AI हाइलाइट्स — पूरी तस्वीर — 2026-10-12 (सोम) शाम की खबरें

Nokia ने अपनी AI रणनीति का विस्तार करते हुए 253 नौकरियों में कटौती की घोषणा की है, और HSBC अपने कम मूल्यांकित शेयर कीमत के तर्क के आधार के रूप में AI से जुड़ी नौकरी कटौतियों का उपयोग कर रहा है। कंपनियों ने AI-आधारित दक्षता को सीधे कर्मचारी संख्या और राजस्व की गणनाओं में शामिल करना शुरू कर दिया है। हालाँकि, इस आधे दिन की सामग्री को पढ़ते हुए जो बात ध्यान खींचती है, वह कटौती के आँकड़े उतने नहीं हैं, जितनी उनसे पहले की रेखाएँ हैं। एक AI जो रोज़ बुज़ुर्गों को फ़ोन करता है, एक AI जो स्तन अल्ट्रासाउंड के वीडियो पढ़कर डॉक्टरों की सटीकता से आगे निकल जाता है, और एक AI जो अपने आप कहता है "मुझे नहीं पता"। मानवीय काम, घनिष्ठ संबंध, निदान और निर्णय का कितना हिस्सा AI को सौंपा जाएगा, और उसकी उपयुक्तता को कौन और किन मानदंडों से मापेगा? आगे के अंश अलग-अलग दृष्टिकोणों से दिखाते हैं कि इसे मापने का कोई तय तरीका नहीं है।

विकास की अपेक्षाओं और कर्मचारी कटौती का अबेकस

Nokia अपनी AI रणनीति का विस्तार करते हुए 253 नौकरियों में कटौती की योजना बना रही है, और उसके शेयर की कीमत 9.33 यूरो आँकी गई है (ad-hoc-news.de)। HSBC के बारे में चर्चा है कि AI-आधारित कर्मचारी कटौती के कारण कंपनी के शेयर की कीमत 39% कम आँकी गई हो सकती है (Yahoo Finance)। इन सबमें समान बात यह है कि कर्मचारियों की संख्या में कटौती को निवेशकों के लिए मूल्यांकन तैयार करने की सामग्री के रूप में सीधे सूचीबद्ध किया गया है। AI अपनाने के नतीजे तकनीक के प्रदर्शन के बजाय मुख्य रूप से श्रम लागत में कटौती के आँकड़ों में दिखने लगे हैं।

दूसरी ओर, कटौती का पैमाना अलग-अलग है। Nokia के 253 कर्मचारी अपने आप में छोटी संख्या हैं, लेकिन जब इसे कंपनी की AI रणनीति के विस्तार के साथ जोड़ा जाता है, तो शेयर की कीमतों की चर्चा में यह संदर्भ में आ जाता है। HSBC में कटौती स्वयं इस तर्क का आधार है कि शेयर कम आँका गया है। दोनों ही मामलों में, कंपनी कर्मचारियों की संख्या घटाएगी, इस तथ्य को आय के अनुमान को सहारा देने वाली धारणा के रूप में माना जाता है। कंपनी की घोषणा पढ़ते समय पाठकों को यह नहीं देखना चाहिए कि कितने लोगों की छंटनी हो रही है, बल्कि यह देखना चाहिए कि इसका उनके मूल्यांकन से क्या संबंध है।

मुनाफ़े के पक्ष से भी विपरीत दबाव की खबरें आई हैं। Korea Daily ने बताया कि स्मार्ट एजेंट बैंकों के 100 trillion won के मुनाफ़े को जोखिम में डाल देंगे। नज़रिया यह है कि AI न केवल बैंकों के संचालन को अधिक कुशल बनाएगा, बल्कि बैंकों द्वारा कमाए गए मुनाफ़े को ही छीन लेगा। जहाँ HSBC पर लेख अपने मूल्यांकन में लागत में कमी को एक कारक के रूप में लेता है, वहीं यह लेख मुनाफ़े में गिरावट को लेकर सतर्क है। एक ही उद्योग में भी AI को कभी लागत घटाने के औज़ार के रूप में देखा जाता है, तो कभी राजस्व के स्रोतों के लिए खतरे के रूप में।

