സ്ഥാപനങ്ങളുടെ എഐ നിക്ഷേപങ്ങളിൽ ഭൂരിഭാഗവും കാണാവുന്ന പരാജയത്തിൽ അവസാനിക്കുന്നില്ല. അവ നല്ലൊരു പൈലറ്റ് ഉണ്ടാക്കുന്നു, പിന്നെ ഒന്നുമില്ല. എന്തുകൊണ്ടെന്നും, മുന്നോട്ടു കടക്കുന്ന സ്ഥാപനങ്ങൾ വ്യത്യസ്തമായി എന്തു ചെയ്യുന്നുവെന്നും ഇവിടെ.
This article was translated from the English original. Translations are machine-assisted and reviewed on a rolling basis.
ഏറ്റവും ശ്രദ്ധയാകർഷിക്കുന്ന എഐ പരാജയങ്ങൾ ഏറ്റവും സാധാരണമായവയല്ല. വാർത്തയായ ഒരു റൈറ്റ്-ഡൗൺ, ദോഷകരമായ ഉത്തരങ്ങൾ നൽകിയ ഒരു മോഡൽ, പിൻവലിക്കേണ്ടിവന്ന ഒരു വിന്യാസം: ഇവ റിപ്പോർട്ട് ചെയ്യപ്പെടുന്നത് അസാധാരണമായതുകൊണ്ടു മാത്രമാണ്. പതിവു ഫലം കൂടുതൽ നിശ്ശബ്ദവും ഏറെ ചെലവേറിയതുമാണ്: പ്രവർത്തിച്ച ഒരു പൈലറ്റ്, അംഗീകരിക്കപ്പെട്ട ഒരു ബിസിനസ് കേസ്, പിന്നെ തുടർന്നുള്ള 12 മാസങ്ങളിൽ ആരും ഔദ്യോഗികമായി പ്രഖ്യാപിക്കാത്ത ഒരു ക്രമേണയുള്ള മന്ദഗതി.
പൂർണ്ണ ഉൽപ്പാദനത്തിലേക്ക് എത്തുന്ന എഐ പൈലറ്റുകൾ 54% ത്തിൽ താഴെയാണെന്ന് Gartner കണ്ടെത്തി. മിക്കവാറും എല്ലാ വലിയ സ്ഥാപനങ്ങളും പരീക്ഷണങ്ങൾ നടത്തുന്നുണ്ടെങ്കിലും, വിന്യാസത്തിൽ പൂർണ്ണമായി പക്വത നേടിയെന്ന് സ്വയം വിശേഷിപ്പിക്കുന്നത് 1% കമ്പനികൾ മാത്രമാണെന്ന് McKinsey യുടെ 2025 State of AI റിപ്പോർട്ട് കണ്ടെത്തി. «ഞങ്ങൾക്ക് പൈലറ്റുകളുണ്ട്» എന്നതിനും «ഞങ്ങൾക്ക് ഉൽപ്പാദനത്തിൽ എഐ ഉണ്ട്» എന്നതിനുമിടയിലുള്ള ഈ വിടവാണ് 2026 ലെ എന്റർപ്രൈസ് എഐയുടെ നിർണ്ണായക പ്രവർത്തന വെല്ലുവിളി.
പരാജയപ്പെട്ടവയുടെ പട്ടിക തയ്യാറാക്കുന്നതിനെക്കാൾ ഉപകാരപ്രദം പദ്ധതികൾ എന്തുകൊണ്ട് നിലച്ചുപോകുന്നു എന്നു മനസ്സിലാക്കുന്നതാണ്.
പൈലറ്റ് വിജയിക്കാൻ രൂപകൽപ്പന ചെയ്തതാണ്. പദ്ധതി അല്ല.
പൈലറ്റ് ഒരു നിയന്ത്രിത പരിസരമാണ്. അതിന് നിർവചിക്കപ്പെട്ട പരിധിയുണ്ട്, ഉത്സാഹമുള്ള ഒരു ടീമുണ്ട്, സംരക്ഷിക്കപ്പെട്ട വിഭവസമയമുണ്ട്, കാര്യങ്ങൾ ചലിപ്പിക്കുന്ന നേതൃത്വത്തിന്റെ പിന്തുണയുണ്ട്. ഈ സാഹചര്യങ്ങൾ യാഥാർത്ഥ്യത്തെ പ്രതിനിധീകരിക്കുന്നില്ല. ഒരു സാങ്കേതികവിദ്യ പ്രവർത്തിക്കുമെന്ന് അവ തെളിയിക്കുന്നു; ഒരു സ്ഥാപനത്തിന് അത് നടത്താൻ കഴിയുമെന്ന് തെളിയിക്കുന്നത് വേറൊരു പ്രശ്നമാണ്.
