरिक्त वरिष्ठ ऑपरेटर (कार्यक्रम स्पॉन्सर), एक साप्ताहिक फ़ोरम और पुनर्निर्देशित — बढ़ाए नहीं गए — डेटा और इंजीनियरिंग बजट के साथ। सीमांत निवेश है एक भूमिका और एक मीटिंग। PwC के वितरण के अनुसार सीमांत रिटर्न है उसी AI तैनाती पर 4% के परिणाम और 96% के परिणाम के बीच का अंतर।
PwC का डेटा क्या नहीं कहता
दो सीमाएँ बताने योग्य हैं, क्योंकि "4%" का ढाँचा दोनों दिशाओं में इस्तेमाल किया गया है और सर्वे किसी भी छोर का समर्थन नहीं करता।
PwC का डेटा यह नहीं कहता कि AI ऑपरेशंस में काम नहीं कर रहा — यह काम कर रहा है, उन 4% में जिन्होंने समानांतर शर्तें पूरी कीं। यह भी नहीं कहता कि मिड-मार्केट ऑपरेशंस 4% पैटर्न को दोहरा नहीं सकते — सर्वे का नमूना पूरे स्पेक्ट्रम में अमेरिकी ऑपरेशंस और सप्लाई चेन नेता हैं, और समानांतर-चार पैटर्न संरचनात्मक है, स्केल पर निर्भर नहीं। डेटा जो कहता है वह संकीर्ण और अधिक उपयोगी है: क्रमिक AI रोडमैप, जब चार क्रमिक कार्य-तिमाहियों के रूप में निष्पादित होती है, उस कोहोर्ट में जहाँ इसका सबसे गहन अध्ययन हुआ है, ऐतिहासिक रूप से 96% विफलता दर रखती है। यह पूर्वानुमान नहीं है। यह पहले से जो हो चुका है उसका पूर्वमुखी मापन है।
दूसरी सीमा: "समानांतर" का अर्थ "एक साथ ख़रीद" नहीं है। 4% का पैटर्न साझा जवाबदेही वाले एक कार्यक्रम के बारे में है, एक साथ सब कुछ ख़रीदने के बारे में नहीं। जो मिड-मार्केट ऑपरेशंस फ़ंक्शन एक ही तिमाही में AI प्लेटफ़ॉर्म, ऑपरेटिंग मॉडल परामर्श, डेटा टूल्स और जवाबदेही ढाँचा ख़रीदने की कोशिश करती हैं, वे आमतौर पर 96% का परिणाम दो गुना तेज़ी से उत्पन्न करती हैं। समानांतर तर्क निष्पादन जवाबदेही पर लागू होता है, वेंडर ख़रीद पर नहीं।
इस तिमाही का निर्णय
एक Head of Operations के लिए जो Q2 2026 के अंत तक इस तिमाही का AI रोडमैप अंतिम रूप दे रहा है, ऑपरेशनल निहितार्थ एक वाक्य में सिकुड़ता है:
इस तिमाही में कोई भी AI तैनाती वर्कस्ट्रीम तब तक स्वीकृत नहीं होगा जब तक वह उस क्षैतिज ऑपरेटिंग-मॉडल परिवर्तन के साथ युग्मित न हो जिसकी उसे आवश्यकता है, उस डेटा-स्वच्छता-लय के साथ जिस पर वह निर्भर है, और उस परिणाम के लिए नामित जवाबदेही के साथ जो उसे उत्पन्न करना है — और चारों एक ही OKR के अधीन, एक ही स्पॉन्सर के अधीन बैठें।
यदि कोई प्रस्ताव चारों को एक ही दस्तावेज़ में नहीं वर्णन कर सकता, तो वह समानांतर के भेस में क्रमिक दाँव है, और PwC का वितरण कहता है कि वह 96% का परिणाम उत्पन्न करेगा। यदि कोई प्रस्ताव चारों का वर्णन कर सकता है, तो वह उस छोटे अल्पसंख्यक AI operating model निवेशों का उम्मीदवार है जो वास्तव में संचयित होते हैं। ट्रायेज की लागत है प्रति प्रस्ताव एक मीटिंग। ट्रायेज न करने की डाउनसाइड लागत, सर्वे जिस ख़र्च-प्रक्षेपवक्र का वर्णन करता है, अगली चार तिमाहियों में अधिकांश AI बजट है।
4% की संख्या आकांक्षात्मक नहीं है। यह वही है जो 767 ऑपरेशंस नेताओं में पहले ही हो चुका है — जिनके पास इस लेख के पाठक जैसे ही विकल्प थे और जिन्होंने एक संरचना को दूसरी पर चुना। अब प्रश्न है: अगली तिमाही की योजना किस संरचना पर बनेगी।
