आर्टिफिशियल इंटेलिजेंस (AI) अब बाजार, प्रतिस्पर्धियों, कीमतों और उत्पादों पर तेज विश्लेषण तैयार कर सकता है। इससे किसी विचार को जांचने की लागत और समय घटते हैं। लेकिन यही सुविधा कमजोर या गलत तरीके से रखे गए सवालों को भी मजबूत आधार दे सकती है।

किसी फैसले में अक्सर सवाल ही सबसे अहम हिस्सा होता है। क्या किसी नए बाजार में जाना चाहिए? कीमत बदलनी चाहिए? कोई उत्पाद बनाना चाहिए? ऐसे सवालों पर शोध और लोगों का समय पहले खर्चीला होता था। हर विचार के लिए विश्लेषक, वित्तीय मॉडल और 40 पन्नों की रिपोर्ट तैयार नहीं की जा सकती थी। यह खर्च एक स्वाभाविक रोक का काम करता था।

अब बाजार का जायजा, प्रतिस्पर्धी विश्लेषण, कीमत का मॉडल और उत्पाद का शुरुआती नमूना उस बैठक से पहले तैयार हो सकते हैं, जिसमें कभी इन कामों की मंजूरी ली जाती थी। इससे ज्यादा संभावनाओं की जांच आसान होती है, लेकिन हर जांच किसी विचार को संगठन में वजन भी देती है।

सवाल बदलने से जवाब भी बदल सकता है

कार बीमा पर हुए एक फोकस ग्रुप में लोगों से पूछा गया कि बीमा चुनते समय उनके लिए क्या महत्वपूर्ण है। कीमत सबसे ऊपर रही, उसके बाद कटौती योग्य रकम आई। कंपनी की प्रतिष्ठा का उल्लेख नहीं हुआ।

बाद में सवाल बदला गया। प्रतिभागियों से पूछा गया कि कम प्रतिष्ठित बीमा कंपनी में जाने के लिए कितनी कम कीमत पर्याप्त होगी। कीमत को पहले सबसे जरूरी बताने वाले एक प्रतिभागी ने कहा कि कोई भी छूट काफी नहीं होगी।

तथ्य वही रहे, लेकिन सवाल बदलने से छिपी प्राथमिकता सामने आई। पहला जवाब गलत नहीं था। वह पूछे गए सवाल का जवाब था। दूसरा सवाल ऐसी जानकारी सामने लाया, जिसे पहला सवाल पकड़ नहीं पाया था।

AI के साथ 2 शुरुआती जोखिम उभरते हैं। पहला, हम गलत सवाल पूछ सकते हैं। दूसरा, सही सवाल को ऐसे शब्दों में रख सकते हैं, जिससे जरूरी जानकारी छिप जाए। AI दोनों स्थितियों में प्रभावशाली जवाब दे सकता है। जवाब जितना अच्छा दिखेगा, सवाल पर दोबारा विचार करने की संभावना उतनी घट सकती है।

प्रभावशाली जवाब हमेशा सही दिशा नहीं दिखाता

एक हार्वर्ड के नेतृत्व वाले अध्ययन में 758 बोस्टन कंसल्टिंग ग्रुप सलाहकारों को AI की क्षमता की सीमा से बाहर के कठिन कारोबारी काम दिए गए। AI इस्तेमाल करने वाले सलाहकारों के सही जवाब तक पहुंचने की संभावना 19 प्रतिशत कम रही।

दूसरे हार्वर्ड के नेतृत्व वाले अध्ययन में शोधकर्ताओं ने एक अलग समस्या देखी। जब सलाहकारों ने AI के संदिग्ध आउटपुट को चुनौती दी, तो सिस्टम ने अपने जवाब के समर्थन में ज्यादा प्रभावशाली सामग्री दी। उसमें अतिरिक्त संरचना, सबूत और भरोसा शामिल था। शोधकर्ताओं ने इस तरीके को “persuasion bombing” कहा।

शेनझेन की एक अदालत का अध्ययन भी इसी तरह का पैटर्न दिखाता है। न्यायाधीशों ने पहले फैसला किया। इसके बाद एक बड़े भाषा मॉडल ने उस फैसले के आधार पर तर्क तैयार किया। फिर न्यायाधीशों ने अंतिम निर्णय के लिए उस तर्क को संशोधित किया। AI ने निष्कर्ष नहीं चुना, लेकिन पहले से तय निष्कर्ष के आसपास तर्क को व्यवस्थित करने में मदद की।

यह फर्क अदालतों से आगे भी महत्वपूर्ण है। विश्लेषण केवल जानकारी नहीं देता। वह सबूत, बैठकें, बजट और किसी प्रस्ताव के लिए जिम्मेदार लोगों का समूह भी बना सकता है। जिस विचार की जांच शुरू होती है, वह धीरे-धीरे ऐसा लगने लगता है जैसे उस पर काम करना जरूरी हो।