പൈലറ്റ് പൂർത്തിയാകുമ്പോൾ ആ സാഹചര്യങ്ങളിൽ മിക്കതും ഇല്ലാതാകുന്നു. നേതൃത്വത്തിന്റെ ശ്രദ്ധ അടുത്ത സംരംഭത്തിലേക്കു നീങ്ങുന്നു. കേന്ദ്രടീം ചിതറുന്നു. പൈലറ്റ് സമയത്ത് ഒഴിവാക്കിയ ഐടി ടിക്കറ്റ് ക്യൂ ഇപ്പോൾ ഒരു ആശ്രിതത്വമാണ്. ഒരു സാൻഡ്ബോക്സ് പരിസരത്ത് മൂന്നാഴ്ച എടുത്ത സംയോജനം 2009 ൽ നിർമ്മിച്ച ഒരു ഉൽപ്പാദന സംവിധാനത്തിനെതിരെ ഒൻപതു മാസമെടുക്കുന്നു.
നിലച്ചുപോയ പദ്ധതികളിൽ 41% വിഭവങ്ങൾക്കുവേണ്ടിയുള്ള മത്സരവും പരസ്പരം ഏറ്റുമുട്ടുന്ന മുൻഗണനകളും പ്രധാന കാരണമായി ചൂണ്ടിക്കാട്ടിയെന്ന് Deloitte യുടെ 2025 എഐ അഡോപ്ഷൻ സർവേ കണ്ടെത്തി. മോഡലിന്റെ പ്രകടനം, ചെലവ്, നിയന്ത്രണപരമായ തടസ്സങ്ങൾ എന്നിവ കഷ്ടിച്ചേ പ്രത്യക്ഷപ്പെട്ടുള്ളൂ. സാങ്കേതികവിദ്യ പ്രവർത്തിച്ചുകൊണ്ടേയിരുന്നു. സ്ഥാപനം അതിനെ സംരക്ഷിക്കുന്നത് നിർത്തി.
പ്രക്രിയ ഒരിക്കലും എഐക്കായി രൂപകൽപ്പന ചെയ്തതല്ല
രണ്ടാമത്തെ തരം നിലയ്ക്കൽ കൂടുതൽ ഘടനാപരവും സംഘടനാപരമായ പരിഹാരങ്ങളോട് കൂടുതൽ പ്രതിരോധം കാട്ടുന്നതുമാണ്. മിക്ക സ്ഥാപന പ്രക്രിയകളും മനുഷ്യർ നടപ്പാക്കാൻ വേണ്ടി രൂപകൽപ്പന ചെയ്തവയാണ്. ഓരോ ഘട്ടത്തിലും അവ്യക്തതയും അപവാദങ്ങളുടെ കൈകാര്യവും വിവേചനപരമായ തീരുമാനങ്ങളും അവയിലുണ്ട്. അതൊരു രൂപകൽപ്പനാ ലക്ഷ്യമായിരുന്നില്ല; ജീവനക്കാർ ആ സങ്കീർണ്ണത ഏറ്റെടുത്തിരുന്നു, അതുകൊണ്ട് അത് വ്യക്തമായി എഴുതിവയ്ക്കേണ്ട ആവശ്യം ആർക്കുമുണ്ടായില്ല.
രേഖപ്പെടുത്താത്ത സങ്കീർണ്ണത എഐക്ക് ഏറ്റെടുക്കാനാവില്ല. അതിനുള്ളിൽ വിശ്വസനീയമായി പ്രവർത്തിക്കണമെങ്കിൽ പ്രക്രിയയുടെ അതിരുകൾ മുൻകൂട്ടി നിർവചിക്കപ്പെട്ടിരിക്കണം. നിലവിലുള്ള മാനുഷിക പ്രക്രിയയെ പുനർരൂപകൽപ്പന ചെയ്യാതെ അതിലേക്ക് എഐ തിരുകുന്ന സ്ഥാപനങ്ങൾ ഒടുവിൽ ഒരു മാനുഷിക സംവിധാനത്തിനു മുകളിൽ എഐയുടെ രൂപത്തിലുള്ള ഒരു പാളി വിന്യസിക്കുകയാണ് ചെയ്യുന്നത്; പ്രകടനത്തിന്റെ പരിധി നിശ്ചയിക്കുന്നത് അത് സ്പർശിക്കുന്ന, മനുഷ്യർ രൂപകൽപ്പന ചെയ്ത ഏറ്റവും ദുർബലമായ ഘട്ടമാണ്.
