एआय मॅच्युरिटी: तुमच्या संस्थेसाठी याचा अर्थ काय आहे

केवळ एआय टूल्स असण्यापलीकडे जाऊन, एखाद्या संस्थेचा एआयचा वापर किती विकसित आणि विचारपूर्वक आहे हे एआय मॅच्युरिटी मोजते. बहुतेक फ्रेमवर्क याचे वर्णन एआय मॅच्युरिटी मॉडेल असे करतात, जे सुरुवातीच्या, असंरचित प्रयोगांपासून ते संपूर्ण एआय एकात्मिकरणाकडे मार्गक्रमण करते.

सर्वात सुरुवातीच्या टप्प्यात, मोजकेच कर्मचारी स्वतःहून एआयचा वापर करतात. कोणा kडूनही त्याला मंजुरी मिळालेली नसते किंवा कोणालाही त्याचे प्रशिक्षण दिलेले नसते. निकाल विसंगत असतात आणि इतर कोणीही ते काम क्वचितच पुन्हा वापरते.

पुढील टप्प्यात, टीम्स संरचित पायलट रन करतात. एखादा विभाग विशिष्ट कार्य निवडतो, ते एआयसह चालवतो आणि ते किती चांगले काम केले हे मोजतो. वैद्यकीय प्रमाणन परीक्षा घेणारी एक नॉन-प्रॉफिट संस्था Inteleos ने, कमी जोखमीचे क्विझ प्रश्न तयार करण्यात मदत करण्यासाठी Perplexity Enterprise सादर केले. पायलट यशस्वी झाल्यानंतर, Perplexity चा वापर Inteleos टीमच्या ८८% भागापर्यंत वाढवण्यात आला.

जसजशा कंपन्या अधिक एआय मॅच्युर होतात, तसतशा त्या मानक वर्कफ्लोमध्ये एआय टूल्स तयार करू लागतात आणि त्यांना कंपनीच्या डेटा व सिस्टम्सशी जोडतात. उदाहरणार्थ, Paypal मध्ये, एंटरप्राइझ रिस्कमधील टीम्स मालकी तपशिलांचे क्रॉस-रेफरन्सिंग करून आणि संशयास्पद खात्यांची नोंद करून आयडी सत्यापित करण्यासाठी, मानक सुरक्षा वर्कफ्लोचा एक भाग म्हणून Perplexity वापरतात.

आणि, सर्वात मॅच्युर टप्प्यात, कंपनीने एआयचा पूर्णपणे समावेश करण्यासाठी त्यांची उत्पादने, व्यवसाय मॉडेल किंवा ऑपरेशन्स अनुकूल केली आहेत. ते एजंट एआय सिस्टम्स आणि मॉडेल्सचा देखील वापर करू शकतात जे एकमेकांना कामे सोपवतात. उदाहरणार्थ, Rox मध्ये, एआय थेट उत्पादनामध्येच तयार केले आहे: एजंट्स सेल्स संशोधन आणि CRM देखभालीचे भाग स्वयंचलित करतात, तर Perplexity चे API त्या वर्कफ्लोसना समर्थन देणारी बाह्य बुद्धिमत्ता पुरवतात.

मॅकिन्सेच्या २०२६ च्या सर्वेक्षणातील ८0% उत्तरदात्यांनी अहवाल दिल्याप्रमाणे, एआय कडून वैयक्तिक उत्पादकता लाभ तुलनेने सामान्य आहेत. परंतु केवळ ३७% लोकांनी सांगितले की यामुळे त्यांच्या संस्थेच्या EBIT मध्ये योगदान मिळाले आहे.

निकालांमधील फरक कंपनीच्या एआय वापराच्या मॅच्युरिटीशी संबंधित असल्याचे दिसते. मॅकिन्सेचे एआय हाय परफॉर्मर्स, जे उत्तरदात्यांपैकी सुमारे ६% आहेत, ते EBIT च्या किमान ५% एआयमुळे असल्याचे श्रेय देतात आणि या मूल्याचे वर्णन महत्त्वपूर्ण असे करतात.

