एआई हाइलाइट्स — पूरी तस्वीर — 2026-10-12 (सोम) सुबह की खबरें

बताया जाता है कि अमेरिका में AI निवेश $1 trillion तक पहुँच गया है। केवल धन के आकार को देखें तो लगता है कि मनुष्यों की नौकरियाँ मशीनों को सौंपे जाने की गति भी बढ़ रही है। लेकिन Apple ने 5,000 AppleCare सलाहकारों को AI से बदलने की योजना टाल दी है। AI चिकित्सा, नर्सिंग देखभाल, कक्षाओं और खेतों में भी पैठ बना रहा है, लेकिन उसके प्रतिस्थापन पर निर्णय लेने की कोई जल्दी नहीं है। निवेश की राशि बताती है कि तकनीक कितनी उपलब्ध हो गई है, पर यह नहीं बताती कि लोग उस तकनीक के आसपास आगे क्या करते रहेंगे। इस आधे दिन के लेख को पढ़ने की कुंजी राशि का आकार नहीं, बल्कि यह है कि AI लागू होने के बाद कार्यस्थल पर मानवीय कार्य के रूप में क्या बचा रहता है, और क्या आगे भी मनुष्यों द्वारा तय किया जाता है।

भारी निवेश और ऐसे कार्यस्थल जिन्हें बदलने की जल्दी नहीं है

The Hill के अनुसार, अमेरिका में AI निवेश $1 trillion तक पहुँच गया है। सिर्फ़ धन के प्रवाह को देखें तो लगता है कि मानव श्रम की जगह मशीनों को लाने की दिशा में तेज़ी से प्रगति हो रही है। लेकिन ज़मीनी स्तर के फ़ैसले इस सरल पढ़त का अनुसरण नहीं करते। Forkast News के अनुसार, Apple ने 5,000 AppleCare सलाहकारों की जगह AI लाने की योजना को ठंडे बस्ते में डाल दिया है। भारी मात्रा में पैसा दाँव पर होना एक बात है, लेकिन कर्मचारियों की संख्या घटाने का फ़ैसला लेना बिल्कुल दूसरी बात है।

आउटसोर्सिंग केंद्रों के स्तर पर भी यही प्रवृत्ति दिखती है। BusinessLine की रिपोर्ट के अनुसार, भारत और अन्य देशों में स्थित GCC (Global Capability Centers) ने AI अपनाते समय कर्मचारियों की संख्या घटाने के बजाय उत्पादकता बढ़ाने पर ध्यान देना शुरू कर दिया है। लेख यह भी इंगित करता है कि कार्यालय की मांग इस पर निर्भर करेगी कि कार्यालय कितना लचीला है। यानी AI अपनाने से कर्मचारियों की संख्या में बढ़ोतरी या कमी सीधे तौर पर नहीं होती, और कार्यबल के आकार को ऐसे चर के रूप में देखा जाता है जिसे मांग में बदलाव के अनुसार समायोजित किया जाता है। निवेश की मात्रा के आधार पर रोज़गार में संकुचन का अनुमान लगाने के तरीके पर पुनर्विचार करने की आवश्यकता है।

अलग-अलग कार्यान्वयन मामलों में AI को इंसानों की जगह लेने के बजाय उनकी निगरानी और सहायता करने वाले उपकरण के रूप में शामिल किया जा रहा है। Morningstar के अनुसार, IgniteUps.ai ने NEXUS की घोषणा की है, जो कार डीलरशिप के लिए एक प्रबंधन उपकरण है और AI मानव संसाधन की निगरानी करता है। प्रबंधन का विषय AI होने के बावजूद, डिज़ाइन ऐसा है कि उसे समेटने और संचालित करने की भूमिका इंसानों के पास ही रहती है। वित्त क्षेत्र में, Yahoo Finance के अनुसार, Bank of America ने AI की मदद से अपने ट्रेज़री कार्यों का विस्तार किया है और नए कॉर्पोरेट बॉन्ड जारी किए हैं। यह उल्लेखनीय है कि धन जुटाने और कार्यों को मज़बूत करने के निर्णय को कर्मचारियों के प्रतिस्थापन के बजाय मौजूदा संचालन के विस्तार के रूप में चर्चा में लाया जा रहा है।

