व्यवसायातील नवकल्पनांसाठी संस्थात्मक बदलांना पुढे नेणे

सन 1876 मध्ये स्थापन झालेली डाई निप्पोन प्रिंटिंग कंपनी, लिमिटेड. (DNP) ही जगातील सर्वात मोठ्या मुद्रण कंपन्यांपैकी एक आहे, ज्यामध्ये जगभरात 37,000 हून अधिक कर्मचारी कार्यरत आहेत. स्मार्ट कम्युनिकेशन, जीवन व आरोग्य, आणि इलेक्ट्रॉनिक्स या क्षेत्रांमध्ये विस्तारलेल्या पोर्टफोलिओसह, DNP तिच्या ब्रँड विधानाने मार्गदर्शित आहे, "भविष्यासाठी नवे मानदंड निर्माण करणे." आणि टिकाऊपणाला प्रोत्साहन देत लोक आणि समाज यांना जोडण्याच्या वचनबद्धतेसह.

या वचनबद्धतेचा एक भाग म्हणून, DNP ने दीर्घकाळापासून उदयोन्मुख तंत्रज्ञानाचा स्वीकार केला आहे. एप्रिल 2023 मध्ये, कंपनीने संपूर्ण संस्थेमध्ये एआय स्वीकारण्याचा एक धोरणात्मक निर्णय घेतला. मे महिन्यापर्यंत, DNP ने संपूर्ण एंटरप्राइज वापरासाठी सुरक्षित वातावरण तयार केले होते. फेब्रुवारी 2025 मध्ये, कंपनीने दहा मुख्य विभागांमध्ये ChatGPT एंटरप्राइज सुरू केले. तीन महिन्यांच्या आत, खालील परिणाम मिळाले:

• ChatGPT Enterprise सह 90% वापर प्रकरणांमध्ये मोजता येण्याजोगे परिणाम दिसून आले
• साप्ताहिक सक्रिय वापर दर 100%
• वेळेत कपात करण्यासाठी 87% ऑटोमेशन दर
• 70% ज्ञान पुनर्वापर दर (कस्टम GPTs)
• प्रक्रिया प्रमाणात दहा पट वाढ

सर्जनशील AI चे फायदे पूर्णपणे मिळवण्यासाठी, DNP ने जास्तीत जास्त परिणाम निर्माण करू शकणाऱ्या दहा विभागांना लक्ष केंद्रित केले. कंपनीने स्पष्ट मापदंड निश्चित केले: प्रत्येक कर्मचारीने साप्ताहिक किमान 100 वेळा ChatGPT वापरावा, आणि कामाच्या वेळेत कपात करण्यासाठी 50% पेक्षा जास्त ऑटोमेशन दर साधावा.

यामुळे, वैयक्तिक सुधारणा टीममध्ये कस्टम GPTs आणि सामायिक वापर प्रकरणांद्वारे पसरल्या, ज्यामुळे असे मूलभूत नमुने तयार झाले आहेत जे सध्या व्यवसाय परिवर्तन चालवत आहेत.

ज्या विभागांमध्ये ChatGPT एंटरप्राइज लागू केले गेले, तिथे सर्वात मोठा परिणाम ICT संशोधन आणि विकास विभागात दिसून आला. योहेई इशिदा, जनरल मॅनेजर, P&I इनोव्हेशन संशोधन आणि विकास युनिट, अॅडव्हान्स्ड बिझनेस सेंटर, यांनी त्यांच्या टीमचे नेतृत्व करत पेटंट संशोधन आणि फाईलिंग धोरणे ऑटोमेट आणि सुधारली, हस्तकिय कामे बदलून.

त्यांच्या टीमने ChatGPT एंटरप्राइज वापरून खालील कार्यप्रवाह तयार केले:

• पेटंट संशोधन: शोध, सारांश करणे आणि वर्गीकरण स्वयंचलित केले, संशोधनाचा वेळ 95% ने कमी केला आणि कव्हरेज 10 पट वाढवले
• अनुप्रयोग धोरण: DNP च्या तंत्रज्ञान आणि स्पर्धकांच्या पेटंट्समधील मुख्य फरक ओळखून नाकारण्याचा धोका कमी करणे आणि सुधारणा कमी करणे
• स्पर्धात्मक विश्लेषण: पहिला मसुदा अहवाल स्वयंचलितपणे तयार केला, ज्यामुळे तयारीचा वेळ 80% ने कमी झाला

IP धोरण उभारून, DNP उत्पादनाच्या विशिष्टतेच्या आणि दीर्घकालीन स्पर्धात्मकतेच्या पाया मजबूत करत आहे.