मॅच्युर एआय प्रोग्राम असलेल्या कंपन्यांमध्ये काही मुख्य वर्तन समान असतात:

त्यांनी एआय सोल्यूशन्सभोवती वर्कफ्लोची पुनर्रचना केली आहे. इतर उत्तरदात्यांपैकी एक चतुर्थांश लोकांच्या तुलनेत, मॅकिन्सेच्या उच्च कामगिरी करणाऱ्यांपैकी जवळजवळ तीन चतुर्थांश लोकांनी एआय मुळे वर्कफ्लोची पुनर्रचना केली होती.
वरिष्ठ नेतृत्व एआय वापराबद्दल कटिबद्ध आहे. सर्वोच्च एआय मॅच्युरिटी गुण असलेल्या ५% कंपन्यांपैकी जवळपास सर्वच कंपन्यांमध्ये खोलवर जोडलेल्या सी-सुइट्सचा अहवाल मिळतो, तर सर्वात कमी गुण असलेल्या ६0% कंपन्यांपैकी ८% कंपन्यांमध्ये अशी स्थिती असते, असे १,२५0 अधिकार्यांच्या बीसीजीच्या २०२५ च्या अभ्यासात दिसून आले आहे.
त्या कर्मचाऱ्यांसाठी एआय कौशल्य विकासाला प्राधान्य देतात. सर्वात कमी गुण मिळवणाऱ्या कंपन्यांमधील २०% लोकांच्या तुलनेत, सर्वोच्च गुण मिळवणाऱ्या त्याच कंपन्यांनी त्या वर्षी त्यांच्या ५०% पेक्षा जास्त कार्यसंघाला एआय वर प्रशिक्षित करण्याची अपेक्षा केली होती.
त्यांनी एजंट एआय सोल्यूशन्स सादर केली आहेत. मॅकिन्सेचे हाय परफॉर्मर्स बहुतांश व्यावसायिक कार्यांमध्ये एजंट्सचे प्रमाण वाढवण्याची शक्यता ३ पटहून अधिक होती.

गार्टनरचे एआय मॅच्युरिटी मॉडेल एखाद्या संस्थेच्या प्रक्रियांमध्ये एआय किती चांगल्या प्रकारे समाकलित केले आहे यावर त्यांच्या मॅच्युरिटीचे मूल्यांकन करते. हे धोरण, डेटा, गव्हर्नन्स, अभियांत्रिकी, ऑपरेटिंग मॉडेल, संस्कृती आणि एआय मूल्य या सात क्षेत्रांमध्ये एखाद्या संस्थेला स्वतंत्रपणे गुण देते. संस्था त्यानंतर खालील पाच टप्प्यांपैकी एका टप्प्यात समूहित केल्या जातात:

फाउंडेशनल: प्रायोगिक वापर, कमी समन्वय
इमर्जिंग: सुरुवातीचे पायलट चालवले, काही कार्यकारी स्वारस्य
ऑपरेशनल: व्यवसाय प्रक्रियेमध्ये एआयचा वापर
स्केल्ड: अनेक फंक्शन्समध्ये एआयचा वापर, मोजता येण्याजोगे ROI प्रदान करणे
ट्रान्सफॉर्मेशनल: निर्णय घेणे आणि ऑपरेटिंग मॉडेल्सवर प्रभाव टाकणारे एआय, अर्थपूर्ण स्पर्धात्मक फायदा प्रदान करणे

डेलॉइटचे एआय ऑटोमेशन मॅच्युरिटी मॉडेल कंपनीच्या प्रक्रियांमध्ये एजंट किती खोलवर तयार केले गेले आहेत याद्वारे विशेषतः मॅच्युरिटी मोजते.

लेव्हल १: कोणतेही एजंट सामील नसलेले मानक स्वयंचलन.
लेव्हल २: मूलभूत स्वयंचलन, विद्यमान प्रक्रियांमध्ये एजंट्सचा प्रवेश.
लेव्हल ३: एजंट्स काय करू शकतात याभोवती प्रक्रिया सक्रियपणे पुन्हा डिझाइन केल्या आहेत.
लेव्हल ४: संस्था स्वतः एआय क्षमतेभोवती पुनर्रचित केली जाते.