पाठकों को निवेश के आकार पर नहीं, बल्कि इस पर ध्यान देना चाहिए कि धन किन कार्यों में और किस रूप में लगाया जा रहा है। प्रतिस्थापन की योजनाएँ ठंडे बस्ते में डाल दी गई हैं, कार्यान्वयन का उद्देश्य उत्पादकता की ओर मुड़ गया है, और AI के प्रबंधन के लिए नए पद बनाए गए हैं। निवेश का आकार गति को नहीं, बल्कि इस तथ्य को दर्शाता है कि तैनाती को लोगों की भूमिका के इर्द-गिर्द नए सिरे से डिज़ाइन किया जा रहा है। तो लोगों के प्रतिस्थापन की बात पीछे हट जाने के बाद, लोग जो काम करते हैं वे ठीक-ठीक कैसे बदलेंगे? इसे हम अगले भाग में देखेंगे।

चिकित्सा, नर्सिंग देखभाल और कृषि में व्यावहारिक प्रथाओं में पैठ

अग्न्याशय के कैंसर का पता लगाना बेहद कठिन माना जाता है, लेकिन Medical Economics ने Purdue Pharma के $5 billion की सज़ा के बाद विघटन की ओर बढ़ने वाले लेख के साथ-साथ Mayo के AI द्वारा अग्न्याशय के कैंसर की शुरुआती पहचान को भी प्रमुखता से प्रकाशित किया। नर्सिंग देखभाल के क्षेत्र में, Skilled Nursing News की रिपोर्ट है कि Trilogy और Signature सुविधा संचालन को बेहतर बनाने के लिए गिरने की पहचान और ऑडिटिंग में AI का उपयोग कर रहे हैं। कृषि में, Bioengineer.org के अनुसार, एक हल्का AI मॉडल विकसित किया गया है जो गन्ने के रोगों की गंभीरता का निर्धारण करने के लिए स्मार्टफोन का उपयोग करता है। दोनों ही मामलों में, AI को मौजूदा कार्य के उन क्षेत्रों में रखा गया है जिनकी अनदेखी होने या जाँचे जाने की संभावना रहती है।

विशेषीकृत पत्रिकाएँ स्तरीकरण (stratification) पर रिपोर्ट करना जारी रखे हुए हैं, जो पहचान (detection) से एक कदम आगे जाता है। एमआर-निर्देशित रेडियोथेरेपी के दौरान लिवर मेटास्टेसिस को ट्रैक करने के लिए टेम्पोरल रेडियोमिक्स का उपयोग करने वाला एक अध्ययन Physics and imaging in radiation oncology में प्रकाशित हुआ। फेफड़ों के कैंसर के लिए, Frontiers in medicine में एक अध्ययन प्रकाशित हुआ जिसमें रिसेक्शन के तीन वर्ष बाद मृत्यु की भविष्यवाणी करने वाला मशीन लर्निंग मॉडल विकसित और आंतरिक रूप से सत्यापित किया गया, और उसे ऑनलाइन जोखिम कैलकुलेटर तथा नॉमोग्राम में बदला गया। पैंक्रियाटिक डक्टल एडेनोकार्सिनोमा के लिए, सुपर-रेज़ोल्यूशन एमआरआई का उपयोग करके ट्यूमर-स्ट्रोमा अनुपात के फेनोटाइपिक वर्गीकरण द्वारा रोग-निदान और उपचार का स्तरीकरण करने का प्रयास MedComm में प्रकाशित हुआ, और प्रोस्टेट कैंसर की निगरानी चिकित्सा (surveillance therapy) के लिए एमआरआई रेडियोमिक्स की एक व्यवस्थित समीक्षा European journal of radiology में प्रकाशित हुई।

ऑपरेशन के दौरान और ऑपरेशन से पहले के निर्णयों में सहायता करने वाले शोध भी हैं। ग्लियोमा के IDH वर्गीकरण के लिए ऑपरेशन के दौरान फ्लोरोसेंस स्पेक्ट्रोस्कोपी के उपयोग पर एक व्यवहार्यता अध्ययन British Journal of Neurosurgery में प्रकाशित हुआ है, और Abdominal radiology में एक अध्ययन प्रकाशित हुआ है जिसमें हेपेटोसेलुलर कार्सिनोमा में न्यूक्लियर β-कैटेनिन अभिव्यक्ति का ऑपरेशन से पहले अनुमान लगाने के लिए CT रेडियोमिक्स और टोपोलॉजी पर आधारित इंट्राट्यूमोरल हेटेरोजेनिटी (ITH) मॉडल विकसित और बाहरी रूप से सत्यापित किया गया। बाद वाले का बाहरी सत्यापन होना दर्शाता है कि वह व्यावहारिक उपयोग के और करीब पहुँच रहा है।