राजनीतिक भाषा भी विकास की ओर झुक रही है। The Guardian ने तर्क दिया कि ट्रंप AI-संचालित विकास का सपना देख रहे हैं, यानी रीगन-युग के आर्थिक वादों की वापसी का। इसके अलावा, Bloomberg.com की रिपोर्ट है कि AI अमेरिका-चीन संघर्ष की तस्वीर को नए सिरे से लिख रहा है। कंपनियों के वित्तीय नतीजों और शेयर कीमतों की चर्चाओं के साथ रखकर देखें तो साफ़ होता है कि AI की बात केवल अलग-अलग कंपनियों की कार्यकुशलता बढ़ाने के संदर्भ में ही नहीं, बल्कि विकास के वादे और देशों के बीच प्रतिस्पर्धा, दोनों के संदर्भ में भी की जा रही है। हालाँकि, यहाँ उद्धृत सामग्री यह नहीं बताती कि विकास किस हद तक हासिल होगा, बल्कि यह बताती है कि विकास की बात करने का एक ढाँचा पहले ही तैयार हो चुका है।

इस तरह, AI को जहाँ विकास की कहानी के रूप में पेश किया जाता है, वहीं वास्तव में वह कंपनियों के लिए लागत और राजस्व के आवंटन को नए सिरे से व्यवस्थित करने के दबाव के रूप में भी उभर रहा है। अगला सवाल यह है कि इस दबाव को किन मानकों से और कौन मापेगा।

रोज़गार में शुद्ध वृद्धि और पीछे छूट गए लोग

McKinsey ने यह राय व्यक्त की है कि AI जितनी नौकरियाँ खत्म करेगा, उससे अधिक नौकरियाँ पैदा करेगा (Fortune)। हालाँकि, उसी विश्लेषण में यह भी कहा गया है कि अमेरिका के 11 मिलियन कामगारों को इस बदलाव में मदद की आवश्यकता होगी (Fortune)। कुल रोज़गार वृद्धि का पूर्वानुमान और यह पूर्वानुमान कि 11 मिलियन लोग अपने दम पर आगे नहीं बढ़ पाएँगे, एक ही रिपोर्ट में साथ-साथ रखे गए हैं। शुद्ध लाभ यह नहीं बताते कि किसकी नौकरी जा रही है और किसे मिल रही है। कंपनियों की मानव संसाधन योजनाएँ पढ़ने वालों को केवल कुल आय-व्यय ही नहीं, बल्कि यह भी देखना चाहिए कि क्या योजना वास्तव में इन 11 मिलियन लोगों तक पहुँचने के लिए बनाई गई है।

इस बोझ को कहाँ रखा जाए, इसे लेकर अन्यत्र आंदोलन शुरू हो चुके हैं। KQED ने रिपोर्ट किया कि AI और राजनीति उन टेक कर्मचारियों के लिए बदलाव का उत्प्रेरक बन रहे हैं, जो लंबे समय से यूनियनों से दूरी बनाए रहे हैं। बदलाव की लागत नियोक्ता उठाएँगे या अलग-अलग कर्मचारी, यह सवाल अब वे लोग पूछ रहे हैं जो अब तक संगठित होने से बचते रहे हैं।

शिक्षा के क्षेत्र में, यही सवाल युवाओं के लिए भी पूछा जा रहा है। World Economic Forum के विशेषज्ञों ने कहा कि भारत में AI शिक्षा में बच्चों की सुरक्षा को प्राथमिकता दी जानी चाहिए (Rediff)। कौशल हासिल करने की गति बढ़ाने की बहस में, सुरक्षा को पहले रखने का क्रम इस मामले में कि अपनाने की गति कौन तय करता है, कंपनियों की दक्षता के तर्क से अलग मानक लाता है।

