दो रेखाएँ जो पहले साथ चलती थीं, इस साल अलग हो गईं। एक अरब डॉलर से अधिक वार्षिक राजस्व वाले संगठन कम से कम एक फ़ंक्शन में AI एजेंट स्केल करने के मामले में 27% से 40% पर पहुँच गए। उस रेखा से नीचे के संगठन 22% से 22% पर पहुँचे (McKinsey, 2026)।
धीमे नहीं। बिल्कुल स्थिर।
यही वह निष्कर्ष है जिस पर रुककर सोचना चाहिए — McKinsey का स्टेट ऑफ AI सर्वे, 25 अगस्त 2026 को प्रकाशित: 97 देशों के 1,719 उत्तरदाता, 4 मई से 8 जून तक फ़ील्डवर्क, और प्रत्येक देश के वैश्विक जीडीपी योगदान के अनुसार भारित। जिस वर्ष एजेंट डेमो होना बंद करके उत्पादन-पैटर्न बने, उसमें एक समूह ने रूपांतरण कर लिया और दूसरे ने बिल्कुल नहीं किया।
पहली प्रतिक्रिया वाली व्याख्या है बजट। आँकड़े इसका समर्थन नहीं करते। दूसरी प्रतिक्रिया वाली व्याख्या है कौशल। आँकड़े इसका भी समर्थन नहीं करते। जो बचता है वह कम सुविधाजनक और अधिक क्रियान्वयन-योग्य है: AI एजेंट स्केल करना निष्पादन-क्षमता की समस्या है, और निष्पादन-क्षमता वही एकमात्र इनपुट है जिसे एक छोटी ऑपरेशंस टीम परचेज़ ऑर्डर से नहीं खरीद सकती।
सर्वे ने असल में क्या मापा
पहले एक चेतावनी, क्योंकि यह संख्या पढ़ने का तरीका बदल देती है। McKinsey का विभाजन राजस्व के आधार पर है, कर्मचारी संख्या के आधार पर नहीं। "छोटे संगठन" का अर्थ है एक अरब डॉलर से कम वार्षिक राजस्व — ऐसा समूह जिसमें 200 लोगों की इकाई से कहीं बड़ी कई कंपनियाँ शामिल हैं। 22% को मिड-मार्केट के लिए दिशासूचक मानिए, मिड-मार्केट की जनगणना नहीं।
यह स्पष्ट कर देने के बाद, निष्कर्ष की संरचना असाधारण रूप से साफ़ है:
- एक या अधिक फ़ंक्शन में स्केल किए गए एजेंट: एक अरब डॉलर से ऊपर के संगठन 27% से 40%। छोटे संगठन 22% पर स्थिर।
- पूरे उद्यम में स्केल की गई AI (कोई भी AI, केवल एजेंट नहीं): बड़े संगठनों में 54%, छोटे संगठनों में लगभग एक-तिहाई।
- EBIT पर प्रभाव: कुल उत्तरदाताओं में 37% AI को कम से कम कुछ लाभ-प्रभाव का श्रेय देते हैं — पिछले वर्ष के मुक़ाबले अपरिवर्तित।
- AI हाई परफ़ॉर्मर (EBIT का कम से कम 5% AI से जुड़ा हो, और प्रभाव स्वयं "महत्वपूर्ण" बताया गया हो): स्थिर, उत्तरदाताओं के लगभग 6% पर।
McKinsey ने वर्ष-दर-वर्ष तुलना को उन 552 उत्तरदाताओं के विरुद्ध भी सत्यापित किया जिन्होंने 2025 और 2026 दोनों सर्वे पूरे किए। यह मायने रखता है: बार-बार होने वाले क्रॉस-सेक्शन में चौड़ी होती खाई अक्सर केवल बदला हुआ सैंपल होती है। यह निष्कर्ष पैनल-जाँच में टिकता है।
तो समग्र कहानी ठहराव की है: EBIT प्रभाव स्थिर, हाई परफ़ॉर्मर स्थिर। इस सपाट समुच्चय के नीचे, एक समूह उस इकलौती क्षमता पर 13 प्रतिशत अंक आगे निकल गया जिसने पूरे साल को परिभाषित किया।
बजट बाध्यकारी अड़चन नहीं है
ऑपरेशंस लीडर्स से मैं सबसे अधिक जो व्याख्या सुनती हूँ वह है लागत — एजेंट चलाना महँगा है, इन्फ़रेंस बिल अप्रत्याशित हैं, बड़ा उद्यम इसे सह सकता है, हम नहीं।