ഉൽപ്പാദനത്തിലെ പരാജയം ഏറ്റവും കൃത്യമായി പ്രവചിക്കുന്ന ഘടകമായി Deloitte യുടെ ഗവേഷണം ഇതിനെ കണ്ടെത്തി: വിന്യാസത്തിനു മുൻപ് എഐ-ആദ്യം എന്ന രീതിയിൽ പ്രക്രിയകൾ പുനർരൂപകൽപ്പന ചെയ്ത സ്ഥാപനങ്ങൾ, അതു ചെയ്യാത്തവയെക്കാൾ അളക്കാവുന്ന ആദായത്തിൽ മൂന്നിരട്ടി മുന്നിലായിരുന്നു. ഈ പുനർരൂപകൽപ്പന ഒരു സാങ്കേതിക പദ്ധതിയല്ല, പ്രക്രിയാ ഘടനയുടെ പദ്ധതിയാണ്; മോഡൽ പ്രവർത്തനക്ഷമമാകുന്നതിനു മുൻപ് അതു നടക്കണം.
ഉൽപ്പാദനത്തിന്റെ ഉടമസ്ഥത ആർക്കുമില്ല
പൈലറ്റിൽ ഉടമസ്ഥത വ്യക്തമാണ്, കാരണം അത് പരിമിതമാണ്. ഒരു പ്രോജക്ട് ലീഡിന് നിർവചിക്കപ്പെട്ട പരിധിക്കുള്ളിൽ അധികാരമുണ്ട്. പദ്ധതി ആ പരിധിക്കപ്പുറം വളരുമ്പോൾ ഉടമസ്ഥത തർക്കവിഷയമാകുന്നു, തർക്കത്തിലായ ഉടമസ്ഥത നിലയ്ക്കലിന്റെ ഉറപ്പുള്ള മുന്നറിയിപ്പാണ്.
ഈ മാതൃക സ്ഥാപനങ്ങളിലുടനീളം ഒരുപോലെയാണ്: പൈലറ്റ് നിർമ്മിച്ച ടീമിന് ഉൽപ്പാദനത്തിന് ആവശ്യമായ പ്രക്രിയാ മാറ്റങ്ങൾ നിർബന്ധമാക്കാനുള്ള അധികാരമില്ല. ആ അധികാരമുള്ള ടീമുകൾ പൈലറ്റിൽ പങ്കാളികളായിരുന്നില്ല, അതിന്റെ ഫലങ്ങളിൽ ഉത്തരവാദിത്തവും തോന്നുന്നില്ല. വലിയ തോതിലേക്കുള്ള വളർച്ചയ്ക്കായി ഭരണസംവിധാനം രൂപകൽപ്പന ചെയ്തിരുന്നില്ല, കാരണം വളർച്ചയായിരിക്കും പ്രശ്നമെന്ന് ആരും പ്രതീക്ഷിച്ചിരുന്നില്ല.
എഐ നിക്ഷേപം നിലച്ചുപോകുമോ എന്നതിന്റെ ഏറ്റവും വ്യക്തമായ സൂചന ബജറ്റോ ശേഷിയോ അല്ല, ഉൽപ്പാദന തോതിൽ നിർവചിക്കപ്പെട്ട ഒരു ഉടമയുടെ അഭാവമാണെന്ന് CFO-CIO തീരുമാനങ്ങളെക്കുറിച്ചുള്ള KPMG യുടെ ഗവേഷണം കണ്ടെത്തി. രണ്ടു നേതാക്കൾ അവരുടെ ചുമതലകൾ വേർതിരിക്കുന്ന ഭരണചട്ടക്കൂടില്ലാതെ സംയുക്ത ഉത്തരവാദിത്തം അവകാശപ്പെടുമ്പോൾ, യഥാർത്ഥ ഫലം ആരും ഉത്തരവാദിയല്ല എന്നതാണ്. പൈലറ്റുകൾ പെരുകുന്നു. ഒന്നും പുറത്തിറങ്ങുന്നില്ല.
ആദായച്ചട്ടക്കൂട് ബിസിനസ് കേസിനു ശേഷമാണ് ഉണ്ടാക്കിയത്
മിക്ക സ്ഥാപന എഐ പദ്ധതികളും തെറ്റായ കാര്യങ്ങൾ, അതും വൈകി, അളക്കുന്നു. പൈലറ്റ് ഉണ്ടാക്കുന്നത് കൃത്യതാ സൂചകങ്ങളും ലേറ്റൻസി സംഖ്യകളും ഉപയോക്തൃ സംതൃപ്തി സ്കോറുകളുമാണ്. മോഡൽ പ്രവർത്തിക്കുന്നുവെന്ന് ആ സൂചകങ്ങൾ കാണിക്കുന്നു. ബജറ്റിൽ നിന്ന് 50 ദശലക്ഷം ഡോളർ പോകുന്നതു കണ്ട ഒരു CFO യോട് തുടർനിക്ഷേപം ന്യായീകരിക്കാൻ വേറെ സൂചകങ്ങൾ വേണം.
