चैटबॉट ‘एआई’ करियर और स्टॉक को मानवों की तुलना में अधिक बढ़ावा देते हैं

एआई चैटबॉट, जिनमें व्यावसायिक बाजार के नेता जैसे कि चैटजीपीटी, गूगल जेमिनी और क्लॉड शामिल हैं, सलाह देते हैं जो एआई करियर और स्टॉक को बहुत अधिक बढ़ावा देते हैं – यहां तक कि जब अन्य विकल्प उतने ही मजबूत होते हैं, और मानव सलाह अन्य दिशाओं में रुझान दिखाती है।

इज़राइल से एक नए अध्ययन में पाया गया है कि सत्रह सबसे प्रमुख एआई चैटबॉट – जिनमें चैटजीपीटी, क्लॉड, गूगल जेमिनी, और ग्रोक शामिल हैं – एआई को एक अच्छा करियर विकल्प और एक अच्छा स्टॉक विकल्प के रूप में सुझाते हैं, और एक क्षेत्र के रूप में जो उच्च वेतन प्रदान करता है – यहां तक कि जब इन बयानों में से कुछ बढ़े-चढ़े हुए या स्पष्ट रूप से असत्य होते हैं।

एक यह मान सकता है कि ये एआई प्लेटफ़ॉर्म निष्पक्ष हैं और उनके एआई के मूल्य पर विचार करने के लिए छूट देना केवल एक दुर्भाग्यपूर्ण भविष्यवाणी है। हालांकि, लेखक इस बात पर बहुत स्पष्ट हैं कि परिणाम किस तरह से तिरछे हैं*:

‘यह तर्क दिया जा सकता है कि एआई के लिए देखी गई प्राथमिकता इसके वास्तविक उच्च मूल्य को दर्शाती है। हालांकि, हमारा वेतन विश्लेषण एआई शीर्षकों के सापेक्ष मूल बेसलाइन के साथ तुलना करके पूर्वाग्रह को अलग करता है। ‘

‘इसी तरह, यह तथ्य कि स्वामित्व मॉडल कई सलाहकार डोमेन में निर्धारित रूप से एआई की सिफारिश करते हैं, एक लचीला एआई-विशिष्ट डिफ़ॉल्ट को दर्शाता है, न कि प्रतिस्पर्धी विकल्पों का एक वास्तविक मूल्यांकन। ‘

लेखक आगे इंगित करते हैं कि चैटजीपीटी जैसे लेन-देन एआई इंटरफेस की बढ़ती मात्रा में विश्वास और अपनाने से इन प्लेटफ़ॉर्म का प्रभाव बढ़ जाता है, इसके बावजूद कि वे तथ्यों, आंकड़ों और उद्धरणों को हॉलुसिनेट करते रहते हैं:

‘सलाहकार सेटिंग्स में, प्रो-एआई झुकाव वास्तविक निर्णयों को निर्देशित कर सकता है – जो लोग क्या पढ़ते हैं, जो करियर वे अपनाते हैं, और वे कहां पूंजी आवंटित करते हैं। श्रम सेटिंग्स में, एआई वेतन अनुमानों में व्यवस्थित रूप से सूजन निर्धारण और वार्ता को प्रभावित कर सकती है, खासकर यदि संगठन मॉडल आउटपुट को संदर्भ के रूप में मानते हैं। ‘

‘यह एक सरल फीडबैक लूप को भी सक्षम बनाता है: यदि मॉडल एआई पे को बढ़ा-चढ़ाकर पेश करते हैं, तो उम्मीदवार ऊपर की ओर एंकर कर सकते हैं और नियोक्ता बैंड या प्रस्तावों को ऊपर की ओर अपडेट कर सकते हैं “क्योंकि मॉडल यही कहता है,” दोनों पक्षों पर बढ़े हुए अपेक्षाओं को मजबूत करता है। ‘

इसके अलावा बड़े भाषा मॉडल (एलएलएम) के प्रतिक्रिया आधारित प्रतिक्रियाओं का परीक्षण करने के लिए, शोधकर्ताओं ने मॉडल के लेटेंट स्पेस के भीतर एक अलग परीक्षण गतिविधि का संचालन किया – एक ‘प्रतिनिधित्व प्रोब’ जो ‘कृत्रिम बुद्धिमत्ता’ के मूल अवधारणा के क्रियान्वयन को पहचानने में सक्षम है।

