Into-it के साथ LSE AI मार्केटिंग टेस्ट: निर्णय विश्लेषण

मैंने एक बार एक मार्केटिंग कैलेंडर को नैतिक दस्तावेज़ बनते देखा। वह काफी साधारण दिखता था—कैंपेन की तारीखों, ईमेल भेजने के समय, ऑडियंस सेगमेंट और मंज़ूरियों की एक ग्रिड। लेकिन हर सेल में यह निर्णय छिपा था कि किसकी अहमियत है, कौन-सा लहजा स्वीकार्य है, ब्रांड कौन-सा वादा सुरक्षित रूप से कर सकता है, और कब एक और पोस्ट करने से बेहतर चुप रहना है। इसी वजह से London School of Economics का Into-it के साथ प्रयोग किसी और AI उत्पादकता कहानी से बड़ा लगता है। MarketingWeek की रिपोर्ट के अनुसार, London School of Economics ने martech स्टार्टअप Into-it के साथ मिलकर एक पूरी तरह स्वायत्त AI मार्केटिंग फ़ंक्शन बनाने के लिए साझेदारी की है। यह वाक्यांश एक चुनौती जैसा लगता है, शायद इसीलिए प्रकाशन ने इस परियोजना को इस सवाल के इर्द-गिर्द रखा कि क्या कोई विश्वविद्यालय पूरी तरह AI मार्केटिंग टीम बना सकता है। लेकिन ज़्यादा दिलचस्प सवाल यह नहीं है कि AI शेड्यूल, सेगमेंट, जनरेट और ऑप्टिमाइज़ कर सकता है या नहीं। सवाल यह है कि क्या मार्केटिंग ऑपरेशंस कभी उतने प्रक्रियात्मक थे, जितना हम दिखावा करते थे।

ऑर्ग चार्ट एक वर्कफ़्लो बन जाता है

MarketingWeek के अनुसार, LSE और Into-it की परियोजना साफ़ तौर पर एक पूरी तरह स्वायत्त AI मार्केटिंग फ़ंक्शन पर केंद्रित है, न कि केवल ऐसे टूल पर जो किसी व्यक्ति को तेज़ी से लिखने में मदद करे। यह अंतर महत्वपूर्ण है, क्योंकि मार्केटिंग में AI अपनाने को अब तक अधिकतर सहायता के रूप में पेश किया गया है। मार्केटर कहानी का मुख्य पात्र बना रहता है, और सॉफ़्टवेयर एक बहुत तेज़ इंटर्न होता है। एजेंटिक सिस्टम इस कहानी का आकार बदल देते हैं। LSE Business Review में, Terence Tse एजेंटिक AI को ऐसी कृत्रिम बुद्धिमत्ता के रूप में वर्णित करते हैं जो पहले से तय लक्ष्यों की ओर सक्रिय रूप से निर्णय लेती है और कार्रवाई को आगे बढ़ाती है, स्थितियों का आकलन करती है, योजनाएँ बनाती है और न्यूनतम मानवीय निगरानी के साथ उन्हें लागू करती है। यह बेहतर ऑटोकम्प्लीट नहीं है। यह एक छोटा-सा ऑपरेटिंग मॉडल है।

जब मार्केटिंग एजेंटों द्वारा चलाया जाने वाला ऑपरेटिंग मॉडल बन जाती है, तो ऑर्ग चार्ट धुंधला होने लगता है। योजना बनाना, परीक्षण, रिपोर्टिंग और दोहराव बैठकों के बजाय लूप बन सकते हैं। हैंडऑफ़ की पुरानी रुकावट कम हो सकती है, लेकिन उन हैंडऑफ़ के भीतर मौजूद अनौपचारिक जाँचें भी कम हो सकती हैं। कोई सहकर्मी पूछता है, “क्या हमें यकीन है कि यह हमारी तरह सुनाई देता है?” इसे हमेशा गवर्नेंस के रूप में दर्ज नहीं किया जाता, लेकिन अक्सर यह वही होता है।

ऑटोमेशन जवाबदेही को नहीं हटाता

LSE Business Review का तर्क है कि एजेंटिक AI हमारे काम और समस्या-समाधान को देखने के तरीके में एक बुनियादी बदलाव का संकेत देता है। मार्केटिंग में यह बदलाव एक खास तौर पर संवेदनशील जगह पर आता है, क्योंकि यह काम मापने योग्य भी है और व्याख्यात्मक भी। कोई कैंपेन अपने लक्ष्य हासिल कर सकता है और फिर भी गलत महसूस हो सकता है। अनदेखा रह जाने वाला सवाल सरल है: अगर कोई स्वायत्त मार्केटिंग फ़ंक्शन खराब निर्णय लेता है, तो उस निर्णय की ज़िम्मेदारी किसकी है? उस विक्रेता की जिसने सिस्टम बनाया, उस संस्था की जिसने लक्ष्य तय किया, उस मार्केटर की जिसने गार्डरेल्स को मंज़ूरी दी, या उस कार्यकारी की जिसने शुरुआत में दक्षता चाही थी? Springer Nature की Evolutionary and Institutional Economics Review AI को त्रिकोणीय एजेंसी संबंध और नई सूचना असमानताएँ लाने वाला बताती है, जो औपचारिक ढंग से यह कहने का तरीका है कि ठीक उस समय ज़िम्मेदारी देखना कठिन हो सकता है जब निर्णय लागू करना आसान हो जाता है।

