सुरक्षित-से-विफल संस्कृति: Computerworld प्रबंधन विश्लेषण

मैं जिस सबसे अच्छे incident review में कभी बैठा था, वह किसी व्यक्ति के बहुत धीरे से यह स्वीकार करने से शुरू हुआ कि उसने गलत चीज़ पर क्लिक कर दिया था। किसी ने नाराज़गी का प्रदर्शन नहीं किया। किसी ने प्रक्रिया के नाम पर छिपी सज़ा देने की कोशिश नहीं की। कमरे में मौजूद लोगों ने गलती को जानकारी की तरह देखा, और यह बात तब तक स्पष्ट लगती है जब तक आपने ऐसी जगह काम न किया हो जहाँ जानकारी को अदालत में सबूत की तरह देखा जाता है।

IT टीमों के लिए safe-to-fail संस्कृति बनाने पर Computerworld की गाइड के अंदर यही सांस्कृतिक तरकीब है। यह वाक्यांश एक नरम-सा management slogan लग सकता है, लेकिन इसका उपयोगी रूप उससे अधिक कठिन और अधिक व्यावहारिक है। यह नेताओं से ऐसी जगहें डिज़ाइन करने को कहता है जहाँ प्रयोग असफल हो सकें बिना तबाही बने, और जहाँ डर लोगों को अगला संकेत छिपाना सिखाए, उससे पहले सीख को पकड़ लिया जाए।

असफलता एक डिज़ाइन बाध्यता है, नैतिक घटना नहीं

Computerworld safe-to-fail संस्कृति को कर्मचारियों के असफलता के डर को दूर करने और टीमों को प्रयोग के लिए सुरक्षित वातावरण देने के रूप में प्रस्तुत करता है। यह लापरवाह होने की अनुमति नहीं है। यह याद दिलाने वाली बात है कि IT नेता पहले से ही जोखिम को ध्यान में रखकर सिस्टम डिज़ाइन करते हैं, इसलिए उन्हें सामाजिक सिस्टम भी जोखिम को ध्यान में रखकर डिज़ाइन करना चाहिए।

महत्वपूर्ण बदलाव यह पूछने से है कि क्या असफलता की अनुमति है, यह पूछने तक कि असफलता कहाँ अनुमति है। एक test environment, सीमित rollout, reversible change, और blameless review—ये सभी एक ही सांस्कृतिक काम करते हैं: वे जिज्ञासा के blast radius को छोटा कर देते हैं। Computerworld का management frame उपयोगी है क्योंकि यह सीखने को operating model की विशेषता बनाता है, न कि केवल असामान्य रूप से साहसी कर्मचारियों के लिए आरक्षित personality trait।

AI प्रयोग को रोज़मर्रा का काम बना देता है

WIRED Consulting और SThree generative AI adoption को तकनीकी चुनौती जितना ही सांस्कृतिक चुनौती बताते हैं, क्योंकि ये tools non-deterministic हैं, लगातार बदल रहे हैं, और natural language के माध्यम से इस्तेमाल किए जा सकते हैं। इसका मतलब है कि कर्मचारी प्रयोग करेंगे, चाहे leaders उसे मंज़ूरी दें या नहीं। चुनाव experimentation और control के बीच नहीं है, बल्कि visible experimentation और shadow IT के बीच है।

WIRED और SThree की वही brief कहती है कि generative AI को लगभग हर जगह लागू किया जा सकता है जहाँ जानकारी consume या create होती है, जबकि SThree के Rakesh Patel कहते हैं कि अपर्याप्त AI support के कारण STEM professionals हर हफ्ते छह घंटे तक खो रहे हैं। यह बात महत्वपूर्ण है क्योंकि unsupported experimentation गायब नहीं होता। वह निजी, असमान, और उससे सीखना कठिन बन जाता है।

Psychological Safety ही Interface है

MIT Technology Review, Infosys Topaz के साथ साझेदारी में, psychological safety को इस स्वतंत्रता के रूप में परिभाषित करता है कि लोग career repercussions के डर के बिना अपनी राय व्यक्त कर सकें और calculated risks ले सकें। इस definition को कभी-कभी workplace wellness idea की तरह देखा जाता है। IT में, यह infrastructure के अधिक करीब है।

MIT Technology Review Insights यह भी कहता है कि उसके काम ने enterprise AI success पर psychological safety के प्रभाव को लेकर 500 business leaders का survey किया, और Infosys CTO Rafee Tarafdar का हवाला देता है कि technology इतनी तेज़ी से बदल रही है, इसलिए experimentation की ज़रूरत है। असहज करने वाला सवाल यह है कि क्या teams से deterministic cultures के अंदर probabilistic tools अपनाने को कहा जा रहा है। अगर tool अप्रत्याशित ढंग से व्यवहार करता है लेकिन workplace uncertainty को सज़ा देता है, तो संगठन ने एक विरोधाभास बनाया है और उसे strategy कह दिया है।

Guardrail Culture

Anthropic अपने Claude के public constitution में एक उपयोगी समानता पेश करता है, जहाँ वह कहता है कि उसका mission दुनिया को transformative AI के दौर से सुरक्षित रूप से आगे बढ़ने में मदद करना है। कंपनी यह भी कहती है कि AI के लाभों को साकार करने और irrecoverable mistakes से बचने के लिए safety बहुत ज़रूरी है। कोई enterprise Claude इस्तेमाल करे या नहीं, framing सीखने लायक है: safety progress का opposite नहीं है, यह उन conditions में से एक है जो progress को टिकाऊ बनाती हैं।

Computerworld के safe-to-fail framing में बड़ा सबक यही है। परिपक्व IT cultures असफलता का उत्सव सिर्फ असफलता के लिए नहीं मनाते। वे छोटी failures को readable, contained, और useful बनाते हैं, ताकि संगठन को बड़ी failures के ज़रिए सीखना न पड़े।

Teams lead करने वाले readers के लिए अगला व्यावहारिक कदम कोई नया slogan नहीं है। कोई एक recurring experiment चुनिए, उसके शुरू होने से पहले guardrails define कीजिए, तय कीजिए कि lesson कैसे share होगा, और यह सुनिश्चित कीजिए कि किसी को honesty के बदले job security छोड़नी न पड़े। अगर IT work का future continuous experimentation है, तो आपकी team को क्या बदलने की ज़रूरत होगी ताकि truth जल्दी, कम लागत में, और बिना disguise के सामने आ सके?