एजेंटिक AI का पायलट कर रहे 1 अरब डॉलर से अधिक राजस्व वाले उद्यमों में अस्सी प्रतिशत पहले ही अपने कार्यबल को कम कर चुके हैं। उनका AI ROI सांख्यिकीय रूप से उन 20% से अलग नहीं है जिन्होंने ऐसा नहीं किया। यह Gartner के मई 2026 के 350 वैश्विक कार्यकारियों के सर्वेक्षण का प्रमुख निष्कर्ष है, और इसे प्रत्येक मध्य-बाजार Head of Operations के इस तिमाही में AI पहलों का मूल्यांकन करने के तरीके को पुनर्गठित करना चाहिए (Gartner, 5 मई 2026)। जो संख्या विजेताओं को हारने वालों से वास्तव में अलग करती है — भूमिकाओं, कौशलों और परिचालन मॉडलों में निवेश जो मनुष्यों को स्वायत्त प्रणालियों का मार्गदर्शन करने देता है — वही चर है जिसे अधिकांश ऑप्स डेक अभी तक ट्रैक नहीं कर रहे हैं।
200 FTE के ऑपरेशंस लीडर के लिए निहितार्थ असामान्य रूप से स्पष्ट है: आपके AI बिज़नेस केस में हेडकाउंट कटौती कॉलम की ROI कॉलम पर शून्य पूर्वानुमेय शक्ति है। FTE हटाए गए के आधार पर पहलों को स्कोर करना जारी रखना अगले दो वर्षों के एजेंट खर्च को ऐसी बचतों से वित्तपोषित करना है जिन्होंने, बहुत बड़े पैमाने पर, रिटर्न का पूर्वानुमान नहीं लगाया।
वे 80% जो सूई नहीं हिला सके
Gartner की Distinguished VP Analyst Helen Poitevin ने परिणाम को सीधे शब्दों में रखा: "बहुत से CEO त्वरित AI रिटर्न दिखाने के लिए छंटनी का सहारा लेते हैं; हालाँकि, यह झुकाव गलत जगह है। कार्यबल कटौती बजट में जगह बना सकती है, लेकिन वे रिटर्न नहीं बनातीं" (Fortune, 11 मई 2026)। नमूना छोटा नहीं है — 1 अरब डॉलर से अधिक राजस्व वाली फर्मों के 350 कार्यकारी, सभी AI एजेंट और स्वायत्त प्रणालियों का पायलट या परिनियोजन कर रहे हैं। पद्धति विदेशी नहीं है। निष्कर्ष है।
जो परिणाम को आकर्षक बनाता है वह सहसंबंध की अनुपस्थिति है, उसकी दिशा नहीं। उच्च ROI समूह में कार्यबल कटौती दरें मामूली या नकारात्मक रिटर्न वाले समूह के लगभग समान थीं। छंटनी और AI रिटर्न स्वतंत्र अक्षों पर चल रहे हैं। AI कार्यक्रम का भेस धरे कोई लागत-कटौती कार्यक्रम बचत दर्ज करेगा, लेकिन वह रणनीतिक परिणाम जिसे AI को उत्पन्न करना था — बेहतर निर्णय, तेज़ चक्र, बचाव योग्य लाभ — कहीं और घटित हो रहा है।
यह विशेष रूप से मध्य-बाजार संचालन के लिए मायने रखता है क्योंकि वहाँ लागत-कटौती की रूपरेखा प्रमुख है। AI एजेंट सॉफ्टवेयर खर्च 2025 में $86.4 बिलियन से 2026 में अनुमानित $206.5 बिलियन और 2027 में $376.3 बिलियन तक ट्रैक करते हुए, "ROI को तेज़ी से साबित करने" का बजट दबाव संरचनात्मक है (Gartner, 5 मई 2026)। त्वरित प्रमाण दृश्यमान कार्यबल लाइन है। Gartner डेटा कहता है कि वह प्रमाण इस बात से असंबद्ध है कि क्या AI परिनियोजन वास्तव में काम कर रहा है।
AI ROI गणित वास्तव में कैसा दिखता है
