Marketing में एक AI centre of excellence (CoE) एक छोटी team है जो AI capability के shared हिस्सों की owner है — standards, tooling, evaluation और training — जबकि बाक़ी marketing organisation उन्हें अपने काम में लागू करती है। इसका मक़सद पूरी team की capability बढ़ाना है, उनकी तरफ़ से AI काम करना नहीं। जब यह एक gatekeeper बन जाती है, तो वह fail हो चुकी है, चाहे वह कितनी भी competent हो।
आपको इसकी ज़रूरत है या नहीं यह scale और spread पर निर्भर है। दस लोगों की एक team साथ बैठकर standards साझा कर सकती है। एक बार जब AI उपयोग कई teams, brands या regions में फैल जाए, तो सबके अलग-अलग वही problems हल करने की लागत असली हो जाती है, और एक छोटी केंद्रीय capability ख़ुद का ख़र्च निकालने लगती है।
एक centre of excellence कब worth है
एक CoE अपनी उपस्थिति तब कमाता है जब वही काम teams के आर-पार दोहराया जा रहा हो: वही tool evaluations, वही prompt problems, वही governance सवाल, वही ग़लतियाँ। उस बिंदु पर, एक shared function duplication घटाती है और हर team को दूसरे का जाना हुआ दोबारा सीखने से रोकती है।
यह worth नहीं है जब organisation इतनी छोटी हो कि अनौपचारिक रूप से coordinate कर सके, या जब असली problem यह हो कि अभी कोई AI इस्तेमाल ही नहीं करता। उस case में पहला काम एक pilot है, एक centre of excellence नहीं। माँग से पहले एक केंद्रीय team बनाना एक ऐसा function produce करता है जिसके पास कोई customer नहीं और एक mandate जिसे वह पूरा नहीं कर सकती। AI कैसे pilot करें वाला लेख वह शुरुआती बिंदु cover करता है।
तीन operating models
मुख्य design choice यह है कि फ़ैसले कहाँ बैठते हैं। नीचे की table तीनों models और हर एक कब फिट होती है बताती है।
| Model | यह कैसे चलती है | सबसे अच्छी तब |
|---|---|---|
| Centralised | एक team ज़्यादातर AI काम करती है | शुरू में, कम use cases, control चाहिए |
| Hub-and-spoke | केंद्र standards तय करता है; teams लागू करती हैं | Scaled, कई teams, मिश्रित ज़रूरतें |
| Federated | Teams अपना AI काम ख़ुद करती हैं | Mature, हर जगह ऊँची capability |
ज़्यादातर organisations hub-and-spoke पर पहुँचती हैं, क्योंकि यह consistency को रफ़्तार के साथ संतुलित करता है। Centralised सही default है जब आप शुरू कर रहे हों और फैलाने से पहले practice स्थापित करनी हो। Federated सिर्फ़ तब काम करता है जब capability सचमुच distributed हो, और यह उन coordination benefits को खोने की ओर जाता है जिन्होंने शुरू में एक CoE को justify किया।
केंद्र किसका owner है
CoE उन चीज़ों की owner है जो एक बार करना कई बार करने से बेहतर है: standards और guardrails, नए tools का evaluation, prompts और workflows की एक shared library, training, और वे governance सवाल जिन्हें एक consistent जवाब चाहिए। यह operating model की shared layer का रखवाला है, और इसे इस बात से मापा जाना चाहिए कि बाक़ी organisation इसके बिना कितना कर सकती है। लक्ष्य वही है जो मैंने reporting पर सालों पहले बनाया: काम ज़्यादा output produce करना नहीं, बल्कि लोगों को अच्छे insights तक तेज़ी से और एक-दूसरे की ग़लतियाँ दोहराए बिना पहुँचाना।
यह काम ख़ुद का owner नहीं है। Campaign teams अपनी campaigns की owner हैं; CoE उन conditions की owner है जो उन campaigns को बेहतर बनाती हैं। एक CoE का सबसे साफ़ test यह है कि आस-पास की teams समय के साथ ज़्यादा capable होती हैं या बस केंद्र को ज़्यादा requests route करती हैं। पहला success है; दूसरा एक bottleneck बन रहा है।
Bottleneck failure mode
