सबसे भरोसेमंद एजेंट कार्य और सबसे कम भरोसेमंद कार्य के बीच का अंतर 100 के पैमाने पर 46 अंक है — और इसमें से कोई भी अंक क्षमता का अंतर नहीं है। 29 जून 2026 को प्रकाशित एक रिपोर्ट में MIT Technology Review Insights और Microsoft ने 101 एजेंटिक AI कार्यों को 0 से 100 के भरोसा-पैमाने पर क्रमबद्ध किया, जिसके लिए उन्होंने 12 उद्योगों के 300 तकनीकी अधिकारियों, टीम लीडरों और योगदानकर्ताओं का सर्वेक्षण किया (MIT Technology Review Insights, 2026)। स्वचालित रिपोर्ट निर्माण को 83.5 और बॉयलरप्लेट कोड को 82.5 मिला। डिज़ास्टर-रिकवरी परीक्षण 43 पर रहा और सर्विस-मेश कॉन्फ़िगरेशन 37.5 पर। चारों को चलाने वाले मॉडल एक ही हैं। उन्हें जो अलग करता है वह यह है कि क्या कोई मनुष्य आउटपुट को साफ़-साफ़ सत्यापित कर सकता है — और यह एक अकेला चर इस तिमाही आपके AI एजेंट डिप्लॉयमेंट क्रम को पुनः व्यवस्थित करना चाहिए।
अधिकांश मिड-मार्केट डिप्लॉयमेंट एक ऐसे परोक्ष मापदंड के अनुसार क्रमबद्ध होते हैं जो सहज लगता है और चुपचाप गलत है: पहले उन कार्यों को डिप्लॉय करना जो सबसे सरल दिखते हैं। इंडेक्स कहता है कि परिचालन प्रश्न यह नहीं है कि "यह कार्य मॉडल के लिए कितना कठिन है" बल्कि "मैं परिणाम को कितनी आसानी से सत्यापित कर सकता हूँ"। ये अलग-अलग अक्ष हैं, और इन्हें आपस में मिला देना ही वह तरीका है जिससे एक अच्छी तरह वित्तपोषित डिप्लॉयमेंट छह महीने बाद ऐसे एजेंटों के साथ अटक जाता है जिन पर किसी को इतना भरोसा नहीं कि उन्हें बिना निगरानी छोड़ा जाए।
इंडेक्स ने वास्तव में क्या मापा
पद्धति महत्वपूर्ण है क्योंकि यही निष्कर्ष को किस्सागोई के बजाय उपयोग-योग्य बनाती है। शोध टीम ने फ़रवरी और मार्च 2026 में 300 व्यवसायियों — अधिकारियों, टीम लीडरों और व्यक्तिगत योगदानकर्ताओं — का सर्वेक्षण किया, जो 12 उद्योगों और स्टार्टअप से लेकर 10 अरब डॉलर से अधिक वार्षिक राजस्व वाली फ़र्मों तक की संस्थाओं से थे (Microsoft Cloud Blog, 2026)। फिर उन्होंने AI, डेटा और क्लाउड वर्कफ़्लो में 101 अलग-अलग कार्यों को 0 से 100 के भरोसा-पैमाने पर अंक दिए, जहाँ अंक इस बात को दर्शाता है कि व्यवसायी किसी कार्य को एजेंट को सौंपने के लिए कितने इच्छुक हैं।
परिणाम इस बात की रैंकिंग नहीं है कि AI क्या कर सकता है। यह इस बात की रैंकिंग है कि संचालक बिना निगरानी किस चीज़ को होने देने में सहज हैं — और इन दोनों के बीच का अंतर ही पूरी कहानी है। रिपोर्ट की अपनी ही भाषा दो-टूक है: शीर्ष पर एकत्रित होने वाले कार्य सत्यापनीयता और पूर्ण व्यावसायिक संदर्भ साझा करते हैं, जबकि तल के कार्यों में दोनों का अभाव है (MIT Technology Review Insights, 2026)। क्षमता विभेदक चर नहीं थी। सत्यापनीयता थी।
"सबसे सरल" गलत क्रमबद्धता-कुंजी क्यों है