लागत-कटौती की रूपरेखा अतर्कसंगत नहीं है। यह बस गलत प्रश्न का उत्तर दे रही है। एजेंटिक AI चक्र के इस बिंदु पर सही प्रश्न "यह सिस्टम क्या प्रतिस्थापित करता है" नहीं बल्कि "इस सिस्टम को उपयोग योग्य निर्णय उत्पन्न करने के लिए किसके साथ जोड़ा जाना है" है। उत्तर लगभग हमेशा एक व्यक्ति होता है, लेकिन वह जिसे अभी समाप्त किया गया उस भूमिका से अलग।
मानव-AI साझेदारियों का McKinsey का विश्लेषण इसे ठोस बनाता है: आगे बढ़ने वाली कंपनियाँ वे नहीं हैं जिन्होंने सबसे अधिक कार्यों को स्वचालित किया, बल्कि वे हैं जिन्होंने मानव शक्तियों को बढ़ाने के लिए कार्य को पुनः डिज़ाइन किया — "उत्पादकता इसलिए नहीं बढ़ती कि लोग कम करते हैं, बल्कि इसलिए कि संगठन अधिक प्राप्त करते हैं जब लोग अलग कार्य करते हैं" (McKinsey Global Institute, 2026)। तंत्र संरचनात्मक है। निर्णय परत के बिना एक एजेंट या तो आत्मविश्वास से गलत उत्तर देता है या संदर्भ के बिना एस्केलेट करता है। निर्णय परत वह भूमिका है जिसमें आपको निवेश करने की आवश्यकता है, वह नहीं जिसे आपने अभी काटा।
AI अपनाने को ट्रैक करने वाले MIT Sloan के शोधकर्ताओं ने उत्पादकता विरोधाभास के लेबल के तहत वही पैटर्न देखा है: AI अपनाने वाले संगठन अक्सर प्रारंभिक उत्पादकता गिरावट देखते हैं, फिर साथियों को उत्पादकता और बाजार हिस्सेदारी दोनों में पीछे छोड़ देते हैं — लेकिन केवल लंबे क्षितिजों पर और केवल तब जब capability building परिनियोजन के साथ चलता है (MIT Sloan, 2026)। गिरावट भी संरचनात्मक है। यह भूमिकाओं को पुनः डिज़ाइन करने की लागत है। पुनः डिज़ाइन छोड़ें और आप पुनर्प्राप्ति छोड़ें।
दोनों निष्कर्षों को बगल में रखें और तस्वीर ठोस होती है। Gartner का उच्च ROI समूह और McKinsey का बेहतर प्रदर्शन करने वाला समूह विभिन्न कोणों से एक ही संगठनों का वर्णन कर रहे हैं: वे जिन्होंने स्वचालन से पहले — या कम से कम साथ — निर्णय क्षमता में निवेश किया। दोनों डेटा सेट में लागत-कटौती समूह भी समान है। यह बड़ा है, और यह वह समूह है जिसे रिटर्न नहीं मिल रहा।
People Amplification प्रीमियम
विजेताओं द्वारा किए गए काम के लिए Gartner का शब्द — "people amplification" — एक नारे के बजाय शाब्दिक रूप से लेने योग्य है। इसका अर्थ है ऑपरेटिंग मॉडल के भीतर तीन मापने योग्य बदलाव:
बदलाव 1 — निवेश उपकरणों से निर्णय भूमिकाओं की ओर बढ़ता है
उच्च ROI समूह AI बजट का एक महत्वपूर्ण हिस्सा उन लोगों पर खर्च करता है जो तय करते हैं कि एजेंटों को कौन सा काम लेना चाहिए और कौन सा नहीं। वह भूमिका अधिकांश मध्य-बाजार ऑर्ग चार्ट में मौजूद नहीं है। यह एक सीनियर ऑपरेटर जैसा दिखता है जो workflow को विघटित कर सकता है, स्वीकृति मानदंडों को परिभाषित कर सकता है, और विफलता मोडों का स्वामित्व ले सकता है। हायरिंग अर्थशास्त्र: ऐसा एक ऑपरेटर आम तौर पर एक process engineer का 1.5–2 गुना खर्च होता है और कुछ भी प्रतिस्थापित नहीं करता। यह शुद्ध-योगात्मक है, और इसी से एजेंट निवेश संयोजित होता है।
बदलाव 2 — ऑपरेटिंग मॉडल पुनर्संरचना परिनियोजन से पहले आती है