इससे LSE का प्रयोग लापरवाह नहीं बनता। यह उसे उपयोगी बनाता है। एक गंभीर संस्थागत परीक्षण दिखा सकता है कि स्वायत्तता कहाँ लाभ देती है और कहाँ अस्पष्टता पैदा करती है। टीमों के लिए सीख यह है कि स्वायत्त मार्केटिंग का मूल्यांकन यह पूछकर न करें कि क्या यह आउटपुट बना सकती है, बल्कि यह पूछकर करें कि क्या इसके निर्णयों को समझाया, चुनौती दी और पलटा जा सकता है।

ब्रांड निर्णय ही दुर्लभ कौशल है

LSE Executive Education नोट करता है कि डिजिटल मार्केटिंग अधिक जटिल और AI-चालित होती जा रही है, और मार्केटर्स के सामने बड़ी चुनौतियाँ और अभूतपूर्व अवसर दोनों हैं। यह AI और एनालिटिक्स के साथ आत्मविश्वास की ज़रूरत की ओर भी इशारा करता है, केवल जिज्ञासा की नहीं। यह दृष्टिकोण महत्वपूर्ण है, क्योंकि मशीन के बेहतर होने पर मानवीय भूमिका गायब नहीं होती। वह ऊपर की ओर खिसकती है।

MIT Sloan Management Review मार्केटिंग लीडर्स के लिए इसी तरह की समस्या प्रस्तुत करता है: कई लोग जनरेटिव AI के अवसर को पहचानते हैं, लेकिन यह तय करने में संघर्ष करते हैं कि शुरुआत कहाँ से करें, खासकर जब अवसर को संभालने योग्य जोखिम के मुकाबले तौला जा रहा हो। पूरी तरह स्वायत्त मार्केटिंग फ़ंक्शन इस संतुलन को और स्पष्ट कर देता है। दिखाई देने वाले काम को ऑटोमेट करना जितना आसान होता जाता है, अदृश्य काम उतना ही मूल्यवान होता जाता है।

वह अदृश्य काम है ब्रांड निर्णय। यह जानना कि कब कोई प्रभावी संदेश बहुत ज़्यादा जरूरतमंद लगता है, कब निजीकरण दखल देने वाला बन जाता है, कब कोई ट्रेंड आपके लिए नहीं है, और कब सही कन्वर्ज़न रणनीति संयम है। AI पैटर्न सीख सकता है, लेकिन संस्थानों को अब भी लोगों की ज़रूरत है ताकि वे तय कर सकें कि किन पैटर्नों को शक्ति मिलनी चाहिए।

आगे किस पर नज़र रखें

LSE और Into-it पर MarketingWeek की रिपोर्ट मार्केटर्स को उस बहस के लिए एक ठोस आधार देती है जो वरना अमूर्तता में भटक सकती है। व्यावहारिक निष्कर्ष यह नहीं है कि प्रयोग की पूरी तरह नकल की जाए। यह है कि अपने मार्केटिंग फ़ंक्शन को निर्णय के प्रकार के आधार पर मैप करें: क्या ऑटोमेट किया जा सकता है, किसे समीक्षा की ज़रूरत है, और क्या मानवीय निर्णय ही रहना चाहिए क्योंकि वही ब्रांड को परिभाषित करता है।

अगली उपयोगी मार्केटिंग टीम शायद वह नहीं होगी जिसके पास सबसे अधिक AI टूल हों। वह टीम हो सकती है जिसके पास निष्पादन और निर्णय के बीच सबसे स्पष्ट सीमा हो। अगर स्वायत्त एजेंट मशीनरी का अधिक हिस्सा चला सकते हैं, तो मनुष्यों को मूल्यों, पसंद और जवाबदेही के बारे में पहले से कहीं अधिक स्पष्ट होना पड़ सकता है। इसलिए यह पूछने से पहले कि क्या AI आपकी मार्केटिंग चला सकता है, शायद यह अधिक असुविधाजनक सवाल पूछें: क्या आप जानते हैं कि आपकी मार्केटिंग के कौन-से हिस्सों को कभी खुद से चलने की अनुमति नहीं दी जानी चाहिए?