एल्गोरिदम के दौर में मानसिक स्वास्थ्य

अक्षिता पांडे और डॉ. मैत्रेयी दास द्वारा

कंपनियां AI के फायदों—जैसे ज़्यादा कुशलता, कम गलतियां और डेटा-आधारित सटीकता—पर तो ज़ोर देती हैं, लेकिन एक ज़रूरी और अक्सर नज़रअंदाज़ किए जाने वाले पहलू पर ध्यान नहीं देतीं: वह है काम करने वालों की मानसिक सेहत पर AI को लागू करने का असर।

एल्गोरिदम के शासन में जीवन और काम के विभिन्न पहलुओं को समझने के लिए तेज़ी से शोध हो रहे हैं। इस चर्चा में एक अहम योगदान 2024 में 'ह्यूमैनिटीज एंड सोशल साइंसेज कम्युनिकेशंस' में प्रकाशित ब्युंग-जिक किम और जुलाक ली का शोध-पत्र है। दक्षिण कोरिया के 418 पेशेवरों (जो देश की सबसे ज़्यादा तकनीकी रूप से उन्नत आबादी का हिस्सा हैं) के सर्वेक्षण पर आधारित यह शोध कार्यस्थल पर AI अपनाने से कर्मचारियों के तनाव, बर्नआउट (काम के कारण अत्यधिक थकान और मानसिक तनाव) और मनोवैज्ञानिक सेहत पर पड़ने वाले असर की जांच करता है।

एल्गोरिदम का अदृश्य बोझ

यह अध्ययन एक मनोवैज्ञानिक 'डोमिनो प्रभाव' (एक घटना से दूसरी घटना का सिलसिला शुरू होना) को उजागर करता है: AI अपनाने से सीधे तौर पर बर्नआउट नहीं होता, लेकिन इससे नौकरी का तनाव बहुत बढ़ जाता है, जो बाद में बर्नआउट का एक बड़ा कारण बन जाता है। यह एक सूक्ष्म बदलाव है जिसके दूरगामी परिणाम होते हैं। कर्मचारी ज़रूरी नहीं कि AI के अस्तित्व से ही नाराज़ हों। बल्कि, AI उन पर जो दबाव डालता है—जैसे बदलाव की तेज़ गति, लगातार नई चीज़ें सीखने की ज़रूरत, और नौकरी के बेकार हो जाने या खत्म हो जाने का डर—वही इस बढ़ती चिंता को हवा देता है।

AI 'टेक्नो-स्ट्रेस' (तकनीक से जुड़ा तनाव) का माहौल बनाता है—यह कई तरह के तनावों के लिए इस्तेमाल किया जाने वाला एक व्यापक शब्द है, जिसमें शामिल हैं:

● टेक्नो-ओवरलोड: नए डिजिटल कामों और डिवाइस को संभालने की मजबूरी से परेशान होना

● टेक्नो-इनसिक्योरिटी: यह डर कि ऑटोमेशन (स्वचालन) से नौकरी चली जाएगी

● टेक्नो-कॉम्प्लेक्सिटी: AI सिस्टम को तेज़ी से सीखने और उसके अनुसार ढलने में कठिनाई होना

● टेक्नो-अनसर्टेनिटी: AI सिस्टम के तहत काम के नतीजों या उम्मीदों को लेकर अनिश्चितता।

इस दबाव की भारी मनोवैज्ञानिक कीमत चुकानी पड़ती है। जो काम पहले इंसानी समझ और रचनात्मकता पर निर्भर करते थे, वे अब अक्सर एल्गोरिदम द्वारा तय होते हैं। इससे कर्मचारियों को लगता है कि उनकी आज़ादी कम हो गई है और वे उस सिस्टम का ही एक हिस्सा बनकर रह गए हैं जिसमें वे काम करते हैं। इस बदलाव के कारण भावनात्मक थकान, काम से जुड़ाव की कमी और लाचारी की भावना बढ़ रही है—यह पैटर्न फाइनेंस और शिक्षा से लेकर हेल्थकेयर तक, सभी उद्योगों में देखा जा रहा है। मनोवैज्ञानिक सिद्धांत

किम और ली अपने निष्कर्ष तीन मुख्य मनोवैज्ञानिक मॉडलों पर आधारित करते हैं:

● जॉब डिमांड्स-रिसोर्सेज (JD-R) मॉडल: यह बताता है कि बर्नआउट तब होता है जब काम की मांगें (जैसे AI के लिए नई स्किल्स सीखना) उपलब्ध संसाधनों (जैसे ट्रेनिंग, मदद या भावनात्मक मजबूती) से ज़्यादा हो जाती हैं।

