संस्थापकों से वह सवाल पूछिए जो कोई विक्रेता अपनी प्रस्तुति में नहीं रखता — जेनरेटिव AI के बिना, पिछले हफ़्ते का काम उसी गुणवत्ता में करने के लिए आपको कितने और कर्मचारी चाहिए होते? — और औसत उत्तर है 55% अधिक हेडकाउंट। माध्यिका 17% है। सबसे आम उत्तर शून्य है: उत्तर देने वाले 30% संस्थापकों ने कहा कि उन्हें एक भी अतिरिक्त व्यक्ति नहीं चाहिए होता (Colaiacovo & Koning, 2026)।
एक ही सवाल, एक ही नमूना, और तीन आंकड़े जो तीन पूरी तरह अलग बजट को जायज़ ठहरा सकते हैं।
AI से होने वाली हेडकाउंट बचत की कीमत तय करने के तरीके की यह पहली समस्या है। दूसरी अधिक उपयोगी है: बड़ी बचत बताने वाले संस्थापकों और लगभग कोई बचत न बताने वालों के बीच का अंतर इस बात से नहीं समझाया जाता कि उन्होंने कौन-से टूल खरीदे, न ही इससे कि मॉडल की क्षमताओं के बारे में वे कितने आशावादी हैं। यह इस बात से समझाया जाता है कि किसी ने काम को फिर से गढ़ा या नहीं।
वह वितरण जिसे आपका बिज़नेस केस उद्धृत कर रहा है
अध्ययन है हार्वर्ड बिज़नेस स्कूल वर्किंग पेपर 26-093, लेखक कसांड्रा कोलायाकोवो और रेम कोनिंग। उन्होंने Pitchbook के ज़रिये उत्तर अमेरिकी तकनीकी कंपनियों के 199 संस्थापकों को जोड़ा — 176 ने सर्वे पूरा भरा — जिनकी कंपनियों में औसतन 16 कर्मचारी (माध्यिका 9), उम्र करीब 3.5 वर्ष और आधे से अधिक वेंचर-समर्थित, औसतन 4.86 मिलियन डॉलर जुटाए हुए। छियानबे प्रतिशत ने बताया कि कंपनी में जेनरेटिव AI औपचारिक या अनौपचारिक रूप से इस्तेमाल हो रहा है, और इस्तेमाल किए जा रहे टूल की माध्यिका पाँच है (Colaiacovo & Koning, 2026)।
ये अनिच्छुक अपनाने वाले नहीं हैं। यह सर्वोत्तम स्थिति के करीब है: छोटी, लचीली कंपनियाँ, जिन्हें वही व्यक्ति चलाता है जिसके पास वर्कफ़्लो डिज़ाइन और हायरिंग प्लान दोनों हैं।
और बताई गई बचत का वितरण बहुत अधिक दाईं ओर झुका है। औसत 55%, माध्यिका 17%, बहुलक शून्य। घंटों का सवाल भी वैसा ही व्यवहार करता है: AI के बिना संस्थापकों ने औसतन 59% अधिक कार्य-घंटों की ज़रूरत आंकी, माध्यिका 30%।
परिचालन निष्कर्ष स्पष्ट है। औसत पर बना बिज़नेस केस वितरण की पूँछ पर बना बिज़नेस केस है। जब कोई विक्रेता या भीतर का समर्थक कहता है कि AI किसी टीम को आधे हेडकाउंट पर चलने देता है, तो वह आंकड़ा नमूने के लिए गणितीय रूप से सही और उसी नमूने की सामान्य कंपनी के लिए वर्णनात्मक रूप से गलत है। अर्थव्यवस्था के सबसे AI-संतृप्त हिस्से की माध्यिका कंपनी 17% बचत बताती है — वास्तविक, उपयोगी, और छँटनी की थीसिस से बहुत दूर।
अगर आपकी एजेंट योजना औसत पर टिकी है, तो पूछिए: वितरण के किस आधे हिस्से में होने का आपके पास सबूत है?
