AI Highlights — पूरी तस्वीर — 2026-10-25 (रवि) दैनिक समाचार

बताया जा रहा है कि जर्मनी की Generali 2030 तक 800 नौकरियों में कटौती करेगी और अपने कारोबार को AI के इर्द-गिर्द पुनर्गठित करेगी। अमेरिकी कृषि विभाग के IT अधिकारियों का कहना है कि कर्मचारियों की संख्या घटने (अट्रीशन) के कारण AI पर मानवीय निगरानी बनाए रखना कठिन होगा। AI का उपयोग रोजगार, वित्त और मानसिक स्वास्थ्य संबंधी अनुप्रयोगों में फैल रहा है। इसे जल्दी लागू करने और टालने के फैसले के बीच का अंतर प्रभाव के आकार से उतना नहीं, जितना इस बात से है कि लोगों की निगरानी और सहायता बनाए रखना संभव है या नहीं। इस आधे दिन के लेख को यह जांचने के लिए पढ़ा जा सकता है कि रोजगार, वित्तीय बाजार, भावनात्मक सहायता, सुरक्षा निगरानी और डायग्नोस्टिक इमेजिंग के क्षेत्रों में ये शर्तें पूरी होती हैं या नहीं।

कर्मचारियों की कटौती आगे बढ़ रही है और पर्यवेक्षक उसके साथ तालमेल नहीं बिठा पा रहे

बताया जा रहा है कि जर्मनी की Generali 2030 तक 800 नौकरियों में कटौती करेगी और अपने कारोबार को AI के इर्द-गिर्द पुनर्गठित करेगी (Menafn)। अमेरिका में AI के कारण बड़े पैमाने पर छंटनी की चिंताओं ने कांग्रेस को कामगारों की मदद के तरीके तलाशने के लिए प्रेरित किया है (The New York Times)। छंटनी की यह प्रवृत्ति कंपनियों की योजनाओं और राजनीतिक एजेंडे, दोनों में दिखी है। दूसरी ओर, आंकड़े एक ही दिशा में नहीं हैं। U.S. Chamber of Commerce के एक सर्वेक्षण के आधार पर बताया गया है कि Oklahoma के कई छोटे और मध्यम कारोबारों ने AI अपनाने के कारण रोजगार में वृद्धि की सूचना दी है (KSWO 7News)। एक ही AI को अपनाने पर भी, बड़ी कंपनियों की पुनर्गठन योजनाओं और छोटे-मध्यम उद्यमों के कार्यस्थल में उसका उपयोग अलग-अलग तरह से होता है। अपनी कंपनी के आकार और उद्योग को नजरअंदाज करके इनमें से किसी एक उदाहरण को अपनी कंपनी पर लागू करना खतरनाक है।

जब कटौती आगे बढ़ेगी, तो मुद्दा लोगों की संख्या से कम और इस बात से ज़्यादा जुड़ा होगा कि बचे हुए लोग क्या कर पाएँगे। अमेरिकी कृषि विभाग (U.S. Department of Agriculture) के एक IT अधिकारी ने कहा कि स्टाफ में कटौती के कारण AI पर "मानवीय निगरानी" बनाए रखना कठिन होगा (FedScoop)। यह बताया गया है कि भले ही AI को इस धारणा के साथ लागू किया जाए कि AI के आउटपुट की जाँच करने और गलतियों को रोकने की ज़िम्मेदारी इंसानों की होगी, पर यदि उस भूमिका के लिए ज़िम्मेदार लोगों की संख्या घटा दी जाए तो वह धारणा ढह जाएगी। इस दृष्टिकोण से, केवल घटाए जा सकने वाले लोगों की संख्या के आधार पर लागू करने की लागत-प्रभावशीलता का अनुमान लगाने के निर्णय पर पुनर्विचार करना होगा।

अंतर्राष्ट्रीय श्रम संगठन (ILO) भी श्रमिकों के अधिकारों पर ध्यान केंद्रित कर रहा है और पूछ रहा है कि जब AI कार्यस्थलों को चलाता है तो किसकी बात सुनी जाती है (Devdiscourse)। यहाँ सवाल यह है कि जब AI नियुक्ति और मूल्यांकन के बारे में निर्णय लेता है, तो क्या श्रमिकों के लिए अपनी राय व्यक्त करने की कोई व्यवस्था मौजूद है। पर्यवेक्षक कर्मचारियों को सुनिश्चित करना और श्रमिकों को आवाज़ देना अलग-अलग मुद्दे लग सकते हैं, लेकिन दोनों एक ही मुद्दे से जुड़े हैं: क्या मनुष्य AI के निर्णयों में शामिल बने रह सकते हैं।