शीर्ष के दो कार्यों पर विचार करें। स्वचालित रिपोर्ट निर्माण (83.5) और बॉयलरप्लेट कोड (82.5) इसलिए भरोसेमंद नहीं हैं कि वे तुच्छ हैं — अव्यवस्थित इनपुट से एक सुसंगत रिपोर्ट बनाना वास्तव में एक कठिन मॉडलिंग समस्या है। वे इसलिए भरोसेमंद हैं क्योंकि प्रत्येक के पास एक अकेला, वस्तुनिष्ठ मूल्यांकन संकेत है। बॉयलरप्लेट कोड या तो अपने परीक्षण पास करके मर्ज हो जाता है या नहीं; मर्ज दर (merge rate) एक साफ़ पास/फ़ेल मापदंड है जिसे मनुष्य सेकंडों में जाँच सकता है। एक निर्मित रिपोर्ट को उसके स्रोत डेटा से मिलाकर देखा जा सकता है जिसका वह सारांश देती है। एजेंट का काम पढ़ने योग्य है।
अब तल को देखें। सर्विस-मेश कॉन्फ़िगरेशन (37.5) और डिज़ास्टर-रिकवरी परीक्षण (43) इसलिए कम भरोसेमंद नहीं हैं कि मॉडल उनमें बदतर है (Forbes, 2026)। वे कम भरोसेमंद इसलिए हैं क्योंकि ऐसा कोई साफ़, अकेला मापदंड नहीं है जो आपको बताए कि एजेंट ने सही किया — और क्योंकि सही करना उस व्यावसायिक संदर्भ पर निर्भर करता है जो एजेंट के पास नहीं है: कौन-सी सेवाएँ भार-वहन करने वाली हैं, आपकी वास्तविक फ़ेलओवर सहनशीलता क्या है, कौन-सी निर्भरताएँ अलिखित सांगठनिक अंतर्निहित ज्ञान हैं। आप उस संदर्भ को पुनर्निर्मित किए बिना आउटपुट सत्यापित नहीं कर सकते जिसने कार्य को पहले स्थान पर कठिन बनाया। विफलता का ढंग एक गलत उत्तर नहीं है; यह एक ऐसा उत्तर है जिसे आप तब तक आत्मविश्वास से नहीं आँक सकते जब तक उत्पादन में कुछ टूट न जाए।
यही वह क्रमबद्धता-कुंजी है जिसे अधिकांश डिप्लॉयमेंट उलट देते हैं। "सरल दिखने वाले" कार्य और "सत्यापनीय" कार्य एक ही समूह जैसे महसूस होते हैं। वे नहीं हैं। एक कार्य वर्णन में सरल और जाँचने में लगभग असंभव हो सकता है — दो असहमत डेटा स्रोतों में मेल बैठाना, किसी नीति के अपवाद का मसौदा तैयार करना, एक अस्पष्ट टिकट को छाँटना। इंडेक्स कहता है कि प्रत्यक्ष सरलता के अनुसार क्रमबद्ध करना बंद करें और एक कठिन, अधिक ईमानदार प्रश्न के अनुसार क्रमबद्ध करना शुरू करें: जब यह एजेंट पूरा कर ले, तो वह अकेला मापदंड कौन-सा है जो मुझे बताता है कि यह सफल हुआ — और क्या मैं काम दोबारा किए बिना उसे पढ़ सकता हूँ?
मापदंड ही आपके डिप्लॉयमेंट क्रम का असली द्वार है
डिप्लॉयमेंट अनुक्रमण को मापदंड-उपलब्धता की समस्या के रूप में पुनः ढालें, और पूरी रोलआउट योजना स्वयं पुनर्व्यवस्थित हो जाती है।
प्रत्येक संभावित वर्कफ़्लो के लिए, प्रवेश-परीक्षण यह नहीं है कि "क्या कोई एजेंट यह कर सकता है" बल्कि "क्या इससे कोई साफ़ सफलता-संकेत जुड़ा है"। जहाँ मर्ज दर, पास या फ़ेल होने वाली मिलान-जाँच, स्कीमा-सत्यापन परिणाम, या ग्राउंड-ट्रुथ डेटा से तुलना मौजूद है, वहाँ एक एजेंट हल्की निगरानी में चल सकता है और आपको वास्तविक लीवरेज मिलता है। जहाँ यह जानने का एकमात्र तरीका कि एजेंट ने सही किया, यह है कि कोई अनुभवी मनुष्य स्थिति की शुरू से अंत तक पुनः जाँच करे, वहाँ आपने कार्य को स्वचालित नहीं किया — आपने एक ऐसे काम के आगे एक मसौदा-चरण जोड़ दिया जो फिर भी करना ही है। यह तब भी सार्थक हो सकता है। पर यह मौलिक रूप से भिन्न आर्थिक प्रस्ताव है, और यह दिखावा करना कि दोनों श्रेणियाँ एक हैं, वही तरीका है जिससे "उत्पादकता लाभ" समीक्षा-भार में वाष्पित हो जाते हैं।
