यूरोप की सबसे बड़ी कंपनियों में चालीस प्रतिशत AI पहलें "जान-बूझकर" स्थायी पायलट के रूप में रखी जाती हैं — न कभी बंद की जातीं, न कभी स्केल की जातीं। यह आँकड़ा संगठनों के AI में बेहतर होते जाने के साथ घटता नहीं है। बढ़ता है। सबसे परिपक्व AI प्रोग्रामों के भीतर स्थायी पायलटों का हिस्सा 48% तक चढ़ जाता है, तब भी जब औसत AI खर्च प्रति वर्ष £39.2 मिलियन तक पहुँच जाता है और साल-दर-साल 27% बढ़ता है (Valliance, Consultancy.uk के माध्यम से, 2026)। ज़्यादा अनुभव, ज़्यादा बजट, ज़्यादा परिष्कार — और ज़्यादा पायलट जो कहीं नहीं पहुँचते। यही वह विरोधाभास है, और यह अब तक का सबसे स्पष्ट संकेत है कि AI के रिटर्न को जो तोड़ रहा है वह प्रयोग नहीं हैं। वह उनके बाद का गायब निर्णय है।
इन आँकड़ों का सहज पाठ यह है कि "AI पायलट विफल होते हैं, तो उन्हें शुरू करने में सावधान रहो।" यही ठीक गलत सबक है। Valliance के 1,000 वरिष्ठ नेताओं के सर्वे में दबा हुआ अधिक तीखा निष्कर्ष यह है कि प्रयोग बढ़िया काम कर रहा है; जो गायब है वह है kill-or-scale गेट — वह क्षण जब कोई किसी पायलट को पहले से तय मेट्रिक्स के विरुद्ध परखता है और उसे या तो मृत या उत्पादन के लिए तैयार घोषित करता है। 200 कर्मचारियों वाली कंपनी में अगले साल की AI योजना को अंतिम रूप दे रहे किसी Head of Operations के लिए, पायलट से उत्पादन तक की समस्या धीमे होने की वजह नहीं है। यह एक ऐसा निर्णय स्थापित करने की वजह है जो आपके एंटरप्राइज़ साथी, अपने पूरे बजट के बावजूद, अब तक नहीं ले पाए हैं।
विरोधाभास: परिपक्वता को "पायलटाइटिस" ठीक करनी चाहिए। वह नहीं करती।
संगठनात्मक सीखने का सहज मॉडल कहता है कि आप जितने अधिक AI प्रोजेक्ट चलाते हैं, उन्हें पूरा करने में उतने ही बेहतर होते जाते हैं। आप मांसपेशी बनाते हैं: सीखते हैं कौन-से उपयोग-मामले स्केल होते हैं, असफलों को तेज़ी से मारते हैं, आपकी हिट दर बढ़ती है। Valliance के आँकड़े कहते हैं कि बाज़ार के शीर्ष पर इसका उल्टा हो रहा है। सबसे स्थापित प्रोग्रामों वाले संगठन ही सबसे ज़्यादा स्थायी पायलट जमा कर रहे हैं — आधार 40% के मुकाबले 48% (Valliance, Consultancy.uk के माध्यम से, 2026)।
यह आपको रुकने पर मजबूर करना चाहिए। इसका मतलब है कि "पायलटाइटिस" — बिना कभी प्रतिबद्ध हुए अनंत प्रयोग करते रहने की स्थिति — कोई शुरुआती बीमारी नहीं है जिसे परिपक्वता ठीक करती है। यह एक संरचनात्मक स्थिति है जिसे परिपक्वता बढ़ा देती है, क्योंकि परिपक्व प्रोग्रामों के पास अधिक पायलटों को अनिश्चित काल तक जीवित रखने का बजट होता है और किसी को न मारने की राजनीतिक जटिलता होती है। हर पायलट का एक प्रायोजक होता है। हर प्रायोजक के पास एक वजह होती है कि वह "अभी भी सीख रहा है।" फैसले का मालिक कोई नहीं होता। नतीजा एक ऐसा पोर्टफोलियो है जो किनारों पर बढ़ता है और केंद्र में कभी हल नहीं होता।
Valliance तंत्र के बारे में सटीक है: विफलता प्रयोग नहीं है, बल्कि उसके बाद जो होता है — या नहीं होता — वह है। खराब सफलता मेट्रिक्स, कम अपनाव, और निष्कर्ष के बजाय विस्तार के लिए रचे गए परामर्श अनुबंध पायलटों को प्रतीक्षा की कक्षा में धकेलते हैं। £39.2 मिलियन का औसत खर्च उत्पादन प्रणालियाँ नहीं खरीदता। इसका बड़ा हिस्सा ऐसे प्रयोग चलाते रहने का अधिकार खरीदता है जिन्हें कोई कभी औपचारिक रूप से बंद नहीं करेगा।
