इस बेचैनी को क़ाबू में रखने का एक बेहतर तरीक़ा यह है कि तसल्ली देने वाली चिकनी-चुपड़ी बातों के बजाय पूरी स्पष्टता से यह समझा जाए कि AI क्या कर सकता है और क्या नहीं कर सकता। इस बहस का आम और सतही पहलू है कि रचनात्मक और भावनात्मक काम ऑटोमेशन से सुरक्षित हैं यह ख़तरनाक हद तक अधूरा और आत्म-छलावा है। 

AI अभी से कोड लिख सकता है, मार्केटिंग की शानदार इबारतें तैयार कर सकता है, संगीत रच सकता है, और नियंत्रित माहौल में प्रशिक्षित विशेषज्ञों के बराबर सटीकता के साथ मेडिकल डायग्नोस्टिक काम (जिसमें  एक्स-रे और स्कैन पढ़ना भी शामिल है) अंजाम दे सकता है। काम के किसी भी क्षेत्र को 100 फ़ीसदी सुरक्षित मान लेना बच्चों जैसी ख़ुशफ़हमी है।

ज़्यादा सही बात यह है कि AI पैटर्न की पूर्ति करने में बला का माहिर है। यह भविष्यवाणी करता है। यह नक़ल करता है। यह एक तय और सीमित दायरे में बेहतरीन ऑप्टिमाइज़ेशन करता है। जो काम यह वास्तविक और बुनियादी तौर पर नहीं कर सकता, वह है ख़ुद सवाल या मसले को नए सिरे से गढ़ना! मानव इतिहास की हर बड़ी कामयाबी और खोज (रोगाणु सिद्धांत से लेकर स्मार्टफोन तक) किसी ऐसे व्यक्ति की बदौलत हुई जिसने सामने नज़र आने वाले सीधे-सादे सवाल को नज़रअंदाज़ किया और एक बिल्कुल नया, अलग सवाल उठाया। 

नज़रिया बदलने की यह क्षमता, यह पूछने की हिम्मत कि क्या हम मसले को सही तरीक़े से हल करने के बजाय सिरे से सही मसला हल भी कर रहे हैं या नहीं? यह वह बौद्धिक छलांग है जिसकी नक़ल आज तक कोई भी लैंग्वेज मॉडल नहीं कर सका है।

यही सीमा काम के मानवीय और सामाजिक रिश्तों पर भी लागू होती है। किसी कमरे में बैठकर सिर्फ़ कहे गए शब्दों को नहीं बल्कि वहाँ के अनकहे माहौल और तास्सुरात को भांपना। यह जानना कि किस समय किसी को चुनौती देने की ज़रूरत है और किस समय उसे सहारा देने और ढांढस बंधाने की। अनकही बातों और ख़ामोशियों की वादी से रास्ता निकालना। 

एक व्यक्ति ने IBM के एचआर विभाग के पुनर्गठन का रणनीतिक फ़ैसला किया और 200 पदों को AI से बदल दिया—एक ऐसा फ़ैसला जिसके प्रभाव से 200 परिवार प्रभावित हुए। जो लोग इन लहरों और प्रभाव को समझते हैं, जो ख़ौफ़ और बेचैनी से भरे लोगों के कमरे में दाख़िल होकर उनका दिल जीते बिना किसी बड़ी तब्दीली से गुज़ार सकते हैं, उनकी मांग हमेशा रहेगी। कोई भी ट्रेनिंग डेटासेट ऐसा नहीं है जो यह मानवीय समझ और हौसला पैदा कर सके।

करियर से जुड़ी सलाहों में एक तीसरा पहलू अक्सर नज़रअंदाज़ कर दिया जाता है, और यह शायद उस पीढ़ी के लिए सबसे ज़्यादा अहम है जो न सिर्फ़ इन सिस्टम का इस्तेमाल करेगी बल्कि इनकी निगरानी और गवर्नेंस भी संभालेगी। चूँकि AI सिस्टम इंसानी डेटा पर ट्रेंड होते हैं, इसलिए वे इंसानी पक्षपातों को बड़े पैमाने पर विरासत में पाते हैं। किसी-न-किसी को इस ख़ामी को पकड़ना, इसकी पहचान करना और इसे दुरुस्त करना होगा। 

जैसे-जैसे AI स्वास्थ्य, शिक्षा, बैंकिंग और न्याय प्रणाली में और गहराई से पैठ बना रहा है, ये सारे वे सिस्टम हैं जो भारतीय परिदृश्य में पहले से ही गहरी असमानता से जूझ रहे हैं। वे पेशेवर जो इसकी नाकामी की रगों को पहचानते हैं, उनके पास असाधारण ताक़त और अधिकार होगा। इस ताक़त में यह तय करने का अधिकार भी शामिल होगा कि जब मशीन कोई फ़ैसला करती है तो किसे दाद मिलती है, और किसे ख़ामोशी से दरकिनार कर दिया जाता है।

इस बदले हुए माहौल में काम आने वाली तमाम महारतें सिर्फ़ तकनीकी नहीं हैं। प्रॉम्प्ट इंजीनियरिंग और AI की मदद से चमकाई गई डोमेन एक्सपर्टीज़ यक़ीनन ज़रूरी हैं, लेकिन इसके साथ ही डेटा लिटरेसी भी उतनी ही अहम है। एक चार्ट या ग्राफ़ को पढ़ने, उसके बुनियादी फ़ॉर्मूलों पर सवाल उठाने, और यह पहचानने की क्षमता कि कब कोई आंकड़ा जानकारी देने के बजाय गुमराह करने के लिए इस्तेमाल किया जा रहा है। 

इसी तरह सिस्टम्स थिंकिंग भी ज़रूरी है: यह समझना कि किसी संगठन के एक हिस्से में AI के ज़रिए लिया गया फ़ैसला उससे जुड़े बाक़ी तमाम सिस्टम्स में किस तरह लहरें पैदा करता है। ये कोई छोटी-मोटी स्किल्स नहीं हैं; ये उस पेशेवर वर्ग की बुनियादी महारतें हैं जो 2030 के दशक में संस्थानों की बागडोर संभालेगा।

इरफ़ान वहीद

रिसर्च स्कॉलर एवं भाषाविद, नई दिल्ली

• (जारी)