AI Highlights — पूरी तस्वीर — 2026-10-22 (गुरु) दैनिक समाचार

OpenAI का Orchestra Bio का अधिग्रहण, Astellas का AI Proteins के साथ $400 मिलियन का सौदा, Qualcomm की छंटनी और AI डेटा सेंटर की ओर रुख़। पिछले आधे दिन की रिपोर्टों की एक श्रृंखला संकेत देती है कि AI तय कर रहा है कि शोध, उपकरण और कर्मचारियों के लिए धन कहाँ जाएगा। इस बीच, अमेरिकियों के डरों की सूची वाले एक लेख में AI को लेकर चिंता शीर्ष 10 में रही, और Duke University डिमेंशिया के लिए AI के क्लिनिकल कार्यान्वयन को आगे बढ़ा रहा है। इस क्रम को केवल यह मापकर नहीं समझाया जा सकता कि तकनीक कितनी सटीक हो गई है। AI कार्यान्वयन की सफलता या विफलता अब इस बात पर निर्भर करती है कि संगठन AI को किस स्थान पर रखते हैं और लोग इसे कैसे देखते हैं। आगे के प्रत्येक खंड में, हम अलग-अलग रिपोर्टों के आधार पर इन बदलावों की जाँच करेंगे।

ड्रग डिस्कवरी अधिग्रहण और गठजोड़ के ज़रिए नेतृत्व के लिए प्रतिस्पर्धा के चरण में प्रवेश कर चुका है

OpenAI ने AI दवा-खोज (drug discovery) स्टार्टअप Orchestra Bio का अधिग्रहण कर लिया है। CHOSUNBIZ ने इस अधिग्रहण को "AI-संचालित दवा-खोज को तेज़ करने" के कदम के रूप में रिपोर्ट किया, और एक अन्य लेख की सुर्खी नई दवाओं के विकास को गति देने पर थी। Business+IT की रिपोर्ट के मुताबिक यह अधिग्रहण Anthropic और Google से बढ़ती प्रतिस्पर्धा के बीच हुआ है। दवा-खोज में प्रवेश के तरीके के रूप में AI कंपनियों ने अपना खुद का R&D करने के बजाय स्टार्टअप का अधिग्रहण करना चुना। दवा-खोज के लिए AI का मूल्यांकन करते समय अब केवल मॉडल प्रदर्शन की तुलना करना पर्याप्त नहीं है। किन कंपनियों के पास मज़बूत दवा-खोज टीम और तकनीक मौजूद है, यह भी निर्णय में शामिल होगा।

फार्मास्युटिकल कंपनियों की ओर से, गठजोड़ के माध्यम से ग्राहकों को बनाए रखने में भी प्रगति हो रही है। Fierce Biotech के अनुसार, Astellas ने AI Proteins के साथ $400 मिलियन के कम्प्यूटेशनल ड्रग डिस्कवरी समझौते पर हस्ताक्षर किए हैं। AI Proteins की Business Wire घोषणा में कहा गया है कि दोनों कंपनियों ने अनुसंधान सहयोग और लाइसेंसिंग समझौते पर हस्ताक्षर किए। लक्ष्य मिनिप्रोटीन पर आधारित नई चिकित्सीय दवाओं की खोज और विकास है, और कुल लागत $400 मिलियन से अधिक बताई जाती है। जहाँ अधिग्रहण मुख्य रूप से ड्रग डिस्कवरी में प्रवेश के लिए AI कंपनियों के कदम हैं, वहीं यह समझौता AI में विशेषज्ञता रखने वाली कंपनी के साथ साझेदारी की ओर एक बड़ी फार्मास्युटिकल कंपनी का कदम है। चूँकि दिखाई गई राशि कुल राशि है, इसलिए पाठकों को वास्तविक बोझ और प्रतिफल जानने के लिए घोषणा में अनुबंध की शर्तों की जाँच करने की आवश्यकता है। फिर भी, हम यह देख सकते हैं कि वित्तपोषण व्यक्तिगत प्रयोगों से उन साझेदारों के साथ दीर्घकालिक सहयोग की ओर बदल रहा है जिनके पास विशिष्ट तकनीकी अवसंरचना है।