ROI दर्ज करने वाले समूह में, ऑपरेटिंग मॉडल बातचीत खरीद से पहले होती है। जो नहीं करते उस समूह में, उपकरण आता है और ऑर्ग चार्ट उसके चारों ओर ढल जाता है — आमतौर पर लोगों को हटाकर। पहला अनुक्रम AI लाभ को पुनः डिज़ाइन किए गए workflow में केंद्रित करता है। दूसरा इसे एक गैर-पुनः डिज़ाइन किए गए workflow पर फैलाता है और कार्यबल लाइन में बचत तलाशता है। पहला संयोजित होता है; दूसरा पहले लागत चक्र में समाप्त हो जाता है।
बदलाव 3 — स्कोरिंग हटाए गए FTE से निर्णय थ्रूपुट की ओर बढ़ती है
अग्रणी समूह प्रति सप्ताह उच्च-निर्णय निर्णयों के थ्रूपुट को ट्रैक करता है — साफ़ हुए अनुबंध, हल हुए अपवाद, आगे बढ़े योग्य सौदे — और डेल्टा का श्रेय AI को देता है। पिछड़ने वाला समूह हटाए गए FTE-समकक्षों को ट्रैक करता है और लागत लाइन का श्रेय AI को देता है। पहली मीट्रिक टिकाऊ है। दूसरी छंटनी के दौर के समाप्त होने पर समाप्त हो जाती है।
मध्य-बाजार के लिए AI बजट वार्तालाप को पुनः फ्रेम करना
200 FTE की ऑपरेशंस फ़ंक्शन के पास छह-तिमाही capability building कार्यक्रम की विलासिता नहीं है। मध्य-बाजार बाधा वास्तविक है, और प्रश्न यह है कि व्यवसाय के पास वास्तव में मौजूद गति और बजट पर people amplification तर्क को कैसे लागू किया जाए।
दो पुनः फ़्रेमिंग अधिकांश काम करती हैं।
पुनः फ्रेमिंग एक: कार्यबल प्रश्न को उल्टा कर दें। "एजेंट कौन सी भूमिकाएँ प्रतिस्थापित कर सकता है" पूछने के बजाय, पूछें "एजेंट कौन से निर्णय निष्पादित कर सकता है केवल यदि एक विशिष्ट मानव भूमिका उसके बगल में बैठी हो"। यह प्रश्न ऑपरेटिंग मॉडल बातचीत को अग्रिम मजबूर करता है और एक हायरिंग योजना उत्पन्न करता है, छंटनी योजना नहीं। यह बचाव योग्य भी है: एजेंट खर्च का प्रत्येक डॉलर एक नामित मानव भूमिका के साथ जोड़ा गया है जिसका निर्णय भार-वहन तत्व है।
पुनः फ्रेमिंग दो: AI पहल स्कोरकार्ड बदलें। "प्रति तिमाही हटाए गए FTE-समकक्ष" को दो-लाइन स्कोरकार्ड से बदलें: प्रति सप्ताह निष्पादित निर्णय निर्णय, और उच्च-दांव कार्य के लिए निर्णय तक का समय। दोनों 50 FTE से ऊपर की किसी भी ऑपरेशंस फ़ंक्शन में सीधे देखे जा सकते हैं। दोनों कार्यबल से स्वतंत्र हैं। और दोनों इस बात पर निर्भर करते हुए अलग-अलग चलेंगे कि क्या AI परिनियोजन एक वास्तविक निर्णय भूमिका के साथ जोड़ा गया था या एक गैर-पुनः डिज़ाइन किए गए workflow पर गिराया गया था।
McKinsey शोध इस बारे में असामान्य रूप से सीधा है कि यह 2026 में विशेष रूप से क्यों मायने रखता है: "हायरिंग तय करती है कि संगठन में मानव निर्णय कहाँ बैठता है, जबकि capability building तय करता है कि AI उस निर्णय को बढ़ाता है या उसे बायपास करता है" (McKinsey, 2026)। इस तिमाही की योजना को अंतिम रूप देने वाले Head of Operations के लिए, वह वाक्य योजना बाधा है। आप इस तिमाही जो हायरिंग निर्णय लेते हैं वह AI रणनीति है जो आपके पास अगले दो वर्षों के लिए होगी। इसका उल्टा सच नहीं है।
Gartner डेटा क्या नहीं कहता