എഐ വിജയകരമായി വളർത്തുന്ന സ്ഥാപനങ്ങൾ അവരുടെ ആദായ അളവുഘടന സാങ്കേതിക ഘടനയോടൊപ്പം തന്നെ പണിയുന്നു — റിപ്പോർട്ടിംഗിനായി പിന്നീട് ചേർക്കുന്ന ഒന്നായിട്ടല്ല, ജീവനുള്ള ഒരു ഫീഡ്ബാക്ക് ചക്രമായി. അത് മാർജിനിലെ സ്വാധീനവും ഉയർന്ന മൂല്യമുള്ള ജോലികളിൽ നിന്ന് വീണ്ടെടുത്ത സമയവും എഐ സ്പർശിക്കുന്ന പ്രക്രിയകളിലെ പിഴവുകളുടെ നിരക്കും പിന്തുടരുന്നു. വിജയിച്ച ഒരു പൈലറ്റിനെ ഫണ്ട് ലഭിച്ച പദ്ധതിയാക്കി മാറ്റുന്നത് ആ വിവരമാണ്.
ഉൽപ്പാദന ആദായത്തിനുള്ള മാനദണ്ഡങ്ങൾ മുൻകൂട്ടി നിർവചിച്ച സ്ഥാപനങ്ങൾക്ക്, പ്രകടനം പിന്നീട് അളന്നവയെക്കാൾ എഐ വിജയകരമായി വളർത്താനുള്ള സാധ്യത മൂന്നിരട്ടിയായിരുന്നുവെന്ന് PwC യുടെ 2026 CEO സർവേ കണ്ടെത്തി. വളർച്ചയ്ക്കു മുൻപുതന്നെ, CFO പിന്നീട് ചോദിക്കാൻ പോകുന്ന ചോദ്യത്തിന് ഉത്തരം നൽകാൻ പദ്ധതിയെ നിർബന്ധിക്കുന്ന സംവിധാനമാണ് ആ മാനദണ്ഡം.
മുന്നോട്ടു കടക്കുന്ന സ്ഥാപനങ്ങൾ വ്യത്യസ്തമായി ചെയ്യുന്നത്
പൈലറ്റിൽ നിന്ന് വലിയ തോതിലുള്ള ഉൽപ്പാദനത്തിലേക്കു നീങ്ങുന്ന പദ്ധതികൾ, മൊത്തത്തിൽ, എഐയിൽ മികച്ചവയല്ല; എഐ പ്രവർത്തിക്കാൻ ആവശ്യമായ സാഹചര്യങ്ങൾ ഒരുക്കുന്നതിലാണ് അവ മികച്ചത്.
അവ പ്രക്രിയാ പുനർരൂപകൽപ്പനയെ ഒരു മുൻവ്യവസ്ഥയായി കാണുന്നു, വിന്യാസത്തിനു ശേഷമുള്ള ഒരു മെച്ചപ്പെടുത്തലായിട്ടല്ല. ഒരു മോഡൽ പ്രവർത്തനക്ഷമമാകുന്നതിനു മുൻപ്, അത് പ്രവർത്തിക്കാൻ പോകുന്ന പ്രക്രിയ വ്യക്തമായ ഇൻപുട്ടുകൾ, പരിധി നിശ്ചയിച്ച തീരുമാന വിഭാഗങ്ങൾ, നിർവചിക്കപ്പെട്ട എസ്കലേഷൻ വഴികൾ എന്നിവയ്ക്കു ചുറ്റും പുനർനിർമ്മിക്കപ്പെട്ടിരിക്കും — അങ്ങനെ എഐ കണ്ടുമുട്ടുന്നത് അതിനുവേണ്ടി രൂപകൽപ്പന ചെയ്ത ഒരു പ്രക്രിയയാണ്, ചുറ്റിക്കടക്കേണ്ട ഒന്നല്ല.