अनुबंधों का स्वरूप भी बदल रहा है। GeneOnline ने बताया कि AI के $400 बिलियन के फार्मा बैकएंड कारोबार में क्रांति लाने के साथ, प्रति घंटा बिलिंग का दौर समाप्त हो रहा है। यदि कार्य घंटों को जमा करके बिल भेजने की व्यवस्था टिकाऊ नहीं रहती, तो ठेकेदारों को अपना मूल्य परिणामों और द्वारा उपलब्ध कराई गई प्रणालियों के माध्यम से दिखाना होगा। ऑर्डर देने वाले पक्ष भी काम में लगाए जाने वाले समय की मात्रा के बजाय, ठेकेदारों द्वारा AI को अपनाने के तरीके के आधार पर चुनाव करने लगेंगे। मीडिया इस बदलाव को पूरे उद्योग के लिए एक संरचनात्मक बदलाव के रूप में प्रस्तुत कर रहा है।

अधिग्रहण, साझेदारी और आउटसोर्स्ड अनुबंध — ये तीन कदम दिखाते हैं कि AI को अपनाना केवल तकनीक की बात नहीं है, बल्कि यह धन के आवंटन और लेनदेन के डिज़ाइन तक फैला है। अगला सवाल यह है कि क्षेत्र में काम करने वाले लोग तैनात की गई इस व्यवस्था को कैसे देखेंगे और उसका उपयोग कैसे करेंगे।

पूंजी निवेश और कर्मियों का पुनर्आवंटन संगठन की बनावट को बदल देगा

कहा जाता है कि Qualcomm परिणामों पर ध्यान केंद्रित करने के अनुरूप कर्मचारियों की छंटनी कर रहा है और अपने व्यवसाय का ध्यान AI डेटा सेंटर की ओर मोड़ रहा है (news.lavx.hu)। यहाँ उपलब्ध सामग्री से छंटनी के पैमाने या निशाना बनी नौकरियों के प्रकार की पुष्टि करना संभव नहीं है। जो निश्चित है, वह यह कि कर्मियों में कटौती का निर्णय और AI उपकरण पर ध्यान केंद्रित करने का निर्णय एक ही लेख में चर्चित हैं। लगभग उसी समय, Jamie Dimon ने अर्थव्यवस्था, "sticky" महँगाई और AI खर्च पर बात की (WSJ)। AI खर्च को महँगाई के साथ-साथ चर्चा में लिया जाना इस बात का संकेत है कि AI में निवेश अब अलग-अलग कंपनियों की तकनीकी पसंद तक सीमित नहीं है, बल्कि लागत और आर्थिक संभावनाओं के लिहाज़ से मापा जाने लगा है। जब पाठक अपने AI निवेश पर विचार करेंगे, तो वे न केवल तकनीक के गुणों को देखेंगे, बल्कि यह भी देखेंगे कि खर्च का स्तर बाहरी माहौल में कैसा दिखेगा।

Distribution on the human side is also changing. isolved places AI agents alongside human resources on the organization chart to promote workforce capital management (Yahoo Finance). AIが担う仕事を人の仕事と同じ図の上で管理するということで、導入の単位がツールから組織上の役割に変わる。 Changes are also occurring in the recruitment process. The CMIC Group, which is close to the pharmaceutical industry, has abolished the Entry Sheet (ES) for new graduate recruitment and introduced AI dialogue. Students are asked to ``speak in their own words'' (Nikkan Yakugyo).書類を読む手間を減らすことが目的なのか、応募者の人柄を見極める手段を変えることが目的なのかは、材料からは読み取れない。 However, the point remains that the introduction of AI is changing the very process of selection.