क्यों "प्रयोग विफल हुआ" गलत निदान है
यही वजह है कि यह भेद संचालन की दृष्टि से मायने रखता है। यदि निदान है "AI काम नहीं करता," तो इलाज है कम तैनात करना। यदि निदान है "हम कभी निर्णय नहीं लेते," तो इलाज है शासन — और इसे सही करने का लाभ बड़ा है और अच्छी तरह प्रलेखित है।
जब AI वास्तव में किसी कार्यप्रवाह में एकीकृत होता है, बजाय पायलट के बरज़ख में छोड़ दिए जाने के, तो प्रदर्शन का अंतर मामूली नहीं होता। ज्ञान-कर्मियों पर Harvard Business School और BCG के क्षेत्र-प्रयोग में पाया गया कि AI का सही उपयोग करने वाले सलाहकार कार्य लगभग 25% तेज़ी से पूरा करते थे और नियंत्रण समूह की तुलना में गुणवत्ता में लगभग 40% अधिक आँके गए काम का उत्पादन करते थे (Harvard Business School & BCG, 2023)। यही वह इनाम है जो गेट के दूसरी ओर प्रतीक्षा कर रहा है। स्थायी-पायलट संगठन AI की पूरी कीमत चुकाता है और लगभग कोई रिटर्न नहीं बटोरता, क्योंकि 40% गुणवत्ता वृद्धि तभी साकार होती है जब उपकरण उत्पादन में हो, रोज़मर्रा के कार्यप्रवाह में, अपनाव के साथ — न कि जब उसे अठारहवें महीने तक किसी सैंडबॉक्स में "मूल्यांकित" किया जा रहा हो।
निर्णय न लेने की कीमत मैक्रो आँकड़ों में भी दिखती है। व्यापक रूप से उद्धृत MIT के 2025 के विश्लेषण में पाया गया कि उद्यमों में जनरेटिव AI के लगभग 95% पायलटों ने लाभ-हानि विवरण पर कोई मापने योग्य प्रभाव नहीं डाला — केवल लगभग बीस में से एक ने वास्तविक वित्तीय रिटर्न तक का सफर तय किया (MIT, Fortune के माध्यम से, 2025)। Valliance के साथ पढ़ने पर तस्वीर तीखी होती है: समस्या यह नहीं कि AI रिटर्न नहीं दे सकता — जो थोड़े-से इसे अच्छी तरह एकीकृत करते हैं वे बेहद अच्छा करते हैं। समस्या यह है कि पायलटों के भारी बहुमत को कभी यह साबित करने को मजबूर नहीं किया जाता कि वे रिटर्न देते हैं, इसलिए वे जड़ता से 95% में गिर जाते हैं।
यही निदान है। "प्रयोग विफल हुआ" नहीं। प्रयोग सफल हुआ और कभी परिवर्तित नहीं किया गया। गायब अंग निर्णय-गेट है।
गायब गेट की कीमत मिड-मार्केट के लिए प्रति यूरो अधिक है
इसे एंटरप्राइज़ की समस्या के रूप में दर्ज करना आरामदेह होगा — £39.2 मिलियन के बजट, 1,000 नेताओं वाली यूरोपीय बहुराष्ट्रीय कंपनियाँ, बर्बादी का एक ऐसा पैमाना जिस तक कोई मिड-मार्केट कंपनी कभी नहीं पहुँचेगी। वह आराम गलत जगह है, और कारण अंकगणित है।
£39.2 मिलियन का AI खर्च करने वाली कंपनी एक दर्जन ज़ॉम्बी पायलटों को राउंडिंग एरर के रूप में ढो सकती है। बर्बादी असली है पर एक विशाल बजट में पतली कर दी गई है; स्थायी पायलट एक ऐसी मद है जिसे CFO सहन कर लेता है। 200 कर्मचारियों वाली कंपनी कुछ भी पतला नहीं कर सकती। यदि आप तीन AI पायलट चला रहे हैं और दो जड़ता से स्थायी हैं, तो आप कोई राउंडिंग एरर बर्बाद नहीं कर रहे — आप एक विवेकाधीन तकनीकी बजट के एक महत्वपूर्ण हिस्से का गलत आवंटन कर रहे हैं जिसे पहले स्थान पर जीतना कठिन था। बर्बादी का प्रतिशत समान हो सकता है; उस बर्बादी को झेलने की क्षमता नहीं। मिड-मार्केट हर अटके पायलट को उस तरह महसूस करता है जिससे एंटरप्राइज़ संरचनात्मक रूप से अछूते रहते हैं।