गुगल क्लाउडचे एआय ॲडॉप्शन फ्रेमवर्क तीन टप्प्यांमध्ये मॅच्युरिटी ट्रॅक करते.

टॅक्टिकल: साधा, अरुंद एआय वापराचे प्रकरण, अनेकदा पुढे काय येईल याबद्दल सुसंगत योजनेशिवाय.
स्ट्रॅटेजिक: एआय टिकाऊ व्यावसायिक मूल्य वितरीत करते, उत्पादनात अनेक सिस्टम्स तैनात आणि राखल्या जातात.
ट्रान्सफॉर्मेशनल: एआय हे संस्थेचे केंद्रस्थानी आहे, नाविन्यपूर्णतेला चालना देते आणि ते आणखी वाढवण्यासाठी संरचनेद्वारे समर्थित आहे.

हे मॅच्युरिटीचे सहा थीममध्ये विभाजन करते, प्रत्येक थीम दोन मुख्य क्षेत्रे, लोक, प्रक्रिया, तंत्रज्ञान आणि डेटा यांच्या छेदनबिंदूवर तयार केली जाते.

शिका (Learn): एआय कौशल्य निर्माण करण्यासाठी प्रोग्रामची गुणवत्ता आणि प्रमाण.
नेतृत्व करा (Lead): एआय कामाला नेतृत्वाचा पाठिंबा आहे का आणि टीम्समध्ये समन्वय आहे का.
प्रवेश (Access): संपूर्ण संस्थेमध्ये डेटा आणि एआय मालमत्ता किती सहजपणे सामायिक केली जाऊ शकतात आणि पुन्हा वापरल्या जाऊ शकतात.
स्केल (Scale): क्लाउड-नेटिव्ह सेवा वास्तविक व्हॉल्यूमवर एआय वर्कलोड हाताळू शकतात का.
सुरक्षित (Secure): डेटा आणि एआय सिस्टम्सचे किती चांगले संरक्षण केले जाते आणि जबाबदारीने नियंत्रण ठेवले जाते.
ऑटोमेट (Automate): उत्पादन प्रक्रियेत एआय सिस्टम्स किती विश्वासार्हपणे चालतात.

फ्रेमवर्क फोकस आणि मोजमापाच्या बाबतीत भिन्न असले तरी, ते समान मॅच्युरिटी प्रवास दर्शवतात: असंरचित प्रयोग, नंतर नेतृत्वाच्या समर्थनासह पायलट, नंतर दैनंदिन कामात तयार केलेले एआय, आणि शेवटी संस्थेलाच पुनर्रूप देणारे एआय.

चार अडथळे सहसा संस्थांमधील एआय मॅच्युरिटीच्या मार्गात येतात. त्यांना कसे हाताळावे ते येथे आहे:

क्रॉस-फंक्शनल एआय पायलट सादर करताना, प्रथम एआय युज केस निवडा, नंतर तो ज्या एक किंवा दोन डेटा स्त्रोतांवर अवलंबून आहे ते ओळखा. खात्री करा की ते स्त्रोत खालीलप्रमाणे आहेत:

संघटित: युज केसला आवश्यक असलेले रेकॉर्ड्सच एकाच ठिकाणी ठेवा.
अचूक: डुप्लिकेट काढून टाका, जुने रेकॉर्ड दुरुस्त करा आणि त्रुटी तपासा.
मालकी असलेले: अशा व्यक्तीची नियुक्ती करा जी डेटा अचूक ठेवेल आणि कोण तो बदलू शकेल हे ठरवेल.

पहिल्या डेटा स्त्रोतांकडून विश्वासार्ह उत्तरे मिळाल्यानंतरच अधिक डेटा स्त्रोत जोडा. सामायिक केलेले शब्द परिभाषित करा, जसे की सक्रिय ग्राहक कशाला मानले जाते, एकाच ठिकाणाहून एआय टूल वाचते.