अब तक के चार आंदोलन आकार और उद्योग के अनुसार अलग-अलग हैं। फिर भी, इनमें एक बात समान है: उपकरणों के लिए धन की व्यवस्था और कर्मियों तथा भूमिकाओं का आवंटन एक ही समय पर नए सिरे से तय किया जा रहा है। AI की शुरुआत का मूल्यांकन करने वाले यदि पूँजी निवेश की राशि, कर्मियों में वृद्धि या कमी, संगठन चार्ट में स्थान, और भर्ती में इसके उपयोग को अलग-अलग मुद्दे मानकर देखते हैं, तो वे समग्र आंदोलन को अनदेखा कर देंगे। धन कहाँ जाता है और लोग कहाँ रखे जाते हैं, इन्हें एक ही सिक्के के दो पहलुओं के रूप में देखना ज़रूरी है। ऐसी स्थिति में, कार्यान्वयन की सफलता या विफलता इस पर निर्भर करेगी कि संगठन के भीतर के लोग AI को किस नज़र से देखते हैं। आगे हम एक ऐसा दृश्य देखेंगे जिसमें AI हमारे काम करने के तरीके में और यहाँ तक कि हमारे मन के क्षेत्र में भी घुस रहा है।

छवियाँ और विश्लेषणात्मक मॉडल निदान और पूर्वानुमान के क्षेत्र में जड़ें जमा रहे हैं

छवियों को इनपुट के रूप में उपयोग करने वाली AI, निदान में सहायता के उपयोग से आगे बढ़कर सर्जरी से पहले जोखिम आकलन के उपयोग तक फैल रही है। Medical Economics की सुबह की चिकित्सा खबरों में बताया गया कि AI ने इकोकार्डियोग्राफ़िक निदान की सटीकता में सुधार किया है। उसी अंक में HIV दवाओं की कालाबाज़ारी के लिए एक फार्मा कंपनी के कार्यकारी की दोषसिद्धि की खबर भी छपी। International urology and nephrology में एक अध्ययन प्रकाशित हुआ है जिसमें प्लेन CT रेडियोमिक्स का उपयोग करके गैर-कार्यशील गुर्दे की पहचान के लिए एक बहु-केंद्रीय मॉडल विकसित और बाह्य रूप से सत्यापित किया गया। Breast cancer research: BCR का अध्ययन DCE-MRI पर आधारित एन्सेम्बल मॉडल का उपयोग करके स्तन-संरक्षण सर्जरी में सकारात्मक सर्जिकल मार्जिन की ऑपरेशन से पहले भविष्यवाणी करता है। यह बहु-केंद्रीय पूर्वव्यापी और संभाव्य अध्ययनों का संयोजन है।

ऑपरेशन से पहले के पूर्वानुमान के उदाहरण अन्य अंगों में भी मिल सकते हैं। Frontiers in Artificial Intelligence ने एक मशीन लर्निंग मॉडल की रिपोर्ट दी, जो मल्टी-सीक्वेंस MRI से द्विविमीय और त्रिविमीय इंट्राट्यूमोरल हेटरोजेनिटी विशेषताओं को निकालकर एकीकृत करता है ताकि अग्नाशयी डक्टल कैंसर में पेरिन्यूरल इनवेज़न का पूर्वानुमान उच्च सटीकता के साथ लगाया जा सके। The Asian journal of andrology ने T2-weighted MRI रेडियोमिक्स का उपयोग करके प्रोस्टेट कैंसर के पूर्व-ऑपरेशन एपिकल मार्जिन जोखिम का पूर्वानुमान लगाने वाला एक अध्ययन प्रकाशित किया। लक्ष्य उन मामलों तक सीमित कर दिया गया है जहाँ ट्यूमर शीर्ष पर दिखाई देता है। Abdominal Radiology में एक ऐसा मॉडल है जो मशीन लर्निंग और CT रेडियोमिक्स का उपयोग करके ग्रासनली की वैरिसीज़ की पहचान करता है, जिनका हेपेटोसेल्युलर कार्सिनोमा के मरीज़ों में रक्तस्राव का जोखिम अधिक होता है।