एक दूसरी विषमता है। एंटरप्राइज़ के पास शासन कार्य होते हैं — एक ट्रांसफॉर्मेशन ऑफिस, एक पोर्टफोलियो समीक्षा समिति, एक CIO जिसकी टीम कम से कम ज़ॉम्बी पायलटों को देख सकती है। 200 कर्मचारियों वाली कंपनी में, वह पायलट जो आपके संचालन प्रमुख ने वसंत में किसी विक्रेता के साथ शुरू किया था, उसका न्याय करने को तैयार कोई समीक्षा समिति नहीं है। यदि आप गेट स्वयं नहीं बनाते, तो कोई गेट नहीं है। Valliance का यह निष्कर्ष कि परिपक्व एंटरप्राइज़ प्रोग्राम भी पायलट नहीं मार पाते, सही पढ़ा जाए तो एक चेतावनी है: यदि इसे शासित करने के लिए विशेष रूप से बनाए गए संगठन अब भी नहीं कर पाते, तो मिड-मार्केट इस अनुशासन तक संयोग से नहीं पहुँचेगा। इसे जान-बूझकर स्थापित करना होगा।
प्रति-तर्क: "Bain कहता है उपयोग-मामले पहले से स्केल हो रहे हैं"
इस सबके खिलाफ सबसे मज़बूत आपत्ति एक विश्वसनीय स्रोत से आती है, और एक सीधे उत्तर की हकदार है। Bain & Company का 2026 का कार्यकारी सर्वे एक प्रति-कथा के करीब कुछ रखता है — कि अधिकांश उपयोग-मामला श्रेणियों में कंपनियाँ वास्तव में AI को पायलट से उत्पादन में ले जा रही हैं, और "सब कुछ पायलट में अटका है" वाली कहानी बढ़ा-चढ़ाकर है। यदि Bain सही है, तो kill-or-scale गेट एक ऐसी समस्या हल कर रहा है जो पहले ही खुद हल हो रही है।
दोनों निष्कर्ष एक साथ सच हो सकते हैं, और इस तनाव को थामे रखना किसी एक पक्ष को चुनने से अधिक उपयोगी है। स्केलिंग असमान है। एक संगठन वास्तव में अपने सबसे अच्छे दो या तीन उपयोग-मामले उत्पादन में ले जा सकता है जबकि साथ ही ऐसे पायलटों की एक लंबी पूँछ जमा कर सकता है जो कभी हल नहीं होंगे — वही 40% से 48% जो Valliance ने मापा। Bain उन विजेताओं को गिनता है जो पार कर गए; Valliance उस बैकलॉग को गिनता है जो नहीं किया। मिड-मार्केट के लिए सबक "Bain की अनदेखी करो" नहीं है। यह है कि स्केलिंग में सफल संगठन ठीक वही हैं जो स्पष्ट स्केल निर्णय लेते हैं — और जो स्थायी पायलटों में डूब रहे हैं वे वही हैं जिन्होंने निर्णय लेने का तंत्र कभी नहीं बनाया। गेट ही वह चीज़ है जो Bain की स्केलिंग कहानी को Valliance की ठहराव की कहानी से अलग करती है। आप उस रेखा के सही पक्ष पर, जान-बूझकर, रहना चाहते हैं।
समर्थक प्रमाण उसी दिशा में इशारा करते हैं। EY के Work Reimagined शोध में पाया गया कि जहाँ अब लगभग दस में से नौ कर्मचारी किसी न किसी रूप में AI का उपयोग करते हैं, वहीं केवल लगभग एक-चौथाई संगठन ही वास्तव में उस तैनाती को उच्च-मूल्य परिणामों में बदलने के लिए स्थित हैं (Deloitte, State of AI in the Enterprise, 2026)। उपयोग सार्वभौमिक है; रूपांतरण दुर्लभ है। भेद करने वाला कारक AI तक पहुँच नहीं है। यह हर तैनाती के साथ क्या करना है यह तय करने का अनुशासन है।
kill-or-scale गेट बनाएँ: इस तिमाही के लिए तीन घटक