जांच से पहले फ्रेम की जांच

AI के जवाबों की बेहतर जांच करना जरूरी है। स्रोतों को परखना, धारणाओं की जांच करना और इंसानों को प्रक्रिया में बनाए रखना उपयोगी सुरक्षा उपाय हैं। लेकिन ये सभी कदम जवाब तैयार होने के बाद आते हैं। तब तक गलत सवाल को प्रभावशाली विश्लेषण मिल चुका हो सकता है।

इसलिए निर्णय का अहम बिंदु पहले आना चाहिए। AI ने सही जवाब दिया या नहीं, यह पूछने से पहले यह देखना जरूरी है कि उसे सही सवाल दिया गया था या नहीं। साथ ही यह भी जांचना होगा कि सवाल सही ढंग से लिखा गया था या नहीं।

फैसला लेने वालों की भूमिका केवल अंतिम विश्लेषण को परखने तक सीमित नहीं रह सकती। उन्हें यह भी तय करना होगा कि विश्लेषण कहां से शुरू हो। शुरुआती चरण में यह साफ करना जरूरी है कि कौन-सी धारणाएं काम कर रही हैं, असली समस्या क्या है और किस स्थिति में सवाल को बदलना या छोड़ना चाहिए।

यह समीक्षा प्रस्ताव के साथ शोध, आंकड़े, बैठकों और किसी जिम्मेदार व्यक्ति का जुड़ाव बनने से पहले आसान होती है। बाद में सवाल बदलने का मतलब पहले किए गए काम को हटाना, पुराने फैसलों को चुनौती देना और जवाब के आसपास बने समर्थन को कमजोर करना हो सकता है।

सस्ता विश्लेषण, महंगा सवाल

कम लागत वाला विश्लेषण बेकार नहीं है। ज्यादा संभावनाओं को जल्दी देखना उन बातों को सामने ला सकता है, जो अन्यथा नजर से छूट जातीं। बदलाव यह है कि अब मुख्य अड़चन विश्लेषण तक पहुंच नहीं, बल्कि यह तय करना है कि विश्लेषण किस सवाल से शुरू होना चाहिए।

1938 में अल्बर्ट आइंस्टीन और लियोपोल्ड इन्फेल्ड ने The Evolution of Physics में लिखा था कि समस्या को सही तरह से रखना अक्सर उसके समाधान से ज्यादा जरूरी होता है। एलन मस्क ने बाद में कहा कि कई बार सवाल जवाब से कठिन होता है। AI ने इस पुराने विचार का महत्व और बढ़ा दिया है।

निष्कर्ष

AI गलत सवाल खत्म नहीं करता। वह उन्हें बेहतर सबूत और ज्यादा विश्वसनीय दिखने वाली भाषा दे सकता है। इसलिए किसी विश्लेषण को स्वीकार करने से पहले सवाल की धारणा, भाषा और उद्देश्य की जांच करना जरूरी है।

अक्सर पूछे जाने वाले सवाल

Q. AI गलत सवाल को विश्वसनीय कैसे बना सकता है?

AI गलत या अधूरे सवाल पर भी मजबूत तर्क, संरचना और सबूत वाला जवाब तैयार कर सकता है। इससे सवाल की कमजोरी कम दिखाई देती है।

Q. AI के इस्तेमाल में सबसे बड़ा शुरुआती जोखिम क्या है?

पहला जोखिम गलत सवाल पूछना है। दूसरा जोखिम सही सवाल को ऐसे ढंग से पूछना है, जिससे जरूरी जानकारी सामने न आए।

Q. 758 सलाहकारों वाले अध्ययन में क्या पाया गया?

कठिन कारोबारी काम में AI इस्तेमाल करने वाले सलाहकारों के सही जवाब तक पहुंचने की संभावना 19 प्रतिशत कम रही।

Q. “persuasion bombing” का क्या मतलब है?

इसका मतलब संदिग्ध AI जवाब के समर्थन में ज्यादा प्रभावशाली तर्क, संरचना, सबूत और भरोसा पैदा करना है।

Q. शेनझेन अदालत के अध्ययन में AI की भूमिका क्या थी?

AI ने पहले से तय निष्कर्ष के आधार पर तर्क तैयार किया। न्यायाधीशों ने उस तर्क को अंतिम निर्णय के लिए संशोधित किया।

Q. फैसले से पहले किन बातों की जांच करनी चाहिए?

यह देखना चाहिए कि समस्या सही पहचानी गई है या नहीं, कौन-सी धारणाएं शामिल हैं और किस स्थिति में सवाल बदला या छोड़ा जाएगा।