सर्वे इसकी सीधी जाँच करता है। केवल लगभग पाँच में से एक उत्तरदाता कहता है कि टोकन लागत सहित AI-संबंधी परिचालन लागत ने उनके AI उपयोग को सीमित किया। 60% को उम्मीद है कि उनका संगठन अगले वर्ष AI निवेश बढ़ाएगा। 28% पहले ही कुल ICT बजट का 10% से अधिक AI पर खर्च करते हैं (McKinsey, 2026)।
जो समूह अधिक खर्च करने की योजना बना रहा है और खर्च को अपनी सीमा नहीं बताता, वह पैसे से नहीं रुका है।
एक संबंधित निष्कर्ष इस बात को चुपचाप पुष्ट करता है: 32% उत्तरदाताओं ने कम से कम एक सॉफ़्टवेयर उत्पाद या फ़ीचर न खरीदने का निर्णय लिया क्योंकि वे एजेंटिक कोडिंग टूल्स से उसे भीतर ही बना सकते थे। एजेंट स्केल करने वाले संगठन केवल अलग तरह से खर्च नहीं कर रहे। वे "बनाएँ बनाम खरीदें" का मूल्य पुनर्निर्धारित कर रहे हैं। यह क्षमता का विस्थापन है, बजट की पंक्ति नहीं।
और यह कौशल की खाई भी नहीं है
दूसरी व्याख्या है प्रतिभा — बड़े उद्यम के पास AI इंजीनियर हैं, मिड-मार्केट के पास नहीं।
सबसे साफ़ प्रतिसाक्ष्य उस सर्वे से आता है जिसका सैंपल स्वयं मिड-मार्केट है, न कि नीचे अनूदित उद्यम-डेटा। CLA का हार्टबीट इंडेक्स, अगस्त 2026 में 722 छोटे और मध्यम संगठनों पर प्रकाशित, बताता है कि 69.9% नेता मानते हैं कि उनके कार्यबल के पास भविष्य की सफलता के लिए आवश्यक कौशल पहले से मौजूद हैं। फिर भी केवल 49.5% ने हाल के तकनीकी या AI निवेश से कोई भी दक्षता-सुधार बताया, और मात्र 20.2% ने स्पष्ट रूप से सकारात्मक प्रभाव बताया (CLA, 2026)।
यह उलटाव है, खाई नहीं। अध्ययन की गई आबादी स्वयं कहती है कि क्षमता मौजूद है और परिणाम अनुपस्थित हैं।
एक सावधानी बनाए रखें: कौशल को लेकर स्वयं-बताया आत्मविश्वास एक कमज़ोर उपकरण है, और वे 69.9% शायद आशावाद माप रहे हों। लेकिन छूट देने के बाद भी यह बताता है कि मिड-मार्केट के नेता क्या मानते हैं — और इसलिए वे समस्या कहाँ नहीं खोज रहे।
अगर खर्च करने वाले बजट को खारिज कर देते हैं और कौशल रखने वाले कौशल को, तो शेष उम्मीदवार स्वयं काम है।
एजेंट स्केल करने का अर्थ है पुनर्रचित वर्कफ़्लो का स्वामित्व लेना
पायलट और स्केल किए गए एजेंट के बीच यांत्रिक अंतर यह है — और यह मॉडल की गुणवत्ता नहीं है।
पायलट मौजूदा प्रक्रिया के बग़ल में चलता है। किसी का ख़ाली गुरुवार, डेटा की एक प्रति, एक आउटपुट जिसे कोई व्यक्ति देखता है और फिर असली सिस्टम में दोबारा दर्ज करता है। आगे की किसी कड़ी की निर्भरता उस पर नहीं होती। उसे बिना मीटिंग के छोड़ा जा सकता है।
स्केल किया गया एजेंट स्वयं प्रक्रिया है। इसका अर्थ है हैंडऑफ़ दोबारा लिखे जाते हैं, अपवाद-पथ परिभाषित होता है और उसका स्वामी होता है, ऑडिट ट्रेल उस व्यक्ति को संतुष्ट करता है जो स्वीकृति देता है, और रात दो बजे एजेंट के ग़लत होने पर एक नामित व्यक्ति जवाबदेह होता है। इसमें कुछ भी ख़रीद-प्रक्रिया नहीं है। यह सब संगठनात्मक शल्यक्रिया है, जो उन्हीं तीन लोगों द्वारा की जाती है जो पहले से पूरी तिमाही चला रहे हैं।