हेडकाउंट बचत औपचारिक एकीकरण में रहती है
लेखकों ने संस्थापकों से अपने उपयोग को वर्गीकृत करने को कहा: जेनरेटिव AI वर्कफ़्लो में औपचारिक रूप से एकीकृत था, या कर्मचारी उसे अपनी सुविधा से अनौपचारिक रूप से इस्तेमाल कर रहे थे? यही एक विभाजन परिणामों को फिर से क्रमबद्ध कर देता है।
| AI के बिना बताया गया प्रतितथ्य | औपचारिक एकीकरण करने वाले | अनौपचारिक उपयोगकर्ता |
|---|---|---|
| अतिरिक्त कर्मचारी आवश्यक (औसत) | 91.4% | 24% |
| अतिरिक्त कर्मचारी आवश्यक (माध्यिका) | 40% | 10% |
| अतिरिक्त कार्य-घंटे आवश्यक (औसत) | 82.8% | 33% |
| अतिरिक्त कार्य-घंटे आवश्यक (माध्यिका) | 40% | 20% |
औसत और माध्यिका दोनों पर हेडकाउंट बचत लगभग चार गुना (Colaiacovo & Koning, 2026)। औपचारिक एकीकरण करने वालों ने यह भी अधिक बताया कि AI ने बदला कि वे भर्ती करते हैं या नहीं और किसे करते हैं, टीम समन्वय को अधिक कुशल बनाया, प्रबंधन क्षमता दी, और नए कर्मचारियों को जोड़ने में मदद की।
लेखक सतर्क हैं, और उन्हें उद्धृत करने वाले को भी होना चाहिए: ये अनुमान सहसंबंध हैं, कारण-प्रभाव नहीं। जो संस्थापक जान-बूझकर AI को अंदर गढ़ते हैं, वे वही लोग हो सकते हैं जो परिचालन लीवरेज कहीं और भी खोज लेते। लेकिन संबंध की दिशा ही काम की बात है, क्योंकि वैकल्पिक व्याख्या — कि औपचारिक एकीकरण करने वालों ने बस बेहतर टूल खरीद लिए — पेपर में आगे आने वाली बात से खारिज हो जाती है।
"औपचारिक" का वास्तव में अर्थ क्या था
यह भेद महत्वपूर्ण है क्योंकि सामान्य मापन इसी पर चूक जाता है। लेखक कहते हैं कि कंपनी से यह पूछना कि वह कौन-से टूल और फाउंडेशन मॉडल इस्तेमाल करती है, "उन लोगों में अंतर करने में असफल हो सकता है जो टूल को यूँ ही इस्तेमाल करते हैं और जो उन्हें नियमित कार्य-दिनचर्या के हिस्से के रूप में इस्तेमाल करते हैं।" इसलिए उन्होंने संस्थापकों को वही वर्गीकृत करने दिया जो वास्तव में भिन्न होता है: जेनरेटिव AI प्रक्रिया के भीतर था या उसके बगल में।
यही मापन समस्या मध्य-बाज़ार के लगभग सभी AI डैशबोर्ड की है। लाइसेंस की संख्या, साप्ताहिक सक्रिय उपयोगकर्ता और प्रॉम्प्ट वॉल्यूम — ये सब अनौपचारिक समूह को पूरी ताकत से दर्ज करते हैं। इनमें से कोई नहीं बताता कि प्रक्रिया का एक भी चरण एजेंट के इर्द-गिर्द फिर से काटा गया या नहीं — और औपचारिक/अनौपचारिक विभाजन यही एक चीज़ नापता है, और यही आंकड़े को चार गुना हिलाता है।
क्षमता के बारे में धारणाएँ यह नहीं बतातीं कि कौन सौंपता है
यही परिणाम सवाल को खरीद से हटाकर संगठन डिज़ाइन में ले जाता है।
शोधकर्ताओं ने एक ऐसे कार्यक्षेत्र में प्रयोग जोड़ा जहाँ AI की तैनाती पहले से आम है: ग्राहक सेवा। संस्थापकों को इस भूमिका में AI के प्रदर्शन पर वास्तविक खबरों और शोध का आशावादी या निराशावादी सारांश यादृच्छिक रूप से दिखाया गया, फिर दोबारा पूछा गया कि वे एक ग्राहक सेवा अनुरोध AI को सौंपने के लिए कितने तैयार हैं।