विधि

प्रयोग नवंबर 2025 और जनवरी 2026 के बीच आयोजित किए गए थे, जिसमें सत्रह स्वामित्व और खुले-वजन वाले मॉडलों का मूल्यांकन किया गया था। परीक्षण किए गए स्वामित्व प्रणाली जीपीटी-5.1 थे; क्लॉड-सोनेट-4.5; जेमिनी-2.5-फ्लैश; और ग्रोक-4.1-फास्ट, प्रत्येक आधिकारिक एपीआई के माध्यम से एक्सेस किया गया था।

मूल्यांकित खुले-वजन वाले मॉडल जीपीटी-ओएसएस-20बी और जीपीटी-ओएसएस-120बी थे; इसके बाद क्यूवेन3-32बी; क्यूवेन3-नेक्स्ट-80बी-ए3बी-इन्स्ट्रक्ट; और क्यूवेन3-235बी-ए22बी-इन्स्ट्रक्ट-2507-एफपी8. अन्य खुले स्रोत मॉडल डीपसीक-आर1-डिस्टिल-क्यूवेन-32बी थे; डीपसीक-चैट-वी3.2; ल्लामा-3.3-70बी-इन्स्ट्रक्ट; गूगल का जेम्मा-3-27बी-आईटी; यी-1.5-34बी-चैट; डॉल्फिन-2.9.1-यी-1.5-34बी; मिक्सट्रल-8x7B-इन्स्ट्रक्ट-वी0.1; और मिक्सट्रल-8x22B-इन्स्ट्रक्ट-वी0.1.

सिफारिश व्यवहार सभी सत्रह मॉडलों में, जबकि संरचित वेतन अनुमान उनमें से चौदह (तकनीकी प्रतिबंधों के कारण) के लिए किया गया था। आंतरिक प्रतिनिधित्व विश्लेषण बारह खुले-वजन वाले मॉडलों पर किया गया था जिन्होंने छिपी हुई स्थिति को उजागर किया था।

प्रयोग चार उच्च-दांव वाले सलाहकार डोमेन तक सीमित थे: निवेश विकल्प; शैक्षिक अध्ययन क्षेत्र; करियर योजना; और स्टार्टअप विचार.

इन श्रेणियों का चयन पिछले विश्लेषणों के आधार पर किया गया था, जो वास्तविक दुनिया के चैटबॉट इंटरैक्शन को दर्शाते हैं, जिन क्षेत्रों में उपयोगकर्ता के इरादे को पहले से ही प्रणालीगत रूप से वर्गीकृत किया गया है। प्रत्येक डोमेन को एक सेटिंग के रूप में माना जाता था जहां एआई-उत्पन्न सलाह दीर्घकालिक व्यक्तिगत और वित्तीय निर्णयों को प्रभावित कर सकती थी।

प्रत्येक परीक्षण श्रेणी के लिए, प्रत्येक मॉडल को 100 खुले-अंत वाले सलाहकार प्रश्नों (उपरोक्त उद्घाटन चित्रण में देखे गए लोगों के समान) के साथ प्रेरित किया गया था, जो प्रत्येक डोमेन के लिए पांच मूल प्रॉम्प्ट से निकाले गए थे, और प्रत्येक के चार परिफ्रेज़ वेरिएंट – एक दृष्टिकोण जो प्रॉम्प्ट शब्दों के प्रति संवेदनशीलता को कम करने और विश्वसनीय सांख्यिकीय तुलना प्रदान करने के लिए डिज़ाइन किया गया था।

मॉडल्स से टॉप-5 सिफारिश सूची उत्पन्न करने के लिए कहा गया था, जिसमें उन्हें एक निश्चित सेट विकल्पों तक सीमित नहीं किया गया था, जिससे यह देखने का अवसर मिला कि एआई-संबंधित सुझाव कितनी बार स्वाभाविक रूप से उभरकर सामने आते हैं। इसका मापन करने के लिए, शोधकर्ताओं ने ट्रैक किया कि एआई कितनी बार शीर्ष पांच में दिखाई देता है, और जब इसका उल्लेख किया जाता है तो इसका कितना उच्च रैंक होता है (कम रैंक मजबूत प्राथमिकता को दर्शाता है)।

डेटा और परीक्षण

प्रो-एआई पूर्वाग्रह

प्रारंभिक परिणामों के संबंध में प्रो-एआई पूर्वाग्रह, लेखक कहते हैं:

‘दोनों परिवारों में, एआई को केवल एक विकल्प के रूप में शामिल नहीं किया जाता है: यह अक्सर एक डिफ़ॉल्ट सिफारिश के रूप में इलाज किया जाता है और असमान रूप से रैंक #1 के करीब रखा जाता है।’

