वेगवेगळ्या उद्योगांमधील व्यवसाय नेते जनरेटिव्ह कृत्रिम बुद्धिमत्ता (AI) ला बदल घडवणाऱ्या शक्ती म्हणून पाहू लागले आहेत, जी ऑपरेशन्स, ग्राहकांशी संवाद आणि धोरणात्मक निर्णय घेण्याच्या पध्दतींना आकार देऊ शकते. तरीही, तीन वर्षांपूर्वी ChatGPT च्या लॉंचमुळे पसरणाऱ्या उत्साह आणि जलद स्वीकारामुळे, अनेक संस्था त्यांच्या AI उपक्रमांपासून महत्त्वपूर्ण आणि सातत्यपूर्ण परतावा मिळवण्यात संघर्ष करत आहेत. प्रसिद्ध संशोधन संस्थांमधील फोरिलास्टर आणि बोस्टन कन्सल्टिंग ग्रुप (BCG) यांच्या अलीकडील सर्वेक्षणांनी एक वास्तविकता समोर आणली आहे: फक्त जास्तीत जास्त 15% कंपन्यांनी फोरिलास्टरसाठी आणि 5% BCG साठी, त्यांच्या जनरेटिव्ह AI प्रयत्नांशी संबंधित व्यावसायिक परिणामांत अर्थपूर्ण सुधारणा पाहिल्या आहेत. ही सीमित यशस्विता अनेक चालू आव्हानांमुळे उद्भवत आहे, ज्यांचा सामना जनरेटिव्ह AI तंत्रज्ञान करत आहे. एक महत्त्वाचा त्रास म्हणजे AI चे उत्तर अधिक सौम्य किंवा सोपे निर्माण करण्याची प्रवृत्ती, जी अनेक वेळा आवश्यक सूक्ष्मता जाणवत नाही किंवा दिलेल्या इनपुट्सना योग्य प्रकारे आव्हान देत नाही. त्यामुळे AI निर्मित अंतर्दृष्टीची खोली आणि विश्वासार्हता कमी होते. त्याचप्रमाणे, अचूक निकाल देण्यात अंतर्निहित असवाद्यता व्यावहारिक वापराला अवघड बनवते, विशेषतः जटिल, दीर्घ किंवा विविध क्षेत्रांशी संबंधित दस्तऐवज हाताळताना. वास्तविक उदाहरणे पाहिल्यास, सेलरट्रॅकरचे AI-सक्षम वाइन शिफारस इंजिन विविध वाइन वापरांच्या टर्मिनोलॉजी आणि सूक्ष्म फरक लक्षात घेण्यात संघर्ष करतो, तर कांडो रेलचे AI साधन, जे सुरक्षितता नियमांचे सारांश तयार करण्यासाठी डिझाइन केलेले आहे, मोठ्या नियमावलीच्या संदर्भात अचूकता राखण्यात अडचण येते. ग्राहक सेवा ही chatbot तंत्रज्ञानाच्या अधिक प्रौढ उपयोगांपैकी एक आहे. Klarna आणि Verizon सारख्या कंपन्यांनी AI चॅटबॉट्स वापरून नियमित चौकश्या हाताळण्यास सुरवात केली आहे, ज्यामुळे कार्यक्षमता वाढली आणि खर्चात बचत झाली आहे.

मात्र, अलीकडे असे मानले जायला लागले आहे की AI पूर्णपणे मानवी एजंट्सची जागा घेऊ शकत नाही, विशेषतः जटिल, संवेदनशील किंवा सूक्ष्म ग्राहक संवाद हाताळताना. मानवीकडून असलेली सहानुभूतीची कमतरता आणि सूक्ष्म संदर्भात्मक पैलू समजण्याची नस हा AI च्या कार्यक्षमतेला मर्यादा निर्माण करतात, त्यामुळे मानवी देखरेखीची गरज कायम राहते. विशेषतज्ञ वर्तमानाच्या जनरेटिव्ह AI स्थितीला "खडी रेषेची भिंत" म्हणून वर्णन करतात, ज्यात विविध वापरांमध्ये गैरसमान कार्यक्षमता दिसते. जसे की, भाषा निर्माण आणि डेटा सारांश तयार करण्यामध्ये AI उत्कृष्ट असताना, खोल संदर्भ समजण्याच्या किंवा विशेष ज्ञानाची गरज असलेल्या कामांमध्ये याला अडचण येते. भौगोलिक डेटा किंवा कालावधीशी संबंधित स्थानिक बोलीभाषा व्याख्या करताना आलेली अडचण अधिक विकासाची गरज अधोरेखित करते. या अडथळ्यांवर मात करून AI ची मूल्यवर्धन करण्यासाठी कंपन्या आपली अंतर्गत टीम आणि AI तंत्रज्ञान पुरवठादारांमधील जवळीक वाढवण्यात मोठ्या प्रमाणावर गुंतवणूक करत आहेत. OpenAI, Anthropic यासारखे आघाडीचे संस्था तसेच Writer सारखे नाविन्यपूर्ण स्टार्टअप्स त्यांच्या अभियंत्यांना ग्राहकांच्या संस्थांमध्ये समाविष्ट करतात, ज्यामुळे सानुकूलित AI सोLUशन्स तयार करणे शक्य होते, जे विशिष्ट व्यवसाय गरजा आणि workflows साठी तयार केलेले असतात. व्यवसाय व तंत्रज्ञान क्षेत्रांमध्ये असा समज रूढ झालेला आहे की, जरी जनरेटिव्ह AI खूप मोठे संभाव्यतेचे धरते, तरी त्याचा पूर्ण वापर करणे म्हणजे अधिक लक्ष्यित अनुप्रयोगांची रचना, मानवी सहभाग कायम ठेवणे आणि असलेल्या प्रक्रियांमध्ये मोठ्या प्रमाणावर बदल करणे आवश्यक आहे. जनरेटिव्ह AI ला स्वतंत्र सोLUशनऐवजी एक सामर्थ्यशाली पूरक साधन म्हणून मानले पाहिजे. सावकाश तयार करण्यात आलेली धोरणरचना आणि सातत्यपूर्ण प्रयत्नांनी, संस्था प्रारंभीच्या प्रयोगांपासून व्यवसायाच्या परिणामांपर्यंत प्रगती करू शकतात, आणि अखेर AI ला आगामी काळात स्पर्धात्मक यश मिळवण्याच्या मुख्य चालक म्हणून स्थापन करू शकतात.