AI10 नव॰ 2026, 12:00 pm UTC·2 मिनट में पढ़ें

PwC का AI स्टोर मैनेजर स्टाफ से तालमेल में फेल, ¥2,44,262 का घाटा

PwC Japan ने करीब दो हफ्ते तक एक छोटी ऑफिस शॉप AI के हवाले की। AI ने स्टाफ की बातें अनसुनी कीं, रिपोर्टें घटीं और सरल हिसाब में ¥2,44,262 का घाटा रहा।

A small office kiosk shop where staff members check shelves while an AI system manages store decisions on a screen. — छवि: ITmedia NEWS

PwC Japan ग्रुप ने 6 नवंबर को एक प्रयोग के नतीजे जारी किए, जिसमें एक छोटी दुकान के कारोबारी फैसले AI को सौंपे गए थे। करीब दो हफ्ते चले इस प्रयोग में AI स्टाफ के सुझावों को ठीक से लागू नहीं कर सका, कर्मचारियों ने उसे रिपोर्ट देना कम कर दिया और मानव-संसाधन लागत समेत सरल हिसाब में ¥2,44,262 (करीब 24 लाख 4 हजार येन नहीं, यानी लगभग 2.4 लाख येन) का घाटा रहा।

कैसे हुआ प्रयोग

यह प्रयोग 26 मई से 5 जून तक टोक्यो ऑफिस की एक मीटिंग रूम में बनी छोटी शॉप में चला। इसमें "AI स्वायत्त संचालन" की तुलना "मानव संचालन" से की गई। पहले मॉडल में AI उत्पाद चयन, कीमत तय करने और स्टॉक व बिक्री प्रबंधन जैसे फैसले लेता था। दूसरे में अंतिम फैसला इंसान का था और AI सहायक था। माल सजाने और स्टॉक गिनने जैसे शारीरिक काम दोनों में स्टाफ ने किए।

AI सिस्टम का स्टॉक और बिक्री डेटा देख सकता था, पर दुकान की असली हालत नहीं। इसलिए स्टाफ टेक्स्ट में उसे रिपोर्ट करता था। पहले दिन 11 उत्पादों का स्टॉक सिस्टम से मेल नहीं खाया, जिसकी जांच में एक घंटे से ज्यादा लगा। दूसरे दिन साइनेज पर कीमत पढ़ने में दिक्कत बताई गई; AI ने सुधार का दावा किया, पर स्टाफ को दो बार और बताना पड़ा। दूसरे हफ्ते AI ने "रामुने" के स्टॉक को किसी दूसरे पेय के नाम पर दर्ज कर दिया।

रिपोर्टें घटीं, घाटा बढ़ा

स्टाफ के हर संदेश के औसत अक्षर पहले दिन के करीब 80 से घटकर आखिर में लगभग 38 रह गए। स्टाफ ने बाद में माना कि उसने जान-बूझकर रिपोर्ट कम कीं। मानव संचालन वाले पक्ष में ऐसी कोई समस्या नहीं आई।

उत्पादों का सकल मुनाफा AI संचालन में ज्यादा रहा, लेकिन AI के उपयोग का खर्च नहीं निकल सका। चौथे दिन तक AI का अनुमान-खर्च ¥26,044 हो चुका था, जबकि सकल मुनाफा सिर्फ ¥461 था। तब उसने "कम लागत मोड" अपनाकर खर्च करीब 65% घटा दिया, पर इसके बाद कमाई बढ़ाने की कोशिशें लगभग नहीं दिखीं। PwC के मुताबिक AI को केवल "शुद्ध मुनाफा अधिकतम करो" का लक्ष्य दिया गया था और अस्थायी घाटे की सीमा तय नहीं थी।

आगे के लिए सबक

10 क्षेत्रों के विशेषज्ञों ने 162 जोखिम परिदृश्यों के आधार पर AI की जोखिम-प्रबंधन क्षमता परखी और चार कमियां पाईं: जोखिम की खोज, उनसे निपटना, इंसान-AI तालमेल और संसाधन आवंटन। जिन जोखिमों पर AI ने जल्द कार्रवाई जरूरी मानी, उनमें से करीब 20% पर वह कदम पूरा नहीं कर पाया।

PwC का निष्कर्ष है कि AI जोखिम घटाने में पीछे से मदद करे और मौके पर काम इंसान पूरा करें। प्रबंधकों को तय करना होगा कि AI क्या फैसले ले, इंसान कब दखल दे, और नतीजों की जिम्मेदारी उन्हीं की रहेगी।