व्यावहारिक कदम यह है कि अपने लक्षित वर्कफ़्लो का ऑडिट करें और उन्हें ठीक इसी रेखा पर बाँट दें। एक मूल, वस्तुनिष्ठ सफलता-मापदंड वाले कार्य डिप्लॉयमेंट कतार के आगे जाते हैं। जिन कार्यों की शुद्धता उस व्यावसायिक संदर्भ पर निर्भर है जो एजेंट के पास नहीं है — और जिसे मनुष्य को जाँचने के लिए इसलिए पूरी तरह पुनः निकालना पड़ता है — वे पीछे जाते हैं, उस सत्यापनीयता को बनाने के जानबूझकर किए काम के पीछे: एक मापदंड जोड़ना, अनुपस्थित संदर्भ को कोड में डालना, या कार्य को तब तक संकीर्ण करना जब तक कोई साफ़ जाँच मौजूद न हो। सत्यापनीयता किसी कार्य का स्थिर गुण नहीं है। यह ऐसी चीज़ है जिसे आप इंजीनियर कर सकते हैं — और उसे इंजीनियर करना ही एजेंटों को स्केल करने की असली पूर्व-शर्त है, न कि मॉडल का चयन।
जवाबदेही ही वह बाधा है जो संख्याओं के पीछे छिपी है
इंडेक्स यह भी उजागर करता है कि यह क्रमबद्धता वैकल्पिक क्यों नहीं है। जब पूछा गया कि एजेंटिक डिप्लॉयमेंट में उन्हें क्या चिंतित करता है, तो उत्तरदाताओं ने जवाबदेही (48%) और हैलुसिनेशन (47%) को अपनी प्रमुख चिंताएँ बताया — और 59% ने कहा कि वे इसे एक अस्थायी प्रशिक्षण-चरण मानने के बजाय पहले से ही स्थायी मानवीय निगरानी की योजना बना रहे हैं (MIT Technology Review Insights, 2026)। इन तीनों संख्याओं को साथ पढ़ें, और तंत्र स्पष्ट हो जाता है। जवाबदेही की माँग है कि जब कुछ गलत हो, तो कोई नामित मनुष्य उसे पकड़ सकता था। यह केवल तभी संभव है जब आउटपुट सत्यापनीय हो। किसी असत्यापनीय कार्य पर, "मानवीय निगरानी" एक नाटक है — एक व्यक्ति ऐसे काम पर हस्ताक्षर कर रहा है जिसे वह वास्तव में जाँच ही नहीं सकता।
तो स्थायी निगरानी की योजना बनाने वाले 59% — चाहे उन्होंने इसे ऐसे शब्दों में रखा हो या नहीं — यह स्वीकार कर रहे हैं कि उनके एजेंट वर्कफ़्लो का बड़ा हिस्सा इंडेक्स के निम्न-सत्यापनीयता वाले सिरे पर पड़ा है। इसका ईमानदार जवाब अधिक अनुमोदन-चरण नहीं है। यह डिप्लॉयमेंट को इस तरह अनुक्रमित करना है कि निगरानी वहाँ उतरे जहाँ वह वास्तविक काम कर सके — साफ़ मापदंड वाले उच्च-मूल्य कार्यों पर — और उन कार्यों को तब तक रोके रखे जहाँ निगरानी अखंडनीय है, जब तक आप वह मापदंड न बना लें जो जवाबदेही को सार्थक बनाता है। जवाबदेही का उल्लेख करने वाले 48% धीमे AI की माँग नहीं कर रहे। वे सत्यापनीय AI की माँग कर रहे हैं, और डिप्लॉयमेंट क्रम ही वह जगह है जहाँ यह तय होता है।
पहले क्या डिप्लॉय करें — और क्या रोकें
इसमें से कुछ भी धीमा होने का तर्क नहीं है। यह क्रमबद्धता बदलने का तर्क है। यहाँ वह ठोस पुनर्व्यवस्था है जिसका इंडेक्स समर्थन करता है:
पहले डिप्लॉय करें: एक मूल वस्तुनिष्ठ सफलता-मापदंड वाले कार्य — स्रोत डेटा के विरुद्ध आँकी गई रिपोर्ट निर्माण, टेस्ट-एंड-मर्ज द्वारा आँका गया कोड, स्कीमा-अनुरूपता द्वारा आँका गया डेटा सत्यापन, ग्राउंड ट्रुथ के विरुद्ध आँका गया मिलान और सामंजस्य। ये आपके 80-से-ऊपर वाले कार्य हैं। ये भरोसा जमाते हैं क्योंकि प्रत्येक सफलता दृश्यमान है।