एक साथ रखने पर, तीन समान बातें दिखती हैं। इनपुट दैनिक चिकित्सा उपचार के दौरान ली गई छवि है। अनुमान लगाने के लक्ष्य मार्जिन, इन्फिल्ट्रेशन और वैरिकाज़ नसों जैसी सर्जिकल विधियों और उपचार रणनीतियों के चयन से जुड़ी घटनाएँ हैं। मूल्यांकन केवल किसी एक सुविधा में आंतरिक सत्यापन तक सीमित नहीं हैं, बल्कि इसमें मल्टी-सेंटर विकास, बाहरी सत्यापन और प्रॉस्पेक्टिव अध्ययन भी शामिल हैं। ऐसे डिज़ाइन भी हैं जो पहले यह तय करते हैं कि तकनीक का उपयोग किन परिस्थितियों में किया जा सकता है, जैसे प्रोस्टेट पर शोध जो उन मामलों पर केंद्रित है जहाँ ट्यूमर ऊपरी हिस्से में दिखाई देता है। पाठकों को केवल मॉडल की सटीकता के आँकड़ों से आगे देखना चाहिए। यह पुष्टि करना आवश्यक है कि इसे किन सुविधाओं में, किन इमेजिंग परिस्थितियों में, और किन रोगी समूहों पर लागू किया जा सकता है।

ये अध्ययन दर्शाते हैं कि सत्यापन डिज़ाइन अब यह सवाल उठाने लगे हैं कि क्या इमेज AI का नैदानिक रूप से उपयोग किया जा सकता है। हालाँकि, सत्यापन पास करने वाला मॉडल क्षेत्र में बना रहता है या नहीं, यह इसकी सटीकता से अलग रूप से तय होता है। यह पूरी तरह इस बात पर निर्भर करता है कि छवियाँ पढ़ने वाले डॉक्टर और सर्जन इसे कैसे देखते हैं और इसे चिकित्सा उपचार की प्रक्रिया में कैसे शामिल करते हैं।

रोज़मर्रा के जीवन और भावनाओं के नज़दीक आने वाली AI एक ही समय चिंता और अपेक्षाएँ दोनों पैदा करती है

अमेरिकियों के डर की सूची बनाने वाले एक लेख में, AI के प्रति चिंता शीर्ष 10 में शामिल रही (La Voce di New York)। इसी दौरान, चिकित्सा क्षेत्र में यह रिपोर्ट हुई कि Duke University डिमेंशिया के लिए AI की क्लिनिकल शुरुआत को बढ़ावा देने के प्रयास कर रही है (News-Medical)। AI के बारे में इसे डरावनी चीज़ के रूप में बात की जाती है, वहीं यह डिमेंशिया देखभाल के नाजुक क्षेत्र में भी प्रवेश कर रही है। ये दोनों चीज़ें एक ही समाज में समानांतर रूप से घटित हो रही हैं। इसलिए, केवल AI के प्रति चिंता के स्तर को देखकर यह आँकना कठिन है कि AI कैसे पेश की जाएगी। हमें यह देखने की ज़रूरत है कि क्या चिंता रखने वाले लोग खुद और अपने परिवार की देखभाल से जुड़ी स्थितियों में AI को स्वीकार करेंगे।