इन सभी में समानता यह है कि AI पहचान और पूर्वानुमान के विकल्प देता है, और निदान की पुष्टि, उपचार का चयन तथा सुविधा प्रबंधन के निर्णय लेने की ज़िम्मेदारी मनुष्यों की होती है। पाठकों को यह देखना चाहिए कि किन प्रक्रियाओं में AI सटीकता बढ़ाता है और परिणामों को कौन संभालता है, यानी भूमिकाओं का बँटवारा। यह श्रम-विभाजन वास्तव में कैसे नए सिरे से व्यवस्थित हो रहा है, इसे अगले भाग में क्षेत्र के नज़रिए से देखा जाएगा।

कक्षा में और दैनिक जीवन में योग्यता और हृदय की पुनः परख

कक्षा में जितना अधिक काम AI को सौंपा जाता है, उतने ही अधिक सवाल इस पर उठते हैं कि लोग क्या सीखेंगे। The Free Press Journal ने ``AI Transforming Classrooms'' को प्रमुखता से प्रकाशित किया और बताया कि शिक्षक आलोचनात्मक चिंतन, भावनात्मक बुद्धिमत्ता और मानसिक स्वास्थ्य पर ज़ोर दे रहे हैं। इसका अर्थ है कि ज़ोर अब इस पर आ गया है कि दिए गए उत्तरों पर सवाल उठाने, दूसरों का सामना करने और अपनी स्थिति बनाए रखने की क्षमता कितनी है, न कि उत्तर कितनी तेज़ी से दिए जाते हैं। इस बीच, नेपाल में एक AI साक्षरता पायलट परियोजना पूरी हुई और The Rising Nepal ने समावेशी डिजिटलीकरण की वकालत की। सिखाई जाने वाली सामग्री तय हो जाने के बाद भी, अगर कुछ लोग उस तक पहुंचेंगे और कुछ नहीं, तो क्षमता की पुनर्परिभाषा केवल कुछ ही लोगों का मामला रह जाएगी। स्कूलों और प्रशिक्षण को देखने वाले पाठकों को न केवल यह जांचना चाहिए कि क्या सिखाया जा रहा है, बल्कि यह भी कि वह किन लोगों तक पहुंच रहा है।

यही सवाल काम के पक्ष में भी मौजूद है। Yahoo! News ने बताया कि AI के कारण अपनी नौकरी गंवाने वाले एक मंगा कलाकार ने खेती का रुख किया और आड़ू की फसल काटते हुए शारीरिक श्रम की पीड़ा और आनंद को जाना। संगीत के क्षेत्र में, CITY JAM के संस्थापक ने कहा कि भले ही AI ने निर्माण को तेज़ बना दिया है, उनकी असली पूँजी उनकी अपनी ध्वनि है (Morningstar)। पहला उदाहरण काम को ही बदल देता है, जबकि दूसरा उसी काम के भीतर गति के बजाय अनूठी ध्वनि को महत्व देता है। लोगों के प्रतिस्थापन के बढ़ते दौर में भी, वे किस हिस्से को अपना काम कह सकते हैं, यह तय करना हर व्यक्ति पर निर्भर है।

भावनात्मक स्तर पर चिंता और बेचैनी साथ-साथ दिखाई देती हैं। mos.ru पर एक पेज है जिसमें AI गर्लफ्रेंड और AI पार्टनर के वीडियो और प्रशंसापत्र हैं, जो संकेत देता है कि लोग जीवन में AI से अंतरंगता की तलाश बढ़ती जा रही है। दूसरी ओर, CNBC ने बताया कि Hollywood, Zuckerberg, Musk और Altman पर फ़िल्में बना रहा है, और AI को लेकर चिंताएँ फैल रही हैं। AI बनाने वाले लोगों की कहानी पर जितनी अधिक फ़िल्में बनती हैं, समाज अपने भविष्य को लेकर उतना ही बेचैन होता जाता है।

