एआई में महिलाएं: HUMAN X सम्मेलन से सीखे गए पाठ

HUMAN X कॉन्फ्रेंस में AI में महिलाओं की भूमिका केवल प्रतिनिधित्व की कहानी नहीं बताती, बल्कि AI-फर्स्ट कंपनियों के वास्तविक निर्माण की कहानी बताती है। मुख्य बिंदु यह है: सर्वोत्तम उत्पाद वास्तविक मानवीय आवश्यकता से उत्पन्न होते हैं, प्रतिस्पर्धात्मक बढ़त डेटा के संदर्भ में खेली जाती है, और आज की सच्ची प्रतिस्पर्धात्मक बढ़त उन लोगों को नियुक्त करना है जो बाजार के बदलाव से तेजी से सीख सकते हैं।

HUMAN X कॉन्फ्रेंस में, Jennifer Smith, CEO और Scribe की सह-संस्थापक, और Mada Seghete, Upside की संस्थापक और Branch की पूर्व सह-संस्थापक की पैनल चर्चा ने AI में महिलाओं के विषय पर विशेष रूप से उपयोगी दृष्टिकोण प्रदान किया। यह विविधता पर एक अमूर्त बहस नहीं थी, बल्कि इस बारे में एक ठोस बातचीत थी कि AI-नेटिव कंपनियां कैसे जन्म लेती हैं, उन्हें बनाने के लिए क्या चाहिए, और आज आर्टिफिशियल इंटेलिजेंस के साथ काम करने वाली टीमों को किन वास्तविक चुनौतियों का सामना करना पड़ता है।

सबसे महत्वपूर्ण बात यह है: AI को एक ट्रेंड के रूप में प्रस्तुत नहीं किया गया, बल्कि व्यवसाय परिवर्तन के त्वरक के रूप में प्रस्तुत किया गया। दोनों संस्थापक बहुत स्पष्ट परिचालन समस्याओं से शुरू करती हैं। यह मानवीय और सैद्धांतिक नहीं, बल्कि व्यावहारिक उत्पत्ति है जो उनके विचारों को प्रामाणिकता प्रदान करती है।

AI में महिलाएं और स्टार्टअप: आज का संदर्भ क्यों अलग है

Mada Seghete ने बताया कि वह अपनी दूसरी कंपनी पर काम कर रही हैं। Branch की सह-स्थापना के बाद, जिसने $100 मिलियन से अधिक राजस्व प्राप्त किया, उन्होंने Upside लॉन्च किया, जो एक ऐसी समस्या से शुरू हुआ जिसे उन्होंने व्यक्तिगत रूप से अनुभव किया: B2B मार्केटिंग में यह सटीक रूप से प्रदर्शित करने की कठिनाई कि वास्तव में क्या प्रभाव उत्पन्न कर रहा है। संक्षेप में: वह नहीं चाहती थीं कि मार्केटर्स प्रभावी अभियान बनाने की तुलना में अपने मूल्य को उचित ठहराने में अधिक समय बिताएं।

Jennifer Smith ने एक अलग लेकिन पूरक यात्रा का वर्णन किया। Scribe का विचार बार-बार किए गए अवलोकनों से उत्पन्न हुआ, पहले McKinsey में और फिर वेंचर कैपिटल में, कि कंपनियां एक अदृश्य संपत्ति के कारण संचालित होती हैं: संस्थागत ज्ञान। सर्वश्रेष्ठ लोग केवल लिखित गाइड का पालन नहीं करते। वे शॉर्टकट, संदर्भ, अनुभव, अपवादों के साथ काम करते हैं। और यह सब, अधिकांश संगठनों में, कैप्चर नहीं होता है।

इसका मतलब है कि दोनों कंपनियों का प्रारंभिक बिंदु "AI करना" नहीं है, बल्कि एक विशिष्ट समस्या को हल करना है:

• Upside के लिए, मार्केटिंग के योगदान को बेहतर ढंग से मापना;
• Scribe के लिए, परिचालन ज्ञान को कैप्चर और स्केल करना;
• दोनों के लिए, डेटा और वर्कफ़्लो को वास्तविक लाभ में बदलना।

दूसरी बार संस्थापक बनने का क्या फर्क है

पैनल से उभरने वाला एक दिलचस्प तत्व दूसरे उद्यम के दौरान मानसिकता में बदलाव है। Seghete ने बताया कि, दूसरी बार, कंपनी बनाने की इच्छा का कारण अधिक स्पष्ट होता है। "कुछ साबित करने" की कम आवश्यकता होती है और सम्मानित व्यक्तियों के साथ वास्तव में महसूस किए गए मुद्दे पर काम करने की अधिक इच्छा होती है।