दो सीमाएँ बताने योग्य हैं, क्योंकि प्रमुख निष्कर्ष दोनों दिशाओं में उपयोग किया गया है और स्रोत डेटा किसी भी चरम का समर्थन नहीं करता।
Gartner सर्वेक्षण यह नहीं कहता कि AI परिनियोजन ROI नहीं उत्पन्न कर रहे हैं — वे कर रहे हैं, उस समूह में जिसने परिनियोजन को people amplification के साथ जोड़ा। यह यह भी नहीं कहता कि कार्यबल कटौती पुनः डिज़ाइन किए गए कार्य के डाउनस्ट्रीम परिणाम के रूप में अनुपयुक्त हैं — सर्वेक्षण उस अनुक्रमिक प्रश्न पर मौन है। जो यह कहता है वह संकीर्ण और अधिक उपयोगी है: कार्यबल कटौती प्राथमिक तंत्र के रूप में जिसके माध्यम से AI ROI को साकार होना चाहिए, ROI उत्पन्न नहीं करती। लागत-कटौती परिकल्पना $1 बिलियन+ पैमाने पर n=350 के साथ विफल होती है। यह $50–500M पैमाने पर छोटे n के साथ विफल होगी, और संभवतः अधिक तेज़ी से, क्योंकि मध्य-बाजार संचालन के पास पुनः डिज़ाइन-छोड़ने के दंड को अवशोषित करने के लिए कम गुंजाइश है।
दूसरी सीमा: "people amplification" "कोई भूमिका परिवर्तन नहीं" के समान नहीं है। उच्च ROI समूह में भूमिकाएँ काफी बदलती हैं। वे बस अधिक निर्णय, अधिक workflow स्वामित्व, और अधिक निर्णय अधिकारों की ओर बदलती हैं — समाप्ति की ओर नहीं। भेद यह है कि क्या संगठन वर्ष को अधिक या कम कुल निर्णय क्षमता के साथ समाप्त करता है। Gartner डेटा कहता है कि उच्च ROI समूह अधिक के साथ समाप्त करता है।
इस तिमाही का निर्णय
अभी से Q2 2026 के अंत तक एजेंटिक AI बजट को मंज़ूरी देने वाले Head of Operations के लिए, परिचालन निहितार्थ एक वाक्य में सिकुड़ता है:
कोई एजेंट खरीद अनुरोध तब तक हस्ताक्षरित नहीं होता जब तक अनुरोध करने वाली टीम ने उस मानव भूमिका का नाम नहीं लिया जिसके निर्णय को एजेंट बढ़ाता है, उस निर्णय-थ्रूपुट मीट्रिक को परिभाषित नहीं किया जिसे परिनियोजन हिलाएगा, और उपकरण निवेश के साथ भूमिका निवेश के लिए प्रतिबद्ध नहीं हुई।
यदि कोई विक्रेता प्रस्ताव उन तीन प्रश्नों का उत्तर नहीं दे सकता, तो यह AI ब्रांडिंग पहने एक लागत-कटौती कार्यक्रम है, और Gartner डेटा कहता है कि यह उस रिटर्न को उत्पन्न नहीं करेगा जिसका बिज़नेस केस वादा करता है। यदि कोई विक्रेता प्रस्ताव उनका उत्तर दे सकता है, तो यह AI परिनियोजनों के उस छोटे प्रतिशत के लिए उम्मीदवार है जो वास्तव में संयोजित होंगे। ट्राइएज लागत प्रति प्रस्ताव एक बैठक है। ट्राइएज छोड़ने की डाउनस्ट्रीम लागत, Gartner द्वारा अगले 24 महीनों के लिए पूर्वानुमानित खर्च स्तरों पर, बजट का अधिकांश हिस्सा है।
80% संख्या एक पूर्वानुमान नहीं है। यह पहले ही हो चुका है। अनुत्तरित प्रश्न यह है कि क्या ऑपरेशंस लीडरों की अगली पीढ़ी AI को इस आधार पर स्कोर करेगी कि वह क्या हटाता है या इस पर कि वह क्या बढ़ाता है — और उस प्रश्न का उत्तर आप इस तिमाही जिन requisitions पर हस्ताक्षर करते हैं उनमें दिया जाता है, उस strategy deck में नहीं जिसे आप अगले साल प्रस्तुत करते हैं।