हस्तक्षेप ने काम किया — धारणाएँ औसतन खिसकीं। सौंपने की तैयारी एक जगह नहीं आई। कार्य-प्रदर्शन की धारणाएँ सौंपने की तैयारी में अंतर का अधिकतम एक-तिहाई समझाती हैं, और सूचना-हस्तक्षेप के बाद संशोधित धारणाएँ केवल 37% समझाती हैं (Colaiacovo & Koning, 2026)। ध्यान देने योग्य बात: गहरे एकीकरण करने वाले AI के कार्य-प्रदर्शन के बारे में अनौपचारिक उपयोगकर्ताओं से उल्लेखनीय रूप से अधिक आशावादी नहीं थे। वे इस प्रयोग के लिए अधिक तैयार थे कि इंसान और AI काम कैसे बाँटें।
एक सक्षम एजेंट को असली काम मिलेगा या नहीं — इसकी दो-तिहाई भिन्नता मॉडल में नहीं, कहीं और बैठी है।
यह निष्कर्ष अकेला नहीं है। Microsoft का 2026 Work Trend Index, 10 देशों के 20,000 कर्मचारियों पर, वास्तविक AI प्रभाव का दोगुने से अधिक हिस्सा संगठनात्मक कारकों — संस्कृति, प्रबंधक समर्थन, लोगों से जुड़ी प्रथाओं — को देता है, व्यक्तिगत कारकों की तुलना में: 67% बनाम 32% (Microsoft Work Trend Index, 2026)। Deloitte का 24 देशों के 3,235 नेताओं का सर्वे दिखाता है कि पैसा कहाँ जाता है: 53% कर्मचारियों को AI दक्षता बढ़ाने के लिए प्रशिक्षित कर रहे हैं, जबकि केवल 30% संगठन को नए AI प्रतिरूपों के अनुसार फिर से सोच रहे हैं और 33% करियर पथ फिर से डिज़ाइन कर रहे हैं (Deloitte, 2026)।
दक्षता को सब पैसा देते हैं। पुनर्संरचना को लगभग कोई नहीं। HBS का डेटा कहता है कि पुनर्संरचना ही वह चर है जो 40% बचत को 10% से अलग करता है।
ईमानदार प्रतिवाद
तीन सीमाएँ, साफ़ शब्दों में, क्योंकि यह एक सर्वे है, पेरोल ऑडिट नहीं।
ये धारणाएँ हैं, मापा गया उत्पादन नहीं। किसी ने संस्थापकों के प्रतितथ्यों को हेडकाउंट रिकॉर्ड या प्रति कर्मचारी राजस्व से नहीं मिलाया। लेखक यह स्पष्ट कहते हैं और जहाँ वित्तीय आंकड़े उपलब्ध हों, वहाँ वास्तविक उत्पादकता मापों पर काम का आह्वान करते हैं।
AI के हेडकाउंट प्रभाव पर धारणाओं की त्रुटि दर दर्ज है। McKinsey का 2026 State of AI पहला संस्करण है जो अपने ही पैनल को आंक सकता है: एक साल पहले 32% उत्तरदाता AI से जुड़ी रोज़गार गिरावट की अपेक्षा कर रहे थे, और उसी अवधि में AI इस्तेमाल करने वाले संगठनों में से केवल 14% ने बताया कि AI ने कार्यबल के आकार में वास्तविक गिरावट में योगदान दिया; दो-तिहाई ने AI से जुड़ा कोई या नगण्य बदलाव बताया (McKinsey, 2026)। अपेक्षा वास्तविकता से लगभग दोगुनी निकली। इस लेंस से HBS के औसत पढ़िए और झुकाव अधिक संदेहास्पद लगेगा, कम नहीं।
नमूना है औसतन 16 लोगों वाली 199 वेंचर-समर्थित टेक स्टार्टअप। चार सीधे रिपोर्ट वाला संस्थापक एक वीकेंड में वर्कफ़्लो फिर से डिज़ाइन कर सकता है। 300 लोगों का ऑपरेशन्स फंक्शन नहीं कर सकता, और उसका औपचारिक एकीकरण अधिक खर्चीला और धीमा है। निष्कर्षों का क्रम मध्य-बाज़ार तक जाता है; परिमाण नहीं।