पहले मापदंड लगाएँ, फिर डिप्लॉय करें: वे कार्य जो मूल्यवान हैं पर फ़िलहाल असत्यापनीय हैं, जहाँ आप एक मापदंड जोड़ सकते हैं — एक स्वीकृति-जाँच परिभाषित करना, ग्राउंड ट्रुथ से तुलना लॉग करना, दायरा तब तक संकीर्ण करना जब तक कोई पास/फ़ेल संकेत मौजूद न हो। बिना दोहन वाले ROI का अधिकांश यहीं बसता है, और यह अदृश्य रहता है यदि आप केवल प्रत्यक्ष कठिनाई के अनुसार क्रमबद्ध करते हैं।
रोके रखें: संदर्भ-सघन, निर्णय-सघन कार्य जहाँ सत्यापन का अर्थ स्थिति को पूरी तरह पुनर्निर्मित करना है — आपके अपने संचालन में डिज़ास्टर-रिकवरी और सर्विस-मेश के समकक्ष। इन्हें पहले स्वचालित करना ही वह तरीका है जिससे आप वह जवाबदेही-चिंता उत्पन्न करते हैं जिसे इंडेक्स ने मापा।
एक लक्ष्यीकरण-परत है जिसे अधिकांश डिप्लॉयमेंट छोड़ देते हैं। असत्यापित एजेंट-आउटपुट के प्रति सहनशीलता एक टीम में एकसमान नहीं होती — कुछ भूमिकाएँ और व्यवहार-प्रोफ़ाइल एक निम्न-सत्यापनीयता एजेंट पर अति-भरोसा करेंगी और अन्य एक उच्च-सत्यापनीयता एजेंट का भी उपयोग करने से मना कर देंगी। एजेंटों को कार्य-सत्यापनीयता के अनुसार अनुक्रमित करना समस्या का संरचनात्मक आधा हिस्सा है; कौन किस श्रेणी के एजेंट को चलाता है, इसे इससे मिलाना कि लोग वास्तव में भरोसे को कैसे अंशांकित करते हैं, मानवीय आधा है। दोनों को सही करना ही उस डिप्लॉयमेंट के बीच का अंतर है जो कार्य-दर-कार्य भरोसा बनाता है, और उस डिप्लॉयमेंट के बीच जो अपनी पहली दो तिमाहियाँ ऐसी निगरानी गढ़ने में खर्च करता है जिसे वह टिका नहीं सकता।
इस तिमाही की एकमात्र क्रमबद्धता
इस पर कार्य करने के लिए आपको कुछ भी पुनः-वास्तुशिल्पित करने की आवश्यकता नहीं। आपको एक सूची पुनः क्रमबद्ध करनी है। अपना वर्तमान एजेंट डिप्लॉयमेंट क्रम लें — वर्कफ़्लो का वह अनुक्रम जिसे आप इस तिमाही स्वचालित करने की योजना बना रहे हैं — और प्रत्येक कार्य से पूछे गए एक अकेले प्रश्न के अनुसार उसे पुनः रैंक करें: जब एजेंट पूरा कर ले, तो क्या एक अकेला साफ़ मापदंड है जो मुझे बताता है कि यह सफल हुआ, और क्या मैं काम दोबारा किए बिना उसे पढ़ सकता हूँ? हर "हाँ" ऊपर चढ़ता है। हर "नहीं" नीचे उतरता है, उस मापदंड को बनाने के स्पष्ट काम के पीछे। फिर देखें कि कौन-से एजेंट स्थायी भरोसा अर्जित करते हैं और कौन-से चुपचाप ऐसे असत्यापनीय आउटपुट की एक कतार जमा करते हैं जिसे कोई अंततः समीक्षा करना बंद कर देता है।
MIT–Microsoft इंडेक्स ने इसे आपके लिए 101 कार्यों पर आँक दिया है: जिसे आप सुरक्षित रूप से सौंप सकते हैं उसकी सीमा क्षमता से नहीं खिंचती। वह सत्यापनीयता से खिंचती है। अपने डिप्लॉयमेंट को गलत अक्ष के अनुसार क्रमबद्ध करें और आप पहले उन कार्यों को स्वचालित करेंगे जिन्हें आप जाँच नहीं सकते — और लागत तभी पता चलेगी जब उनमें से कोई उत्पादन में गलत हो। उसे सही अक्ष के अनुसार क्रमबद्ध करें, और आप जो भी एजेंट डिप्लॉय करेंगे वह अगले पर भरोसा करना और आसान बना देगा।