एक और सवाल यह है कि क्या बचा रहता है और किसका मूल्य है। समकालीन कलाकार Olga Hilgers ने बताया कि AI जितना अधिक स्मार्ट होता है, वह उतना ही अधिक मूल्यवान कैसे बनता है (Democrat and Chronicle)। यह रोज़गार के आँकड़ों से बाहर का सवाल है, लेकिन जब यह सोचा जाता है कि सहायता की ज़रूरत वाले 11 मिलियन लोगों के लिए किस तरह की नौकरियाँ उपलब्ध कराई जाएँ, तो यह उन हिस्सों को परिभाषित करने की पूर्व शर्त बन जाता है जिन्हें केवल लोग ही कर सकते हैं।

नौकरियां बढ़ेंगी या घटेंगी, इसका हिसाब तब तक निर्णय का व्यावहारिक आधार नहीं बनेगा, जब तक हम पहले यह सवाल हल न कर लें कि बदलाव का बोझ कौन उठाएगा। यह सवाल इस बहस की ओर ले जाता है कि लोगों, आत्मीयता और निदान जैसे खास क्षेत्रों में AI को कितना सौंपा जाए।

अंतरंगता में प्रवेश करता AI और खींची गई रेखा

विश्व मानसिक स्वास्थ्य दिवस के अवसर पर AI, सोशल मीडिया और अकेलेपन के जोखिमों पर केंद्रित एक रिपोर्ट आई (The Media Line)। लगभग उसी समय Kindable ने Loved की घोषणा की, जो बुज़ुर्गों को रोज़ फ़ोन कॉल करने वाला एक AI केयर ऐप है (Yahoo Finance)। अकेलेपन के जवाब में, टेलीफ़ोन पर AI को बैठाने के लिए बना एक उत्पाद बाज़ार में आ गया है। इसी बीच The Morning में ``The love of my life is AI'' शीर्षक से एक कहानी है। हर दिन किसी से बात करने का कार्य और AI को जीवन का प्यार कहने का रिश्ता, दोनों एक ही "बातचीत के साथी" होते हुए भी, जो वे खोजते हैं उसमें बहुत अलग हैं। पहले को निगरानी की आवृत्ति की कमी पूरी करने वाले औज़ार के रूप में आँका जा सकता है, लेकिन बाद वाला यह सवाल उठाता है कि संबंधित व्यक्ति के लिए उस रिश्ते का स्वयं क्या अर्थ है। पाठकों को यह देखना चाहिए कि उपयोगकर्ता AI से क्या अपेक्षा रखते हैं, और उसके उपयोग के साथ वे अपेक्षाएँ कैसे बदलती हैं।

इस अंतरंगता के विस्तार के जवाब में, Gordon-Levitt ने चेतावनी दी कि AI से पैदा होने वाला खतरा मानवीय अंतरंगता का फायदा उठाने की उसकी क्षमता में निहित है (Hollywood Reporter Japan)। एक अलग नज़रिए से देखें तो, जहाँ अकेलेपन को भरने वाले उत्पाद आते हैं, वही जगह शोषण के प्रवेश-द्वार के रूप में भी इस्तेमाल हो सकती है। Fast Company पूछती है, "क्या AI संवेदनशील हुए बिना नैतिक हो सकता है?" यदि आप अपनी अंतरंगता ऐसे किसी को सौंप रहे हैं जिसमें अनुभूति का कोई बोध ही नहीं है, तो सबसे पहले यही सवाल उठता है कि उस पक्ष से नैतिकता और जिम्मेदारी की मांग कैसे की जाए। कानूनी मोर्चे पर, प्रतिनिधि Ted Lieu ने AI को कानूनी अधिकार देने का विरोध किया और AI कंपनियों पर मुकदमा चलाने को लेकर संदेह जताया (Benzinga)। यदि हम AI को अधिकार देने से इनकार करते हैं और कंपनियों पर मुकदमा चलाने को लेकर सतर्क हैं, तो केवल इन बयानों से यह देखना कठिन है कि निर्भरता या शोषण के कारण नुकसान होने पर जिम्मेदारी कहाँ तय की जानी चाहिए।