Failure में गिरना आसान है। एक capable केंद्रीय team से मदद माँगी जाती है, अच्छे से मदद करती है, और धीरे-धीरे वह जगह बन जाती है जहाँ से हर AI काम गुज़रना पड़ता है। Requests queue में लगती हैं, केंद्र keep up करने के लिए hire करता है, और organisation की capability फैलने के बजाय केंद्रित हो जाती है। CoE एक service desk बन गया है, और operating model बेहतर नहीं, बदतर है।
इससे बचें enablement को स्पष्ट mandate बनाकर और default executor बनने से इनकार करके। Standards publish करें, training चलाएँ, examples host करें, और teams को उन्हें लागू करने दें। अगर एक request असल में एक capability gap है, तो करने के बजाय सिखाएँ। यह पहली बार धीमा और हर बाद की बार बहुत तेज़ है।
केंद्र पर लोग लगाना
एक अच्छा CoE छोटा और senior होता है, बड़ा और junior नहीं। इसे ऐसे लोग चाहिए जो marketing काम इतनी गहराई से समझें कि जान सकें कि अच्छा कैसा दिखता है, और जो tools इस्तेमाल करने के बजाय workflows बना सकें। दो-तीन मज़बूत लोग जो भेजते और सिखाते हैं एक बड़ी review करने वाली team को हराते हैं। केंद्र का product capability है, और capability उन लोगों से transfer होती है जो दिखा सकते हैं, बता नहीं सकते।
वे disciplines लाएँ जो काम को चाहिए: एक builder जो workflows और tools जोड़ सके, एक operator जो campaigns जानता हो, और कोई जो governance और evaluation की owner हो। इसे पूरी तरह technologists से भरने का लालच छोड़ें; एक CoE जो media और marketing की असलियत नहीं समझता वह ऐसे standards बनाएगा जिन्हें कोई इस्तेमाल नहीं कर सकता।
केंद्र को मापना
CoE को enablement से मापें, throughput से नहीं। अब कितनी teams वह काम कर सकती हैं जो पहले नहीं कर सकतीं, shared library का कितना हिस्सा असल में इस्तेमाल होता है, कितने दोहराए गए सवाल दोबारा आना बंद हुए, और organisation का AI output बेहतर और ज़्यादा consistent हो रहा है या नहीं। जो केंद्र व्यस्त पर सबको निर्भर छोड़ दे वह success नहीं हुआ।
Counter-metrics यहाँ भी मायने रखती हैं। Track करें कि केंद्र एक queue बन गया है या नहीं, teams workarounds बना रही हैं या नहीं, और standards इसलिए follow हो रहे हैं क्योंकि वे मदद करते हैं या क्योंकि वे enforced हैं। एक CoE की सेहत आस-पास की teams इसे कैसे बताती हैं इसमें दिखती है — capability के एक source की तरह या एक toll gate की तरह।
एक counter-metric जो केंद्र को देखनी चाहिए
Throughput वह metric है जिसकी तरफ़ एक CoE drift करता है और जो भटकाती है। एक केंद्र व्यस्त दिख सकता है और अब भी fail हो रहा हो, तो adoption को एक counter-metric से जोड़ें: इस quarter कितनी teams ने केंद्र की मदद के बिना एक shared problem हल किया। Repeat questions की गिरावट track करें, shared library का वह हिस्सा जो उन teams ने इस्तेमाल किया जो उसे बनाए जाते समय कमरे में नहीं थीं, और क्या केंद्र की ख़ुद की request queue सिकुड़ रही है या बढ़ रही है। अगर adoption बढ़ते हुए वह बढ़ रही है, तो केंद्र एक service desk बन रहा है; अगर adoption बढ़ते हुए वह सिकुड़ रही है, तो capability सचमुच फैल रही है। वह अकेला ratio — capability ऊपर, dependency नीचे — सबसे साफ़ signal है कि model काम कर रहा है, और यह वह चीज़ है जो केंद्र की ख़ुद की workload अकेली कभी नहीं दिखा सकती।
पहले 90 दिन
शुरू करें teams पहले से क्या कर रही हैं और कहाँ एक-दूसरे को दोहरा रही हैं उसका inventory लेकर। दो-तीन shared problems चुनें — tooling, prompts, evaluation — और उन्हें एक बार, सार्वजनिक रूप से हल करें, ऐसे templates की तरह जिन्हें दूसरे copy कर सकें। एक हल्का standard और उसके साथ की governance rules publish करें। फिर मापें कि कितनी teams बिना कहे shared काम अपनाती हैं।
