AI से 80% की उत्पादकता बढ़ी, पर सिर्फ 37% कंपनियों को कमाई असर
McKinsey & Company के 25 अगस्त 2026 को प्रकाशित वैश्विक सर्वेक्षण—जो 4 मई से 8 जून तक चला और 97 देशों के 1,719 प्रतिभागियों पर आधारित है—में 80% उत्तरदाताओं ने AI से अपनी उत्पादकता सुधरने की सूचना दी, जबकि केवल 37% ने अपने संगठन के EBIT पर कम-से-कम कुछ सकारात्मक योगदान AI से जोड़ा। EBIT का अर्थ ब्याज और कर से पहले लाभ है।
अगले दिन आए ITPro के स्वतंत्र विश्लेषण ने इस अंतर के साथ एक दूसरी बाधा रेखांकित की: लगभग 20% उत्तरदाताओं के संगठनों में टोकन सहित AI की परिचालन लागत ने उपयोग सीमित किया। इसका सीधा अर्थ है कि कर्मचारी का समय बचना या उपयोग बढ़ना अपने-आप निवेश पर वित्तीय प्रतिफल साबित नहीं करता।
चार प्रतिशत एक जैसे परिणाम नहीं हैं
सर्वेक्षण के चार प्रमुख आँकड़े अलग प्रश्नों का उत्तर देते हैं। दो मौजूदा अनुभव और परिणाम से जुड़े हैं, एक वर्तमान लागत-बाधा है और चौथा भविष्य के रोजगार का अनुमान है। इन्हें एक ही उपलब्धि-सूचक में मिलाने से निवेश की स्थिति वास्तविकता से बेहतर या बदतर दिखाई दे सकती है।
- 80% व्यक्तिगत उत्पादकता: यह उन उत्तरदाताओं का अनुपात है जिन्हें अपने काम में सुधार दिखा। इसका अर्थ उत्पादकता में 80% की मात्रात्मक वृद्धि नहीं है और न यह कंपनी के कुल उत्पादन का लेखापरीक्षित माप है।
- 37% EBIT प्रभाव: यह उन उत्तरदाताओं का हिस्सा है जिन्होंने संगठन के EBIT में कम-से-कम कुछ सकारात्मक योगदान AI से जोड़ा। यह प्रकाशित आय विवरणों से निकाला गया कंपनियों का अनुपात नहीं है।
- लगभग 20% लागत-बाधा: यह परिचालन खर्च के कारण AI उपयोग सीमित होने का माप है। यह पूरे निवेश की विफलता नहीं बताता, लेकिन विस्तार के साथ लागत नियंत्रण की समस्या दिखाता है।
- 39% संभावित कर्मचारी-कटौती: यह अगले वर्ष कुल कर्मचारी संख्या घटने की अपेक्षा है, पूरी हो चुकी छंटनी या घोषित योजना नहीं।
यही अंतर शीर्षक में दिए गए आँकड़ों की सीमा भी तय करता है। पहला प्रतिशत कर्मचारी-स्तर की धारणा है; दूसरा उत्तरदाताओं द्वारा संगठन के लाभ से जोड़ा गया असर है। दोनों में सुधार की मात्रा, बची कुल लागत या प्राप्त अतिरिक्त आय नहीं बताई गई है।
बचा समय EBIT में अपने-आप नहीं जुड़ता
व्यक्तिगत लाभ अक्सर कार्य के शुरुआती हिस्से में दिखता है—मसौदा तैयार करने, जानकारी खोजने, सार बनाने, विश्लेषण करने या कोडिंग में लगने वाला समय घट सकता है। वित्तीय लाभ के लिए उस बचत को अधिक उत्पादन, तेज ग्राहक सेवा, कम बाहरी खर्च, कम पुनर्कार्य, अतिरिक्त बिक्री या घटे श्रम-घंटों जैसे संगठन-स्तर के परिणाम में बदलना पड़ता है।
मान लें कि कोई कर्मचारी AI की सहायता से रिपोर्ट दो घंटे पहले पूरी करता है, लेकिन अनुमोदन, अनुपालन समीक्षा और ग्राहक तक पहुँचाने की प्रक्रिया पहले जितना ही समय लेती है। इस स्थिति में व्यक्तिगत गति बढ़ती है, पर कंपनी की कुल प्रक्रिया और उससे मिलने वाली आय नहीं बदलती। बचा समय आय विवरण में अलग मद भी नहीं बनता।
दूसरी ओर, मॉडल उपयोग, लाइसेंस, डेटा तैयार करने, सुरक्षा समीक्षा, एकीकरण और प्रशिक्षण की लागत आर्थिक लाभ को कम कर सकती है। इसलिए सकल समय-बचत और शुद्ध वित्तीय प्रतिफल अलग माप हैं। AI का अधिक उपयोग लागत बढ़ा सकता है, जबकि अंतिम उत्पादन या राजस्व उसी स्तर पर रह सकता है।
सर्वेक्षण में बेहतर वित्तीय परिणामों से जुड़ा प्रमुख संगठनात्मक अंतर कार्यप्रवाह का पुनर्गठन और प्रभाव मापने की निर्धारित प्रक्रिया था। यह संबंध कारण का स्वतः प्रमाण नहीं है, लेकिन बताता है कि केवल मौजूदा प्रक्रिया में AI उपकरण जोड़ना व्यापक वित्तीय असर के लिए पर्याप्त नहीं दिखा।