समाधान संकीर्ण, सस्ता और पूरी तरह आपके नियंत्रण में है — इससे पहले कि अगला बजट चक्र खर्च को बंद कर दे। आपको ट्रांसफॉर्मेशन ऑफिस की ज़रूरत नहीं। आपको एक गेट चाहिए, और गेट के तीन हिस्से होते हैं। इसे आज चल रहे हर सक्रिय AI पायलट पर लागू करें, और हर नए के लिए अनिवार्य बनाएँ।
पहला, एक निश्चित मूल्यांकन खिड़की। हर पायलट को शुरू होते ही एक अंतिम तिथि मिलती है — 60 दिन, 90 दिन, एक तिमाही, जो भी उपयोग-मामले के अनुकूल हो, पर एक तिथि, पहले से नामित। स्थायी पायलट बनाने वाला एकमात्र व्यवहार खुली समय-सीमा है: बिना अंत वाले पायलट को कभी न्याय का सामना नहीं करना पड़ता। समय-सीमा बंद करें और आप फैसले को मजबूर कर देते हैं। यदि कोई पायलट बिना निर्णय के अपनी खिड़की तक पहुँचता है, तो डिफ़ॉल्ट "विस्तार" नहीं है। डिफ़ॉल्ट "मारना" है।
दूसरा, पहले से तय सफलता मेट्रिक्स। पायलट चलने से पहले, ऐसी संख्याओं में लिखें कि सफलता कैसी दिखती है जो वास्तव में अंत में आपके पास होंगी — प्रति सप्ताह बचाए घंटे, घटी हुई त्रुटि दर, प्रति व्यक्ति थ्रूपुट, इच्छित उपयोगकर्ताओं के बीच अपनाव दर। Valliance के अनुसार परिपक्व एंटरप्राइज़ के अटकने का कारण खराब मेट्रिक्स और कम अपनाव है: जिन पायलटों को पार करने के लिए कभी स्पष्ट बाधा नहीं दी गई वे हमेशा दावा कर सकते हैं कि वे "अभी भी सीख रहे हैं।" पहले से तय मेट्रिक वाला पायलट या तो उसे छूता है या नहीं। बाधा को इससे पहले परिभाषित करें कि उसे हिलाने में आपका हित हो।
तीसरा, एक द्विआधारी फैसला और एक नामित मालिक। खिड़की के अंत में, एक जवाबदेह व्यक्ति — समिति नहीं — ठीक दो निर्णयों में से एक देता है: इसे वास्तविक बजट और अपनाव योजना के साथ उत्पादन में स्केल करो, या इसे मारो और खर्च वापस लो। कोई तीसरा विकल्प नहीं। "एक और तिमाही बढ़ाओ" बीमारी है, निर्णय नहीं। HBS-BCG लाभ — 25% तेज़, 40% बेहतर — केवल उस फैसले के "स्केल" पक्ष पर वसूला जा सकता है, और केवल तब जब स्केल करने का अर्थ वास्तविक एकीकरण हो, बड़ा सैंडबॉक्स नहीं।
इन तीनों में से कोई भी ऐसा स्टाफ या प्लेटफॉर्म नहीं माँगता जो आपके पास नहीं है। ये माँगते हैं पहले से यह तय करना कि एक पायलट किसी नामित व्यक्ति द्वारा आँका जाकर, किसी निश्चित तिथि तक एक निश्चित बाधा पार करके, अपनी निरंतरता अर्जित करे। यही पायलट से उत्पादन तक के सफर के लिए पूरा शासन का फर्श है, और यही एक परिवर्तित करने वाले पोर्टफोलियो और चुपचाप ज़ॉम्बी पालने वाले पोर्टफोलियो के बीच का अंतर है।
Valliance के 2026 आँकड़ों की समग्र कहानी यह है कि AI में सबसे अधिक परिपक्वता वाले संगठन जो शुरू करते हैं उसे पूरा करने में सबसे बदतर हैं — और मिड-मार्केट, जो उनकी बर्बादी की सहनशीलता का खर्च नहीं उठा सकता, उस अनुशासन से सबसे अधिक पाने को है जो उन्होंने कभी नहीं बनाया। इस तिमाही किसी Head of Operations के सामने निर्णय यह नहीं है कि और अधिक AI पायलट चलाने हैं या नहीं। यह है कि आपके बहीखाते में आज एक भी पायलट के पास एक अंतिम तिथि, एक सफलता संख्या, और फैसले से जुड़ा एक नाम है या नहीं। अपना सबसे महँगा सक्रिय पायलट चुनें और बजट बंद होने से पहले उसे तीनों दें। kill-or-scale गेट आपके AI प्रोग्राम का ब्रेक नहीं है। यह एकमात्र चीज़ है जो खर्च को रिटर्न में बदलती है।