इसका एक उदाहरण आयरलैंड है, जहाँ FIT और Intel ने कर्मचारियों के AI कौशल को बेहतर बनाने के लिए साझेदारी की (Silicon Republic)। नौकरी बदलने वालों और पर्यवेक्षी भूमिकाओं में जाने वालों, दोनों के लिए कौशल उन्नयन आवश्यक होगा। हालाँकि, गठबंधनों का होना अपने आप में यह गारंटी नहीं देता कि प्रशिक्षण कटौती की गति के साथ तालमेल बिठा पाएगा। पहले क्या होगा: लोगों की संख्या घटाने का निर्णय, या जो लोग रहेंगे या आगे बढ़ेंगे उनकी सहायता की तैयारी? इन्हें किस क्रम में लागू किया जाता है, यही तय करेगा कि अपनाने में जल्दबाज़ी करनी है या उसे टालना है। यह प्रश्न रोज़गार के बाहर वित्तीय और मनोवैज्ञानिक क्षेत्रों में भी इसी रूप में सामने आता है।

मनी मार्केट और बैंकों में झलकती अतिप्रतिक्रिया और दबाव

हाल के आर्थिक संकेतक बताते हैं कि AI से जुड़े निवेश और व्यापार को लेकर सतर्क नज़रिया है। www.christophe-barraud.com द्वारा तैयार सारांश के अनुसार, वैश्विक AI-संबंधित व्यापार दबाव में है। जापान की मुद्रास्फीति दर बैंक ऑफ जापान के लक्ष्य से ऊपर रही, जबकि यूरोज़ोन का परचेजिंग मैनेजर्स इंडेक्स (PMI) अपेक्षाओं से कम रहा। वित्तीय पक्ष में, यह चिंता है कि AI एजेंट बैंक जमा को हिला देंगे, और CNBC की रिपोर्ट है कि यह वॉल स्ट्रीट की अति-प्रतिक्रिया हो सकती है। चूँकि कीमतों, कारोबारी विश्वास और जमा राशियों पर एक साथ चर्चा हो रही है, इसलिए AI लागू करने वाली कंपनियों को केवल अपेक्षित प्रभावों पर ही नहीं, बल्कि वित्तपोषण और ग्राहकों की गतिविधियों जैसे बाहरी माहौल पर भी विचार करना पड़ता है। इसे जल्दबाज़ी में लागू किया जाए या नहीं, इसका एक निर्णायक कारक यह है कि चिंताएँ वास्तविकता से अधिक बढ़ा-चढ़ाकर पेश की गई हैं या नहीं।

दूसरी ओर, दवा और चिकित्सा डेटा क्षेत्र में लेन-देन थमे नहीं हैं। tokenpost.com के अनुसार, Tempus AI और Pathos AI ने $55 million तक के न्यूरल डेटा सौदे पर हस्ताक्षर किए हैं। marketscreener.com के अनुसार, Tempus AI ने मल्टीमॉडल ऑन्कोलॉजी डेटा को लाइसेंस देने के लिए Bristol-Myers Squibb के साथ बहु-वर्षीय समझौता किया है। Indian Pharma Post के अनुसार, Tricog Health इलेक्ट्रोकार्डियोग्राम (ECG) से AI-संचालित देखभाल की ओर बढ़ने के प्रयास में Sanofi और OMRON Healthcare के साथ अपनी वैश्विक उपस्थिति का विस्तार करेगी। ये स्पष्ट राशि और शर्तों वाले अनुबंध हैं, और इनमें पक्षकार बड़ी दवा कंपनियाँ और चिकित्सा उपकरण कंपनियाँ हैं।