रोज़मर्रा के जीवन से जुड़े एप्लिकेशन देखभाल के वातावरण तक सीमित नहीं हैं। स्पेन के कॉर्डोबा विश्वविद्यालय (UCO) की एक घोषणा में चर्चा की गई कि मुफ्त AI गर्लफ्रेंड इतनी लोकप्रिय क्यों है, साथ ही इसके उपयोगकर्ताओं के असली विचार भी शामिल हैं। दक्षिण कोरिया में यह बताया गया कि Apple का Siri AI कोरियाई भाषा का समर्थन करेगा और यात्रा की यादों का भी हवाला देगा (Chosun Ilbo)। पहले वाला AI को भावनात्मक आदान-प्रदान का साथी बनाता है, और बाद वाला व्यक्तिगत रिकॉर्ड का उपयोग करने वाला सहायक। दोनों का उपयोग जितना अधिक करेंगे, आपकी निजी भावनाओं और गतिविधियों का रिकॉर्ड उतना अधिक होगा। मुफ्त प्रवेश और स्मृति संदर्भ सुविधा पैदा करते हैं। साथ ही, यह उपयोगकर्ता के सामने यह सवाल भी छोड़ता है कि क्या याद रखा जा सकता है और उसका उपयोग कैसे किया जा सकता है।

उत्साहों या भावनाओं को पढ़ने वाली तकनीक भी अब उत्पादों में शामिल होना शुरू हो रही है। Emotional Technologies के भावना विश्लेषण AI को Robutler (Dellows News) में स्थापित किए जाने की जानकारी सामने आई है। यदि संवाद साथी या सहायक उपयोगकर्ता की भावनाओं का विश्लेषण कर सकता है, तो व्यक्ति की परिस्थिति के अनुसार प्रतिक्रियाएँ ढालना आसान हो जाता है। दूसरी ओर, कुछ लोग इसे अपने मन को पढ़ा जाना मानसिक बोझ महसूस कर सकते हैं। यहाँ सूचीबद्ध सभी लेख सुर्खियों में दी गई जानकारी तक सीमित हैं। अलग-अलग रिपोर्ट में सटीकता और सुरक्षा संबंधी अभिलेखों की पुष्टि नहीं की जा सकती। इसलिए, कार्यों की संख्या पर ध्यान केंद्रित करने के बजाय, सिस्टम लागू करने वालों को पहले यह दिखाना ज़रूरी है कि वे उपयोगकर्ताओं को कितनी जानकारी देना चाहते हैं और उन्हें कितना विकल्प दे सकते हैं।

चाहे डिमेंशिया देखभाल हो, कंपेनियन, वॉयस असिस्टेंट, या भावनात्मक विश्लेषण, उपयोगकर्ता का भरोसा प्रदर्शन के आँकड़ों की तुलना में जानकारी को संभालने और समझाने के तरीके से अधिक प्रभावित होता है। जैसे-जैसे तकनीक रोज़मर्रा के जीवन के करीब आती है, इसके परिचय की सफलता या विफलता इस बात पर निर्भर करती है कि संगठन और लोग इसे कैसे देखते हैं। कार्यस्थलों और कार्यशैलियों में बदलाव देखते समय भी यही बिंदु लागू होता है।]

कार्यान्वयन का आधार फसलों, सीखने और सृजन तक फैला

यह रिपोर्ट हुई है कि जलवायु परिवर्तन के प्रति प्रतिरोधी आलू और चावल विकसित करने के लिए AI का उपयोग करने के प्रयास किए जा रहे हैं। यह EU-वित्तपोषित BIOCRAFT है, SeedWorld की रिपोर्ट के अनुसार। यह परियोजना दो प्रमुख खाद्य फसलों को लक्षित करती है और यूरोपीय संघ के सार्वजनिक ढाँचे द्वारा वित्तपोषित है। समाचार के दायरे में विकास विधि या संख्यात्मक परिणामों की पुष्टि करना संभव नहीं है। फिर भी, यह देखा जा सकता है कि AI न केवल सामग्री का सारांश बनाने और कार्यों को स्वचालित करने के लिए, बल्कि ऐसी फसलीय किस्मों को विकसित करने के लिए भी पेश की जा रही है, जिन्हें उगने में लंबा समय लगता है। पाठकों को किन बातों पर ध्यान देना चाहिए, यह भी बदल जाता है। मॉडल के प्रदर्शन के अलावा, मूल्यांकन के संकेतों में यह शामिल है कि किस्म विकास के लिए सार्वजनिक धन किन परिस्थितियों में और कितने समय तक उपयोग किया जा रहा है।