पहले quarter के लिए scope जान-बूझकर संकुचित रखें और माँग को CoE को बाहर की तरफ़ खींचने दें। जो केंद्र सब कुछ की owner बनकर शुरू होता है उससे चिढ़ होगी; जो कुछ चीज़ों को स्पष्ट रूप से बेहतर बनाकर शुरू होता है उससे ज़्यादा करने को कहा जाएगा। Marketing AI policy और governance का काम एक स्वाभाविक पहला product है, क्योंकि इसकी ज़रूरत एक बार है और यह हर जगह इस्तेमाल होता है।
CoE और वे teams जो इसका विरोध करती हैं
हर team एक केंद्रीय function का स्वागत नहीं करेगी, और कुछ प्रतिरोध वैध है। जो teams पहले से अच्छे AI workflows बना चुकी हैं वे एक CoE को overhead के रूप में देख सकती हैं जो उन्हें धीमा करता है; जो AI पर संदेह करती हैं वे इसे adopt करने के दबाव की तरह देख सकती हैं। दोनों reactions जानकारी लाती हैं, और जो केंद्र उन्हें अनदेखा करे उसके चारों तरफ़ से निकल जाया जाएगा।
Response यह है कि संदेह करने वालों के लिए स्पष्ट रूप से कुछ बेहतर बनाकर शुरू करें — एक tool evaluation जो उन्हें एक ख़राब ख़रीद से बचाए, एक template जो उस step को हटाए जिससे वे चिढ़ते हैं — adopt करने का आदेश देने के बजाय। उपयोगिता से credibility कमाएँ, और आगे चल रही teams को अपनी autonomy रखने दें। जो CoE उन teams का सम्मान करता है जिनकी वह सेवा करता है वह adopt होता है; जो ख़ुद को उनके ऊपर रखता है उसका विरोध होता है, और प्रतिरोध आमतौर पर किसी बात पर सही होता है। दूसरा trap यह है कि केंद्र को इससे मापें कि वह कितना काम करता है। जो CoE बहुत सारी assets भेजता है वह एक strategy title वाली production team है; जो CoE standards और capabilities भेजता है वह अपना काम कर रहा है। उस दिन का ध्यान रखें जब केंद्र marketing की सबसे व्यस्त team बन जाए, क्योंकि वह signal है कि वह enable करने से execute करने की तरफ़ भटक गया। सबसे स्वस्थ version वह है जिसकी ख़ुद की workload घटती है जैसे organisation की capability बढ़ती है।
FAQ
क्या हमें एक centre of excellence चाहिए?
सिर्फ़ तब जब AI उपयोग इतनी teams में फैला हो कि वही problems बार-बार हल हो रहे हों। उस scale के नीचे, एक shared standard और कुछ templates काम कर देते हैं। केंद्र तब बनाएँ जब माँग हो, उसकी प्रतीक्षा में नहीं।
क्या CoE काम करे या enable करे?
Enable करे। केंद्र का काम बाक़ी organisation को ज़्यादा capable बनाना है, और उनके लिए काम करना capability को फैलाने के बजाय केंद्रित कर देता है। अगर requests एक learning opportunity के बजाय एक queue हैं, तो model ग़लत हो गया है।
यह कितना बड़ा होना चाहिए?
छोटा और senior। दो-तीन लोग जो बना और सिखा सकें आमतौर पर एक बड़ी review team से बेहतर perform करते हैं। सिर्फ़ तब बढ़ें जब एक असली shared problem हो, और capability transfer करने की क्षमता के लिए hire करें, उसे रखने की नहीं।
कैसे पता चले कि यह काम कर रहा है?
Teams केंद्र के बिना ज़्यादा करती हैं, shared library इस्तेमाल होती है, और दोहराए गए सवाल दोबारा आना बंद हो जाते हैं। अगर केंद्र marketing की सबसे व्यस्त team है, तो यह शायद capability multiplier के बजाय एक bottleneck है।
Short version
Marketing में एक AI centre of excellence standards, shared tooling, evaluation और training की owner है ताकि बाक़ी organisation उन्हें लागू कर सके। ज़्यादातर scaled organisations के लिए hub-and-spoke चुनें, team को छोटा और senior रखें, और इसे enablement से मापें, throughput से नहीं। Execution guide CoE को व्यापक operating model में रखता है, और for in-house teams track इसे एक client-side team के लिए चलाती है।
अगर आपने एक बनाया है, तो मैं सुनना चाहूँगा कि आपने इसे bottleneck बनने से कैसे रोका।
शुभकामनाओं सहित, Chandler
यह लेख हिंदी में उपलब्ध है, लेकिन कोर्स सामग्री (वीडियो, टेम्पलेट्स और सपोर्टिंग गाइड्स) अंग्रेज़ी, जापानी, सरलीकृत चीनी और कोरियाई में उपलब्ध है। यह साइट 13 भाषाओं में उपलब्ध है।