ये दोनों घटनाक्रम दिखाते हैं कि एक ही AI के लिए भी, क्षेत्र के अनुसार निर्णय लेने के आधार अलग-अलग होते हैं। वित्तीय बाज़ारों में चिंताएँ सबसे पहले कीमतों और दृष्टिकोणों में झलकती हैं, और बाद में सवाल यह उठता है कि क्या वॉल स्ट्रीट की प्रतिक्रिया अतिरंजित थी। डेटा लेन-देन में, न्यूरोलॉजी, ऑन्कोलॉजी और इलेक्ट्रोकार्डियोग्राफी जैसे विशिष्ट क्षेत्रों में शर्तें अनुबंधों के रूप में पहले से तय कर दी जाती हैं। हालाँकि, मौजूदा सामग्री से हम जो जान सकते हैं वह अनुबंध का समापन और तैनाती का विस्तार है, और इन रिपोर्टों से अकेले यह स्पष्ट नहीं है कि शुरुआत के बाद लोगों द्वारा सत्यापन और सहायता कैसे काम करेगी।

यदि कोई ऐसा क्षेत्र है जहां बाजार की स्थितियां उतार-चढ़ाव वाली होने पर भी लेन-देन आगे बढ़ सकते हैं, तो इसे अपनाने का फैसला अर्थव्यवस्था की मजबूती से कम और इस बात से अधिक जुड़ा होगा कि क्या लोग मैदान में नतीजों की जांच करते रह सकते हैं। अगले भाग में हम मन के क्षेत्र को देखेंगे कि क्या यह पुष्टि और सहायता वास्तव में बनी रहती है।

अधिक से अधिक लोग भावनात्मक सहारे के लिए AI की ओर देख रहे हैं

Fast Company की रिपोर्ट के अनुसार, युवा अपने मानसिक स्वास्थ्य में सहायता के लिए AI का उपयोग करने लगे हैं। Fox News ने इस पर चर्चा की कि अधिक लोग Meta के AI Muse की ओर क्यों आकर्षित हो रहे हैं। इस बीच, The Independent की रिपोर्ट है कि एक मनोचिकित्सक ने मानसिक स्वास्थ्य सलाह के लिए AI से पूछने के खतरों की ओर इशारा किया है। यदि आप इन तीनों मामलों को साथ रखकर देखें, तो उपयोग का प्रसार और विशेषज्ञों द्वारा खतरों की ओर इशारा करना, दोनों एक ही समय में आगे बढ़ रहे हैं। जब पाठक किसी कंपनी के उत्पादों और घर पर उनके उपयोग के तरीके के बारे में निर्णय लेते हैं, तो अपनाने के आधार के रूप में केवल उपयोगकर्ताओं की संख्या में वृद्धि पर निर्भर रहना पर्याप्त नहीं है। पहले यह पुष्टि करना ज़रूरी है कि सलाह माँगने के लिए इसके उपयोग को मनोचिकित्सक समस्याजनक मानते हैं या नहीं।

सोशल मार्केट फ़ाउंडेशन का कहना है कि मानवीय सहानुभूति और आत्मीयता की नकल करने वाले AI में अवसर और लागत, दोनों हैं। सहानुभूति की नकल करने वाले तंत्र उन लोगों के लिए आसान विकल्प उपलब्ध कराते हैं जो बात करने के लिए किसी की तलाश में हैं। दूसरी ओर, यह मत है कि नकल से जुड़ी लागतें भी हैं, और जो लोग इन्हें लागू करते हैं उन्हें ही इन्हें वहन भी करना होगा। यहाँ निर्णय यह है कि अवसर के आधार पर विस्तार किया जाए या लागत के आधार पर दायरा सीमित किया जाए।

यह सवाल चिकित्सा या परामर्श की सेटिंग तक सीमित नहीं है। CBS News ने बताया है कि मिनेसोटा के एक धार्मिक नेता का AI के धर्म पर पड़ने वाले प्रभाव के बारे में क्या कहना है। बोस्टन यूनिवर्सिटी 808 Gallery में एक नई प्रदर्शनी की घोषणा कर रही है, जो AI के युग में प्रिंट्स की अपूर्ण सुंदरता को खंगालती है। धर्म और प्रिंटमेकिंग जैसे दो अलग-अलग क्षेत्रों में भी, AI का उभार हमें यह पुनर्विचार करने पर मजबूर कर रहा है कि मनुष्य होने का क्या अर्थ है।

जैसे-जैसे भावनात्मक सहारे के लिए AI पर निर्भर होने का चलन बढ़ रहा है, इस बात से कि इंसान उस सहारे की कितनी निगरानी कर सकते हैं, यह फ़र्क़ पड़ेगा कि इसे जल्दबाज़ी में लागू करने का फ़ैसला लिया जाए या इसे छोड़ देने का।