कक्षाओं, खेतों, स्टूडियो और प्रेम से जुड़े विषयों में जो बात साझा है, वह यह नहीं कि AI क्या-क्या कर सकता है, बल्कि यह है कि लोग अपनी भूमिकाएँ तय करने के लिए किस पर निर्भर करते हैं। अगला विचारणीय बिंदु यह है कि इस निर्भरता को व्यक्तिगत प्रयासों पर छोड़ दिया जाए, या इसे व्यवस्थाओं और कार्यस्थलों का सहारा मिलना चाहिए।

पूर्वाग्रह, मान्यताओं और राज्य की संलिप्तता से जुड़ा शासन

AI से जुड़ी चर्चाएँ प्रदर्शन और निवेश लागत से हटकर इस सवाल की ओर बढ़ रही हैं कि इस तकनीक से कैसे निपटा जाए। प्रोफेसर क्लाउडिया फ्लोरेस ने संयुक्त राष्ट्र में तर्क दिया कि AI लैंगिक रूप से तटस्थ नहीं है (येल लॉ स्कूल)। यदि सीखने के डेटा या डिज़ाइन में पूर्वाग्रह है, तो वह पूर्वाग्रह नियुक्ति, मूल्यांकन और सेवा प्रदान करने में एक निर्णय के रूप में सामने आएगा। AI लागू करने वालों के लिए, सटीकता और लागत की तुलना के साथ-साथ यह पता लगाना भी आवश्यक है कि किसे नुकसान हो सकता है।

प्रश्न केवल सिस्टम पर नहीं है। David Friedberg का अनुमान है कि AI के संवेदनशील होने की धारणा एक नए धर्म को जन्म देगी (OfficeChai)। यह केवल उनकी भविष्यवाणी है, पुष्ट तथ्य नहीं। फिर भी देखा जा सकता है कि AI को औज़ार माना जाए या भरोसे की वस्तु, यह अंतर उपयोगकर्ताओं के निर्णय और निर्भरता की मात्रा को प्रभावित कर सकता है। पूर्वाग्रह की ओर इशारा करना और मान्यताओं की भविष्यवाणी करना, दोनों इस बात में एक-दूसरे से जुड़ते हैं कि उपयोगकर्ताओं को स्वयं तय करना होगा कि वे AI के आउटपुट को कितना स्वीकार करें।

हर देश की नीतियाँ इन सवालों को अपनी व्यवस्थाओं में शामिल करने लगी हैं। Hugging Face पर हमले के बाद AI सुरक्षा से जुड़े घटनाक्रमों को कालक्रम के अनुसार रिपोर्ट किया गया (News4JAX)। उपराष्ट्रपति Vance ने अपनी पहली विदेश यात्रा में पेरिस के AI शिखर सम्मेलन में भाग लिया (WNWO)। इससे संकेत मिलता है कि सुरक्षा से जुड़ी घटना के बाद विभिन्न देशों के नेताओं ने अंतरराष्ट्रीय सम्मेलनों में रुख अपनाना शुरू कर दिया है। रिपोर्ट के अनुसार चीन अपनी पंचवर्षीय योजना में AI रोज़गार उपायों को शामिल करेगा और उन्हें लागू करना शुरू करेगा (FourWeekMBA)। इसका अर्थ है कि सुरक्षा सुनिश्चित करने और रोज़गार बनाए रखने को अब एक ही नीतिगत ढाँचे के भीतर देखा जाने लगा है।

इन तीन घटनाक्रमों से ऐसी सामग्री मिलती है जिसका उपयोग पाठक निर्णय लेने के लिए कर सकते हैं। कंपनियों के लिए, जिन देशों और क्षेत्रों में इन्हें लागू किया जाता है वहाँ के नियमों में सुरक्षा और रोज़गार को कैसे शामिल किया जाता है, यह उनके व्यवसाय की एक पूर्व-शर्त बन सकता है। कामकाजी लोगों के लिए, नीतियाँ लोगों के लिए जो भूमिका छोड़ती हैं, उसका उनके वास्तविक काम पर प्रतिस्थापन की गति से अधिक प्रभाव पड़ता है। पक्षपात से सावधान रहने, अपनी मान्यताओं से दूरी बनाने और राज्य की भागीदारी के तीनों मुद्दे इस प्रश्न पर आकर मिलते हैं कि AI के व्यवहार की ज़िम्मेदारी किसकी है। अगला मुद्दा जिसकी हमें जाँच करनी है, यह है कि ज़मीनी स्तर पर हर व्यक्ति उस ज़िम्मेदारी को कैसे उठाएगा।