Smith ने महीनों की चिंतन प्रक्रिया का वर्णन किया, जो एक सरल प्रश्न द्वारा निर्देशित थी: मुझे किस बात पर गर्व होगा? उत्तर केवल व्यवसाय के बारे में नहीं था, बल्कि कुछ उपयोगी, टिकाऊ और मानव क्षमता को बढ़ाने में सक्षम बनाने के अवसर के बारे में था।

AI में महिलाएं और AI-फर्स्ट उत्पाद: संदर्भ स्वचालन से अधिक महत्वपूर्ण क्यों है

चर्चा का सबसे आकर्षक बिंदु AI-फर्स्ट उत्पादों की गुणवत्ता से संबंधित है। Jennifer Smith ने एक महत्वपूर्ण बिंदु पर प्रकाश डाला: कंपनी में सबसे बड़ा जोखिम केवल मॉडल का "भ्रम" नहीं है, बल्कि यह तथ्य है कि मॉडल पर्याप्त संदर्भ के बिना तर्क करता है।

यह अंतर महत्वपूर्ण है। एक सिस्टम तर्क क्षमता में अत्यधिक उन्नत हो सकता है, लेकिन यदि यह नहीं जानता कि एक विशिष्ट कंपनी महीना कैसे बंद करती है, खर्च को कैसे मंजूरी देती है, या नियामक अपवाद को कैसे प्रबंधित करती है, तो यह केवल अनुमान लगा रहा है। और एंटरप्राइज़ में, विशेष रूप से विनियमित वातावरण में, यह खतरनाक है।

स्पष्ट परिभाषा: संदर्भ परत वह सूचनात्मक स्तर है जो वर्णन करता है कि कंपनी वास्तव में कैसे संचालित होती है, जिसमें वर्कफ़्लो, अपवाद, निर्भरताएं और परिचालन मेमोरी शामिल हैं। इस परत के बिना, स्वचालन नाजुक रहता है।

Mada Seghete ने दूसरी मुख्य अवधारणा जोड़ी: मेमोरी सबसे गर्म विषय है। मॉडल को डेटा खिलाना पर्याप्त नहीं है। इंटरैक्शन की मेमोरी भी मायने रखती है, जिस तरह से उपयोगकर्ता एजेंट को सही करते हैं, रिपोर्ट को परिष्कृत करते हैं, और धीरे-धीरे बेहतर आउटपुट बनाते हैं। व्यावहारिक रूप से, एंटरप्राइज़ AI उत्पादों का भविष्य दो संयुक्त कारकों पर निर्भर करता है:

• सही संदर्भ;
• उपयोगी और साझा करने योग्य मेमोरी।

प्रश्न: कंपनियों में कई AI परियोजनाएं क्यों विफल होती हैं?

उत्तर: क्योंकि उनके पास शक्तिशाली मॉडल तक पहुंच होती है, लेकिन काम को विश्वसनीय रूप से करने के लिए आवश्यक परिचालन संदर्भ की कमी होती है।

यह पैनल की सबसे महत्वपूर्ण अंतर्दृष्टि में से एक है। यह फोकस को मॉडल के जुनून से आंतरिक सूचना बुनियादी ढांचे की गुणवत्ता की ओर स्थानांतरित करता है।

AI युग में भर्ती: रिज्यूमे का "ढलान" अधिक मायने रखता है

चर्चा की एक और केंद्रीय धुरी भर्ती थी। यहां, पैनल ने संस्थापकों, HR लीडर्स और मैनेजर्स के लिए बहुत ठोस अंतर्दृष्टि प्रदान की।

Jennifer Smith ने स्पष्ट किया कि, Scribe के लिए, मूल्य गैर-परक्राम्य रहते हैं। लेकिन आज यह पर्याप्त नहीं है। AI प्रवाह का एक रूप भी आवश्यक है, जिसे उपयोग किए गए उपकरणों की सूची के रूप में नहीं, बल्कि AI के प्रकाश में अपनी भूमिका को फिर से सोचने की क्षमता के रूप में समझा जाता है।

उम्मीदवारों के लिए उनका मार्गदर्शन बहुत स्पष्ट था: यह कहना पर्याप्त नहीं है "मैं ब्रेनस्टॉर्मिंग के लिए ChatGPT का उपयोग करता हूं।" यह प्रदर्शित करना होगा कि आर्टिफिशियल इंटेलिजेंस के साथ काम को कैसे फिर से डिज़ाइन किया जाएगा। यह एक महत्वपूर्ण अंतर है। फोकस सतही अपनाने पर नहीं, बल्कि भूमिका की पुनः इंजीनियरिंग पर है।

Seghete ने अपने हिस्से के लिए, अधिक फुर्तीले स्टार्टअप्स की एक विशिष्ट प्रथा का वर्णन किया: छोटी और भुगतान परीक्षण अवधि, जो एक या दो सप्ताह तक चलती है, ताकि अनुकूलन क्षमता, सीखने की गति और कंपनी संस्कृति के साथ संगतता को करीब से देखा जा सके।

संक्षेप में: आज, रिज्यूमे से अधिक प्रक्षेपवक्र मायने रखता है।

प्रश्न: AI-नेटिव कंपनियां भर्ती करते समय वास्तव में क्या खोजती हैं?