शोध दो स्वतंत्र कोणों से एक ही दिशा में इशारा करता है।
Deloitte की State of AI in the Enterprise 2026 — 24 देशों के 3,235 नेता — बताती है कि AI को लेकर प्रतिक्रिया सस्ते हस्तक्षेप की ओर झुकी हुई है। 53% AI दक्षता बढ़ाने के लिए कार्यबल को प्रशिक्षित कर रहे हैं। केवल 30% नए AI पैटर्न के इर्द-गिर्द संगठन की पुनर्कल्पना कर रहे हैं और 33% करियर पथ पुनर्रचित कर रहे हैं। मात्र 34% उत्पादों, प्रक्रियाओं या व्यावसायिक मॉडलों के गहरे रूपांतरण के लिए AI का उपयोग कर रहे हैं; शेष दो-तिहाई वृद्धिशील बने हुए हैं (Deloitte, 2026)।
Microsoft का 2026 वर्क ट्रेंड इंडेक्स — 10 देशों के 20,000 कर्मचारी, 18 फ़रवरी से 20 अप्रैल तक फ़ील्डवर्क — इस असंतुलन की क़ीमत को संख्या में बदलता है। संस्कृति, प्रबंधकीय समर्थन और प्रतिभा-प्रथाओं जैसे संगठनात्मक कारक वास्तविक AI प्रभाव में व्यक्तिगत कारकों से दोगुने से अधिक योगदान देते हैं: 67% बनाम 32%। और AI उपयोगकर्ताओं में केवल 26% बताते हैं कि नेतृत्व AI रणनीति पर संरेखित है (Microsoft, 2026)।
प्रशिक्षण एक बजट-निर्णय है। वर्कफ़्लो की पुनर्रचना निर्णय-अधिकारों का निर्णय है। बड़े उद्यमों में ऐसे लोग होते हैं जिनका पूरा काम दूसरा वाला है। मिड-मार्केट की ऑपरेशंस टीमों में वही तीन लोग होते हैं जो महीने की क्लोजिंग भी करते हैं।
यही निष्पादन-क्षमता वाली बात है — और ज्ञान-स्थिति को लेकर स्पष्ट रहूँ: कारण-संबंध मेरी व्याख्या है, McKinsey का निष्कर्ष नहीं। McKinsey जो स्थापित करता है वह यह है कि विचलन मौजूद है और लागत उसे नहीं समझाती।
ईमानदार प्रतितर्क: शायद स्थिर रहना ही सही है
विपरीत पक्ष को गंभीरता से लीजिए, क्योंकि उसके हिस्से टिकते हैं।
समग्र प्रतिफल हिला नहीं है। EBIT प्रभाव 37% पर स्थिर है और हाई परफ़ॉर्मर लगभग 6% पर। जिस वर्ष मापनीय प्रतिफल बेहतर नहीं हुआ, उस वर्ष बाहर बैठा रहा छोटा संगठन स्पष्ट रूप से कुछ नहीं हारा। उपकरणों के परिपक्व होने और इकाई लागत गिरने का इंतज़ार करना दुर्लभ ध्यान का बचाव-योग्य आवंटन है।
एजेंट स्केलिंग दर कोई व्यावसायिक परिणाम नहीं है। यह एक इनपुट मीट्रिक है। इसे केवल इसलिए पीछा करना कि सर्वे कहता है बड़े उद्यम पीछा कर रहे हैं, "पायलटाइटिस" का शुद्धतम रूप है — किसी अड़चन के बजाय किसी बेंचमार्क को पाटने के लिए गतिविधि को वित्तपोषित करना।
उद्यम-स्तरीय स्केलिंग आंशिक रूप से हर के प्रभाव का परिणाम है। 40,000 लोगों की कंपनी में अधिक फ़ंक्शन होते हैं, इसलिए कम से कम एक में एजेंट स्केल होने की संभावना आकार के साथ यांत्रिक रूप से बढ़ती है। उन 13 अंकों का एक हिस्सा सतह-क्षेत्र है, श्रेष्ठता नहीं।