अकेलेपन को भरने की ताकत और लत के खतरों के बीच रेखा प्रोडक्ट डिज़ाइनर खींचेंगे, उपयोगकर्ता या कानून, यह तय होना अभी बाकी है। अगर आत्मीयता के बाद भरोसा सौंपने का दायरा निदान और निर्णय जैसे गंभीर क्षेत्रों तक फैल जाता है, तो यही सवाल और भी गंभीर रूप में सामने आता है।

अति-आत्मविश्वास घटाने और सत्यापन को सत्यापित करने में सक्षम AI की ओर

Bioengineer.org की रिपोर्ट है कि पूरा वीडियो पढ़ने वाले एक AI ने स्तन अल्ट्रासाउंड जाँच के दौरान निदान की सटीकता में डॉक्टरों को पीछे छोड़ दिया। अल्ट्रासाउंड जाँच में केवल एक-एक करके छवियाँ देखना ही नहीं, बल्कि प्रोब को हिलाते हुए क्रमिक छवियों को पढ़ना भी शामिल होता है। पूरे वीडियो के लिए AI के डॉक्टरों की सटीकता से आगे निकलने की रिपोर्ट इंगित करती है कि निदान के क्षेत्र में AI का अधिक व्यापक उपयोग हो सकता है। हालाँकि, यह शीर्षक सटीकता की तुलना को दर्शाता है, और AI कहाँ गलतियाँ करता है तथा उनमें अंतर कैसे किया जाए, यह प्रश्न एक अलग प्रश्न बना हुआ है।

इस सवाल के समाधान के लिए Bioengineer.org ने AI से "मुझे नहीं पता" कहलवाने की एक विधि भी पेश की है। यह AI के अति-आत्मविश्वास को घटाने के लिए न्यूट्रोसॉफिक ज्यामिति का उपयोग करती है। यदि अधिक सटीकता वाला AI चूक जाने पर भी अधिक आत्मविश्वास से जवाब देता है, तो उपयोगकर्ता सही और गलत जवाब में अंतर नहीं कर पाएगा। प्रश्न का उत्तर न दे पाने का स्वयं संकेत देने वाली यह प्रणाली, AI के आउटपुट को ज्यों का त्यों स्वीकार करने या उस पर पूरी तरह संदेह करने के विकल्प की जगह ``मैं इस उत्तर पर किस हद तक विश्वास कर सकता हूँ?'' के निर्णय को रखती है।

प्रदर्शन के साथ-साथ विश्वसनीयता को मापने की प्रवृत्ति उद्योग की ओर भी दिखाई देती है। The Tech Buzz के अनुसार, तीसरे पक्ष के AI सुरक्षा समीक्षक उद्योग में अपनी मौजूदगी बढ़ा रहे हैं। डेवलपर द्वारा दिए गए आँकड़ों के अलावा, सिस्टम अपनाने पर विचार कर रही कंपनियों और अस्पतालों के पास बाहरी मूल्यांकन संस्था का पैमाना जुड़ने से तुलना का आधार होगा। उपयोगकर्ता की ओर, The Fulcrum हाई स्कूल के शोधकर्ताओं द्वारा AI को ख़बरें पढ़ना सिखाने के एक प्रयास का परिचय देता है। AI इस्तेमाल करने वाले लोगों में सूचना की सटीकता को ख़ुद परखने की क्षमता होना भी अब सत्यापन का हिस्सा माना जाने लगा है।