लोकांसाठी त्यांच्या स्वतःच्या कामावर, एकट्याने किंवा समूहात, एआयचा सराव करण्यासाठी कॅलेंडरवर दररोज किंवा साप्ताहिक आवर्ती ब्लॉक ठेवा. एआय स्त्रोत कसे तपासावेत आणि त्याचे आउटपुट कसे मूल्यांकन करावे हे कर्मचाऱ्यांना शिकवा.

नवीन एआय वर्कफ्लो रोल आउट करण्यापूर्वी, ते कार्य करणाऱ्या लोकांना पायऱ्या खाली लिहिण्यास सांगा, एआय आवृत्ती वापरून पहा आणि ते कोठे कमी पडते ते सांगा. आधीपासून वापरात असलेल्या टूल्सशी एआय कनेक्ट करा आणि विस्तृत रोलआउटपूर्वी काही वापरकर्त्यांसह चाचणी करा.

टूल्स, डेटा आणि पुनरावलोकनाबद्दलचे स्पष्ट नियम जोखिम न वाढवता एआयचा वापर जलदपणे वाढवू आणि स्केल करू देतात. मंजूर टूल्सची छोटी यादी प्रकाशित करा आणि कंपनी साइन-इन आवश्यक करा. डेटा टियर सेट करा जे सांगतात की कोणत्या प्रकारचा डेटा कोणत्या टूल्समध्ये जाऊ शकतो.

प्रत्येक प्रकारच्या कामाला किती मानवी पुनरावलोकनाची आवश्यकता आहे हे ठरवा, प्रत्येक एआय-सहाय्यित वर्कफ्लोचे तीन श्रेणींपैकी एका वर्गवारीत वर्गीकरण करा: एआयच्या मालकीचे, मानवाद्वारे पुनरावलोकन केलेले किंवा मानवाच्या मालकीचे. आणि कोणत्या कामासाठी कोणती एआय टूल्स वापरली गेली आणि आउटपुटचे पुनरावलोकन कोणी केले याची नोंद ठेवा, जेणेकरून चूक त्याच्या स्त्रोतापर्यंत शोधली जाऊ शकेल आणि सुधारली जाऊ शकेल.

स्टॅग्नेट होणाऱ्या कंपन्यांपैकी १७% कंपन्यांच्या तुलनेत, सर्वोच्च मॅच्युरिटी गुण असलेल्या ६०% पेक्षा जास्त कंपन्या कठोरपणे एआय मूल्याचा मागोवा घेतात, असे बीसीजीला आढळले. एक मोजण्यायोग्य वर्कफ्लो निवडा आणि बेसलाईन रेकॉर्ड करा: वेळ, किंमत आणि त्रुटी दर. पायलट सुरू होण्यापूर्वी यश निकष आणि निर्णय तारीख सेट करा. पहिल्या दिवसापासून प्रति वापर किंमत ट्रॅक करा आणि परिणाम बेसलाईनपेक्षा चांगले झाल्यानंतरच स्केल करा.

एआय ॲडॉप्शन: एआय टूल्सचा किती प्रमाणात वापर केला जात आहे. हे सहसा एआय मॅच्युरिटीच्या बदल्यात वापरले जाते, परंतु दोन्ही भिन्न आहेत: मॅच्युरिटी म्हणजे संपूर्ण संस्थेमध्ये एआयचा पद्धतशीर वापर. ॲडॉप्शन म्हणजे किती लोक ते वापरत आहेत.

एआय रेडीनेस: एआयचा चांगल्या प्रकारे वापर करण्यासाठी इन्फ्रास्ट्रक्चर आणि डेटा जागेवर आहे का. एखादी संस्था स्वच्छ डेटा आणि ठोस इन्फ्रास्ट्रक्चर असू शकते आणि तरीही मॅच्युरिटीमध्ये मागे राहू शकते, जर तिने एआयच्या क्षमतेभोवती आपले ऑपरेशन जुळवून घेतले नसेल.