सुरक्षा खामियों और जागरूकता/सहयोग के संबंध में रेखा खींचना

बाहरी ऑडिट में OpenAI की सुरक्षा निगरानी में बड़ी खामियां मिलीं (the-decoder.com)। इसका मतलब है कि एक बाहरी ऑडिट ने ऐसी खामी खोजी जो आंतरिक जांच में दिखाई नहीं दी थी। AI लागू करने वालों के लिए, किसी कारोबारी का यह बताना कि वह सुरक्षा निगरानी कर रहा है एक बात है, और किसी तीसरे पक्ष द्वारा नतीजों की पुष्टि करना बिल्कुल दूसरी बात। यदि आप तय कर रहे हैं कि शुरुआत में जल्दबाजी करें या उसे टाल दें, तो अब आपके पास केवल प्रदाता के निर्देशों को ही नहीं, बल्कि बाहरी ऑडिट की मौजूदगी या गैर-मौजूदगी और निष्कर्षों की सामग्री को भी जांचने का आधार है।

इस खामी की रिपोर्ट के साथ ही, रेखा कहाँ खींची जाए, इस पर तीन चर्चाएँ हुईं। पहली AI की चेतना को लेकर है। National Review ने, जिसमें AI चेतना पर Nature में प्रकाशित एक निबंध को शामिल किया गया था, मशीनों को अधिकार देने के विरुद्ध तर्क दिया। कोई चीज़ चेतन है या नहीं, इस पर चर्चा और उसे अधिकार दिए जाने चाहिए या नहीं, इसका निर्णय, दोनों को अलग-अलग प्रश्न माना जा सकता है। संचालकों के नज़रिए से, चेतना पर बहस चाहे जैसे आगे बढ़े, AI के आउटपुट का प्रभारी इंसानों को बनाए रखना है या नहीं, यह ऐसा मामला बना रहता है जिसे कंपनी को स्वयं तय करना होगा।

दूसरा है देशों के बीच सहयोग। Bulletin of the Atomic Scientists ने तर्क दिया कि परमाणु सुरक्षा अमेरिका-चीन AI सहयोग का एक प्रवेश-द्वार बन सकती है। विचार यह है कि दो देशों के बीच टकराव होने के बावजूद, यदि परमाणु नियंत्रण में साझा हित हो तो चर्चा के लिए मंच बनाना आसान होगा। तीसरा है चिकित्सा विनियमन। Radiology Business के अनुसार, जब FDA जनरेटिव AI को विनियमित करने की ओर बढ़ रहा है, तब रेडियोलॉजी सोसाइटी ने अपनी राय जारी की है। क्लिनिकल सेटिंग में डायग्नोस्टिक इमेजिंग से जुड़े विशेषज्ञों के एक समूह की नियामक प्रस्तावों को आकार देने में सीधी आवाज़ है। कंपनियों के लिए, नियमों की विषय-वस्तु अंतिम होने से पहले ही अपने क्षेत्र की अकादमिक सोसाइटियों और उद्योग समूहों द्वारा व्यक्त की गई राय का अनुसरण करना, कार्यान्वयन की योजना बनाने की एक पूर्व-शर्त है।

यदि हम OpenAI के ऑडिट नतीजों, चेतना और अधिकारों पर चर्चाओं, अमेरिका-चीन सहयोग और FDA पर शैक्षणिक राय को देखें, तो पता चलता है कि रेखा खींचने वाले पक्ष कारोबारों, टिप्पणीकारों, राष्ट्रों और पेशेवर संगठनों में बंटे हुए हैं। खींची गई रेखाओं का निरीक्षण कौन करेगा, यह प्रश्न अनुत्तरित है। अगले भाग में हम देखेंगे कि ऐसे निरीक्षण करने के लिए किस हद तक व्यवस्था मौजूद है।