പൈലറ്റ് അവസാനിക്കുന്നതിനു മുൻപ് അവ ഉടമസ്ഥത നിശ്ചയിക്കുന്നു. ഉൽപ്പാദന തോതിലുള്ള വളർച്ച, മാറ്റത്തിന്റെ കൈകാര്യം, തുടർച്ചയായ ഭരണം എന്നിവയ്ക്ക് ഉത്തരവാദിയായ ടീമിനെ പൈലറ്റ് ആദ്യ ഫലം നൽകുന്നതിനു മുൻപുതന്നെ പേരെടുത്തു നിശ്ചയിക്കുകയും വിഭവങ്ങൾ നൽകുകയും ചെയ്യുന്നു. പൈലറ്റിന്റെ പിന്തുണക്കാരൻ മാറിപ്പോകുമ്പോൾ പദ്ധതിയുടെ ഉടമ ആരെന്നതിൽ അവ്യക്തതയില്ല.
അവ സാമ്പത്തിക അളവുകൾ തുടക്കം മുതൽ ഉൾപ്പെടുത്തുന്നു. ആദായ മാനദണ്ഡങ്ങൾ നിർവചിക്കപ്പെടുന്നത് ബിസിനസ് കേസിലാണ്, പോസ്റ്റ്-മോർട്ടത്തിലല്ല. മോഡലിന്റെ കൃത്യതയല്ല, ബിസിനസ് സ്വാധീനം അളക്കാനുള്ള ഡാറ്റാ അടിസ്ഥാനസൗകര്യം ഒരു റിപ്പോർട്ടിംഗ് ജോലിയായല്ല, ഒരു സാങ്കേതിക ആവശ്യകതയായാണ് കണക്കാക്കുന്നത്.
തത്വത്തിൽ ഇതിലൊന്നും സങ്കീർണ്ണമല്ല. ഇത് സ്ഥിരമായി ഒഴിവാക്കപ്പെടുന്നത്, പൈലറ്റുകൾ വേഗതയ്ക്കും നിയന്ത്രിത സാഹചര്യങ്ങൾക്കും പ്രതിഫലം നൽകുമ്പോൾ, ഉൽപ്പാദനം പ്രതിഫലം നൽകുന്നത് പൈലറ്റുകളെ മന്ദഗതിയിലാക്കുന്ന അതേ സംഘടനാ അടിത്തറയ്ക്കാണ് എന്നതുകൊണ്ടാണ്. ഇതു മനസ്സിലാക്കിയ സ്ഥാപനങ്ങൾ തങ്ങളുടെ സാങ്കേതികവിദ്യ മെച്ചപ്പെടാൻ കാത്തിരിക്കുന്നില്ല. അവരുടെ സാങ്കേതികവിദ്യയ്ക്ക് ഇപ്പോൾത്തന്നെ ആവശ്യമുള്ള സാഹചര്യങ്ങൾ അവർ പണിതുകൊണ്ടിരിക്കുകയാണ്.
എഐ നിക്ഷേപ ചക്രം മന്ദഗതിയിലാകാൻ പോകുന്നില്ല. രണ്ടു വർഷം മുൻപ് സ്വയം അംഗീകരിച്ച പൈലറ്റുകളിൽ നിന്ന് ഉൽപ്പാദന ഫലങ്ങൾ ആവശ്യപ്പെടുന്ന ബോർഡുകൾ കൂടുതൽ ക്ഷമയുള്ളവരാകാനും പോകുന്നില്ല. മിക്ക സ്ഥാപനങ്ങൾക്കും ചോദ്യം വളരണോ വേണ്ടയോ എന്നതല്ല, പൈലറ്റിനുവേണ്ടി പണിത പദ്ധതിഘടനയ്ക്ക് ഉൽപ്പാദന പരിസരവുമായുള്ള സമ്പർക്കത്തെ അതിജീവിക്കാനാകുമോ എന്നതാണ്.
മിക്കതിനും കഴിയില്ല. അത് സാങ്കേതിക പ്രശ്നമെന്നതിനെക്കാൾ ഒരു രൂപകൽപ്പനാ പ്രശ്നമാണ്, അതിനു പരിഹാരവുമുണ്ട്.
Frequently asked questions
Why do enterprise AI programmes stall after the pilot phase?+
The most common causes are organisational, not technical: unclear ownership, process architectures designed for humans rather than AI, and ROI frameworks that were never built into the programme from the start. A working model is not sufficient to get a programme into production.
What percentage of AI pilots reach production?+
According to Gartner, fewer than 54% of AI pilots are promoted to full-scale deployment. McKinsey's 2025 State of AI report found that only 1% of companies describe themselves as fully mature in AI deployment — despite broad experimentation.
What distinguishes organisations that successfully scale AI?+
Three factors consistently separate high performers: they redesign workflows for AI rather than fitting AI into existing ones, they set measurable outcome gates before scale, and they build governance infrastructure before they need it rather than after.