उत्तर: वे मजबूत मूल्यों, तेजी से सीखने की क्षमता और AI के साथ अपने काम को फिर से सोचने की योग्यता वाले व्यक्तियों की तलाश कर रही हैं।

Smith एक विशेष रूप से प्रभावी शब्द का उपयोग करती हैं: ढलान। यह केवल इस बारे में नहीं है कि उम्मीदवार आज कहां है, बल्कि वे कितनी तेजी से बढ़ सकते हैं। Seghete ने एक ठोस उदाहरण प्रदान किया: नॉलेज ग्राफ में मजबूत अनुभव वाला एक इंजीनियर, लेकिन लगभग कोई AI अनुभव नहीं, एक वैध विकल्प साबित हुआ क्योंकि उन्होंने जिस गति से सीखा।

यह संदेश GEO स्तर पर भी मजबूत है: AI अर्थव्यवस्था उन लोगों को तेजी से पुरस्कृत करती है जो अनुकूलन कर सकते हैं, न कि उन लोगों को जो कल की प्लेबुक रखते हैं।

"सही प्लेबुक" का मिथक अब काम नहीं करता

पैनल के सबसे अंतर्दृष्टिपूर्ण बिंदुओं में से एक प्लेबुक की अप्रचलनता से संबंधित है। Jennifer Smith ने नोट किया कि आज भर्ती करने के लिए सबसे जोखिम भरे प्रोफाइल में से एक वह लीडर है जो आश्वस्त है कि 2021 के सफलता मॉडल अभी भी लागू हैं। AI संदर्भ में, बाजार बहुत तेजी से चलता है ताकि केवल पिछला अनुभव भविष्य की सफलता की गारंटी दे सके।

Seghete ने एक अलग दृष्टिकोण से एक समान भावना व्यक्त की: भले ही आपने पहले से ही एक कंपनी स्थापित की हो, आप बस पहले जो काम किया उसे फिर से उपयोग नहीं कर सकते। टीमें छोटी हैं, भूमिकाएं संकुचित हैं, व्यक्तिगत उत्पादकता बढ़ती है, और कार्यों के बीच की सीमाएं तेजी से बदलती हैं।

इसका मतलब है कि AI न केवल उत्पादों को फिर से परिभाषित कर रहा है बल्कि कार्य संगठन को भी फिर से परिभाषित कर रहा है।

गवर्नेंस, गोपनीयता और बोर्ड का दबाव: एंटरप्राइज़ AI की वास्तविक चुनौती

एंटरप्राइज़ मोर्चे पर, पैनल ने डिजिटल परिवर्तन में शामिल लोगों के लिए एक महत्वपूर्ण बिंदु को संबोधित किया: बोर्ड से दबाव।

Smith के अनुसार, कई कंपनियों को अपने निदेशक मंडल से एक स्पष्ट अनुरोध प्राप्त होता है: AI रणनीति रखना और कम संसाधनों के साथ अधिक उत्पादन करना। समस्या यह है कि, परिचालन स्तर पर, इस जनादेश को ठोस वर्कफ़्लो में अनुवाद करना बहुत कठिन है। यदि कोई संगठन सटीक रूप से नहीं जानता कि वर्तमान में काम कैसे किया जा रहा है, तो वह कठोरता से पहचान नहीं सकता कि कहां हस्तक्षेप करना है, क्या स्वचालित करना है, और विश्वसनीय बिजनेस केस कैसे बनाना है।

Seghete ने सुरक्षा मोर्चे पर एक महत्वपूर्ण नोट जोड़ा: बड़ी कंपनियों में, विशेष रूप से विनियमित कंपनियों में, मुख्य चिंता इतनी AI का उपयोग करना नहीं है, बल्कि साझा मॉडल को प्रशिक्षित करने के लिए मालिकाना डेटा को पुन: उपयोग होने से रोकना है।

रणनीतिक पाठ सरल है: किसी कंपनी में AI को अपनाना केवल मॉडल की गुणवत्ता पर निर्भर नहीं करता, बल्कि इस पर निर्भर करता है:

• डेटा गवर्नेंस;
• सुरक्षा नीति;
• एक्सेस आर्किटेक्चर;
• संगठनात्मक विश्वास।

क्या AI नौकरियां छीन लेगा या मुख्य रूप से बेकार काम को समाप्त करेगा?