इन तीनों के नीचे एक चयन का प्रश्न भी चलता है। औपचारिक एकीकरण मुफ़्त नहीं है: इसमें प्रबंधन का ध्यान, फिर से डिज़ाइन की गई प्रक्रिया, और कोई ऐसा व्यक्ति लगता है जो एजेंट के बनाए नतीजे की ज़िम्मेदारी ले। जिन कंपनियों ने यह कीमत चुकाई, वे परिभाषा से वही हैं जिनके पास इसे चुकाने की गुंजाइश थी। 50–500 FTE वाले संगठन के लिए ईमानदार अनुवाद यह है: चार गुना अंतर पुनर्संरचना से मिलने वाली ऊपरी सीमा है, पूर्वानुमान नहीं।
इनमें से कोई बात मूल दावे को कमज़ोर नहीं करती। यह उसे सीमित करती है: अलग करने वाला चर संगठनात्मक है, और स्तर स्व-घोषित हैं।
इस तिमाही में क्या तय करें
चार कदम, और इनमें से किसी के लिए नया टूल नहीं चाहिए।
- बिज़नेस केस की कीमत माध्यिका पर तय करें, औसत पर नहीं। अगर कोई योजना 40% से अधिक बचत मानती है, तो वह मानती है कि आप एक झुके हुए वितरण के शीर्ष दशमक में औपचारिक एकीकरण करने वाले हैं। लिख लीजिए कि आप किस आंकड़े की ज़िम्मेदारी ले रहे हैं और कौन-सा सबूत आपको वहाँ रखता है।
- एक प्रक्रिया की जाँच औपचारिक एकीकरण के लिए करें, उपयोग के लिए नहीं। लाइसेंस गिनती और साप्ताहिक सक्रियता अनौपचारिक उपयोग नापती हैं — ठीक वही समूह जो 10% माध्यिका बचत बताता है। सवाल यह है कि प्रक्रिया का कोई चरण एजेंट के इर्द-गिर्द फिर से काटा गया है या नहीं, एक मालिक और एक परिभाषित नतीजे के साथ।
- प्रशिक्षण का बजट और पुनर्डिज़ाइन का बजट अलग रखें। ये एक ही मद नहीं हैं और एक जैसा रिटर्न नहीं देते। अगर प्रशिक्षण को पैसा मिला है और पुनर्डिज़ाइन को नहीं, तो आप औपचारिक एकीकरण की कीमत पर अनौपचारिक उपयोगकर्ता का नतीजा खरीद रहे हैं।
- एजेंट को काम देने से पहले उसकी सीट की परिभाषा दें। औपचारिक एकीकरण का अर्थ है निर्धारित दायरा, नाम से ज़िम्मेदार एक इंसान, और यह स्पष्ट नियम कि किन कार्यों के लिए मंज़ूरी चाहिए। यही शासन-मॉडल Scovai के Digital Employees के पीछे है — किसी एक भूमिका के लिए प्रशिक्षित, बाहर दिखने वाले हर कार्य पर पहले पुष्टि, और स्वायत्तता कार्य के प्रकार के अनुसार अर्जित, डिफ़ॉल्ट रूप से चालू नहीं — यह उपयोगी संदर्भ है कि "औपचारिक" एकीकरण को क्या-क्या तय करना चाहिए, इसे बनाने वाला कोई भी हो।
इस पेपर का असुविधाजनक निष्कर्ष यह है कि एजेंट की क्षमता का सवाल लगभग सुलझ चुका है और संगठन का सवाल लगभग अछूता है। इनमें से 96% कंपनियों के पास टूल पहले से थे। जिन्होंने चार गुना बचत बताई, उन्होंने कुछ और किया था।
अगला एजेंट लाइसेंस मंज़ूर करने से पहले पता कीजिए कि जिस प्रक्रिया को उसे बदलना है, उसका मालिक कौन है। अगर जवाब "कोई नहीं" है, तो आप माध्यिका खरीद रहे हैं।
