KPMG द्वारे प्रकाशित केलेल्या आणि 8 ऑगस्ट 2026 रोजी मोठ्या प्रमाणावर प्रसारित झालेल्या सर्वेक्षणाच्या निष्कर्षांनुसार, ऑपरेटिंग खर्च उत्पादन केलेल्या सिस्टमच्या मूल्यापेक्षा जास्त होऊ लागल्यानंतर जवळपास निम्म्या मोठ्या संस्थांनी त्यांचे AI एजंट तैनात करणे संकुचित, विलंबित किंवा विराम दिला आहे. हे निष्कर्ष एका वर्षाच्या आक्रमक AI साठी वास्तविकता तपासण्यासारखे आहेत.

एंटरप्राइझ AI च्या अर्थशास्त्राचे वजन करणाऱ्या एक्झिक्युटिव्ह आणि विश्लेषकांसाठी, एआय बझ वायर ब्रेकिंग एआय न्यूजच्या सतत कव्हरेजसह एजंट हाइप आणि मोजलेले रिटर्न यांच्यातील अंतर शोधत आहे.

किंमत-मूल्य अंतर

केपीएमजीच्या निष्कर्षांनुसार, सुमारे 49% मोठ्या संस्थांनी त्यांचे एआय एजंट रोलआउट्स कमी केले आहेत कारण सिस्टीम चालवण्यासाठी त्यांनी व्युत्पन्न केलेल्या मूल्यापेक्षा जास्त खर्च येतो. संस्थांच्या केवळ थोड्याच भागांनी त्यांच्या एजंट तैनातीतून गुंतवणुकीवर स्थापित परतावा पोहोचल्याची नोंद केली. परिणाम एंटरप्राइझ तंत्रज्ञानातील सर्वात मोठ्या कथनांपैकी एक रीफ्रेम करतो: एआय एजंट नेहमीपेक्षा अधिक उत्पादनांमध्ये एम्बेड केले जात असताना, त्या क्रियाकलापांना सकारात्मक अर्थशास्त्रात बदलणे अनेक खरेदीदारांसाठी मायावी राहते.

कंपन्या एआय एजंट्सना वैमानिकांकडून उत्पादनात हलवल्यामुळे निर्माण होत असलेला तणाव ही आकृती प्रतिबिंबित करते. प्रत्येक एजंटिक कार्य — जेथे मॉडेल कारणे सांगते, साधने कॉल करते आणि अनेक-चरण क्रिया करते — साध्या चॅट प्रॉम्प्टपेक्षा लक्षणीयरीत्या जास्त गणना करते, कारण ते अनेकदा अनेक मॉडेल कॉल्स एकत्र जोडते. मोठ्या प्रमाणावर, ते खर्च त्वरीत वाढतात आणि अनेक संस्थांना उपयोजन सुरू असतानाच बिल सापडले.

KPMG च्या सर्वेक्षणाचा तपशील

निष्कर्ष KPMG च्या त्रैमासिक AI पल्स सर्वेक्षणाशी संरेखित करतात, ज्याने C-suite आणि मोठ्या संस्थांमधील व्यावसायिक नेत्यांचे दृष्टीकोन कॅप्चर केले. त्याच्या यूएस आवृत्तीमध्ये, सर्वेक्षणाने 28 एप्रिल ते 25 मे 2026 या कालावधीत $1 अब्ज किंवा त्याहून अधिक वार्षिक कमाई असलेल्या संस्थांचे प्रतिनिधित्व करणाऱ्या 204 यूएस-आधारित वरिष्ठ नेत्यांकडून प्रतिसाद गोळा केला.

सर्वेक्षणात एआय ऑपरेटिंगची किंमत समजून घेणे आणि व्यवस्थापित करणे हे एक उदयोन्मुख आव्हान म्हणून ओळखले गेले. अनेक कंपन्यांनी देखरेख डॅशबोर्ड आणि मंजूरी प्रक्रिया यासारखे मूलभूत प्रशासन घटक स्थापित केले आहेत, तरीही बहुतेकांना वास्तविक वेळेत AI-संबंधित खर्चांमध्ये पूर्ण, एंड-टू-एंड दृश्यमानतेचा अभाव आहे - एक अंतर जी संस्था वेगळ्या वापराच्या प्रकरणांमधून समन्वित, एंटरप्राइझ-व्यापी एजंट तैनातीकडे वळते म्हणून गंभीर बनते.