प्रतितर्क जहाँ विफल होता है वह है देर से शुरू करने की क़ीमत। उन 13 अंकों के भीतर जो क्षमता बन रही है वह एजेंट-विशेषज्ञता नहीं है। वह है एक वर्कफ़्लो को छोर-से-छोर पुनर्रचित करने और उसके परिणामों के साथ जीने की मांसपेशी — जो चक्रवृद्धि होती है, फ़ंक्शनों के बीच स्थानांतरित होती है, और बाद में जल्दबाज़ी में ख़रीदी नहीं जा सकती। जिस प्रतिस्पर्धी ने इस साल ऑर्डर-टू-कैश पुनर्रचित किया, वह अगले साल कोट-टू-कॉन्ट्रैक्ट और तेज़ी से करेगा। आप तब भी अपनी पहली पुनर्रचना की क़ीमत आँक रहे होंगे।
सही निष्कर्ष "एजेंट स्केल करो" नहीं है। यह है: इस साल एक असली पुनर्रचना कीजिए ताकि जब प्रतिफल वास्तव में आए तब क्षमता मौजूद हो।
एक-वर्कफ़्लो परीक्षण
व्यावहारिक क़दम यह है कि पायलटों का पोर्टफ़ोलियो वित्तपोषित करना बंद कीजिए और इस तिमाही ठीक एक वर्कफ़्लो को छोर-से-छोर पुनर्रचित कीजिए। उसे चार प्रश्नों से चुनिए। कोई भी उम्मीदवार इनमें से एक में भी विफल हो, तो वह ग़लत वर्कफ़्लो है — इसलिए नहीं कि एजेंट उसे नहीं कर सकते, बल्कि इसलिए कि आप उसे पूरा नहीं करेंगे।
- क्या पूरे रास्ते का स्वामी एक ही व्यक्ति है? अगर वर्कफ़्लो ऐसी सीमा पार करता है जहाँ दो नेताओं को सहमत होना पड़े, तो आप तैनाती नहीं, बातचीत ख़रीद रहे हैं। पहले वाले के लिए एक ही नियंत्रण-परिधि के भीतर रहिए।
- क्या छूने से पहले आपने कोई आधार-रेखा मापी है? चक्र-समय, त्रुटि-दर, प्रति-लेनदेन लागत, आयतन। तैनाती-पूर्व संख्या के बिना आप वास्तविक लाभ और प्रशंसनीय कहानी में अंतर नहीं कर पाएँगे — और "तेज़ लगता है" पर लौट आएँगे।
- क्या नामित स्वामी सहित परिभाषित अपवाद-पथ है? एजेंट शोर मचाकर विफल नहीं होते; वे प्रशंसनीय ढंग से विफल होते हैं। अभी तय कीजिए कि कौन कितने प्रतिशत रन की समीक्षा करेगा, और जब एजेंट आत्मविश्वास से ग़लत हो तब क्या होगा।
- क्या वह उबाऊ, उच्च-आयतन वाला और आंतरिक रूप से दृश्य है? उच्च आयतन तिमाही के भीतर सांख्यिकीय संकेत देता है। आंतरिक दृश्यता पहली विफलता को ग्राहक-घटना नहीं, सबक़ बनाती है।
फिर एक निर्णय-द्वार लगाइए। तिमाही के अंत में वर्कफ़्लो या तो स्केल हो चुका है, या बंद कर दिया गया है, या नई परिकल्पना के साथ स्पष्ट रूप से पुनर्निर्धारित है। मौन बहाव — वह पायलट जो न मरता है न लॉन्च होता है — वही एक साल तक 22% पर सपाट रेखा बनाता है।
खाई चक्रवृद्धि हो रही है, और वह पैसे से नहीं बनी
जो संख्या आपको परेशान करनी चाहिए वह 40% नहीं है। वह 22% है — पिछले साल जैसी ही 22%, उस समूह में जो कहता है कि वह लागत से बँधा नहीं है और मानता है कि उसके लोग तैयार हैं।
पैसा उपलब्ध हो और कौशल स्वयं-घोषित रूप से मौजूद हो, फिर भी स्थिर रहना — यह संसाधन की समस्या नहीं है। यह क्रम की समस्या है। जिन संगठनों ने AI एजेंट स्केल करने में सफलता पाई उन्होंने अधिक नहीं ख़रीदा: उन्होंने एक पुनर्रचित वर्कफ़्लो को अपवाद-पथ सहित अंत तक निभाने की प्रतिबद्धता ली।
इस तिमाही के बंद होने से पहले, वह एक वर्कफ़्लो तय कीजिए जिसे आप छोर-से-छोर पुनर्रचित करेंगे, उसके लिए जवाबदेह व्यक्ति तय कीजिए, और आधार-रेखा संख्या आज ही लिख लीजिए — जब तक वह मापी जा सकती है।