परिचय की लहर व्यक्तिगत अधिगम तक भी पहुँच गई है। Mashable ने $35 के कोर्स सेट को प्रदर्शित किया है जो आपके AI कौशल को निखारने और यहाँ तक कि उनसे कमाई करने में मदद करेगा। EU-वित्तपोषित शोध परियोजना और $35 के कोर्स का पैमाना पूरी तरह अलग है। इन लेखों का एक ही समूह में रखा जाना यह दर्शाता है कि AI का उपयोग एक ही समय में संगठनात्मक निवेश से लेकर व्यक्तिगत अधिगम तक फैल रहा है। यहाँ पाठक जो देखना चाहते हैं वह कम कीमत नहीं है। असली बात यह है कि कोर्स के उद्देश्य में मॉनेटाइज़ेशन (कमाई) शामिल है। AI का उपयोग करने में सक्षम होने की बात अब किसी के नौकरी के कौशल के हिस्से के रूप में की जा रही है, और इसे सीधे व्यक्ति की कमाई की क्षमता से जोड़ा जा रहा है। कोर्स करने वालों और उन्हें नियुक्त करने वालों दोनों को कौशल की सामग्री को वास्तविक कार्य के परिणामों से अलग करके देखने की आवश्यकता है।

सांस्कृतिक क्षेत्र में भी हलचलें हैं। AzerNews के अनुसार, National Museum of Art ने AI और संस्कृति पर हो रहे एक अंतर्राष्ट्रीय संवाद में भाग लिया है। संग्रहालय एक ऐसी संस्था है जो कलाकृतियों को संग्रहित, संरक्षित और प्रदर्शित करती है। ऐसा राष्ट्रीय सीमाओं से परे के संवाद के मंच पर इसलिए हो रहा है, संभवतः क्योंकि AI को तकनीकी क्षेत्र तक सीमित मुद्दे के बजाय एक ऐसे मुद्दे के रूप में देखा जा रहा है जिसे सांस्कृतिक नेतृत्व को अपने शब्दों में संबोधित करना चाहिए। रिपोर्टों से हमें केवल भागीदारी का तथ्य पता चलता है, और यह पुष्टि करना संभव नहीं है कि कोई समझौता या ठोस नीति घोषित की गई है या नहीं। जैसे-जैसे अधिक संस्थाएँ संवाद की मेज़ पर बैठेंगी, रचना और प्रदर्शनी में AI के उपयोग पर न केवल तकनीकी दृष्टिकोण से बल्कि सांस्कृतिक दृष्टिकोण से भी सवाल उठाए जाएँगे।

फसलों, पाठ्यक्रमों और संग्रहालयों के तीन उदाहरण क्षेत्र और आकार में भिन्न हैं। हालाँकि, समान धागा यह है कि AI को अपनाने के निर्णय अब केवल तकनीक के प्रदर्शन पर नहीं, बल्कि इस पर भी निर्भर करते हैं कि इसका वित्तपोषण कौन कर रहा है, यह कौन सीख रहा है, और इसे कौन स्वीकार कर रहा है। जैसे-जैसे कार्यान्वयन का दायरा बढ़ता है, सफलता या विफलता को तय करने वाले कारक तकनीक से हटकर लोगों और संगठनों पर स्थानांतरित हो जाते हैं।