भारतीय कंपनियों के लिए उपयोग दर अधूरा संकेत है
भारत में यह अंतर विशेष रूप से महत्वपूर्ण है क्योंकि कंपनियाँ प्रयोग से बड़े स्तर के उपयोग की ओर बढ़ रही हैं। मार्च 2026 में प्रकाशित Deloitte India के उद्यम सर्वेक्षण में 40% भारतीय उत्तरदाताओं ने AI का महत्वपूर्ण या पूर्ण स्तर पर उपयोग बताया और 94% ने अगले वर्ष खर्च बढ़ने की अपेक्षा जताई। Deloitte और McKinsey के नमूने तथा प्रश्न अलग हैं, इसलिए उनके प्रतिशतों की सीधी तुलना नहीं की जा सकती।
फिर भी भारतीय प्रबंधकों के लिए मापन की सीमा स्पष्ट है। सक्रिय उपयोगकर्ता, भेजे गए प्रश्न, तैयार किए गए सारांश या AI से जुड़े कुल घंटे अपनाने की स्थिति बताते हैं; वे लाभ, लागत या क्षमता में बदलाव नहीं बताते। वित्तीय मूल्यांकन को उसी कार्यप्रवाह के प्रति पूर्ण कार्य खर्च, परिणाम देने में लगा कुल समय, त्रुटि और पुनर्कार्य, बाहरी विक्रेता खर्च, राजस्व रूपांतरण तथा AI की पूरी परिचालन लागत से जोड़ना होगा।
आधार अवधि भी समान होनी चाहिए। AI अपनाने से पहले और बाद के परिणामों में कार्य की जटिलता, मांग, टीम का आकार और गुणवत्ता मानक बदल जाएँ तो केवल गति की तुलना भ्रामक हो सकती है। इसी कारण कर्मचारी द्वारा बचाए गए घंटे को तुरंत नकद बचत मानना उचित नहीं है—कंपनी को यह भी देखना होता है कि उस क्षमता का वास्तव में उपयोग कहाँ हुआ।
39% कर्मचारी-कटौती अभी अनुमान है
रोजगार संबंधी आँकड़े वर्तमान परिणाम और भविष्य की अपेक्षा के बीच सबसे स्पष्ट अंतर दिखाते हैं। Tech Times की 26 अगस्त की समीक्षा के मुताबिक, इस बार 39% उत्तरदाताओं को अगले वर्ष AI के कारण कुल कर्मचारी संख्या घटने की उम्मीद है; पिछले सर्वेक्षण में ऐसी अपेक्षा 32% की थी, लेकिन बीते वर्ष वास्तविक कमी में AI का योगदान बताने वाले संगठनों का हिस्सा केवल 14% रहा।
इसलिए 39% को घोषित छंटनी कार्यक्रम नहीं कहा जा सकता। कर्मचारी संख्या खाली पद न भरने, स्वाभाविक रूप से लोगों के जाने, भूमिकाओं के पुनर्गठन, पुनर्नियोजन या प्रत्यक्ष छंटनी से बदल सकती है। सर्वेक्षण यह भी निर्धारित नहीं करता कि अलग-अलग देशों और उद्योगों में इनमें से कौन-सा रास्ता प्रमुख होगा।
भारतीय ज्ञान-कर्मियों के लिए इसका अर्थ तत्काल और समान रोजगार-कटौती नहीं है। अधिक उपयोग वाली टीम में कार्यों का मिश्रण बदल सकता है, जबकि संगठन की कुल संख्या स्थिर रह सकती है। रोजगार पर वास्तविक असर जानने के लिए भविष्य की अपेक्षा को बाद में भरे गए पदों, समाप्त भूमिकाओं, पुनर्नियोजन और कुल कर्मचारी संख्या से मिलाना होगा।
वित्तीय प्रतिफल पर निर्णायक प्रमाण अभी बाकी है
अभी उपलब्ध निष्कर्ष व्यक्तिगत लाभ और कंपनी के आर्थिक परिणाम के बीच स्पष्ट दूरी दिखाते हैं। व्यापक उत्पादकता अनुभव के बावजूद सकारात्मक EBIT असर बताने वाला हिस्सा पिछले वर्ष के लगभग समान रहा, जबकि परिचालन खर्च कुछ संगठनों के लिए उपयोग की सीमा बन चुका है।
अगला निर्णायक संकेत अधिक उपयोग नहीं, बल्कि तुलनीय राजस्व, लागत, मार्जिन, गुणवत्ता और रोजगार परिणाम होंगे। जब तक कंपनियाँ बचाए गए समय को इन मापों से नहीं जोड़तीं, AI निवेश की सफलता पर दावा उत्तरदाताओं के अनुभव और अपेक्षा तक सीमित रहेगा—मापे गए शुद्ध वित्तीय प्रतिफल तक नहीं।
यह भी पढ़ें:
हमारे न्यूज़लेटर की सदस्यता लें
Web3, AI और क्रिप्टो की नवीनतम खबरें सीधे अपने इनबॉक्स में पाएँ।