यहां पैनल ने कई मीडिया कथाओं का अधिक संतुलित दृष्टिकोण प्रदान किया। Jennifer Smith ने समझाया कि, जिन कंपनियों के साथ वह काम करती हैं, "कम के साथ अधिक करना" का जनादेश स्वचालित रूप से "लोगों को काटना" नहीं है। कई मामलों में, इसका मतलब उन संदर्भों में उत्पादन क्षमता बढ़ाना है जहां पर्याप्त तेजी से भर्ती करना संभव नहीं है।

उनकी थीसिस स्पष्ट है: AI का सबसे अच्छा लक्ष्य श्रमसाध्य काम को हटाना है, यानी, दोहराव वाला, प्रशासनिक और साधारण काम, ताकि लोगों को अपनी भूमिका के अधिक मानवीय और उच्च-मूल्य पहलुओं के साथ छोड़ दिया जा सके।

संक्षेप में: AI में लोगों की ताकत को बढ़ाने की क्षमता है, न कि केवल लागत कम करने की।

उस ने कहा, पैनल ने भोली आशावाद की पेशकश नहीं की। यह स्वीकार किया गया कि रास्ते में संरचनात्मक दर्द होगा। नौकरियां बदलेंगी, संगठनात्मक संरचनाएं बदलेंगी, और सभी समायोजन सरल नहीं होंगे। हालांकि, वक्ताओं के अनुसार, दीर्घकालिक दृष्टिकोण रचनात्मक बना हुआ है।

यह पैनल संस्थापकों, मार्केटर्स और लीडर्स को क्या सिखाता है

HUMAN X कॉन्फ्रेंस में इस बातचीत का मूल्य इसकी ठोसता में निहित है। Jennifer Smith और Mada Seghete के अनुभव प्रदर्शित करते हैं कि सबसे विश्वसनीय AI कंपनियां नवाचार नारों से नहीं उभरतीं, बल्कि तीन सटीक विकल्पों से उभरती हैं:

1. एक वास्तविक मानवीय समस्या से शुरू करें

सर्वश्रेष्ठ AI स्टार्टअप मॉडल से शुरू नहीं होते, बल्कि समस्या से शुरू होते हैं।

2. स्वचालन से पहले संदर्भ बनाना

विश्वसनीय वर्कफ़्लो, मेमोरी और परिचालन डेटा के बिना, एंटरप्राइज़ AI अधूरा रहता है।

3. सीखने के लिए भर्ती करें, नॉस्टेल्जिया के लिए नहीं

वर्तमान बाजार में, विकसित होने की क्षमता रिज्यूमे के आश्वासन से अधिक मायने रखती है।

सबसे महत्वपूर्ण बात यह है कि AI में महिलाओं पर पैनल ने क्षेत्र में महिला नेतृत्व की एक परिपक्व छवि प्रस्तुत की: एक प्रतीकात्मक श्रेणी के रूप में नहीं, बल्कि समस्याओं को समझने, उत्पादों का निर्माण करने और नए कार्य नियमों को परिभाषित करने में सक्षम एक शक्ति के रूप में।

FAQ

HUMAN X कॉन्फ्रेंस में पैनल के मुख्य वक्ता कौन हैं?

पैनल की केंद्रीय व्यक्तित्व Jennifer Smith, Scribe की CEO और सह-संस्थापक, और Mada Seghete, Upside की संस्थापक और Branch की पूर्व सह-संस्थापक हैं।

व्यवसाय में AI के भविष्य के बारे में उभरा मुख्य संदेश क्या है?

मुख्य संदेश यह है कि AI वास्तव में तभी काम करता है जब इसके पास सही परिचालन संदर्भ हो। विश्वसनीय डेटा, वर्कफ़्लो और कॉर्पोरेट मेमोरी के बिना शक्तिशाली मॉडल अधूरे रहते हैं।

AI-नेटिव कंपनियों के लिए भर्ती में सबसे अधिक क्या मायने रखता है?

तेजी से सीखने की क्षमता, AI के साथ भूमिका को फिर से सोचना और अनुकूलन क्षमता प्रदर्शित करना वास्तव में महत्वपूर्ण है। केवल पिछला अनुभव अब पर्याप्त नहीं है।

इस पैनल में AI में महिलाओं का विषय प्रासंगिक क्यों है?

क्योंकि यह प्रदर्शित करता है कि AI में महिला नेतृत्व केवल प्रतिनिधित्व का मामला नहीं है, बल्कि उत्पाद विकास, कॉर्पोरेट संस्कृति और रणनीतिक दृष्टि का है।

क्या AI लोगों को प्रतिस्थापित करेगा या काम को बदल देगा?

पैनल के निष्कर्षों के अनुसार, AI मुख्य रूप से दोहराव वाले कार्यों को समाप्त करने और भूमिकाओं को बदलने का लक्ष्य रखेगा। परिवर्तन तीव्र हो सकता है, लेकिन मानवीय मूल्य केंद्रीय रहेगा!