एआय मॅच्युरिटी: एआय किती विचारपूर्वक आणि प्रभावीपणे वापरला जात आहे. ॲडॉप्शन आणि रेडीनेसमुळे मॅच्युरिटी शक्य होते परंतु त्याची हमी मिळत नाही.

एआय गव्हर्नन्स: नियम आणि प्रक्रिया जे ठरवतात की संस्थेमध्ये एआय जबाबदारीने कसा वापरला जातो, नवीन युज केसेसना कोण मंजुरी देतो आणि कशाचे पुनरावलोकन केले जाते.

एजंटिस एआय: एआय सिस्टम्स ज्या केवळ एकाच प्रॉम्प्टला प्रतिसाद देण्याऐवजी स्वतःहून कृती करू शकतात आणि बहु-स्तरीय कार्ये अंमलात आणू शकतात.

ऑर्केस्ट्रेशन: एकाच ठिकाणी प्रत्येक टूल वापरण्याऐवजी, एकाधिक एआय एजंट्स चालवणे, जिथे एकजण दुसऱ्याला कामाचा काही भाग सोपवू शकतो.

काही प्रश्नांची उत्तरे देऊन कोणत्याही कर्मचाऱ्याला त्यांची संस्था कुठे उभी आहे याची ढोबळ कल्पना येऊ शकते.

	विचारायचे प्रश्न
धोरण (Strategy)	या कंपनीत AI साठी असे काही ठोस उद्दिष्ट आहे का, जे परत सांगता येईल इतके विशिष्ट आहे? एआय वापरासाठी पुढील तिमाहीच्या योजनेत विशिष्ट ध्येयांचा समावेश आहे का? एआय निर्णयांसाठी जबाबदार असलेला वरिष्ठ अधिकारी किंवा टीम आहे का?
डेटा	एआय टूल्सना सामान्यतः संबंधित संदर्भ, मागील संभाषणे, कागदपत्रे, रेकॉर्ड्समध्ये प्रवेश असतो का, किंवा प्रत्येक वेळी तो मॅन्युअली प्रविष्ट केला जातो? एआय वापरण्याचा एखादा उपयुक्त मार्ग सापडल्यास, तो उर्वरित टीमसोबत सामायिक केला जातो का? एआय टूल्स कनेक्ट होणारे केंद्रीय डेटा भांडार आहे का, किंवा प्रत्येक टीम स्वतःचे व्यवस्थापन करते?
गव्हर्नन्स	एआय मुळे गंभीर त्रुटी निर्माण झाल्यास, ती पकडण्यासाठी कोणतीही विद्यमान प्रक्रिया आहे का आणि पुढे काय होते? पुनरावलोकनाशिवाय एआय काय करू शकते यावर परिभाषित मर्यादा आहेत का, किंवा प्रत्येक केसनुसार ठरवले जाते? नवीन एआय युज केसला मंजुरीची आवश्यकता असेल का, किंवा कोणीही नवीन टूल स्वतःहून वापरण्यास सुरुवात करू शकेल का?
तंत्रज्ञान	वापरात असलेली एआय टूल्स एकमेकांशी जोडलेली आहेत का, जेणेकरून एकजण दुसऱ्याला काम सोपवू शकेल, किंवा प्रत्येकजण स्वतःहून कार्य करतो? नवीन एआय-सहाय्यित वर्कफ्लो सेट करण्यासाठी आयटी किंवा अभियांत्रिकी समर्थनाची आवश्यकता असेल का?
प्रतिभा (Talent)	गेल्या सहा महिन्यांत AI मुळे कोणतेही विशिष्ट काम बदलले आहे का? एआयचा चांगल्या प्रकारे कसा वापर करावा यावर कोणतेही औपचारिक प्रशिक्षण आहे का, किंवा प्रत्येकाने स्वतःहून ते शोधून काढले आहे?