प्रत्येक खंड के उदाहरण एक ही दिशा की ओर इशारा करते हैं। निवेश का पैमाना बड़ा होने के बावजूद कर्मचारियों के प्रतिस्थापन को रोक दिया गया, और जिन क्षेत्रों में AI जोड़ा गया वे केवल वे क्षेत्र थे जहाँ चूक और पुष्टि के कार्य अधिक थे। शिक्षा में उत्तर देने की गति से अधिक महत्व उत्तरों पर सवाल उठाने और दूसरों का सामना करने की क्षमता को दिया जाता है। AI के प्रति पूर्वाग्रह और विश्वास से जुड़े पूर्वानुमान दिखाते हैं कि आउटपुट को कितना स्वीकार करना है, यह उपयोगकर्ताओं पर निर्भर करता है। यदि हम केवल यह देखें कि इंसानों की जगह AI लेगा या नहीं, तो हम ज़मीनी स्तर पर हो रही वास्तविकता को नहीं समझ सकते। लोगों की भूमिका कार्यों को निष्पादित करने से हटकर कार्यों की पुष्टि करने, उन पर संदेह करने और उन्हें स्वीकार करने की ओर बदल रही है। हमें निवेश की मात्रा में वृद्धि या कमी को नहीं, बल्कि यह देखना चाहिए कि यह भूमिका किसे सौंपी गई है और वह किन लोगों तक पहुँच रहा है।

प्र1: मेरे काम का कौन-सा हिस्सा ऐसा है जिसे AI को सौंपने के बाद भी मुझे जाँचना चाहिए और अंततः जिसकी ज़िम्मेदारी मुझे लेनी चाहिए, और क्या यह स्पष्ट रूप से बताया गया है? प्र2: जब AI के आउटपुट में पक्षपात या त्रुटि पाई जाए, तो उसे पकड़ने का अधिकार किसके पास है और उसके उपयोग को रोकने के लिए किन मानदंडों का प्रयोग किया जाता है? प्र3: AI में निवेश की मात्रा के बजाय, लोगों द्वारा निभाई जा रही भूमिकाओं में बदलाव को लगातार जाँचने के लिए आप किन संकेतकों का उपयोग करते हैं?

अंत में, तीन प्रश्न

- मेरे काम के कौन-से हिस्से ऐसे हैं जिन्हें AI को सौंपने के बाद भी लोग जाँचते हैं और अंततः जिनकी ज़िम्मेदारी लेते हैं, और क्या यह स्पष्ट रूप से बताया गया है? Q2: जब AI के आउटपुट में पूर्वाग्रह या त्रुटि मिलती है, तो उसे पकड़ने का अधिकार किसके पास है और उसका उपयोग रोकने के लिए किन मानदंडों का उपयोग किया जाता है? Q3: AI में निवेश की मात्रा के बजाय, लोगों द्वारा निभाई जाने वाली भूमिकाओं में बदलाव को लगातार जाँचने के लिए आप किन संकेतकों का उपयोग करते हैं? - जब AI के आउटपुट में पूर्वाग्रह या त्रुटि मिलती है, तो उसे पकड़ने का अधिकार किसके पास है और उसका उपयोग रोकने के लिए किन मानदंडों का उपयोग किया जाता है? Q3: AI में निवेश की मात्रा के बजाय, लोगों द्वारा निभाई जाने वाली भूमिकाओं में बदलाव को लगातार जाँचने के लिए आप किन संकेतकों का उपयोग करते हैं? - AI में निवेश की मात्रा के बजाय, लोगों द्वारा निभाई जाने वाली भूमिका में बदलाव को लगातार जाँचने के लिए आप किन संकेतकों का उपयोग कर रहे हैं?