● कंजर्वेशन ऑफ़ रिसोर्सेज (COR) थ्योरी: लोग अपने शारीरिक, भावनात्मक और मनोवैज्ञानिक संसाधनों को बचाकर रखने की कोशिश करते हैं। जब AI इन संसाधनों को नुकसान पहुँचाता है, जैसे कि कर्मचारियों को बेकार या अक्षम महसूस कराकर, तो लोग तनाव और बर्नआउट का शिकार हो जाते हैं।

● ट्रांसेक्शनल मॉडल ऑफ़ स्ट्रेस एंड कोपिंग (TMSC): अगर AI को मौके के बजाय खतरे के तौर पर देखा जाए, और अगर निपटने की क्षमता (कोपिंग स्किल्स) कमज़ोर हो या मदद न मिले, तो नतीजा मनोवैज्ञानिक तनाव होता है।

आसान शब्दों में कहें तो, सिर्फ़ AI ही कर्मचारियों को नुकसान नहीं पहुँचाता; बल्कि यह इस बात पर निर्भर करता है कि AI को कैसे लागू किया जाता है, कैसे नियंत्रित किया जाता है और संगठनात्मक माहौल में उसे कैसे समझा जाता है।

डिजिटल सेल्फ-एफिकेसी (आत्म-क्षमता)

एक और अहम बात AI सीखने की सेल्फ-एफिकेसी है, या आसान शब्दों में, AI में महारत हासिल करने और उसका इस्तेमाल करने की व्यक्ति की क्षमता पर उसका भरोसा। ऐसे कर्मचारी तकनीकी बदलावों का सामना करते समय कम तनाव महसूस करते हैं और ज़्यादा मज़बूती से उनका सामना करते हैं। कम सेल्फ-एफिकेसी से लाचारी, चिंता और बर्नआउट जैसी समस्याएं होती हैं।

इस संदर्भ में, सेल्फ-एफिकेसी कार्यस्थल पर एक नए तरह के सुरक्षा कवच का काम करती है। यह न केवल कर्मचारियों को बेहतर प्रदर्शन करने में मदद करती है, बल्कि उन्हें AI-आधारित काम के माहौल में भावनात्मक रूप से निपटने के लिए भी तैयार करती है।

बर्नआउट का नया रूप

पुराने समय में, बर्नआउट का संबंध लंबे समय तक काम करने, खराब मैनेजमेंट, अवास्तविक उम्मीदों और भावनात्मक रूप से मुश्किल कामों से जोड़ा जाता था। हालाँकि, एल्गोरिदम के दौर में, बर्नआउट एक नया और ज़्यादा अदृश्य रूप ले रहा है, जो न केवल ज़्यादा काम करने से, बल्कि अलगाव, अधिकारहीनता और लगातार डिजिटल ओवरलोड से भी जुड़ा है।

आज, एल्गोरिदम तय करते हैं कि हम कैसे काम करते हैं, बातचीत करते हैं, जानकारी लेते हैं और यहाँ तक कि आराम भी कैसे करते हैं। नोटिफ़िकेशन निजी और पेशेवर ज़िंदगी के बीच की सीमा को धुंधला कर देते हैं, जबकि प्रोडक्टिविटी पर केंद्रित डिजिटल कल्चर हमेशा उपलब्ध, जवाबदेह और कुशल रहने का दबाव बनाते हैं। साथ ही, एल्गोरिदम सिस्टम परफॉर्मेंस की निगरानी करके, व्यवहार का अनुमान लगाकर और रूटीन तय करके आज़ादी को कम करते हैं, जिससे लोगों को लग सकता है कि उन्हें बदला जा सकता है और वे अपने काम से भावनात्मक रूप से दूर हो रहे हैं। इसका नतीजा एक ऐसे बर्नआउट के रूप में सामने आता है जो सिर्फ़ शारीरिक थकान के बारे में नहीं है, बल्कि मानसिक थकान, भावनात्मक सुन्नता और कभी भी पूरी तरह से "ऑफ़लाइन" न हो पाने की लगातार बनी रहने वाली भावना के बारे में है।

एल्गोरिदम के दौर में, बर्नआउट (काम का अत्यधिक तनाव) एक नया और कम दिखने वाला रूप ले रहा है। यह सिर्फ़ ज़्यादा काम करने से ही नहीं, बल्कि अलगाव, अधिकारहीनता और लगातार डिजिटल ओवरलोड (बहुत ज़्यादा डिजिटल जानकारी या काम का बोझ) से भी पैदा होता है।

कर्मचारी अक्सर बताते हैं कि वे AI सिस्टम की वजह से खुद को अलग-थलग महसूस करते हैं, क्योंकि ये सिस्टम बिना इंसानी दखल के फ़ैसले लेते हैं। कुछ लोग परफ़ॉर्मेंस मेट्रिक्स, प्रोडक्टिविटी ट्रैकर्स और एल्गोरिदम-आधारित मूल्यांकन के ज़रिए लगातार "निगरानी" में रहने का एहसास भी बताते हैं; ये सिस्टम रिस्पॉन्स टाइम से लेकर काम की क्षमता तक हर चीज़ पर नज़र रखते हैं।