DNP चा संशोधन विभाग उत्पादन तंत्रज्ञान सुधारण्याद्वारे QCD (गुणवत्ता, खर्च, वितरण) नवकल्पना प्रोत्साहित करत आहे, ज्यामुळे विद्यमान उत्पादनांची आणि सेवांची मूल्यवृद्धी होते, तसेच नवीन उत्पादन आणि सेवा विकासाचा पाठपुरावा करतो. ज्या क्षेत्रांमध्ये प्रगत विश्लेषणात्मक आणि मूल्यांकन तंत्रांची आवश्यकता आहे, त्या ठिकाणी DNP ने ChatGPT Enterpriseचा उपयोग करून पारंपरिक पद्धतीने लागणारा वेळ लक्षणीयरीत्या कमी केला आहे जसे की साहित्य मूल्यांकनासाठी प्रयोगात्मक उपकरण चालवणे, मोजमाप करणे आणि विश्लेषण करणे.

मुख्य परिणामांमध्ये समाविष्ट आहेत:

• इंग्रजी पेटंट आणि उपकरणांच्या तत्त्वांमधून माहिती संरचित करणे आता केवळ तीन दिवसांत, जे पूर्वी अनेक महिने लागत होते
• Python चा अनुभव नसलेल्या कर्मचाऱ्यांना ChatGPT Enterprise द्वारे कोड तयार करण्याची आणि चालवण्याची क्षमता देणे

एक विशेष लक्षवेधी वापर प्रकरण म्हणजे अशा कर्मचारी ज्यांना Python मध्ये पूर्वी अनुभव नव्हता, त्यांनी कोणताही शिकण्याचा खर्च न करता कोड तयार करून डेटा विश्लेषित केला. पारंपारिक पद्धतीने ज्यासाठी एक वर्षाहून अधिक वेळ लागला असता, ते विकास कार्य फक्त काही दिवसांत अंमलात आणले गेले. या क्षमता संशोधकांच्या कौशल्य आणि ज्ञानासोबत एकत्र केल्यामुळे नवीन अंतर्दृष्टी प्राप्त झाली, ज्यामुळे संपूर्ण विभागावर लक्षणीय परिणाम झाला.

DNP ChatGPT एंटरप्राइजच्या मदतीने IT प्रशासन आधुनिक करत आहे. मासाहिरो कोबायाशी, जनरल मॅनेजर, सिस्टम इन्फ्रास्ट्रक्चर डेव्हलपमेंट डिव्हिजन, ICT सेंटर, इन्फॉर्मेशन इनोव्हेशन ऑपरेशन्स यांनी असे सांगितले की पूर्वी हाताने केले जाणारे आणि असंगत असलेले कार्य आता सुधारले गेले आहे:

• बाह्य सुरक्षा तपासणी: ऑडिट तुलना वेळ 30 मिनिटांवरून 5 मिनिटांवर आणली; क्रिप्टोग्राफिक सुइट निवडण्याचा वेळ 3 तासांवरून 1 तासावर कमी केला
• क्लाउड सुरक्षा: सुमारे १०० CIS Benchmark noncompliance आयटम्सची प्रारंभिक तपासणी दहा मिनिटांत पूर्ण केली, जे दोन व्यक्ती-दिवसांच्या वेळेत व्हायला हवे होते
• पुनरावलोकन समर्थन: डिझाइन धोरणे आणि मागील नोंदींचा संदर्भ घेऊन आवश्यकता पुनरावलोकनाची वेळ 1 तासावरून 30 मिनिटांवर कमी केली

ते पुढे सांगतात की AI मानवी देखरेखीची जागा घेणार नाही: "तपासणी आणि अंतिम पडताळणी ही लोकांच्या जबाबदारीत राहते."