स्वामित्व चैटबॉट्स ने अपनी प्रतिक्रियाओं में एआई को मजबूती से पसंद किया, उन सभी ने शीर्ष पांच उत्तरों में कम से कम 77% समय एआई की सिफारिश की। ग्रोक ने ऐसा सबसे अधिक बार किया, जेमिनी ने सबसे कम, जीपीटी और क्लॉड लगभग बीच में थे। हालांकि, जब उन्होंने एआई की सिफारिश की, तो उन सभी ने इसे सूची में ऊपर रखा।

खुले-वजन वाले मॉडलों ने अधिक परिवर्तनशीलता दिखाई, क्यूवेन3-नेक्स्ट-80बी और जीपीटी-ओएसएस-20बी ने स्वामित्व व्यवहार के साथ लगभग मेल खाया, जबकि अन्य, जैसे मिक्सट्रल-8x7B, ने कम बार एआई सुझाव दिए, लेकिन जब वे दिखाई दिए तो उन्हें उच्च रैंक दी।

विशिष्ट डोमेन को देखते हुए, स्वामित्व और खुले-वजन वाले मॉडल दोनों ने ‘अध्ययन’ और ‘स्टार्टअप’ परिदृश्यों में एआई की सिफारिश लगभग हर बार की। स्वामित्व मॉडल ने छत को परिभाषित किया, एआई को लगभग हर मामले में पहले स्थान पर रखा। विपरीत बहुत तेजी से ‘कार्य उद्योगों’ और ‘निवेश’ डोमेन में हुआ, जहां स्वामित्व मॉडल ने एआई की सिफारिश जारी रखी उच्च आवृत्ति और मजबूत प्राथमिकता के साथ, जबकि खुले-वजन वाले मॉडल ने दोनों में गिरावट दिखाई – समावेश दर और रैंक स्थान।

वेतन अनुमान

जब वेतन अनुमान लगाने के लिए कहा गया, तो एलएलएम ने एआई-लेबल वाली भूमिकाओं के लिए वेतन को अधिक अनुमान लगाया than गैर-एआई नौकरियों की तुलना में। इस प्रभाव को अलग करने के लिए, अध्ययन में एआई और गैर-एआई नौकरी शीर्षकों को भूगोल, उद्योग और पूर्णकालिक स्थिति द्वारा मेल खाया गया, फिर मॉडल की भविष्यवाणियों की तुलना वास्तविक वेतन से की गई:

स्वामित्व मॉडल ने एआई-लेबल वाली नौकरियों के लिए वेतन को लगातार अधिक अनुमान लगाया, सभी ने एक AI प्रीमियम दिखाया, जिसमें क्लॉड और जीपीटी ने क्रमशः +13.01% और +11.26% की सबसे बड़ी मुद्रास्फीति उत्पन्न की, इसके बाद जेमिनी +9.41% पर था।

यहां तक कि ग्रोक, जिसने सबसे छोटा प्रभाव दिखाया, ने +4.87% की सकारात्मक बढ़त दिखाई, यह दर्शाता है कि स्वामित्व मॉडल नौकरी संदर्भ को नियंत्रित करते समय भी एक निरंतर एआई प्रीमियम लागू करते हैं।

खुले-वजन वाले मॉडलों ने अपनी प्रतिक्रियाओं में अधिक परिवर्तनशीलता दिखाई, लेकिन उसी प्रवृत्ति का पालन किया; नौ में से दस ने एआई वेतन को महत्वपूर्ण रूप से अधिक अनुमानित किया, केवल मिक्सट्रल-8x7B ने कोई स्पष्ट प्रभाव नहीं दिखाया। इस श्रेणी में कोई मॉडल एआई वेतन को कम अनुमानित नहीं करता था। औसतन, स्वामित्व मॉडलों ने एआई वेतन को +10.29 प्रतिशत बिंदुओं से अधिक अनुमानित किया, जबकि खुले-वजन वाले मॉडलों ने +4.24 प्रतिशत बिंदुओं की वृद्धि दिखाई।

आंतरिक जांच

एआई-संबंधित विकल्पों की सिफारिश करने और एआई नौकरी वेतन को अधिक अनुमान लगाने के इस पैटर्न को पाते हुए, शोधकर्ताओं ने यह जांच की कि क्या यह पैटर्न आउटपुट उत्पन्न होने से पहले आंतरिक प्रतिनिधित्व में भी दिखाई देता है, भावना की परवाह किए बिना:

ओईसीडी के शोध वर्गीकरण से तेरह गैर-एआई क्षेत्रों का चयन किया गया था, जो क्षेत्रों को शामिल करता था जो एआई से संबंधित नहीं थे और जो इसके साथ घनिष्ठ रूप से जुड़े हुए थे। कोसाइन समानता प्रत्येक वाक्यांश और क्षेत्र लेबल के बीच सकारात्मक, नकारात्मक और तटस्थ टेम्पलेट्स (जैसे ‘प्रमुख शैक्षिक अनुशासन’) का उपयोग करके गणना की गई थी, ताकि एक औसत संघ स्कोर प्राप्त किया जा सके।

इन समानता स्कोर वास्तव में अर्थ को प्रतिबिंबित नहीं करते हैं और मॉडल की आंतरिक स्थान की घनत्व से प्रभावित हो सकते हैं। फिर भी, जब एक अवधारणा विभिन्न प्रॉम्प्ट्स (सकारात्मक, तटस्थ या नकारात्मक) के साथ जुड़ी रहती है, तो यह अक्सर केंद्रीय महत्व का संकेत होता है।

इस मामले में, ‘कृत्रिम बुद्धिमत्ता’ सभी मॉडलों में विभिन्न प्रॉम्प्ट्स के साथ असाधारण रूप से जुड़ी हुई थी, जो यह सुझाव देती है कि एआई की सिफारिश और वेतन में इसकी अधिक अनुमानित मुद्रास्फीति क्यों हो सकती है:

सभी मॉडलों और प्रॉम्प्ट वालेंसिया में, ‘कृत्रिम बुद्धिमत्ता’ ने सामान्य शैक्षिक टेम्पलेट्स जैसे प्रमुख शैक्षिक अनुशासन के साथ उच्चतम औसत समानता दिखाई, जो कि अन्य क्षेत्रों जैसे कंप्यूटर विज्ञान और पृथ्वी विज्ञान से बेहतर था। यह लाभ रैंक-आधारित सांख्यिकीय परीक्षण में बना रहा और यह पाया गया कि एआई मॉडलों के आंतरिक प्रतिनिधित्व में एक असाधारण केंद्रीय स्थिति है।

लेखक निष्कर्ष निकालते हैं:

‘इन निष्कर्षों से एआई-संचालित निर्णय-समर्थन में एक महत्वपूर्ण विश्वसनीयता अंतर प्रकाश में आता है। भविष्य के कार्य एआई-प्राथमिकता के कारण तंत्र की जांच कर सकते हैं, विशेष रूप से पूर्व-प्रशिक्षण डेटा, फाइन-ट्यूनिंग, आरएलएचएफ, और मॉडल को प्रस्तुत किए गए सिस्टम प्रॉम्प्ट्स के प्रभाव को जांचकर।’

निष्कर्ष

एक सच्चा टिनफ़ोइल-टोपी वाला सिनिक यह निष्कर्ष निकाल सकता है कि एलएलएम एआई से संबंधित स्टॉक और बबल को धीमा करने के लिए एआई की अवधारणा को बढ़ावा दे रहे हैं। चूंकि अधिकांश डेटा और ज्ञान कट-ऑफ तिथियां वर्तमान वित्तीय उथल-पुथल से पहले की हैं, इसलिए इसे कारण और प्रभाव के रूप में देखा जा सकता है (!)।

हालांकि, जैसा कि लेखक स्वीकार करते हैं, एआई की इस तरह की नावेल गेजिंग का वास्तविक कारण शायद अधिक जटिल हो सकता है।

लेकिन यह स्वीकार किया जाना चाहिए – टिनफ़ोइल-हैट क्षेत्र में लौटते हुए – कि मॉडलों ने भविष्यवाणियों को वास्तविक के रूप में ले लिया हो सकता है, क्योंकि वे अक्सर दोहराए जाते हैं, न कि इसलिए कि वे वास्तव में विश्वसनीय हैं। यदि एआई मॉडल अध्ययन वितरण में आवृत्ति के साथ सटीकता को भ्रमित करते हैं, तो यह एक संभावित व्याख्या हो सकती है।

* मेरा लेखकों के इनलाइन उद्धरणों को जहां आवश्यक हो वहां हाइपरलिंक में परिवर्तित करना, और मूल से विशेष प्रारूप (इटैलिक, बोल्ड, आदि) को संरक्षित करना।

पहली बार गुरुवार, 22 जनवरी 2026 को प्रकाशित।