इमेज डायग्नोस्टिक मॉडलों के सत्यापन का विस्तार

स्तन कैंसर में, एक ऐसा मॉडल रिपोर्ट किया गया है जो मल्टी-फेज़ ट्यूमर और पेरिट्यूमोरल डायनेमिक कंट्रास्ट-एन्हांस्ड MRI की रेडियोमिक्स को पारंपरिक विशेषताओं के साथ जोड़कर ऑपरेशन से पहले ट्यूमर-इनफिल्ट्रेटिंग लिम्फोसाइट्स की मात्रा का अनुमान लगाता है (BMC Medical Imaging)। एंडोमेट्रियल कैंसर के लिए, मल्टीपैरामेट्रिक MRI रेडियोमिक्स और डीप लर्निंग के संयोजन से ऑपरेशन से पहले जोखिम का स्तरीकरण करने पर अध्ययन किया गया (Frontiers in Oncology)। लिवर के संबंध में, डायनेमिक कंट्रास्ट-एन्हांस्ड MRI के डीप लर्निंग मॉडल को क्लिनिकल मॉडल के साथ जोड़कर हेपेटोसेलुलर कार्सिनोमा और मास-फॉर्मिंग इंट्राहेपेटिक कोलेंजियोकार्सिनोमा में बिना चीर-फाड़ के अंतर करने वाला एक अध्ययन प्रकाशित हुआ है (Frontiers in Oncology)। तीनों का उद्देश्य सर्जरी या बायोप्सी से पहले निर्णय लेने के लिए उपलब्ध जानकारी की मात्रा बढ़ाना है। जो लोग किसी मॉडल को अपनाने पर विचार कर रहे हैं, उन्हें केवल सटीकता के आंकड़े ही नहीं, बल्कि सबसे पहले यह भी तय करना होगा कि मॉडल का उपयोग चिकित्सा उपचार के किस चरण में किया जाएगा।

CT और पैथोलॉजी छवियों का उपयोग करने वाली रिपोर्टें भी जारी हैं। फेफड़ों के न्यूरोएंडोक्राइन कैंसर के पूर्वानुमान की भविष्यवाणी के लिए Transformer-आधारित मॉडल का उपयोग किया गया। यह अध्ययन दो-केंद्रीय पूर्वव्यापी समूह (cohort) है (Frontiers in Oncology)। प्रारंभिक गैस्ट्रिक कैंसर के लिम्फ नोड मेटास्टेसिस के लिए, एंडोस्कोपिक बायोप्सी की संपूर्ण स्लाइड छवियों का उपयोग करने वाले मल्टीमॉडल Transformer से सर्जरी-पूर्व जोखिम का आकलन किया गया (Annals of Biomedical Engineering)। मांसपेशी-आक्रामक मूत्राशय कैंसर में, प्रगति-मुक्त उत्तरजीविता की भविष्यवाणी के लिए व्याख्यात्मक कंट्रास्ट-एन्हांस्ड CT-आधारित क्रॉस-अटेंशन Transformer मॉडल का उपयोग किया गया। इसे बहुकेंद्रीय अध्ययन के रूप में प्रस्तुत किया गया है (Abdominal Radiology)। इनमें पूर्वव्यापी डिज़ाइन और केवल दो संस्थानों तक सीमित रिपोर्टें शामिल हैं। क्या इसे रोज़मर्रा के चिकित्सा उपचार में जस का तस इस्तेमाल किया जा सकता है, यह अलग सत्यापन के माध्यम से पुष्टि किए जाने की आवश्यकता वाली बात है। दूसरी ओर, व्याख्यात्मकता को बढ़ावा देने वाले डिज़ाइनों का उभरना सीधे तौर पर निगरानी के उस मुद्दे से जुड़ा है कि क्या डॉक्टर मॉडल के आउटपुट की जांच कर सकते हैं।

इमेज AI के अनुप्रयोग चिकित्सा से आगे भी बढ़ रहे हैं। कुत्तों की असामान्य ब्रेन MRI छवियों को वर्गीकृत करने के लिए CNN मॉडल का उपयोग करने वाला एक अध्ययन Scientific Reports में प्रकाशित हुआ। MRI छवियों से ब्रेन ट्यूमर निकालने के लिए पर्यवेक्षित और अपर्यवेक्षित विधियों की तुलना करने वाला एक अध्ययन भी है (Romanian Reports in Physics)। कृषि के अधिक निकट के क्षेत्र में, एक ही कैमरे से खराब सेबों का पता लगाकर उन्हें हटाने वाले हल्के AI प्रोटोटाइप का परीक्षण ऑनलाइन छँटाई प्रक्रिया में किया गया (Bioengineer.org)। यही इमेज विश्लेषण तकनीक मनुष्यों के निदान, पशुओं के निदान और फलों की छँटाई में इस्तेमाल होती है। इसलिए हर अनुप्रयोग के लिए अलग से तय करना ज़रूरी है कि प्रक्रिया का कितना हिस्सा मशीनों पर छोड़ा जाए और क्या मनुष्यों द्वारा जाँचा जाए।