स्टँडअलोन एजंट्सवर ऑर्केस्ट्रेशन

रोलआउट्समध्ये पुलबॅक असूनही, प्रवासाची व्यापक दिशा माघार नाही तर पुनर्रचना आहे. KPMG सर्वेक्षणानुसार, संस्था एजंट्सचा वापर कसा केला जातो याकडे प्रगती करत आहेत, स्टँडअलोन ऍप्लिकेशन्समधून अधिक समन्वयित, एंटरप्राइझ-स्तरीय ऑर्केस्ट्रेशनकडे वळत आहेत. मल्टी-एजंट वर्कफ्लोमधील वाढ, कार्यसंघ, प्रणाली आणि निर्णय बिंदूंमधील क्रियाकलापांना जोडण्याच्या दिशेने वाटचाल करण्याचे संकेत देते, एजंट्सचा वापर करून सामायिक उद्दिष्टे संरेखित करण्यासाठी आणि कार्ये विस्तृत करणारे कार्य स्वयंचलित करण्यासाठी.

दुसऱ्या शब्दांत, कंपन्या एआय एजंट्स सोडत नाहीत; ते कुठे आणि कसे उपयोजित करतात याबद्दल ते अधिक निवडक बनत आहेत, एकात्मिक, उच्च-मूल्य वर्कफ्लोस विखुरलेल्या प्रयोगांवर अनुकूल आहेत जे किमतीचे समर्थन करणे कठीण आहे.

माणसं अजूनही वळणावर आहेत

सर्वेक्षणात असेही आढळून आले आहे की पुढील 6 ते 12 महिन्यांत AI एजंट्ससाठी सर्वोच्च जोखीम-शमन दृष्टीकोन हे "ह्युमन-इन-द-लूप" मॉडेल आहे, ज्यामध्ये एखादी व्यक्ती आउटपुट प्रमाणित करते परंतु प्रत्येक वैयक्तिक एजंटिक कृती किंवा निर्णयावर देखरेख करत नाही. ते प्राधान्य व्यावहारिक तडजोड दर्शवते: संस्थांना ऑटोमेशनची कार्यक्षमता वाढवायची आहे परंतु अद्याप एजंटना त्यांच्या परिणामांवर चेकपॉईंटशिवाय काम करू देण्यास तयार नाहीत.

कर्मचारी अनुभव हा आणखी एक दबाव बिंदू म्हणून उदयास आला. सर्वेक्षणात असे नमूद करण्यात आले आहे की एआय एजंट्ससोबत काम करण्याबाबत कर्मचाऱ्यांच्या चिंता बदलत आहेत, अनेकांना वाढत्या जटिलतेचा आणि कामाचा ताण जाणवत आहे. यशस्वीरीत्या स्केलिंग एजंट दत्तक, KPMG ने निष्कर्ष काढला की, कर्मचाऱ्यांच्या अनुभवावर अधिक लक्ष केंद्रित करणे, परिणामांचे स्पष्ट संरेखन आणि ड्रायव्हिंग व्यस्ततेसाठी अधिक हेतुपुरस्सर दृष्टीकोन आवश्यक आहे.

बाजारासाठी याचा अर्थ काय आहे

एकत्रितपणे, निष्कर्ष अधिक शिस्तबद्ध टप्प्यात प्रवेश करत असलेल्या बाजाराचे वर्णन करतात. एआय एजंट दत्तक घेण्याची पहिली लाट निकड आणि मागे पडण्याच्या भीतीने प्रेरित होती. पुढील लहर, डेटा सूचित करते, युनिट अर्थशास्त्राद्वारे नियंत्रित केले जाईल: कोणते एजंट वर्कफ्लो प्रत्यक्षात स्वतःसाठी पैसे देतात, रिअल टाइममध्ये खर्चाचा मागोवा कसा घेतला जातो आणि आउटपुट विश्वासार्ह ठेवण्यासाठी मानवांना कुठे गुंतले पाहिजे.

विक्रेत्यांसाठी, याचा अर्थ बार वाढत आहे. एजंट उत्पादनांना केवळ प्रभावी डेमोच नव्हे तर मोजता येण्याजोग्या किमतीची कार्यक्षमता दाखवणे आवश्यक आहे. खरेदीदारांसाठी, KPMG चा डेटा एक उपयुक्त बेंचमार्क ऑफर करतो: जर अंदाजे निम्म्या मोठ्या संस्था मागे खेचत असतील कारण किंमत जास्त आहे, तर खर्चाची शिस्त — क्षमता नाही — हा निर्णायक घटक असू शकतो ज्यामध्ये AI एजंट तैनाती टिकून राहते.

AI च्या पुढे रहा

एजंट हाइप सायकल खर्च आणि मूल्याच्या हिशोबात परिपक्व होत आहे. अर्थशास्त्र फोकसमध्ये येताच नवीनतम एंटरप्राइझ एआय आणि एजंट विश्लेषण फॉलो करा.

एआय बझ वायर एक्सप्लोर करा →