डॉक्टरों से बेहतर सटीकता, उपयोगकर्ता को "मुझे समझ नहीं आया" कहने देने वाला डिज़ाइन, बाहरी मूल्यांकन और पाठक का प्रशिक्षण — ये सभी AI के उत्तर को जस का तस स्वीकार करने के बजाय उसे सत्यापित किए जा सकने वाले रूप में ढालने के प्रयास हैं। प्रदर्शन के आँकड़े पहले बताए जा रहे हैं, लेकिन आगे विवाद के बिंदु यह होंगे कि उन आँकड़ों को कैसे सत्यापित किया जाए और विश्वसनीयता को मापने की ज़िम्मेदारी किसकी होगी।

छंटनी की संख्या, शुद्ध रूप से नौकरियाँ बढ़ने की संभावना, फ़ोन कॉल, जीवन के रिश्तों के प्रति प्रेम, और डॉक्टरों से बेहतर निदान सटीकता — ये सभी AI की उपलब्धियों के प्रमाण हैं। लेकिन हर खंड में समान बात यह थी कि नतीजों के आकार से अधिक यह स्पष्ट नहीं था कि उन्हें कौन माप रहा है और किन मानकों पर। लोगों की संख्या में कमी को मुनाफ़े के अनुमानों की पूर्वधारणा के रूप में पढ़ा जाता है, और शुद्ध वृद्धि का कुल आँकड़ा यह नहीं बताता कि 11 मिलियन लोगों को सहायता मिलेगी या नहीं। जब इसे मापने की व्यवस्था होगी, तभी यह तय किया जा सकेगा कि उपयोगकर्ताओं की अपेक्षाएँ किस दिशा में झुकती हैं और निदान में त्रुटियों की पहचान कैसे की जाए। AI पर कितना भरोसा किया जाएगा, यह उसके उच्च प्रदर्शन से नहीं, बल्कि इस बात से तय होगा कि वह मापने का तरीका दिखा सकता है या नहीं।

प्रश्न 1: जिन कार्यों में AI का उपयोग होता है, उनमें आपके पास ऐसी व्यवस्था किस हद तक है जो आउटपुट के गड़बड़ होने पर आपको सचेत कर सके? प्रश्न 2: नतीजों के आकार के अलावा, AI का उपयोग उचित है या नहीं, यह तय करने के मानदंड कौन तय करता है? प्रश्न 3: मानव संसाधन और राजस्व योजनाओं में AI के प्रभावों को शामिल करते समय, आप किस हद तक समझा सकते हैं कि उन मान्यताओं को कैसे मापा जाए और प्रभावित लोगों पर बोझ कहाँ डाला जाए?

अंत में, तीन प्रश्न

- AI का उपयोग करने वाले हमारे काम में, जब आउटपुट गड़बड़ हो, तो उसे पकड़ने की व्यवस्था हमारे पास किस हद तक है? Q2: परिणामों के आकार के अलावा, AI का उपयोग उचित है या नहीं, यह तय करने के मानदंड कौन तय करता है? Q3: मानव संसाधन और राजस्व योजनाओं में AI के प्रभावों को शामिल करते समय, उन अनुमानों को कैसे मापा जाए और बोझ प्रभावित लोगों पर कहां डाला जाए, यह आप किस हद तक समझा सकते हैं? - परिणामों के आकार के अलावा, AI का उपयोग उचित है या नहीं, यह तय करने के मानदंड कौन तय कर रहा है? Q3: मानव संसाधन और राजस्व योजनाओं में AI के प्रभावों को शामिल करते समय, उन अनुमानों को कैसे मापा जाए और बोझ प्रभावित लोगों पर कहां डाला जाए, यह आप किस हद तक समझा सकते हैं? - कार्यबल और राजस्व योजनाओं में AI के प्रभावों को शामिल करते समय, उन अनुमानों को कैसे मापा जाए और बोझ प्रभावित लोगों पर कहां डाला जाए, यह हम किस हद तक समझा सकते हैं?