जैसे-जैसे अधिक सत्यापन किए जा रहे हैं, लागू करने की सफलता या विफलता स्वयं सटीकता से नहीं, बल्कि इस बात से तय होगी कि आउटपुट की जाँच कौन और कैसे जारी रख सकता है।

इन सभी खंडों में एक बात समान है: AI को जिस गति से अपनाया और इस्तेमाल किया जा रहा है, उसकी तुलना में यह पुष्टि करना आसान है कि मानवीय निगरानी और सहायता को बाद में बनाए रखा जा सकता है या नहीं। रोज़गार में कटौती आगे बढ़ने के साथ सवाल यह बन गया कि जो लोग बचे रहेंगे वे कौन-सी ज़िम्मेदारियाँ संभाल पाएँगे। पूंजी बाज़ार में यह तय करना ज़रूरी हो गया है कि चिंताएँ वास्तविकता से अधिक हैं या नहीं। भावनात्मक सहायता के संदर्भ में, इसका उपयोग बढ़ा और विशेषज्ञों ने बताया कि यह उसी समय आगे बढ़ा। सुरक्षा निगरानी के लिए तीसरे पक्ष की पुष्टि ज़रूरी थी, और इमेज डायग्नोसिस के लिए यह तय करना ज़रूरी था कि उसे उपचार के किस चरण में रखा जाए। शुरुआत में जल्दबाज़ी करनी है या उसे टालना है, यह केवल अपेक्षित प्रभावों के परिमाण से ही नहीं, बल्कि इस बात से भी तय किया जा सकता है कि शुरुआत से पहले निगरानी और सहायता की व्यवस्था स्थापित हो चुकी है या नहीं।

प्र1: मौजूदा कर्मचारियों की संख्या के साथ, क्या आपके पास AI को सौंपे गए कार्य के परिणामों की जांच लागू होने के बाद भी जारी रखने के लिए पर्याप्त लोग और समय है? प्र2: क्या आप AI के उपयोग को मंज़ूरी देने की शर्तों में केवल प्रदाता के स्पष्टीकरण पर निर्भर रहने के बजाय बाहरी पुष्टि के परिणाम और विशेषज्ञों की टिप्पणियाँ भी शामिल करते हैं? प्र3: क्या AI अपनाने से अपेक्षित प्रभावों की तुलना, मानवीय निगरानी और सहायता बनाए रखने के लिए आवश्यक लागत और कर्मचारियों से, उसी निर्णय मंच पर की जाती है?

अंत में, तीन प्रश्न

- क्या मौजूदा संख्या में लोग और समय पर्याप्त हैं, ताकि लागू होने के बाद भी AI को सौंपे गए काम के नतीजों की जाँच जारी रखी जा सके? Q2: क्या आप AI के उपयोग को मंज़ूरी देने की शर्तों में केवल प्रदाता के स्पष्टीकरण पर निर्भर रहने के बजाय बाहरी पुष्टि के नतीजों और विशेषज्ञों की टिप्पणियों को शामिल करते हैं? Q3: क्या AI लागू करने से अपेक्षित प्रभावों की तुलना, मानवीय निगरानी और सहायता बनाए रखने के लिए आवश्यक लागत और कर्मियों से, उसी निर्णय मंच पर की जाती है? - क्या केवल प्रदाता के स्पष्टीकरण पर निर्भर रहने के बजाय, बाहरी पुष्टि के नतीजों और विशेषज्ञों की टिप्पणियों को AI के उपयोग को मंज़ूरी देने की शर्तों में शामिल किया गया है? Q3: क्या AI लागू करने से अपेक्षित प्रभावों की तुलना, मानवीय निगरानी और सहायता बनाए रखने के लिए आवश्यक लागत और कर्मियों से, उसी निर्णय मंच पर की जाती है? - क्या AI लागू करने से अपेक्षित प्रभावों की तुलना, मानवीय निगरानी और सहायता बनाए रखने के लिए आवश्यक लागत और कर्मियों से, उसी निर्णय मंच पर की जाती है?