AI काम पर: भरोसा और साफ़ नियम हाइप से ज़्यादा मायने रखते हैं

आर्टिफिशियल इंटेलिजेंस तेज़ी से वर्कप्लेस में आ रहा है, लेकिन कुवैत में हुई एक नई स्टडी बताती है कि इसे अपनाना नए टूल्स को लेकर उत्साह पर कम और इस बात पर ज़्यादा निर्भर करेगा कि क्या ऑर्गनाइज़ेशन भरोसा बना सकते हैं, साफ़ पॉलिसी दे सकते हैं, और बदलाव के दौरान कर्मचारियों को सपोर्ट कर सकते हैं।

ऑस्ट्रेलियन यूनिवर्सिटी की सफ़ेया अफ़्टिमोस और अमेरिकन इंटरनेशनल यूनिवर्सिटी की रांडा डियाब-बहमान की स्टडी, "टू AI ऑर नॉट टू AI? व्हेन सिनर्जीज़ कोलाइड," MDPI प्रोसीडिंग्स में पब्लिश हुई थी और कुवैत में डिजिटल ट्रांसफ़ॉर्मेशन, सस्टेनेबिलिटी और AI पर इंटरनेशनल कॉन्फ्रेंस में प्रेज़ेंट की गई थी।

एजुकेशन, ऑयल एंड गैस, टेलीकम्युनिकेशन और बैंकिंग में 153 पार्टिसिपेंट्स के सर्वे रिस्पॉन्स के आधार पर, रिसर्च में पाया गया है कि AI का इस्तेमाल दो फ़ैक्टर्स से मज़बूती से जुड़ा है: पॉज़िटिव स्टेकहोल्डर सेंटिमेंट और सपोर्टिव इंस्टीट्यूशनल पॉलिसीज़।

AI बज़ से आगे

सभी इंडस्ट्रीज़ में, कर्मचारियों को प्रोडक्टिविटी बेहतर बनाने, एनालिसिस तेज़ करने, रूटीन टास्क को ऑटोमेट करने और डिसीज़न-मेकिंग में सपोर्ट करने के लिए AI का इस्तेमाल करने के लिए तेज़ी से बढ़ावा दिया जा रहा है। लेकिन, कई वर्कप्लेस पर अभी भी इस बारे में साफ़ नियम नहीं हैं कि कौन से AI टूल्स इस्तेमाल किए जा सकते हैं, कौन सा डेटा शेयर किया जा सकता है, कब इंसानी निगरानी की ज़रूरत है, और जब AI-सपोर्टेड फ़ैसले गलत होते हैं तो कौन ज़िम्मेदार होगा, जिससे कन्फ़्यूज़िंग माहौल बनता है।

वर्कर्स को AI के साथ इनोवेट करने के लिए कहा जा सकता है, लेकिन उन्हें कॉन्फिडेंशियलिटी भंग करने, गलत काम करने, या साफ़ नहीं इंस्टीट्यूशनल नियमों का उल्लंघन करने का भी डर हो सकता है। मैनेजर एफिशिएंसी में बढ़ोतरी चाहते हैं, लेकिन उन्हें इम्प्लीमेंटेशन को गाइड करने के लिए गवर्नेंस फ्रेमवर्क की कमी होती है। इंस्टीट्यूशन डिजिटल ट्रांसफ़ॉर्मेशन को बढ़ावा दे सकते हैं, जबकि एम्प्लॉई को रिस्क और ज़िम्मेदारियों के बारे में कन्फ़्यूज़न छोड़ सकते हैं।

यह स्टडी इस टेंशन को तीन-पार्ट के फ्रेमवर्क के ज़रिए जांचती है: इंस्टीट्यूशनल पॉलिसी, स्टेकहोल्डर सेंटिमेंट और AI का इस्तेमाल। AI अपनाने को एक अकेला टेक्निकल मुद्दा मानने के बजाय, रिसर्चर्स का तर्क है कि इस्तेमाल ऑर्गेनाइज़ेशनल नियमों, इंसानी नज़रिए और वर्कप्लेस कैपेबिलिटी के बीच इंटरैक्शन से तय होता है।

भरोसा अपनाने को बढ़ावा देता है

स्टडी में स्टेकहोल्डर सेंटिमेंट और AI के इस्तेमाल के बीच एक मज़बूत रिश्ता पाया गया। रिसर्चर्स ने 0.80 की पियर्सन कोरिलेशन वैल्यू बताई है, जो AI के प्रति अच्छे नज़रिए और रिपोर्ट किए गए AI इस्तेमाल के बीच एक मज़बूत पॉज़िटिव जुड़ाव दिखाती है। आसान शब्दों में कहें तो, लोग AI का इस्तेमाल तब ज़्यादा करते हैं जब उन्हें लगता है कि यह उनके काम के लिए काम का, भरोसेमंद और काम का है। अगर उन्हें AI भरोसे लायक नहीं, रिस्की, खतरनाक या ठीक से समझाया नहीं गया लगता है, तो वे इसे सही तरीके से अपनाने की संभावना कम रखते हैं।