DNP चे सर्वात मोठे आव्हान म्हणजे ज्ञान गमावणे. कौशल्य बहुतेकदा अनुभवी कर्मचार्‍यांच्या मनात राहते किंवा अ‍ॅनालॉग दस्तऐवजांमध्ये लपलेले असते.

Advanced Business Centerरच्या AI बिझनेस डेव्हलपमेंट युनिटमधील तंत्रज्ञान विकास विभागाचे जनरल मॅनेजर इसाकु ओसावा यांच्या नेतृत्वाखाली, DNP आता या समस्येला थेट सामोरे जाण्यासाठी एआयचा वापर करत आहे.

त्यांच्या टीमने ChatGPT एंटरप्राइजचा वापर करून कागदी मॅन्युअल्सपासून ऐतिहासिक गुणवत्ता लॉगपर्यंत असलेल्या असंरचित डेटाचे संरचनाकरण आणि डिजिटल रूपांतर केले आहे. एकदा हे रेकॉर्ड्स समाविष्ट केले की, ते अंतर्गत ज्ञानसंग्रहाचा भाग बनतात ज्याला कोणीही कस्टम GPTs द्वारे प्रवेश करू शकतो. डेटा आर्किटेक्चर परिभाषित करण्यासाठी लागणारा वेळ ९०% ने कमी झाला. त्यांनी पुनरावलोकन करू शकणाऱ्या तांत्रिक कागदपत्रांची संख्या देखील दुप्पट केली.

"आमचा उद्देश म्हणजे पिढ्यान्पिढ्या असलेले ज्ञान डिजिटल कामात रूपांतरित करणे,” असे ओसावा म्हणतात. ही बदल फक्त कामगार तुटवड्याची भरपाई करत नाही, तर नवकल्पनेसाठी दीर्घकालीन क्षमता देखील निर्माण करते.

• 90% वापर प्रकरणांत मोजता येण्याजोगे परिणाम दिसून आले
• साप्ताहिक सक्रिय वापर दर 100%
• पेटंट संशोधनाचा वेळ 95% ने कमी करणे
• कामाच्या वेळेत कपात करण्यासाठी 87% ऑटोमेशन दर
• प्रक्रिया प्रमाणात दहा पट वाढ

"AI एजंट्स विविध परिस्थितींमध्ये सहज मिसळून जातील, ज्यामुळे प्रत्येकाला AI चा लाभ घेता येईल, अगदी त्याची जाणीव न ठेवता,” असे ओटाके म्हणतात. तो मानवी आणि AI सहकार्यापासून असे तंत्र तयार होईल, जिथे व्यवसायाचे काही भाग AI ते AI संवादाद्वारे चालतील, असा विचार करतात. जसे रोबोटिक्स प्रगती करत आहे, हा कल अधिक वेगाने वाढेल, ज्यामुळे भौतिक AI वास्तविक जगात कार्य करणारा भविष्य निर्माण होईल.

आगामी काळात, ओटाके नमूद करतात की ज्ञान जतन करणे अत्यंत महत्त्वाचे असेल: "तुम्हाला मानवांसाठी तयार केलेली माहिती AI समजू शकेल अशा स्वरूपातील माहितीत रूपांतरित करावी लागेल आणि ज्ञान जतन व सामायिक होईल याची खात्री करावी लागेल. लहान होत असलेल्या कामगार संख्येसाठी तयारी करत असताना आमचा उद्देश उत्पादकता सुधारण्याचा आहे.” उद्देश असा आहे की, अग्रगण्य कामकाजाचे ज्ञान आणि गुणवत्ता नोंदी संरचित डेटामध्ये रूपांतरित कराव्यात, ज्यामुळे AI एजंट्स आणि भविष्यातील भौतिक AI त्यातून शिकू शकतील आणि ते लागू करू शकतील, वैयक्तिक कौशल्यावर अवलंबित्व कमी होईल आणि ते दीर्घकालीन स्पर्धात्मक फायद्यात रूपांतरित होईल.

"भविष्यासाठी नवे मानदंड निर्माण करणे," या ब्रँड विधानाखाली, DNP छपाई आणि माहिती तंत्रज्ञानातील ताकद वाढवण्याचा आणि समाजासाठी नवे मानदंड निर्माण करणारी AI-नेटीव्ह कंपनी बनण्याचा प्रयत्न करत आहे.