एआई उन्माद वैश्विक निर्णय-निर्माण को नष्ट कर रहा है
एक consultant का यह दावा कि पिछले 18 महीनों में उसने जिन भी AI initiatives को देखा, वे सभी विफल रहीं, कॉर्पोरेट जीवन में आज की “AI mania” की व्यापक जाँच को जन्म देता है। टिप्पणीकार चमकदार, executive‑driven chatbot और automation projects—जो अक्सर जरूरत से ज़्यादा वादे करते हैं, गलत तरीके से scope किए जाते हैं, और selection bias से ग्रस्त होते हैं—की तुलना code assistants या semantic search जैसे tools से मिलने वाले शांत, अधिक सीमित लाभों से करते हैं। कई लोग मौजूदा लहर को FOMO और शीर्ष स्तर पर accountability से बचने की प्रवृत्ति से प्रेरित एक और tech hype cycle मानते हैं, जिसमें वास्तविक लेकिन सीमित productivity benefits हैं और यदि संगठनों के पास स्पष्ट goals और guardrails नहीं हैं तो effort की बर्बादी और burnout का उच्च जोखिम है।
“AI projects” का दायरा और शांत सफलताएँ
- टिप्पणीकार सवाल उठाते हैं कि “AI project” किसे माना जाए (LLMs, क्लासिक ML, chatbots, vision, regressions, आदि)।
- कई लोगों का कहना है कि संकीर्ण, कम-चमकदार उपयोग (spellcheck-जैसे tools, dictation, semantic search, code assist, SQL generation) अच्छी तरह काम करते हैं, लेकिन उन्हें “AI project” के रूप में ब्रांड नहीं किया जाता।
- व्यक्तियों के लिए शांत productivity gains (जैसे advanced SQL, complex APIs सीखना, तेज़ prototyping) की व्यापक रिपोर्ट मिलती है, लेकिन ये अक्सर बड़े corporate “initiatives” के रूप में दिखाई नहीं देतीं।
लेख के 0% success दावे की आलोचना
- बहुत से लोग “0% success” को अतिशयोक्ति मानते हैं और कहते हैं कि यह लंबे समय से प्रभावी AI/ML को नज़रअंदाज़ करता है।
- अन्य लोग तर्क देते हैं कि consulting firm स्वाभाविक रूप से असफल, गलत तरीके से प्रबंधित projects को चुनती है और उसने AI implementation work को स्पष्ट रूप से अस्वीकार किया है, इसलिए उसका sample biased है।
- कुछ लोगों को इसका स्वर मनोरंजक लेकिन भव्य लगता है, तकनीकी विवरण कम है (RAG, evals, retrieval quality, आदि पर चर्चा नहीं है)।
AI projects बनाम AI-assisted work
- इस बात पर स्पष्ट भेद है:
- लोग off-the-shelf tools (code copilots, chatbots) का उपयोग अपने काम में सहायक के रूप में करें → काफी हद तक सकारात्मक लेकिन सीमित लाभ।
- संगठन custom AI systems (internal chatbots, automation, agentic workflows) बनाएं → अक्सर बहुत वादा करते हैं और कम देते हैं, robust बनाना कठिन, guardrails और consistency पर अक्सर विफल।
संगठनात्मक dysfunction और failure modes
- कई लोग कहते हैं कि अधिकांश विफलताएँ पारंपरिक software failures जैसी दिखती हैं: खराब management, अस्पष्ट लक्ष्य, trends के पीछे भागना, और maintenance के बजाय creation speed को महत्व देना।
- AI खराब विचारों को और बढ़ा सकता है: कमजोर प्रस्तावों को आसानी से चमकदार बनाना, बहुत बड़े लेकिन निम्न-गुणवत्ता वाले PRs तैयार करना, और पूरे संगठनों का समय बर्बाद करना।
- कुछ का तर्क है कि leaders को प्रक्रियाएँ (education, planning, quality checks) ठीक करनी चाहिए, बजाय AI को दोष देने या हार मान लेने के।
Mania, hype cycles, और निर्णय-निर्माण
- C‑suite में “AI mania” की मजबूत थीम है: FOMO, अवास्तविक 10–100× productivity claims, token-usage KPIs, और कर्मचारियों पर विश्वास जताने का दबाव।
- कई लोग इसकी तुलना पिछली bubbles (dot-com, blockchain, railway mania) से करते हैं; AI को वास्तव में उपयोगी भी और अत्यधिक प्रचारित भी माना जाता है।
- दीर्घकालिक प्रभाव पर बहस है: कुछ लोग परिवर्तनकारी बदलाव या यहाँ तक कि singularity की उम्मीद करते हैं; अन्य लोग स्पष्ट, बड़े पैमाने की सफलता की कहानियों की कमी देखते हैं और संदेह करते हैं कि हम bubble के बीच में हैं।