कई ऑर्गनाइज़ेशन मानते हैं कि टूल मिलने के बाद इसे अपनाया जाएगा। स्टडी कुछ और ही बताती है। सिर्फ़ एक्सेस काफ़ी नहीं है। कर्मचारियों को कॉन्फिडेंस की ज़रूरत होती है। उन्हें यह समझने की ज़रूरत है कि AI कैसे काम करता है, यह कहाँ मदद करता है, कहाँ फेल होता है, और उनका ऑर्गनाइज़ेशन उनसे इसके इस्तेमाल की उम्मीद कैसे करता है।

बैंकिंग, एजुकेशन, टेलीकम्युनिकेशन और ऑयल एंड गैस जैसे सेक्टर में, जो सेंसिटिव डेटा, सेफ्टी की चिंताएँ, पब्लिक इंटरेस्ट की ज़िम्मेदारियाँ और हाई-वैल्यू फ़ैसले संभालते हैं, वहाँ भरोसा बहुत ज़रूरी है। इन जगहों पर AI के इस्तेमाल को कैज़ुअल एक्सपेरिमेंट नहीं माना जा सकता। इसके लिए टेक्नोलॉजी और इसे मैनेज करने वाले इंस्टीट्यूशन, दोनों पर कॉन्फिडेंस की ज़रूरत होती है।

साफ़ पॉलिसी ज़िम्मेदार इनोवेशन को आगे बढ़ा सकती हैं

स्टडी में इंस्टीट्यूशनल पॉलिसी और AI के इस्तेमाल के बीच एक मज़बूत पॉज़िटिव रिश्ता भी पाया गया है, जिसका पियर्सन कोरिलेशन वैल्यू 0.73 है। इससे पता चलता है कि मज़बूत इंस्टीट्यूशनल सपोर्ट, लीडरशिप का साथ और रिसोर्स एलोकेशन, AI को ज़्यादा अपनाने से जुड़े हैं।

यह नतीजा इस सोच को चुनौती देता है कि पॉलिसी हमेशा इनोवेशन को धीमा कर देती है। AI के मामले में, साफ़ नियम असल में ज़िम्मेदारी से इस्तेमाल को बढ़ावा दे सकते हैं। जब कर्मचारियों को पता होता है कि क्या अलाउड है, क्या मना है, और कौन से सेफ़गार्ड लागू होते हैं, तो वे AI का इस्तेमाल भरोसे के साथ करने की ज़्यादा संभावना रखते हैं। कमज़ोर या न होने वाली पॉलिसी का उल्टा असर हो सकता है। कुछ कर्मचारी AI से बच सकते हैं क्योंकि उन्हें गलतियाँ करने का डर होता है। दूसरे लोग पब्लिक या बिना मंज़ूरी वाले टूल का इनफ़ॉर्मल तरीके से इस्तेमाल कर सकते हैं, जिससे डेटा प्राइवेसी, इंटेलेक्चुअल प्रॉपर्टी, कम्प्लायंस और अकाउंटेबिलिटी को लेकर रिस्क पैदा होते हैं।

AI गवर्नेंस को ऑर्गनाइज़ेशन में सिर्फ़ बड़े एथिकल स्टेटमेंट तक सीमित नहीं रखना चाहिए। कर्मचारियों को इस्तेमाल करने लायक गाइडेंस की ज़रूरत होती है: मंज़ूर टूल, डेटा-शेयरिंग नियम, ह्यूमन रिव्यू की ज़रूरतें, डॉक्यूमेंटेशन स्टैंडर्ड, और रिस्क आने पर एस्केलेशन रूट।

सरकारों के लिए, नतीजे बताते हैं कि नेशनल AI स्ट्रेटेजी को सेक्टर-लेवल और वर्कप्लेस-लेवल गाइडेंस में बदलना चाहिए। लागू करने के नियमों के बिना एम्बिशन से इंस्टीट्यूशन असुरक्षित हो जाते हैं।