लगातार निगरानी का यह कल्चर कर्मचारियों को हर समय खुद पर नज़र रखने (सेल्फ़-मॉनिटरिंग) के लिए मजबूर करता है, जिससे हर पल प्रोडक्टिव दिखने का दबाव बढ़ जाता है। समय के साथ, इससे एंग्जायटी (चिंता), भावनात्मक थकान और काम की जगह पर खुद के नियंत्रण या फ़ैसले लेने की क्षमता कमज़ोर हो सकती है। इस तरह का बर्नआउट कम साफ़ तौर पर दिखता है, लेकिन यह कम नुकसानदायक नहीं है। यह आत्मविश्वास कम कर सकता है, काम से गैर-हाज़िरी बढ़ा सकता है, और बहुत गंभीर मामलों में डिप्रेशन या नौकरी छोड़ने की नौबत भी ला सकता है।

क्या किया जा सकता है

AI अपनाने की प्रक्रिया में मनोवैज्ञानिक सपोर्ट को सामान्य बनाएं: संगठनों को यह समझना होगा कि AI लागू करना सिर्फ़ तकनीकी बदलाव नहीं, बल्कि मनोवैज्ञानिक बदलाव भी है। इसके लिए कर्मचारियों को मानसिक स्वास्थ्य सहायता, नियमित बातचीत (चेक-इन) और अपनी चिंता या उलझन ज़ाहिर करने के लिए सुरक्षित माहौल देना ज़रूरी है।

सभी स्तरों पर डिजिटल क्षमता और आत्मविश्वास बढ़ाएं: डिजिटल आत्मविश्वास विकसित करने के लिए लगातार ट्रेनिंग, मेंटरिंग और साथियों से मिलने वाले सपोर्ट की ज़रूरत है। मकसद सिर्फ़ तकनीकी दक्षता नहीं, बल्कि भावनात्मक मज़बूती भी है।

सहानुभूति को ध्यान में रखकर AI को फिर से डिज़ाइन करें: AI सिस्टम बनाते समय यूज़र की अपनी मर्ज़ी और नियंत्रण (यूज़र एजेंसी) को केंद्र में रखना चाहिए। कर्मचारियों को पता होना चाहिए कि एल्गोरिदम कैसे काम करते हैं, कौन सा डेटा इस्तेमाल हो रहा है, और फ़ैसले लेने की प्रक्रिया में इंसानी दखल कहाँ है। पारदर्शिता और सबको साथ लेकर चलने से डर और विरोध कम होता है।

सफलता के पैमानों को नए सिरे से तय करें: परफ़ॉर्मेंस मापने के तरीकों में इंसानी फ़ीडबैक, टीमवर्क और कल्पनाशीलता को बनाए रखना ज़रूरी है।

मानसिक स्वास्थ्य और AI से जुड़े नैतिक सिद्धांत बनाएं: नैतिक AI में मानसिक स्वास्थ्य भी उतना ही ज़रूरी हिस्सा होना चाहिए, जितना कि प्राइवेसी, बायस (पक्षपात) या पारदर्शिता।

इंसान को फिर से केंद्र में लाना

किम और ली की रिसर्च का एक सबसे अहम योगदान यह है कि AI की असली कीमत सिर्फ़ नौकरी जाने या डेटा के जोखिम के तौर पर नहीं, बल्कि असल इंसानों की भावनात्मक ज़िंदगी पर पड़ने वाले असर के तौर पर देखी जानी चाहिए। AI न्यूट्रल (तटस्थ) नहीं है। AI लोगों की अपने काम, अपनी अहमियत और अपने भविष्य के बारे में सोच और एहसास को बदल देता है। अगर हम AI को अपनाने से मानसिक सेहत पर पड़ने वाले असर को नज़रअंदाज़ करते हैं, तो हम एक ऐसा वर्कप्लेस बना सकते हैं जो काम में तो कुशल हो, लेकिन उसमें इंसानी जज़्बात की कमी हो—यानी वह काम के लिहाज़ से तो बेहतर हो, लेकिन भावनात्मक रूप से टिकाऊ न हो।

हम एल्गोरिदम के दौर में जी रहे हैं। सवाल यह है कि क्या हम इसे सहानुभूति, दूरदर्शिता और देखभाल के साथ अपनाएंगे, या फिर ऑटोमेशन के लिए इंसानी भलाई की बलि चढ़ा देंगे? काम का भविष्य सिर्फ़ ज़्यादा स्मार्ट मशीनों पर निर्भर नहीं करता, बल्कि ज़्यादा मानवीय सिस्टम पर भी निर्भर करता है।