हालाँकि प्रत्येक खंड में शामिल मामले अलग-अलग क्षेत्रों के हैं, लेकिन वे सभी एक ही दिशा की ओर इशारा करते हैं। ड्रग डिस्कवरी में अधिग्रहण और गठजोड़ यह तय कर रहे थे कि AI की स्थिति क्या होगी, और उपकरण तथा कर्मियों के संदर्भ में निवेश और पुनर्आवंटन क्या होगा। इमेज विश्लेषण के लिए बहु-संस्थागत बाहरी सत्यापन मूल्यांकन की कुंजी था, और फसलों, शिक्षण और सृजन के लिए धन के स्रोतों और तरीकों को मूल्यांकन के सुराग के रूप में इस्तेमाल किया गया। रोज़मर्रा के जीवन और भावनाओं के करीब के क्षेत्रों में चिंता और उम्मीदों की बात एक ही समाज में साथ-साथ हो रही थी। हर मामले में मॉडल की सटीकता एक पूर्वापेक्षा है, निर्णायक कारक नहीं। कार्यान्वयन की सफलता या विफलता इस बात पर निर्भर करेगी कि धन कौन देता है, जिम्मेदारी कौन लेता है, और उपयोगकर्ता इसे कैसा ग्रहण करते हैं। AI के मूल्यांकन का केंद्र तकनीक के प्रदर्शन को मापने से हटकर यह मापने की ओर खिसक रहा है कि संगठन और लोग इसे कैसा देखते हैं।

Q1: अपने काम में AI को शामिल करते समय, सटीकता के आँकड़ों के अलावा, आप किस बिंदु पर और कैसे जाँचते हैं कि आपके सहकर्मी और उपयोगकर्ता इसे स्वीकार करेंगे या नहीं? Q2: AI के उपयोग के लिए ज़िम्मेदार व्यक्ति के रूप में, क्या आपने शुरूआत से पहले यह तय कर लिया है कि दायरे की और किस सीमा तक जाँच कौन करेगा, और कोई समस्या होने पर स्पष्टीकरण कौन देगा? Q3: AI में निवेश या कर्मियों का आवंटन तय करते समय, तकनीक के प्रदर्शन के अलावा, बाहरी माहौल और उपयोगकर्ता इसे कैसे देखते हैं, इसे शामिल करने के लिए आप क्या मानदंड इस्तेमाल करते हैं?

अंत में, तीन प्रश्न

- अपने काम में AI को शामिल करते समय, सटीकता के आँकड़ों से आगे बढ़कर, आप कैसे और कब जानते हैं कि आपके सहकर्मी और उपयोगकर्ता इसे स्वीकार करेंगे या नहीं? Q2: AI के उपयोग के लिए जिम्मेदार व्यक्ति के रूप में, क्या आपने शुरुआत (पेश) करने से पहले तय कर लिया था कि दायरे की जाँच कौन करेगा और किस सीमा तक करेगा, तथा कोई समस्या आने पर समझाना कौन करेगा? Q3: AI में निवेश करने या कर्मियों की व्यवस्था करने का निर्णय लेते समय, तकनीक के प्रदर्शन के अलावा, बाहरी माहौल और उपयोगकर्ता इसे कैसे देखते हैं, इसे ध्यान में रखने के लिए आप क्या मानदंड इस्तेमाल करते हैं? - AI के उपयोग के लिए जिम्मेदार व्यक्ति के रूप में, क्या आपने क्रियान्वयन से पहले तय कर लिया था कि दायरे की जाँच कौन करेगा और किस सीमा तक करेगा, तथा कोई समस्या आने पर समझाना कौन करेगा? Q3: AI में निवेश करने या कर्मियों की व्यवस्था करने का निर्णय लेते समय, तकनीक के प्रदर्शन के अलावा, बाहरी माहौल और उपयोगकर्ता इसे कैसे देखते हैं, इसे ध्यान में रखने के लिए आप क्या मानदंड इस्तेमाल करते हैं? - AI में निवेश करने या कर्मियों की व्यवस्था करने का निर्णय लेते समय, तकनीक के प्रदर्शन के अलावा, बाहरी माहौल और उपयोगकर्ता इसे कैसे देखते हैं, इसे ध्यान में रखने के लिए आप क्या मानदंड इस्तेमाल करते हैं?