पॉलिसी यह भी तय करती हैं कि लोग AI के बारे में कैसा महसूस करते हैं।

रिसर्च में इंस्टीट्यूशनल पॉलिसी और स्टेकहोल्डर की भावना के बीच 0.61 का ठीक-ठाक पॉजिटिव कोरिलेशन बताया गया है। दूसरे शब्दों में, बेहतर पॉलिसी AI के प्रति ज़्यादा पॉजिटिव नज़रिए से जुड़ी होती हैं। गवर्नेंस सिर्फ़ व्यवहार को कंट्रोल नहीं करता, बल्कि यह भरोसा भी बना सकता है। जब इंस्टीट्यूशन साफ़ तौर पर बातचीत करते हैं, ट्रेनिंग में इन्वेस्ट करते हैं, और नैतिक और ऑपरेशनल चिंताओं को दूर करते हैं, तो स्टेकहोल्डर AI को खतरे के बजाय मैनेज करने लायक मानने लगते हैं।

पॉलिसी में कमी होने पर अक्सर डर और अनिश्चितता बढ़ती है। कर्मचारियों को चिंता हो सकती है कि AI नौकरियों की जगह ले लेगा, परफॉर्मेंस पर नज़र रखेगा, ऑटोनॉमी कम करेगा, या सिस्टम की गलतियों के लिए उन्हें ज़िम्मेदार ठहराएगा। स्टूडेंट्स और टीचर एकेडमिक इंटीग्रिटी और सीखने की क्वालिटी को लेकर चिंतित हो सकते हैं। कस्टमर ऑटोमेटेड फैसलों और डेटा के गलत इस्तेमाल को लेकर चिंतित हो सकते हैं।

अच्छी पॉलिसी हर चिंता को दूर नहीं कर सकती, लेकिन यह ज़्यादा स्टेबल माहौल बना सकती है। यह दिखा सकती है कि AI को अपनाने को सोच-समझकर किया जा रहा है, न कि बिना सोचे-समझे जल्दबाज़ी में।

तेज़ी से डिजिटाइज़ हो रही अर्थव्यवस्थाओं के लिए बड़ा सबक

हालांकि यह स्टडी कुवैत में आधारित है, लेकिन इसकी अहमियत देश से कहीं आगे तक है। खाड़ी की इकॉनमी डिजिटल ट्रांसफॉर्मेशन, AI-इनेबल्ड पब्लिक सर्विस, स्मार्ट इंफ्रास्ट्रक्चर और इकोनॉमिक डाइवर्सिफिकेशन में भारी इन्वेस्ट कर रही हैं। इसके अलावा, कई डेवलपिंग और उभरती हुई इकॉनमी का सामना एक जैसी चुनौती से होता है: अकाउंटेबिलिटी, भरोसे या इंस्टीट्यूशनल कंट्रोल को कमजोर किए बिना AI को जल्दी से कैसे अपनाया जाए।

यह स्टडी इसलिए वैल्यू देती है क्योंकि AI अपनाने की रिसर्च में अक्सर वेस्टर्न कॉन्टेक्स्ट या टेक्नोलॉजी बनाने वाली इकॉनमी का दबदबा होता है। कुवैत से मिले सबूत इस चर्चा को बढ़ाने में मदद करते हैं और कॉन्टेक्स्ट-सेंसिटिव अपनाने वाले मॉडल की ज़रूरत को हाईलाइट करते हैं। ग्लोबल साउथ स्टेकहोल्डर्स के लिए, AI की तैयारी सिर्फ इंफ्रास्ट्रक्चर, क्लाउड सिस्टम या डिजिटल टूल्स तक एक्सेस के बारे में नहीं है। यह ह्यूमन कैपिटल, गवर्नेंस कैपेसिटी, पब्लिक कॉन्फिडेंस और इंस्टीट्यूशनल मैच्योरिटी पर भी निर्भर करता है।

जो देश और ऑर्गनाइजेशन इन फाउंडेशन में इन्वेस्ट किए बिना AI में इन्वेस्ट करते हैं, उनमें असमान एडॉप्शन, इनफॉर्मल टूल का इस्तेमाल, वर्कफोर्स का विरोध या पब्लिक का अविश्वास देखने को मिल सकता है। जो लोग टेक्नोलॉजी को पॉलिसी और लोगों के साथ अलाइन करते हैं, उन्हें लॉन्ग-टर्म फायदे मिलने की संभावना ज़्यादा होती है।

एक डेवलपमेंट और गवर्नेंस का मुद्दा

अगर AI को जिम्मेदारी से लागू किया जाए, तो यह इकोनॉमिक प्रोडक्टिविटी, बेहतर एजुकेशन सिस्टम, बेहतर इंडस्ट्रियल एफिशिएंसी, मजबूत फाइनेंशियल सर्विस और स्मार्ट इंफ्रास्ट्रक्चर को सपोर्ट कर सकता है। यह स्टडी कई सस्टेनेबल डेवलपमेंट गोल्स के लिए काम की है, जिसमें अच्छी क्वालिटी की शिक्षा पर SDG 4, अच्छे काम और आर्थिक विकास पर SDG 8, इंडस्ट्री, इनोवेशन और इंफ्रास्ट्रक्चर पर SDG 9, और असरदार संस्थानों पर SDG 16 शामिल हैं।