Perplexity Computer प्रत्येक टूल स्वतंत्रपणे चालवण्याऐवजी संशोधन, विश्लेषण, सामग्री आणि कोड कव्हर करून २० प्रगत मॉडेल्स एकाच सिस्टममध्ये आणून संस्थात्मक एआय मॅच्युरिटीच्या प्रवासास समर्थन देते. हे त्या मॉडेल्समध्ये थेट काम रूट करते, ज्या प्रकारची ऑर्केस्ट्रेशन मॅच्युरिटीच्या अधिक प्रगत टप्प्यांचे प्रतीक आहे.

एआय मॅच्युरिटी मॉडेल म्हणजे काय?
एक फ्रेमवर्क जे एखाद्या संस्थेच्या एआय क्षमतेचे गुणंकन करते आणि एआयचा वापर किती विकसित आणि विचारपूर्वक केला गेला आहे यावर आधारित त्याला एक पातळी नियुक्त करते.

एआय मॅच्युरिटीचे टप्पे काय आहेत?
मोठ्या प्रमाणातील फ्रेमवर्क समान कंस वर्णन करतात: असंरचित प्रयोग, नंतर संरचित पायलट, नंतर दैनंदिन वर्कफ्लोमध्ये तयार केलेले एआय, आणि नंतर स्वायत्ततेसह संपूर्ण संस्थेत चालणारे एआय.

एआय मॅच्युरिटी एआय ॲडॉप्शनपेक्षा कशी वेगळी आहे?
ॲडॉप्शन एआय टूल्सचा अजिबात वापर केला जात आहे की नाही हे मोजते. मॅच्युरिटी ते किती प्रभावीपणे वापरत आहेत हे मोजते.

एआय मॅच्युरिटी आणि एआय रेडीनेसमध्ये काय फरक आहे?
रेडीनेस एआयचा चांगल्या प्रकारे वापर करण्यासाठी इन्फ्रास्ट्रक्चर आणि डेटा जागेवर आहे का हे मोजते. मॅच्युरिटी मोजते की संस्थेने खरोखर त्या क्षमतेभोवती आपले ऑपरेशन तयार केले आहे का.

एआय गव्हर्नन्स म्हणजे काय?
नियम आणि प्रक्रिया जे ठरवतात की संस्थेमध्ये एआय जबाबदारीने कसा वापरला जातो, नवीन युज केसेसना कोण मंजुरी देतो आणि तैनातीपूर्वी कशाचे पुनरावलोकन केले जाते याचा समावेश आहे.

एजंटिस एआय म्हणजे काय?
एआय सिस्टम्स ज्या केवळ एकाच प्रॉम्प्टला प्रतिसाद देण्याऐवजी बहु-स्तरीय कार्ये पार पाडत स्वतःहून कृती करू शकतात.

एआय ऑर्केस्ट्रेशन म्हणजे काय?
प्रत्येक टूल स्वतंत्रपणे वापरण्याऐवजी, एकाधिक एआय मॉडेल्स किंवा सिस्टम्स एकत्र चालवणे, जेणेकरून एकजण दुसऱ्याला कामाचा काही भाग सोपवू शकेल.

संस्था आपली एआय मॅच्युरिटी कशी सुधारू शकते?
स्पष्ट मालकीसह संरचित पाइलट्जच्या दिशेने स्वतंत्र प्रयोगांच्या पलीकडे जाऊन, नंतर वास्तविक डेटा आणि वर्कफ्लोशी एआय जोडून, आणि पुनरावलोकनाशिवाय एआय कुठे कार्य करू शकते यासाठी गव्हर्नन्स तयार करून.

एआय मॅच्युरिटीचा अर्थ काय आहे

एआय मॅच्युरिटी महत्त्वाची का आहे

एआय मॅच्युरिटी: लोकप्रिय फ्रेमवर्क

एआय मॅच्युरिटी: सामान्य अडथळे

१. डेटा गुणवत्ता

२. कौशल्ये

३. गव्हर्नन्स

४. व्यावसायिक मूल्य

एआय मॅच्युरिटी: एक शब्दकोश

एआय मॅच्युरिटी: द्रुत स्व-मूल्यांकन

Perplexity कुठे बसते

सतत विचारले जाणारे प्रश्न (FAQs)