बिज़नेस: लीडर्स को इनफॉर्मल बढ़ावा देने से स्ट्रक्चर्ड अपनाने की ओर बढ़ना होगा। इसका मतलब है कि साफ अंदरूनी नियम बनाना, स्टाफ को ट्रेनिंग देना, रिस्क समझाना, इस्तेमाल पर नज़र रखना, और यह पक्का करना कि AI इंसानी फैसले को सपोर्ट करे, न कि उसे कमज़ोर करे।

पॉलिसी बनाने वाले: स्टडी सेक्टर-सेंसिटिव AI गवर्नेंस की ज़रूरत की ओर इशारा करती है। बैंकिंग, शिक्षा, एनर्जी और टेलीकम्युनिकेशन को एक जैसे रिस्क का सामना नहीं करना पड़ता। रेगुलेशन और गाइडेंस में इन अंतरों को दिखाना चाहिए।

डेवलपमेंट एजेंसियां ​​और इंटरनेशनल ऑर्गनाइज़ेशन: रिसर्च AI कैपेसिटी-बिल्डिंग को टेक्निकल ट्रेनिंग से ज़्यादा मानने की ज़रूरत को पक्का करती है। संस्थानों को पॉलिसी फ्रेमवर्क, एथिकल रिव्यू सिस्टम, अकाउंटेबिलिटी मैकेनिज्म और वर्कफोर्स रेडीनेस बनाने में भी मदद की ज़रूरत है।

सिविल सोसाइटी: स्टडी ओवरसाइट के महत्व पर ज़ोर देती है। जैसे-जैसे AI उन सेक्टर में आ रहा है जो सीखने, फाइनेंस, रोज़गार, एनर्जी और पब्लिक सर्विस पर असर डालते हैं, नागरिकों को यह भरोसा चाहिए कि अपनाने से फेयरनेस, अधिकार, सुरक्षा या ट्रांसपेरेंसी कम नहीं होगी। सबूत काम के हैं, लेकिन आखिरी बात नहीं। 153 पार्टिसिपेंट्स का सैंपल साइज़ एक फोकस्ड नज़रिया देता है, न कि पूरी नेशनल पिक्चर। यह स्टडी सिर्फ़ कुवैत तक लिमिटेड है और यह नहीं दिखाती कि अलग-अलग रेगुलेटरी सिस्टम, लेबर मार्केट या ऑर्गेनाइज़ेशनल कल्चर वाले देशों में भी यही रिश्ते रहेंगे या नहीं।

नतीजे खुद बताए गए सर्वे डेटा पर भी आधारित हैं, जो असल व्यवहार के साथ-साथ सोच को भी दिखा सकते हैं। एनालिसिस कॉज़ेशन नहीं, बल्कि कोरिलेशन की पहचान करता है। यह दिखाता है कि पॉलिसी, सेंटीमेंट और AI का इस्तेमाल जुड़े हुए हैं, लेकिन यह साबित नहीं करता कि एक सीधे दूसरे की वजह बनता है। पेपर पब्लिश हुए टेक्स्ट में सेक्टर-दर-सेक्टर डिटेल्ड नतीजे भी नहीं देता है, जिससे यह ज़रूरी सवाल खुला रह जाता है कि क्या AI अपनाने से एजुकेशन, बैंकिंग, टेलीकम्युनिकेशन और ऑयल एंड गैस में अलग तरह से काम होता है।

सीमाएं स्टडी की वैल्यू को कम नहीं करती हैं, बल्कि यह बताती हैं कि रिसर्च की अगली लहर कहाँ जानी चाहिए।

अगला कदम: यह साबित करना कि AI नतीजों को बेहतर बनाता है

भविष्य की रिसर्च को और ज़्यादा देशों, खासकर खाड़ी, बड़े मिडिल ईस्ट, अफ्रीका, साउथ एशिया और दूसरे ग्लोबल साउथ इलाकों में इसी फ्रेमवर्क को टेस्ट करना चाहिए। तुलना करने वाली स्टडीज़ दिखा सकती हैं कि गवर्नेंस सिस्टम, लेबर मार्केट और इंस्टीट्यूशनल कल्चर AI को अपनाने को कैसे आकार देते हैं।

सेक्टर के हिसाब से स्टडीज़ की भी ज़रूरत है। बैंकिंग में AI, एजुकेशन या एनर्जी में AI से अलग चिंताएँ पैदा करता है।